重庆市的时空间分布与源解析基于与地理探测器模型.pptx

重庆市PM2.5的（时）空间分布与源解析--基于GIS与地理探测器模型

答辩人：徐玉霞答辩时间：2023年10月27日

-四、实验内容目录三、实验数据

2023-2-基于GIS的数据获取与大气质量分布格局-学生报告模版(1)实验背景随着经济的快速发展我国大气污染形式日益严峻,已经对我国的经济和社会造成了较大的负担。重庆市是我国重要的工业城市,2001-2011年重庆市首要污染物为PM10和SO2,而PM10中PM2.5所占比重较大。重庆市主城区具有典型的山区河谷地形特征,大气环流较为稳定,年均风速较低,大气扩散条件较差,因此污染现象更为突出。揭示区域PM2.5的时空特征和驱动力，对实施区域联防联控和促进环境的健康发展具有重要意义。基于重庆市2021年PM2.5污染物数据，运用地理空间分析方法分析重庆市PM2.5的时空分布特征，并借助地理探测器工具探究其时空特征的影响因素实验目的运用地理空间分析方法分析重庆市PM2.5的时空分布特征：并借助地理探测器工具探究其时空特征的影响因素

三、实验数据PART.1

三、实验数据实验所需数据为重庆市39个区县2021年的PM2.5数据及GDP、降雨量、城镇化率,PM2.5来自重庆市环境保护局，GDP、降雨量和城镇化率来自《重庆市统计年鉴2021》01利用这些数据,运用ArcGis做出重庆市2021年的PM2.5空间分布格局,并运用地理探测器工具探究其时空特征的影响因素02

四、实验内容PART.2

四、实验内容1.矢量数据的获取与编辑(1)添加数据(2)筛选运用筛选工具从输入要素图层中提取出重庆市，如图1所示

四、实验内容2.属性数据的获取与编辑从重庆市环境保护局和重庆统计局等网站上获取实验所需的PM2.5、GDP、降雨量和城镇化率等数据，并运用excel进行处理3.数据符号化本实验用分级色彩进行符号化。分级色彩是将要素属性值按照一定的分类方法分成若干个类，然后用不同的颜色表示不同的类4.地图制作

四、实验内容一副完整的地图，除了包含反映地理数据的线划和色彩要素外，还应包含与地理数据相关的一系列制图要素，如图名、指北针、比例尺和图例等。可在布局视图中添加这些制图要素五、实践训练：重庆市PM2.5空间分布格局1.重庆市行政区域图

四、实验内容2.重庆市PM2.5的空间分布格局(1)重庆市PM2.5空间分布图

四、实验内容(2)重庆市各影响因子空间分布图3.属性数据的输入与编辑(1)数据获取从重庆市环境保护局获取重庆市各区县PM2.5，从《重庆市统计年鉴2021》获取GDP、降雨量和城镇化率等数据，并运用excel进行处理

四、实验内容(2)连接数据运用ArcToolbox中的连接工具基于公用字段NAME99将处理好的excel表格连接到图层重庆市(3)面转栅格运用ArcToolbox中的【转换工具】→【转为栅格】→【面转栅格】，将面要素转为栅格数据集

四、实验内容(4)栅格转点运用ArcToolbox中的【转换工具】→【由栅格转出】→【栅格转点】，将栅格数据集转换为点要素(5)值提取至点基于一组点要素提取栅格像元值，并将这些值记录到输出要素类的属性表。运用ArcToolbox中的【SpatialAnalyst工具】→【提取分析】→【值提取到点】，将栅格数据中的像元值提取到点要素4.重庆市PM2.5的源解析

四、实验内容C-GDPC-城镇化率C-降雨量qstatistic0.9524050.9528380.963637pvalue0.0000.0000.000(1)因子探测用因子探测器来确定各影响因子对PM2.5变化的影响程度。见表1，所有影响因子的q值范围为0.952405～0.963637，其影响程度大小依次为GDP(0.963637)＞0.952838(0.46)＞GDP(0.952405)。降雨量对PM2.5的影响最大,降水量与PM2.5呈负相关。其次是城镇化率，GDP对PM2.5也有较大影响，城镇化率和GDP与PM2.5呈负相关

四、实验内容(2)交互作用探测交互探测器探测各影响因子交互后对ρ(PM2.5)空间分布的影响如表2所示由表2可见，任何两种影响因子对ρ(PM2.5)变化的交互作用均大于单独一种因子的独立影响如降雨量与城镇化率交互后作用于ρ(PM2.5)变化的q值为0.98338，对ρ(PM2.5)变化的影响作用最大，降雨量与GDP交互后对ρ(PM2.5)变化的q值为0.982867

四、实验内容C-GDPC-城镇化率C-降雨量C-GDP0.952405C-城镇化率0.970330.952838C-降雨量0.9828670.983380.963637GDP和城镇化率交互后作用于ρ(PM2.5)变化的q值为0.