论文部分内容阅读
随着中国经济快速发展,PM2.5污染越来越严重。高浓度PM2.5污染不仅污染生态环境,而且严重影响人们的生产生活,甚至危害人们的健康。鉴于此,揭示PM2.5污染的空间分布,掌握PM2.5污染发展规律,进一步减少PM2.5污染亟待解决。我国自古以来就是能源消费大国,能源消费与经济发展息息相关,它能推动经济社会持续发展,但能源过度不合理消耗也会带来相应的环境污染问题,进而影响人类生产生活。为进一步探究能源消费总量如何影响PM2.5浓度值,研究以我国地级及以上城市年均PM2.5浓度值和能源消费总量为基础数据,探究了二者之间的时空关系。研究基于2000-2017年加拿大达尔豪斯大学提供的中国年均PM2.5浓度影像数据,从不同角度分析了年均PM2.5浓度值的时空分布及演化规律;基于1992-2017年夜间灯光数据和《中国能源统计年鉴》提供的能源消费总量数据（2000-2017年）,在利用夜间灯光数据模拟出我国像元尺度上能源消费总量的基础下,从不同角度分析了能源消费总量的时空分布及演化规律。进而从我国地级以及以上城市入手,采用地理加权回归模型（GWR）探究了年均PM2.5浓度值与能源消费总量之间的时空关系。研究结果表明:（1）2000-2017年我国年均PM2.5浓度值上升趋势变化明显（p<0.05）;八大经济区中,北部沿海地区、长江中游地区、东部沿海地区年均PM2.5浓度值较其它五大经济区高;高浓度PM2.5主要分布在受自然因素影响较高的塔克拉玛干沙漠、柴达木盆地沙漠等气候恶劣地带和人类活动频繁的中东部地区。（2）模拟地级及以上城市能源消费总量栅格影像上,像元最大值呈逐年增大的趋势变化;标准差分级下显示2000-2017年我国能源消费总量大部分地区级别为低,能源消费总量级别为高的区域主要分布在八大经济区中的北部沿海地区部分市、东部沿海地区部分市以及南部沿海地区部分市。（3）地理加权回归模型（GWR）效果较普通最小二乘回归模型（OLS）好。地理加权回归模型（GWR）结果显示不同地级及以上城市模型解释能力（拟合度R2）与局部系数（β）空间分布上存在差异,但在大西北地区的青海省海西蒙古族藏族自治州和玉树藏族自治州这两个地区模型解释和预测能力较好。