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。     

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。     

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...     

社区公园空气污染暴露特征及其居民感知 ——以广州市中心城区为例

基于空气污染监测与问卷调查数据,研究了广州中心城区33个社区公园空气污染暴露特征、影响因素及其居民对空气污染感知。主要结论为：1）各区社区公园空气污染暴露风险及其空间格局分布差异较大,低暴露风险公园所占比例较小。2）空气质量指数（AQI）、PM_1.0和PM₁₀与社区公园面积呈显著负相关;AQI、PM_1.0、PM₁₀和PM_2.5与斑块形状指数呈显著正相关关系;二氧化碳（CO₂）与离城市主干道距离呈显著负相关,但社区公园1 km缓冲区范围内城市道路密度与其空气污染关系不大。3）超过1/3的居民对社区公园空气污染程度的主观感知优于客观测度的空气污染水平。4）可替代活动空间以及社区公园可达性影响居民空气污染暴露风险。由于社区公园面积规模较小,对空气污染减缓作用有限,未来应尽可能规划面积规模较大、可达性较高、形状更饱满且远离交通主干道的社区公园。     

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。     

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。     

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。     

基于空间计量模型的中国城市化发展与城市空气质量关系

采用中国289个地级及以上城市2016年的空气质量指数（AQI）和夜间灯光数据,运用空间滞后模型,从空间溢出效应视角出发探究了城市化发展与空气质量之间的定量关系。从空间滞后模型的估计结果来看,城市空气污染存在显著的空间溢出效应,周边地区空气质量的下降会导致本地空气污染情况加重。在城市发展过程中,城市经济发展水平的提高,引致的城市建设用地的扩张使得空气质量不断恶化;政府管制力的加强对空气污染的治理起到了促进作用,而居民环保意识和城市技术创新水平的提高有利于空气质量的改善。此外,PM2.5质量浓度的上升导致空气质量恶化。公路货运量在统计上与空气质量的关系不显著。从研究结果来看,协调城市发展与空气质量的关系以及加强空气污染防治的联防联控机制,是未来空气污染治理工作的重点。     

Spatiotemporal evolution of PM2.5 concentrations in urban agglomerations of China

As the main form of new urbanization in China,urban agglomerations are an im-portant platform to support national economic growth,promote coordinated regional devel-opment,and participate in international competition and cooperation.However,they have become core areas for air pollution.This study used PM2.5 data from NASA atmospheric re-mote sensing image inversion from 2000 to 2015 and spatial analysis including a spatial Durbin model to reveal the spatio-temporal evolution characteristics and main factors con-trolling PM2.5 in China's urban agglomerations.The main conclusions are as follows:(1)From 2000 to 2015,the PM2.5 concentrations of China's urban agglomerations showed a growing trend with some volatility.In 2007,there was an inflection point.The number of low-concentration cities decreased,while the number of high-concentration cities increased.(2)The concentrations of PM2.5 in urban agglomerations were high in the west and low in the east,with the"Hu Line"as the boundary.The spatial differences were significant and in-creasing.The concentration of PM2.5 grew faster in urban agglomerations in the eastern and northeastern regions.(3)The urban agglomeration of PM2.5 had significant spatial concentra-tions.The hot spots were concentrated to the east of the Hu Line,and the number of hot-spot cities continued to rise.The cold spots were concentrated to the west of the Hu Line,and the number of cold-spot cities continued to decline.(4)There was a significant spatial spillover effect of PM2.5 pollution among cities within urban agglomerations.The main factors control-ling PM2.5 pollution in different urban agglomerations had significant differences.Industriali-zation and energy consumption had a significant positive impact on PM2.5 pollution.Foreign direct investment had a significant negative impact on PM2.5 pollution in the southeast coastal and border urban agglomerations.Population density had a significant positive impact on PM2.5 pollution in a particular region,but this had the opposite effect in neighboring areas.Urbanization rate had a negative impact on PM2.5 pollution in national-level urban agglomer-ations,but this had the opposite effect in regional and local urban agglomerations.A high degree of industrial structure had a significant negative impact on PM2.5 pollution in a region,but this had an opposite effect in neighboring regions.Technical support level had a signifi-cant impact on PM2.5 pollution,but there were lag effects and rebound effects.     

中国重要旅游城市雾霾时空特征

依托中国15个重要旅游城市,基于雾霾主导因素PM2.5观测数据、遥感气溶胶数据,运用土地利用回归方法模拟绘制PM2.5时空分布图,分析中国重要旅游城市PM2.5质量浓度的时空分异特征。结果表明：1）2013―2015年中国重要旅游城市PM2.5年均质量浓度总体呈逐年下降趋势,且明显呈现夏季低、冬季高、春秋季居中的季节变化特征;2）重要旅游城市PM2.5质量浓度在不同等级城市中存在明显差异,其PM2.5质量浓度整体规律为副省级市＞直辖市＞地级市;3）月均尺度上各重要旅游城市的宜游时间主要集中在4―9月,且2015年春冬季月份宜游城市明显增多;宜游时间较长的城市主要分布在空气质量优良的东南部沿海和森林覆盖率较高地区的地级市和部分副省级市,中西部地区和长三角地区的城市宜游时间则相对较短。     

Integration of air pollution data collected by mobile sensors and ground-based stations to derive a spatiotemporal air pollution profile of a city

ABSTRACT

Air pollution has become a serious environmental problem causing severe consequences in our ecology, climate, health, and urban development. Effective and efficient monitoring and mitigation of air pollution require a comprehensive understanding of the air pollution process through a reliable database carrying important information about the spatiotemporal variations of air pollutant concentrations at various spatial and temporal scales. Traditional analysis suffers from the severe insufficiency of data collected by only a few stations. In this study, we propose a rigorous framework for the integration of air pollutant concentration data coming from the ground-based stations, which are spatially sparse but temporally dense, and mobile sensors, which are spatially dense but temporally sparse. Based on the integrated database which is relatively dense in space and time, we then estimate air pollutant concentrations for given location and time by applying a two-step local regression model to the data. This study advances the frontier of basic research in air pollution monitoring via the integration of station and mobile sensors and sets up the stage for further research on other spatiotemporal problems involving multi-source and multi-scale information.     

Assessment of Urban Air Pollution and Spatial Spillover Effects in China: Cases of 113 Key Environmental Protection Cities

With rapid urbanization and energy consumption, environmental pollution and degradation have become increasingly serious problems in China. At the beginning of 2013, China implemented new ambient air quality standards (GB 3095-2012) in which the concentration of six pollutants including PM_2.5, ozone, carbon monoxide, PM₁₀, sulfur dioxide and nitrogen dioxide were monitored. This study gathered annual air pollutant concentration data for the six pollutants in 113 key environmental protection cites throughout China in 2014 and 2015 to explain spatial patterns of urban air pollution. Based on the Kernel density estimation method, spatial hotspots of air pollution were illustrated through which spatial cluster of each pollutants could be plotted. By employing an entropy evaluation system, urban air quality was assessed in terms of the six atmospheric pollutants. We conclude that, in general, CO and SO₂ were two important pollutants in most Chinese cities, but this varied greatly among cities. The assessment results indicate that cities with the worst air quality were mainly located in northern and central provinces, dominantly in the Beijing-Tianjin-Hebei metropolitan area. Regression modeling showed that a combination of meteorological factors and human-related determinants, to say specifically, industrialization and urbanization factors, greatly influenced urban air quality variation in China. Results from spatial lag regression modeling confirmed that air pollution existed obvious spatial spillover effects among key cities. The spatial interdependence effects of urban air quality means that Chinese municipal governments should strengthen regional cooperation and deepen bilateral collaboration in terms of air regulation and pollution prevention.     

Everyday space–time geographies: using mobile phone-based sensor data to monitor urban activity in Harbin,Paris, and Tallinn

This paper proposes a methodology for using mobile telephone-based sensor data for detecting spatial and temporal differences in everyday activities in cities. Mobile telephone-based sensor data has great applicability in developing urban monitoring tools and smart city solutions. The paper outlines methods for delineating indicator points of temporal events referenced as ‘midnight’, ‘morning start’, ‘midday’, and ‘duration of day’, which represent the mobile telephone usage of residents (what we call social time) rather than solar or standard time. Density maps by time quartiles were also utilized to test the versatility of this methodology and to analyze the spatial differences in cities. The methodology was tested with data from cities of Harbin (China), Paris (France), and Tallinn (Estonia). Results show that the developed methods have potential for measuring the distribution of temporal activities in cities and monitoring urban changes with georeferenced mobile phone data.     

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...