基于反距离加权空间插值方法的南京老城区PM25的空间分布研究资料下载.pdf
- 文档编号:5977368
- 上传时间:2023-05-05
- 格式:PDF
- 页数:2
- 大小:2.40MB
基于反距离加权空间插值方法的南京老城区PM25的空间分布研究资料下载.pdf
《基于反距离加权空间插值方法的南京老城区PM25的空间分布研究资料下载.pdf》由会员分享,可在线阅读,更多相关《基于反距离加权空间插值方法的南京老城区PM25的空间分布研究资料下载.pdf(2页珍藏版)》请在冰点文库上搜索。
行政区划上,南京市由11个辖区组成。
数据来源PM2.5数据及监测站空间位置坐标本文所使用的PM2.5数据由PM2.5监测网中南京老城区的9个PM2.5监测站提供,且这9个PM2.5监测站空间位置,即经纬度由Google地球提供,如表1所示。
南京市行政边界矢量图在对南京市老城区PM2.5数据进行空间插值时,需要使用南京市行政边界矢量图作为绘制底图,该矢量边界由测绘科学数据共享服务网(http:
/)提供。
研究方法空间插值方法如果一个反映了区域内的某种特征或现象的变量呈现一定的空间分布时,则称该变量为区域化变量,区域化变量是一个随机变量,它具有局部的、随机的特征。
假设一个区域化变量在某个区域内有值,即该区域化变量的空间点函数为f(x),那么有:
),()(fwvuxxxfx=
(1)区域化变量具有一定的结构特点,采用空间插值的方法,我们认为区域化变量在点x与偏离空间距离为h的点x+h处的值f(x)和f(x+h)具有某种程度的相似性,即自相关性,这种自相关性的程度依赖于两点间的距离h及变量特征。
依据这种特性,我们利用空间插值算法可以得到x+h处的值,即f(x+h)。
反距离加权插值法反距离加权(InverseDistanceWeighted,简称IDW)插值法是基于相近相似的原理:
当两个物体之间的距离越小时,它们的相似性越高。
反之,当两个物体之间的距离越大时,它们的相似性越低。
样本点与待插值点间的距离为权重,待插值点与样本点越近,则该点权重越大,反之越小。
反距离加权插值法的一般公式如下:
()()iNiiSZ=10SZ
(2)其中,)(0sZ为s0处的待插值点值;
N为已知点数目;
i为在第i预测点位置上的权重,样本点与待插值点之间的距离越大,该值越小;
)(isZ是在is处的测量值。
权重的确定计算公式为:
=Nipipidd100i/(3)许亚辉周蕾倪海峰李辉河海大学地球科学与工程学院许亚辉(1993-)男,河北邢台人。
河海大学本科在读。
DOL:
10.3969/j.issn.1001-8972.2014.16.012基金项目:
大学生创新训练计划,江苏省省级项目许亚辉基于反距离加权空间插值方法的南京老城区PM2.5的空间分布研究表1南京市9个PM2.5监测站经纬度监测站名迈皋桥草场门山西路中华门瑞金路玄武湖浦口奥体中心仙林大学城经度(度)118.81118.74118.77118.77118.81118.80118.63118.72118.91纬度(度)32.1032.0632.0832.0132.0332.0732.0632.0132.10中国科技信息2014年第16期CHINASCIENCEANDTECHNOLOGYINFORMATIONAug.2014资源环境技术推广-49-11ii=N(4)其中,P为指数;
di0是待插值点s0与样本点si之间的距离。
待插值点值的权重与P值有关,即样本点与待插值点的距离越大,样点对待插值点影响的权重按指数规律减少。
在插值过程中,各样本点值对待插值点值作用的权重大小是成比例的。
南京市中心城区PM2.5空间插值生成监测站矢量图在进行空间插值前,需运行ArcGIS9.3软件,对南京老城区9个PM2.5监测站的空间位置矢量化,并形成ShapeFile文件。
具体做法为:
首先建立一个Excel表格,输入9个站点名称(name)以及各站点的经纬度(Lon/Lat)和各站点2013年下半年的PM2.5数据均值;
打开ArcMap9.3,创建新的数据帧并添加(add)第一步中创建的Excel数据;
右击数据,点击DisplayXYData,确定横纵坐标对应表中的经纬度值,单击edit选定WGS1984坐标系,将九个站点进行展绘;
右击Excel数据选择ExportData将其导出为ShapeFile文件并在ArcMap中显示。
PM2.5空间插值此时监测站矢量图中各点的属性数据已包含PM2.5值,接下来进行反距离加权空间插值。
运用SpatialAnalyst工具箱,点击InterpolatetoRaster,继续点击InverseDistanceWeighted(即反距离加权进行空间插值)。
Zvaluefiled设置为监测点的PM2.5值,power(权重)设为2,点击确定,即可获得矢量插值影像。
图像剪裁本文利用栅格运算器对插值后的PM2.5分布图进行剪裁使用SpatialAnalyst工具箱,点击Options,在弹出的对话框中设置Extent选项中的Analysisextent,载入南京老城区矢量边界的ShapFile文件完成设置;
继续使用SpatialAnalyst工具箱,点击菜单中Convert并选择FeaturestoRaster,将已生成的矢量插值影像转换为栅格影像。
同理将南京市老城区边界矢量图转换为边界栅格数据,并在属性表中增加一条字段,如value,值设为1;
使用栅格计算器,点击RasterCalculator,将生成的插值影像栅格数据与南京市老城区边界栅格数据的value值进行乘法运算,因为边界外的值默认为0,所以乘法运算后,边界外的插值影像消失,此时即可获得南京市老城区PM2.5空间插值图。
地图编辑、整饰、输出南京市老城区PM2.5空间插值影像生成后,便可对该地图进行编辑、整饰、输出。
根据实际情况设置图名、作者、单位、制图时间、比例尺、指北针等地图要素,以及图幅大小、像素等,最后输出打印。
如图1,为2013年下半年南京老城区PM2.5均值分布图。
空间插值结果与分析南京PM2.5现状通过分析图3,虽然2013年下半年南京PM2.5状况较好,空气质量总体为良,但根据每日的PM2.5数据显示,2013下半年个别天数空气质量达到了重度污染乃至爆表的状态。
因此如何有效改善南京市空气质量,指导城市绿化建设成为政府亟待解决的问题。
PM2.5分布驱动力人类因素由图1可以看出,南京地区2013年下半年PM2.5值分布呈现东北低、西南高的状态。
通过了解南京发展近况得知,新世纪以后,南京城市迅速向西南扩张,城镇化步伐加快,大量城市建筑拔地而起,植被覆盖度降低,大大减弱了城市植被降尘作用。
另一方面,城市发展所需要的化石燃料,通过燃烧排放出大量粉尘,也同样造成空气污染加重的态势。
自然因素PM2.5除了受到人类的影响外,一定程度上也受到自然因素的影响。
由于季节性气候条件不同,如风、降水以及沙尘天气等,不同时间段风向风速不同,对地区大气中颗粒物会产生的影响也不同。
误差因素由于PM2.5测定的局限性,不能使所获得的数据非常精准,并且在计算过程中也会产生一定的误差,因此使得PM2.5分布情况不能完全精确表达。
结语本文使用空间插值方法分析了2013年下半年南京老城区PM2.5分布状况,得到南京市PM2.5分布呈东北低、西南高状态的结论。
通过分析,这种空间分布格局背后的驱动因素主要有城市发展、人为影响等几个方面。
这提醒着人们在经济发展的同时,也需要对环境质量进行更多的重视。
需要强调的是PM2.5对人类健康有着极大的危害,如何保护生态环境、降低城市PM2.5值应当成为当今城市发展的一个重要的关注方向。
图12013年下半年南京老城区PM2.5均值分布图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 距离 加权 空间 方法 南京 城区 PM25 分布 研究