基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

摘要：

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归(LUR)模型,并模拟了北京市2019年PM2.5和PM10浓度的空间分布特征.选择土地覆盖数据、气象数据(风速、降水、温度)和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1～5 km共7个系列缓冲区,表征不同尺度下各变量对PM2.5和PM10浓度的影响.研究结果表明:①进入PM2.5回归模型中的变量有:年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM10回归模型中的变量有:年均风速和周围中等植被覆盖的面积.两个模型的调整R2分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM2.5和PM10在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.④植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.

关键词：土地利用回归(LUR)模型、空间分异、PM2.5、PM10

所属期刊栏目：40

分类号：X513(大气污染及其防治)

资助基金：国家重点研发计划No.2018YFC0706004

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4060-4069