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。     

地表CO2浓度分布模拟试验及分析

如何获取CO₂浓度时空分布特征,是气候变化研究中的一个关键问题。本文基于中国碳卫星在吉林航飞试验区的地面观测数据,分析地表CO₂浓度与环境变量的相关关系,运用多元线性回归与HASM高精度曲面建模相结合的方法,模拟航飞区地表CO₂浓度分布格局。结果表明：CO₂浓度空间分布受气象条件的影响较大,短波辐射是影响CO₂浓度的重要因素;第1时段整体浓度最高,特别是在西部区域;第2时段CO₂浓度高值区东移,呈现西低东高的分布特点;第3时段浓度空间分布与第2时段有类似的特征,但细节存在差异,且高值区缩小;精度对比显示在采样点较少及采样密度不大的情况下,HASM方法的模拟误差小于Kriging方法。因此,这种使用多元线性回归模型通过引入环境变量获得高分辨率趋势面,结合HASM模型进行修正残差提高模拟结果精度的手段,可作为模拟地表CO₂浓度时空分布的有效方法。     

基于遥感数据和XGBoost算法的31个城市NO2、CO2浓度比率变化特征

研究城市二氧化氮(NO₂)与二氧化碳(CO₂)的共同排放水平对于实现城市减污降碳协同增效具有重要意义。NO₂与CO₂的人为排放具有同源性,二者的浓度比率可以体现城市的大气污染物和碳排放综合水平。基于XGBoost算法,利用对流层星载监测仪(TROPOMI)、轨道碳观测2号(OCO-2)和3号(OCO-3)卫星的遥感数据以及相关环境协变量,重构全国2019～2020年NO₂垂直柱浓度(X_NO2)和CO₂垂直柱浓度(X_CO2)的高分辨率数据集,并分析31个城市的X_NO2年均值与ΔX_CO2(X_CO2观测值与背景值之差)的比率(X_NO2/ΔX_CO2)变化情况。结...     

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。     

基于中国大气环境监测站点的2015—2019年大气质量状况时空变化分析

2013年以来几次严重的雾霾污染事件引起了公众的广泛关注,此后中国实施了一系列有关大气污染防治的政策、法规和措施来改善大气质量。为了分析近年来中国大气质量的时空变化特征,本文选取2015—2019年生态环境部国控站点监测的大气污染关键参数,对比分析了空气质量指数和6种大气污染物的季均、年均浓度变化结果,并利用组合指标分析法和相关分析法探讨了不同大气污染物之间的相关性。结果表明：① PM_2.5、PM₁₀、SO₂、CO和NO₂浓度和AQI均有明显下降,2019年均浓度较2015年均浓度分别下降4.5%、3.84%、7.86%、3.74%、0.95%,AQI下降了19.31%,同时,O₃浓度则上升了0.79%;② 从空间分布来看,中国北方地区PM₁₀、PM_2.5、O₃、NO₂、SO₂、CO年均质量浓度和AQI分别比南方地区高25.2%、18.73%、4.95%、17.6%,32.74%、16.17%、28.3%;③ 从季节性变化规律来看,除了O₃呈现出夏季浓度高,冬季浓度低外,其他5种污染物和AQI都呈现相反的季节变化规律;④ 总体而言,目前中国大气污染以PM_2.5和O₃为主,PM_2.5与NO₂、SO₂、CO之间有极显著的正相关关系（r>0.85,p<0.01）,而O₃与其前体物NO₂和CO之间存在显著的负相关关系（r>0.8,p<0.01）。     

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。     

耦合土地利用回归与人口加权模型的PM2.5暴露风险评估

PM_2.5已成为人群健康的重要威胁之一,科学精准的暴露评估是PM_2.5风险防控的前提,为提升PM_2.5暴露精准评估,本文利用土地利用数据、道路数据、气象数据等构建PM_2.5土地利用回归反演模型,实现了2013年12月1日-2014年2月8日（冬季）广佛都市区PM_2.5时空动态演变监测,在此基础上将PM_2.5反演结果与人口密度数据耦合,分别从PM_2.5污染浓度与人口加权PM_2.5浓度2个方面,评估广佛都市区PM_2.5污染暴露风险。研究结果表明：① 土地利用回归模型能够较好的反映研究区域内PM_2.5的空间分布特征,R²大于0.78;② 2013年12月1日-2014年2月8日,广佛都市区PM_2.5浓度平均值呈现波动变化趋势,研究时段内,最高平均浓度为97.91 μg/m³ （12月29日-1月11日）,最低平均浓度为53.40 μg/m³ （1月26日-2月8日）,全时段PM_2.5浓度超WHO健康标准的面积占比达99.8%;③ 广佛都市区PM_2.5的空间分布具有异质性规律,其高值区分别位于广州市天河区、越秀区、番禺区北部、花都区北部及佛山市禅城区、南海区中部、三水区中部,低值区主要位于广州市白云区、番禺区东南部及佛山市顺德区南部。人口加权暴露风险存在2个高值中心,分别位于广州市和佛山市的主城区;④ 耦合人口加权模型前后,广佛都市区PM_2.5暴露风险高风险区空间分布发生变化,未考虑人口加权模型时,广佛深高值区较为分散,主要位于南海区、天河区、越秀区、禅城区,考虑人口加权模型后,高值区更加集中于广州市和佛山市的主城区。     

城市空气质量GIS数据模型及分析系统的集成与应用

城市空气质量模拟是目前环境与健康研究的一个重要领域。本文基于GIS技术,采用准稳态高斯扩散模型建立了城市空气质量模拟系统,着重研究了三维空间城市空气质量模型系统的集成方法,并以福州市为例,采用该模型系统对城市建城区的NO₂与SO₂年平均浓度场分布进行了模拟。     

基于随机森林模型的中国中老年人群HDL-C环境影响因素研究

高密度脂蛋白胆固醇（HDL-C）可以有效促进人体内胆固醇的代谢外排,其水平的高低与患心血管疾病的风险呈负相关关系,是心血管疾病的预防与保护因素。厘清我国中老年人群HDL-C水平的地理分异特征及环境影响因素,对我国心血管疾病防治工作的开展有重要意义。论文基于中国中老年人纵向追踪调查,利用全局空间自相关、冷热点分析等方法阐释中国中老年人群HDL-C水平的空间分异特征及变化趋势,同时对比引入随机森林回归模型及多元线性回归方法探讨HDL-C水平空间分布的环境影响因素及其指示作用。结果表明：中国中老年人群HDL-C水平表现为女性高于男性、农村高于城镇,具有明显的地域差异性,整体呈现出“北低南高,中间过渡”的分布格局,且北方出现了以内蒙古、河北、辽宁为代表的低值聚集区,南方出现了以广东、广西、云南为代表的高值聚集区;SO₂、NO₂、降水、气压、PM₁₀和PM_2.5是影响中老年人群HDL-C水平差异分布的主要环境因素,其中高浓度的空气污染物是造成HDL-C值较低的危险因素,充沛的降水和低压环境是防治HDL-C值较低的保护因素。因此,今后关于HDL-C血脂异常防控工作在全国各地应注重其空间分布规律,重点加强对HDL-C低值区的监测,以达到因地制宜、精准防控的目的。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。     

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。     

近十年青岛市红岛经济区土地开发利用变迁遥感分析

红岛经济区是青岛市拥湾发展战略中的胶州湾北部新兴城市核心,是近年来和未来一段时间城市经济发展和城区扩张的主要区域。基于2003年和2013年的SPOT-5和资源三号高空间分辨率遥感影像,开展了青岛市红岛经济区近10年来的土地开发利用变迁遥感监测,进行了信息提取和2时相监测结果的土地开发利用转移矩阵分析。盐田和耕地向工业用地的大面积转化。伴随着工业用地的大面积增加,公路用地的面积也在增加,附带的公路防护林的面积也有了显著的增加,研究区域的工业化发展水平显著上升。     

土地利用/土地覆被变化CLUE-S模型与应用分析——以扬州市为例

本文以扬州市市辖区为例,利用2001年的ETM影像与2007年的ALOS影像两期遥感数据,采用面向对象的信息提取方法,获取了扬州市2001年与2007年两期土地利用空间分布图.在此基础上,研究了CLUE-S模型的原理及CLUE-S模型的应用;探讨了CLUE-S模型所需数据、驱动因子选取、模拟参数设置、模拟结果获取等,进...     

集成土地利用数据和夜间灯光数据优化人口空间化模型

人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。随着RS和GIS技术的发展,人口统计数据空间化方法推陈出新,其中,土地利用数据、夜间灯光数据是人口空间化研究中普遍利用的数据源,但各有优、缺点：土地利用数据中的城镇用地、农村居民点能准确表示人口分布的空间范围,却不能反映其内部的人口密度差异特征;夜间灯光数据的强度信息能体现人口分布的疏密程度,但其像元溢出问题显著夸大人口分布范围,像元过饱和现象也影响着人口数据空间化结果的精度。本研究以中国大陆沿海区域为例,尝试集成土地利用数据和夜间灯光数据优化人口空间化方法,设计了基于精度阈值和动态样本的渐进回归与分区建模的方法,获得了中国沿海2000、2005、2010年1 km分辨率人口空间化数据。结果表明,优化模型显著提高了研究区整体的精度,尤其适用于人口空间结构内部差异较为显著的区域。     

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。