首页 基于GIS的重庆市大气污染空间分异研究

基于GIS的重庆市大气污染空间分异研究

举报
开通vip

基于GIS的重庆市大气污染空间分异研究   收稿日期 :2005 - 05 - 08 ;  修订日期 :2005 - 06 - 27   基金项目 :国家自然科学基金项目 (40371092)   作者简介 :韩贵锋 (1975 - ) ,男 ,博士研究生 ,从事 GIS与环境科学方面的研究 ,已发表论文 6 篇。E - mail :newseaboy @163. com 基于 GIS 的重庆市大气污染空间分异研究 韩 贵 锋1 ,王 维 升2 ,王  凯3 ,俞  路1 (1. 华东师范大学地理系地理信息科学教育部重点实验室 ,上海 200062...

基于GIS的重庆市大气污染空间分异研究
  收稿日期 :2005 - 05 - 08 ;  修订日期 :2005 - 06 - 27   基金项目 :国家自然科学基金项目 (40371092)   作者简介 :韩贵锋 (1975 - ) ,男 ,博士研究生 ,从事 GIS与环境科学方面的研究 ,已发表论文 6 篇。E - mail :newseaboy @163. com 基于 GIS 的重庆市大气污染空间分异研究 韩 贵 锋1 ,王 维 升2 ,王  凯3 ,俞  路1 (1. 华东师范大学地理系地理信息科学教育部重点实验室 ,上海 200062 ; 2. 广州市市政工程维修处 ,广东 广州 510100 ;3. 华东师范大学中国行政区划研究中心 ,上海 200062) 摘要 :利用空间统计分析方法 (spatial statistics analysis) ,借助 GIS工具分析重庆市 3 项大气污染物 TSP、SO2 和 NOx 浓 度的空间分异特点。污染物在东北 —西南方向上分布最为分散 ,经济重心与污染重心相差较远。在整体上 SO2 的 空间自相关性很强 ,属集中分布模式 ;TSP的空间自相关性较弱 ,属随机分布模式 ;NOx 处于两者之间。局部相关性 分析表明 ,大部分区、县的大气污染物之间相关性较弱。通过两个年度的浓度动态变化比较 ,发现 SO2 和 TSP 都有 明显的消减 ,但 NOx 浓度在局部地区仍在增加 ,增幅达 16412 % ,使其整体上几乎没有消减。 关键词 :空间统计 ;空间分异 ; GIS;大气污染 ;重庆市 中图分类号 :P208 ;X51   文献标识码 :A   文章编号 :1672 - 0504 (2005) 05 - 0080 - 05   大气环境是城市生态环境的重要组成部分 ,其质 量直接影响城市的生活和生产活动。大气污染物浓 度空间分布信息是城市大气环境评价、规划与管理的 基础。目前主要通过两种途径来分析污染物浓度的 空间分布。一种是根据污染源排放规律 ,结合气象条 件和地形因子建立扩散方程 ,用解析法或数值法求解 方程得到浓度空间分布图 ;另一种是通过对监测数据 的空间插值得到浓度分布图。大气污染物在空中的 迁移转化机理极其复杂 ,而这两种途径均没有考虑污 染物在空间的自相关作用。空间统计分析是基于事 物在空间上的相互依赖建立的一种新的思维模式 ,它 以新的技术手段探索数据的空间相关性。目前空间 统计学已广泛应用于农业、地质、地理、土壤、水文、环 境以及经济等领域[1] ,但在大气污染物空间分布方面 的研究尚为鲜见。本文借助 GIS 工具 ,利用空间统计 理论分析重庆市 3 项主要大气污染物的空间分异特 点 ,为进一步研究大气污染物在空间上的相互作用机 理奠定基础 ,同时也为城市环境管理提供依据。 1  研究区概况 重庆市位于东经 105°17′~110°11′,北纬 28°10′~ 32°13′,处于青藏高原与长江中下游平原的过渡地带 , 是西南地区和长江上游最大的经济中心城市。重庆 辖区分布在长江、嘉陵江和乌江等沿岸 ,地形从南北 两面向长江河谷倾斜 ,地势起伏较大 ,以丘陵和低山 为主。重庆东西长约 470 km ,南北宽约 450 km ,幅员 面积 8124 万 km2 ,共辖 40 个区、县 ,划分为渝西经济走 廊、都市发达经济圈和三峡库区生态经济区 3 个分区。 重庆市是我国西南重要的工业基地 ,人口众多 ,经济 发展迅速 ,加之受特殊地形的影响 ,大气污染严重 ,属 于我国酸雨和 SO2 控制区。目前大气污染已成为制 约重庆市发展的重要因子之一。近年来 ,城区的大 气污染已由煤烟污染转变为煤烟和机动车尾气混合 型污染 ,使大气污染因素更加复杂[2 ] 。 2  大气污染物的空间统计分析 2. 1  分析方法及数据来源 空间统计是将传统统计学拓展到地理空间上 ,基 于地理学第一定律 (the first law of geography) [3] ,即距 离越近的地理事物 ,其性质也必相近。通常一个区域 单元上的某种地理现象或某一属性值与邻近区域单 元上同一现象或属性值相关[4] 。几乎所有空间数据 都具有空间依赖或空间自相关特征[5] 。传统统计方 法得到的平均值、中值、方差、偏度系数、峰度系数等 多种特征量都有一个基本的前提假设 ,即样本的独立 性和随机性 ,因此该方法不适合研究具有空间依赖或 空间自相关性的地理事物或现象。空间统计方法打 破了传统统计方法的这种局限性 ,考虑研究对象的地 理位置和空间的相互影响 ,分析事物在空间上的分布 特征。例如 ,分析某一属性值的重心分布、空间依赖、 空间趋势面和空间自相关等特征[6] 。本文借助 Ar2 cGIS提供的空间统计分析模块 (spatial statistics tools) 分析重庆市 3 项大气污染指标 TSP、SO2、NOx 浓度的空 间分布特征 ,探索大气污染物在空间上的分布格局和 第 21 卷  第 5 期 2005 年 9 月               地 理 与 地 理 信 息 科 学 Geography and Geo - Information Science                 Vol. 21  No. 5 September 2005 变化机理。各区、县的污染物数据来源于重庆市环境 质量 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf ①和重庆市统计年鉴[7 ] 。 2. 2  3 项主要指标的空间分异 2. 2. 1  大气污染重心  据 2002 年污染统计数据 , TSP 最高值 0131 mg/ m3 出现在涪陵区 , 最低值 01074 mg/ m3出现在垫江县 ;SO2 最高值01033 mg/ m3出 现在渝北区 ,最低值 01004 mg/ m3 出现在大足县 ;NOx 最高值 0101 mg/ m3 出现在武隆县 ,最低值 01005 mg/ m 3 出现在北碚区。这些极大值和极小值表明 ,污染物 空间分布不均衡。笔者利用空间统计方法定量分析 3 种污染物的不均衡性及其空间分布规律。当污染重 心显著区别于几何中心时称重心偏离 ,能充分说明污 染物的不均衡分布。重心偏向于污染物的高密度部 位 ,偏离距离表明污染物在总体上的偏离程度[8 ] 。 重心也称为加权平均中心 (weighted mean center) ,利 用公式 (1) [9 ]计算污染重心位置 : (xwmc ,ywmc) = ∑ni = 1wixi ∑ni = 1wi , ∑ni = 1wiyi ∑ni = 1wi (1) 式中 :xwmc、ywmc分别为污染重心位置 ; (xi ,yi)为第 i 个 区、县的质心坐标 ,本文使用经纬度表示 ;wi 为第 i 个区、县的权重 ,此处取浓度值。 将重庆市数据代入式 (1) ,计算结果如图 1 所 示 ,几何中心 ( 107131E , 29185N) 位于长寿县内。 TSP、SO2 和 NOx 的重心均位于涪陵区内 ,位置分别为 ( 107143E , 29188N ) 、( 107133E , 29169N ) 、( 107126E , 29179N) 。3 项污染物的重心均偏离几何中心 ,说明 其分布都不均衡。偏离距离分别为 12147 km、17118 km、8124 km ,说明 SO2 在整体上分布最不均衡。虽 然涪陵区的 3 项指标中 ,TSP 浓度最高 ,SO2 浓度排 第 6 位 ,而 NOx 浓度只排第 16 位 ,但是通过重心可 以看出 ,涪陵区是整个重庆市大气污染的高密度部 位 ,同时其大气污染状况对整个重庆市有很好的代 表性。3 项污染物浓度重心都与经济重心 (2002 年 GDP重心为 (10619E ,29173N) ,位于渝北区境内) 相 差较远 ,说明经济发展与大气污染在地域空间上的 分布不一致。 图 1  3 项主要污染物重心、 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 距离椭圆及局部 Moran’s I指数 Fig. 1  The weighted mean center ,standard distance ellipse and local Moran’s I index of three main atmospheric pollutants 2. 2. 2  空间分布的离散程度  为了分析每一项污 染物空间分布的离散程度 ,不宜使用传统统计学中 的方差 ,因为传统的方差不能在空间上表达 ,因此将 方差拓展为空间上的标准距离 ( standard distance) 。 以重心为中心 ,可以计算标准距离圆 ( standard dis2 tance circle) ,其半径往往是按某一属性值对标准距 离进行加权 ,在实际研究中由于受研究区域形状和 空间分布在各方向上不均匀等因素的影响 ,标准距 离圆变为椭圆 ,称标准距离椭圆 (standard distance el2 lipse) [10 ] 。长半轴方向代表空间分布的主要平均方 向 ,长半轴长度代表平均方向上的分布离散程度。 将各区、县的 3 项指标代入 ArcGIS 空间统计分析模 块 ,得到一个标准距离椭圆 ,如图 1 所示。TSP、SO2 和 NOx 在东北 —西南方向的离散程度最大 ,与长江 的流向大概一致 ,这与长江航运发达、经济活动较强 有关 ,也与重庆各区、县的地理分布有关。在长轴方 向上 3 项污染物的分布都很离散 ,长半轴长度分别 为 :TSP (127190 km) > NOx (113142 km) > SO2 (107146 km) ,TSP 分散程度最大 ,SO2 的分散程度最小。在短 轴方向上 (即西北 —东南方向) 分散程度最小 ,短半 轴长度分别为 : SO2 (72133 km) > TSP (71172 km) > NOx (68195 km) ,其中 SO2 的分散程度最大 ,NOx 的分 散程度最小。 2. 2. 3  空间自相关性 页18第第 5 期            韩贵锋等 :基于 GIS的重庆市大气污染空间分异研究 ① 重庆市环境监测中心 ,重庆市环境保护局. 重庆市环境质量报告书 (2002) ,2003. (1)全局Moran’s I。由于大气污染浓度在空间上 是连续分布的 ,同时每个区、县的生产、生活活动所排 放的大气污染物也相互影响。为了研究各区、县大气 污染物之间的相互作用强度 ,本文首先使用全局 Moran’s I指数 ( Globlal Moran’s I)定量分析 3 项污染物 在整体上的空间自相关性[11] ,该指标计算公式为 : I = n ∑ni = 1 ∑nj = 1wij (xi - x) (xj - x) w ∑ni = 1 (xi - x) 2 (2) 式中 :xi 、xj 分别为 i 区、县和 j 区、县某项污染物的浓 度值 ;x 为 40 个区、县某项污染物的浓度平均值 ;n 为 区、县个数 ,n = 40 ;wij为 i 区、县和 j 区、县之间的空间 影响权重 ,本文定义为 i 区、县质心和 j 区、县质心之 间的欧式距离平方之倒数 ,考虑到大气污染物在空间 的扩散、迁移和转化等效应 ,将影响距离设为 100 km , 超过此距离时 wij = 0 ,即影响不予考虑 ;此外 ,当 i = j 时 ,wij = 0 ;w 为所有权重之和。将 TSP、SO2 和 NOx 的 数据代入式 (2) ,结果分别为 0119、0166 和 0151。为便 于对这些统计量的结果进行解释 ,通常将其转化为标 准化值 ,即用该统计量减去其理论期望值 ,再除以相 应的标准差得到。若 Moran’s I 指数的值大于它的理 论平均值 - 1/ (n - 1) ,即值为正 ,则该指数值表示正的 空间自相关 ;反之则表示负的空间自相关[12] 。3 项污 染物的标准化 Z值分别为 018、215 和 210 ,均通过 95 % 的置信度检验。在整个重庆市范围内 ,TSP 浓度的空间 分布属于随机分布模式 (random pattern) ,空间自相关性 处于一般水平。SO2 浓度的空间分布属于很强的集聚 模式(clustered pattern) ,有很强的空间自相关性 ,即 SO2 分布有高浓度区、县相互邻接和低浓度区、县相互邻接 的趋势。NOx 浓度的空间分布介于二者之间 ,属于比较 强的分布模式 ,有较强的空间自相关性。此结论与标准 距离椭圆长半轴计算得到的结论完全一致。 (2)局部 Moran’s I。全局 Moran’s I 从总体上反 映了污染物的空间相关性 ,它不能反映某个区、县与 其周围区、县是正相关还是负相关和相关程度。为 了深入研究相邻区、县的相关性 ,本文使用 Anselin 对全局 Moran’s I的修正[13 ] ,即局部 Moran’s I (Local Moran’s I) ,有时也称局部空间关联指数 (Local In2 dices of Spatial Association ,LISA) ,计算公式为 : Ii = n(xi - x) ∑nj = 1wij (xi - x) (3) 式中 : Ii 为第 i 个区、县局部Moran’s I指数值 ;xi 为第 i 个区、县某项污染物浓度值 ;其余变量的含义同式 (2) 。 影响权重为各区、县质心间欧式距离平方之倒数 ,影 响范围取 100 km;当 i = j 时 ,wij = 0。代入重庆市 40 个 区、县的 3 项大气污染物浓度值 ,得到局部 Moran’s I 指数的标准化得分值 Z(Ii) ,如图 1 所示。 从图 1a 可以看出 TSP 在空间分布上的自相关特 点 :有很强正相关的区、县是合川市、北碚区和渝北 区 ,地域上集中 ;有很强负相关的是潼南县和垫江县。 有较强正相关的是渝中区、南岸区、九龙坡区、大渡口 区、江津市和铜梁县 ,主要集中在重庆市中心周围 ;有 较强负相关的是涪陵区、武隆县、黔江区和梁平县 ,主 要集中在南部。其余各区、县之间的正负相关性都 很弱。图 1b 显示 :SO2 在空间分布上自相关性较强 的区、县均分布在周边 ,其中有很强正相关的是潼南 县、大足县、荣昌县、万盛区、南川市和巫山县 ;有很 强负相关的只有城口县。有较强正相关的是巴南 区、彭水县、黔江区、云阳县、奉节县和巫溪县 ;有较 强负相关的只有武隆县。其余各区、县之间的正负 相关性都很弱 ,而且集中分布。图 1c 显示 :NOx 在空 间分布上自相关性处于 TSP 和 SO2 之间 ,其中有很 强正相关的区、县是渝中区、沙平坝、大渡口区和荣 昌县 ,相对集中在重庆市主城区 ;有很强负相关的只 有北碚区。有较强正相关的是江北区、南岸区、九龙 坡区、壁山县、双桥区和大足县 ,主要集中在主城区 ; 有较强负相关的是武隆县、彭水县、黔江区、奉节县 和开县。其余各区、县之间的正负相关性都很弱。 3 项大气污染物的空间自相关性分布不一致 ,其 中 SO2 的 Z( Ii)值在空间上与 TSP 和 NOx 都有明显的 差异。从图 1 可知 ,武隆县 3 项污染物的 Z( Ii) 值均 为 - 210~ - 110 ,即 3 项污染物浓度分布与周围区、 县相应的污染物浓度分布呈较强负相关。万州区和 石柱县等 11 个区、县 3 项污染物的 Z( Ii) 值均为 - 110~110 ,即它们各自与周围区、县的相应污染物呈 微弱的正相关或负相关。其余区、县 3 项污染物的 空间自相关性均不一致。 3  浓度变化率的空间分异 本文利用两个年度的污染物浓度值 ,分析变化 率在空间上的分布差异。由于浓度分布在空间上是 连续的 ,故将两个年度各区、县的离散浓度值内插成 栅格图 ,构成两年度的浓度表面 ,统计每个栅格上的 浓度变化率。由于受到数据资料的限制 ,第一年度 取“九五”期间的平均值② ,第二年度取 2002 年的统 计值。两个年度的浓度变化率定义为 : [ (R95 - R02) / R95 ] ×100 % ,其中 R95、R02分别指某项污染物“九五” 页28第 地 理 与 地 理 信 息 科 学                   第 21 卷 ② 重庆市环境监测中心 ,重庆市环境保护局. 重庆市环境质量 报告书 (1996 - 2000) ,2001. 期间和 2002 年的对应浓度值。插值方法使用普通 克里金 (Ordinary Kriging) 的球状模型 (Spherical Mod2 el) [14 ] ,栅格尺寸为 1 km ×1 km。利用 ArcGIS 提供的空间分析模块 ,计算结果如图 2 所示。 图 2  3 项主要污染物浓度变化率空间分布 Fig. 2  Spatial distribution of concentration change of three main atmospheric pollutants   TSP 浓度明显降低 ,变化率为负的地区仅有梁平 县北部 ,地域面积为 521 km2 ,只占重庆市总面积的 016 %。在与湖北接壤地带 ,交通条件较差 ,经济活动 较弱 ,自然生态条件较好 ,故 TSP 指标的改善最为明 显。除綦江县、巴南区、涪陵区、丰都县、彭水县、酉阳 县、秀山县、城口县和梁平县西部等地区外 ,其余地区 的 TSP 浓度改善都较明显。与“九五”期间相比 ,SO2 浓度大幅度降低 ,变化率在整个重庆市均为正 ,最高 达 6914 % ,最低为 2912 %。由于重庆地处我国的酸雨 控制区 ,经过多年的努力 ,SO2 污染得到了有效控制。 在重庆东部云阳县、奉节县、巫山县和巫溪县地区 ,SO2 污染改善最为明显。NOx 污染依然很严重 ,浓度增加 , 即变化率为负的地区分布依然很广泛 ,地域面积达 35 029 km2 ,占总面积的 4215 % ,浓度增加的极端值为“九 五”期间浓度值的 16412 %。浓度增加地区的空间分 布比较连续 ,分布在重庆市东北部、中部和西北部三 大地带上。东北部主要是城口县、巫溪县和云阳县中 部地区 ;中部是梁平县、忠县东部、石柱县、黔江区、丰 都县中部、武隆县、南川市和万盛区 ;西北部是渝北北 部、北碚北部、合川东南部和大足县等地区。因此 , NOx 的污染形势很严峻。 利用 Zonal Statistic 工具统计出 3 个社会经济分 区内的浓度平均变化率 (表 1) 。从表 1 看出 ,都市发 达经济圈 ,即重庆市主城区作为整个重庆市的经济 中心 ,工业生产、城市建设和交通运输规模较大 ,因 此 TSP 浓度变化率 (即消减率) 较低 ,而渝西经济走 廊和三峡库区生态经济区生产规模较小 ,TSP 消减率 相对较低。3 个分区 SO2 的变化率基本一致 ,都在 40 %以上 ,SO2 的消减率较高 ,说明从“九五”期间到 2002 年整个重庆市 SO2 的防治效果很明显。但是 NOx 只在都市发达经济圈有较小的降低 ,在其他两 个区几乎没有变化。总之 ,在主城区进行的多项大 气污染防治行动 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 ,其效果是明显的。由于重庆 市位于三峡库区的腹地 ,肩负着三峡水库生态安全 的重任 ,因此在将来的规划中必须加强三峡库区生 态经济区的大气污染治理力度 ,尤其是 NOx、SO2 的 治理和污染源管理力度。 表 1  各社会经济分区内的浓度平均变化率 Table 1  Mean concentration change ratio of atmospheric pollutants in different regions 浓度平均变化率 ( %) TSP SO2 NOx 渝西经济走廊 (12) 31. 3 43. 2 0. 03 都市发达经济圈 (9) 25. 8 45. 0 12. 1 三峡库区生态经济区 (19) 30. 5 44. 7 0. 6 注 :表中括号内的数字为各分区所包含的区、县个数。 4  结论与讨论 (1)通过重心计算 ,3 项污染物浓度重心没有位于 主城区范围内 ,均位于涪陵境内 ,且偏离几何中心 ,即 涪陵区的大气污染处于整个重庆市的平均水平 ,具有 一定的代表性。涪陵区是重庆市的重要二级城市之 一 ,地处乌江与长江的交汇处 ,工业生产相对集中 ,这 些条件与主城区有很强的相似性。由于近几年主城 区通过污染企业的迁、转、并、停等 措施 《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施 ,加大了对大 气污染的治理力度 ,污染浓度没有出现极端高值。由 于各区、县的经济发展不平衡 ,加之受重庆市特殊地 形的影响 ,使得 GDP 重心处于主城区外。 (2) 3 项指标的一个标准距离椭圆的长半轴长度 均超过 100 km ,进一步说明了区域浓度值差异较大 , 即沿长江的东北 —西南方向差异达到最大。其中 , 长半轴最长的是 TSP , 最短的是 SO2 , 这与全局 Moran’s I指数计算的结果一致。表明 TSP 的空间分 页38第第 5 期            韩贵锋等 :基于 GIS的重庆市大气污染空间分异研究 布差异最大 ,空间自相关性最弱 ;SO2 的空间分布差 异最小 ,自相关性最强。 (3)通过局部 Moran’s I 指数计算 ,除个别区、县 的 3 项污染物浓度与周围区、县有强的正或负相关 外 ,大部分区、县之间的影响较小。这种空间自相关 特征与整个重庆市地处山区有关 ,受地形起伏的影 响 ,污染物在空中的扩散和迁移能力受到限制。除 SO2 外 ,其余两项污染物空间相关性最强的区、县在 地域上相对集中。 (4)利用插值形成连续浓度表面 ,更符合污染物 实际的分布变化情况 ,避免了以平均浓度值代表某 区、县浓度值的缺陷。通过比较两年度的浓度变化 , 显示了浓度动态变化空间上的特征。TSP 和 SO2 改 善最明显的地区分布在重庆市周边 ,而 NOx 改善最 明显地区则分布在中部。3 项污染物变化不一致 , SO2 浓度的消减幅度最大 ,整个重庆市所有栅格上的 平均变化率为 4413 % ;其次为 TSP 浓度的消减率 ,平 均变化率为 3014 % ;NOx 浓度在部分地区的增加出 现极端高值 , 使得整个重庆市的平均变化率为 112 % ,几乎没有消减 ,故 NOx 是今后重庆市大气污 染防治重点。重庆市主城区 (都市发达经济圈) 是重 庆市政治、经济、文化及人口集聚中心 ,从两个年度 的变化率看 ,NOx 浓度平均消减率相对于渝西经济 走廊和三峡库区生态经济区稍高 ,但也仅有 1211 % ; TSP 和 SO2 浓度的平均消减率比 NOx 高 ,分别为 2518 %和 4510 % ,与其它两个经济分区相当。在重 庆市的社会经济发展中 ,应加强对三峡库区生态经 济区的大气污染治理力度。 (5)城市大气污染的空间分布规律及其成因十 分复杂 ,本文主要探讨 3 项主要大气污染物的空间 分异和自相关规律 ,还有很多问题需要进一步研究。 如空间自相关性的成因、大气污染物分布与地形因 子和气象要素之间的影响关系以及分布格局与人类 典型活动之间的相关性等。本文由于受数据限制 , 不能得到大气污染物重心随时间变化在空间上移动 的轨迹 ,因此无法反映出污染物空间分布的变动历 史和未来趋势。此外 ,由于空间数据样本有限 ,使得 污染物浓度插值表面的精度受到一定的影响。 参考文献 : [1 ]  马洪超 ,李德仁. 基于空间统计学的空间数据窗口大小的确定 [J ] . 武汉大学学报 (信息科学版) ,2001 ,26 (1) :18 - 23. [2 ]  陈克军 ,陈刚才 ,王定勇 ,等. 重庆市大气 TSP 特征分析[J ] . 重庆 环境科学 ,2003 ,25 (4) :43 - 45. [3 ]  TOBLER W R. A computer movie simulating urban growth in the Detroit region[J ] . Economic Geography ,1970 ,46 :234 - 240. [4 ]  CLIFF A D ,ORD J K. Spatial Processes :Models and Applications[M] . London :Pion. ,1981. 8. [5 ]  GOODCHILD M ,HAINING R. Integrating GIS and spatial data analy2 sis :Problems and prossibilities[J ] . International Journal of Geographical Information Systems ,1992 ,6 (5) :407 - 423. [6 ]  JAYL ,DAVID W S. Statistical Analysis with ArcView GIS[ M] . New York :John Wiley ,2001. 76 - 77 [7 ]  重庆市统计局. 2003 年重庆市统计年鉴 [ M] . 北京 :中国统计出 版社 ,2003. [8 ]  李秀彬. 地区发展均衡性的可视化测度[J ] . 地理科学 ,1999 ,19 (3) :255 - 256. [9 ]  EBDON D. Statistics in Geography [ M] . New York :Basil Blackwell , 1988. 3. [10 ]  LEVINE N ,KIM K E ,NITZ L H. Spatial analysis of Honolulu motor vehicle crashes : I. Spatial patterns[J ] . Accident Analysis and Preven2 tion ,1995 ,27 (5) :675 - 685. [11 ]  GOODCHILD M F. Spatial Autocorrelation [ M] . CATMOG 47. Nor2 wich ,CT: Geo Books ,1986. 13 [12 ]  ANSELIN L. Spatial Data Analysis with GIS:An Introduction to Appli2 cation in the Social Sciences [ R]. Santa Barbara ,CA :National Center for Geographical Information and Analysis ,1992. 3 - 15. [13 ]  ANSELIN L. Local Indicators of Spatial Association - LISA[J ] . Geo2 graphical Analysis ,1995 ,27 (2) :93 - 116. [14 ]  徐建华. 现代地理学中的数学方法 (第二版) [M] . 北京 :高等教 育出版社 ,2002. 115 - 120. A Study on the Spatial Differential Features of Atmospheric Pollution in Chongqing City Based on GIS HAN Gui - feng1 ,WANG Wei - sheng2 ,WANG Kai3 ,YU Lu1 ( 1. Key Laboratory of Geographic Information Science of Ministry of Education , Geography Department of East China Normal University , Shanghai 200062 ; 2. Guangzhou Maintenance Department of Municipal Engineering , Guangzhou 510100 ; 3. Center for Administrative Division Research of China , East China Normal University , Shanghai 200062 , China) Abstract : By employing the methods of spatial statistics and the tools of GIS ,this paper analyses the spatial differential features about three main atmospheric pollutants ———TSP(Total Suspended Particulates) ,SO2 (Sulfur Dioxide) and NOx (Nitrogen Oxides) ,with the conclusion that atmospheric pollutants present an uneven distribution state in the space of Chongqing City ,especially along the direction of northeast and south2 west ,and that the weighted mean centers of TSP ,SO2 and NOx ,which are all fell in Fuling district ,are far away from the weighed mean center of economy. As a whole ,the distribution of TSP takes on a random pattern ,of which NOx belongs to clustered pattern and SO2 stands in between TSP and NOx. The spatial autocorrelation among most districts of Chongqing is faint. By comparing the concentrations of three main pollutants in two years ,it turns out that SO2 and TSP reduce distinctly ,while NOx increases greatly in some areas to such a high extent as 16412 % ,which makes it almost unchanged as a whole. Key words : spatial statistics ;spatial differential features ;geographical information system ;atmospheric pollution ;Chongqing City 页48第 地 理 与 地 理 信 息 科 学                   第 21 卷
本文档为【基于GIS的重庆市大气污染空间分异研究】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_875657
暂无简介~
格式:pdf
大小:472KB
软件:PDF阅读器
页数:0
分类:经济学
上传时间:2011-07-14
浏览量:40