京津冀大气污染传输通道城市PM2.5时空特征和影响因素研究开题报告
2022-01-14 20:46:20
全文总字数:5709字
1. 研究目的与意义及国内外研究现状
近年来,随着中国经济的发展,工业化进程的加快,环境污染问题日益严重。特别是中国仍保持着以煤炭为主的能源结构,以及以重工业优先发展的特点,由此引发的大气污染现象比比皆是,大气环境质量逐渐恶化。自2013年中国遭受最严重的雾霾污染事件开始, 雾霾成为年度热搜词,同时它也在中国高频率大范围的出现。京津冀作为雾霾天气发生的频繁区与典型区,雾霾污染防治问题一直是政府和环保部门的首要攻克对象。2014年京津冀建立了重污染天气应急管理预案和联动相应机制,三省政府纷纷于14、15、16年出台并实施了对应的大气污染防治条例。环保部在制定的《京津冀及周边地区2017年大气污染防治工作方案》中提到了京津冀及周边地区大气污染传送通道,引入了“2 26”城市的概念。并出台了《京津冀及周边地区2017-2018 年秋冬季大气污染防治综合治理攻坚行动方案》等,京津冀大气污染传输通道城市(“2 26”城市)逐渐为人们悉知。
对于雾霾典型高发区的研究,不仅仅是京津冀,京津冀大气污染传输通道城市也是我们应该研究并重视的对象。而我们知道,pm2.5作为雾霾天气的主要元凶,在影响气候的同时,也对人类健康造成危害。pm2.5粒径小,活性强,容易附带有毒有害物质一同进入呼吸道,长期暴露在颗粒物下易引发心血管病、呼吸系统疾病和肺癌。
鉴于pm2.5对社会的危害,以及由京津冀引申而出的京津冀大气污染传输通道城市,这一新概念城市群具有新颖性和典型性。研究京津冀大气污染传输通道城市pm2.5的时空特征和影响因素,为改善京津冀及周边“2 26”个城市的大气环境质量提供科学的参考依据,具有重要意义。
2. 研究的基本内容
论文主要分为两部分,首先是对京津冀大气污染传输通道城市pm2.5的时空特征进行分析,pm2.5浓度数据来源于“pm2.5历史数据平台”(https://www.aqistudy.cn/historydata/),该平台收录了中国全部城市自2013年12月以来的空气质量指数的日数据。本文通过该平台整理了2014-2018年京津冀大气污染传输通道城市pm2.5的年平均值数据和2017年11月至2018年10月京津冀大旗污染传输通道城市pm2.5的季度数据,通过morans i反应雾霾污染的时空分布集聚特征。
morans i由澳大利亚统计学家帕克莫兰在1950年提出,一般用于空间分析统计,是度量空间相关性的重要系数。 对于morans i而言,有全局morans i和局部morans i之分。若把某个空间看做整体,该整体空间被分为若干份子空间,那么全局morans i是通过计算整体中全部的子空间要素信息来描述全局空间的关联性,局部morans i是通过计算子空间和子空间之间的要素信息来描述局部空间的关联性,用于判断相邻子空间的相关性。局部morans i在描述子空间和子空间之间相关性时,有如下四个类型的关联性指标描述:高-高、低-低、高-低、低-高。当存在高-高或低-低类型的集聚时,子空间和相邻子空间存在空间正相关,反之当存在高-低、低-高类型的集聚时,子空间和相邻子空间存在空间负相关。本文将全局morans i应用于2014-2018年京津冀大气污染传输通道城市年平均pm2.5数据和季度平均数据,对pm2.5的年份变化和季度变化特征进行分析,同时将局部morans i应用于2018年京津冀大气污染传输通道城市年平均pm2.5数据,探究相邻城市间的pm2.5数值是否存在空间关联性。
本文还引入了空间计量经济学模型进一步探究京津冀大气污染传输通道城市pm2.5的影响因素。
3. 实施方案、进度安排及预期效果
2018.09.10-2018.10.28 | 确定论文主题方向、对论文题目进行筛选 |
2018.10.29-2018.11.18 | 围绕论文题目进行相关文献的阅读和论文思路整理 |
2018.11.19-2018.12.02 | 确定论文选题,分析论文的可实施性和实际性 |
2018.12.03-2018.12.23 | 查找论文相关数据,确定数据指标 |
2018.12.24-2019.01.04 | 进行论文题目的上报工作和任务书、开题报告的制作 |
2019.01.05-2019.03.31 | 完成论文初稿,向指导老师征求意见,进行初稿修改 |
2019.04.01-2019.04.30 | 论文定稿,进行论文资料整合,熟悉论文内容,准备答辩 |
2019.05 | 论文答辩 |
4. 参考文献
[1]malm w c . characteristics and origins of haze inthe continental united states[j]. earth-science reviews, 1992, 33(1):1-36.
[2] chowj c , watson j g , fujita e m , et al. temporal and spatial variations of pm2.5and pm10 aerosol in the southern california air quality study[j]. atmosphericenvironment, 1994, 28(12):2061-2080.
[3]liu c , henderson b h , wangd , et al. a land use regression application into assessing spatial variationof intra-urban fine particulate matter (pm2.5) and nitrogen dioxide (no2)concentrations in city of shanghai, china[j]. science of the total environment,2016, 565:607-615.