利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果...利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。展开更多
文摘利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。