2019, Vol. 40
改革开放40年, 中国城镇化水平显著提高, 从1978年的18.00%上升到2017年的57.40%, 预计到2035年城镇化水平将达71.00%~73.00%之间[1].快速粗放型的城镇化导致城市生态环境污染凸显, 尤其是PM2.5(即动力学直接小于2.5 μm的细颗粒物)污染, 会增加人类心血管疾病和呼吸系统疾病的发病率和死亡率, 提高人类死亡风险[2, 3].面对日益严峻的生态环境问题, 党的十九大报告明确指出大力推进生态文明建设, 全面贯彻城市绿色发展理念[4~6].城市化进程包括人口城市化、经济城市化和土地城市化三大最显著的特征[7, 8].中国城市人口数量已从1979年的1.73亿增长到2017年的8.13亿[9, 10], 增长率为369.94%.为满足不断涌入城市的人口生活需求, 中国城市地域扩张比城市人口的增速还快, 农用地、湿地等生态用地逐步被吞没, 人类活动产生的生态足迹远比城市本身对生态环境的危害要大很多(大约200倍), 城市化已经成为气候变化的一个主要因素[11]. Palmer等[12]认为在未来的生态环境研究中, 人类开发活动应作为地球生态系统的一个重要组成部分来研究人类对生态环境的影响, 尤其是城市生态环境.最能表征人类活动强度的是城市扩张以及城市扩张导致的城市空间特征变化, 例如城市地域扩张的人工地表-不透水面蔓延对生态系统影响巨大, 直接改变城市下垫面结构, 破坏生态系统结构, 导致生态功能退化[13, 14].目前, 从城市化角度分析城市空气污染主要从社会经济方面来研究[15~19], 从城市扩张以及城市空间特征变化的视角来解析城市化进程中人类活动对城市PM2.5污染的影响的研究还没有.如何有效控制和治理空气污染, 目前还没有可行方案. PM2.5重度污染持续在中国暴发, 如何有效解决城市化发展带来的生态环境问题迫在眉睫.掌握和理解城市扩张, 城市空间特征变化以及城市特征空间异质性对PM2.5污染的影响, 对改变城市发展方式, 提高城市发展质量, 实现城市精细化管理对有效控制和治理PM2.5污染提供理论基础, 以期为未来建设环境友好的新型城市提供科学依据.
1 材料与方法 1.1 数据来源采用PM2.5质量浓度表征空气质量数据, 自2012年12月中国PM2.5污染引起公众关注以来, 全国范围开始建立PM2.5实时自动监测网, 来分析和监测污染状况.地面监测数据实时、准确, 然而地面监测点稀少, 且主要部署于城市中心, 数据有限, 且时间跨度较短, 难以长时间序列地分析城市空气质量变化趋势.采用卫星遥感影像与地面监测数据相结合提取的PM2.5数据来分析中国PM2.5污染变化趋势可以弥补地面监测数据的缺陷.该数据来源于加拿大达尔豪西大学, 是由Van等[20]在2016年采用时空地理加权模型(geographically temporal weighted regression, GTWR)结合遥感卫星数据, GEOS模拟数据和地面监测数据来估算PM2.5浓度值.由于既考虑气溶胶的化学组分和土地利用信息, 也充分利用地面稀释的监测站点数据, 该模型PM2.5的估算精度在空间分辨率上提高了10倍.基于交叉验证方法和地面监测值, 得出该模型的PM2.5估算值精度为81.00%[21~26].
中国城市扩张数据、城市特征数据如表 1所示.城市扩张包括2000~2015年的城市人口扩张, 城市地域扩张, 城市特征包括CI、ISC、NDVI和夜间灯光指数.采用NDVI来表征城市区域植被覆盖状况, 把夜间灯光指数作为一个可量测的空间指标来表征城市经济发展水平[27].此外, 采用城市特征空间异质性来表达城市内部形态对城市空气质量的影响, 如人口密度在城郊区与主城区不同即为城市特征空间异质性.
|
表 1 2000、2010和2015年的空间变量数据信息 Table 1 Information for the spatial variables in 2000, 2010, and 2015 |
为了更好地分析城市化过程城市扩张以及城市空间特征变化带来的空气污染, 把气象条件, 地形和秸秆燃烧等因素考虑其中, 剔除这些因素的影响, 最后得出人类活动对空气污染的贡献率.气象条件包括年均降雨、气温; 地形包括高程、坡度、坡向; 秸秆燃烧为年均明火数量(表 1).
CI是城市发展形态与模式, 在一定程度反映城市空间形态, 其直接影响城市交通通勤距离, 间接影响工业生产, 建筑建设等, 加剧城市大气污染.把CI作为一个城市空间特征指标, 分析CI对空气质量的影响意义重大.基于2000、2010和2015年的城市足迹计算2000、2010和2015年各城市的CI. CI的计算见式(1):
|
(1) |
式中, CI为城市空间紧凑度(compact index), A为城市区块面积(m2), P为城市块周长(m).
1.2 研究区域与研究对象与大多采用行政区划[28]研究城市化对大气环境污染的影响不同, 采用世界银行2015、2010和2000年的东亚城市分类数据[29]来划分城区与非城区(图 1), 具体借鉴Larkin等[19]的城市区域界定方法见式(2).
|
图 1 研究区域示意 Fig. 1 Map of the study area |
|
(2) |
式中, 编码1为城市区, 0为非城市区.选取2015年人口总数大于10万人的城市区域作为研究对象, 共有364个城区.其中城市人口总数为城市区域面积与城市人口网格密度均值乘积[30].把城市人口总数大于10万人的城市区域作为典型代表区域来分析中国城市扩张以及城市空间特征变化带来的城市环境效应.
1.3 PM2.5质量浓度与城市特征变化 1.3.1 城市扩张以及空间特征变化城市扩张以及城市空间特征变化趋势是采用2015年城市区域的均值减去2000年的城市区域的均值.
|
(3) |
式中, ΔDij表达变量i在城市区域j从2000~2015年的变化值. Dij2000表达变量i在2000年在城市区域j的均值. Dij2015是变量i在2015年在城市区域j的均值.同理, 2010~2015年和2000~2010年的变化也采用同样的方法.
1.3.2 城市特征空间异质性变化采用城市特征变量在城市区域内的标准差来表达城市形态空间异质性.那么2000~2015年间城市区域的城市形态空间异质性变化趋势：
|
(4) |
式中, ΔSDij表示变量i在城市区域j上的标准差的变化. SDij2000表示2000年变量i在城市区域j内的标准差.其中由于PM2.5数据空间分辨率为1 km×1 km, 因此当城市区域面积小于1 km2时, 其城市空间形态变化设为0.
由于城市扩张, 2000、2010与2015年城市区域在空间上没有完全重叠, 是不连续的.研究区2015年是364个城市区块, 在2010年是405个城市区块, 而在2000年包括1 434个城市区块, 由于城市扩张导致其存在一对多的关系, 即在2015年的城市区域j领域内, 其在2010和2000年的时候包括多个相对较小的城市区域.采用面积加权的方法计算2000年各城市区域的变量均值及标准差, 公式如下：
|
(5) |
式中, ΔDij为变量i在城区j从2000~2015年的面积权重均值变化值. Dij2000为变量i在2000年的城区l上的均值, AREAl2000为2000年的城区l内的城市总面积. t为2015年的城区j在2000年所包含的城市区域总数量.
1.4 统计分析首先, 采用多元配对T-检验方法对各自变量在2000~2010年和2010~2015年的变量值进行差异检验.第二, 对因变量(PM2.5)和各自变量进行单变量线性回归分析, 分析各单变量与PM2.5质量浓度变化的相关关系.第三, 采用多元回归分析方法构建多自变量与因变量的回归分析, 其中模型结构包括：包含所有自变量和相互独立的精选自变量的多元回归模型, 气象条件, 地形和秸秆燃烧作为调整变量以排除这些重要因素对PM2.5的影响, 最终得出城市扩张, 城市特征变化以及城市特征空间异质性变化对城市空气污染的影响程度.
2 结果与讨论 2.1 中国城市扩张与空气污染变化趋势 2.1.1 近20年来中国PM2.5质量浓度时空分布特征中国近几年来, 雾-霾频发, PM2.5污染严重.中国PM2.5年均值变化趋势为(图 2)：1999~2003年间处于第一个跃升期, 从29.89 μg·m-3飙升到39.49 μg·m-3, 4 a间增长9.60 μg·m-3, 增长率为32.12%, 年均增长率为8.03%;第二个污染加剧期为2004~2006年间, 从34.76 μg·m-3增长到38.82 μg·m-3, 增长了4.06 μg·m-3, 年均增长率5.84%; 2006~2012年间进入减缓期, 从38.82 μg·m-3减缓到33.02 μg·m-3, 6a间减缓了5.8 μg·m-3, 减缓率为14.94%. 2012~2015年间再一次迈入污染加剧期, 从33.02 μg·m-3增长到38.49 μg·m-3, 3 a增长了5.47 μg·m-3, 年均增长率16.57%.面对持续高污染事件发展, 国家自2013年起出台了相关空气污染防控、减排政策, PM2.5质量浓度又进入减缓阶段, 从2013年38.49 μg·m-3减缓到2014年35.99 μg·m-3.虽然到2015年又开始增长, 但增长速度(4.03%)是1999~2003年间增长速度(8.30%)的一半.表明相关空气污染控制政策虽然没能控制住PM2.5污染暴发, 但对PM2.5的增长速度具有一定的抑制作用, 对于治理空气污染还是有效的.
|
图 2 中国PM2.5质量浓度中位数以及上下四分位变化趋势 Fig. 2 Mean and upper and lower quartiles of PM2.5 changes between 1998-2015 in China |
图 3展示中国2000~2015年间PM2.5质量浓度时空变化趋势, 呈显著加剧态势. 2000、2010和2015年的PM2.5污染成倒“T”型的空间分布格局, 形成“东北三省-华北平原-中东部-川渝-湖南-广西”纵向污染带(东南区域)和“华北平原-山西-甘肃-宁夏-西宁-新疆塔克拉玛干沙漠”横向污染带(西北区域). PM2.5污染主要沿倒“T”格局向外扩散和加剧, 人类活动最聚集的华北平原处于纵横污染带的交汇处, 污染最为严重.东南区域PM2.5污染的加剧主要是因为远超环境承载力的污染物高强度排放引起.西北区域污染带, 尤其是新疆塔克拉玛干沙漠污染主要是由沙尘暴等气象因素引起的.东部城市中福建省空气质量相对较好, 符合国家二级年均标准(25.00 μg·m-3)[31].由于地形地貌不利于空气污染扩散, 导致处于西南的川渝盆地的污染严重.总而言之, 中国PM2.5质量浓度最高值, 从2000年98.60 μg·m-3增长到2010年118.70 μg·m-3, 增长20.10 μg·m-3, 到2015年, 增长到129.10 μg·m-3, 同比2010年增长了10.40 μg·m-3, 其主要是由城市化过程所导致.
|
图 3 2000~2015年中国PM2.5质量浓度空间分布 Fig. 3 Spatial distribution of PM2.5 concentrations in China in 2000 and 2015 |
中国城市扩张(人口、地域和经济扩张)均呈现“胡焕庸线”分布格局, 也就是以黑龙江黑河市到云南省腾冲市为界限, 以东区域城市扩张速度显著高于以西的区域, 京津冀、长江三角洲、珠江三角洲、川渝等城市群是城市扩张的主要区域(图 1), 长江三角洲位居第一.以建成区面积增长为例, 东部地区增长值占90%以上, 呈东高西低的分布格局. 2000年, 364个典型城市区域的建成区面积为59 210.24 km2, 占全国总面积59.92%, 到2010年, 占比增长到67.09%, 同比2000年增长面积为25 763.20 km2, 占全国建成区增长面积92.54%, 增长率为43.51%, 是全国平均水平1.54倍, 到2015年, 建成区面积为100 346.34 km2(占2015年全国总面积的80.92%), 同比2010增长面积为15 362.90 km2. 2000~2010年, 研究区域人口总量从0.75亿人增长到3.37亿人, 以347.98%的增长率增长了2.62亿人.到2015年增长到6.12亿人, 同比2010增长率为81.60%. 15 a间, 从364个典型城市和全国维度来看, 人口增长和空间格局都发生巨大变化, 城市人口从乡村或小城市流入到364个典型大城市区域中.中国人口城市化、地域面积扩张、经济快速发展的过程中, 伴随着城市空间特征剧烈变化, 包括夜间灯光指数、人口密度、CI、ISC和NDVI等.作为衡量经济发展水平的一个宏观空间指标——夜间灯光指数, 2000~2010年间, 从7.49%增长到11.05%, 增长率为47.53%, 到2015年, 增长到15.34%, 同比2010年增长率为38.82%. 2000、2010和2015年364个典型城市区域的夜间灯光指数分别为22.48%、48.11%和64.56%, 分别是同期全国水平的3.01、4.35和4.21倍, 得出大型城市区域的夜间灯光指数显著高于非典型城市区域.中国在2000、2010和2015年的ISC分别为2.44%、3.23%和3.89%, 2010~2015年间增长率(4.09%)大于2000~2010年间(3.24%). 364个城市区域的ISC在2000、2010和2015年分别为10.26%、21.28%和28.67%, 分别是全国平均水平的4.20、6.59和7.37倍.全国人口密度在2000~2010年间从503.74人·km-2增长到583.52人·km-2, 增长了79.78人·km-2, 年均增长率为1.58%.从364个城市区域维度, 人口密度从2000年2 785.60人·km-2增长到2010年3 754.60人·km-2, 增长了969人·km-2, 年均增长率为3.48%, 是全国平均水平的2.20倍, 增长到2015年的4 562.30人·km-2. 2000~2010年, 我国NDVI指数从0.19增长为0.33, 364个城区的NDVI指数从2000年0.07增长到2010年0.21, 到2015年, NDVI指数为0.24, 全国平均NDVI大于364个典型城市区域.
改革开放40年来, 中国城市蔓延式、摊大饼式的扩张导致城市CI越来越小, 城市交通通勤距离增长, 机动车尾气排放增加, 城市空气污染加剧. 2000和2015年中国城市CI时空分布如图 4所示.
|
图 4 城市空间紧凑度变化 Fig. 4 Compact index of the urban changes in cities in China |
2000~2015年, 上海市城区面积剧烈增长, 城市CI随之降低.另外, 城市化显著特征的城市人口密度、ISC、NDVI和夜间灯光指数于2000~2015年在空间范围和空间分布格局均呈“胡焕庸线”分布规律(图 5).
|
图 5 中国2000~2015年的城市特征分布 Fig. 5 Distribution map of urban characteristics in China in 2000-2015 |
依据城市空间单元以及城市空间特征分布, 计算各城市在2000、2010和2015年城市扩张、城市空间特征变化、城市特征空间异质性变化. 表 2总结了PM2.5变化、城市扩张和城市空间特征变化. 2000~2010年间PM2.5城均变化24.52 μg·m-3, 城市扩张包括人口扩张和地域扩张都很大, 城均人口扩张为64.58万人, 城均地域面积扩张为63.61 km2.另外, 随着城市扩张过程, 城市CI、人口密度、ISC、夜间灯光指数和NDVI也相应变化. 2010~2015年间PM2.5城均变化36.89 μg·m-3, 城均人口扩张为45.87万人, 城均地域面积扩张为45.69 km2, 城市空间形态的空间异质性随着城市扩张也变得越来越复杂.
|
|
表 2 2000~2010年和2010~2015年的PM2.5和城市扩张、城市特征变化和城市空间异质性变化1) Table 2 Changes in PM2.5, urban expansion, city characteristics, and urban spatial heterogeneity in 2000-2010 and 2010-2015 |
中国城市特征指标表明, 2000~2010年间中国城市CI城均增长0.12, 中国城市CI总体是越来越好. 405个典型区域城均ISC变化为11.03%, 人工地表急剧扩张.夜间灯光指数以平均25.64%增长率增长, 中国经济快速增长. 2010~2015年, 按364个城市区域的ISC变化为10.45%, 夜间灯光指数平均增长22.78%, 人口密度变化为1 090.89人·km-2. 2010~2015年间, 城市化速度快于2000~2010年间, 同时2010~2015年的PM2.5污染增长值为36.89 μg·m-3, 大于2000~2010年的变化值24.52 μg·m-3.另外, 从中国城市特征空间异质性得出在城市内部, 城市特征存在显著差异, 城郊与主城区差异巨大.
2.2 中国城市扩张、特征变化与PM2.5变化相关关系分析城市扩张, 城市空间特征变化, 城市特征空间异质性各变量与PM2.5变化的相关关系, 得出各变量与PM2.5变化的关系显著, 且都在P < 0.01水平显著(表 3).
|
|
表 3 城市扩张、城市空间特征变化以及异质性与PM2.5的相关性1) Table 3 Relationships between urban expansion and PM2.5 pollution |
本研究表明城市CI、NDVI与PM2.5质量浓度变化呈显著负相关, 对PM2.5污染具有抑制和减缓作用.夜间灯光指数、人口密度、ISC与PM2.5污染变化呈显著正相关.总之, 2000~2010年间城市扩张和空间特征变化与PM2.5质量浓度变化的关系显著强度如下：夜间灯光指数>CI>人口密度>ISC≥城市地域扩张>城市人口扩张>NDVI; 夜间灯光指数与PM2.5变化的相关关系最为明显(相关系数R=0.76), 强相关性; 表征中国经济发展对PM2.5质量浓度带来的影响最为显著; 其次, 城市人口密度和CI变化与PM2.5变化相关系数分别为0.54和0.65, 中强相关性; 城市地域扩张、ISC增长和城市人口扩张与PM2.5变化相关系数分别为0.37、0.38和0.28, 为中相关性; NDVI与PM2.5质量浓度的相关性较小(R=0.16)如图 6所示. 2010~2015年间, 各要素与PM2.5变化相关程度[图 6(b)]与2000~2010年大体一致[图 6(a)].
|
图 6 2000~2015年间城市扩张和城市特征变化与PM2.5的关系 Fig. 6 Relationship between urban expansion and PM2.5 in 2000-2015 |
通过回归模型分析城市扩张、城市空间特征变化对PM2.5变化的贡献率.为了更好地理解和掌握城市扩张、城市特征变化、城市空间异质性对PM2.5变化的贡献, 把2000年基础城市特征数据、气象条件(降雨、气温)、城市地形地貌(高程、坡度、坡向)和秸秆燃烧(明火数量)作为调整参数加入到模型中, 构建了包括所有变量的多元回归模型.同理, 2010~2015年间的模型是把2010的基础城市特征数据除去, 构建多元回归模型(表 4).
|
|
表 4 城市扩张, 城市特征变化, 城市空间异质性对PM2.5污染影响1) Table 4 Impact of urban expansion, changes in urban characteristics and urban spatial heterogeneity on PM2.5 pollution |
城市扩张以及城市空间特征变化对PM2.5污染影响显著.城市扩张, 城市特征变化, 城市空间特征异质性变化对2000~2010年中国PM2.5浓度总贡献率为77.80%, 对2010~2015年期间的PM2.5变化贡献率为82.30%.与以往研究相符, 气象条件对PM2.5质量浓度变化影响最大[21, 32].除了气象因素, 城市空间特征变化对PM2.5加剧贡献率最高, 在2000~2010年期间贡献率为39.30%, 在2010~2015年期间贡献率为55.00%;其次为城市空间特征异质性, 其对2000~2010年间PM2.5变化的贡献率为14.90%, 对2010~2015年期间污染加剧贡献率为25.60%;均大于2000、2010年基础城市特征对PM2.5变化的贡献率3.70%和5.70%.总而言之, 未来城市转型发展中, 构建绿色生态城区过程中, 应充分考虑城市空间布局、城市空间特征变化, 尽可能实现城市建设对生态环境破坏最小, 甚至增强城市生态功能, 实现生态环境友好的可持续发展的新型城市建设.
3 结论(1) 突破传统采用城市行政区划界定城市区域, 利用城市分类数据来界定城市区域, 使得城市扩张以及城市特征变化的计算与分析更为准确.对2000~2010年和2010~2015年城市空间特征变化是利用2015年城市区域内均值减去2010年的面积加权均值, 2000~2010年间变化是2010年城市区域均值减去2000年的面积加权均值.
(2) 分别从不同的空间维度和时间阶段分析了中国城市扩张、城市空间特征变化、城市特征空间异质性对PM2.5污染的影响.基于2015年的城市区域, 分析了2010~2015年期间, 城市扩张, 城市空间特征变化, 城市空间特征异质性变化对PM2.5浓度变化总贡献率为80.30%, 城市空间特征变化的贡献率最高为55.00%, 城市空间异质性的贡献率为25.60%, 均大于2010年基础城市特征的贡献率5.70%.基于2010年的城市区域, 分析了2000~2010年期间, 得出城市空间特征变化对PM2.5变化贡献率为39.30%, 城市空间特征异质性的贡献率分别为14.90%, 均大于2000年基础城市特征的贡献率3.70%.
(3) 中国城市扩张以及城市空间特征变化与PM2.5污染显著相关, 相关强度顺序为:夜间灯光指数>CI>人口密度>ISC>城市地域扩张≥城市人口扩张>NDVI; 夜间灯光指数与PM2.5变化关系最明显, 相关系数R为0.77, 具强相关性, 表征经济发展对PM2.5的影响最大; 人口密度和城市CI与PM2.5变化的相关系数分别为0.55和0.66, 中强相关.表明城市化进程中城市格局对城市空气污染水平具有重大影响, 科学合理的绿色生态城市发展不但不会产生污染, 反而能提升城市生态功能.因此, 要全面贯彻和实现城市绿色生态发展理念, 合理布局城市基础设施, 推动绿色低碳循环的经济发展, 促进城市精细化管理.把对生态环境的影响降到最低, 降低空气污染排放, 减缓城市空气污染水平, 实现绿色生态城区可持续发展建设.
| [1] |
乔文怡, 李玏, 管卫华, 等. 2016-2050年中国城镇化水平预测[J]. 经济地理, 2018, 38(2): 51-58. Qiao W Y, Li L, Guan W H, et al. Prediction of urbanization level in China:2016-2050[J]. Economic Geography, 2018, 38(2): 51-58. |
| [2] | 全国两会特别报道.共商共治共享, 高质量推进生态建设[N/OL].解放日报, http://kns.cnki.net/KCMS/detail/detail.aspx?QueryID=2&CurRec=1&recid=&FileName=JFRB201803190040&DbName=CCNDLAST2018&DbCode=CCND&yx=&pr=&URLID=, 2018-03-19. |
| [3] | United Nations. World urbanization prospects (2014 revision)[M]. New York: United Nations, 2014. |
| [4] | Zhao L, Lee X, Smith R B, et al. Strong contributions of local background climate to urban heat islands[J]. Nature, 2014, 511(7508): 216-219. DOI:10.1038/nature13462 |
| [5] | Wigginton N S, Fahrenkamp-Uppenbrink J, Wible B, et al. Cities are the future[J]. Science, 2016, 352(6288): 904-905. DOI:10.1126/science.352.6288.904 |
| [6] |
王彤, 华阳, 许庆成, 等. 京津冀郊区站点秋冬季大气PM2.5来源解析[J]. 环境科学, 2019, 40(3): 1035-1042. Wang T, Hua Y, Xu Q C, et al. Source apportionment of PM2.5 in suburban area of Beijing-Tianjin-Hebei region in autumn and winter[J]. Environmental Science, 2019, 40(3): 1035-1042. |
| [7] | 周伟奇, 钱雨果. 中国典型区域城市化过程及其生态环境效应[M]. 北京: 科学出版社, 2017. |
| [8] |
秦雨, 张强, 李鑫, 等. 中国燃煤电厂大气污染物排放的健康影响特征[J]. 环境科学, 2018, 39(12): 5289-5295. Qin Y, Zhang Q, Li X, et al. Patterns of mortality from air pollutant emissions in China's coal-fired power plants[J]. Environmental Science, 2018, 39(12): 5289-5295. |
| [9] | Yang H. China's soil plan needs strong support[J]. Nature, 2016, 536(7617): 375. DOI:10.1038/536375a |
| [10] | Qi Y, Stern N, Wu T, et al. China's post-coal growth[J]. Nature Geoscience, 2016, 9(8): 564-566. DOI:10.1038/ngeo2777 |
| [11] |
黄丹丹, 周敏, 余传冠, 等. 长三角淳安地区二次颗粒物污染形成机制[J]. 环境科学, 2018, 39(12): 5308-5314. Huang D D, Zhou M, Yu C G, et al. Physiochemical properties of the aerosol particles and their impacts on secondary aerosol formation at the background site of the Yangtze river delta[J]. Environmental Science, 2018, 39(12): 5308-5314. |
| [12] | Palmer M, Bernhardt E, Chornesky E, et al. Ecology for a crowded planet[J]. Science, 2004, 304(5675): 1251-1252. DOI:10.1126/science.1095780 |
| [13] | McDonnell M J, Macgregor-Fors I. The ecological future of cities[J]. Science, 2016, 352(6288): 936-938. DOI:10.1126/science.aaf3630 |
| [14] | Zhang X Y, Sun J Y, Wang Y Q, et al. Factors contributing to haze and fog in China[J]. Chineses Science Bulletin, 2013, 58(13): 1178-1187. DOI:10.1360/972013-150 |
| [15] | Peng J, Chen S, Lu H L, et al. Spatiotemporal patterns of remotely sensed PM2.5 concentration in China from 1999 to 2011[J]. Remote Sensing of Environment, 2016, 174: 109-121. DOI:10.1016/j.rse.2015.12.008 |
| [16] |
段杰雄, 翟卫欣, 程承旗, 等. 中国PM2.5污染空间分布的社会经济影响因素分析[J]. 环境科学, 2017, 39(5): 2498-2504. Duan J X, Zhai W X, Cheng C Q, et al. Socio-economic factors influencing the spatial distribution of PM2.5 concentrations in China:an exploratory analysis[J]. Environmental Science, 2017, 39(5): 2498-2504. |
| [17] |
王桂林, 杨昆, 杨扬. 京津冀地区不透水表面扩张对PM2.5污染的影响研究[J]. 中国环境科学, 2017, 37(7): 2470-2481. Wang G L, Yang K, Yang Y. The spatio-temporal variation of PM2.5 pollution and the its correlation with the impervious surface expansion[J]. China Environmental Science, 2017, 37(7): 2470-2481. DOI:10.3969/j.issn.1000-6923.2017.07.008 |
| [18] |
韩立建. 城市化与PM2.5时空格局演变及其影响因素的研究进展[J]. 地理科学进展, 2018, 37(8): 1011-1021. Han L J. Relationship between urbanization and urban air quality:An insight on fine particulate dynamics in China[J]. Progress in Geography, 2018, 37(8): 1011-1021. |
| [19] | Larkin A, Van Donkelaar A, Geddes J A, et al. Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010[J]. Environmental Science & Technology, 2016, 50(17): 9142-9149. |
| [20] | Van Donkelaar A, Martin R V, Brauer M, et al. Global estimates of fine particulate matter using a combined geophysical-statistical method with information from satellites, models, and monitors[J]. Environmental Science & Technology, 2016, 50(7): 3762-3772. |
| [21] | Han L J, Zhou W Q, Pickett S T A, et al. An optimum city size? The scaling relationship for urban population and fine particulate (PM2.5) concentration[J]. Environmental Pollution, 2016, 208: 96-101. DOI:10.1016/j.envpol.2015.08.039 |
| [22] | Han L J, Zhou W Q, Li W F. Increasing impact of urban fine particles (PM2.5) on areas surrounding Chinese cities[J]. Scientific Reports, 2015, 5: 12467. DOI:10.1038/srep12467 |
| [23] |
贺晋瑜, 燕丽, 王彦超, 等. 我国PM2.5浓度分阶段改善目标情景分析[J]. 环境科学, 2019, 40(5): 2036-2042. He J Y, Yan L, Wang Y C, et al. Scenario analysis of PM2.5 concentration targets and milestones in China[J]. Environmental Science, 2019, 40(5): 2036-2042. |
| [24] |
卢文, 王红磊, 朱彬, 等. 南京江北2014~2016年PM2.5质量浓度分布特征及气象和传输影响因素分析[J]. 环境科学学报, 2019, 39(4): 1039-1048. Lu W, Wang H L, Zhu B, et al. Distribution characteristics of PM2.5 mass concentration and their impacting factors including meteorology and transmission in north suburb of Nanjing during 2014 to 2016[J]. Acta Scientiae Circumstantiae, 2019, 39(4): 1039-1048. |
| [25] |
沈利娟, 王红磊, 李莉, 等. 嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析[J]. 环境科学, 2016, 37(8): 2871-2880. Shen L J, Wang H L, Li L, et al. Observation analysis on the characteristics of meteorological elements and pollutants during a continuous fog and haze episode in spring in Jiaxing City[J]. Environmental Science, 2016, 37(8): 2871-2880. |
| [26] | Han L J, Zhou W Q, Li W F, et al. Impact of urbanization level on urban air quality:a case of fine particles (PM2.5) in Chinese cities[J]. Environmental Pollution, 2014, 194: 163-170. DOI:10.1016/j.envpol.2014.07.022 |
| [27] | Keola S, Andersson M, Hall O. Monitoring economic development from space:using nighttime light and land cover data to measure economic growth[J]. World Development, 2015, 66: 322-334. DOI:10.1016/j.worlddev.2014.08.017 |
| [28] | Hao Y, Liu Y M. The influential factors of urban PM2.5 concentrations in China:a spatial econometric analysis[J]. Journal of Cleaner Production, 2016, 112: 1443-1453. DOI:10.1016/j.jclepro.2015.05.005 |
| [29] | World Bank. East Asia's changing urban landscape:measuring a decade of spatial growth[M]. Washington, DC: The World Bank, 2015. |
| [30] | Jerrett M. Atmospheric science:the death toll from air-pollution sources[J]. Nature, 2015, 525(7569): 330-331. DOI:10.1038/525330a |
| [31] | 环境空气质量标准(GB 3095-2012)[S].中华人民共和国: 2012. |
| [32] | Normile D. China rethinks cities[J]. Science, 2016, 352(6288): 916-918. DOI:10.1126/science.352.6288.916 |