济南市空气污染与慢性呼吸道疾病的关系研究

发布时间：2017-09-19 20:00

  本文关键词：济南市空气污染与慢性呼吸道疾病的关系研究

  更多相关文章： 空气污染 呼吸道疾病 关系研究 济南市

【摘要】：众所周知,当空气中某种成分的含量、密度、存在时间等超过人体所能承受的范围,不可避免地会给身体健康带来不同程度的危害。空气污染,特别是颗粒物污染,对成人的肺功能、呼吸系统功能等都有非常严重的威胁与损害。为了给空气污染研究提供数据支持,自2012年以来,国家相继出台一系列技术规范与规定,启动“实时监测、公布多种典型空气污染物浓度”机制,尤其重视对可吸入颗粒物PM10、细颗粒物PM2.5浓度的精确监测与机制研究;这一系列举措将空气污染现状与研究机制更加透明、更加及时地推向大众视野。本文在国家自然科学基金资助项目(41371395)、山东省国土资源遥感波谱库建设项目、山东省地质环境监测总站项目(鲁勘字【2011】14号)等项目的支持下,以济南市区为研究区,进行PM10、PM2.5浓度与呼吸道疾病——哮喘病和慢性阻塞性肺炎病患(Chronic Obstructive Pulmonary Disease,下文简称为“COPD”)之间的关系研究。主要研究内容与结果如下:(1)气溶胶光学厚度干消光系数反演。为了使反演结果更加精确、反演过程更加便捷,本文通过重建查找表和修改过程参数,开发得到适合研究区实际情况的、用于MODIS影像反演气溶胶光学厚度的程序,得到气溶胶光学厚度;并且对其进行湿度订正和高度订正,得到气溶胶光学厚度干消光系数;实现了“MODIS遥感影像-气溶胶光学厚度-干消光系数”的反演过程;(2)颗粒物浓度反演。在保证颗粒物浓度数据采集时间和影像成像时间相同的前提下,利用颗粒物浓度数据与MODIS影像数据,分别建立各季节气溶胶光学厚度干消光系数与颗粒物浓度之间的模型,实现了“MODIS影像数据-气溶胶光学厚度-干消光系数-颗粒物浓度面状数据”的反演过程,填补了颗粒物浓度的监测空白;(3)空间分布关系研究。在ACRGIS 10.0中,将呼吸道疾病患者的地址坐标点加载到图层上,与PM10、PM2.5浓度分布结果进行叠加,直观分析两者的空间分布关系;通过一系列处理,统计得到不同颗粒物浓度范围内每单位面积上分布的病患数量,计算得到空间患病率。总体上,颗粒物浓度越高,病患分布越密集;随着颗粒物浓度的增加,每单位面积上分布的病患逐渐增多;(4)时间发展关系研究。分别从长期-暴露水平研究和短期-相关性研究两方面展开。1纵观2001-2008年。以每个病患所在位置点上的颗粒物浓度为样本,计算得样本总体的平均值与标准差,“平均值?标准差”即为长期-暴露水平。可得哮喘病-家庭组病患、哮喘病-工作组病患、COPD-家庭组病患、COPD-工作组病患的PM10暴露水平分别是166.165?9.301μg/m3、167.276?9.892μg/m3、165.454?10.259μg/m3、164.008?9.205μg/m3,PM2.5暴露水平分别是76.768?5.109μg/m3、76.247?5.69μg/m3、177.339?5.469μg/m3、75.685?5.019μg/m3;2就2009年而言。在SPSS中,以PM10月均浓度为自变量,以每月入院病患数量为因变量,分别进行Pearson相关系数检验和回归模型-R2值研究。可知,两者之间的Pearson相关系数均在0.5以上、回归模型-R2值在0.3-0.6之间,均表明有较好的线性相关性。
【关键词】：空气污染 呼吸道疾病 关系研究 济南市
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R56;X51
【目录】：

• 摘要7-9
• Abstract9-11
• 1 绪论11-17
• 1.1 选题背景与意义11-12
• 1.2 国内外研究进展12-14
• 1.2.1 颗粒物污染-人体健康危害效应研究进展12-13
• 1.2.2 遥感影像-颗粒物浓度反演研究进展13-14
• 1.3 研究思路14-15
• 1.3.1 研究目的14
• 1.3.2 研究内容14
• 1.3.3 研究方案14-15
• 1.4 技术路线15-17
• 2 研究区概况17-24
• 2.1 研究区范围17
• 2.2 自然地理概况17-18
• 2.2.1 地形地貌17
• 2.2.2 气候17-18
• 2.2.3 植被18
• 2.3 社会经济概况18-19
• 2.3.1 人口概况18
• 2.3.2 经济发展概况18-19
• 2.4 空气污染概况19-22
• 2.4.1 总体污染概况19-20
• 2.4.2 区内监测站监测概况20-22
• 2.5 慢性呼吸道疾病概况22-24
• 3 研究数据源介绍及处理过程24-33
• 3.1 遥感影像数据源及处理24-27
• 3.1.1 影像数据源24
• 3.1.2 影像数据处理24-27
• 3.2 实测颗粒物浓度数据源及处理27-29
• 3.2.1 实测颗粒物浓度数据源27-28
• 3.2.2 实测颗粒物浓度数据处理28-29
• 3.3 病患数据源及处理29-33
• 3.3.1 病患数据源29-30
• 3.3.2 病患数据处理30-33
• 4 颗粒物浓度的反演33-48
• 4.1 气溶胶光学厚度的反演33-37
• 4.1.1 遥感影像的具体选取33-34
• 4.1.2 反演的方法与步骤34-35
• 4.1.3 反演结果35-37
• 4.2 气溶胶光学厚度-颗粒物浓度模型的建立37-44
• 4.2.1 气溶胶光学厚度的订正38-39
• 4.2.2 模型类型的确定39-40
• 4.2.3 建模数据的准备40
• 4.2.4 气溶胶干消光系数-PM10浓度模型的建立40-42
• 4.2.4.1 研究方法40
• 4.2.4.2 结果40-42
• 4.2.5 气溶胶干消光系数-PM2.5浓度模型的建立42-44
• 4.3 颗粒物浓度的反演44-48
• 4.3.1 影像数据的下载44-45
• 4.3.2 颗粒物浓度的反演过程45
• 4.3.3 颗粒物浓度反演结果的整合45-48
• 5 颗粒物浓度与呼吸道疾病的关系研究48-60
• 5.1 空间分布关系研究48-53
• 5.1.1 空间分布概况研究48-50
• 5.1.1.1 研究方法48
• 5.1.1.2 结果48-50
• 5.1.2 空间患病率研究50-53
• 5.1.2.1 研究方法50-51
• 5.1.2.2 结果51-53
• 5.2 时间发展关系研究53-60
• 5.2.1 长期-暴露水平研究53-55
• 5.2.1.1 研究方法53-54
• 5.2.1.2 结果54-55
• 5.2.2 短期-相关性研究55-60
• 5.2.2.1 研究方法56-57
• 5.2.2.2 结果57-60
• 6 结论与展望60-62
• 6.1 结论60
• 6.1.1 空间分布关系研究结论60
• 6.1.2 时间发展关系研究结论60
• 6.2 展望60-62
• 参考文献62-68
• 附录68-79
• 附录一 气溶胶光学厚度反演程序界面展示68-70
• 附录二 气溶胶干消光系数-颗粒物浓度建模数据准备70-79
• 攻读硕士学位期间发表的学术论文与参与的课题79-80
• 致谢80

【参考文献】

中国期刊全文数据库 前10条

1 薛平;刘丽霞;董卫民;强琳;;宝鸡市城区空气细颗粒物(PM_(2.5))污染特征及源分析[J];宝鸡文理学院学报(自然科学版);2015年02期

2 朱一丹;魏建荣;黄露;王绍华;田寒梅;郭新彪;;不同大气污染程度地区学龄儿童呼吸系统疾病及症状发生的比较[J];北京大学学报(医学版);2015年03期

3 陈艳艳;蔡顺祥;刘建兵;肖瑛;蒋ng;代凌峰;;湖沼型血吸虫病流行区气候因素与钉螺分布的空间回归分析[J];中华疾病控制杂志;2015年03期

4 翟文慧;黄志刚;路晶凯;王伟;李勇;;北京市大气细颗粒污染物与老年呼吸系统疾病急诊就医关系的病例交叉研究[J];现代生物医学进展;2015年08期

5 魏世丽;葛永慧;;一元非线性回归两种不同模型的比较[J];统计与决策;2015年04期

6 张莹;邵毅;王式功;尚可政;王金艳;李旭;康延臻;;北京市空气污染物对呼吸系统疾病门诊人数的影响[J];中国环境科学;2014年09期

7 邢麟;王巍;余洋;余丽君;;雾霾天气对老年呼吸系统及心血管疾病的影响[J];职业与健康;2014年16期

8 李名升;张建辉;张殷俊;周磊;李茜;陈远航;;近10年中国大气PM_(10)污染时空格局演变[J];地理学报;2013年11期

9 王静;邱粲;刘焕彬;曹洁;王栋成;董旭光;;山东重点城市空气质量及其与气象要素的关系[J];生态环境学报;2013年04期

10 肖钟ng;江洪;陈健;张秀英;彭少麟;;利用MODIS遥感数据反演广州市气溶胶光学厚度[J];中国环境科学;2010年05期

，

本文编号：883608