论文部分内容阅读
北京地区近年来面临着严重的空气污染问题,严重威胁到人类健康,引起人们的广泛关注。目前,在北京地区,关于可入肺颗粒物的研究存在一些缺点,如观测点少、时间短等。本研究通过统计2013年1月—2014年12月北京地区35个自动空气质量监测子站的PM2.5浓度数据的月平均值和季度平均值,结合空间位置信息,可以获得更典型的北京地区PM2.5时空分布特征。结果显示:(1)从PM2.5浓度时间变化特征来看,PM2.5浓度月均值呈波浪型分布,而季均值的分析结果显示冬季浓度水平最高,夏季最低,PM2.5浓度随季节有规律地变化。(2)从PM2.5浓度空间分布规律来看,东南部最为严重,西北部最轻,污染程度由南向北依次递减。(3)从PM2.5浓度的时空分布特征分析发现,空间分布的差异性因季节性浓度升高而更加明显,时间分布的差异性因区域性浓度升高而更加明显。利用2013年1月—2014年12月北京地区PM2.5和PM10监测数据和同期近地面气象观测数据,采用非参数相关分析(Spearman秩相关系数)法对北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应进行了研究。结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻。不同季节颗粒物浓度水平对气象因素的响应也各不相同,其中,对风速和日照时数的响应最为明显。细颗粒物和可吸入颗粒物质量浓度对气象因素变化的响应程度也有较大区别,PM2.5/PM10比值冬季最高,细颗粒物影响最大,春季最低,可吸入颗粒物影响最大。这些结论可对制订科学有效的大气污染控制策略提供指导。利用2005年、2013年两期TM影像,经目视解译、监督分类以及矢量化操作之后,得到2005年和2013年北京地区土地利用类型图,统计各土地利用类型面积。利用反演得出的北京地区PM2.5浓度空间分布图和2013年土地利用类型图进行格网化操作、统计各网格内PM2.5浓度值和各用地类型面积之后,进行PM2.5浓度与6种土地利用类型之间的非参数相关分析,结果表明:(1)2005年—2013年,北京地区城乡工矿居民用地面积大幅增加了1351.57平方公里,达到4013.14平方公里,其他几类土地利用类型面积均有所减少,其中耕地面积减少最多,城市发展迅速,城镇化进程脚步非常迅猛。(2)PM2.5浓度与耕地面积、林地面积和城乡工矿居民用地面积具有显著相关性,与草地面积、水域面积和未利用地面积无相关性。其中PM25浓度与耕地面积、城乡工矿居民用地面积呈显著正相关,表明PM2.5浓度随耕地面积、城乡工矿居民用地面积增加而增加,与林地面积呈显著负相关,表明PM2.s浓度随林地面积增加而减少,所以城市规划者应合理规划土地利用,控制耕地及城乡工矿居民用地规模,增加林地面积,以降低PM2.5浓度。利用2013年3月—2014年2月北京地区PM2.5浓度数据和对应时期的气溶胶光学厚度数据进行相关性分析,结果表明:(1)气溶胶光学厚度日均、月均变化范围均较大,且夏半年的气溶胶光学厚度值水平高于冬半年;且气溶胶光学厚度值随季节变化而变化,春季值最高,夏季和秋季稍微降低,冬季值水平则显著降低,这主要是受北京典型气候影响导致,春季多发扬尘、沙尘暴等极端天气过程,夏季多雨、秋季多雾,使AOD值偏高,而冬季地表反射率较高,所以导致AOD值偏低甚至缺失。(2)不同季节PM2.5浓度与气溶胶光学厚度AOD相关性分析均通过了显著性检验,证明二者具有显著相关性。PM2.s浓度与气溶胶光学厚度在春季具有良好的线性关系,R2达到0.549,得到二者的关系方程:y=20.03x+103.8。(3)根据2013年4月北京地区气溶胶光学厚度月均值空间分布图和PM2.s浓度与气溶胶光学厚度的关系方程可进行PM2.s浓度空间分布图的反演,反演后的PM2.s浓度空间分布呈“南高北低"状态,符合实际情况,说明反演效果好,可用于下文讨论与土地利用类型关系的准备数据。基于2013年1月—2014年12月2920景北京地区MODIS/NDVI时间序列数据,采用最大滤波算法LMF、植被覆盖度VC的计算等方法,对植被指数NDVI数据进行处理、计算。在此基础上,对PM2.5浓度月均值数据和植被覆盖度数据进行回归分析,并且比对2013、2014两年的北京及周边区域植被覆盖度图和统计北京地区植被覆盖变化的面积,旨在说明二者关系。结果显示:(1)得到了二者关系的回归方程,发现二者相关性极高。(2)植被面积增加对PM2.s浓度下降有着积极的影响。这些研究结论将为北京地区大气污染治理和环境保护提供重要的科学依据。