基于地理探测器的广州市大气PM2.5浓度驱动因素分析

被引：20

作者：

周敏丹 ^{[1
,2
]}

匡耀求 ^{[1
,3
]}

云国梁 ^{[4
,2
]}

机构：

[1] 中国科学院广州地球化学研究所

[2] 中国科学院大学

[3] 暨南大学环境学院

[4] 中国科学院城市环境研究所

来源：

环境科学研究 | 2020年 / 33卷 / 02期

基金：

广东省科技计划;

关键词：

PM2.5; 影响因素; 地理探测器; 广州市;

D O I：

10.13198/j.issn.1001-6929.2019.10.01

中图分类号：

X513 [粒状污染物];

学科分类号：

摘要：

PM2.5变化的驱动因素是大气PM2.5研究的重要内容.为了揭示PM2.5污染的特点及其驱动影响因子,以广州市为例,采用地理探测器方法探测自然因素（包括平均降水量、平均温度、平均气压、平均相对湿度、平均风速、植被指数）与社会经济因素（包括人口密度、国内生产总值、工业总产值、人均公园绿地面积、公交车辆数、电力消费量）对2015年广州市ρ(PM2.5)变化的影响机制与差异.结果表明:①基于因子探测分析发现,对ρ(PM2.5)变化影响最大的前三位驱动因素分别为植被指数、公交车辆数与电力消费量,对应的因子影响程度指标值分别为0.51、0.46、0.40.②基于生态探测分析发现,植被指数与其他自然因素（如平均温度、平均降水量、平均气压等）对ρ(PM2.5)空间分布的影响均存在显著差异,与所有社会经济因素对ρ(PM2.5)空间分布的影响均不存在显著差异;除植被指数外,公交车辆数与其他自然因素及社会经济因素对ρ(PM2.5)空间分布的影响均存在显著差异.③基于交互探测分析发现,所有影响因素（包括自然因素与社会经济因素）对ρ(PM2.5)变化的交互作用均大于单一影响因素的独自作用,其中平均降水量与平均气压交互作用后对ρ(PM2.5)变化的影响最大.研究显示,自然因素（尤其是植被指数、平均降水量）及自然因素与人为活动（如交通出行、电力消费等）交互效应对广州市ρ(PM2.5)的变化起决定性作用.

引用

页码：271 / 279

页数：9

共 37 条

[11]

广东统计年鉴.[M].广东省统计局;国家统计局广东调查总队.中国统计出版社.2016,

[12]

环境空气质量标准.[S]...2012,

[13]

多元回归建模过程中共线性的诊断与解决方法.[D].黄文珂.哈尔滨工业大学.2012, 04

[14]

Spatial distribution of the public's risk perception for air pollution: A nationwide study in China.[J].Sisi Pu;Zhijuan Shao;Minrui Fang;Lei Yang;Riyang Liu;Jun Bi;Zongwei Ma.Science of the Total Environment.2018,

[15]

Estimation of PM 2.5 concentrations at a high spatiotemporal resolution using constrained mixed-effect bagging models with MAIAC aerosol optical depth.[J].Lianfa Li;Jiehao Zhang;Xia Meng;Ying Fang;Yong Ge;Jinfeng Wang;Chengyi Wang;Jun Wu;Haidong Kan.Remote Sensing of Environment.2018,

[16]

Quantifying the influence of natural and socioeconomic factors and their interactive impact on PM 2.5 pollution in China.[J].Dongyang Yang;Xiaomin Wang;Jianhua Xu;Chengdong Xu;Debin Lu;Chao Ye;Zujing Wang;Ling Bai.Environmental Pollution.2018,

[17]

Identifying the socioeconomic determinants of population exposure to particulate matter (PM 2.5 ) in China using geographically weighted regression modeling.[J].Jing Chen;Chunshan Zhou;Shaojian Wang;Jincan Hu.Environmental Pollution.2018,

[18]

Exploring the spatiotemporal pattern of PM 2.5 distribution and its determinants in Chinese cities based on a multilevel analysis approach.[J].Jianhua He;Su Ding;Dianfeng Liu.Science of the Total Environment.2019,

[19]

Spatio-temporal variations of PM2.5 emission in China from 2005 to 2014.[J].Qiang Jin;Xinyue Fang;Bo Wen;Aidang Shan.Chemosphere.2017,

[20]

The characteristics and drivers of fine particulate matter (PM2.5) distribution in China.[J].Shaojian Wang;Chunshan Zhou;Zhenbo Wang;Kuishuang Feng;Klaus Hubacek.Journal of Cleaner Production.2017,

← 1 2 3 4 →