论文总字数：20408字

目 录

摘要 3

1引言 5

1.1细颗粒物PM2.5简介 5

1.2土地利用回归模型（LUR）简介 6

1.3ArcGIS平台简介 6

1.4本实验的目的和意义 7

1.5 研究内容与技术路线 7

2．材料和方法 7

2.1研究区域 7

2.2PM_2.5浓度数据的获取 8

2.3空间插值 10

2.4土地利用回归模型 10

3.结果与讨论 14

3.1 采样点的PM_2.5浓度 14

3.2 PM_2.5浓度的空间分布 15

3.3影响因素的分析和筛选 16

3.4回归方程和空间映射 19

3.5影响因素讨论 21

4.结论与展望 21

基于土地利用回归模型初探南京PM_2.5浓度空间变化的影响因素

史林林

摘要：PM_2.5是近年来受到人们巨大关注的大气污染物质，对人体健康有着巨大的影响，长期接触可能引发多种疾病。而城市中PM_2.5浓度的变化受到各种因素的影响，需要对这些因素进行监测和分析。本研究采集从2016年7月26日起到2017年1月6日江苏省南京市多个辖区18个大气颗粒物采样站点PM_2.5浓度数据。同时收集南京市土地利用数据、污染源数据、人口数据、道路数据等，依靠ArcGIS软件平台，对经过筛选的影响因子作为自变量建立土地利用回归（LUR）模型.并利用所建立的模型模拟南京市PM_2.5浓度空间分布。结合普通克里格插值方法进行分析初步得到影响南京市PM_2.5浓度空间分布的影响因素。结果表明以大型工业点源为自变量的土地利用回归模型R²为0.36，与其他部分研究相比偏低，但在可接受水平内。大型工业点源对南京市PM_2.5浓度的空间变化有着显著的影响，其影响范围可能在1.5-3.0km内，这与通过插值得到的PM_2.5浓度空间分布图具有相似的趋势。与道路交通源有关的变量并未呈现出与PM_2.5浓度显著正相关，这可能是因为道路交通源附近的采样点数量不足造成的

关键词：PM_2.5、影响因素、空间插值、土地利用回归（LUR）模型、ArcGIS、空间分布。

Research Application of land use regression to Research

Influencing Factors of Spatial Variation of PM2.5 Concentration in Nanjing

Abstract: Recently, PM_2.5 have been attracting great concern as air pollutants. They have a huge impact on human health while being exposed to them for a long term may lead to a variety of diseases. The change of PM2.5 concentration in the city is affected by various factors, and these factors need to be monitored and analyzed. This study collected the PM2.5 concentration data of 18 atmospheric particulate sampling sites from July 26, 2016 to January 6, 2017, Nanjing, Jiangsu Province. (LUR) model was established by using the model as an independent variable, and the model was established by using the established model to simulate the land use data of Nanjing City. The land use data, pollution data, population data and road data were collected in Nanjing. PM2.5 concentration spatial distribution. Combined with ordinary Kriging interpolation method, the influence factors of PM2.5 spatial distribution in Nanjing were obtained. The results show that the land use regression model R2 with a large industrial point source as an independent variable is 0.36, which is lower than other parts of the study, but within the acceptable level. The large industrial point source has a significant effect on the spatial variation of PM2.5 concentration in Nanjing, and its influence range may be within 1.5-3.0km, which has a similar trend with the spatial distribution of PM2.5 concentration obtained by interpolation. The variables associated with the road traffic source did not show a significant positive correlation with the PM2.5 concentration, which may be due to the insufficient number of sampling points near the road traffic source.

Key words: Influencing factors, spatial interpolation, land use regression (LUR) model, ArcGIS, spatial distribution.

1引言

1.1细颗粒物PM2.5简介

大气中含有大量的各种各样由于自然过程生成或者人为制造的的悬浮着的固体以及液体粒子，例如灰尘、微粒、植物孢子和花粉、微生物以及水气和其他各种固态和液态颗粒状物质，这些物质可以统称为大气颗粒物。大气颗粒物按照其粒径的大小大致划分成一下几种：空气动力学等效直径小于或者等于100 µm的大气颗粒物称为总悬浮颗粒物（Total Suspended Particle，TSP）；空气动力学等效直径小于或等于10 µm的大气颗粒物称为可吸入颗粒物（PM₁₀）；空气动力学等效直径小于或等于2.5 µm的大气颗粒物称为细颗粒物（PM_2.5）。此外还可以将大气颗粒物更进一步分为以下三类：爱根核（半径r＜0.1 µm）、大粒子（0.1 µm＜半径r＜1.0 µm）和巨粒子（半径r＞1.0 µm）^[1]通常小于10微米的悬浮粒子（PM₁₀）就被认定为对人体有危害性，然而细颗粒物PM_2.5更危害性更强，可伴随人体呼吸过程进入肺部，穿透肺泡从而到达血液，长期暴露在PM_2.5污染的环境中中会严重影响人体健康。

细颗粒物PM_2.5的来源主要可以分为人为源和自然源两个大类。自然源通常包括扬尘、细菌微生物、植物花粉等，以及在自然灾害比如火在山喷发过程中向大气中排放的大量火山灰等。人为源则是指在人类生产生活过程中产生颗粒物的源，如采矿冶金、石油化工、交通运输、电力生产以及平时居民烹饪燃气、垃圾焚烧等均可产生大量的PM_2.5排放到大气当中。其中，在城市中PM_2.5的来源第一位的是汽车尾气的排放，其次是北方城市冬季燃煤供暖产生的废气，还有则是工业生产排放的废气以及建筑工地和道路交通产生的扬尘等^[2]。

伴随着我国迅速城市化和工业化的过程，同其他国家一样，在城市中，由于人口密度迅速增长，交通、住房、餐饮等需求极具增加，人们日常的生产生活过程中产生了大量的PM_2.5在城市排放、扩散和聚集，同时又由于城市地表建筑结构、土地利用的类型、区域结构组成的多样性，对PM_2.5的浓度变化以及分布规律产生巨大的影响，并且城市人口众多，人口密度较大，大量的PM_2.5对人群的健康影响效果被放大。严重的PM_2.5污染天气过程造成许多群体性健康突发情况，弄清楚城市中PM_2.5浓度空间分布规律有利于缓解城市PM_2.5污染问题的改善和解决，因此对城市中PM_2.5的空间分布研究变得尤为重要。

1.2土地利用回归模型（LUR）简介

目前，对于细颗粒物PM_2.5的研究中，广泛采用的方法有插值法、扩散模型^[3]、遥感方法和土地利用回归模型（LUR）法。土地利用回归模型（LUR）^[4]由于其相对其他传统研究方法具有高效性和准确性的优势，目前被广泛用于城市区域大气总悬浮颗粒物（TSP）的研究当中。LUR模型最早是在1997年由Briggs 等人^[5]在研究区域空气质量和健康相关性的研究的过程中提出的，是一种模拟城市或者小区域大气污染物浓度空间分布时常用的一种模型方法，LUR模型通常是利用十几到二十几个大气污染物采样点的大气污染物浓度数据作为一组因变量，然后再依靠地理信息系统（GIS），利用提前获取的研究区域内的尤其是采样地点附近的交通状况、人口密度、地形地貌、气候条件、土地利用类型等一些可能会影响因变量的相关地理社会信息作为自变量，从而构建回归模型，利用回归模型来分析这些相关自变量对大气污染物的时间和空间浓度变化的影响。还可以利用所构建的模型对指定研究区域内任何位置的污染物的浓度进行预测和估计。这个模型虽然不仅是考虑土地利用类型这个自变量，还有其他比如地形地貌，工业污染排放，气候，人口等因素，但是仍将其称为土地利用回归模型（LUR）^[6]。

土地利用回归模型（LUR）在欧洲、北美和日本等一些发达国家和地区的PM₁、PM_2.5、PM₁₀、NO_x等污染物质的模拟和预测上取得了不少科研成果^[7]。在国内，也逐渐被一些科研机构和高校用来研究当地大气污染物分布情况，如陈莉等人的《利用LUR模型模拟天津市大气污染物浓度的空间分布》是最早在国内利用LUR模式研究的项目，如今也越来越多的被应用于亚洲等地许多城市的大气环境污染的研究工作中。

土地利用回归（LUR）模型与传统的扩散模型研究方法相比，不需要很高精度污染源数据和气象数据，模型的构建相对简单。在与现有的地理信息系统（GIS）强大的的空间数据支持能力的结合下具有更高的可操作性，能够充分的反映和模拟中小尺度范围内的污染物浓度大小的空间分布变化，并且构建完成的模型往往具有较好的转移性。

1.3ArcGIS平台简介

一套完整的地理信息系统（GIS）主要是由四个部分组成的,包括硬件系统、软件系统、系统管理操作人员和地理空间数据。 ArcGIS是一个全面的、具有可伸缩性的GIS平台，可以为用户提供许多强大的地理信息处理工具（ArcTOOLBOX）。ArcGIS作为一个强大的矢量化数据处理平台，具有操作简单方便，可以进行属性操作和分析操作、适用于对大量数据进行批量处理等优势。ArcGIS如今已经广泛且深入的应用于土地资源管理、地理测绘、城乡规划、土地调查、环境管理等与空间信息相关地各个领域。我们这次建立土地利用回归模型（LUR）的过程中使用的是ArcGIS10.2这个版本的软件。主要是用到其中的交集制表、叠加分析、提取分析，回归映射等功能。

1.4本实验的目的和意义

本研究基于南京市多个采样点的PM_2.5监测数据，在此基础上利用地理信息系统（GIS）软件（主要是ArcGIS）,结合南京市地理、人口、社会信息分析得到南京市PM_2.5浓度分布情况，进一步分析得到PM_2.5浓度与土地利用类型以及其他可能的影响因子之间的相关性关系，并构建土地利用回归模型，通过分析得到的土地利用回归模型对可能对南京市PM_2.5浓度具有影响作用的影响因子进行探究。

1.5 研究内容与技术路线

本论文的研究内容主要包括以下部分。

剩余内容已隐藏，请支付后下载全文，论文总字数：20408字

相关图片展示：