基于LUR的二氧化氮浓度空间分布模拟及其下垫面影响因素分析
Spatial Distribution Simulation and Underlying Surface Factors Analysis of NO_2 Concentration Based on Land Use Regression
查看参考文献55篇
|
文摘
|
随着经济的快速发展,空气污染已经成为当今重要的环境问题,引起公众的广泛关注,二氧化氮(NO_2)作为主要的空气污染物之一,成为相关研究的重点。通过监测数据发现,二氧化氮质量浓度值的空间分布具有区域性差异,所以对其空间分布模拟,以及形成区域差异的下垫面影响因素分析,具有重要的研究价值。土地利用回归模型(Land-use Regression,LUR)是将统计方法中的回归模型与空间上的土地利用数据、监测数据和其他相关的地理数据结合分析并在地图上显示的方法。本文结合缓冲区分析、叠加分析、Spearman相关性分析、多元回归分析等方法构建土地利用回归模型(Land Use Regression,LUR),用于识别与NO_2浓度相关的下垫面影响因素,并模拟NO_2质量浓度的空间分布。LUR模型可以模拟出NO_2质量浓度空间分布特征,并针对下垫面影响因素得到以下结论:城乡居住地及工业用地面积增加、污染源的距离减少和道路长度增加会导致NO_2浓度升高;耕地面积、绿地面积和水域面积的增加会导致NO_2浓度减少;NO_2浓度最高的区域主要集中在工业园区;NO_2浓度值从城区到郊区递减,需要通过改变工业区结构和增加绿地面积来减少城区的NO_2浓度。 |
|
其他语种文摘
|
With the rapid development of economy, air pollution has become an important environmental problem, attracting wide attention. As one of the main air pollutants, NO_2(nitrogen dioxide) becomes focus of the related research. It was found that the concentration of NO_2 varied with different regions by comparing monitoring data in different monitoring sites. Thus, simulation of its spatial distribution and analysis of the influential factors of the underlying surface have important value. The Land-use Regression(LUR) model is a method that combines, analyzes and display a multivariate regression model with spatial land-use data, monitoring data and other relevant geographic data on a map. In this study, the land use regression model is built by using a buffer analysis, overlay analysis, Spear-man correlation analysis and multiple regression analysis and it was used to identify the underlying surface factors related to the NO_2 concentration and simulate the spatial distribution of NO_2 concentration. The results show that the spatial distribution of NO_2 mass concentration can be modeled accurately by LUR model. Based on the influential factors of the underlying surface, the following conclusions can be drawn: The increase of urban residence area, rural residence area, industrial land area and the length of the road and the reduction of the distance from the pollution source will increase the NO_2 concentration. The increase of arable land area, green area and water area will decrease the NO_2 concentration. The map of simulation results shows that the highest NO_2 concentration is located in industrial districts and the NO_2 concentration is lower where it is far from the city center. Changing the industrial structure of industrial land and increasing the green land can help reduce the NO_2 concentration. |
|
来源
|
地球信息科学学报
,2017,19(1):10-19 【核心库】
|
|
DOI
|
10.3724/SP.J.1047.2017.00010
|
|
关键词
|
下垫面
;
道路交通
;
土地利用类型
;
二氧化氮
;
LUR模型
|
|
地址
|
1.
中国科学院测量与地球物理研究所, 武汉, 430077
2.
湖北省林业调查规划院, 武汉, 430079
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1560-8999 |
|
学科
|
环境污染及其防治;环境质量评价与环境监测 |
|
基金
|
国家自然科学基金面上项目
;
湖北省自然科学基金项目(面上)
|
|
文献收藏号
|
CSCD:5898880
|
参考文献 共
55
共3页
|
|
1.
李张伟. 潮州市工业区冬季大气中二氧化硫和二氧化氮的分布特征研究.
韩山师范学院学报,2011,32(6):60-64
|
CSCD被引
2
次
|
|
|
|
|
2.
闫静. 浅析成都市机动车保有量的增加对大气污染物中二氧化氮浓度的影响.
四川环境,2012,31(1):34-36
|
CSCD被引
3
次
|
|
|
|
|
3.
李会娟. 城市二氧化氮、悬浮颗粒物、二氧化硫健康危险度评价.
国外医学:医学地理分册,2007,28(3):133-135
|
CSCD被引
4
次
|
|
|
|
|
4.
张菊. 近20年北京市城近郊区环境空气质量变化及其影响因素分析.
环境科学学报,2006,1(11):1886-1892
|
CSCD被引
55
次
|
|
|
|
|
5.
高歌. 1961-2005年中国霾日气候特征及变化分析.
地理学报,2008,63(7):761-768
|
CSCD被引
98
次
|
|
|
|
|
6.
崔妍. 1961—2013年辽宁省不同等级霾现象时空分布特征及其气候成因.
环境科学学报,2015,35(6):1629-1637
|
CSCD被引
3
次
|
|
|
|
|
7.
刘端阳. 1980~2012年江苏省城市霾日的时空分布及成因分析.
环境科学,2014(9):3247-3255
|
CSCD被引
13
次
|
|
|
|
|
8.
付桂琴. 河北省霾日变化及成因.
气象与环境学报,2014,30(1):51-56
|
CSCD被引
7
次
|
|
|
|
|
9.
史军. 华东雾和霾日数的变化特征及成因分析.
地理学报,2010,65(5):533-542
|
CSCD被引
56
次
|
|
|
|
|
10.
杨志. 武昌区环境空气质量变化趋势及治理对策.
环境科学与管理,2010,35(3):34-37
|
CSCD被引
2
次
|
|
|
|
|
11.
于淑秋. 北京市区大气污染的时空特征.
应用气象学报,2002,13(z1):92-99
|
CSCD被引
45
次
|
|
|
|
|
12.
焦利民. 基于LUR的武汉市PM_(2.5)浓度空间分布模拟.
武汉大学学报·信息科学版,2015,40(8):1088-1094
|
CSCD被引
34
次
|
|
|
|
|
13.
中华人民共和国环境保护部.
环境空气质量标准(GB3095-2012),2012
|
CSCD被引
4
次
|
|
|
|
|
14.
Gulliver J. Comparative assessment of GIS-based methods and metrics for estimating long-term exposures to air pollution.
Atmospheric Environment,2011,45(39):7072-7080
|
CSCD被引
6
次
|
|
|
|
|
15.
Hoek G. A review of land-use regression models to assess spatial variation of outdoor air pollution.
Atmospheric Environment,2008,42(33):7561-7578
|
CSCD被引
53
次
|
|
|
|
|
16.
Briggs D J. Mapping urban air pollution using GIS: A regression-based approach.
International Journal of Geographical Information Science,1997,11(7):699-718
|
CSCD被引
40
次
|
|
|
|
|
17.
Ross Z. A land use regression for predicting fine particulate matter concentrations in the New York City region.
Atmospheric Environment,2007,41(11):2255-2269
|
CSCD被引
23
次
|
|
|
|
|
18.
Beelen R. Development of NO 2, and NO x, land use regression models for estimating air pollution exposure in 36 study areas in Europe-The ESCAPE project.
Atmospheric Environment,2013,72(2012):10-23
|
CSCD被引
18
次
|
|
|
|
|
19.
陈莉. 利用LUR模型模拟天津市大气污染物浓度的空间分布.
中国环境科学,2009,29(7):685-691
|
CSCD被引
34
次
|
|
|
|
|
20.
张文彤.
SPSS统计分析基础教程,2011
|
CSCD被引
13
次
|
|
|
|
|
了解气象卫星更多信息，请访问