论文部分内容阅读
近年来,城市大气污染问题越来越受到人们的重视,而PM2.5是重要的大气污染物之一。本文选取重庆市主城区17个空气质量监测点发布的PM2.5浓度数据,分析了重庆市主城区2016年PM2.5时空分布特征以及PM2.5与气象要素和其他大气污染物的相关关系,并结合重庆市土地利用数据、气象数据、人文数据等,构建PM2.5与土地利用类型及各地理要素的LUR模型,并基于LUR模型对PM2.5浓度进行模拟。研究主要得出以下结论:(1)从时间变化来看,PM2.5在24小时内变化呈现“双峰双谷”的变化特征,在一天4点和16点时PM2.5浓度最低,10点和23点时浓度最高;在不同月份当中,主城区PM2.5浓度月变化上总体呈现“U”型。PM2.5浓度最高值出现在12月和2月。最低值出现在七月,在9月份PM2.5浓度出现过一次大的波动;PM2.5季节浓度大小为:冬季>秋季>春季>夏季。从PM2.5空间分布特征可以发现,PM2.5浓度分布南北差异明显。主城区南部PM2.5浓度高于北部。主要表现为主城区中部、西南部等人口集中,道路拥挤的区域PM2.5浓度较高,例如渝中区;而人口较少,植被覆盖度高的地方PM2.5值比较低,如巴南、渝北、北碚等区域。(2)本研究探讨了气象要素对PM2.5浓度变化的影响。分析了包括气温、气压、相对湿度、风速和降雨等与PM2.5的相关关系,结果发现,M2.5浓度与风速、降雨、气温呈负相关,与相对湿度、气压为正相关。(3)根据监测站点做缓冲区并提取了 23组土地利用特征变量,然后计算不同季节中PM2.5与特征变量的相关性系数,研究发现春季与PM2.5相关系数较高的变量有1km_土地利用分类_林地面积、站点DEM、2km_产业点密度;夏季与PM2.5相关性较高的变量有1km_土地利用分类_林地面积、5km_土地利用分类_建筑面积、1km_路网长度;秋季与PM2.5相关性较高的变量有3km_土地利用分类林地面积、3km_土地利用分类建筑面积、2km_路网长度、1km_产业点密度;冬季PM2.5相关性较高的变量有1km_土地利用分类_林地面积、1km_土地利用分类_建筑面积、站点DEM、2km_路网长度。(4)选择相关性显著的特自变量,利用多元回归分析建立了 PM2.5浓度模型,对主城区不同季节的PM2.5浓度分布进行模拟。春、夏、秋、冬预测模型R2分别为0.679、0.709、0.716、0.737。在时间尺度上,基于气象数据与PM2.5的线性关系,模拟计算了 17年PM2.5月均值;模拟方程的R2为0.885,调整后R2为0.79。利用礼嘉和南坪站点对模型进行检验,模型精度较高。