长沙市大气环境中PM2.5浓度影响因子分析及预测模拟

作     者：王开心 

作者单位：湖南师范大学 

学位级别：硕士

导师姓名：万大娟

授予年度：2019年

学科分类：07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 

主      题：PM2.5浓度 时空分布 影响因子 土地利用回归模型 

摘      要：本研究以长沙市中心城区为研究区,选取2013年至2017年期间长沙市十个空气质量监测点发布的PM浓度监测数据对大气环境中PM浓度进行时空分布特征分析,并基于土地利用、道路交通、人口密度、地形、气象、扬尘、工业污染和餐饮源等自然人文因素,通过双变量相关性分析得出与PM浓度显著相关的影响因子,再运用逐步回归分析方法建立研究区4个季节的土地利用回归(Land Use Regression,LUR)模型,经检验后借助GIS空间分析平台,在时空尺度上对研究区2018年PM浓度进行预测模拟。主要研究结论如下:(1)由PM浓度时空分布特征分析可知,时间变化上,2013-2017年期间PM浓度年均值分别为81.83μg/m、74.85μg/m、60.16μg/m、53.52μg/m、52.13μg/m,呈明显的下降趋势;不同季节中表现出“冬高夏低,春降秋升的变化轨迹;不同时段中各季节PM浓度日均小时变化曲线均大致呈双峰双谷形态。空间变化上表现为靠近水域、植被面积大的区域PM浓度较低,而交通道路密集、人口集聚及靠近工业园区的区域PM浓度相对较高。(2)通过PM浓度与各影响因子进行双变量相关性分析,得到相关系数较大的影响因子,其中在道路交通因子中主干路密度、次干路密度与PM浓度呈现正相关性,其相关性较强的缓冲区范围集中在500-1000米左右;土地利用因子中植被、水体与PM浓度呈现负相关性,其相关性较强的缓冲区范围集中在500-1000米;气象因子中降水量与PM浓度的相关系数最大,呈现负相关性;社会经济因子中工业污染因子的相关系数最大,呈现正相关性。(3)研究区春、夏、秋、冬四季的LUR模型构建效果较理想,表现为各季节模型的调整后R值均在0.7以上,分别是0.914、0.721、0.928、0.779,且检验样本平均绝对误差率低于15%,模型的自变量可解释70%以上的PM浓度变化。(4)利用构建的LUR模型对研究区2018年PM浓度进行了时空尺度的预测模拟,结果表明时间尺度上,各季节的绝对误差率平均值分别为0.046、0.058、0.038、0.021,误差值多集中在0-15之间,预测值和实测值之间的拟合度较高;空间尺度上较仅依据10个空气质量监测点的监测数据插值结果更突出了研究区内PM浓度高值聚集现象,整体呈现由城区的中心区域向四周方向逐渐降低变化规律。