2000～2021年成渝城市群PM_2.5时空变化及驱动机制多维探测

作者：徐勇; 郭振东; 郑志威; 戴强玉; 赵纯; 黄雯婷

来源：环境科学, 2023, 44(07): 3724-3737.

• 成渝城市群
• PM2.5浓度
• 地理探测器
• 驱动机制
• 地形因子
• 气候因子
• 人文因子

研究成渝城市群PM_(2.5)浓度时空变化和驱动机制，对区域大气环境保护和国家经济可持续发展具有重要意义.基于PM_(2.5)遥感数据、 DEM数据、基于站点的气象数据、 MODIS NDVI数据、人口密度数据、夜间灯光数据、路网数据和土地利用类型数据，采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验等方法，结合地理探测器，在多时空尺度上分析成渝城市群PM_(2.5)时空变化，并探测影响其变化的驱动机制.结果表明，2000～2021年成渝城市群PM_(2.5)浓度整体呈波动下降态势，冬季PM_(2.5)污染最为突出.PM_(2.5)浓度具有明显的空间异质性，呈现出“中间高，四周低”的空间分布特征，PM_(2.5)浓度高值区主要集中在自贡、内江、资阳和广安，PM_(2.5)浓度呈显著下降的区域主要集中在重庆西部等地.因子探测结果表明，成渝城市群PM_(2.5)浓度空间分异受气候、地形、植被和人文因子共同影响.高程、坡度和路网密度是影响成渝城市群PM_(2.5)浓度空间分异的主导因子.地形因子对成渝城市群PM_(2.5)浓度空间分异相对作用最强，而气候因子成渝城市群PM_(2.5)浓度空间分异相对作用最弱.2000～2021年地形因子和人文因子对成渝城市群PM_(2.5)浓度空间分异的相对作用呈递增趋势，气候因子和植被因子的相对作用呈递减趋势.交互作用探测结果表明，成渝城市群PM_(2.5)浓度空间分异较为显著的交互组合主要是高程与路网密度、坡度、降水、日照时数和土地利用类型.城市尺度上，交互作用探测结果表现出较大的地域差异，例如，成都、德阳和乐山PM_(2.5)浓度空间分异受不同类型因子间的交互作用十分显著，而达州、眉山、雅安、资阳、内江和自贡PM_(2.5)浓度空间分异受单一类别因子交互作用十分显著.

• 单位
  桂林理工大学