地表植被景观对PM 2.5 浓度空间分布的影响研究
发布时间：2021-01-04 13:38
我国当前城市日益频发的雾霾问题引发公众广泛关注,PM2.5被认为是雾霾的主要成因。研究认为,在某一区域短时间尺度上（如日）,PM2.5浓度主要受气象条件影响。但在较长时间尺度上（如季,年）,由于气象条件基本相似,则PM2.5浓度主要受土地利用特别是地表植被景观的影响。如何耦合地表植被景观格局与PM2.5浓度信息,定量分析其影响是当前相关科学研究的一个难点,需要引入新思路。首先基于季节气象条件基本相似的科学假设,采用土地利用回归模型分四季高精度模拟PM2.5浓度空间分布。其次,采用像元二分模型分四季估算研究区植被覆盖度。在此基础上采用随机抽样法通过统计回归模型耦合植被覆盖度与PM2.5空间分布,定量研究植被覆盖度对PM2.5分布影响及其尺度效应。研究结果表明:1)植被覆盖度与PM2.5浓度在本研究选择的空间尺度上,都显著负相关,说明植被覆盖度对PM2.5具有显著影响;同一个季节不同尺度上,以及...
【文章来源】：生态学报. 2020年19期 北大核心
【文章页数】：10 页
【部分图文】：
南昌市中心城区与空气质量监测点
根据得到的四季最优LUR模型,对研究区进行四季PM2.5浓度模拟。先对研究区进行1km×1km网格化处理生成400个预测点,计算各个预测点的相关地理变量,标准化处理后根据模型方程算出各个网格点出PM2.5浓度预测值,从中抽取80%的预测点,利用Kriging空间插值法生成四季的PM2.5浓度空间分布图(图2),再用剩余20%的浓度数据,采用交叉检验法对插值结果进行检验。检验结果表明,春、夏、秋、冬平均绝对误差率分别为0.01、0.05、0.03、0.05;均方根误差分别为0.76、2.89、4.58和5.52,说明四季PM2.5指标插值误差较小,PM2.5浓度模拟效果良好。从图2可以看出,南昌市中心城区PM2.5分布具有明显的时空分异特征。不同季节PM2.5浓度具有明显差异。相对而言,冬季高,夏低。冬季低温少雨的气候气象条件不利于污染物扩散,使得南昌市冬季PM2.5浓度一直处于较高水平。而夏季的气象条件有利于PM2.5扩散,因此浓度相对较低。从空间上来看,PM2.5浓度分布由城市中心向城市周边递减的层次明显。全年的高值区都集中在市中心,冬季尤其明显;低值区则主要分布在城市周边的植被与水体较多区域,如梅岭风景区、瑶湖和扬子洲附近。
南昌市中心城区植被覆盖度计算结果如图3所示。统计分析表明,研究区2016—2018年四季植被覆盖度均值分别为0.52、0.57、0.55和0.50(图3)。研究区域内植被高度覆盖区主要分布在梅岭风景区,中低度覆盖区主要在青云谱区、青山湖区。3.3 地表植被覆盖度与PM2.5浓度空间分布的影响分析
【参考文献】：
期刊论文
[1]南昌市中心城区绿地景观对PM2.5的影响[J]. 李琪,陈文波,郑蕉,谢涛,卢陶捷. 应用生态学报. 2019(11)
[2]南昌市中心城区主要大气污染物分布模拟及土地利用对其影响[J]. 梁照凤,陈文波,郑蕉,卢陶捷. 应用生态学报. 2019(03)
[3]北京市PM2.5和气态前体物相关关系分析[J]. 江琪,王飞,张恒德,何佳宝. 环境科学与技术. 2018(04)
[4]南昌市中心城区土地集约利用水平对主要大气污染物的影响[J]. 梁照凤,陈文波,郑蕉. 应用生态学报. 2018(05)
[5]京津冀地区城市化对植被覆盖度及景观格局的影响[J]. 王静,周伟奇,许开鹏,颜景理. 生态学报. 2017(21)
[6]LUR模型模拟的南昌市PM2.5浓度与土地利用类型的关系[J]. 阳海鸥,陈文波,梁照凤. 农业工程学报. 2017(06)
[7]不同绿地结构消减大气颗粒物的能力[J]. 孙晓丹,李海梅,刘霞,徐萌. 环境化学. 2017(02)
[8]北京市16种树木吸附大气颗粒物的差异及颗粒物研究[J]. 史军娜,张罡,安海龙,曹学慧,刘超,尹伟伦,夏新莉. 北京林业大学学报. 2016(12)
[9]南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系[J]. 苏维,赖新云,赖胜男,古新仁,张志坚,张帅珺,黄国贤,刘苑秋. 环境科学学报. 2017(07)
[10]城市街谷内PM2.5浓度时空变化及影响因素分析[J]. 张云伟,王晴茹,陈嘉,刘随心,胡塔峰,顾兆林. 中国环境科学. 2016(10)
本文编号：2956858
【文章来源】：生态学报. 2020年19期 北大核心
【文章页数】：10 页
【部分图文】：
南昌市中心城区与空气质量监测点
根据得到的四季最优LUR模型,对研究区进行四季PM2.5浓度模拟。先对研究区进行1km×1km网格化处理生成400个预测点,计算各个预测点的相关地理变量,标准化处理后根据模型方程算出各个网格点出PM2.5浓度预测值,从中抽取80%的预测点,利用Kriging空间插值法生成四季的PM2.5浓度空间分布图(图2),再用剩余20%的浓度数据,采用交叉检验法对插值结果进行检验。检验结果表明,春、夏、秋、冬平均绝对误差率分别为0.01、0.05、0.03、0.05;均方根误差分别为0.76、2.89、4.58和5.52,说明四季PM2.5指标插值误差较小,PM2.5浓度模拟效果良好。从图2可以看出,南昌市中心城区PM2.5分布具有明显的时空分异特征。不同季节PM2.5浓度具有明显差异。相对而言,冬季高,夏低。冬季低温少雨的气候气象条件不利于污染物扩散,使得南昌市冬季PM2.5浓度一直处于较高水平。而夏季的气象条件有利于PM2.5扩散,因此浓度相对较低。从空间上来看,PM2.5浓度分布由城市中心向城市周边递减的层次明显。全年的高值区都集中在市中心,冬季尤其明显;低值区则主要分布在城市周边的植被与水体较多区域,如梅岭风景区、瑶湖和扬子洲附近。
南昌市中心城区植被覆盖度计算结果如图3所示。统计分析表明,研究区2016—2018年四季植被覆盖度均值分别为0.52、0.57、0.55和0.50(图3)。研究区域内植被高度覆盖区主要分布在梅岭风景区,中低度覆盖区主要在青云谱区、青山湖区。3.3 地表植被覆盖度与PM2.5浓度空间分布的影响分析
【参考文献】：
期刊论文
[1]南昌市中心城区绿地景观对PM2.5的影响[J]. 李琪,陈文波,郑蕉,谢涛,卢陶捷. 应用生态学报. 2019(11)
[2]南昌市中心城区主要大气污染物分布模拟及土地利用对其影响[J]. 梁照凤,陈文波,郑蕉,卢陶捷. 应用生态学报. 2019(03)
[3]北京市PM2.5和气态前体物相关关系分析[J]. 江琪,王飞,张恒德,何佳宝. 环境科学与技术. 2018(04)
[4]南昌市中心城区土地集约利用水平对主要大气污染物的影响[J]. 梁照凤,陈文波,郑蕉. 应用生态学报. 2018(05)
[5]京津冀地区城市化对植被覆盖度及景观格局的影响[J]. 王静,周伟奇,许开鹏,颜景理. 生态学报. 2017(21)
[6]LUR模型模拟的南昌市PM2.5浓度与土地利用类型的关系[J]. 阳海鸥,陈文波,梁照凤. 农业工程学报. 2017(06)
[7]不同绿地结构消减大气颗粒物的能力[J]. 孙晓丹,李海梅,刘霞,徐萌. 环境化学. 2017(02)
[8]北京市16种树木吸附大气颗粒物的差异及颗粒物研究[J]. 史军娜,张罡,安海龙,曹学慧,刘超,尹伟伦,夏新莉. 北京林业大学学报. 2016(12)
[9]南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系[J]. 苏维,赖新云,赖胜男,古新仁,张志坚,张帅珺,黄国贤,刘苑秋. 环境科学学报. 2017(07)
[10]城市街谷内PM2.5浓度时空变化及影响因素分析[J]. 张云伟,王晴茹,陈嘉,刘随心,胡塔峰,顾兆林. 中国环境科学. 2016(10)
本文编号：2956858
本文链接：https://www.wllwen.com/wenyilunwen/huanjingshejilunwen/2956858.html
