文 献 综 述

1.研究的背景及意义

改革开放以来，由于我国的经济计划，我国加快了城市化，工业化的进程，使得我国的经济飞速发展，如今我国的GDP已经跃居世界第二，我国成为了全球最大的制造国。城市的快速发展，不断加剧的人为活动给环境和城市发展带来诸多问题，列如，资源的过度开发即利用造成了严重的环境问题，尤其是近年来凸显的城市大气污染问题。最近几年华北地区爆发大范围的雾霾天气，大范围和高强度的大气污染对中国个城市的生态环境和人群健康带来了强烈的负面影响。因此，城市大气污染问题该如何解决不可逃避的成为人们关注的焦点。造成这种雾霾天气的主要原因是空气中的PM_2.5、SO₂和NO₂的浓度超标，最近几年，中国政府一直致力于改善中国的环境问题。

然而，当今SO₂和NO₂的浓度时空分布特征的研究只是一些城市和个别省份，并没有形成区域性的研究，尤其是京津冀地区乃至华北地区的SO₂和NO₂的浓度时空分布特征急需解决，本研究就是解决华北地区SO₂和NO₂的浓度时空分布特征，这对于解决华北地区的空气污染问题具有重要的作用，并且给出理论依据。

2.研究进展

目前，对于大气污染物浓度时空分布的特征研究主要有两个方面：大气污染物浓度随着时间变化特征的研究和大气污染物浓度随着空间分布特征的研究。其中，有关空间分布特征的分析方法有：空间统计分析、空间回归模型、重心迁移技术、空间自相关分析、EOF和GWR法，空间分离指数模型等。有关时间变化特征的分析方法有：时间变化图表特征分析、时间变化相关性分析等。现研究阶段主要的成果有：基于空间自相关分析和空间计量模型的空间效益研究，构建空间分离指数模型和重心模型的污染物空间分离研究，基于GIS模型和地统计学的空间分布特征研究，基与时间变化与污染物浓度变化关系的研究，基于地统计学的污染物质量浓度时空异变性研究等。

2.1空间分布特征研究方法

2.1.1空间自相关分析

空间自相关分析可以确定某变量是否在空间上相关，其相关程度如何。空间自相关系数常用来描述事物在空间上的依赖关系。具体地说，空间自相关系数是用来度量物理或生态学变量在空间上的分布特征及其对领域的影响程度。如果某一变量的值随着测定距离的缩小而变得更相似，这一变量呈空间正相关；若所测值随距离的缩小而更为不同，则称之为空间负相关；若所测值不表现出任何空间依赖关系，那么，这一变量表现出空间不相关性或空间随机性。空间自相关的一些指标可分为全局指标和局部指标。

全局空间自相关根据要素位置和要素值来度量空间自相关，用于验证整个研究区域某一要素的空间模式。在给定一组要素及相关属性的情况下，空间自相关评估表达的模式是聚集模式、离散模式还是随机模式，并通过计算Moran#8217;s I指数值来表示聚集度。其中I值的取值范围为-1≤I≤1，当I接近于1时，表示某一要素与时空呈现正相关，当I接近于-1时，表示某一要素与时空呈现负相关，当I=0时，表示某一要素与时空没有关系。