评估印度拉贾斯坦邦斋浦尔市空气质量的时空变化外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

评估印度拉贾斯坦邦斋浦尔市空气质量的时空变化

Ankita P. Dadhich，Rohit Goyal，Pran N. Dadhich

摘要 本文介绍了斋浦尔市不同病房空气质量的评估。利用地理空间和地理统计技术来估计气体和颗粒污染物的季节和时间变化（2004 - 2015年）。从中央污染控制委员会（CPCB）和拉贾斯坦邦污染控制委员会（RPCB）收集了六个固定监测站的数据，并分析了斋普尔市空气质量与当地天气参数之间的关系。发现SPM和PM 10是斋浦尔市空气质量恶化的主要原因，而NO _X和SO ₂浓度低于CPCB标准。结果表明，与季风相比，冬季和夏季的空气污染物浓度较高。空气质量指数（AQI）的时空分布清楚地描绘了斋浦尔市Vidhyadhar nagar，Civil lines，Hawa Mahal，Kishanpole和Aadarsh Nagar地区的严重空气污染。普通最小二乘法（OLS）回归显示，AQI与夏季和冬季的气候条件（温度，相对湿度和风速）有良好的相关性。进行空间分析以确定斋浦尔市不同病房使用双变量Moran#39;s I和LISA（空间协会局部指标）时AQI与天气状况之间的空间关联程度。 Moranrsquo;s I结果意味着AQI和相对湿度之间存在强烈的正相关，其次是温度和风速。地理信息系统和统计分析的结合有助于表征天气条件对空气污染物的空间影响，并快速查看需要决策者更多关注的相对重要领域，以启动旨在制定减少空气污染的适当策略的政策。

关键字 空气质量 地理信息系统 空间自相关 二元莫兰的我 LISA

1 简介

城市空气质量是最严重的问题之一，受到发展中国家和发达国家的关注。研究还显示空气质量不佳，不仅在亚洲的大城市，而且在人口在15万到150万的小城市（IAQP，2010）。工业核心周围的人口和经济增长往往严重关注周边地区的环境恶化（Reddy等，2004; Khandelwal等，2017）。在人口稠密的城市中心，由于高运输活动（Dadhich和Hanaoka，2012）以及车辆维护不当（Ravindra等，2003），城市中心的污染水平趋于上升（Marsh and Grossa，2002）。高浓度的空气污染物已经恶化了人类健康（Tandon等，2008）和生活质量。城市地区空气污染物水平的增加造成肺功能，心血管疾病，神经行为效应和死亡率（Gupta，1999; WHO，2005）。气态和颗粒污染物对健康的影响因季节而异，因此，季节性一直是决定低层大气污染浓度的一个因素（Balogun和Orimoogje，2015）。尽管一些研究报道了城市空气质量的季节变化（Karar和Gupta，2006; Kulshrestha等，2009; George等，2013; Chen等，2015），但当地天气条件的影响仍然知之甚少，需要付出相当大的努力才能解决这个问题。

斋浦尔市与印度其他发展最快的城市一样，面临着不断扩张的城市化，交通拥堵，道路条件恶劣，工业排放控制不佳以及空气污染增加等问题（Dhamaniya和Goyal，2004; Kala等，2014）。因此，地方当局，决策者和利益相关者将面临更大的压力。这就需要在空间和时间上评估气态和颗粒污染物的水平，以便采取政策和管理措施来减少斋浦尔的空气污染水平。从这个意义上说，在地理信息系统（GIS）下创建和组织的数据集产生了一个全面和准确的解决方案（Puliafito等，2003; Dadras等，2015）。地理信息系统为从各种来源输入数字数据提供了一个灵活的环境，并且是分析地图图层内和之间统计关系的强大工具（Jenson，1998; Dadhich和Hanaoka，2010; Kushwaha和Goyal，2016; AbdelRahman等，2016）。因此，本研究尝试使用最新的地理空间工具研究斋浦尔市2004至2015年期间空气质量的空间分布情况。本研究的主要目的是利用斋浦尔六个固定监测站评估空气污染物浓度的时间和季节变化，并分析空气质量与当地天气参数之间的关系。

2 材料和方法

2.1 站点说明

斋浦尔地区占地面积11,061.44平方公里，北纬26°25#39;至27°51#39;，东经74°55#39;至76°15#39;之间，形成拉贾斯坦邦东中部。它位于Aravali山脉的小山丘上，被北部和东部的小丘以及西部和南部的广阔平原所环绕。斋浦尔地区的平均人口密度为每平方公里470人。根据2011年人口普查和十年的增长26.91％（2001 - 2011年期间）。首都斋浦尔被普遍称为粉红城市，是拉贾斯坦邦最大的城市，拥有迷人的堡垒，壮丽的宫殿，位于该区中部。斋浦尔地区有着半干旱的气候。冬季温和宜人，平均气温在15-18℃，相对湿度在35-63％之间。当温度在5到10℃之间变化时，12月和1月是最冷的月份。三月是一个愉快的过渡月份，直至夏季。4月至6月的夏季月平均日温度约为35℃。五月和六月是斋普尔地区最热的月份。这些月的温度达到48℃，夏季相对湿度在16％到52％之间。 4月份的湿度最低，8月份最高。斋浦尔每年的降雨量超过650毫米。每年大部分时间在7月至9月季风季节受到降雨。在季风季节，温度变化25-34℃，相对湿度50-90％。一般来说，月平均风速在2.5到10.0公里/小时之间变化，夏季（6-10公里/小时）和季风（7-8公里/小时）最高，冬季最低。在冬季，通常会有东风吹向北方的风。在夏季，3月至6月期间经常会观测到沙尘暴（IMD，2011）。在夏季，风向为东部至南部，东部为早晨，西北部为傍晚。在季风季节西北风向西北偏西部分依然突出。从全球天气数据（SWAT，2016）和WU网站（WU，2016）收集斋浦尔市内和周围五个不同地点的天气数据。

2.2 数据收集和分析

2.2.1 空间数据

对于研究区域，空间数据首先在GIS内创建。斋浦尔和斋浦尔市区边界地区和边界地图是在GIS环境中创建的。五个气候地点的数据被用于解释斋浦尔市内的当地天气情况（图1a）。根据这5个天气地点，为2004 - 2015年期间的温度，相对湿度和风速生成内插地图。插值可从有限数量的样本数据点预测栅格中单元格的值。它可用于预测任何地理点数据的未知值（Watson和Philip，1985）。反距离加权（IDW）插值用于使用一组采样点的线性加权组合来确定单元值。与其他方法相比，IDW方法编程简单，不需要预先建模或主观假设选择半变异函数模型（Henley，1981）。它提供了与估计值直接相关的估计的不确定性度量，与基于模型半变异函数的克里金标准偏差相反（Adisoma和Hester，1996）。

图1 a.学习斋浦尔市的病区地图的地区位置 b.空气质量监测站所在的不同行政区

2.2.2 环境空气质量

在斋浦尔市，对六个空气质量监测站收集12年（2004 - 2015年）的空气污染物浓度日数据，以全面分析国家环境空气质量标准下的空气质量数据。气态空气污染物的浓度即二氧化硫（SO ₂），氮氧化物（NO _X）和微粒空气污染物，悬浮颗粒物（SPM）和可吸入悬浮颗粒物（RSPM）或PM 10，从CPCB和RPCB收集到斋浦尔市的不同位置（表1）。所有这六个空气质量监测站的位置如图1b所示。之后，为每个环境空气质量监测位置生成3公里的缓冲区以显示影响区域。基于以下事实选择3公里的距离，在普遍的气候条件下，影响区域不可能超过3公里。将缓冲区内覆盖率为80％的病房作为研究区;因此选择总共44个病房来评估斋浦尔市的环境空气质量模式。这44个病房存在于不同的管理区域，如图1b所示。

表1 空气质量监测站点

2.2.3 季节性变化

对于季节变化的调查，根据区域气象考虑，该年分为三个季节：冬季（11月至2月），夏季（3月至6月）和季风（7月至10月）。 空气污染物的浓度即在斋浦尔市六个空气质量监测站点对2004 - 2015年所有三个季节的SO 2，NO X，SPM和PM 10进行了分析。

2.2.4 空气质量指数

空气质量指数（AQI）是衡量不同地区污染物浓度与环境空气状况的比率（Zlauddin和Siddiqui，2006; Joshi和Semwal，2011）。 AQI是可用于统一分析和表示空气质量状况的重要工具之一（Swami和Tyagi，1999年）。个体污染物浓度在环境空气中的累积效应通常以AQI形式的单一值表示。 AQI指数通过使用以下公式计算（Rao和Rao，1998）。

AQI=1/4[实际SPM/标准SPM 实际PM10/标准PM10 实际SO₂/标准SO₂ 实际NO_X/标准NO_X]times;100 （A.1）

如果实际前期脚本指示持续时间的参数观测值，并且标准前期脚本按照中央污染控制委员会（CPCB）规范指示标准值。 如此得出的AQI值分为五类，即0-25 =优质空气，26-50 =轻度空气污染，51-75 =中等空气污染，76-100 =重度空气污染，高于100的值表示严重的空气污染。 对于不同的斋浦尔城区，AQI值被插值并计算了12年（2004 - 2015年）并转换成GIS图层，从而可以检查空气污染的空间格局。

2.2.5 地理统计分析

许多研究表明，环境空气中的气体和颗粒物质会受到各种气象因素的影响，如风速，太阳辐射，相对湿度以及来源条件（Monne等，1995; Prendez等，1995）。 因此需要强调所有研究病房的空气质量和天气状况之间的关系。 使用空间数据分析和回归模型，利用GeoDa数据工具（Anselin等，2006），探索空气质量指数与当地天气条件之间的关系。 通过普通最小二乘法（OLS）评估AQI与当地天气条件之间的关系（ArcGIS help，2017）：

（A.2）

y是因变量，AQI; ，，和是回归系数; ，和是解释变量，在当前情况下是温度，风速和相对湿度， 是随机误差/残差项。 为了运行OLS模型，所有44个研究病房使用了插值的温度，相对湿度和风速平均值（2004 - 2015年期间）。 为了估计AQI（因变量）与温度，相对湿度和风速（自变量）之间的相关性，在夏季和冬季（2004-2015）生成了OLS回归诊断。

还评估空间数据的空间依赖性，因为在一个位置观察到的值取决于在相邻位置观察到的值。 空间相关性分析表明不同变量与空间自相关的相关性。 使用双变量Moran#39;s I（Moran，1950）和局部空间关联指数（LISA）来解释由两个不同变量形成的空间格局（Anselin等，2006; Dadhich等，2012; Matkan等，2013）。 双变量Moran#39;s I值决定了每个病区独立的AQI和温度或相对湿度或风速两个变量之间关系的强度和方向，并测量整体聚类。 双变量局部空间自相关测度莫兰的统计，可以定义为：

（A.3）

其中x和y分别是病房i和邻近病房j的变量; Zx和Zy分别是变量x和y的标准z分数。 定义为皇后邻接矩阵的空间权重矩阵Wij被用于确定观测的空间范围。 共享共同边界的所有观测值具有Wij = 1，否则Wij = 0。Moran#39;s I指数的可能值范围在-1.0和 1.0之间。 当交互水平超过预期水平时，附近的位置具有相似的值（正自相关）。 相反，当相互作用为负时，变量的高值与低值（负自相关）接近，而如果邻近值之间不存在关系，则数据呈现零空间自相关。 LISA提供有关空间聚类和异常值位置以及空间相关类型的信息。

3 结果和讨论

3.1 季节和时间变化

图2显示了斋浦尔市六个固定监测点的NO_X，SO ₂，SPM和PM 10的季节变化。结果表明，按照CPCB，颗粒物（PM10和SPM）的季节年平均浓度高于规定限值，而NO _X和SO ₂浓度在任何采样中均未超过参考水平80/

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[465534]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• GIS矢量地图的鲁棒水印方案外文翻译资料
• 中国相似地理位置发达地区房价影响因素的差异——以西安高新区和沣渭新区为例外文翻译资料
• 集成数据在城市土地利用变化时空动态监测的应用——以印度金奈都市为例外文翻译资料
• 全球地表水及其长期变化的高分辨率制图外文翻译资料
• 造成沿海大型城市内涝灾害的主要因素识别——以中国广州为例外文翻译资料
• 基于SFPHD框架的中国快速城市化地区城市生态系统健康综合评价方法外文翻译资料
• 基于绿地演变的未来城市地表热岛强度的多情景模拟预测外文翻译资料
• 中国大陆272个城市地面和冠层城市热岛强度的长期趋势外文翻译资料
• 与孟加拉湾热带气旋有关的中国低纬度高原远距离降雨事件外文翻译资料
• 新丰江水库流域GPM IMERG降水产品评价及水文效用研究外文翻译资料