基于遥感影像的中尺度人口统计数据空间化--以京津冀地区为例

基于DMSP/OLS夜间灯光数据、土地利用数据及其他与人口分布相关的社会经济与生态环境因子,在中尺度区域上研究人口统计数据的空间化及应用。以京津冀地区为研究区,首先获取2010年京津冀地区人口普查数据;然后基于各个相关因子(公路、铁路、河流、坡度、土地利用和夜间灯光)计算概率系数;最后综合各种输入变量和概率系数运用地理信息系统技术把人口普查数据分配到各个像元上。用城市人口普查数据对分配结果进行检验,检验结果为:京津冀地区2010年人口统计数据的空间化结果在城市尺度上的校验准确率可以达到74%以上。此检验结果表明该人口统计数据空间化的方法可以很好地应用于中尺度区域人口统计数据的空间化。

土地利用与景观格局对PM_(2.5)浓度的影响——以深圳市为例

以深圳市为研究区,利用空气质量监测站点PM2.5浓度数据,选取类型水平的景观类型所占比例(PLAND),边缘密度(ED),以及景观水平的蔓延度(CONTAG),斑块数量(NP)和斑块平均面积(AREA_MN)共5个景观指数,并结合道路长度、餐饮点分布数量、海拔和土地利用类型等影响PM2.5浓度的因子,运用相关分析和多元逐步回归分析方法,探究深圳市土地利用和城市景观格局对PM2.5浓度的影响。结果表明:1)土地利用中,植被对PM2.5浓度的削减起着至关重要的作用;2)城市各类型景观格局特征中,组成特征(PLAND)和结构特征(ED)对PM2.5浓度的影响显著;3)城市整体景观中,景观水平的破碎度与PM2.5浓度关系密切。研究结果可以加深对景观生态学中过程–格局相互作用的认识,为大气污染防治和城市景观格局的规划管理提供参考和借鉴,同时在监测数据缺失的情况下,提供一种借助景观指数估算PM2.5浓度的方法。

土地利用回归模型在大气污染时空分异研究中的应用

随着城市化、工业化、机动化进程的加快,大气污染已成为我国最严重的环境问题之一,对公众健康和生态环境造成了诸多负面影响.土地利用回归,即Land-use Regression(LUR)模型是目前模拟城市尺度大气污染时空分异的常用方法之一,其在欧洲和北美得到广泛的应用,而在国内,相关研究却不多.本文在整理国内外文献的基础上,从构建LUR模型的主要步骤入手,包括监测数据获取、模型自变量生成、模型构建、模型检验和回归映射等方面,对LUR模型在大气污染时空分异研究中的进展进行归纳总结,进而展望了未来的研究重点与方向,即突出时空分异、扩展模型变量类别和改进模型构建方法.本文旨在普及LUR模型在我国的应用,为人口暴露、流行病学研究和健康风险评价等提供方法论基础.