1.研究背景 随着我国经济发展和城市化进程的加速，由于工业活动所产生的大气污染物排放量一直处于持续增长过程，大气污染可以使空气的质量下降，中国环境科学研究院环境标准研究所所长武雪芳表示，当前中国大气污染形势非常的严峻，SO2污染，NO2污染居世界之最。

人们吸入大气中有害的成份，可以导致咽喉炎，气管炎和肺炎等疾病，严重危害人体的健康。

大气污染所导致的工农业生产的危害也十分的严重，这些危害导致大量人力、财力、物力的浪费，与此同时，大气污染还会影响天气和气候，导致人类的生态环境恶化，因此大气环境污染防治问题已经成为目前我国环境保护工作所面临的巨大挑战。

环境大气中的SO2、NO2浓度由于受人为活动、气象条件等因素的影响，其浓度在以地级市为单位的城市群中也会相互影响，因此在城市集聚的区域内，大气中的SO2和NO2浓度在时间维度上表现出变化幅度较大，空间上则呈现空间异质性的趋势，大气污染物这种时空变化特征进一步增加了大气污染物防治工作的艰巨性和复杂性， [1]所以以地级市为样本，在一定区域内展开大气污染物时空分布特征的研究对于大气污染防治工作的开展具有一定的理论与实践意义，为大气污染防治提供决策依据。

2.研究进展 当前关于SO2和NO2的时空分布的分析方法，在时间分布规律方面的分析方法有基于傅里叶的周期分析、时间自相关的周期分析、时间变异系数研究、灰色预测模型研究、相对频数方法研究等。

在空间分布规律方面的分析方法有基于地统计的空间结构分析、基于地统计的空间变异分信息、聚类分析、插值分析等。

[2] 其中大气环境质量时间与空间分析的方法主要集中在以下几个方面：基于空间的GIS插值与展示、基于空间的网络化和标准差分析、时间变化曲线特征分析、时间变化相关分析、基于时间的小波分析与差分自回归滑动平均模型预测等等。

[3] 2.1 空间自相关分析 空间自分析方法对环境污染物的空间聚集特征进行研究。

空间自相关分析的目的是确定某一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定量地描述事物在空间上的依赖关系。