摘要
城镇化在带动经济增长的同时，也带来了环境污染问题，直接影响区域可持续发展，城市空气污染成为国内外学者关注的热点问题。城市空气污染受到污染源分布、气象条件、工农业生产和城市空间结构等多因素的影响。本文主要基于城市规划视角，研究城市气态污染物的时空格局及城市空间结构对其分布的影响。 建筑是城市空间结构的构成主体，其立体空间格局影响气象条件进而影响城市空气污染物（PM10、PM2.5、SO2、NO2、CO、O3）浓度的空间分布。本文以济南中心城区为研究区，基于DEM、城市路网和建筑大数据构建城市空间结构指标体系，采用济南市中心城区74个环境监测站点记录的2020年日均大气污染物数值绘制箱线图，探究空气污染物时空分布特征;采用单因素方差分析和多因素方差分析方法分别研究城市空间结构单个指标和多个指标的交互效应对气态污染物浓度分布的影响;采用皮尔逊相关系数探究城市空间结构指标与城市空气污染物浓度的相关性;运用空间滞后、空间误差、空间杜宾和地理加权回归4种空间回归模型研究城市空间结构指标对气态污染物浓度分布的影响作用及其空间异质性。 结果表明:（1）济南市中心城区PM2.5、CO、SO2浓度月平均值呈现“U型”变化趋势，冬季污染严重夏季污染较轻，O3浓度月平均值呈现倒“V型”变化趋势，夏季污染严重冬季污染较轻;六种污染物浓度具有一定的周变化特点，O3浓度受周变化相对较大，一周内星期二PM10、PM2.5、CO、NO2这四种污染物浓度最低;济南市中心城区污染物浓度存在明显的时空差异，呈复杂的不均匀分布。（2）城市空间结构指标对六种气态污染物浓度分布的影响显著，大部分单因素空间结构指标对污染物浓度的影响达到了0.001的显著性水平，影响极为显著;地形高程与其它城市空间分布指标的交互作用是影响气态污染物浓度分布的重要因素，其双因素方差分析结果大部分达到了0.05以上的显著性水平;DEM平均值、建筑高度平均值和建筑体积标准差三指标交互对PM10和NO2以及O3浓度分布的影响较显著，均达到了0.01的显著性水平，其余三因素指标交互作用对六种污染物浓度分布的影响不显著。（3）从全局相关性来看，城市空间结构指标与不同空气污染物浓度的相关性具有较强的显著性;从局部相关性来看，城市空间结构指标在不同月份与污染物浓度的相关性均存在差异，具有明显的季节性，冬季城市空间结构指标对污染物浓度的影响作用最强，夏季最弱。一维高度指标是影响PM2.5、SO2、NO2浓度的重要指标，一维高度指标和三维空间指标是影响PM10、CO、O3浓度的重要指标;PM10、PM2.5、SO2、NO2、CO这五种污染物浓度与各个城市空间结构指标在2020年各个月份呈负相关，O3浓度则呈正相关，与其余五种污染物相反。（4）PM10、PM2.5和CO浓度空间分布主要受本研究单元城市空间分布指标的影响，相邻研究单元PM10、PM2.5和CO浓度之间的影响是随机因素作用的结果，SO2、NO2和O3浓度受本研究单元城市空间分布指标、邻域同指标以及SO2、NO2和O3浓度的影响。（5）城市空间结构指标对不同污染物浓度的影响存在空间异质性。PM10、PM2.5、NO2和O3浓度与城市空间结构指标的GWR模型全局和局部拟合效果均较好;PM10、PM2.5和NO2浓度构建的GWR模型中的各城市结构指标回归系数有所差异，整体趋势分布大体相同，O3浓度各城市空间分布指标回归系数的正负与其他三种污染物相反，城市空间分布指标对不同污染物浓度的影响不同。 本研究结果可为通过优化城市空间结构缓解空气污染物浓度提供参考，为防治大气污染、改善城市生态环境提供参考依据。
NETL