杜娟 , 歐陽文言 , 劉春瓊 , 吳波 , 張嬌 , 史凱

( 1 吉首大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院, 湖南 吉首 416000;2 洪江高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū) (洪江市) 管理委員會(huì), 湖南 懷化 418000;3 吉首大學(xué)生物資源與環(huán)境科學(xué)學(xué)院, 湖南 吉首 416000 )

0 引 言

旅游業(yè)的快速發(fā)展, 導(dǎo)致自然景區(qū)空氣質(zhì)量趨于惡化。定量研究大氣污染物演化特征與人類旅游活動(dòng)的相關(guān)性有助于科學(xué)評估人類旅游活動(dòng)對自然景區(qū)的影響。

近年來, 已有眾多學(xué)者對人類旅游活動(dòng)與大氣污染物的關(guān)系進(jìn)行了研究, 均發(fā)現(xiàn)自然景區(qū)內(nèi)旅游人數(shù)的變化會(huì)對大氣質(zhì)量造成一定的影響[1-3]。我國旅游業(yè)已進(jìn)入互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、智能化等現(xiàn)代科技新時(shí)代, 即旅游4.0新時(shí)代[4]。我國旅游活動(dòng)主要集中于五一、國慶和春節(jié)等假期, 進(jìn)而出現(xiàn)短周期高強(qiáng)度的人類旅游活動(dòng)特征。NO2是交通尾氣和餐飲油煙排放的主要污染物, 旅游旺季機(jī)動(dòng)車使用量和餐飲油煙排放量的增加將導(dǎo)致大氣中NO2在短時(shí)限內(nèi)劇增。而在旅游淡季, 機(jī)動(dòng)車使用和廚房油煙排放量相對減少, 大氣中NO2濃度污染也相應(yīng)較小。由于旅游城市中NO2濃度的局部波動(dòng)特征蘊(yùn)含著短周期高強(qiáng)度人類旅游活動(dòng)的印跡和信息, 因此可以用于準(zhǔn)確評估短周期高強(qiáng)度人類旅游活動(dòng)對自然景區(qū)空氣質(zhì)量的影響, 對政府制定空氣質(zhì)量管理政策具有重要意義。

由于受到氣象、地形等各種因素作用, 大氣污染物濃度的變化呈現(xiàn)非線性、非平穩(wěn)的多尺度特征[5-10], 此外區(qū)域人類旅游活動(dòng)還受到國內(nèi)旅游政策以及旅游行業(yè)的波動(dòng)性、敏感性和季節(jié)性等諸多因素的影響, 使得傳統(tǒng)統(tǒng)計(jì)分析方法無法準(zhǔn)確分析短周期高強(qiáng)度人類旅游活動(dòng)對城市空氣質(zhì)量的影響。而現(xiàn)代非線性統(tǒng)計(jì)分析方法的研究成果為解決上述問題提供了新的科學(xué)研究手段。Wu和Huang[11]提出的集合經(jīng)驗(yàn)?zāi)B(tài)分解法(EEMD) 可以將景區(qū)游客流量及城市NO2非平穩(wěn)時(shí)間序列分解為多個(gè)模態(tài)分量 (IMF), 如高頻項(xiàng)、周期項(xiàng)及趨勢項(xiàng) (RES), 其中的高頻項(xiàng)就具有短周期高頻率的特征模態(tài)信息, 可以用以挖掘城市空氣污染物以及游客量在短時(shí)間尺度上的內(nèi)在演化特征。該方法已成功應(yīng)用于氣象[12]、水文[13,14]和股票價(jià)格[15-17]等多個(gè)領(lǐng)域。此外, 由Podobnik和Stanley[18]提出的去趨勢互相關(guān)分析 (DCCA)方法是一種定量分析兩組非平穩(wěn)時(shí)間序列之間相關(guān)性的最科學(xué)有效方法。該方法能克服時(shí)間序列高度非平穩(wěn)性的影響, 有效地避免了非平穩(wěn)性偽相關(guān)檢測[19-21], 可以用于研究短周期高強(qiáng)度人類旅游活動(dòng)對城市空氣質(zhì)量的影響。

本文以張家界武陵源風(fēng)景區(qū)為研究對象, 首先采用EEMD方法從復(fù)雜的游客流量和大氣污染物NO2時(shí)間序列中提取具有短周期高頻率的非線性模態(tài)分量; 進(jìn)而應(yīng)用DCCA方法研究短周期高強(qiáng)度人類旅游活動(dòng)與NO2污染演化的相關(guān)性, 以期闡明短周期高強(qiáng)度人類旅游活動(dòng)對典型旅游城市空氣質(zhì)量的影響。

1 研究數(shù)據(jù)與方法

1.1 研究數(shù)據(jù)

選取2015年1月1日至12月31日張家界市日均NO2濃度數(shù)據(jù)和武陵源風(fēng)景區(qū)的日旅游人數(shù)作為研究對象。國家生態(tài)環(huán)保部開展了空氣質(zhì)量監(jiān)測網(wǎng)絡(luò), 建立了一個(gè)詳細(xì)的空氣污染數(shù)據(jù)庫, 分別在張家界市未央路、電業(yè)局、永定新區(qū)和袁家界內(nèi)設(shè)有空氣質(zhì)量自動(dòng)監(jiān)測站, 張家界市日均NO2濃度數(shù)據(jù)由各空氣質(zhì)量自動(dòng)監(jiān)測子站每日NO2濃度數(shù)據(jù)平均得到。武陵源風(fēng)景區(qū)的每日旅游人數(shù)來源于張家界全域通管理系統(tǒng)平臺。由于停電、設(shè)備維護(hù)等因素, 研究時(shí)段內(nèi)有不到1%的數(shù)據(jù)缺失, 已用兩個(gè)相鄰NO2濃度數(shù)據(jù)的平均值來替換缺失數(shù)據(jù)。張家界日均NO2濃度數(shù)據(jù)和武陵源風(fēng)景區(qū)進(jìn)園人數(shù)的序列長度均為365 個(gè), 研究數(shù)據(jù)如圖1所示。

圖1 2015年武陵源風(fēng)景區(qū)旅游人數(shù) (a) 和張家界市NO2濃度的日變化 (b)Fig. 1 Daily variation of the number of tourists (a) in Wulingyuan scenic spot and the NO2 concentration in Zhangjiajie City (b) in 2015

1.2 研究方法

1.2.1 EEMD

EEMD是一種適合處理非線性、非平穩(wěn)信號的分解方法[11], 該方法的核心思想是向原始時(shí)間序列中加入等長度正態(tài)分布的高斯白噪聲, 使得信號變化在研究時(shí)間尺度上連續(xù), 改變了其極值點(diǎn)的特性。應(yīng)用EEMD方法從張家界市NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)時(shí)間序列中提取一系列具有物理意義的IMF, 進(jìn)一步對不同時(shí)間尺度下各IMF演化的內(nèi)在行為進(jìn)行研究?；贓EMD的基本原理, 每個(gè)IMF應(yīng)滿足兩個(gè)條件[11,22]:1) 在整組時(shí)間序列中, 局部極值的個(gè)數(shù)和過零點(diǎn)的個(gè)數(shù)必須相等或最多相差1個(gè); 2) 在任意時(shí)刻點(diǎn)上, 上包絡(luò)線和下包絡(luò)線的平均值為0。EEMD方法的計(jì)算步驟如下:

1) 向原始時(shí)間序列Y(t) 中添加等長度正態(tài)分布的白噪聲ai(t), 就可以得到第i次添加白噪聲后的信號Yi(t), 其構(gòu)造公式為

2) 為消除白噪聲的影響, 將M次EEMD分解的IMF均值作為最終的IMF, 其計(jì)算式為

式中Hj(t)表示對原始時(shí)間序列進(jìn)行M次EEMD分解后得到的第j個(gè)IMF,Hij(t)表示第i次EEMD分解得到的第j個(gè)IMF。

白噪聲對分析信號的影響為

式中e是標(biāo)準(zhǔn)差,d是添加白噪聲序列的振幅,M是集合的數(shù)目。顯然,M越大, 原始時(shí)間序列的分解結(jié)果越接近真實(shí)值。通常e為 0.2,M為100[23]。

3) 原始時(shí)間序列可以表示為

式中m為IMF的個(gè)數(shù), 各H1(t),H2(t), …,Hm(t) 的周期尺度依次遞增,rm(t) 為長期趨勢項(xiàng)。

1.2.2 去趨勢互相關(guān)分析法

Podobnik 和Stanley[18]于2008 年基于消除趨勢波動(dòng)分析法 (DFA) 提出了去趨勢互相關(guān)分析法 (DCCA),該方法可以用來分析兩組非平穩(wěn)時(shí)間序列之間的相關(guān)性。通過DCCA方法可以計(jì)算得到兩組非平穩(wěn)時(shí)間序列之間的互相關(guān)指數(shù), 即DCCA指數(shù), 該指數(shù)可以用來定量評價(jià)兩組非平穩(wěn)時(shí)間序列之間的相互關(guān)系。該方法的優(yōu)點(diǎn)是可以針對兩組非平穩(wěn)時(shí)間序列系統(tǒng)地濾去各階趨勢成分, 以避免因數(shù)據(jù)非平穩(wěn)性導(dǎo)致時(shí)間序列之間出現(xiàn)偽相關(guān)現(xiàn)象。因此, 該方法直接用來研究短周期高強(qiáng)度人類旅游活動(dòng)與NO2污染演化之間的關(guān)系。目前, DCCA方法已成功應(yīng)用于股票[24,25]、氣象時(shí)間序列[26,27]等。DCCA方法的具體計(jì)算過程如下:

1) 根 據(jù) 武 陵 源 風(fēng) 景 區(qū) 旅 游 人 數(shù) 序 列 {xi，i=1，2，…，N}和 張 家 界 城 市 空 氣 中NO2濃 度 序 列{yi，i=1，2，…，N}, 構(gòu)造新的累積序列, 分別為

式中xˉ、yˉ分別是其時(shí)間序列的平均值,i=1，2，…，N。

2) 將構(gòu)造的時(shí)間序列{xk}和{yk}分成n個(gè)長度相等的NS≡int(N n) 非重疊段, 由于時(shí)間序列的長度N通常不是所考慮的時(shí)間刻度n的倍數(shù), 因此在構(gòu)造時(shí)間序列的末尾可能會(huì)保留一小部分。為了不忽略這一部分, 用同樣的方法從另一端開始重復(fù)同樣的步驟。因此共獲得2NS段。

3) 通過對數(shù)據(jù)擬合 (最小二乘法) 一階多項(xiàng)式來計(jì)算2NS個(gè)分段的局部趨勢和。然后, 確定兩組趨勢序列 {x～k} 和 {y～k} 的協(xié)方差。其計(jì)算式為

式中α為DCCA標(biāo)度指數(shù)。當(dāng)α＞ 0.5時(shí), 則表明兩組非平穩(wěn)時(shí)間序列之間存在持續(xù)的長期正相關(guān)關(guān)系, 即一組時(shí)間序列中數(shù)值的增大或減小, 會(huì)使另一組時(shí)間序列中的數(shù)值也增大或減小。當(dāng)α＜ 0.5時(shí), 則表明兩組非平穩(wěn)時(shí)間序列之間具有反持續(xù)性的長期互相關(guān)性, 即一組時(shí)間序列中數(shù)值的增加, 很可能會(huì)導(dǎo)致另一組時(shí)間序列中數(shù)值的減小。若α= 0.5, 則表明兩組非平穩(wěn)時(shí)間序列之間不存在長期相互關(guān)系, 即某組時(shí)間序列中數(shù)值的增加或減小不會(huì)影響另一組時(shí)間序列中數(shù)值的變化。

2 研究結(jié)果

2.1 EEMD分解結(jié)果

為了從張家界市NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)的原始時(shí)間序列中提取具有短周期高頻率的特征模態(tài), 通過EEMD方法將張家界市NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)的原始時(shí)間序列分別分解為7個(gè)IMF和1個(gè)RES, 其具體分解結(jié)果分別如圖2和圖3所示。趨勢項(xiàng)可以反映張家界市NO2濃度以及武陵源風(fēng)景區(qū)旅游人數(shù)在研究時(shí)間尺度上的總體變化趨勢。各IMF均展示了不同周期尺度上NO2濃度和旅游人數(shù)從最高頻率到最低頻率的波動(dòng)特征。隨著NO2濃度和旅游人數(shù)各IMF 的頻率由高到低的變化, 其振幅變得越來越大。NO2濃度和旅游人數(shù)各IMF的信號波動(dòng)均具有各自的準(zhǔn)周期, 分別表示張家界市NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)在不同時(shí)間尺度的變化特征。在同一研究時(shí)間段內(nèi), NO2濃度和旅游人數(shù)在不同周期尺度上各IMF的波動(dòng)振蕩表現(xiàn)出不同強(qiáng)度的非均勻變化, 這種非均勻變化反映了大氣系統(tǒng)內(nèi)外力相互作用的非線性波動(dòng)特征。這樣, 需要計(jì)算NO2濃度和旅游人數(shù)序列各IMF的平均周期, 而各IMF的信號波動(dòng)對NO2濃度和旅游人數(shù)原始時(shí)間序列總體的影響程度可以通過其方差貢獻(xiàn)率來反映。因此, 需要進(jìn)一步計(jì)算NO2濃度和旅游人數(shù)序列各IMF的平均周期和方差貢獻(xiàn)率。

圖2 2015年張家界NO2濃度的IMF及趨勢項(xiàng)Fig. 2 IMF and RES of NO2 concentration in urban air of Zhangjiajie in 2015

圖3 2015年武陵源旅游人數(shù)的IMF及趨勢項(xiàng)Fig. 3 IMF and RES of tourist arrivals of Wulingyuan in 2015

進(jìn)一步, 通過快速傅立葉變換 (FFT) 分別計(jì)算張家界NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)各IMF的平均周期和方差貢獻(xiàn)率, 結(jié)果如表1 所示。張家界NO2濃度的前2 個(gè)模態(tài)分量分別具有準(zhǔn)3 天 (IMF1) 和準(zhǔn)7 天(IMF2) 的振蕩周期, 武陵源風(fēng)景區(qū)旅游人數(shù)的前2個(gè)模態(tài)分量也分別具有準(zhǔn)3天 (IMF1) 和準(zhǔn)7天 (IMF2) 的振蕩周期。張家界NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)的前2個(gè)模態(tài)分量具有近似一致的周期振蕩特征, 其準(zhǔn)周期的波動(dòng)對應(yīng)一周以內(nèi)的時(shí)間尺度。張家界市NO2的高頻分量IMF1和IMF2的方差貢獻(xiàn)率分別為10.1%和3.3%, 其中IMF1高頻分量在其所有的IMF中方差貢獻(xiàn)率最大, 表明該分量對張家界NO2濃度總體波動(dòng)特征的影響較大。武陵源風(fēng)景區(qū)旅游人數(shù)的高頻分量 (IMF1和IMF2) 代表了短周期、高強(qiáng)度的人類旅游活動(dòng)特征, NO2的高頻分量 (IMF1和IMF2) 更能反映NO2濃度的顯著波動(dòng)。因此, 需要進(jìn)一步研究武陵源風(fēng)景區(qū)旅游人數(shù)的高頻分量 (IMF1和IMF2) 與張家界NO2濃度之間的關(guān)系。

表1 兩組時(shí)間序列各IMF的平均周期和方差貢獻(xiàn)率Table 1 Average period and variance contribution rate of each IMF in two time series

2.2 DCCA分析結(jié)果

如上所述, 張家界市NO2濃度和武陵源風(fēng)景區(qū)旅游人數(shù)的前2個(gè)模態(tài)分量具有近似一致的周期振蕩特征, NO2的高頻分量所對應(yīng)的平均周期與短周期高強(qiáng)度人類旅游活動(dòng)密切相關(guān)。因此, 在研究時(shí)間尺度上,分析武陵源風(fēng)景區(qū)旅游人數(shù)的兩組高頻分量 (IMF1和IMF2) 與張家界NO2濃度之間的相關(guān)性, 可以定量地反映張家界NO2濃度波動(dòng)對武陵源風(fēng)景區(qū)短周期高強(qiáng)度人類旅游活動(dòng)的響應(yīng)。應(yīng)用DCCA方法計(jì)算了旅游人數(shù)兩組高頻分量與張家界NO2濃度之間的相關(guān)性, 計(jì)算結(jié)果分別如圖4 和圖5 所示。旅游人數(shù)與張家界NO2濃度的前兩個(gè)高頻分量協(xié)方差波動(dòng)函數(shù)F(n)與時(shí)間尺度n之間均呈冪律變化特征, 其DCCA指數(shù)α1與α2分別為0.695 (IMF1) 和0.684 (IMF2), 表明約3天 (IMF1) 和7天 (IMF2) 周期的人類旅游活動(dòng)與NO2濃度之間存在正相關(guān)性。DCCA的長期相關(guān)性表明, 武陵源風(fēng)景區(qū)短周期高強(qiáng)度人類旅游活動(dòng)與張家界城市中NO2濃度的相關(guān)性隨時(shí)間呈冪律衰減, 而不是指數(shù)衰減, 即二者之間存在很強(qiáng)的冪律關(guān)系, 表明過去短周期高強(qiáng)度人類旅游活動(dòng)會(huì)持續(xù)影響當(dāng)前甚至未來張家界城市中NO2濃度的波動(dòng)趨勢, 從而反映出武陵源風(fēng)景區(qū)短周期高強(qiáng)度人類旅游活動(dòng)對張家界市大氣污染過程的影響呈長期持續(xù)特征。

為了驗(yàn)證DCCA標(biāo)度指數(shù)能夠揭示旅游人數(shù)兩組高頻分量IMF1和IMF2與張家界NO2濃度之間的某些互相關(guān)信息, 采用同樣的方法分析了旅游人數(shù)兩組高頻分量與NO2濃度原始時(shí)間序列的隨機(jī)洗牌序列。對于洗牌序列, 在洗牌過程中, 數(shù)據(jù)中的時(shí)間相關(guān)性被破壞, 而分布保持不變。理論上, 在整個(gè)研究時(shí)間尺度上, 這兩個(gè)序列之間不會(huì)有長期相關(guān)性。由圖4和圖5可知, 旅游人數(shù)兩組高頻分量IMF1、IMF2與NO2洗牌序列之間的DCCA標(biāo)度指數(shù)αs分別為0.509和0.492, 均接近0.5, 表明旅游人數(shù)兩組高頻分量與NO2濃度的洗牌時(shí)間序列之間不存在內(nèi)在的相關(guān)性。這些分析表明, DCCA方法可以用來評估短周期高強(qiáng)度人類旅游活動(dòng)與張家界城市NO2濃度之間的互相關(guān)特性。

圖4 旅游人數(shù)高頻分量IMF1與NO2濃度的DCCA分析Fig. 4 DCCA analysis of the high frequency component IMF1 of tourist number and NO2 concentration

圖5 旅游人數(shù)高頻分量IMF2與NO2濃度的DCCA分析Fig. 5 DCCA analysis of the high frequency component IMF2 of tourist number and NO2 concentration

3 討 論

張家界地處中國湖南省西北部, 位于28°52′N～29°48′N、109°40′E～111°20′E之間, 該城市的主要支柱產(chǎn)業(yè)是旅游業(yè)。由于張家界地處武陵山區(qū)腹地, 遠(yuǎn)離國家主要城市群, 因此受到區(qū)域大氣污染輸送影響較小。武陵源風(fēng)景區(qū)是國家5A級旅游景區(qū), 景區(qū)內(nèi)部交通運(yùn)輸均為電力環(huán)?？瓦\(yùn)車輛, 并且在景區(qū)內(nèi)部嚴(yán)格控制餐飲油煙排放。因此, 武陵源風(fēng)景區(qū)本身不存在NO2排放源?？諝馕廴疚镏饕獊碓从诔鞘袡C(jī)動(dòng)車尾氣和餐飲油煙排放[28]。由于NO2是交通尾氣和餐飲油煙排放的主要污染物, 因此NO2可作為評價(jià)因子分析人類旅游活動(dòng)對旅游景區(qū)空氣質(zhì)量的影響。

人類旅游活動(dòng)具有一定的周期性, 隨著旅游旺季和旅游淡季的規(guī)律性、周期性變化, 旅游人群的活動(dòng)也具有明顯規(guī)律性。2015年武陵源風(fēng)景區(qū)門票實(shí)行 "景區(qū)門票1票4天有效" 政策, 人們更大限度地利用門票政策, 短時(shí)間內(nèi)多次進(jìn)入武陵源風(fēng)景區(qū), 從而導(dǎo)致武陵源風(fēng)景區(qū)旅游人數(shù)出現(xiàn)約3天的周期特征。同時(shí), 元旦、春節(jié)、清明、端午和國慶等法定節(jié)假日以及周末均可能導(dǎo)致景區(qū)旅游人數(shù)出現(xiàn)短周期的特征。這些短周期的節(jié)假日期間, 旅游人數(shù)快速激增, 形成短周期高強(qiáng)度的旅游效應(yīng)。短周期高強(qiáng)度的人類旅游活動(dòng)進(jìn)一步會(huì)導(dǎo)致張家界機(jī)動(dòng)車使用量和廚房油煙排放量增加, 從而導(dǎo)致張家界NO2排放量增加。而旅游淡季張家界的機(jī)動(dòng)車使用量和廚房油煙排放量相對減少, NO2的排放量也相應(yīng)減少。城市中大氣污染物濃度的局部波動(dòng)特征可以反映短周期高強(qiáng)度的人類旅游活動(dòng)對自然風(fēng)景區(qū)空氣質(zhì)量的影響。

通過對比旅游人數(shù)和城市空氣中NO2濃度的兩組高頻分量IMF1和IMF2的平均周期和方差貢獻(xiàn)率, 可以發(fā)現(xiàn), 兩組時(shí)間序列高頻分量均存在約3天 (IMF1) 和7天 (IMF2) 的平均周期, 且NO2的高頻分量IMF1的方差貢獻(xiàn)率高達(dá)10.1%, 占據(jù)其各分量方差貢獻(xiàn)率的最大值。NO2濃度的高頻分量IMF1和IMF2分別出現(xiàn)3天和7天的準(zhǔn)周期, 說明存在影響其發(fā)生變化的周期污染源, 而旅游人數(shù)的高頻分量恰好出現(xiàn)了相近的時(shí)間周期。因此, 短周期高強(qiáng)度人類旅游活動(dòng)可能是導(dǎo)致NO2高頻分量隨時(shí)間演變的主要因素。由于長距離的污染物輸送需要較長的時(shí)間尺度, 外來污染物不會(huì)在較短的時(shí)間尺度內(nèi)進(jìn)行長距離輸送, 長距離的外來輸送也不會(huì)導(dǎo)致張家界出現(xiàn)穩(wěn)定的短周期高頻率模態(tài)。因此, EEMD方法分解得到的NO2短周期高頻率特征模態(tài)不太可能由外來污染物輸送導(dǎo)致, 而主要受短周期高強(qiáng)度人類旅游活動(dòng)的影響。

進(jìn)一步, DCCA的定量分析結(jié)果表明, 武陵源風(fēng)景名勝區(qū)旅游人數(shù)約3天和7天的高頻分量與城市空氣中NO2濃度之間均表現(xiàn)出長期持續(xù)的正相關(guān)性特征, 反映了短周期高強(qiáng)度人類旅游活動(dòng)與城市空氣中大氣污染過程密切相關(guān)。人類旅游活動(dòng)涉及交通出行、餐飲等必備要素, 短周期高強(qiáng)度人類旅游活動(dòng)帶來的機(jī)動(dòng)車尾氣和餐飲油煙排放必然會(huì)周期性地導(dǎo)致城市中NO2大幅增加。因此, 在短期內(nèi), 短周期高強(qiáng)度人類旅游活動(dòng)會(huì)引起大氣中NO2濃度在未來一定時(shí)間內(nèi)呈持續(xù)升高趨勢。

由此可見, 張家界城市NO2時(shí)空分布和演化的變異性特征, 尤其是污染物局部極端波動(dòng)過程蘊(yùn)含著短周期高強(qiáng)度人類旅游活動(dòng)的印跡。因此, NO2可作為科學(xué)評估短周期高強(qiáng)度人類旅游活動(dòng)對城市空氣質(zhì)量影響的一個(gè)關(guān)鍵評價(jià)因子。應(yīng)用科學(xué)合理的方法研究城市空氣中NO2時(shí)空演化與短周期高強(qiáng)度人類旅游活動(dòng)的相關(guān)性及時(shí)間尺度特征, 可以揭示城市空氣污染物時(shí)空演化隨人類旅游活動(dòng)變化規(guī)律的響應(yīng)機(jī)制, 從而科學(xué)評估短周期高強(qiáng)度人類旅游活動(dòng)對自然景區(qū)的影響。

此外, 氣象要素 (如風(fēng)速、降雨量和溫度) 對張家界城市空氣中污染物的濃度變化也會(huì)造成很大的影響,這是張家界NO2濃度序列的趨勢項(xiàng)出現(xiàn)方差貢獻(xiàn)率為65.4% (最高值) 的可能原因, 反映了一年時(shí)間尺度上氣象要素是影響張家界NO2濃度的最主要因素。本文重點(diǎn)關(guān)注的是武陵源風(fēng)景區(qū)短周期高強(qiáng)度人類旅游活動(dòng)對張家界城市空氣中NO2濃度的影響, 而武陵源風(fēng)景區(qū)高頻分量約3天 (IMF1) 和7天 (IMF2) 周期的人類旅游活動(dòng)反映的就是短周期高強(qiáng)度人類旅游活動(dòng)的特征。相對于一個(gè)月或是一個(gè)季度的長周期人類旅游活動(dòng)來說, 短周期高強(qiáng)度的人類旅游活動(dòng)更為普遍, 這與人類的生活密切相關(guān)。因此, 從旅游人數(shù)時(shí)間序列中提取具有短周期高頻率的特征模態(tài)進(jìn)行分析, 更能真實(shí)反映短周期高強(qiáng)度人類活動(dòng)與其城市中污染物濃度之間的關(guān)系。

4 結(jié) 論

基于EEMD-DCCA模型定量分析了短周期高強(qiáng)度人類旅游活動(dòng)對張家界城市空氣中NO2演化的影響。

1) 通過EEMD分解結(jié)果發(fā)現(xiàn), 張家界武陵源風(fēng)景區(qū)旅游人數(shù)與其城市大氣中NO2濃度在研究時(shí)間尺度上均存在周期相近的高頻分量 (IMF1 和IMF2), 其高頻分量IMF1 和IMF2 的平均周期分別近似為3 天和7天, 表明短周期高強(qiáng)度人類旅游活動(dòng)是導(dǎo)致NO2高頻分量隨時(shí)間演變的主要因素。

2) 通過DCCA方法研究發(fā)現(xiàn), 張家界武陵源風(fēng)景區(qū)約3天和7天周期的人類旅游活動(dòng)高頻分量與其城市大氣中NO2濃度之間呈正相關(guān)關(guān)系, 其DCCA標(biāo)度指數(shù)分別為0.695、0.684。武陵源風(fēng)景區(qū)短周期高強(qiáng)度人類旅游活動(dòng)與張家界城市中NO2濃度之間的長期相關(guān)性表現(xiàn)為, 過去張家界武陵源風(fēng)景區(qū)旅游人數(shù)的變化會(huì)持續(xù)影響當(dāng)前甚至未來張家界城市大氣中NO2濃度的演化趨勢, 從而表現(xiàn)出長期持續(xù)性特征。

3) NO2適宜作為科學(xué)評估短周期高強(qiáng)度人類旅游活動(dòng)對張家界旅游城市空氣質(zhì)量影響的一個(gè)關(guān)鍵評價(jià)因子?；贓EMD-DCCA模型, 可以定量揭示張家界城市空氣中大氣污染物的時(shí)空演化隨短周期高強(qiáng)度人類旅游活動(dòng)變化規(guī)律的響應(yīng)機(jī)制, 從而為科學(xué)評估短周期高強(qiáng)度人類旅游活動(dòng)對自然風(fēng)景區(qū)的影響提供新的理論依據(jù)。