土地利用回归模型在大气污染时空分异研究中的应用

随着城市化、工业化、机动化进程的加快,大气污染已成为我国最严重的环境问题之一,对公众健康和生态环境造成了诸多负面影响.土地利用回归,即Land-use Regression(LUR)模型是目前模拟城市尺度大气污染时空分异的常用方法之一,其在欧洲和北美得到广泛的应用,而在国内,相关研究却不多.本文在整理国内外文献的基础上,从构建LUR模型的主要步骤入手,包括监测数据获取、模型自变量生成、模型构建、模型检验和回归映射等方面,对LUR模型在大气污染时空分异研究中的进展进行归纳总结,进而展望了未来的研究重点与方向,即突出时空分异、扩展模型变量类别和改进模型构建方法.本文旨在普及LUR模型在我国的应用,为人口暴露、流行病学研究和健康风险评价等提供方法论基础.     

河南省2015—2019年大气污染时空变化特征研究

河南省位于京津冀周边区域,其大气复合污染形势较为严峻.本研究利用河南省2015-2019年83个国控站点数据,综合探究了 PM10、PM2.5、SO2、NO2、CO和O3MAD8(臭氧日最大8h平均值)的时空变化特征.与2015年相比,2019年河南省PM10、PM2.5、SO2、NO2和CO年均浓度分别下降了 26....     

基于APEI的2013-2018年福建省大气污染评价

为了在区(县、市)级尺度上准确衡量福建省大气污染情况,构建大气污染评价APEI指数。基于高分辨率大气污染数据集和夜间灯光数据,分析2013-2018年福建省78个县市大气污染程度时空变化特征及其影响因素的时空异质性。结果表明:1)福建省中心偏北县市大气污染程度小,东部沿海县市大气污染严重。近6年福建省78.21%的县市大气污染程度减弱;2)全省东部沿海区域空气污染严重,主要表现在NO₂和PM₁₀这2种大气污染物,均超过全省平均水平;3)从大气污染物时序变化趋势看,PM_2.5和PM₁₀变化相似,自2014年起逐年下降,到2018年分别下降约23.15%和12.21%,SO₂和NO₂分别下降明显。O₃呈U形变化,而CO则呈倒U形变化;4)全省6种大气污染物均呈现较明显的季节性波动特征;5)采用时空加权回归(STWR)模型分析夜间灯光对APEI影响的时空异质性,发现2014-2018年负向影响区域持续扩大;全省34个县市5年回归系数均为正值,表明在这些县市中人类活动易造成大气污染;6)采用APEI、空气质量指数(AQI)、空气质量综合指数(AQCI)分别评价福建省6年各县市综合大气污染程度优劣排序,比较3种方法排序差异最大的县市,发现APEI指数能较好地反映真实浓度大小关系,且能实现实时评价。     

基于土地利用变化的广西近20年生态系统服务价值研究

为探究广西土地利用变化对生态系统服务价值（ecosystem service value,ESV）的影响,采用随机森林算法对2000—2020年5期Landsat系列遥感影像进行土地利用分类,运用土地利用动态度、土地利用转移矩阵方法揭示土地利用变化规律,运用当量因子法计算ESV,探究其时空变化特征,并分析各土地利用类型与ESV变化之间的内在联系。结果表明：林地和耕地是广西主体土地利用类型;建设用地面积逐年增加,主要是侵占耕地;单一土地利用类型动态度表现为未利用地>草地>建设用地>耕地>水域>林地。广西生态系统服务价值总体呈波动下降趋势;单向生态系统服务价值以水文调节和气候调节为主;在空间分布上,ESV呈中部低、四周高的特征;广西近20年的ESV变化,草地、林地和耕地是主要贡献因子和敏感因子。

     

基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.     

基于土地利用变化的赤水河流域生态系统服务价值变化分析

以赤水河流域1990年、1999年、2010年和2018年的遥感解译土地利用数据为依据,采用经本地化校正的当量因子法和GIS空间分析技术,分析赤水河流域28年间的土地利用变化特征、生态系统服务价值（ESV）变化特征以及土地利用变化对ESV变化的影响。结果表明：1990—2018年,赤水河流域耕地、草地和未利用地面积减少,建设用地、林地和水域面积增加;土地转换以耕地—林地—草地之间的相互流转和建设用地对耕地与草地的侵占为主。1990—2018年,赤水河流域ESV从411.90亿元增至413.54亿元,林地是ESV的主要贡献部分,水域面积增加是ESV增加的主要影响因素,ESV空间分布呈现出中游高、上下游低的特征,高值区域与林地分布高度重叠。城市建设用地连续扩张引起ESV降低,林地和水域、耕地和草地因面积变化分别对ESV贡献呈正、负效应,农村与城镇人口结构变化、退耕还林和流域生态治理等政策的实施则促进了ESV增加。

     

2013—2015年中国PM2.5污染状况时空变化

自2013年我国首次开展全国范围PM_2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM_2.5污染状况时空变化的总体特征,识别PM_2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM_2.5污染特征变化的差异.基于2013—2015年PM_2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM_2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM_2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM_2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM_2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM_2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM_2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM_2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM_2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM_2.5重污染格局.      

CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用

在对目前常用的土地利用变化模型进行调研的基础上,认为CLUE-S模型是众多模型中适用于区域土地利用变化研究的一种较好的模型;它是根据系统论的观点,在深刻理解土地利用系统内土地利用变化特征(包括关联性、竞争性、稳定性以及等级性等)的基础上构建而成,具有同步模拟不同土地利用变化的能力。论文以奈曼旗为例,根据1985年的空间图形数据,结合道路、居民点、城镇、水域的分布、以及地形和土壤等驱动因素,对其2000年的土地利用变化格局进行模拟;并用2000年的土地利用现状图对模拟结果进行检验。结果显示,在基本单元(500m×500m栅格)的水平上,模拟的正确率为85%,Kappa指数值是0.80。说明CLUE-S模型具有成功模拟区域土地利用时空动态变化的能力,是值得向国内同行推荐的一种较好的LUCC模型。     

新疆阿克苏灌区土地资源合理利用及变化分析

阿克苏灌区土地资源和水资源的合理利用已成为当地面临的重要科学问题。本文利用5期遥感影像解译数据,分别从阿克苏灌区土地利用的时间差异性和空间差异性2方面进行定量分析,研究了阿克苏灌区1998-2014年土地利用变化的时空特征,为今后合理利用灌溉水资源提供重要依据。     

30年间昕水河流域土地利用变化分析

土地利用的变化可以直接反映人类的活动程度,掌握土地利用的动态变化有助于土地利用规划优化管理和有效推进流域的生态修复治理进程.研究利用昕水河流域1986年和2015年的2期遥感影像数据,从土地利用的分布格局以及土地利用转移矩阵2个方面,对昕水河流域土地利用类型的分布与时空变化进行分析研究,揭示昕水河流域土地利用时空变化的...     

PM2.5浓度空间分异模拟模型对比:以京津冀地区为例

在我国快速的城市化进程中,快速的经济发展和日益增加的能源消耗带来的大气污染不断增加,特别是细颗粒物污染如PM2.5污染越来越严重,PM2.5污染相关研究成为一个热点议题.高浓度的PM2.5是形成我国京津冀、珠三角和长三角地区大气灰霾的主要原因,大气污染已成为制约京津冀地区乃至全国可持续发展的关键问题,长期暴露在PM2.5大气污染中,会对人类健康造成诸多不良影响.土地利用回归模型可以实现大气污染物浓度的时空模拟,明晰PM2.5浓度的空间分布特征对于大气污染的防治和流行病学的研究具有重要意义.本研究利用2014年1月1日至2014年12月31日京津冀地区104个监测站点的大气污染物浓度数据,结合VIIRS(visible infrared imaging radiometer)AOD(aerosol optical depth)、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息,分别利用最小二乘和地理加权回归构建土地利用回归模型,对PM2.5浓度时空分布情况进行模拟,其中包括含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,以及不包含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,这4个模型的修正R2值分别为82.13%、84.87%、80.45%和81.99%.研究表明,相比最小二乘回归,使用地理加权回归的方法能一定程度上提升土地利用回归模型的结果.     

A land use regression for predicting NO2 and PM10 concentrations in different seasons in Tianjin region,China

Land use regression (LUR) model was employed to predict the spatial concentration distribution of NO2 and PM10 in the Tianjin region based on the environmental air quality monitoring data. Four multiple linear regression (MLR) equations were established based on the most significant variables for NO2 in heating season (R2 = 0.74), and non-heating season (R2 = 0.61) in the whole study area; and PM10 in heating season (R2 = 0.72), and non-heating season (R2 = 0.49). Maps of spatial concentration distribution for NO2 and PM10 were obtained based on the MLR equations (resolution is 10 km). Intercepts of MLR equations were 0.050 (NO2, heating season), 0.035 (NO2, non-heating season), 0.068 (PM10, heating season), and 0.092 (PM10, non-heating season) in the whole study area. In the central area of Tianjin region, the intercepts were 0.042 (NO2, heating season), 0.043 (NO2, non-heating season), 0.087 (PM10, heating season), and 0.096 (PM10, non-heating season). These intercept values might imply an area’s background concentrations. Predicted result derived from LUR model in the central area was better than that in the whole study area. R2 values increased 0.09 (heating season) and 0.18 (non-heating season) for NO2, and 0.08 (heating season) and 0.04 (non-heating season) for PM10. In terms of R2, LUR model performed more effectively in heating season than non-heating season in the study area and gave a better result for NO2 compared with PM10.     

基于移动监测和土地利用回归模型的上海市近地面黑碳浓度空间模拟

黑碳(BC)是大气污染物的重要组成部分,对空气质量与人类生活健康产生重要的影响.本研究采用移动样带手段开展上海市近地面BC浓度监测,分析其基本统计特征和空间分异性.在此基础上,利用土地利用回归模型(LUR),探讨人口密度、经济产值和交通道路网密度等因素对上海市近地面BC浓度空间分异的影响.结果表明上海市近地面BC平均浓度为(9.86±8.68)μg·m~(-3),空间差异明显,郊区[(10.47±2.04)μg·m~(-3)]比市中心地区[(7.93±2.79)μg·m~(-3)]高32.03%(2.54μg·m~(-3)).气象要素(风速和相对湿度)和交通道路变量(路网长度、省道距离、高速距离等)显著影响上海市近地面BC浓度(r为0.5~0.7,P0.01).基于气象和交通道路变量的LUR模型能较好模拟上海近地面BC浓度(调整后R2为0.62~0.75,交叉验证R2为0.54~0.69,RMSE为0.15~0.20μg·m~(-3)),其中100 m和5 km缓冲距离的LUR模型相对较优,在一定程度上表明上海市近地面BC浓度主要受气象要素和交通源的影响.本研究有利于加深对上海市BC浓度空间分布格局及其影响因素的客观认识,可为模拟和预测BC对人类活动和自然环境的响应机制提供科学依据和理论支撑.     

石家庄市大气主要污染物的统计预报

介绍了石家庄市在大气主要污染物预报统计模式方面的研究,包括统计回归分析的原理,预报选取的因子,主要污染物的回归方程及其相关系数和推广应用情况,通过分析指出了模式存在的不足,并给出了改进方向。     

“2+26”城市一次多因素叠加重污染过程的特征分析

2018年11月23日-12月4日,京津冀及周边地区\"2+26\"城市出现了一次长时间、大范围、高强度的复合型大气重污染过程,为揭示区域性重污染过程中多因素的综合作用,利用气象资料、空气质量监测等多源数据以及区域污染特征雷达图,对京津冀及周边地区\"2+26\"城市此次重污染特征和成因进行分析.结果表明:根据PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]可将此次重污染过程划分为4个阶段.第一阶段（2018年11月23-26日）PM_2.5/PM₁₀在0.5~1.0内波动,\"2+26\"城市大气扩散条件转差,一次污染物局地积累及SO₂、NO_x、NH₃等气态污染物在高湿条件下二次转化是污染形成并发展的主要原因;第二阶段（11月27日）PM_2.5/PM₁₀突降至0.2左右,\"2+26\"城市北部受形成于蒙古国的沙尘影响,短时ρ（PM₁₀）快速升高（峰值为818 μg/m3）,中南部受形成于内蒙古自治区阿拉善盟的沙尘及上风向PM_2.5污染的传输影响,ρ（PM_2.5）和ρ（PM₁₀）均较高,维持日均重度污染水平（参照GB 3095-2012《环境空气质量标准》和HJ 633-2012《环境空气质量指数（AQI）技术规定（试行）》）;第三阶段（11月28日-12月2日）PM_2.5/PM₁₀由0.3逐渐升至0.8,在静稳、高湿的不利气象条件下,一次污染物积累并二次转化,第二阶段残留沙尘中的矿物质对硫酸盐起到催化作用,导致ρ（PM_2.5）快速上升,\"2+26\"城市大部分达日均重度及以上污染;第四阶段（12月3-4日）与第二阶段类似,PM_2.5/PM₁₀突降至0.2,\"2+26\"城市再次受到沙尘天气和区域传输的共同影响,因冷空气持续时间较长,污染被有效清除.研究显示,此次污染过程是气象条件、污染物一次排放和二次转化、区域传输、沙尘天气等多因素综合作用的结果.当静稳、高湿等不利气象条件或沙尘天气出现时,区域应加强对各类污染物排放的管控力度,以降低污染物的一次排放、二次转化以及沙尘和区域传输的共同影响,进而削弱污染严重程度.      

回归分析与GIS集成在大气污染分析中应用

为有效进行区域环境管理和改善质量水平,更好地利用现有环境数据资源,快速探索与总结区域环境污染的若干规律;文章在构建基于GIS的回归分析集成技术基础上,以北京市某区域的大气污染为例,运用该技术对该区域的主要大气污染因子与相关变量进行回归分析,对主要污染物的减排目标进行预测;进一步根据回归模型的结果提出该区域大气环境质量改善的建议。对城市区域环境质量改善具有一定的参考价值,是城市环境治理的可行途径和有效的工作方法。