中国近地面PM2.5浓度与排放的时空分布及其关联分析

PM_2.5是威胁人体健康的主要大气污染物之一。大量研究关注近地面PM_2.5浓度的监测及其时空分布,但目前针对PM_2.5排放及其与近地面浓度之间的关联研究较为缺乏。本文通过2000—2014年近地面PM_2.5浓度格网数据和PM_2.5排放格网数据,采用长时间序列分析法对PM_2.5浓度和PM_2.5排放从定性和定量两个角度进行时空变化趋势对比研究,并进一步结合标准差椭圆法和趋势分析法,分析了我国近地面PM_2.5浓度和PM_2.5排放的时空变化特征及其关联。结果表明,从总体时间序列趋势上,近地面PM_2.5浓度和PM_2.5排放之间在空间分布上基本呈现一致性,集中在胡焕庸线以东的人口密集区,但在时间上,PM_2.5浓度和排放之间存在动态变化时间差。且PM_2.5浓度的变化更为明显,2000—2007年高于35 μg/m³的国土面积占比增加了14.26%,2007—2014年减少了2.84%;从标准差椭圆分析来看,PM_2.5浓度椭圆和排放椭圆在覆盖面积和方位角上与人口和经济分布吻合,但前者面积更大,长轴更接近于东西方向,二者存在约17°差异,而两类椭圆的中心位置随时间变化呈现出较一致的轨迹特征并呈现出滞后特点;此外,受大气扩散、点源排放等因素影响,PM_2.5浓度变化趋势与排放变化趋势在胡焕庸线以东并不完全一致,部分区域排放呈降低趋势而浓度则反而呈升高趋势。因此,从全国层面来看,减排政策对浓度降低在时间上虽存在滞后,但边际效益显著,并已显露成效;而从局地来看,受地形、气象条件和大气化学过程等复杂影响,二者的变化在空间上仍会存在差异,有待进一步深入研究;从防控措施来看,在继续加强落实本地减排政策的同时,应考虑污染物的扩散迁移规律,加强联防联控,有效改善空气质量。     

典型人类活动对关中平原城市群PM2.5浓度的影响

为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_2.5浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_2.5浓度分布及驱动力有何变化尚缺乏关注。基于2018～2020年PM_2.5遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析2020年2月至3月实施流动限制性措施期间关中平原城市群PM_2.5浓度及驱动因子的时空演变特征。结果表明：(1)2020年2月至3月PM_2.5浓度显著下降,2020年2月热点减少,3月冷点减少。(2)相比历年同期,所有人为因素单因子在2020年2月对关中平原城市群PM_2.5浓度的解释力最低,自然因素解释力较高。其中,工厂兴趣点分布(POI＿D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为20.3%和38.6%。所有人为因素双因子交互影响解释力在2020年2月最低。(3)所有人为因素在2020年2月对关中平原城市群PM_2.5...     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

海南岛气溶胶时空变化及来源追溯

海南岛独特的区域和国家战略位置,使得了解和掌握该地区气溶胶时空格局特征及其大气污染物传输来源是海南大气环境质量监测和污染防治中重要的关注问题。选取MODIS 3 km分辨率气溶胶光学厚度（AOD）产品MOD04_3K,对海南岛2003—2017年AOD时空变化特征进行分析;以海口市为起始点,采用HYSPLIT模式对8次典型大气污染事件在10、500、1000 m 3个相对地面高度上进行48 h后向轨迹计算,以探究该区域大气污染物来源。结果表明：① 海南岛AOD在空间上呈较为明显的三级阶梯状分布,从西北方向向东南递减,2003—2017年在不同阶梯的空间变化趋势差异十分显著;② 2003—2017年海南岛AOD年均值为0.095,各年均值整体呈轻微升高趋势;季节均值差异表现为“春季>秋季>冬季>夏季”,此差异除受区域天气系统与地方风向特征的影响外,本区旅游业发展造成的大气污染物排放也不可忽视;③ 海南岛（海口市）2013—2017年典型大气污染事件发生期间大气污染气流在3个高度上（10、500、1000 m）的后向轨迹基本保持一致,均主要来自于海南岛东北方向。据此,位于该方向毗邻的珠江三角洲地区陆源大气污染物在东北盛行风的影响下被输送至海南岛,在区域天气系统（如大陆冷高压）和局部天气系统（如海风辐合）共同作用下,是促成该地区大气污染事件发生的重要因素。研究结果对深入理解海南岛近十多年来大气环境状况的变化规律、完善该区域大气污染联防联控机制具有重要的意义。     

基于小波分析的GPS PWV与PM2.5比较研究

通过比较2013-11~12的BJNM站点GPS PWV序列与天坛站点PM2.5浓度序列发现,两者的相关系数大于0.535,sig值小于0.01,存在显著的正相关特性;基于小波分析方法剔除高频噪声、细微扰动和小尺度系统影响的第4层低频系数重构的PWV序列与PM2.5序列的相关性达到0.749;高频系数重构的PM2.5序列与PWV序列的相关性达到0.839,更能反映两者的正相关特性。     

基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM_2.5浓度空间分布,现有研究建立了多种基于统计回归的PM_2.5估算模型。然而,由于PM_2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM_2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM_2.5浓度空间估算方法。文章以中国2017年PM_2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM_2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM_2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM_2.5浓度的局部空间变化和细节层次。     

基于移动监测数据的不同城市场景下PM2.5浓度精细模拟与时空特征解析

城市内部PM_2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM_2.5浓度分布特征,缺少不同时刻城市场景（如：道路、工业区、住宅区等）对PM_2.5浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM_2.5浓度,然后融合地理加权回归（Geographical Weighted Regression, GWR）和梯度提升决策树（Gradient Boosting Decision Tree, GBDT）方法,提出一种基于GWR-GBDT的PM_2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM_2.5浓度的非线性关系,提升了城市PM_2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM_2.5浓度的非线性作用影响。结果表明：① 基于移动PM_2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM_2.5浓度之间的非线性关系,能够有效精细模拟PM_2.5浓度的空间分布,十折验证R²结果为0.52~0.94;② 通过部分依赖图分析同一场景在不同时段对PM_2.5浓度响应的异质性,发现各类场景对PM_2.5浓度提升或抑制作用并不稳定;③ 解析不同时段人类活动与城市场景对PM_2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM_2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM_2.5污染,公园文体服务区在多数时段对PM_2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM_2.5浓度提升;④ 从PM_2.5浓度的空间分布来看,福州市主城区南部PM_2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM_2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM_2.5浓度升高,而城市陆地外围水域对沿岸PM_2.5浓度具有抑制作用;⑤ 研究结果可为不同场景下PM_2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM_2.5污染暴露风险防范提供支持。     

Spatiotemporal Variations and Influencing Factors Analysis of PM<Subscript>2.5</Subscript> Concentrations in Jilin Province,Northeast China

High PM_2.5 concentrations and frequent air pollution episodes during late autumn and winter in Jilin Province have attracted attention in recent years. To describe the spatial and temporal variations of PM_2.5 concentrations and identify the decisive influencing factors, a large amount of continuous daily PM_2.5 concentration data collected from 33 monitoring stations over 2-year period from 2015 to 2016 were analyzed. Meanwhile, the relationships were investigated between PM_2.5 concentrations and the land cover, socioeconomic and meteorological factors from the macroscopic perspective using multiple linear regressions (MLR) approach. PM_2.5 concentrations across Jilin Province averaged 49 μg/m³, nearly 1.5 times of the Chinese annual average standard, and exhibited seasonal patterns with generally higher levels during late autumn and over the long winter than the other seasons. Jilin Province could be divided into three kinds of sub-regions according to 2-year average PM_2.5 concentration of each city. Most of the spatial variation in PM_2.5 levels could be explained by forest land area, cultivated land area, urban greening rate, coal consumption and soot emissions of cement manufacturing. In addition, daily PM_2.5 concentrations had negative correlation with daily precipitation and positive correlation with air pressure for each city, and the spread and dilution effect of wind speed on PM_2.5 was more obvious at mountainous area in Jilin Province. These results indicated that coal consumption, cement manufacturing and straw burning were the most important emission sources for the high PM_2.5 levels, while afforestation and urban greening could mitigate particulate air pollution. Meanwhile, the individual meteorological factors such as precipitation, air pressure, wind speed and temperature could influence local PM_2.5 concentration indirectly.     

Spatio-temporal Characteristics and Geographical Determinants of Air Quality in Cities at the Prefecture Level and Above in China

In recent years, the large scale and frequency of severe air pollution in China has become an important consideration in the construction of livable cities and the physical and mental health of urban residents. Based on the 2016-year urban air quality index(AQI) data published by the Ministry of Environmental Protection of China, this study analyzed the spatial and temporal characteristics of air quality and its influencing factors in 338 urban units nationwide. The analysis provides an effective scientific basis for formulating national air pollution control measures. Four key results are shown. 1) Generally, air quality in the 338 cities is poor, and the average annual values for urban AQI and air pollution in 2016 were 79.58% and 21.22%, respectively. 2) The air quality index presents seasonal changes, with winter spring autumn summer and a u-shaped trend. 3) The spatial distribution of the urban air quality index shows clear north-south characteristic differences and a spatial agglomeration effect; the high value area of air pollution is mainly concentrated in the North China Plain and Xinjiang Uygur Autonomous Region. 4) An evaluation of the spatial econometric model shows that differences in urban air quality are due to social, economic, and natural factors.     

Impact of Urban 3D Morphology on Particulate Matter 2.5(PM_(2.5)) Concentrations:Case Study of Beijing,China

Urban particulate matter 2.5(PM_(2.5)) pollution and public health are closely related, and concerns regarding PM_(2.5) are widespread. Of the underlying factors, the urban morphology is the most manageable. Therefore, investigations of the impact of urban three-dimensional(3D) morphology on PM_(2.5) concentration have important scientific significance. In this paper, 39 PM_(2.5) monitoring sites of Beijing in China were selected with PM_(2.5) automatic monitoring data that were collected in 2013. This data set was used to analyze the impacts of the meteorological condition and public transportation on PM_(2.5) concentrations. Based on the elimination of the meteorological conditions and public transportation factors, the relationships between urban 3D morphology and PM_(2.5) concentrations are highlighted. Ten urban 3D morphology indices were established to explore the spatial-temporal correlations between the indices and PM_(2.5) concentrations and analyze the impact of urban 3D morphology on the PM_(2.5) concentrations. Results demonstrated that road length density(RLD), road area density(RAD), construction area density(CAD), construction height density(CHD), construction volume density(CVD), construction otherness(CO), and vegetation area density(VAD) have positive impacts on the PM_(2.5) concentrations, whereas water area density(WAD), water fragmentation(WF), and vegetation fragmentation(VF)(except for the 500 m buffer) have negative impacts on the PM_(2.5) concentrations. Moreover, the correlations between the morphology indices and PM_(2.5) concentrations varied with the buffer scale. The findings could lay a foundation for the high-precision spatial-temporal modelling of PM_(2.5) concentrations and the scientific planning of urban 3D spaces by authorities responsible for controlling PM_(2.5) concentrations.     

上海夏季雾霾的影响因素研究

由于对流层中气象因素变化剧烈且蕴含大量的水蒸气和颗粒物，雾霾的发生也极易改变卫星信号的传播路径，从而导致对流层延迟发生变化，因此重点研究气象因素与雾霾之间的相关性问题。通过上海市2016年62 d(DOY 153～214)的大气中污染物含量资料与天顶对流层延迟比较分析发现，大气中每种污染物含量基本呈现相似的走势，天顶对流层延迟随PM2.5含量增加而增大，且在日值数据的比较中发现，上海夏季的PM2.5含量与气压、气温和相对湿度成正相关关系，与风速、降水量呈负相关关系。     

土地利用/覆盖的空气污染效应分析

以长株潭城市群核心区为对象,运用GIS和RS技术获取研究区土地利用/覆盖和空气污染分布格局,结合景观指数移动窗口分析结果,分年均和季节时间尺度分析NO₂、PM₁₀、O₃、PM_2.5浓度空间分布特征与土地利用格局的耦合关系。结果表明：长株潭城市群土地利用/覆盖,对空气污染物浓度的变化影响显著,具有季节效应。建设用地和道路面积占比与NO₂、PM_2.5浓度显著正相关,与O₃浓度呈显著负相关;林地面积占比越大,NO₂、PM_2.5浓度越低;土地利用/覆盖对PM₁₀浓度影响相对不稳定,易受不同季节局地尺度工业生产和建筑开发活动影响。从土地利用/覆盖微观配置角度,景观破碎程度越高,PM₁₀浓度越高;散布与并列指数越大,NO₂和PM_2.5浓度越高、O₃浓度越低;多样性指数与PM_2.5浓度显著正相关。从优化土地利用降低空气污染角度创建的长株潭城市群生态绿心区的作用尚未真正展现。研究结果对明确反映土地利用/覆盖与空气污染特征间的关系,指导城市土地利用活动的合理开发具有重要的价值。     

2019年北京市PM2.5人群暴露剂量特征分析

近年来,PM_2.5已成为雾霾爆发的主要污染物之一,人口长期暴露在高浓度的PM_2.5中可能会大大的提高居民患病的几率,危害居民身心健康。本研究以空气污染严重且人口高度集中的北京市作为研究区,以2019年北京市的PM_2.5浓度监测数据、人口空间分布栅格数据及不同人群的长期呼吸量等为数据基础,构建了“污染物浓度—暴露人口—呼吸量”的PM_2.5人口暴露剂量评估模型,进而对北京市2019年的PM_2.5人口暴露强度空间分异特征及不同人群的暴露剂量差异进行分析。结果表明：① 2019年北京市的PM_2.5浓度在冬季时最高,日均浓度达48.89 μg/m³,并均呈现出北低南高的整体态势;② PM_2.5人口暴露量存在显著的空间分异特征,不同人群的PM_2.5暴露量均呈现出由城中心向周边减弱的整体态势,高暴露区主要集中于城区地带;③ 不同性别、年龄组人群的PM_2.5人口暴露强度存在明显的空间分异特征,且城市内部不同人群的PM_2.5暴露剂量也存在明显差异;④ PM_2.5的暴露风险并非完全取决于污染物浓度的大小,而是由污染源浓度和暴露受体的空间分布特征等多方面共同决定,北京城区的高PM_2.5人口暴露区才是高风险区,是未来政府有效防控污染物危害的核心区。     

基于长时序MODIS数据的中国城市昼夜热岛强度时空特征

随着我国城市化进程的加快,城市热岛难显缓解之势,有关土地利用/覆盖类型、城市规模、城市形态对城市热岛的影响已有较多研究,尚缺少气候背景对我国城市昼夜地表热岛强度的影响研究。本文通过长时序的MODIS地表温度数据,从年均、季节和昼夜3个时间尺度,从全国、气候带、城市3个空间尺度探讨了我国347个城市昼夜地表热岛强度的空间分布特征以及时间变化规律。结果表明：① 昼夜差异：我国城市年均地表热岛强度白天（1.25±0.81 ℃）高于夜晚（0.79±0.43 ℃）;② 季节差异：昼夜地表热岛强度在不同季节表现不同,白天表现为夏季高,冬季弱,夜晚四个季节差异不大;③ 气候带差异：昼夜地表热岛强度分布呈现明显的空间分异。白天地表热岛强度表现为热带及亚热带地区高于温带及高原地区,其中南亚热带表现为最强,高原气候区最弱;夜晚则表现为温带高于亚热带、热带及高原地区,其中中温带最强,北亚热带最弱;④ 时空变化：白天地表热岛强度年际呈非显著下降趋势（|Z|<1.96）,而夜晚呈显著上升趋势（|Z|>1.96）;昼夜地表热岛强度年际变化存在季节差异,白天地表热岛强度夏季上升趋势显著高于其他季节,夜晚四个季节都呈显著上升趋势,其中冬季地表热岛强度上升趋势最大;白天呈显著上升趋势的城市主要分布在热带及南亚热带地区,夜晚呈显著上升趋势的城市广泛分布在中温带和暖温带。     

ANALYSIS ON THE SPATIAL DISTRIBUTION VARIATION CHARACTERISTIC OF URBAN HEAT ENVIRONMENTAL QUALITY AND ITS MECHANISM——A Case Study of Hangzhou City

Urban heat environmental quality(UHEQ) is affected by the interacting of weather condition and underlying surface framework of urban area .In the last two decades,many researchers from domestic and overseas have studied many problems at the aspect of urban heat environment such as urban heat islands ,urban air temperature and their rela-tion with urban land cover,city population,air pollution etc,In the recent years,Hangzhou,acting as a center city of Zhejiang Province in China,its urbanization quantum and quantity have both changed greatly,in particular ,representing as business affairs building,resident real property and all kins of specialty market having arisen in built-up zone,Based on Landsat TM images data in 1991 and 1999,urban underlying surface temperature value and Normalized Difference Vegetation Index (NDVI) were calculated using image interpreting and supervised classification technique by remote sensing software ERDAS image 8.4,The relation model between urban underlying surface temperature (UUST )and urban air temperature was setup according to the certain correlation patten .Reference to the relational standard of assessing human comfort and other meteorology data of Hangzhou City in summer,the spatial distribution characteristic and the spatial varia-tion degree of human comfort of heat environmental quality are estimated and mapped on a middle scale,that is ,in six districts of Hangzhou City .Then the paper reveals the main characteristic of spatial variation from 1991 to 1999.Lastly,the change mechanism is analyzed and discussed from the viewpoint of city planning,construction and environmental protec-tion.