随着经济的快速发展,空气污染已经成为当今重要的环境问题,引起公众的广泛关注,二氧化氮(NO_2)作为主要的空气污染物之一,成为相关研究的重点。通过监测数据发现,二氧化氮质量浓度值的空间分布具有区域性差异,所以对其空间分布模拟,以...随着经济的快速发展,空气污染已经成为当今重要的环境问题,引起公众的广泛关注,二氧化氮(NO_2)作为主要的空气污染物之一,成为相关研究的重点。通过监测数据发现,二氧化氮质量浓度值的空间分布具有区域性差异,所以对其空间分布模拟,以及形成区域差异的下垫面影响因素分析,具有重要的研究价值。土地利用回归模型(Land-use Regression,LUR)是将统计方法中的回归模型与空间上的土地利用数据、监测数据和其他相关的地理数据结合分析并在地图上显示的方法。本文结合缓冲区分析、叠加分析、Spearman相关性分析、多元回归分析等方法构建土地利用回归模型(Land Use Regression,LUR),用于识别与NO_2浓度相关的下垫面影响因素,并模拟NO_2质量浓度的空间分布。LUR模型可以模拟出NO_2质量浓度空间分布特征,并针对下垫面影响因素得到以下结论:城乡居住地及工业用地面积增加、污染源的距离减少和道路长度增加会导致NO_2浓度升高;耕地面积、绿地面积和水域面积的增加会导致NO_2浓度减少;NO_2浓度最高的区域主要集中在工业园区;NO_2浓度值从城区到郊区递减,需要通过改变工业区结构和增加绿地面积来减少城区的NO_2浓度。展开更多
利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果...利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。展开更多
文摘随着经济的快速发展,空气污染已经成为当今重要的环境问题,引起公众的广泛关注,二氧化氮(NO_2)作为主要的空气污染物之一,成为相关研究的重点。通过监测数据发现,二氧化氮质量浓度值的空间分布具有区域性差异,所以对其空间分布模拟,以及形成区域差异的下垫面影响因素分析,具有重要的研究价值。土地利用回归模型(Land-use Regression,LUR)是将统计方法中的回归模型与空间上的土地利用数据、监测数据和其他相关的地理数据结合分析并在地图上显示的方法。本文结合缓冲区分析、叠加分析、Spearman相关性分析、多元回归分析等方法构建土地利用回归模型(Land Use Regression,LUR),用于识别与NO_2浓度相关的下垫面影响因素,并模拟NO_2质量浓度的空间分布。LUR模型可以模拟出NO_2质量浓度空间分布特征,并针对下垫面影响因素得到以下结论:城乡居住地及工业用地面积增加、污染源的距离减少和道路长度增加会导致NO_2浓度升高;耕地面积、绿地面积和水域面积的增加会导致NO_2浓度减少;NO_2浓度最高的区域主要集中在工业园区;NO_2浓度值从城区到郊区递减,需要通过改变工业区结构和增加绿地面积来减少城区的NO_2浓度。
文摘利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。
