2015—2020年成都市PM_%282.5%29的时空分布及影响因素.pdf

书 书 书 年月第卷第期四川师范大学学报（自然科学版）（），收稿日期：接受日期：基金项目：国家自然科学基金（）通信作者简介：马丽（），女，副教授，主要从事环境生态学研究，：引用格式：白雪琴，马丽，黄天志，等 年成都市 的时空分布及影响因素四川师范大学学报（自然科学版），（）：年成都市 的时空分布及影响因素白雪琴，马丽，黄天志，余波（绵阳师范学院资源环境工程学院，四川绵阳；浙江工商大学环境科学与工程学院，浙江杭州）摘要：以年成都市 浓度的时空分布为研究对象，运用克里金插值法、相关系数法、主成分分析法等方法，结合降水、风速个气象因子及、第二产业生产总值比重、人口密度、城镇化率个社会因子进行分析，从而得到成都市 的时空分布情况及其影响因素的相关分析，为成都市的空气污染治理提供科学依据结果表明：成都市 浓度在空间上整体呈中间高、两边低的特征，在时间上的整体走向为先降低后升高；同时成都市 浓度与各种气象因子、社会因子都存在相关性，但相关程度存在较大的差异关键词：成都市；克里金插值法；相关系数法；主成分分析法中图分类号：文献标志码：文章编号：（）：近年来，工业与城市化进程加速，区域性大气污染程度日益加重空气中细颗粒物（粒径小于或等于 的颗粒物），由于粒径小、活性强，在空气中存留时间较长，对空气质量和人体健康存在显著影响 作为表征空气复合型污染的重要污染因子，其浓度的长期监测和准确预测有利于研究与治理大气污染问题目前，我国地面监测数据精度和时间分辨率都很高，但存在监测站点数量有限、分布不均、站点稀疏等缺点，影响了某一特定区域的时空分布特征的反映诸多学者对我国的时空分布特征进行了研究，如王晨等采用多元线性回归模型反演京津冀地区浓度分布，得到京津冀地区年空间连续的分布；杜彦彦等通过空间插值技术及秩相关分析方法，对河南省年浓度时空分布特征进行了分析；南国卫等采用克里金插值法等对陕西省浓度的时空分布规律进行研究，并运用灰色关联模型及其他空间数据统计方法探讨了浓度影响因素由此可见，在评价模型成熟的前提下，运用遥感相关方法及统计方法分析的时空分布特征及其影响因素，已经被多数学者所青睐目前技术发展迅速，运用等遥感技术探索的时空分布及影响因素，已逐渐成为当下研究热点众多研究人员曾采用过多种统计方法对 与气象因素、社会因素相关性进行分析，相关系数法、主成分分析法在大量实验中展现出其优越性冯雅杰等利用主成分分析法对哈尔滨市大气 中多环芳香烃的主要来源进行分析，表明其主要来源可能为冬季供暖期的煤炭燃烧及生物质燃烧、汽车尾气及工业排放；张雅旎等采用相关系数法对由 等引起的霾日数与其他气象要素进行相关性分析，表明相对湿度对杭州市霾日数影响最为显著此外，空间插值作为重要的功能，是和环境科学中空间查询、空间数据可视化和空间决策过程中最常用的地理技术之一本文以成都市为研究对象，利用克里金插值法、相关系数法、主成分分析法探究年不同因素影响下，成都市时空分布特征及成都市时空分布与气象因素、社会因素的相关性，为成都市区域经济发展及科学城市规划提供理论参考和科学依据研究区概况成都市位于四川省中部、四川盆地西部，是我 四川师范大学学报（自然科学版）第卷国西南地区大城市之一在地势方面，成都市西北高、东南低，平均海拔在 左右，但作为其中海拔最高的大邑县双河乡与海拔最低的金堂县云合镇海拔之差却有 ；从地貌来看，成都市位于川西北高原向四川盆地的过渡地带，西部多山地和深丘，中部以平原为主，东部以丘陵为主由于成都市特殊的地形地貌，使其呈现东暖西凉的气候特征，降水充沛，自然资源丰富如图所示，监测站点集中分布在成都中心城区，究其原因，正是因为成都特殊的地形地貌，导致该市 的时空分布存在明显差异，进而导致成都市 监测站点分布不均图成都市 监测站点分布图 数据来源及预处理本研究采用的 相关数据为经处理后的中国区域月尺度 遥感数据，空间分辨率为，时间分辨率为逐月；采用的降水数据为中国区域 分辨率逐月降水量数据集，空间分辨率为，时间分辨率为逐月，原始数据来源于，量纲为，数据集来源于国家地球系统科学数据中心（：）；采用的风速数据为中国区域 分辨率逐月平均风速数据集，原始数据来源于，量纲为，空间分辨率为，时间分辨率为逐月，数据集来源于国家地球系统科学数据中心（：）；采用的各个社会因子的相关数据则来源于年四川统计年鉴，可由四川省统计局官网（：）获得本研究使用的遥感数据均为月尺度单波段数据，因此，在研究季节尺度上成都市 的时空分布及其与降水量、风速的相关性时，需要利用栅格计算器将各个季节对应的波段进行波段合成，再进行其他操作一般认为月为春季，月为夏季，月为秋季，月、月、月为冬季研究方法 克里金插值法克里金插值法是基于包含自相关统计模型的插值方法，可对所研究的对象提供一种最佳线性无偏估计众多研究表明，克里金插值法在对、降水量等进行时空分布相关分析时具有重要作用本研究所有的数据均服从正态分布，因此选用的插值方法为普通克里金插值法普通克里金空间插值法是应用地统计学原理，通过已知部分空间样本信息对未知地理空间特征进行预测的方法普通克里金插值法的计算式为（）（），（）其中，（）为已知位置处的观测值，为第期白雪琴，等：年成都市 的时空分布及影响因素（）分配所得的权重，（）为估计位置，为估计（）值所采用的实际观测值个数 栅格计算及相关系数法栅格计算是栅格数据空间分析中进行数据分析与处理最常用的方法，往往利用栅格计算器来进行栅格计算器是一种空间分析函数工具，它支持调用自带的栅格数据空间分析函数在使用时，可向栅格计算器输入地图代数表达式，利用运算符和函数来做数学计算计算的浓度分布与降水量或风速的相关性时，使用的是相关系数分析法，计算如下：（珔）（珔）（珔）槡（珔）槡，（）其中，为年气候因子每月或每个季节的数值，珔为该气候因子年里的年平均值或季节平均值，为年 每月或每个季节的数值，珔为 年里的年平均值或季节平均值，为 与某气候因子的相关系数相关系数介于 之间，其绝对值越接近，则相关性越强；当 时，不存在相关性利用相关系数对成都市 与降水量、风速的空间相关性进行分类，分类标准如表所示 主成分分析法主成分分析法是将多个指标转化为少数综合指标的一种统计方法，在软件可完成相关操作其在确保信息丢失最少的情况下，对可能包含重叠信息的多个相关指标进行降维处理，在确保精度的前提下起到减少自变量的互表相关系数分类标准 相关系数相关性 高度负相关 显著负相关 低度负相关 微弱相关 低度正相关 显著正相关 高度正相关相干扰程度的作用通过主成分分析，可得到影响成都市 浓度的主要社会因素 又称检验统计量，是简单相关系数和偏相关系数的指标，介于 之间，其值越大，表明变量间相关关系越强，主成分分析的适用性也越强；显著性（）值应比设定的显著性水平小，一般应小于，才可进行主成分分析成都市 浓度时空变化特征 空间变化特征利用中的普通克里金插值法对年成都市逐月的 浓度分布数据进行空间分析，并绘制其空间分布图（图）综合 来成都市 浓度空间分布图，可知其分布总体上呈中间高、两边低的特征，西边的 浓度普遍小于东边 浓度较高的地区主要包括锦江区、青羊区、金牛区、武侯区和成华区，新都区的 在近年来也较高，众多高值区形成一条明显的新都区武侯区高值带；浓度较低的地区主要分布在成都平原西部，包括彭州市、图 年成都市逐月 浓度分布图 四川师范大学学报（自然科学版）第卷都江堰市、崇州市、大邑县和邛崃市从地理位置来看，成都位于四川盆地，盆地特殊静小风气象特征导致大气环境容量极为有限，处于中心位置的高值带因湿度大、逆温出现频繁、中性及稳定性天气多，更加大了包括 在内的大气污染物质的扩散难度；而低值区海拔较高、降雨充足、植被覆盖率较高，良好的气候条件使得该区域 浓度较低同时，高值区拥有众多规模较大的工业基地及工业园区，如成都青羊工业总部基地、双流产业经济园、成都武侯区工业园等，这也是造成该区域 浓度高的一个重要原因 时间变化特征 逐月变化特征利用对克里金插值得到的年成都市逐月 浓度建立数据表（表）如表所示，每年成都市 浓度最大值普遍出现在月，其次为月；最小值一般出现在月，其次为月表 年成都市 月平均质量浓度 月份月平均质量浓度（）年年年年年年 根据上述数据计算出不同月份 在年这年里的平均值及标准差，建立成都市年不同月份 平均浓度折线统计图（图）从图可以看出，在月尺度上 浓度的整体走向较为一致，呈“凹”字形，为先降低后升高；从总体来看，月下降，月上升结合图可以看出，月的低值区域面积不断扩大，月的低值区域面积较为稳定，月的低值区域面积迅速减小，因此有理由猜测 的浓度与降水的趋势存在较大的相关性图成都市年不同月份 平均质量浓度统计折线 季节尺度变化特征利用对克里金插值法所得的年成都市不同季节质量浓度建立数据表（表）从表得出，成都市质量浓度在冬季时取得最大值，最大值出现在年冬季（）；在夏季时取得最小值，最小值出现在年夏季（）；春季和秋季浓度接近，但秋季浓度略低于春季表 年成都市 季节平均质量浓度 季节季平均质量浓度（）年年年年年年春季 夏季 秋季 冬季 根据上述数据计算出不同季节 在年这 里的平均值及标准差，建立成都市年不同季节 平均浓度的折线统计图（图）图成都市年不同季节 平均质量浓度统计折线 第期白雪琴，等：年成都市 的时空分布及影响因素 如图所示，在年，不同季节的浓度明显是冬季春季秋季夏季究其原因，成都平原处于四川盆地，冬季太阳辐射少，盆地易形成逆温层，有利于形成大气污染；再加上成都冬季风速低、降水少等气象因素，使得冬季污染天数增加；而夏季的高温易形成强对流天气，加快了 的扩散，且成都属亚热带季风气候，降水丰沛，有利于清除大气中的 成都市浓度与气象因素的相关性分析 浓度与降水量的相关性分析 月尺度上二者相关性分析利用分析中国区域 分辨率逐月降水量数据集，得到年成都市逐月平均降水量，并通过进行计算后得出不同季节平均降水量及其标准差，建立折线统计图（图）图成都市年不同月份平均降水量统计折线 如图所示，从总体上看，降水量在月呈上升趋势，月趋于平缓，月呈下降趋势这与 在月尺度上的变化趋势刚好相反，初步推测其与 浓度的时空分布有关利用栅格计算器对 与降水量的数据进行一系列的计算，得到年成都市 与降水量空间相关性分析图（图）图成都市年 与降水量空间相关性分析 据图可知，成都市 与降水量在绝大多数地区的相关系数绝大多数处于与 之间，存在显著负相关性，即使年 与降水量相关性不及其他，但二者相关性仍然显著综上所述，可知在月尺度上成都市 浓度与降水量关系密切，存在显著负相关性，即成都市降水量与 之间呈反比例关系，降水量越多，污染物的浓度越低，说明降水对 有一定的清除作用 季节尺度上二者相关性分析利用分析中国区域 分辨率逐月降水量数据集，将数据进行分类整合及相关计算，根据不同季节降水量的平均值及其标准差得到年成都市不同季节的平均降水量，并通过建立折线统计图（图）如图所示，从季节尺度上看，降水量总体上为夏季秋季春季冬季而 浓度为冬季春季秋季夏季，这与降水量在月尺度上的变化趋势相反，初步推测二者存在负相关性 四川师范大学学报（自然科学版）第卷图成都市年不同季节平均降水量统计折线 利用栅格计算器对 与降水量对应的栅格数据进行计算，得出不同季节 与降水量的空间相关性分析图（图）如图所示，降水量对夏季和冬季的 浓度具有很大的影响，两者高度相关；其次是对秋季的 浓度的影响，最后是春季，此时总体上呈微弱相关造成春季成都市 与降水量微弱相关的原因主要是该区域春季天气较为多变，多为短时降水，降水量尚不足以完全发挥对颗粒物的冲刷和溶解作用；造成冬季成都市 与降水量高度负相关的原因主要是冬季 的初始浓度高，在相同的降水量下沉降量和沉降速度均高于其他季节值得注意的是，在夏季和秋季成都市存在大面积地区 浓度与降水量呈显著正相关，造成这一现象最可能的原因是弱强度降水夏季与秋季成都市 浓度较低，在弱强度降水情况下，湿度增大带来的颗粒物吸湿增长作用强于降水对颗粒物的冲刷作用，从而造成 浓度增加 浓度与风速的相关性分析 月尺度上二者相