共查询到20条相似文献，搜索用时 140 毫秒
1.
通过移动走航式观测获取长沙市岳麓山周边道路不同通勤时段PM2.5浓度数据,结合土地覆盖、兴趣点、数字高程模型、邻近污染源和街区路网分布5类微环境地理因子,采用空间聚合、空间自相关分析、分位数回归分析等方法,探究研究区内道路PM2.5浓度的时空变化及其与城市微环境地理因子的潜在联系.结果表明,长沙市岳麓山周边道路不同通勤时段PM2.5浓度时空差异明显:晚高峰时段PM2.5中位数浓度高达31.5μg/m3,早高峰和非高峰时段分别为28.2μg/m3和22.0μg/m3;高值PM2.5浓度在通勤高峰时段空间分布相对集中,在非高峰时段则相对分散.就地理因子影响而言:不同通勤时段影响PM2.5浓度的微环境地理因子在数量与类别上存在差异;同时,微环境地理因子对不同分位数道路PM2.5浓度的影响也具有异质性.依据各通勤时段不同地理因子的影响趋势和影响程度,采取相应的针对性调控、空间合理配置等干预策略有望全面降低道路PM2.5浓度.本研究可为基于空气质量视角的城市空间规划与开发建设调控提供科学依据. 相似文献
2.
3.
高技能人才迁移是推进新型城镇化建设的重要议题,也是影响地区创新产出和高质量发展的关键要素。针对人才迁移数据中蕴含的零膨胀和网络自相关特性,本文将特征向量空间滤波（ESF）技术和“两阶段”Hurdle模型结合,构建空间Hurdle引力模型,结合2000—2015年中国省际高技能人才迁移面板数据,研究人才迁移的时空演化格局和驱动机制。研究结论显示：① 2000—2015年人才迁移的跨省迁移比例先升后降;人才迁移表征出集聚格局,维系了其空间分布的不均衡性;随时间推移,人才迁移格局呈现分散趋势,人才空间分布集聚性下降;人才迁移和空间分布均呈现出持续显著的网络与空间自相关性特征。② 引力因素（人口规模、空间距离）、地区经济和科技发展水平（工资、科教投入）、自然舒适度（平均温差、空气质量）、城市舒适度（医疗及教育公共服务、城市绿化）以及其他因素（社会网络、生活成本、人口密度）共同驱动了跨世纪以来中国省际人才迁移过程。③ 人才迁移可被看作一个“两阶段”过程,影响其迁移概率和迁移规模的因素呈现一定差异。④ 经济增速、科教投入、自然舒适度和基础公共服务对人才迁移的影响随时间增强,而工资和城市绿化的影响随时间减弱。本文的研究结论为地区人才治理及实现地区均衡发展提供政策参考。 相似文献
4.
5.
6.
以中国创新水平较高的91个地级及以上城市为研究对象,探讨人居环境气候舒适度对城市创新的影响程度。以城市发明专利申请数代表城市创新水平,采用温湿指数和风效指数的组合模型,参照相应的分级标准计算各城市年气候舒适期,分析城市人居环境气候舒适度与城市创新的关系。结果表明:气候舒适期每增加1%,发明专利申请数仅平均增加0.012%,相对于GDP、R&D人员全时当量、R&D经费等影响城市创新的关键因素,城市人居环境气候舒适度对城市创新有一定影响,但影响并不十分显著。因此,创新政策的着眼点在于关注城市创新投入、人力资本、经济规模等影响城市创新的关键因素。在此基础上,创新布局也应考虑人居环境气候舒适度因素。 相似文献
7.
徐秀玉 《云南地理环境研究》2017,(5):17-23
气候条件是影响旅游目的地发展的重要因素。运用1981~2010年广州市气候资料,利用温湿指数、风寒指数、着衣指数和旅游气候舒适度模型对广州市旅游舒适度进行评价,发现广州市1月、2月、3月、11月、12月为旅游气候舒适月份,4月为较为舒适月份,5月、6月、9月、10月为较不舒适月份,7月、8月为不舒适月份。运用2011~2015年广州市入境游客和国内游客的客流量资料进行客流量分析,并与气候舒适度变化趋势进行比较,发现广州市的气候舒适度与客流量的变化趋势存在一定的偏离现象,在气候舒适的1月、2月、3月客流量与气候舒适度呈现反方向变化态势。运用OLS方法对客流量月指数与气候舒适度指数进行回归模拟发现气候舒适度对客流量变化具有一定的影响作用,气候舒适度每变化一个单位,国际客流量月指数增加或减少0.377%,国内客流量月指数增加或减少0.538%。 相似文献
8.
随着高铁网络建设全面展开,高铁这一新兴交通方式已在旅客运输中占据重要地位,极大地影响了人们对出行交通方式的选择.为研究高铁车站影响范围与结构,本文选取京广沿线14个高铁站为研究对象,引入“客流腹地”与“商务客流腹地”的概念,分别从总客流和商务客流的角度研究高铁站腹地的范围与结构,并结合相关理论深入探讨其影响因素.研究结果表明:京广沿线高铁站客流腹地的平均腹地半径约为151 km,大于其商务客流腹地(139 km);高铁站客流腹地范围大小与高铁站服务能力、乘客外部出行距离呈正相关,与乘客内部交通出行成本呈负相关;而高铁站商务客流腹地范围大小与高铁站服务能力、商务乘客外部出行距离呈正相关,与商务乘客内部交通出行成本呈负相关.高铁站客流腹地与商务客流腹地均具有明显的“核心—外围”结构,其中客流腹地的“核心—外围”结构与人口分布结构呈正相关,与乘客内部出行时间结构呈负相关,而商务客流腹地的“核心—外围”结构则与城市GDP结构呈正相关,与商务乘客内部出行时间结构呈负相关. 相似文献
9.
通勤是城市道路的主要功能之一,然而过于集中的通勤造成各种交通问题。现阶段,我国二线城市的高峰期拥堵问题也愈发严峻。以我国沿海城市福州市为例,对城区居民的通勤行为及通勤感知进行问卷调查,分析福州市城区居民通勤特征。研究表明:从通勤行为来看,居民通勤时间和距离以中等水平为主,随着通勤时间和距离的增加,通勤方式逐渐从步行向助力车再向公交车、私家车过渡,职住分布的空间失配进一步带来通勤流的空间集聚,是高峰期交通拥堵的主要原因;从通勤感知来看,交通意象中标志物和区域的可意象性很小,节点的可意象性最大,满意度呈现由外围向中心递减的空间结构,并深受样本属性影响。 相似文献
10.
11.
利用2010年北京两个典型郊区社区（天通苑、亦庄）居民出行的GPS数据与活动日志调查数据,测度了不同交通方式环境下居民每日出行过程中PM2.5和CO空气污染暴露度,并分析了不同人群PM2.5和CO空气污染暴露度的差异性,进而构建结构方程模型分析郊区社区居民PM2.5和CO空气污染暴露度的影响因素。研究表明：① 机动化出行率对空气污染暴露程度的直接影响最大,其次是出行次数与出行时间,即机动化出行率越大,出行次数越多、出行时间越长空污染暴露程度越高;机动化出行率通过影响出行时间和出行次数间接影响空气污染暴露度;职住距离对居民空气污染暴露度也存在影响,职住分离程度越高空气污染暴露度越高,职住距离通过增加出行时间进而增加空气污染暴露度。② 不同社会经济属性群体的出行空气污染暴露度存在一定差异性,中等收入群体显著高于低收入群体和高收入群体,租房者显著低于购房者;未婚群体的PM2.5污染暴露度显著高于已婚群体,驾照持有群体的CO污染暴露度高于无驾照群体。 相似文献
12.
对上海市2012-2016年PM2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM2.5浓度最低,处于16~36 μg·m-3;PM2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM2.5在阈值处出现显著变化;最大PM2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s-1以上时,PM2.5浓度基本减少至35 μg·m-3;降水量越大,PM2.5浓度越低。 相似文献
13.
长三角多维城市化对PM2.5浓度的非线性影响及驱动机制 总被引：1，自引：0，他引：1
探索多维城市化对PM2.5浓度的非线性影响及驱动机制,是城市群高质量发展的重要课题。以2000—2017年长江三角洲地区城市面板遥感影像和统计数据为样本,采用反距离权重空间插值、空间自相关和标准差椭圆等方法探查其PM2.5浓度的时空演变规律,并运用系统动态面板回归模型研判多维城市化对PM2.5浓度的非线性影响及驱动机制。结果表明：① 2000—2017年,长三角PM2.5浓度由低污染等级向高污染等级演替;PM2.5浓度整体呈现由东南向西北方向递增的空间趋势。② PM2.5浓度呈现显著空间集聚与关联特征;PM2.5浓度重心总体由东南向西北方向偏移,在东西方向上趋向分散,在南北方向上逐渐极化。③ 长三角城市化子系统不同发展阶段对PM2.5浓度的非线性影响存在显著差异。经济城市化与PM2.5浓度呈倒“N”型曲线关系,二者存在环境库兹涅茨曲线（EKC）关系,当人均GDP大于63709元时,经济城市化对PM2.5浓度将产生抑制效应,表明城市综合质量提升和发展方式转变是PM2.5治理的关键;而人口城市化、土地城市化与PM2.5浓度的关系仅是倒“U”型曲线的左侧部分,二者与空气质量改善的拐点尚有一定距离。人口规模、外商直接投资、工业产业结构均对PM2.5浓度具有显著的正向效应,而环境规制对PM2.5浓度具有显著的抑制效应。长三角PM2.5浓度的时空异质性特征是在经济社会因素和政府调控等诸多因素交互叠加、循环累积作用下形成,其中,经济社会因素扮演着主角。本文为探索多维城市化对PM2.5浓度的非线性影响提供了新视角,以期为实现长三角环境保护与城市可持续发展的协调提供重要参考。 相似文献
14.
基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究 总被引：3，自引：2，他引：1
基于全国城市的PM2.5监测数据,识别PM2.5的时空分布特征,并着重利用地理加权回归模型分析自然和社会经济因素对PM2.5影响的空间异质性。结果显示：2015年全国PM2.5的年均浓度为50.3 μg/m3,浓度变化呈现冬高夏低,春秋居中的“U型”特征;PM2.5的空间集聚状态明显,其中京津冀城市群是全国PM2.5的污染重心。地理加权回归结果显示：影响因素除高程外,其余指标均呈现正负两种效应,且影响程度具有显著的空间差异性特征。从回归系数的贡献均值来看,自然因素对城市PM2.5浓度影响强度由高到低依次是高程、相对湿度、温度、降雨量、风速、植被覆盖指数;各类社会经济指标对城市PM2.5浓度影响强度排名依次是人口密度、研发经费、建设用地比例、产业结构、外商直接投资、人均GDP。由于各指标对城市PM2.5浓度变化的影响程度存在着空间异质性,因此在制定大气治理对策时可以考虑不同指标影响程度的空间差异,从而使得治霾对策更具针对性。 相似文献
15.
利用大气质量的观测资料和气象要素的数据,详细分析了2015年冬季乌鲁木齐市一次重污染天气的主要气象因子和空气质量特征。研究结果表明：在污染过程中,风速的变化趋势：减小-增大-减小（平均风速0.9~2.5 m·s-1）;风向的转化趋势：东南风-东北风-西北风-西南风-东北风;湿度增大-减小-增大;大气混合层厚度的变化趋势：降低-升高-降低。同时,通过SPSS12.0分析了空气污染前后风速,湿度和PM2.5质量浓度的相关性。PM2.5质量浓度与风速呈显著负相关,与湿度呈正相关。风速与PM2.5质量浓度间通过了显著性水平为0.01的相关性检验。表明乌鲁木齐市的气象因子（风速）对当地大气污染影响十分明显。 相似文献
16.
作为主要的大气污染指标,PM2.5浓度常来源于固定环境监测站点的监测与遥感影像数据,但时空精度普遍不足,难以揭示微尺度下城市内部PM2.5时空分布情况。本文利用移动式监测方法,选择典型工作日(2017年11月27日),对广州市主城区道路以1 s和1 m为时空粒度进行PM2.5浓度数据采集,并以早、晚出行高峰时段为对象,通过机器学习方法模拟道路PM2.5精细化时空分布格局。结果表明,主城区早高峰道路PM2.5浓度值相近的平均范围为24 m,晚高峰为15 m,PM2.5浓度存在微尺度的时空异质性。利用多层感知器(MLP)构建的早、晚高峰PM2.5浓度模型,拟合度分别达到0.70和0.68,明显优于传统的普通最小二乘法(OLS)线性回归模型。模型揭示出早高峰主城区全路网PM2.5平均浓度为30.19μg/m3,晚高峰达到44.55μg/m3,部分高达94.82μg/m3,且“西高东低”的分布特征显著。本文提出的PM 相似文献
17.
选择西北干旱区城市乌鲁木齐市为研究区,利用MODIS气溶胶产品（AOD）数据和地面监测站PM2.5浓度数据进行相关性分析,结果表明：二者相关性良好,对AOD数据进行垂直订正和湿度订正后,发现相关性进一步提升（0.49～0.80,p<0.01）。对订正后AOD数据与地面PM2.5浓度进行建模并选取最优模型,结果均为一元三次模型且模型R2在0.27～0.69之间,其中春秋两季模型R2较高,夏季较低。对模型精度进行验证结果,显示春季与秋季模型精度良好,夏季较差,说明MODIS气溶胶光学厚度数据可以用于反演干旱区地面PM2.5浓度值,对卫星遥感在干旱区地面空气监测应用提供了新的方法和思路。 相似文献
18.
京津冀城市群大气污染的时空特征与影响因素解析 总被引：33，自引：5，他引：28
京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM2.5浓度比周围郊区和农村平均高10~20 μg/m3;2014年仅有13.9%的区县空气质量达标,PM2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM2.5每升高1%,将导致本地PM2.5至少升高0.5%;社会经济内因对PM2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。 相似文献
19.
基于灰色关联模型对江苏省PM2.5浓度影响因素的分析 总被引：2，自引：0，他引：2
采用克里金插值法分析2014年江苏省PM2.5浓度空间分布特征,运用灰色关联模型计算PM2.5浓度与影响因素间关联度,分析主要影响指标因子与PM2.5浓度空间分布的相互关系。结果显示：① 江苏省PM2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM2.5污染来源指标层的权重值最大（wi = 0.4691）,空气质量与气象要素指标层的权重稍大（wi = 0.2866）,城市化与产业结构层的权重值最小（wi = 0.2453）;③ 在27个指标因子中,与PM2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM2.5与其余指标因子均呈强度相关联,其中与PM10、O3、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM2.5污染源指标层与PM2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM2.5浓度的主要因素,能对PM2.5浓度影响指标进行定量分析与评价。 相似文献
20.
中国城市群地区PM2.5时空演变格局及其影响因素 总被引：2，自引：0，他引：2
城市群作为中国新型城镇化主体形态,是支撑全国经济增长、促进区域协调发展、参与国际分工合作的重要平台,也是空气污染的核心区域。本文选取2000-2015年NASA大气遥感影像反演PM2.5数据,运用GIS空间分析和空间面板杜宾模型,揭示了中国城市群PM2.5的时空演变特征与主控因素。结果显示：① 2000-2015年中国城市群PM2.5浓度呈现波动增长趋势,2007年出现拐点,低浓度城市减少,高浓度城市增多。② 城市群PM2.5浓度以胡焕庸线为界呈现东高西低的格局,城市群间空间差异性显著且不断扩大,东部、东北地区浓度提升更快。③ 城市群PM2.5年均浓度空间集聚性显著,以胡焕庸线为界,热点区域集中东部,范围持续增加,冷点集中在西部,范围持续缩小。④ 城市群内各城市间PM2.5浓度存在空间溢出效应。不同城市群影响要素差异显著,工业化和能源消耗对PM2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM2.5污染具有负向影响;人口密度对本地区PM2.5污染主要具有正向影响,对邻近地区则相反;城市化水平在国家级城市群对PM2.5污染有负向影响,在区域性和地方性城市群则相反;产业结构高级度对本地区PM2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM2.5污染的影响显著,但存在滞后性和回弹效应。 相似文献