中国PM2.5时空分布特征与污染风险评估

《中国PM2.5时空分布特征与污染风险评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：X513密级：公开国际图书分类号：504西南交通大学研究生学位论文中国PM2.5时空分布特征与污染风险评估年级2015级姓名刘孟琴申请学位级别工学硕士专业测绘科学与技术指导老师汤家法副教授二О一八年五月ClassifiedIndex:X513U.D.C:504SouthwestJiaotongUniversityMasterDegreeThesisSPATIAL-TEMPORALCHARACTERISTICSOFPM2.5ANDPOLLUTIONRISKASSESSMENTINCHINAGrade:

2、2015Candidate:LiuMengqinAcademicDegreeAppliedfor:MasterSpeciality:SurveyingandMappingSupervisor:AssociateProfessorTangJiafaMay,2018西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、

3、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密□，在年解密后适用本授权书；2．不保密，使用本授权书。（请在以上方框内打“√”）学位论文作者签名：指导老师签名：日期：日期：西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：（1）本文分析了中国2015~2017年中国近3年PM2.5的时空分布特征，包括3年间PM2.5时空时序变化特征以及以2015年为典型年份分析了年内的季均浓度、月均浓度、日均浓度的时空变化以及空间集聚特点。（2）采用地理探测器模型，基于地形地貌

4、、气候因素、土地利用类型等自然因素以及GDP、人口、城市化等社会经济因素，探测了这些因子对PM2.5年均浓度的影响力。（3）运用空间决策支持方法，选择对PM2.5影响力较大的因子，采用OWA算子与WLC算子评估了不同影响因素下PM2.5污染的风险，并在此基础上讨论了影响PM2.5浓度的因素。（4）根据PM2.5污染的严重程度，划分治理等级，并针对不同的城市群的污染现状，提出相应的建议。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体

5、已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：西南交通大学硕士研究生学位论文第I页摘要PM2.5对空气产生污染，且中国的许多城市以PM2.5为首要污染物，其存在影响人们的身心健康以及生产生活，近年来逐渐成为社会关注的热点。作为大气环境的主要污染物之一，针对中国PM2.5污染的严重性、空间分布的差异性以及影响因素的复杂性，本研究以揭示中国PM2.5时空分布特征及其影响因素为研究目标，将地理信息技术、地理科学与空

6、间统计方法相结合，采用定量与定性相结合的方法，通过数据—空间统计分析方法—地理探测器—空间决策支持的研究思路对PM2.5污染进行风险预测评估，分析得到PM2.5污染形成的影响因素。在本研究中，以2015~2017年中国348个城市PM2.5浓度为基础，首先从时序时空分布特征方面，宏观上分析中国近3年的PM2.5浓度变化趋势，并以2015年为典型年份，利用全局空间自相关与局部空间自相关方法，从微观上分析其年、季节、月三个时间尺度的时空变化规律，探究其空间分布模式以及空间集聚特征；其次，采用地理探测器，对引起PM2.5

7、污染的影响因子进行探测；最后采用空间决策支持，运用WLC与OWA方法对PM2.5污染的风险进行评估，通过比较分析，得到引起PM2.5污染的主要因素并提出相应的治理建议。研究成果对认识中国PM2.5的时空分布规律以及治理PM2.5污染具有一定的理论意义，有助于治理PM2.5科学决策，预测其发生发展，同时对治理其他大气污染具有借鉴意义。本研究对中国PM2.5时空特征进行分析并进一步对PM2.5污染的风险评估，所得主要研究结论如下：（1）2015~2017年，2015年为PM2.5污染最严重的年份。（2）时间上，夏季PM

8、2.5浓度较低，冬季较高；空间上，胡焕庸线、长江分别作为东西方向和南北方向的分界线，胡焕庸线以东的地区PM2.5浓度较高，以西的地区PM2.5浓度较低，长江以北的地区PM2.5浓度高于长江以南的地区。空间变化上以华北平原地区为中心，由该地区向南、向东北地区推移，呈现南退北进，北退南移的变化趋势。（3）PM2.5浓度具有空间自相关性，空间集聚特征明显。其中高值