论文部分内容阅读
PM2.5对空气产生污染,且中国的许多城市以PM2.5为首要污染物,其存在影响人们的身心健康以及生产生活,近年来逐渐成为社会关注的热点。作为大气环境的主要污染物之一,针对中国PM2.5污染的严重性、空间分布的差异性以及影响因素的复杂性,本研究以揭示中国PM2.5时空分布特征及其影响因素为研究目标,将地理信息技术、地理科学与空间统计方法相结合,采用定量与定性相结合的方法,通过数据—空间统计分析方法—地理探测器—空间决策支持的研究思路对PM2.5污染进行风险预测评估,分析得到PM2.5污染形成的影响因素。在本研究中,以20152017年中国348个城市PM2.5浓度为基础,首先从时序时空分布特征方面,宏观上分析中国近3年的PM2.5浓度变化趋势,并以2015年为典型年份,利用全局空间自相关与局部空间自相关方法,从微观上分析其年、季节、月三个时间尺度的时空变化规律,探究其空间分布模式以及空间集聚特征;其次,采用地理探测器,对引起PM2.5污染的影响因子进行探测;最后采用空间决策支持,运用WLC与OWA方法对PM2.5污染的风险进行评估,通过比较分析,得到引起PM2.5污染的主要因素并提出相应的治理建议。研究成果对认识中国PM2.5的时空分布规律以及治理PM2.5污染具有一定的理论意义,有助于治理PM2.5科学决策,预测其发生发展,同时对治理其他大气污染具有借鉴意义。本研究对中国PM2.5时空特征进行分析并进一步对PM2.5污染的风险评估,所得主要研究结论如下:（1）20152017年,2015年为PM2.5污染最严重的年份。（2）时间上,夏季PM2.5浓度较低,冬季较高;空间上,胡焕庸线、长江分别作为东西方向和南北方向的分界线,胡焕庸线以东的地区PM2.5浓度较高,以西的地区PM2.5浓度较低,长江以北的地区PM2.5浓度高于长江以南的地区。空间变化上以华北平原地区为中心,由该地区向南、向东北地区推移,呈现南退北进,北退南移的变化趋势。（3）PM2.5浓度具有空间自相关性,空间集聚特征明显。其中高值热点区域主要集中于华北平原地区,由该区域向长江中下游、成渝地区、东北地区蔓延;低值冷点地区主要集中于云南省、川西高原等西南地区,由该区域向东向北推进。（4）影响因素方面,单因子对PM2.5浓度的影响力小于因子间交互作用对PM2.5浓度的影响力,自然因素各因子交互作用对PM2.5浓度的解释力低于自然因素与社会经济因素交互作用的解释力,其中部分气候因素与社会经济因素交互作用的解释力超过40％。（5）社会经济因素主导下的PM2.5污染风险高,分布范围广,且明显高于自然因素与社会经济因素综合作用下的PM2.5污染风险,远高于自然因素主导下的PM2.5污染风险。京津冀城市群因人口聚集、城市化水平高、经济活动频繁等社会经济因素的影响,污染风险较高;其中西南地区PM2.5污染风险较小,与该地区地形因素以及社会经济活动较少有关,但成渝城市群受经济发展与盆地地形的双重影响,PM2.5污染风险相对较高。