基于BSTIM模型的中国城市空气污染时空统计研究

发布时间：2021-11-09 07:15

　　21世纪是人类全面进入城市化的时代。由于发达国家早已达到高度的城市化水平,现阶段城市化水平快速提升的地区主要集中在发展中国家,中国作为世界上最大的发展中国家,其城市化水平一直是21世纪世界关注的焦点之一。伴随着快速城市化而来的是各种各样的问题,而城市空气污染毫无疑问是中国乃至全球关注的热点问题之一。城市空气污染对于城市居民身体健康造成了极大的危害,对城市的生产活动也形成了很大的影响。因此,研究城市空气污染问题,分析中国全域城市的空气污染时空演化规律具有一定的现实意义。对于城市空气污染的研究,国内学者一般仅选择某一城市或区域进行研究,研究方法也多选择经典统计学方法或者地统计学方法。尚无学者运用贝叶斯时空交互模型,对我国全域城市空气污染进行时空统计研究。而在对时空问题进行统计推断时,贝叶斯统计学方法将时空问题中常见的时空相关性以先验信息的形式纳入模型中,使得贝叶斯统计推断结果更加科学合理。作为贝叶斯统计学方法之一,贝叶斯时空交互模型（BSTIM）将贝叶斯层次模型和时空交互模型相结合,通过引入先验信息,能够有效反映数据的时空变化趋势,从而有效地解决时空数据的相关性问题。为了能够对中国城市空气... 

【文章来源】：山西财经大学山西省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

全国空气污染监测站点分布图

资料来源：根据站点城市对应由作者绘制。图 3.2 338 个地级市分布图选择的 338 个地级市空间统计单元基本覆盖了中国境内除港澳区，因此也符合本文对中国全域城市空气污染的研究目的。通过市的监测站点数据进行分析，以期获得较为全面的分析结果。值在空气监测过程中难免会出现数据确实的问题，这也导致部分日

PM2.5日均浓度分位时间序列图

【参考文献】：
期刊论文
[1]舟山市空气污染物对呼吸门诊就诊人数的影响研究[J]. 张永利,戴亚欣.  中国预防医学杂志. 2017(10)
[2]石家庄市雾霾时空特征及影响因子研究[J]. 刘征,崔泽嘉.  湖北农业科学. 2017(09)
[3]耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析[J]. 刘鹏华,姚尧,梁昊,梁兆堂,张亚涛,王昊松.  地球信息科学学报. 2017(04)
[4]中国空气污染指数时空分布特征及其变化趋势（2001-2015）[J]. 孔锋,吕丽莉,方建,徐宏辉.  灾害学. 2017(02)
[5]华北地区空气质量空间分布特征及成因研究[J]. 许文轩,田永中,肖悦,江汶静,田林,刘瑾.  环境科学学报. 2017(08)
[6]2013—2015年中国PM2.5污染状况时空变化[J]. 李沈鑫,邹滨,刘兴权,方新.  环境科学研究. 2017(05)
[7]长江经济带PM2.5时空特征及影响因素研究[J]. 杨冕,王银.  中国人口·资源与环境. 2017(01)
[8]中国城市PM2.5时空分布的动态比较分析[J]. 熊欢欢,梁龙武,曾赠,王振波.  资源科学. 2017(01)
[9]基于ESDA的省域空气污染空间特征研究[J]. 杨蓉,王淑云,雷林,汪弘.  环境科学与管理. 2016(12)
[10]贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究[J]. 梅波,田茂再.  统计研究. 2016(12)

硕士论文
[1]山东省城市区域空气污染的时空变化特征研究[D]. 武苗苗.华东师范大学 2016
[2]北京地区空气污染现状及影响因子的地学分析研究[D]. 谢志英.兰州交通大学 2015



本文编号：3484874