中国城市PM2.5污染对居民主观幸福感的影响及支付意愿研究

利用2015年中国40个城市大规模问卷调查数据,采用贝叶斯多层级有序分类响应模型探讨了PM_2.5污染对居民主观幸福感的影响,进而核算居民为减轻PM_2.5污染的支付意愿。研究发现：PM_2.5污染对主观幸福感具有显著的负向影响,PM_2.5污染每增加1个单位,主观幸福感将下降0.040个百分点;家庭月收入对主观幸福感具有显著的正向影响,家庭月收入每增加1个单位,主观幸福感将提升0.026个百分点。支付意愿不仅受到家庭收入水平的影响,还受到居民所处城市空气质量的影响;在承受PM_2.5污染的最初阶段,居民为改善空气质量的支付意愿最高。居民为改善空气质量愿意支付的金额平均为226元,占家庭月总收入的2.274%。     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

沙尘影响下华北地区一次重污染天气形成与消散过程分析

以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM₁₀,其次为PM_2.5,而SO₂、NO₂、CO、O₃等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。     

上海市PM2.5浓度变化特征及其气象因子分析

对上海市2012-2016年PM_2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM_2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM_2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM_2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM_2.5浓度最低,处于16~36 μg·m^-3;PM_2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM_2.5在阈值处出现显著变化;最大PM_2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s^-1以上时,PM_2.5浓度基本减少至35 μg·m^-3;降水量越大,PM_2.5浓度越低。     

陕西区域环境空气质量时空特征

利用陕西省的环境空气质量自动监测站2017—2021年的监测数据,分析了陕西区域空气质量的逐月变化特征、季节变化特征、年变化特征以及不同污染物的空间分布情况,对不同区域发生重度污染时段的环境空气质量污染特征和成因进行了探讨。结果表明：(1)2017—2021年陕西省空气质量逐步改善,空气质量改善幅度关中>陕南>陕北,SO₂浓度年均下降12.5%,CO浓度年均下降9.9%,PM_2.5年均下降7.2%。(2)关中区域和陕北北部污染较重,陕北南部和陕南区域污染较轻,城市污染程度重于郊县。(3)陕西省空气质量具有明显的季节变化特征,重污染天多在采暖季和春季(1月、2月、3月、11月、12月)。不同区域发生重度污染时的首要污染物具有明显差异。陕北区域重度及以上污染天的首要污染物为PM₁₀(100%),关中区域为PM_2.5(82%)、PM₁₀(17%)、O₃(1%),陕南区域为PM_2.5(81%)、PM₁₀(19...     

中国城市群地区PM2.5时空演变格局及其影响因素

城市群作为中国新型城镇化主体形态,是支撑全国经济增长、促进区域协调发展、参与国际分工合作的重要平台,也是空气污染的核心区域。本文选取2000-2015年NASA大气遥感影像反演PM_2.5数据,运用GIS空间分析和空间面板杜宾模型,揭示了中国城市群PM_2.5的时空演变特征与主控因素。结果显示：① 2000-2015年中国城市群PM_2.5浓度呈现波动增长趋势,2007年出现拐点,低浓度城市减少,高浓度城市增多。② 城市群PM_2.5浓度以胡焕庸线为界呈现东高西低的格局,城市群间空间差异性显著且不断扩大,东部、东北地区浓度提升更快。③ 城市群PM_2.5年均浓度空间集聚性显著,以胡焕庸线为界,热点区域集中东部,范围持续增加,冷点集中在西部,范围持续缩小。④ 城市群内各城市间PM_2.5浓度存在空间溢出效应。不同城市群影响要素差异显著,工业化和能源消耗对PM_2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM_2.5污染具有负向影响;人口密度对本地区PM_2.5污染主要具有正向影响,对邻近地区则相反;城市化水平在国家级城市群对PM_2.5污染有负向影响,在区域性和地方性城市群则相反;产业结构高级度对本地区PM_2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM_2.5污染的影响显著,但存在滞后性和回弹效应。     

基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究

基于全国城市的PM_2.5监测数据,识别PM_2.5的时空分布特征,并着重利用地理加权回归模型分析自然和社会经济因素对PM_2.5影响的空间异质性。结果显示：2015年全国PM_2.5的年均浓度为50.3 μg/m3,浓度变化呈现冬高夏低,春秋居中的“U型”特征;PM_2.5的空间集聚状态明显,其中京津冀城市群是全国PM_2.5的污染重心。地理加权回归结果显示：影响因素除高程外,其余指标均呈现正负两种效应,且影响程度具有显著的空间差异性特征。从回归系数的贡献均值来看,自然因素对城市PM_2.5浓度影响强度由高到低依次是高程、相对湿度、温度、降雨量、风速、植被覆盖指数;各类社会经济指标对城市PM_2.5浓度影响强度排名依次是人口密度、研发经费、建设用地比例、产业结构、外商直接投资、人均GDP。由于各指标对城市PM_2.5浓度变化的影响程度存在着空间异质性,因此在制定大气治理对策时可以考虑不同指标影响程度的空间差异,从而使得治霾对策更具针对性。     

基于制度背景与经济活动交互效应的广东省PM2.5污染驱动因素分析

为探讨社会经济活动与制度背景的交互效应对PM_2.5污染的影响,文章选取经济转型的前沿阵地——广东进行了实证分析。基于遥感影像获取的PM_2.5质量浓度数据,运用空间马尔科夫链和空间计量模型,定量刻画了广东省1998—2015年PM_2.5质量浓度的时空演变特征,并对不同制度背景下社会经济活动对PM_2.5的影响进行了量化分析。结果表明：广东省地级市PM_2.5质量浓度呈现先上升后缓慢下降的过程,PM_2.5质量浓度形成“以珠江口为核心”的圈层空间结构,呈现“以佛山、广州和东莞为核心,先扩散、后集中”的空间演变特征。空间马尔科夫链结果表明：PM_2.5质量浓度演变存在显著的空间交互性。若与PM_2.5质量浓度高的区域为邻,则该区域PM_2.5质量浓度增大的概率将会变大;而与PM_2.5质量浓度低的区域为邻,该区域的PM_2.5质量浓度的变化则不会受到明显的影响。社会经济因素和制度背景的交互项表明：高市场化水平能够削弱工业生产对PM_2.5的正效应。分权化过程促进了工业生产对PM_2.5污染的正效应;同时,显著降低了污染密集型工业生产的排放。全球化进程通过引进清洁技术促进技术进步从而降低PM_2.5的污染。此外,环境规制通过降低工业生产排放和倒逼技术进步达到降霾效果。     

中国366个城市空气污染综合程度的时空演变特征分析

采用2016—2017年中国366个城市1 484个监测站点的空气质量近地监测数据，以期最大程度覆盖西部地区，填补现状对西北热点地区污染因子探讨的空白。运用空间描述性统计、空间插值、空间自相关、标准差椭圆与重心分析方法，从年度、季度、月度、日度对比的角度探讨中国空气质量的污染类型、发展趋势、集聚与迁移特征。研究发现:基于插值法，可将全国分为3个区域，临海性与山地性对空气质量优良区产生显著的正响应。山西是污染加重程度最大的省份，主要受SO₂浓度升高影响，而北京与河南是污染改善效果最明显的省份，主要是PM_2.5的治理成效显著。空气质量分布格局以新疆西部和冀鲁豫形成双核高值聚类模式，并且集聚深受温度分带的影响。空气质量总体分布朝向呈东北—西南方向，转移重心均分布在河南省，以向东北方向移动为主，这种分布变迁又重新定义了其季节分异。全国主要的污染类型以PM₁₀与PM_2.5为主。PM10主要分布在新疆地区，受风沙过境扬尘污染自然因素更大，PM_2.5主要分布在华中、华北、苏北地区，受人为经济活动影响更大。     

气象因子对乌鲁木齐市一次重污染天气过程影响研究

利用大气质量的观测资料和气象要素的数据,详细分析了2015年冬季乌鲁木齐市一次重污染天气的主要气象因子和空气质量特征。研究结果表明：在污染过程中,风速的变化趋势：减小-增大-减小（平均风速0.9~2.5 m·s^-1）;风向的转化趋势：东南风-东北风-西北风-西南风-东北风;湿度增大-减小-增大;大气混合层厚度的变化趋势：降低-升高-降低。同时,通过SPSS12.0分析了空气污染前后风速,湿度和PM_2.5质量浓度的相关性。PM_2.5质量浓度与风速呈显著负相关,与湿度呈正相关。风速与PM_2.5质量浓度间通过了显著性水平为0.01的相关性检验。表明乌鲁木齐市的气象因子（风速）对当地大气污染影响十分明显。     

长三角PM2.5时空格局演变与特征——基于2013-2016年实时监测数据

长三角是中国空气污染较为严重的区域。基于地统计、探索性空间数据分析等方法,使用实时监测数据,探讨该区域41个地级以上城市PM_2.5在2013-2016年的时空格局演变与污染特征。结果显示：① PM_2.5表现出不同的年度、月度以及逐日特征。年均值逐年下降,月均值则体现出鲜明季节性,呈现冬高、夏低的“U型”特征,日均值有“脉冲型”波动特点。② 2013-2016年,长三角PM_2.5污染情况已经得到显著改善,但超过三分之二的地区仍存在不同程度超标现象,呈现“西北高、东南低”的污染格局。③ PM_2.5高值区从以合肥、扬州为中心向江苏、安徽北部边界地区转移,低值区逐步扩展形成东至舟山、西至黄山、北至上海、南至温州的低值集聚带。④ 趋势分析来看,PM_2.5年均值东西差异和南北差异均逐步减小,但东西向差异略大于南北向。同时,两个方向中部隆起现象得到改善,城市投影点趋于线性拟合。     

中国城市空气污染时空分布格局和人口暴露风险

近年来,中国空气污染及其对人口健康危害的时空分布呈现出新的特征。论文使用5 a(2015—2019年)间逐小时的空气质量监测数据,利用变化率计算、热点分析、趋势分析和超标频数统计等方法,分析了中国332个城市的空气质量及人口空气污染暴露风险的时空分布特征,结论如下：① 中国城市近年来空气质量有好转趋势,环境空气质量指数(AQI)下降的城市占所研究城市总数的91.3%;PM_2.5、PM₁₀、SO₂和CO等4种污染物浓度均有所下降,而NO₂和O₃浓度有所上升;② PM_2.5、PM₁₀、SO₂和CO浓度变化率的热点分布于新疆地区和云南—华南地区,NO₂浓度变化率的热点为新疆地区和河套平原,O₃浓度变化率的热点为华北平原至长江中下游流域;西北地区和华南地区空气质量变化幅度较小;③ 9个城市在PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等6种污染物中均有暴露,分布于山西、河北与山东。暴露风险均为0级的低风险城市共有12个,分别位于新疆、云南、贵州、四川、广东、福建和黑龙江。研究结论对于跨区域空气污染的协同治理以及制定差异化的空间人口流动管理政策具有重要参考价值。     

基于移动式监测的道路PM2.5浓度精细化时空模拟

作为主要的大气污染指标,PM_2.5浓度常来源于固定环境监测站点的监测与遥感影像数据,但时空精度普遍不足,难以揭示微尺度下城市内部PM_2.5时空分布情况。本文利用移动式监测方法,选择典型工作日(2017年11月27日),对广州市主城区道路以1 s和1 m为时空粒度进行PM_2.5浓度数据采集,并以早、晚出行高峰时段为对象,通过机器学习方法模拟道路PM_2.5精细化时空分布格局。结果表明,主城区早高峰道路PM_2.5浓度值相近的平均范围为24 m,晚高峰为15 m,PM_2.5浓度存在微尺度的时空异质性。利用多层感知器(MLP)构建的早、晚高峰PM_2.5浓度模型,拟合度分别达到0.70和0.68,明显优于传统的普通最小二乘法(OLS)线性回归模型。模型揭示出早高峰主城区全路网PM_2.5平均浓度为30.19μg/m3,晚高峰达到44.55μg/m3,部分高达94.82μg/m3,且“西高东低”的分布特征显著。本文提出的PM     

基于高频空间分析的襄阳市春节期间烟花爆竹禁放效果评估

为研究襄阳市区春节期间空气污染时空规律及烟花爆竹禁放效果,利用密集空气质量监测微型站、稀疏国控站以及气象站等数据,借助高频率空间分析、相关性分析以及浓度特征比较等方法,研究了局地尺度下襄阳市区春节期间空气污染时空变化,评估了历年春节期间烟花爆竹禁止燃放举措的实施成效。结果表明：1）2018年新春佳节期间襄阳市区天气总体平稳,空气质量整体较差,受市区外围周边地区在除夕至初一燃放烟花爆竹影响,空气质量由除夕轻度转成初一重度污染;从除夕夜T 19:00开始,PM_2.5和PM₁₀质量浓度逐步上升,初一T 00:00过后直线升高,至初一早上T 08:00达到春节期间峰值,该时段SO₂和NO₂质量浓度也有明显升高。2）新春佳节期间局地尺度下襄阳市区PM_2.5和PM₁₀日均质量浓度空间分布整体较为一致,在除夕、初二至初五均呈现以汉江与唐白河为界、“南高北低”的中度以上污染态势,而初一、初六则呈现污染连绵成片、大范围覆盖等特点。3）市区外围周边地区烟花爆竹燃放是造成春节期间襄阳市区除夕夜至大年初一空气污染突变严峻并持续至初四的主要原因;交通尾气、道路扬尘、居住商业餐厨油烟等也是春节期间襄阳市区空气污染的重要源头;独特地理环境是襄阳频繁遭受空气污染的基底因素。4）近些年襄阳市区空气污染整体有所改善,这与持续采取大气污染防治举措密切相关;各年份空气污染均具有明显“春节效应”,受烟花爆竹燃放影响一般会持续3 d轻度以上污染,初四逐渐转为本地污染排放影响主导;因此,适度扩大禁鞭区域,加强精准防控监管,可有效改善春节期间襄阳市区整体空气质量。文章揭示了通过高密度站点监测网络结合高时间分辨率空间分析进行污染物空间格局刻画,可用于局地尺度空气污染时空变化的精准识别和过程推导,并为特殊时期和污染天气下大气污染防控治理提供更可靠的参考依据。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

城市规模分布与空气质量的关系——基于LandScan数据的跨国研究

对于何种城市规模分布有利于促进绿色发展,学界在理论与实证方面都存在争议,且鲜见跨国的实证研究。基于2000—2015年LandScan人口数据和欧空局土地覆盖类型数据,识别了具有统一定义的全球近100个国家的所有城市,通过描述性统计和面板双向固定效应模型探究城市规模分布对PM_2.5浓度的影响。研究发现,均衡的城市规模分布总体上能够降低国家的PM_2.5浓度,这是因为均衡的城市规模分布能够通过促进分工合作和减少交通出行来降低PM_2.5浓度。实证结果具有一定异质性,在人口密度较高或政府干预程度较高的国家,均衡的城市规模分布更有利于降低国家PM_2.5浓度,而在人口密度较低或政府干预程度较低的国家,相对极化的城市规模分布更有利于国家PM_2.5浓度的下降。本研究丰富了城市规模分布对PM_2.5浓度影响在跨国层面的证据,对制定可持续发展的国土空间规划具有重要的启示。     

黄河流域空气污染的空间格局演化及影响因素

基于2008—2017年黄河流域工业SO₂和PM_2.5两类典型空气污染物数据,首先刻画了两者的空间演化格局,并运用空间面板杜宾模型（SPDM）从直接效应和间接效应两方面对两者的影响因素进行对比分析。结果表明：① 工业SO₂和PM_2.5污染均存在显著的空间集聚特征,从东南至西北方向呈现梯度递减趋势;二者在城市尺度均存在显著的正向空间关联性,但PM_2.5污染的空间关联性比工业SO₂更强;② 2008—2017年,工业SO₂和PM_2.5污染有所缓解,其中工业SO₂排放强度迅速下降;而PM_2.5质量浓度下降相对缓慢,仍是黄河流域主要的空气污染源。③ 产业结构、技术创新、能源效率、人口规模、经济发展、工业规模等是影响黄河流域空气污染的主要因素,但PM_2.5的影响因素更加复杂多样化。其中,技术创新能力和经济发展水平的提升虽然在研究期内加剧了本地工业SO₂污染的排放强度,但却能缓解周边城市的工业SO₂和PM_2.5污染;工业规模的扩大会加剧本地和邻近城市的PM_2.5污染。     

长三角多维城市化对PM2.5浓度的非线性影响及驱动机制

探索多维城市化对PM_2.5浓度的非线性影响及驱动机制,是城市群高质量发展的重要课题。以2000—2017年长江三角洲地区城市面板遥感影像和统计数据为样本,采用反距离权重空间插值、空间自相关和标准差椭圆等方法探查其PM_2.5浓度的时空演变规律,并运用系统动态面板回归模型研判多维城市化对PM_2.5浓度的非线性影响及驱动机制。结果表明：① 2000—2017年,长三角PM_2.5浓度由低污染等级向高污染等级演替;PM_2.5浓度整体呈现由东南向西北方向递增的空间趋势。② PM_2.5浓度呈现显著空间集聚与关联特征;PM_2.5浓度重心总体由东南向西北方向偏移,在东西方向上趋向分散,在南北方向上逐渐极化。③ 长三角城市化子系统不同发展阶段对PM_2.5浓度的非线性影响存在显著差异。经济城市化与PM_2.5浓度呈倒“N”型曲线关系,二者存在环境库兹涅茨曲线（EKC）关系,当人均GDP大于63709元时,经济城市化对PM_2.5浓度将产生抑制效应,表明城市综合质量提升和发展方式转变是PM_2.5治理的关键;而人口城市化、土地城市化与PM_2.5浓度的关系仅是倒“U”型曲线的左侧部分,二者与空气质量改善的拐点尚有一定距离。人口规模、外商直接投资、工业产业结构均对PM_2.5浓度具有显著的正向效应,而环境规制对PM_2.5浓度具有显著的抑制效应。长三角PM_2.5浓度的时空异质性特征是在经济社会因素和政府调控等诸多因素交互叠加、循环累积作用下形成,其中,经济社会因素扮演着主角。本文为探索多维城市化对PM_2.5浓度的非线性影响提供了新视角,以期为实现长三角环境保护与城市可持续发展的协调提供重要参考。