典型人类活动对关中平原城市群PM2.5浓度的影响

X513; 为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM2.5 浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群 PM2.5 浓度分布及驱动力有何变化尚缺乏关注.基于 2018～2020 年PM2.5 遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析 2020 年 2 月至 3 月实施流动限制性措施期间关中平原城市群PM2.5 浓度及驱动因子的时空演变特征.结果表明:①2020 年 2 月至 3 月 PM2.5 浓度显著下降,2020 年 2 月热点减少,3 月冷点减少.②相比历年同期,所有人为因素单因子在 2020 年...

Full description

Saved in:
Bibliographic Details
Published in地球科学与环境学报 Vol. 46; no. 2; pp. 180 - 195
Main Authors 李常巘佶, 高美玲, 李振洪
Format Journal Article
LanguageChinese
Published 长安大学 地质工程与测绘学院,陕西 西安 710054 01.03.2024
长安大学 地学与卫星大数据研究中心,陕西西安 710054
长安大学 地学与卫星大数据研究中心,陕西西安 710054%长安大学 地质工程与测绘学院,陕西 西安 710054
长安大学 自然资源部生态地质与灾害防控重点实验室,陕西 西安 710054
Subjects
空间自相关
Guanzhong Plain
geographic detector
spatial autocorrelation
地理探测器
multi-scale geographically weighted regression model
关中平原
驱动因子
spatio-temporal evolution
PM2.5浓度
driving factor
PM2.5 concentration
时空演变
多尺度地理加权回归模型
Online AccessGet full text
ISSN1672-6561
DOI10.19814/j.jese.2023.09031

Cover

More Information
Summary:X513; 为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM2.5 浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群 PM2.5 浓度分布及驱动力有何变化尚缺乏关注.基于 2018～2020 年PM2.5 遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析 2020 年 2 月至 3 月实施流动限制性措施期间关中平原城市群PM2.5 浓度及驱动因子的时空演变特征.结果表明:①2020 年 2 月至 3 月 PM2.5 浓度显著下降,2020 年 2 月热点减少,3 月冷点减少.②相比历年同期,所有人为因素单因子在 2020 年 2 月对关中平原城市群PM2.5 浓度的解释力最低,自然因素解释力较高.其中,工厂兴趣点分布(POI_D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为 20.3%和38.6%.所有人为因素双因子交互影响解释力在 2020 年 2 月最低.③所有人为因素在 2020 年 2 月对关中平原城市群PM2.5 浓度的作用尺度最小,当不同时期人为因素强度处于平均水平时,实施流动限制性措施期间的PM2.5 浓度更易降低,但东部地区的PM2.5 浓度防治强度还需增大.
ISSN:1672-6561
DOI:10.19814/j.jese.2023.09031