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。     

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。     

2001-2010年非洲大气PM2.5污染浓度空间格局演化

基于NASA的全球大气PM2.5年均污染浓度栅格数据,通过对非洲行政边界矢量化、分区统计各国大气PM2.5浓度均值及建立空间数据库,利用重力模型、ESDA模型及GIS空间统计分析方法,对非洲52个主要国家（地区）2001 – 2010年间的大气PM2.5污染浓度时空格局特征演化进行探究,并依据时间序列特征将研究对象划分为8类。研究结果表明：（1）2001-2010年非洲大气PM2.5污染浓度大致呈现“中间高、南北低;西部高、东部低”的空间特征;其中高值区集中分布在非洲西部几内亚湾附近的尼日利亚、刚果与喀麦隆等国家,低值区则广泛地分布在北非、南非以及非洲东南部印度洋沿岸地区或岛屿。（2）基于ESDA模型的空间自相关分析发现PM2.5浓度“高-高”热点区主要集聚在几内亚湾附近主要国家,“低-低”冷点区集中在东南部印度洋沿岸的南非、莫桑比克与马达加斯加岛。（3）时序上2001-2010年非洲PM2.5年平均污染浓度呈现明显下降趋势,其中32个国家（占研究区总数的61.54%）2010年PM2.5污染年均浓度低于2001年。（4）从自然环境条件及社会经济因素两方面浅析其空间格局主要成因：几内亚湾沿岸是非洲PM2.5污染最严重的地区,因其人口稠密且高度依赖石油产业;非洲东南部地区PM2.5污染最轻,得益于其良好的自然环境条件及低污染的支柱产业。     

扬州市空气PM2.5浓度时空分异研究

利用江苏省环保厅数据监测平台发布的扬州市区空气PM2.5浓度数据资料,结合仪器测量所得数据资料,分析扬州市空气PM2.5时空分异及其影响因素。结果表明:扬州市空气PM2.5浓度日均值总体低于75微克/立方米。从时间分布来看,早-中-晚呈现出"高-低-高"的变化趋势,夏收时期则高于规定的标准;从空间分布来看,城乡之间的浓度差异较大。影响扬州市空气PM2.5浓度的主要因素:一是污染源的排放程度(机动车尾气为主);二是气象条件(逆温、风、雨等)。对应对PM2.5污染提出了建议。     

2003—2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

2003-2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

黄河流域PM2.5时空演变特征及其影响因素分析

选取2000—2017年大气PM_2.5遥感反演数据集,综合运用标准差椭圆及地理探测器等方法,揭示了黄河流域PM_2.5的时空演变特征及其影响因素。结果表明：2000—2017年黄河流域PM_2.5年均浓度整体呈现先快速增加后又波动变化的演变趋势,空气污染状况不容乐观;黄河流域PM_2.5空间集聚性明显,低值区稳定分布在内蒙古中部和西南部高原地区,高值区一方面分布在自然条件较差的西北内陆,另一方面集中在人类活动强度较高的地带;黄河流域PM_2.5污染总体呈现出“西北-东南”方向的分布格局,其浓度在地理空间上呈现分散化的趋势,即污染的主要范围有所扩大;人口密度、工业化水平、外商投资以及科技支出等经济社会因素对PM_2.5浓度存在显著影响,但其作用强度及方向存在差异。     

黄河流域五大城市群PM2.5时空演变与影响因素探讨

以黄河流域5大城市群82个城市为研究区域,选取2016—2020年中国环境监测总站发布的环境空气颗粒物(PM_2.5)数据,采用空间自相关、地理探测器和地理加权回归等方法,研究PM_2.5的时空分布特征和空间异质性的主要驱动影响因素。结果表明：(1)PM_2.5年均值的变化大体呈倒“N”型,季均值变化呈先降后升的周期规律性的“U”型。(2)在空间分布上,形成了黄河下游>中游>上游的梯度递减空间差异格局,并有逐渐下降的趋势。(3)PM_2.5演变整体上呈正自相关集聚分布,集聚类型主要为高-高集聚、低-低集聚和低-高集聚类型。(4)2016年和2020年PM_2.5空间分异的自然地理因素比社会经济因素的驱动力更强,交互作用结果为双因子增强或非线性增强2种类型。(5)通过地理加权回归模型对分异探测解释力变化最大的5个因子进行拟合,5 a间各因子对5大城市群PM_2.5污染的负效应不断提高,正效应呈下降趋势,空间作用方向及强度上差异显著。研究结果为黄河流域5大城市...     

中国城市PM2.5浓度时空特征及其影响因素(英文)

在科学识别城市建成区的基础上,运用探索性空间分析和空间计量模型,分析了2000–2015年中国城市PM_2.5浓度的时空特征及其影响因素。结果表明：2000–2015年中国城市PM_2.5浓度呈倒“L”型增长,而PM_2.5浓度高的城市具有大规模集聚的特征,城市群即是PM_2.5浓度高的城市聚集区,受自然因素、社会经济因素和城市形态因素共同作用。在2000–2005年,中国城市PM_2.5年平均浓度从31.19μg m^–3增加到46.00μg m^–3,河北、山东、河南交汇地区出现小规模高浓度集聚。在2005–2010年、2010–2015年两个阶段,城市PM_2.5浓度年平均增长率放缓,2010年为47.67μg m^–3,2015年为48.72μg m^–3。高浓度集聚区域不断扩大,在2010年扩张至京津冀、长江中部、长江三角洲、成都平原,研究期末已经扩大至整个华北平原、哈长地区。     

改革开放以来中国城市化的时空演变及其影响因素分析

改革开放以来,中国城市化进程进入稳定快速发展时期,国家的经济宏观调控政策以及区域发展战略在时间和空间上均对中国的城市化产生了巨大的影响。在此影响下,中国城市化水平的区域空间格局也由北南差异转变为东中西差异,同时,中国省级城市化水平的差距正在逐渐缩小。在影响中国城市化省际差异的因素方面,传统的农业发展水平对城市化的影响正逐渐减弱,乡镇企业及外商直接投资成为20世纪90年代后期中国城市化发展的重要影响因素。     

中印城镇化区域差异及城镇体系空间演化比较

中国和印度作为两个正在崛起的大国,发展历程较为相似,但发展路径和模式差异较大。两个国家政治制度、经济体系、发展环境等的显著差异已经吸引了学者的广泛关注,本文将从地理学视角出发,重点关注两国城镇化及城镇体系的区域差异和空间演化过程。以人口普查和联合国城市人口数据为基础,采用空间分析、参数估计、非参数估计等多种方法,对中印两国城镇化和城镇体系的空间特征进行系统的比较分析,结果表明：① 20世纪90年代以来,中国城镇化的区域差异由南北差异转变为沿海—内部差异,而印度南北差异的格局则基本稳定;② 从省（邦）级空间尺度来看,中国和印度的人口密度和城镇化率都呈现正相关关系,当城镇化率超过50%后,两者的相关性更为显著,但是近年来中国人口密度与城镇化率的相关性不断增强,而印度则呈现降低的趋势;③ 现阶段中印两国以大中城市为主的城镇体系符合位序—规模分布的特征,但是经济改革对于两个国家城镇体系空间演化的影响差异明显,改革使得中国城镇发展的主要驱动力由地理历史因素向经济系统空间结构转变,而印度城镇发展的驱动力始终是地理历史因素,经济改革甚至降低了经济系统空间结构对城镇发展的影响。     

Comparative research on regional differences in urbanization and spatial evolution of urban systems between China and India

As two rising great powers, China and India have undergone similar development processes, but they also exhibit significant differences in development paths and patterns. The significant differences in political systems, economic systems, and developmental environment between the two countries have attracted great attention from scholars. This research focuses on the regional differences and spatial evolution processes in urbanization and urban systems between the two countries from a geographical perspective. Based on the demographic censuses of both countries and the urban population data from the United Nations, this paper systematically compared and analyzed the spatial characteristics of urbanization and urban systems in China and India using various methods including spatial analysis, parameter estimation, and nonparametric estimation. The results indicate that: (1) Since the 1990s, the regional differences in urbanization in China have transformed from south-north differences to coastal-inland differences, whereas the north-south differences in India have been stable. (2) In recent years, the correlation between population density and urbanization rate kept increasing in China, while such correlation has been decreasing in India. (3) The economic reform posed significantly different effects on the spatial evolution of the urban systems in the two countries. The economic reform changed the major driving force for urban development in China from geographical and historical factors to the spatial structure of the economic system. However, in India, the driving forces for urban development have always been geographical and historical factors, and the economic reform even decreased the effect of the spatial structure of the economic system on urban development.     

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。     

大气污染物排放量与颗粒物环境空气质量的空间非协同耦合研究——以武汉市为例

针对区域大气污染物排放量与空气质量在时空分布上存在不完全协同、匹配的现象,论文选择SO₂、NO_X、PM_2.5、CO和VOCs作为大气污染物指标,选择气溶胶光学厚度(Aerosol Optical Depth, AOD)表征颗粒物环境空气质量,以武汉市为例,综合应用耦合模型和空间错位指数模型研究2类指标之间的空间非协同耦合规律。主要结论如下：① 武汉市大气污染物排放量与颗粒物空气质量具有不同空间分布特征,大气污染物排放量呈现由城市中心城区向远城区递减的趋势,其中SO₂、PM_2.5和VOCs的排放具有明显的中心聚集现象,而NO_X和CO聚集现象不显著,且与道路分布明显相关;AOD分布具有明显的空间差异性,总体上呈由西北向东南依次递减的趋势。② 武汉市大气污染物排放与颗粒物空气质量的空间非协同耦合规律：越靠近城市中心城区,空间协同耦合现象越显著,空间错位现象越弱;越远离主城区,空间非协同耦合现象越显著,空间错位现象越显著;SO₂排放量与AOD在武汉市远城区的空间错位指数均大于0.7,且耦合度指数小于0.3,呈现较强的非协同耦合特征,NO_X、VOCs、PM_2.5的排放量与AOD在武汉中心城区的空间错位指数均小于0.5,且耦合度指数大于0.5,协同耦合现象较为显著。③ 基于时空非协同耦合分析城市大气环境污染治理建议：针对污染物与AOD空间错位不显著的城市中心城区,以本地减排治理为主;针对污染物与AOD空间错位显著的远城区,应在污染溯源分析的基础上进行区域协调综合治理。     

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。     

中国城市空气质量的区域差异及归因分析

开展城市空气质量时空格局演变特征及其影响因素的研究,对于深入认识城市环境与社会经济系统的互馈机理、制定高效的环境治理措施、提升城市发展质量具有重要的理论与实践意义。本文以中国全面实施《大气污染防治行动计划》的2014年为起点,刻画了2014—2019年286个地级以上城市6种空气污染物浓度（CO、NO₂、O₃、PM₁₀、PM_2.5、SO₂）的时空演变特征,并基于面板回归模型分析各污染物浓度之间的相互作用关系;进而利用随机森林模型对城市6种空气污染物浓度与13个自然和社会经济影响因子的关联强度进行探究,从中梳理出关键影响因子。结果显示：① 研究期内,O₃污染加剧,其余污染物年均浓度逐年下降,其中SO₂浓度降幅最大。虽然典型的重污染区范围有所减小,但京津冀、山东半岛、山西、河南等地区的城市空气污染物浓度仍相对较高。② 城市6种空气污染物浓度之间存在显著的相互影响关系,城市空气复合污染特征明显。③ 自然因素和社会经济因素对不同种类空气污染物浓度的影响差异较大,且与污染物浓度之间呈非线性响应关系。自然因素中,城市年均气温与空气污染物浓度的关联强度最大,其次是植被指数。社会经济影响因素中,土地城市化水平和二产比重是主导影响因子,其次是电力消耗总量和交通因子。偏依赖分析进一步刻画了不同污染物浓度对主导影响因子的响应突变阈值。鉴于人类对于自然环境和气象条件的控制能力有限,建议继续通过优化城市密度、控制人为排放源及严格的空气污染防控措施以进一步有效提高城市空气质量。     

Regional variation of urban air quality in China and its dominant factors

Journal of Geographical Sciences - It is of great theoretical and practical importance to carry out research on the spatio-temporal evolution of urban air pollution and its driving forces, which...     

京津冀城市群大气污染的时空特征与影响因素解析

京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_2.5浓度比周围郊区和农村平均高10~20 μg/m³;2014年仅有13.9%的区县空气质量达标,PM_2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_2.5每升高1%,将导致本地PM_2.5至少升高0.5%;社会经济内因对PM_2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。     

西安市城市化与都市农业发展耦合关系研究

城市化以其强烈的市场效应与辐射功能带动了都市农业的发展,但同时又对都市农业的水土资源、生态环境造成负面影响;都市农业又通过其生产、社会及生态功能推动城市化发展。揭示两者之间的作用规律,对解决城市经济、社会和生态问题,快速推动都市农业发展,协调城乡关系具有重要意义。本文在构建城市化水平与都市农业发展水平测度指标体系的基础上,通过主成分分析法和相关分析法,探讨了城市化与都市农业发展之间的相互作用机制,并定量分析了两者之间的耦合关系。结果表明：① 近10 年,西安市城市化水平与都市农业发展水平都呈上升的趋势,且二者表现出显著的同步性;② 西安城市化水平和都市农业发展水平呈显著的正相关,相关系数达0.955;③ 西安城市现代化水平因子、城市生活质量水平因子和人口与经济结构因子是推动城市化的3 个主要因子,其中城市现代化水平因子是推动西安都市农业发展的主导因子。     

多尺度下城市形态对空气质量的作用机制研究

环境品质提升在城市可持续发展中占有举足轻重的地位,关于城市形态与空气质量的研究逐年增多。城市形态对空气质量的影响在理论与实践中均得到了验证,但不同尺度下城市形态影响空气质量的机理还有待进一步明确。基于文献分析,本文系统分析了不同尺度下城市形态与空气质量的关联性,分别研究了城市形态对空气污染排放与净化的作用机制、城市形态对空气污染扩散的作用机制,并构建了多尺度城市形态与空气质量的关联框架,基于该框架对已有研究的实证结果进行了总结,也明确了不同尺度下城市空间优化与治理的重点方向,在形成经济发展、城市建设与环境质量良性互动的可持续发展关系上具有理论与实践价值。