| 中国PM2.5污染时空趋势研究——基于贝叶斯时空统计视角 |
| |
| 引用本文： | 李俊明. 中国PM2.5污染时空趋势研究——基于贝叶斯时空统计视角[J]. 统计与信息论坛, 2019, 0(6): 67-73 |
| |
| 作者姓名： | 李俊明 |
| |
| 作者单位： | 1.山西财经大学统计学院 |
| |
| 基金项目： | 教育部人文社会科学研究青年基金项目《多源异构数据贝叶斯时空模型构建与中国人口暴露风险研究》(19YJCZH079);国家自然科学青年基金项目《基于微分几何特性的光学影像三维超分辨计算》(61801279) |
| |
| 摘 要： | 以遥感反演的PM2.5 年均浓度数据为基础,研究了2000-2014年中国PM2.5 污染的时空演化趋势与特征。采用了基于多尺度嵌套空间统计单元的贝叶斯时空层次模型,并对多尺度嵌套空间统计单元构建的剖分阈值范围进行了扩展。研究表明:第一,2000-2014年,中国PM2.5 重度污染区域已形成“两团一带”的稳态空间结构,主要位于华北平原、长三角地区、四川盆地和新疆塔里木盆地等区域;第二,PM2.5 污染程度高于全国总体水平的区域面积占比为63.3%,但对应的暴露人口比例却高达92.5%;第三,2000-2014年,PM2.5 轻度污染的西部地区出现了较强的局部加重趋势,同时湖北、河南、山东、长三角地区北部和京津冀地区等PM2.5 重度污染区域也出现了局部增加趋势,并形成了“X”型空间结构,但PM2.5污染较重的四川盆地却呈现出下降的局部趋势。
|
| 关 键 词： | 贝叶斯统计 遥感数据 时空趋势 PM2.5污染 |
Studying Temporal and Spatial Trends of PM_(2.5) Pollution in China: Based on Bayesian Spatio-temporal Statistical Perspectives |
| |
| LI Jun-ming. Studying Temporal and Spatial Trends of PM_(2.5) Pollution in China: Based on Bayesian Spatio-temporal Statistical Perspectives[J]. Statistics & Information Tribune, 2019, 0(6): 67-73 |
| |
| Authors: | LI Jun-ming |
| |
| Affiliation: | (School of Statistics,Shanxi University of Finance and Economics,Taiyuan 030006,China) |
| |
| Abstract: | LI Jun-ming(School of Statistics,Shanxi University of Finance and Economics,Taiyuan 030006,China) |
| |
| Keywords: | Bayesian statistics remote sensing data spatio-temporal trends PM2.5 pollution |
| 本文献已被 维普 等数据库收录！ |
|
