胡晨霞,鄒 濱*,李沈鑫,段小麗,周 翔

?

城市微環(huán)境PM2.5濃度空間分異特征分析

胡晨霞1,鄒 濱1*,李沈鑫1,段小麗2,周 翔3

(1.中南大學(xué)地球科學(xué)與信息物理學(xué)院,湖南 長(zhǎng)沙 410083；2.北京科技大學(xué)能源與環(huán)境工程學(xué)院,北京 100083；3.湖南省國(guó)土資源信息中心,湖南 長(zhǎng)沙 410004)

以長(zhǎng)沙市主城區(qū)為例,在203個(gè)地面點(diǎn)通過(guò)加密觀測(cè)并獲取PM2.5濃度小時(shí)觀測(cè)值,輔以同步常規(guī)稀疏國(guó)控點(diǎn)PM2.5濃度觀測(cè)數(shù)據(jù),在點(diǎn)、面尺度對(duì)比分析加密、稀疏兩種觀測(cè)模式下城市微環(huán)境PM2.5濃度空間分布的特征差異.結(jié)果表明:地面加密觀測(cè)模式下PM2.5濃度高值區(qū)主要集中在道路、地表?yè)P(yáng)塵、住宅小區(qū)、醫(yī)院和工業(yè)園等人群、車(chē)輛活動(dòng)的微環(huán)境場(chǎng)景;低值區(qū)主要出現(xiàn)在公園景區(qū)等高植被覆蓋度區(qū)域.同一空間點(diǎn)位,地面加密觀測(cè)PM2.5濃度值均高于常規(guī)稀疏國(guó)控點(diǎn)PM2.5濃度觀測(cè)值,平均高出29.71μg/m3.反距離權(quán)重空間插值制圖揭示地面加密觀測(cè)模式下的PM2.5濃度呈現(xiàn)明顯的西北部高(>75μg/m3)、中部和南部居中(65~75μg/m3)、東部低(<55μg/m3)的三級(jí)階梯式異質(zhì)特征,剖面分析各向波動(dòng)較大.相比,稀疏國(guó)控觀測(cè)模式空間分布圖僅能反映主城區(qū)PM2.5濃度整體較低(<55μg/m3)、除北-南向之外各向剖面PM2.5濃度相對(duì)無(wú)明顯變化的格局.與此同時(shí),稀疏國(guó)控觀測(cè)模式在地面加密觀測(cè)點(diǎn)估算的PM2.5濃度同樣顯著低于實(shí)際觀測(cè)值,所揭示的研究區(qū)高值PM2.5濃度微環(huán)境為道路、地表?yè)P(yáng)塵、汽車(chē)站.研究結(jié)果證實(shí),出于環(huán)境保護(hù)目標(biāo)建立的空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)難以精確反映同點(diǎn)位近地面PM2.5濃度,所識(shí)別的城市高低PM2.5濃度值微環(huán)境與真實(shí)情景存在偏差,空氣質(zhì)量越優(yōu)等級(jí)下偏差越大.

PM2.5；土地利用；空間分異；空間插值；微環(huán)境

城市PM2.5污染不僅是政府關(guān)心的環(huán)境事件,更與社會(huì)公眾健康危害風(fēng)險(xiǎn)息息相關(guān)[1-3].全面精細(xì)了解城市PM2.5濃度空間分異特征對(duì)于政府與公眾全方位、多層次防控PM2.5暴露風(fēng)險(xiǎn)顯得至關(guān)重要.為獲取城市內(nèi)部PM2.5濃度空間分異特征,目前國(guó)內(nèi)外學(xué)者主要采用以國(guó)控監(jiān)測(cè)點(diǎn)PM2.5觀測(cè)數(shù)據(jù)為基礎(chǔ)的耦合土地利用與氣象因素的數(shù)學(xué)建模[4-9]、衛(wèi)星遙感氣溶膠光學(xué)厚度(AOD)估算[10-14]和空間插值[15-18]等方法.現(xiàn)有研究已初步明確PM2.5濃度與土地利用類(lèi)型之間存在正負(fù)向關(guān)聯(lián),即PM2.5濃度往往在以建設(shè)用地為主的污染排放密集區(qū)偏高,在植被、水域用地類(lèi)型區(qū)域偏低.

不可忽略的是,上述基于國(guó)控點(diǎn)監(jiān)測(cè)數(shù)據(jù)的研究報(bào)道均存在兩個(gè)方面的固有缺陷:一是國(guó)控點(diǎn)空氣質(zhì)量監(jiān)測(cè)取樣高度與人類(lèi)活動(dòng)所處的近地面層存在一定的高度差[19];二是國(guó)控點(diǎn)布設(shè)往往稀疏,且呈現(xiàn)一定的非均勻狀態(tài),多用于反映站點(diǎn)周邊一定距離內(nèi)PM2.5濃度宏觀背景值.因此在公眾空氣污染暴露風(fēng)險(xiǎn)評(píng)估與防控等實(shí)際應(yīng)用中,國(guó)控點(diǎn)PM2.5濃度觀測(cè)值常難以滿足區(qū)分城市內(nèi)部微環(huán)境近地面PM2.5濃度空間分布差異的需求.

相對(duì)而言,考慮排放源與擴(kuò)散特征布設(shè)的加密觀測(cè)點(diǎn)理論上可以更好捕捉城市內(nèi)部各微環(huán)境場(chǎng)景PM2.5濃度的時(shí)空高低熱點(diǎn)值.為此,國(guó)外研究人員正逐步嘗試依賴地面加密觀測(cè)數(shù)據(jù)精細(xì)分析城市內(nèi)部PM2.5濃度的空間分異特征,探討大氣污染精準(zhǔn)防控措施和研發(fā)人群暴露風(fēng)險(xiǎn)規(guī)避服務(wù)[20-21].國(guó)內(nèi)北京、河北邢臺(tái)與保定等城市也在相繼啟動(dòng)地面加密觀測(cè)試點(diǎn),但截止目前,關(guān)于地面加密觀測(cè)與常規(guī)稀疏國(guó)控觀測(cè)兩種模式所揭示的城市PM2.5濃度空間分異特征是否存在實(shí)質(zhì)性差異尚未見(jiàn)相關(guān)報(bào)道,無(wú)法為此類(lèi)加密觀測(cè)模式的推廣與布點(diǎn)原則的擬定提供充分的科學(xué)依據(jù).

本文選取地勢(shì)東西高、中北低,空氣污染擴(kuò)散條件不利,PM2.5濃度因地面交通與地表?yè)P(yáng)塵呈現(xiàn)明顯空間異質(zhì)性的湖南長(zhǎng)沙主城區(qū)為對(duì)象,參照環(huán)境監(jiān)測(cè)布點(diǎn)技術(shù)規(guī)范加密布設(shè)203個(gè)近地面PM2.5濃度監(jiān)測(cè)點(diǎn),在點(diǎn)、面尺度分別通過(guò)描述性統(tǒng)計(jì)分析和反距離權(quán)重(IDW)空間插值方法對(duì)比評(píng)價(jià)加密、稀疏觀測(cè)兩種模式下城市內(nèi)部PM2.5濃度空間分布特征的異同,實(shí)證在城市內(nèi)部微環(huán)境開(kāi)展PM2.5濃度加密觀測(cè)的必要性和意義,為開(kāi)展空氣質(zhì)量時(shí)空精細(xì)監(jiān)測(cè)、科學(xué)制定人群空氣污染暴露風(fēng)險(xiǎn)防控措施提供科學(xué)依據(jù).

1 PM2.5濃度地面加密觀測(cè)

圖1 研究區(qū)PM2.5監(jiān)測(cè)站點(diǎn)空間分布

依據(jù)PM2.5污染排放與擴(kuò)散先驗(yàn)知識(shí),首先獲取研究區(qū)內(nèi)工業(yè)園、揚(yáng)塵地表、車(chē)站、公園景區(qū)、醫(yī)院、住宅小區(qū)、學(xué)校和商業(yè)中心共8類(lèi)興趣點(diǎn)數(shù)據(jù)80632條.然后以環(huán)境質(zhì)量監(jiān)測(cè)布點(diǎn)原則為基礎(chǔ)[19],參照?qǐng)D1所示的站點(diǎn)布設(shè)原則篩選并確認(rèn)布設(shè)地面加密觀測(cè)站點(diǎn)203個(gè).在布點(diǎn)過(guò)程中,在2000m′2000m格網(wǎng)大小下盡可能保證監(jiān)測(cè)點(diǎn)分布均勻;同時(shí)確定每個(gè)格網(wǎng)至多包含一個(gè)監(jiān)測(cè)點(diǎn)且同類(lèi)型站點(diǎn)不重復(fù).

國(guó)控點(diǎn)PM2.5濃度監(jiān)測(cè)采用β射線法,地面加密監(jiān)測(cè)過(guò)程采用激光測(cè)量原理的諾方SDL307便攜式PM2.5監(jiān)測(cè)儀,加密監(jiān)測(cè)預(yù)備實(shí)驗(yàn)及監(jiān)測(cè)實(shí)施中對(duì)儀器測(cè)量值通過(guò)與同期國(guó)控點(diǎn)觀測(cè)值比較進(jìn)行校準(zhǔn),保留偏差在10%之內(nèi)且一致性較好的數(shù)據(jù).數(shù)據(jù)采集時(shí)間為2015年12月24日8:00~14:00,該時(shí)段平均風(fēng)速為24.28km/h、平均氣溫為15.78℃、平均氣壓為101.2kPa、平均相對(duì)濕度為94.49%.整個(gè)采樣過(guò)程通過(guò)征集84名志愿者手持儀器距地2m左右的高度進(jìn)行采集.儀器采集的數(shù)據(jù)及地理坐標(biāo)通過(guò)智能手機(jī)APP同步上傳至后臺(tái)服務(wù)器存儲(chǔ).儀器讀數(shù)時(shí)每次等待穩(wěn)定時(shí)間為5min,每個(gè)監(jiān)測(cè)點(diǎn)每小時(shí)內(nèi)間隔30min重復(fù)觀測(cè)2次,整個(gè)采樣過(guò)程共獲取2209條數(shù)據(jù)上傳記錄.經(jīng)地理坐標(biāo)校正剔除未在預(yù)設(shè)采樣觀測(cè)點(diǎn)的數(shù)據(jù)及明顯異常數(shù)據(jù)、并完成正常觀測(cè)數(shù)據(jù)小時(shí)均值化處理后,共生成1206條有效時(shí)均濃度記錄作為后續(xù)加密觀測(cè)模式下的污染時(shí)空分析.研究區(qū)內(nèi)10個(gè)空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)PM2.5濃度同步觀測(cè)值從中國(guó)環(huán)境監(jiān)測(cè)總站全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)(http://www.cnemc.cn/)收集,用于后續(xù)與地面加密觀測(cè)數(shù)據(jù)的對(duì)比分析.

2 IDW空間插值制圖

空間分布連續(xù)曲面繪制是面尺度識(shí)別城市內(nèi)部微環(huán)境PM2.5濃度空間差異的基礎(chǔ).制圖過(guò)程中,針對(duì)隨機(jī)選取的90%地面加密觀測(cè)PM2.5濃度數(shù)據(jù)建模樣本,分別采用普通克里金(OK)、IDW和Spline樣條函數(shù)方法開(kāi)展空間插值;選用擬合優(yōu)度(2)和均方根誤差(RMSE)指標(biāo)依托剩余10%檢驗(yàn)樣本評(píng)價(jià)各插值方法的可靠性.其中,2指示插值估算濃度與實(shí)際觀測(cè)濃度變化方向的一致性程度,值越接近1表示插值效果越好;RMSE表征插值估算濃度偏離實(shí)際觀測(cè)濃度的程度,RMSE值越小表示插值精度越高.2、RMSE計(jì)算公式如下:

表1中的插值結(jié)果表明,2的結(jié)果為: IDW> OK>Spline,RMSE的結(jié)果為:IDW

表1 IDW/OK/Spline PM2.5濃度空間插值精度對(duì)比

3 PM2.5濃度點(diǎn)觀測(cè)值分類(lèi)統(tǒng)計(jì)分析

圖2是加密監(jiān)測(cè)模式下203個(gè)PM2.5濃度觀測(cè)值描述性統(tǒng)計(jì)分析結(jié)果.結(jié)果表明,不同類(lèi)型監(jiān)測(cè)點(diǎn)間的PM2.5濃度有較大差異,道路、工業(yè)園、公園景點(diǎn)、汽車(chē)站、學(xué)校和住宅小區(qū)的PM2.5監(jiān)測(cè)濃度波動(dòng)范圍較大(48~107μg/m3),但均顯著高于國(guó)控點(diǎn)觀測(cè)平均值(39.2μg/m3).其中,道路、地表?yè)P(yáng)塵和住宅小區(qū)3類(lèi)監(jiān)測(cè)點(diǎn)PM2.5濃度最高,各中位數(shù)分別為79,87,79μg/m3.究其原因,道路監(jiān)測(cè)點(diǎn)的PM2.5濃度與行駛車(chē)輛排放尾氣有關(guān),這一結(jié)果與交通排放對(duì)PM2.5濃度影響的相關(guān)報(bào)道一致[22-23];揚(yáng)塵地表區(qū)監(jiān)測(cè)點(diǎn)PM2.5濃度高值可能與地表?yè)P(yáng)塵有一定關(guān)聯(lián)[24];住宅小區(qū)類(lèi)監(jiān)測(cè)點(diǎn)PM2.5濃度的升高則主要與密度較大人群的車(chē)輛行駛和相對(duì)封閉的小區(qū)污染擴(kuò)散條件不利有關(guān).相對(duì)而言,受益于植被對(duì)PM2.5的吸附凈化作用與相對(duì)開(kāi)闊有利的污染擴(kuò)散條件,公共廣場(chǎng)、公園景點(diǎn)、商業(yè)中心、學(xué)校和醫(yī)院的PM2.5濃度中位數(shù)均低于平均濃度74.3μg/m3,分別為59,71,70, 66和70μg/m3.

圖2 PM2.5濃度站點(diǎn)分類(lèi)統(tǒng)計(jì)箱型圖

如圖3所示,基于國(guó)控點(diǎn)位稀疏和地面加密模式下PM2.5濃度觀測(cè)值的詳細(xì)對(duì)比分析結(jié)果表明,地面加密觀測(cè)模式下的PM2.5濃度值范圍為56.7~85.3μg/m3,明顯高于稀疏國(guó)控觀測(cè)模式下的27.6~54.6μg/m3.這一結(jié)果證實(shí)在同一點(diǎn)位,距地面一定高度位置處的國(guó)控點(diǎn)PM2.5濃度與相應(yīng)近地面PM2.5濃度存在差異.其中地處岳麓山景區(qū)附近的2號(hào)點(diǎn)位差異最大(達(dá)48μg/m3),兩者間的差異一定程度上取決于國(guó)控點(diǎn)宏觀環(huán)境背景與地面復(fù)雜環(huán)境間的明顯區(qū)別.

圖3 國(guó)控點(diǎn)位稀疏與加密觀測(cè)模式PM2.5濃度比較

4 PM2.5濃度連續(xù)曲面空間異質(zhì)性對(duì)比分析

4.1 PM2.5濃度空間分布格局差異分析

地面加密及稀疏國(guó)控觀測(cè)模式下的PM2.5濃度空間分布如圖4所示.受當(dāng)日西北風(fēng)向影響,加之呈西南-東北走向岳麓山脈的阻擋,研究區(qū)PM2.5濃度分布在加密與稀疏觀測(cè)下整體均呈現(xiàn)西北高東南低的趨勢(shì),與此同時(shí)還呈現(xiàn)出市內(nèi)PM2.5濃度空間異質(zhì)性強(qiáng)于郊區(qū)的特征.4(a)表明,地面加密觀測(cè)模式下研究區(qū)PM2.5濃度分布呈現(xiàn)明顯的西北高(>75μg/m3)、中部和南部居中(65~75μg/m3)、東部低(<55μg/m3)的三級(jí)階梯式異質(zhì)特征.具體而言,受工業(yè)園污染排放、城市建設(shè)與汽車(chē)尾氣等因素影響,PM2.5濃度高值區(qū)主要集中在汽車(chē)站、工業(yè)園、地表?yè)P(yáng)塵、交通道路監(jiān)測(cè)點(diǎn)聚集處.低值區(qū)主要集中在植被覆蓋面積較大的公園景點(diǎn)區(qū),這與植被面積增加可對(duì)PM2.5質(zhì)量濃度下降產(chǎn)生積極影響的報(bào)道一致[25].但是,因周邊地表?yè)P(yáng)塵點(diǎn)、學(xué)校、汽車(chē)站等的聚集且地勢(shì)低洼,開(kāi)福區(qū)西中部城區(qū)公園景點(diǎn)PM2.5濃度異常偏高,一定程度上與機(jī)動(dòng)車(chē)尾氣排放是城市內(nèi)部各街區(qū)重要空氣污染來(lái)源的相關(guān)研究結(jié)論一致[26].相對(duì)而言,圖4(b)稀疏國(guó)控觀測(cè)模式下PM2.5濃度值無(wú)明顯變化,且空間分布格局單一,無(wú)法揭示城市內(nèi)部各微環(huán)境間PM2.5濃度空間差異.

圖4 稀疏與加密觀測(cè)模式PM2.5濃度空間分布

圖5 稀疏與加密觀測(cè)模式PM2.5濃度剖面變化對(duì)比分析

圖5是在圖4基礎(chǔ)上繪制北-南、西北-東南、西-東、西南-東北4方向PM2.5濃度各向異性剖面線(如圖5所示).得出,各方向地面加密觀測(cè)模式PM2.5濃度估計(jì)值顯著高于稀疏國(guó)控觀測(cè)模式下的對(duì)應(yīng)值,稀疏國(guó)控觀測(cè)模式的平緩變化,地面加密觀測(cè)模式PM2.5濃度整體波動(dòng)較大.具體而言,此種差異在西北-東南向最為突出.地面加密觀測(cè)模式下西北-東南向PM2.5濃度值波動(dòng)范圍在59~106μg/m3之間,自西北至東南呈明顯下降趨勢(shì),中間有特征波峰、波谷;但同步稀疏國(guó)控觀測(cè)模式下的PM2.5濃度值除有微弱波峰、波谷外整體呈現(xiàn)平穩(wěn)無(wú)變化趨勢(shì).

4.2 稀疏國(guó)控觀測(cè)模式下地面加密點(diǎn)PM2.5濃度估算誤差分析

圖6為加密監(jiān)測(cè)點(diǎn)位基于稀疏國(guó)控觀測(cè)模式空間插值制圖估算的PM2.5濃度值和同步真實(shí)觀測(cè)值回歸擬合結(jié)果.散點(diǎn)回歸擬合常數(shù)項(xiàng)35.27表明,依賴傳統(tǒng)稀疏國(guó)控觀測(cè)模式估算的PM2.5濃度與地面加密觀測(cè)實(shí)測(cè)值之間存在一個(gè)常數(shù)差.前者估算的PM2.5濃度值(變化范圍為29~54.5μg/m3,屬于我國(guó)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)界定的優(yōu)~良等級(jí));相比后者PM2.5濃度實(shí)測(cè)值(變化范圍為43.2~107.4μg/m3,屬良~中度污染等級(jí))整體明顯偏低.分析回歸擬合線周邊散點(diǎn)偏移程度進(jìn)一步可知,此種偏差在稀疏國(guó)控觀測(cè)模式監(jiān)測(cè)數(shù)據(jù)判定的空氣質(zhì)量越優(yōu)等級(jí)下明顯.

依據(jù)監(jiān)測(cè)點(diǎn)類(lèi)型分別統(tǒng)計(jì)稀疏國(guó)控觀測(cè)制圖模式下PM2.5濃度估計(jì)值和地面加密觀測(cè)PM2.5濃度實(shí)測(cè)值最大值、最小值、平均值和方差4個(gè)指標(biāo)間的差異(表2)可知,前者四指標(biāo)值均遠(yuǎn)小于后者對(duì)應(yīng)指標(biāo)值.其中,加密觀測(cè)PM2.5濃度實(shí)測(cè)平均值較高的監(jiān)測(cè)點(diǎn)類(lèi)型是道路、地表?yè)P(yáng)塵點(diǎn)和住宅小區(qū),而稀疏觀測(cè)估算的PM2.5濃度較高平均值出現(xiàn)在道路、地表?yè)P(yáng)塵和汽車(chē)站.同時(shí),加密觀測(cè)PM2.5濃度實(shí)測(cè)值的方差較稀疏國(guó)控觀測(cè)制圖模式下的方差偏大,表明加密觀測(cè)能夠揭示各微環(huán)境下同類(lèi)監(jiān)測(cè)站點(diǎn)PM2.5濃度存在一定差異,但相對(duì)稀疏觀測(cè)制圖模式難以實(shí)現(xiàn).

圖6 地面加密觀測(cè)點(diǎn)PM2.5濃度實(shí)測(cè)值與稀疏觀測(cè)空間插值結(jié)果間的比較

表2 PM2.5濃度地面加密觀測(cè)實(shí)測(cè)值與稀疏觀測(cè)估計(jì)值分站點(diǎn)統(tǒng)計(jì)比較(μg/m3)

5 結(jié)論

5.1 因空氣質(zhì)量國(guó)控監(jiān)測(cè)站點(diǎn)宏觀環(huán)境背景與近地面復(fù)雜環(huán)境間的差異,同一空間點(diǎn)位地面加密觀測(cè)PM2.5濃度值均明顯高于常規(guī)稀疏國(guó)控點(diǎn)PM2.5濃度觀測(cè)值,平均高出29.71μg/m3;

5.2 稀疏國(guó)控觀測(cè)模式空間制圖PM2.5濃度估計(jì)值相對(duì)地面加密觀測(cè)實(shí)測(cè)值整體明顯偏低,空氣質(zhì)量越優(yōu)等級(jí)下偏差越大;

5.3 相比稀疏國(guó)控觀測(cè)模式空間制圖缺陷,加密觀測(cè)模式制圖可有效識(shí)別城市微環(huán)境PM2.5濃度,揭示城市內(nèi)部PM2.5濃度空間分異特征.

[1] Kan H, Chen R, Tong S. Ambient air pollution, climate change, and population health in China. [J]. Environment International, 2012,42(1):10-19.

[2] 孫兆彬,陶 燕,崔甍甍,等.北京地區(qū)奧運(yùn)會(huì)期間PM2.5對(duì)心腦血管疾病的影響[J]. 中國(guó)環(huán)境科學(xué), 2015,35(11):3481-3488.

[3] 張 瑩,王式功,賈旭偉,等.氣溫與PM2.5協(xié)同作用對(duì)疾病急診就診人數(shù)的影響 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(8):3175-3182.

[4] 鄒 濱,許 珊,張 靜.土地利用視角空氣污染空間分異的地理分析 [J]. 武漢大學(xué)學(xué)報(bào)×信息科學(xué)版, 2017,42(2):216-222.

[5] 焦利民,許 剛,趙素麗,等.基于LUR的武漢市PM2.5濃度空間分布模擬[J]. 武漢大學(xué)學(xué)報(bào)信息科學(xué)版, 2015,40(8):1088- 1094.

[6] Hoek G, Beelen R, De Hoogh K,et al. A review of land~use regression models to assess spatial variation of outdoor air pollution [J]. Atmospheric environment, 2008,42(33):7561-7578.

[7] Johnson M, Isakov V, Touma J S, et al. Evaluation of land-use regression models used to predict air quality concentrations in an urban area [J]. Atmospheric Environment, 2010,44(30):3660- 3668.

[8] Lee J H, Wu C F, Hoek G, et al. LUR models for particulate matters in the Taipei metropolis with high densities of roads and strong activities of industry, commerce and construction [J]. Science of the Total Environment, 2015,514:178-184.

[9] 江曲圖,何俊昱,王占山,等.基于LUR/BME的海岸帶地區(qū)PM2.5時(shí)空特性研究[J]. 中國(guó)環(huán)境科學(xué), 2017,37(2):424-431.

[10] 于文金,于步云,謝 濤,等.基于MODIS氣溶膠光學(xué)厚度與氣象要素的蘇錫常地區(qū)PM2.5地面濃度分布研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2016,36(10):3535-3542.

[11] Fang X, Zou B, Liu X, et al. Satellite-based ground PM2.5estimation using timely structure adaptive modeling [J]. Remote Sensing of Environment, 2016,186:152-163.

[12] Zou B, Pu Q, Bilal M,et al. High-resolution satellite mapping of fine particulates based on geographically weighted regression [J]. IEEE Geoscience and Remote Sensing Letters, 2016,13(4):495- 499.

[13] 薛文博,武衛(wèi)玲,許艷玲,等.基于WRF模型與氣溶膠光學(xué)厚度的PM2.5近地面濃度衛(wèi)星反演[J]. 環(huán)境科學(xué)研究, 2016,29(12): 1751-1758.

[14] Ma Z, Hu X, Huang L,et al. Estimating ground-level PM2.5in China using satellite remote sensing [J]. Environmental Science & Technology, 2014,48(13):7436-7444.

[15] Gulliver J, de Hoogh K, Fecht D, et al. Comparative assessment of GIS~based methods and metrics for estimating long~term exposures to air pollution [J]. Atmospheric Environment, 2011, 45(39):7072-7080.

[16] 王振波,方創(chuàng)琳,許 光,等.2014年中國(guó)城市PM2.5濃度的時(shí)空變化規(guī)律 [J]. 地理學(xué)報(bào), 2015,70(11):1720-1734.

[17] 趙晨曦,王云琦,王玉杰,等.北京地區(qū)冬春PM2.5和PM10污染水平時(shí)空分布及其與氣象條件的關(guān)系[J]. 環(huán)境科學(xué), 2014,35(2): 418-427.

[18] 李名升,任曉霞,于 洋,等.中國(guó)大陸城市PM2.5污染時(shí)空分布規(guī)律[J]. 中國(guó)環(huán)境科學(xué), 2016,36(3):641-650.

[19] HJ664-2013環(huán)境空氣質(zhì)量監(jiān)測(cè)點(diǎn)位布設(shè)技術(shù)規(guī)范(試行) [S].

[20] Wallace J, Corr D, Deluca P, et al. Mobile monitoring of air pollution in cities: the case of Hamilton, Ontario, Canada [J]. Journal of Environmental Monitoring, 2009,11(5):998-1003.

[21] Van den Bossche J, Peters J, Verwaeren J, et al. Mobile monitoring for mapping spatial variation in urban air quality: development and validation of a methodology based on an extensive dataset [J]. Atmospheric Environment, 2015,105:148- 161.

[22] 張?jiān)苽?王晴茹,陳 嘉,等.城市街谷內(nèi)PM2.5濃度時(shí)空變化及影響因素分析[J]. 中國(guó)環(huán)境科學(xué), 2016,36(10):2944-2949.

[23] 王占永,蔡 銘,彭仲仁,等.基于移動(dòng)觀測(cè)的路邊PM2.5和CO濃度的時(shí)空分布[J]. 中國(guó)環(huán)境科學(xué), 2017,37(12):4428-4434.

[24] 王 琴,張大偉,劉保獻(xiàn),等.基于PMF模型的北京市PM2.5來(lái)源的時(shí)空分布特征[J]. 中國(guó)環(huán)境科學(xué), 2015,35(10):2917-2924.

[25] 王嫣然,張學(xué)霞,趙靜瑤,姜群鷗.2013~2014年北京地區(qū)PM2.5時(shí)空分布規(guī)律及其與植被覆蓋度關(guān)系的研究[J]. 生態(tài)環(huán)境學(xué)報(bào), 2016,25(1):103-111.

[26] Wang Y, Zhuang G, Tang A,et al. The ion chemistry and the source of PM2.5aerosol in Beijing [J]. Atmospheric Environment, 2005,39(21):3771-3784.

Spatial heterogeneity analysis of PM2.5concentrations in intra-urban microenvironments.

HU Chen-xia1, ZOU Bin1*, LI Shen-xin1,DUAN Xiao-li2, ZHOU Xiang3

(1.School of Geosciences and Info-physics, Central South University, Changsha 410083, China；2.School of Energy and Environmental Engineering, University of Science and Technology Beijing, Beijing 100083, China；3.Hunan Land Resources Information Center,Changsha 410004, China)., 2018,38(3)：910~916

Combing the observed hourly PM2.5concentrations from 10 regular sites of national air quality monitoring network (sparse observation mode) and 203 ground portable air quality monitors (dense observation mode), we analyzed the micro-environmental distribution characteristic of PM2.5concentrations from point and area perspectives in the downtown area of Changsha city. Results showed that, under dense observation mode, relatively high PM2.5concentrations appeared in areas with intensive human and vehicles activities, such as road intersections, construction sites, residential districts, hospitals and industrial zones, while relatively low concentrations mainly happened in scenic regions with large vegetation coverage. More rarely differences of PM2.5concentrations at same location did exist under dense and sparse observation modes. Meanwhile, inverse distance weighting based spatial interpolated map of PM2.5concentrations from dense observation mode revealed that obviously heterogeneous characteristics of PM2.5variations were marked with the highest values (>75μg/m3) in northwest part, moderate values (65~75μg/m3) in the central south part, and the lowest ones (<55μg/m3) in the east part of the study area. These characteristics were furtherly demonstrated by the significant spatial anisotropy from directional profile analysis. Inversely, the interpolated PM2.5distribution map under sparse observation mode cannot reflect this inherent heterogeneity, with overall PM2.5concentration lower than 55μg/m3. The PM2.5concentrations at dense observation sites extracted from the sparsely interpolated distribution map were clearly lower than the real values, while the higher PM2.5concentrations only appeared in the road intersections, construction sites and bus stations. Results suggest that the PM2.5concentrations from the nationally regular sites established for protecting environmental was difficult to reflect the ground real PM2.5values at the same locations. The microenvironments in intra-urban area with higher PM2.5concentrations identified under sparse and dense observation modes are different. The greater concentration deviations of these microenvironments generally occurred with relatively good air quality.

PM2.5；land use；spatial heterogeneity；spatial interpolation；microenvironment

X513

A

1000-6923(2018)03-0910-07

胡晨霞(1994-),女,寧夏固原人,碩士研究生,主要研究方向?yàn)榇髿猸h(huán)境GIS.

2017-08-22

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFC0206205);國(guó)家自然科學(xué)基金資助項(xiàng)目(41201384);湖南省高校實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(15K132);地理國(guó)情監(jiān)測(cè)(201603)

* 責(zé)任作者, 教授, 210010@csu.edu.cn