梅 楊,張文婷,楊 勇*,趙 玉,李露露 (.寧波市鎮(zhèn)海規(guī)劃勘測(cè)設(shè)計(jì)研究院,浙江 寧波 35200；2.華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院,湖北 武漢 430070；3.農(nóng)業(yè)部長(zhǎng)江中下游耕地保育重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430070)

近年來(lái),隨著國(guó)民經(jīng)濟(jì)的持續(xù)快速發(fā)展,我國(guó)PM2.5污染有常態(tài)化趨勢(shì)[1],研究表明[2-5],若長(zhǎng)時(shí)間暴露于高濃度 PM2.5中,不僅會(huì)引發(fā)各種呼吸系統(tǒng)病變,同時(shí)還會(huì)增加癌癥的發(fā)病率,嚴(yán)重威脅人類身體健康.當(dāng)前,對(duì)于 PM2.5的研究,主要有以下4個(gè)方面：(1)從時(shí)間角度出發(fā),運(yùn)用相關(guān)方法研究單個(gè)監(jiān)測(cè)站點(diǎn)的PM2.5數(shù)據(jù)在時(shí)間維度上的變化特性,如李梓銘等[6]通過(guò)研究北京城區(qū) PM2.5在不同時(shí)間尺度上的周期性得出,北京城區(qū) PM2.5濃度存在多個(gè)明顯的周期性變化;(2)從空間角度出發(fā),運(yùn)用相關(guān)方法研究不同監(jiān)測(cè)站點(diǎn)的 PM2.5數(shù)據(jù)在空間上的變化特性,如 Gehrig等[7]研究了瑞士1998～2001年期間 PM2.5與 PM10變化特征,發(fā)現(xiàn)PM2.5和PM10存在高相關(guān)性,且冬季PM2.5濃度高于夏季;莊欣等[8]研究了珠三角大氣污染的空間分布特征,結(jié)果表明在珠三角地區(qū)大氣污染存在明顯的區(qū)域性特征;(3)從 PM2.5自身角度出發(fā),研究PM2.5的化學(xué)組成成分及來(lái)源,如周甜等[9]研究了華北平原夏季 PM2.5的化學(xué)組成成分及來(lái)源,結(jié)果指出PM2.5中二次無(wú)機(jī)離子的含量達(dá)到60%,其來(lái)源也受到工業(yè)源和塵源的影響;(4)從時(shí)空的角度出發(fā),運(yùn)用時(shí)空地統(tǒng)計(jì)學(xué)理論,研究PM2.5數(shù)據(jù)在時(shí)空維度的變化特征,如梅楊等[10]研究了山東省PM2.5的時(shí)空演變特征,結(jié)果發(fā)現(xiàn)PM2.5具有明顯的時(shí)間污染特征和空間污染特征;Christakos等[11]在時(shí)空克里格的基礎(chǔ)上,提出了一種新的時(shí)空降維預(yù)測(cè)方法,并以山東省 PM2.5為研究對(duì)象進(jìn)行預(yù)測(cè)并對(duì)結(jié)果進(jìn)行分析,證明了該方法優(yōu)于時(shí)空克里格.此外,其他學(xué)者也從上述4個(gè)方面對(duì)PM2.5的時(shí)空濃度分布特征進(jìn)行研究[12-15],但大多數(shù)均著力于對(duì) PM2.5的濃度值進(jìn)行分析,屬于確定性分析范疇,而對(duì)于 PM2.5達(dá)到某種空氣質(zhì)量等級(jí)的概率性分析,國(guó)內(nèi)外乏善可陳;同時(shí),PM2.5作為大氣污染物的一種,其變化受溫度、濕度、風(fēng)力等氣象因素影響較大,若僅對(duì)PM2.5的濃度值做確定性分析,不僅會(huì)使得分析結(jié)果不夠嚴(yán)謹(jǐn),同時(shí)也不利于環(huán)保部門對(duì)空氣污染來(lái)源的探索以及制定完善的空氣污染防治措施.基于此,本研究擬以山東省 2014年P(guān)M2.5日均質(zhì)量監(jiān)測(cè)濃度為數(shù)據(jù)源,根據(jù)2012年我國(guó)環(huán)境保護(hù)部門頒布的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》[16]和環(huán)境保護(hù)環(huán)境監(jiān)測(cè)司公布的空氣質(zhì)量指數(shù)對(duì)人體健康的影響狀況[17]為閾值,擴(kuò)展空間領(lǐng)域的指示克里格法,提出時(shí)空指示克里格法,并對(duì)山東省2014年P(guān)M2.5日均質(zhì)量濃度進(jìn)行不確定性分析.

1 材料與方法

1.1 數(shù)據(jù)來(lái)源及預(yù)處理

本研究 PM2.5數(shù)據(jù)來(lái)源于中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)(http：//www.aqistu dy.cn/),該平臺(tái)在山東省分布有99個(gè)監(jiān)測(cè)點(diǎn)位(圖1),每小時(shí)監(jiān)測(cè)一次,并同步進(jìn)行數(shù)據(jù)信息更新.數(shù)據(jù)監(jiān)測(cè)時(shí)間為2014年1月1日0：00時(shí)至2014年12月31日23：00.對(duì)于獲取的監(jiān)測(cè)數(shù)據(jù),由于數(shù)據(jù)更新周期短,數(shù)據(jù)量極大,不利于對(duì)數(shù)據(jù)進(jìn)行時(shí)空建模分析,因此對(duì)各站點(diǎn)的監(jiān)測(cè)數(shù)據(jù)按天取均值處理.圖 2為各監(jiān)測(cè)站點(diǎn)PM2.5日均質(zhì)量濃度基本統(tǒng)計(jì)信息.

圖1 山東省空氣質(zhì)量監(jiān)測(cè)點(diǎn)位分布Fig.1 Spatial distribution of air quality monitoring stations in Shandong Province

圖2 山東省PM2.5質(zhì)量濃度基本統(tǒng)計(jì)特征Fig.2 Statistical characteristics of the PM2.5 concentrations for Shandong Province

1.2 多閾值時(shí)空指示克里格方法

作為一種大氣污染物,PM2.5在不同尺度下其變量之間的自相關(guān)程度相差較大,且隨著監(jiān)測(cè)站點(diǎn)時(shí)間與空間距離的增大,其時(shí)空變異函數(shù)的隨機(jī)成分也逐漸增大,若僅對(duì)PM2.5運(yùn)用單一閾值的時(shí)空指示克里格(STIK)進(jìn)行分析,即只分析 PM2.5在某一閾值下的時(shí)空結(jié)構(gòu)特征,不僅掩蓋了其在大尺度下的結(jié)構(gòu)特征,同時(shí)也不利于分析其在小尺度下的宏觀結(jié)構(gòu).因此,本研究采用多閾值時(shí)空指示克里格法進(jìn)行分析.

1.2.1 多閾值時(shí)空指示變量與時(shí)空指示經(jīng)驗(yàn)變異函數(shù) 多閾值時(shí)空指示克里格(MTSTIK),是指在多個(gè)時(shí)空閾值下,分別運(yùn)用時(shí)空指示克里格法對(duì)時(shí)空變量進(jìn)行時(shí)空指示預(yù)測(cè)分析[18].在MTSTIK中,定義D為空間域,T為時(shí)間域,若在研究區(qū)域存在指示值(閾值)Zc(c=1,2,…,n),則對(duì)于時(shí)空域D×T上的每一點(diǎn)Z(s,t)(s=(x,y)∈D,t∈T),其時(shí)空指示變量值I c (s , t; Z c )為：

對(duì)于各閾值下的時(shí)空指示變量,其時(shí)空指示經(jīng)驗(yàn)變異函數(shù)與時(shí)空普通克里格經(jīng)驗(yàn)變異函數(shù)

[10]類似,即在本征假設(shè)的條件下,定義時(shí)空指示變異函數(shù)為：

式中：hS,hT分別為空間和時(shí)間間隔變量,N(hS,hT)為樣點(diǎn)中符合所定義空間和時(shí)間間隔的點(diǎn)對(duì)數(shù).

1.2.2 時(shí)空理論變異函數(shù)模型 時(shí)空理論變異函數(shù)模型通常分為時(shí)空分離模型和時(shí)空非分離模型[19],兩者的差別在于時(shí)空分離模型中存在獨(dú)立的時(shí)間和空間部分,而時(shí)空非分離模型中則將時(shí)間與空間統(tǒng)一考慮.在本次研究中,PM2.5質(zhì)量濃度變化受時(shí)間和地域的共同影響,若將 PM2.5質(zhì)量濃度變化分別在時(shí)間維度和空間維度進(jìn)行分解,不僅與實(shí)際情況不符,其分析結(jié)果也不具備科學(xué)性和嚴(yán)謹(jǐn)性.因此,本研究采用 Cressie等[20]提出的時(shí)空協(xié)方差函數(shù)模型(式 3)對(duì)各閾值下的時(shí)空經(jīng)驗(yàn)指示變異函數(shù)進(jìn)行擬合.

1.2.3 時(shí)空指示克里格預(yù)測(cè) 對(duì)于各閾值下的時(shí)空指示變量,其時(shí)空指示克里格插值理論基礎(chǔ)同普通指示克里格插值算法類似,即構(gòu)造克里格權(quán)重計(jì)算矩陣A?λ= b,然后通過(guò)時(shí)空變異函數(shù)計(jì)算A、b矩陣,求取時(shí)空權(quán)重,進(jìn)而利用求取待估點(diǎn)小于閾值Zc的概率[19].

1.3 PM2.5時(shí)空分布的不確定性分析

根據(jù)各閾值對(duì)應(yīng)的時(shí)空預(yù)測(cè)結(jié)果,繪制相應(yīng)的時(shí)空立方體.并統(tǒng)計(jì)各空間點(diǎn)位對(duì)應(yīng)的時(shí)空預(yù)測(cè)結(jié)果,分析各時(shí)空立方體結(jié)構(gòu)特征以及計(jì)算各空間點(diǎn)位對(duì)應(yīng)的年均概率值、月均概率值和部分城市城區(qū)范圍內(nèi)日均概率值,實(shí)現(xiàn)對(duì)山東省PM2.5時(shí)空分布的不確定性分析.

2 結(jié)果與分析

2.1 時(shí)空指示克里格閾值

表1 PM2.5濃度值對(duì)應(yīng)的空氣質(zhì)量級(jí)別及對(duì)健康的影響狀況Table 1 Air quality level and health effects to the concentration of PM2.5

MTSTIK關(guān)鍵在于如何確定多個(gè)既能反映研究區(qū)整體的分布特征,又能揭示局部時(shí)空結(jié)構(gòu)特征的時(shí)空閾值.在本文中,根據(jù)我國(guó)環(huán)境保護(hù)部2012年頒布的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》中規(guī)定的日均 PM2.5濃度標(biāo)準(zhǔn)值和我國(guó)環(huán)境保護(hù)部環(huán)境監(jiān)測(cè)司2012年公布的空氣質(zhì)量指數(shù)對(duì)人體健康的影響情況,依次選擇 35,75,150和 250μg/m3作為本次研究的時(shí)空指示值(表1).

2.2 時(shí)空指示經(jīng)驗(yàn)變異函數(shù)與模型擬合

按照公式(1)和對(duì)應(yīng)的時(shí)空指示值,將山東省PM2.5質(zhì)量濃度指示化.同時(shí),設(shè)置空間步長(zhǎng)為5km,最大空間計(jì)算距離為100km,時(shí)間步長(zhǎng)為1d,最大時(shí)間計(jì)算距離為 14d,運(yùn)用公式(2)計(jì)算各閾值下的時(shí)空指示經(jīng)驗(yàn)變異函數(shù),并根據(jù)公式(3)對(duì)各時(shí)空模型進(jìn)行擬合(表2,圖3).

表2 4種時(shí)空指示理論變異函數(shù)擬合參數(shù)Table 2 Parameters in 4 different spatio-temporal semivariogram models

由表2和圖3可知,在空間距離大于100km時(shí),各時(shí)空指示克里格變異函數(shù)值仍有增大趨勢(shì),說(shuō)明山東省PM2.5濃度變化的空間自相關(guān)范圍大于 100km;在時(shí)間距離在 3d時(shí),各變異函數(shù)值已趨于穩(wěn)定,說(shuō)明山東省 PM2.5濃度變化的時(shí)間自相關(guān)范圍為3d左右.

圖3 4種時(shí)空指示理論模型擬合Fig.3 Spatio-temporal indicator semivariograms under 4thresholds

2.3 多閾值時(shí)空指示克里格預(yù)測(cè)立方體

設(shè)置MTSTIK預(yù)測(cè)格網(wǎng)大小為2km×2km×1d,運(yùn)用時(shí)空指示克里格方法,對(duì)各閾值下的PM2.5指示值進(jìn)行時(shí)空插值.并基于插值結(jié)果,在三維XYZ立方體中,以XOY平面為空間坐標(biāo),Z軸為時(shí)間坐標(biāo),繪制出各閾值對(duì)應(yīng)的時(shí)空指示克里格預(yù)測(cè)立方體(圖4).

圖4 4種閾值下時(shí)空指示預(yù)測(cè)立方體Fig.4 The estimated cubes obtained by MTSTIK under 4thresholds

表3 四種時(shí)空立方體基本統(tǒng)計(jì)特征Table 3 Statistical characteristics of spatiotemporal indicators of PM2.5 estimated cubes under 4thresholds

對(duì)于各時(shí)空立方體,進(jìn)行基本統(tǒng)計(jì)特征分析.由表3和圖5可知,對(duì)于閾值Zc=35μg/m3,時(shí)空立方體數(shù)據(jù)值的平均值為 0.1309,四分位距為0.0593,數(shù)據(jù)值小于 0.2 的概率(ρ)為 81%,數(shù)據(jù)值大于0.8的概率為7%,說(shuō)明其時(shí)空立方體數(shù)據(jù)值小,數(shù)據(jù)離散程度低,境內(nèi)全年空氣質(zhì)量以超過(guò)0.8的概率達(dá)到空氣質(zhì)量?jī)?yōu)級(jí)別的時(shí)空占比為7%;對(duì)于閾值Zc=75μg/m3,時(shí)空立方體數(shù)據(jù)值的平均值為0.4945,四分位距為0.8782,數(shù)據(jù)值小于0.2的概率和大于0.8的概率均為34%,其余3個(gè)統(tǒng)計(jì)層次的概率值均為 10%左右,說(shuō)明時(shí)空立方體數(shù)據(jù)值分布較為對(duì)稱,離散程度高,境內(nèi)全年空氣質(zhì)量以超過(guò)0.8的概率達(dá)到和超過(guò)輕度污染級(jí)別的時(shí)空占比均為 34%;對(duì)于閾值Zc=150μg/m3和Zc=250μg/m3,其時(shí)空立方體數(shù)據(jù)值的平均值分別為0.8111和0.9545,四分位距依次為0.2728和0,數(shù)據(jù)值大于0.8的概率均依次為74%和93%,說(shuō)明其時(shí)空立方體數(shù)據(jù)值大,數(shù)據(jù)離散程度低,境內(nèi)全年空氣質(zhì)量以超過(guò)0.8的概率超過(guò)嚴(yán)重污染級(jí)別的時(shí)空占比為1%.

圖5 4種時(shí)空立方體日均概率百分比Fig.5 Percentages of daily average probability in estimated cubes under 4thresholds

2.4 PM2.5時(shí)空分布不確定性分析

2.4.1 山東省年均概率不確定性分析 根據(jù)各閾值下的時(shí)空預(yù)測(cè)立方體數(shù)據(jù),獲取各空間點(diǎn)位的日概率值,取其年平均值,繪制相應(yīng)的山東省PM2.5年均概率分布(圖6所示).

由圖6可知,對(duì)于閾值Zc=35μg/m3,山東省境內(nèi)東部沿海地域年均概率為 0.3～0.4,局部地域大于0.5,其余地域均小于 0.2,說(shuō)明山東省大部分地域空氣質(zhì)量達(dá)到優(yōu)級(jí)別的概率小于 0.2;對(duì)于閾值Zc=75μg/m3,東部沿海地域年均概率為0.6～0.9,其余地域?yàn)?.4～0.6,說(shuō)明東部沿海空氣質(zhì)量達(dá)到輕度污染及以上級(jí)別的概率均大于0.6,其余地域大于0.4;對(duì)于閾值Zc=150μg/m3和Zc=250μg/m3,全境年均概率均大于0.8,部分地域接近于1,說(shuō)明山東省境內(nèi)空氣質(zhì)量超過(guò)嚴(yán)重污染級(jí)別的概率小于0.1.

此外,各尺度東部沿?？諝赓|(zhì)量達(dá)到各空氣質(zhì)量級(jí)別的概率均大于中部和西部,結(jié)合莊欣等[8]在對(duì)珠三角 PM2.5污染情況分析以及山東省地理位置和地理環(huán)境可知,受大氣氣流運(yùn)輸?shù)挠绊?西部地區(qū)與河北、河南接壤,而陸雅靜等[21]研究發(fā)現(xiàn),河北省空氣質(zhì)量污染嚴(yán)重,從而使得山東省西部PM2.5污染較為嚴(yán)重;而東部則臨海,距離河南河北等省較遠(yuǎn),外省氣流抵達(dá)東部區(qū)域時(shí),空氣中的顆粒物經(jīng)過(guò)自然沉降后,氣流攜帶顆粒物濃度降低,造成東部受到外省污染情況的影響遠(yuǎn)小于西部.

2.4.2 山東省月均概率不確定性分析 由上述分析可知,雖在不同閾值下山東省年均概率分布不確定性結(jié)構(gòu)特征不盡相同,但在后續(xù)對(duì)各閾值下PM2.5月均濃度不確定性結(jié)構(gòu)特征進(jìn)行分析后發(fā)現(xiàn),各閾值對(duì)應(yīng)概率的時(shí)空分布模式大體相似,同時(shí)根據(jù)表 1空氣質(zhì)量分指數(shù)對(duì)健康的影響情況,在避免重復(fù)分析各閾值下時(shí)空不確定性特征的條件下,本文選取閾值Zc=75μg/m3的時(shí)空預(yù)測(cè)結(jié)果來(lái)分析山東省PM2.5月均概率和部分城市日均概率的時(shí)空分布特征(圖7).

由圖 7可知,從空間上,各月份達(dá)到 PM2.5≤75μg/m3的最小概率均位于西部區(qū)域(如菏澤、聊城、濟(jì)寧等),尤其是在1月份,部分城市概率小于0.1;各月份概率最大位于東部沿海區(qū)域(青島、煙臺(tái)、威海等),絕大部分月份概率超過(guò) 0.6;中部為過(guò)渡區(qū)域,不同月份概率變化較大整體上呈現(xiàn)出從西至東,概率值逐漸增大,說(shuō)明山東省空氣質(zhì)量從西至東,污染程度逐漸減輕,具有明顯的空間分布特征,這與梅楊[10]在研究山東省 PM2.5質(zhì)量濃度時(shí)空分布時(shí)得到的結(jié)論相同.

從時(shí)間上,各區(qū)域達(dá)到 PM2.5≤75μg/m3的概率值最大為7、8月份,大部分地域概率值大于0.6,部分地域概率超過(guò) 0.9;概率值最小為 1月份,大部分地域概率小于0.2,局部地域介于0.5～0.6之間.整體上,從 1～12 月,概率值先增大后減小,說(shuō)明山東省空氣污染程度從 1～12月,先減輕后加劇,具有明顯的時(shí)間分布特征,這與康桂紅等[22]對(duì)山東省2014～2015年間,不同月份PM2.5污染程度分析后得到的結(jié)果,以及成亞利對(duì)上海市 2014年P(guān)M2.5污染情況分析得到的結(jié)果相一致[23].

2.4.3 山東省部分城市單一閾值日均概率不確定性分析 根據(jù)山東省行政區(qū)劃和城市經(jīng)濟(jì)排名,依次在山東省北部、西部、中部、南部、中東部以及東部沿海各選擇一個(gè)城市作為PM2.5日均質(zhì)量濃度不確定性分析觀測(cè)點(diǎn)(北部選擇東營(yíng)市,西部選擇濟(jì)寧市,中部選擇濟(jì)南市,南部選擇臨沂市,中東部選擇濰坊市,東部沿海選擇煙臺(tái)市),獲取各城市城區(qū)范圍在閾值 Zc=75μg/m3的日均概率值,并繪制相應(yīng)的百分比(圖8).

圖6 多閾值時(shí)空指示克里格年均概率分布Fig.6 Spatial distribution of annual average probability by MTSTIK under various thresholds

圖7 PM2.5≤75μg/m3下時(shí)空指示克里格月均概率分布特征Fig.7 Spatial distribution of monthly average probabilities for PM2.5≤75μg/m3

圖8 山東省部分城市日均概率百分比Fig.8 Percentages of daily average probabilities for hot-spot cities in Shandong province

由圖 8 可知,對(duì)于 PM2.5≤75μg/m3,6 個(gè)城市全年日均概率大于 0.75的占比中,最高為煙臺(tái)市,超過(guò)70%,最低為濟(jì)南市,僅為36%,說(shuō)明煙臺(tái)、東營(yíng)、濟(jì)寧、臨沂、濰坊和濟(jì)南6個(gè)城市全年的空氣污染程度以0.75的概率達(dá)到輕度污染的天數(shù)最高為煙臺(tái)市,260d左右,最低為濟(jì)南市,僅有130d;全年日均概率小于0.25的占比中,除煙臺(tái)市(13%)以外,其余五個(gè)城市比例均高于 30%(東營(yíng)市最高,為 41%),說(shuō)明全年空氣污染程度以大于0.75的概率超過(guò)輕度污染的天數(shù)依次為48,150,139,130,105d.各城市空氣污染程度依次為：煙臺(tái)＜東營(yíng)＜濰坊＜濟(jì)南＜濟(jì)寧≈臨沂,大致符合從西至東,空氣污染逐漸減輕的特點(diǎn).此外,根據(jù)山東省《2014山東省環(huán)境狀況公報(bào)》[24]顯示,6個(gè)城市年均 PM2.5濃度大小順序依次為：煙臺(tái)＜濰坊＜東營(yíng)＜濟(jì)寧＜臨沂＜濟(jì)南[24],說(shuō)明濟(jì)南市PM2.5日均濃度相較于其他5個(gè)城市,其波動(dòng)最為明顯.

3 結(jié)論

3.1 山東省境內(nèi) PM2.5的空間自相關(guān)范圍超過(guò)100km,時(shí)間自相關(guān)范圍為3d左右.

3.2 對(duì)于閾值 Zc=35μg/m3,其時(shí)空預(yù)測(cè)立方體數(shù)據(jù)值偏小、離散程度低,各空間點(diǎn)位以超過(guò)0.8的概率達(dá)到空氣質(zhì)量?jī)?yōu)級(jí)別的時(shí)空占比為 7%;對(duì)于閾值 Zc=75μg/m3,其時(shí)空立方體數(shù)據(jù)值呈對(duì)稱分布,離散程度高,其以超過(guò) 0.8的概率達(dá)到空氣質(zhì)量輕度污染級(jí)別的時(shí)空占比為 34%;對(duì)于閾值 Zc=150μg/m3和 Zc=250μg/m3,其時(shí)空立方體數(shù)據(jù)值較大、離散程度低,其以超過(guò)0.8的概率超過(guò)嚴(yán)重污染級(jí)別的時(shí)空占比為1%.

3.3 在年均概率分布上,山東省大部分地域空氣質(zhì)量達(dá)到優(yōu)級(jí)別的概率介于 0～0.1;達(dá)到輕度污染級(jí)別的概率為東部大于 0.6,其余地區(qū)大于0.4;超過(guò)嚴(yán)重污染級(jí)別的概率均小于0.1.

3.4 從空間上,各月份達(dá)到 PM2.5≤75μg/m3的最小概率均位于西部區(qū)域,概率最大位于東部沿海區(qū)域,中部為過(guò)渡區(qū)域,.整體上呈現(xiàn)出從西至東,概率值逐漸增大;從時(shí)間上,月均概率值最大為7、8月份,概率值最小為1月份.整體上,從1～12月,概率值先增大后減小.

3.5 在濟(jì)寧、濟(jì)南、臨沂、東營(yíng)、濰坊和煙臺(tái)6個(gè)城市中,全年空氣污染程度以大于0.75的概率值達(dá)到和優(yōu)于輕度污染的天數(shù)中,煙臺(tái)市最高(超過(guò)260d),濟(jì)南市最低(130d左右);以小于0.75的概率值超過(guò)輕度污染的天數(shù)中,最高為東營(yíng)(150d左右),最低為煙臺(tái)(48d).

[1]王庚辰,王普才.中國(guó) PM2.5污染現(xiàn)狀及其對(duì)人體健康的危害[J]. 科技導(dǎo)報(bào), 2014,32(26)：72-78.

[2]戴海夏,宋偉民.大氣 PM2.5的健康影響 [J]. 環(huán)境衛(wèi)生學(xué)雜志,2001,28(5)：299-303.

[3]張文麗,崔九思,徐東群,等.大氣中細(xì)顆粒物的污染特征及其生物效應(yīng) [J]. 中國(guó)環(huán)境衛(wèi)生, 2003,(1)：90-102.

[4]覃知還.關(guān)于PM2.5的十個(gè)問(wèn)答 [J]. 證券導(dǎo)刊, 2011,(46)：93-96.

[5]Weichenthal S, Villeneuve P J, Burnett R T, et al. Long-term exposure to fine particulate matter： association with nonaccidental and cardiovascular mortality in the agricultural health study cohort[J]. Environmental health perspectives, 2014,122(6)：609-15.

[6]李梓銘,孫兆彬,邵 勰,等.北京城區(qū)PM2.5不同時(shí)間尺度周期性研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(2)：407-415.

[7]Gehrig R, Buchmann B. Characterising seasonal variations and spatial distribution of ambient PM10and PM2.5concentrations based on long-term Swiss monitoring data [J]. Atmospheric Environment, 2003,37(19)：2571-2580.

[8]莊 欣,黃曉鋒,陳多宏,等.基于日變化特征的珠江三角洲大氣污染空間分布研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37：2001-2006.

[9]周 甜,閆才青,李小瀅,等.華北平原城鄉(xiāng)夏季PM2.5組成特征及來(lái)源研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(9)：3227-3236.

[10]梅 楊,黨麗娜,楊 勇,等.基于時(shí)空克里格的PM2.5時(shí)空預(yù)測(cè)及分析 [J]. 環(huán)境科學(xué)與技術(shù), 2016,39(7)：157-163.

[11]Christakos G, Yang Y, Wu J P, et al. Improved space-time mapping of PM2.5distribution using a domain [J]. Ecological Indicators, 2018,85：1273-1279.

[12]Begum B A, Biswas S K, Hopke P K. Temporal variations and spatial distribution of ambient PM2.5and PM10concentrations in Dhaka, Bangladesh [J]. Scie of the Total Envi [J], 2006,358(1-3)：36—45.

[13]Yu H L, Chiting C, Lin S D, et al. Spatiotemporal analysis and mapping of oral cancer risk in Changhua County (Taiwan)： an application of generalized Bayesian maximum entropy method.[J]. Annals of Epidemiology, 2010,20(2)：99.

[14]Hu J, Wang Y, Ying Q, et al. Spatial and temporal variability of PM2.5, and PM10, over the North China Plain and the Yangtze River Delta, China [J]. Atmospheric Environment, 2014,95(1)：598-609.

[15]Kloog I, Chudnovsky A A, Just A C, et al. A New Hybrid Spatio-Temporal Model For Estimating Daily Multi-Year PM2.5Concentrations Across Northeastern USA Using High Resolution Aerosol Optical Depth Data [J]. Atmospheric Environment, 2014,95(1)：581-590.

[16]中國(guó)環(huán)境科學(xué)研究院.環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [M]. 北京：中國(guó)環(huán)境科學(xué)出版社, 2012.

[17]環(huán)境保護(hù)部環(huán)境監(jiān)測(cè)司,中國(guó).“十二五”環(huán)境監(jiān)測(cè)工作手冊(cè) [M].中國(guó)環(huán)境科學(xué)出版社, 2012.

[18]Yang Y, Christakos G. Uncertainty assessment of heavy metal soil contamination mapping using spatiotemporal sequential indicator simulation with multi-temporal sampling points [J].Environmental Monitoring & Assessment, 2015,187(9)：571.

[19]楊 勇,梅 楊,張楚天,等.基于時(shí)空克里格的土壤重金屬時(shí)空建模與預(yù)測(cè) [J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014,30(21)：249-255.

[20]Cressie N, Huang H C. Classes of Nonseparable, Spatio-Temporal Stationary Covariance Functions [J]. Publications of the American Statistical Association, 1999,94(448)：1330-1339.

[21]陸雅靜,王 輝,倪爽英,等.河北省 2013～2014年環(huán)境空氣質(zhì)量現(xiàn)狀對(duì)比分析 [J]. 安徽農(nóng)業(yè)科學(xué), 2015,(14)：271-274.

[22]康桂紅,孫興池,韓永清,等.山東省大氣污染時(shí)空分布特征分析[J]. 山東氣象, 2016,36(1)：13-17.

[23]成亞利,王 波,上海市 PM2.5的時(shí)空分布特征及污染評(píng)估 [J].計(jì)算機(jī)與應(yīng)用化學(xué), 2014,31(10)：1189-1192.

[24]山東省環(huán)保保護(hù)廳.2014年山東省環(huán)境狀況公報(bào) [EB/OL].http：//www.zhb.gov.cn/gkml/hbb/qt/201506/t20150604_302942.html.