文 献 综 述

1.研究背景及其意义

随着我国经济发展和城市化进程的加速，以及工业化程度的不断加深，对能源的需求越来越大，所消耗的能源总量也逐年攀升，因此所产生的大气污染物排放量一直处于持续增长过程，由此而导致的大气环境污染问题愈发严峻，尤其是大气颗粒物污染问题在近年来更是成为环境污染热点问题。究其原因，主要是由于可吸入颗粒物可以直接进入呼吸系统，其粒径越小，所能进入的人体呼吸系统的部位越深，甚至可以穿透肺泡进入人体血液循环系统，而且，颗粒物携带有毒重金属、硫酸盐、有机物和包括病毒、细菌在内的其他污染物，这些污染物就能随着可吸入颗粒物直接进入人的呼吸道和肺部，影响肺部及其他器官健康^［1-3］。然而由于大气颗粒物污染的复杂性，由此而导致的颗粒物污染防治问题的解决依然面临着巨大的挑战，因此，大气颗粒物污染问题已成为当前环境科学研究领域最为迫切的任务之一。

为了制定更为有效的大气颗粒物污染防治策略，全面掌握研究区域的大气颗粒物时空分布的信息则是大气颗粒物污染防治进程中首要解决问题。本论文正是基于这一研究背景以华东地区为研究对象，分别从时间和空间两个维度分析该区域大气颗粒物浓度的分布特征，为更好地控制大气颗粒物污染提供科学的决策依据。

2.研究进展

由于科学技术不断地发展，对大气中PM_2.5和PM₁₀污染研究的不断深入，目前对PM_2.5和PM₁₀污染时空分布及差异特征主要的研究手段可分为两个方面，一是对时间序列的时间变化分析研究，二是对空间分布变化的空间变化分析研究。时间变化分析研究的方法有：时间变化曲线特征分析等，空间变化分析研究的方法有：空间统计分析、空间自相关分析、重心迁移技术，空间回归模型等。

2.1空间数据分析

空间数据的统计分析即为空间统计分析^[4]，其核心是了解与地理位置相关的数据间的空间依赖、空间关联或空间自相关，通过空间位置建立各个数据间的统计关系，形成空间统计模型，从而可以从各个数据间发现空间自相关与空间变异规律。其目的对进一步的空间相关分析提供基础数据模型，进而进一步进行定性及定量分析。

2.1.1地统计学分析

在徐伟嘉，何芳芳等人^{5}的调查研究中可以发现，在基于地理的统计学中，对于区域性的变量的理解，是认为其具有结构性（空间相关）和随机性（空间不相关）的。因此，地统计学的变差函数就能够对PM_2.5及PM₁₀的不同地区浓度进行统计分析。基底效应越小，说明由随机因素所导致的变异程度小，由结构性因素所导致的变异程度大，即空间自相关性越强；基底效应越大，说明由随机因素所导致的变异程度大，由结构性因素所导致的变异程度小。经统计分析得出结论，”珠三角”地区PM_2.5浓度基底效应在0.12-0.30之间，东西方向的变异程度较大，空间相关性较强，因此表明了”珠三角”地区PM_2.5污染治理需要各个城市之间跨区域联合治理。而在胥芸博^[6]等人对”成绵乐” 城市群大气污染物浓度空间分布特征分析中，SO₂、NO₂块金效应（即基底效应）德阳市＞眉山市＞绵阳市＞成都市＞乐山市，由此可以发现，德阳市、眉山市SO₂、NO₂空间相关性强，绵阳市、成都市SO₂、NO₂空间相关性中等，乐山市SO₂、NO₂空间相关性弱。