全文总字数：12409字
1. 研究目的与意义、国内外研究现状（文献综述）
|
1 研究意义 大气霾污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的严重环境问题[1]。2013年，我国霾污染的连续频发及最严重的污染天气出现，更是引起了社会广大人士对PM2.5的关注[2]。由于PM2.5粒径虽小但表面积较大，相对更易富集有毒有害物质，对人体健康的损伤、大气能见度的降低、气候的变化等均有重要影响[3-4]，直接或间接地威胁着人类和其他生物体的生存环境，是亟待解决的环境问题。而土地利用作为大气环境的下垫面，一方面，土地利用类型的变化直接影响着PM2.5浓度的升高与降低[5]；另一方面，宏观尺度或区域尺度的土地利用景观格局通过影响大气的水热条件间接影响局部地区的气候变化，使得PM2.5的流动、时空分布情况发生变动[6]。目前已有大量学者就土地利用变化与PM2.5的关系及影响开展了各项研究，但城市尺度较多，区域或宏观尺度较少。此外，大多学者以研究土地利用变化与PM2.5浓度的关系为主，少有利用两者的关系展开研究的课题。因此，本文以长江三角洲为研究区，基于空间自相关分析、Burkhard给出的生态服务系统供需评价矩阵方法、相关系数分析等方法，以县域为单位，在分析2001-2015年长三角PM2.5的时空变化及其受土地利用变化的影响的基础上，引入“Burkhard供需矩阵”的空气质量调节服务参数，探讨基于土地利用数据模拟PM2.5空间分布的新途径。并基于调整后的空气质量调节服务参数获取不同地类的PM2.5污染贡献序列，为大尺度下PM2.5浓度的控制与降低、合理的土地开发利用模式的开拓创新提供科学理论依据。 2 国内外研究进展 研究显示，粒径小于10μｍ的颗粒物对环境和人体健康的危害相对更大，特别是可入肺的细颗粒物PM2.5[8]。目前，我国已成为全球PM2.5污染最严重的地区之一。因此，有大量学者们就PM2.5的成分、来源、不良影响、影响因素、时空分布特征等方面展开了大量研究[9-11]。其中很多研究结果指出了PM2.5与土地利用变化的相关性。尤其是长江三角洲、京津冀等经济发达的地区，土地利用的不断变化明显地影响着大气中PM2.5的时空分异。 2.1土地利用作为模型中的一个变量，模拟、预测PM2.5的变化 土地利用变化带来的系列生态环境问题使人们逐渐意识到区域土地利用格局的改变可能与 PM2.5污染有密切关系[12]。但早期阶段，学者们对于两者关系的研究多将土地利用作为 PM2.5的预测因子，将各土地利用类型数据作为PM2.5预测模型中涉及的数据之一，更加关注模型的表现能力、预测PM2.5结果的准确性等[13-14]。如Briggs等利用GIS平台和回归模型将土地利用作为其中一个影响因子，绘制了城市空气污染图，并提出了土地利用回归模型，已在大气污染模拟和预测中得到广泛应用；Lindstrm等提出了将土地利用作为预测PM2.5空间分布的其中变量的时空统计模型，提升了模 型的预测精确性。但实际上，因为模型中数据的有限性及数据处理方法的局限性，土 |
| 地利用与PM2.5的关系并不能够在模型中充分体现。 2.2土地利用类型对PM2.5的影响 相较于土地利用作为PM2.5预测模型的变量之一，土地利用类型对PM2.5影响的研究相对较晚。Romero等[15]以圣地亚哥为例，研究了快速城市化下的土地利用变化与空气污染，发现不合理的工业布局、长距离交通的污染排放以及城市绿地减少等因素是导致城市区域大气污染的主要原因。另外，唐昀凯等[16]对武汉市土地利用类型与PM2.5的关系进行研究，发现绿化面积比例与PM2.5浓度呈显著负相关，建设用地面积比例与PM2.5浓度呈显著正相关。逐渐地人们越来越重视土地利用类型及其分布变化造成的大气污染问题，加强对土地利用与 PM2.5的关系的研究。李少宁等[17]通过对比分析植被区与非植被区的PM2.5浓度时间变化特征，研究了城市尺度下森林植被对空气PM2.5质量浓度时空变化的影响，论证了城市森林对PM2.5显著的吸滞作用，能有效降低空气污染。Wu等[18]在研究城市景观格局对PM2.5污染的影响时，证明了耕地对PM2.5浓度所起的特殊作用，且耕地对PM2.5的影响是双向的，主要受到人类对耕地活动的影响。此外，有研究显示未利用地与其呈正相关，水体与PM2.5呈负相关[5]；也有研究显示未利用地和水体与PM2.5浓度无明显相关性[16]。可见未利用地和水体对PM2.5的影响具有不确定性，未利用地、水体与PM2.5的关系还有待进一步研究和验证。此外，相较于城市尺度下的研究，宏观尺度下的研究数量相对较少，且大多学者以研究土地利用变化与PM2.5浓度的关系为主，少有利用两者的关系展开研究的课题。 2.3土地利用景观格局对PM2.5的影响 土地利用景观结构变化会引起局地气候变化，从而影响颗粒物的迁移和转化[11]。而土地利用类型反映了土地数量和构成，研究土地利用类型对PM2.5的影响，可揭示土地利用类型对PM2.5的贡献和抑制规律[18]，但不能反映土地空间配置对PM2.5的影响。此外，小尺度的土地利用变化在PM2.5的产生上能造成一定的影响，但在PM2.5时空分布变化上作用相对宏观尺度或区域尺度较小。因此，相较于城市尺度下研究土地利用类型与PM2.5的关系，从宏观尺度或区域角度切入，采用景观生态学的方法综合考虑土地利用类型和土地利用景观格局对PM2.5的影响，能更好地解析土地利用与PM2.5时空变化的关系。不过因土地利用景观格局变化对PM2.5迁移和转化的影响过程和机理复杂，研究结论并不明确[11]，还有待深入研究。 综上所述，现有研究不管是从土地利用类型角度，还是从土地利用景观格局角度分析土地利用变化与PM2.5浓度变化的关系，因研究尺度、研究方法等方面存在的不足，未利用地和水体与PM2.5的关系、土地利用景观格局变化对PM2.5迁移和转化的影响等部分研究结论仍存在不确定性。而且基于土地利用变化与PM2.5浓度的关系进行的相关应用性研究有待开展。因此土地利用变化与PM2.5关系的研究仍有待进一步深入进行。 3 应用前景 |
| PM2.5污染的治理刻不容缓，由于土地利用变化是影响PM2.5时空分布的重要因子，所以理清土地利用变化对PM2.5的影响机理，构建合理的土地开发利用保护模式十分重要。本研究在分析长三角PM2.5的时空变化及其受土地利用变化的影响的基础上，引入“Burkhard供需矩阵”的空气质量调节服务参数，探讨基于土地利用数据模拟PM2.5空间分布的新途径，可为未来各项研究的展开或在实际应用当中提供便利。此外，基于调整后的空气质量调节服务参数获取不同地类的PM2.5污染贡献序列，对合理的土地开发利用保护模式的构建具有极大的参考借鉴意义，应用前景广阔。 参考文献： [1] 王振波，方创琳，许光，潘月鹏等.2014年中国城市PM2.5 浓度的时空变化规律[J].地理学报，2015，70(11):1720-1734. [2] Tian S， Pan Y， Liu Z，et al. Size-resolved aerosolchemical analysis of extreme haze pollution events during early 2013 in urbanBeijing,，China[J]. Journal of Hazardous Materials，2014， 279(28): 452-460. [3] Kan H， Chen R， Tong S. Ambient air pollution， climatechange， and population health in China[J].Environment international，2012，42: 10-19. [4] Zhao H， Che H， Zhang X， et al. Characteristics ofvisibility and particulate matter (PM) in an urban area of NortheastChina[J]. Atmospheric Pollution Research， 2013， 4(4): 427-434. [5] 李玉玲，刘红玉，娄彩荣，等.江苏省 PM2.5时空变化及土地利用影响研究[J]. 环境科学与技术，2016(8): 10-15. [6] She Q， Peng X， Xu Q， et al. Air quality and its responseto satellite-derived urban form in the Yangtze River Delta， China[J]. Ecological Indicators， 2017， 75: 297-306. [7] Zou B， Xu S， Sternberg T， et al. Effect of land useand cover change on air quality in urban sprawl[J]. Sustainability， 2016， 8(7): 677. [8] Wang Y， Ying Q， Hu J， et al. Spatial and temporal variations of six criteria air pollutants in 31provincial capital cities in China during 2013–2014[J]. Environment international， 2014， 73: 413-422. [9] 徐敬，丁国安，颜鹏，王淑凤，孟昭阳，张养梅，刘玉彻，张小玲，徐祥德.北京地区PM2.5的成分特征及来源分析[J].应用气象学报，2007(05):645-654. [10] 毛婉柳，徐建华，卢德彬，等. 2015年长三角地区城市PM2.5时空格局及影响因素分析[J].长江流域资源与环境，2017b，26(02):264-272. [11] 娄彩荣，刘红玉，李玉玲，等.大气颗粒物(PM2.5，PM10)对地表景观结构的响应研究进展[J].生态学报，2016，36(21):6719-6729. [12] 韦晶，孙林，刘双双，等.大气颗粒物污染对土地覆盖变化的响应[J].生态学报， |
| 2015，35(16):54W-5506. [13] Briggs D J， Collins S， Elliott P， et al. Mapping urban airpollution using GIS: a regression-based approach[J]. International Journal of Geographical Information Science， 1997， 11(7): 699-718. [14] Lindstrm J， Szpiro A A， Sampson P D， et al. A flexiblespatio-temporal model for air pollution with spatial and spatio-temporalcovariates[J]. Environmental and ecological statistics， 2014，21(3): 411-433. [15] Romero H， Ihl M， Rivera A， et al. Rapid urban growth， land-use changes and air pollution in Santiago， Chile[J]. Atmospheric Environment， 1999， 33(24-25): 4039-4047. [16] 唐昀凯，刘胜华.城市土地利用类型与 PM2.5浓度相关性研究——以武汉市为例[J].长江流域资源与环境，2015，24(9):1458-146. [17] 李少宁，孔令伟，刘斌，等．城市森林植被的空气PM2.5质量浓度时空变化[J].环境科学与技术，2016，39(7):164-173. [18] Wu J， Xie W， Li W， et al. Effects of urban landscapepattern on PM2.5 pollution—a Beijing case study[J].PloS one， 2015， 10(11):e0142449. [19]卢德彬. 中国PM_(2.5)的时空变化与土地利用关系的实证研究[D].华东师范大学,2018. [20]杨中庆. 基于R语言的空间统计分析研究与应用[D].暨南大学,2006. [21]欧维新,王宏宁,陶宇.基于土地利用与土地覆被的长三角生态系统服务供需空间格局及热点区变化[J].生态学报,2018,38(17):6337-6347. [22]刘纪远,刘明亮,庄大方,邓祥征,张增祥.中国近期土地利用变化的空间格局分析[J].中国科学(D辑:地球科学),2002(12):1031-1040 1058-1060. [23]BurkhardB，Kroll F，Nedkov S，Müller F. Mapping ecosystem service supply，demand and budgets. Ecological Indicators，2012，21：17-29. [24]毛婉柳. 长三角地区PM_(2.5)对土地利用变化的响应机制研究[D].华东师范大学,2017.
|
2. 研究的基本内容和问题
|
1 研究目标 （1）基于不同土地利用类型对PM2.5的影响分析，识别影响PM2.5浓度的土地利用类型因子。 （2）改进“Burkhard供需矩阵”的空气质量调节服务参数。 2 研究内容 2.1长三角地区PM2.5浓度的时空变化特征 |
| 基于统计分析、空间自相关分析等方法，对长三角地区2000-2015连续15年遥感反演的PM2.5浓度进行分析，获取长三角PM2.5浓度的时空分异特征。 2.2土地利用变化对PM2.5的影响 采用长三角地区2000年、2005年、2010年、2015年四期的土地利用数据，计算不同年份各县域的土地利用类型面积，进行土地利用结构变化与PM2.5的相关分析，辨明不同土地利用/覆被类型影响PM2.5的显著性因子及贡献。 2.3“Burkhard供需矩阵”的空气质量调节服务参数的应用与改进 基于Burkhard的生态系统服务供需评价矩阵，选取空气质量调节服务的需求参数作为不同土地利用/覆被类型的PM2.5污染贡献参数，结合土地利用数据表征PM2.5污染因土地利用变化在空间上呈现的分布格局。对比基于PM2.5污染贡献参数表征的PM2.5污染分布格局与基于PM2.5污染浓度数据表征的PM2.5污染分布格局，分析两者的拟合度和差异点。 运用相关系数法下获取的不同土地利用/覆被类型影响PM2.5的显著性因子及贡献序列调整“Burkhard供需矩阵”的空气质量调节服务的需求参数，获得改进后的不同土地利用/覆被类型的PM2.5污染贡献参数。重新获取基于PM2.5污染贡献参数的PM2.5污染空间分布格局，并与基于PM2.5污染浓度数据表征的PM2.5污染分布格局进行拟合度和差异点比较分析。以此作为一轮调整，重复多次调整，直至拟合度较高差异点较少，得到最终的不同土地利用/覆被类型的PM2.5污染贡献参数。 3 拟解决的关键问题 （1）区域尺度下，PM2.5浓度的时空分异特征。 （2）基于相关系数法，进行土地利用结构变化与PM2.5的相关分析，辨明不同土地利用/覆被类型影响PM2.5的显著性因子及贡献。 （3）改进“Burkhard供需矩阵”的空气质量调节服务参数，用于基于土地利用数据的PM2.5空间分布表征。 |
3. 研究的方法与方案
|
1 研究方法 1.1 长三角地区历年PM2.5浓度的获取 本文选用来自于大气成分分析组织（ACAG）2000-2015年的长三角区各县历年的PM2.5浓度，该数据为融合了遥感监测、模型模拟和站点实测数据的0.01°×0.01°的栅格数据，空间分辨率为10km。已有研究表明该数据适用于区域尺度下的研究且该PM2.5数据集与我国地面监测数据有较好的一致性，精度较高，适用于我国[19]。 1.2PM2.5污染空间集聚分析法 空间自相关分析是一种空间统计方法，可以揭示空间变量在同一个分布区内的观测数据之间的相关性。正相关表明某单元的空间变量与其相邻空间单元具有相同的变化趋势，代表了空间现象有集聚性的存在；负相关则相反。它可分为全局空间自相关 |
| 和局部空间自相关[20]。本研究基于空间自相关分析长三角地区PM2.5的空间聚集情况，得到PM2.5高浓度或低浓度空间聚集的主要县域分布情况，及长三角地区PM2.5的历年分布变化情况。 （1）全局空间自相关 Global Moran’s I 统计量全局空间自相关的测度工具，能够对PM2.5在整个区域空间分布情况的进行总体描述[10]，其计算公式为：
式中：I为自相关指数值，xi、xj为区域i、j的PM2.5值，为n个区域PM2.5的平均值，wij为空间权重矩阵。 （2）局部空间自相关 Global Moran’s I 是一种总体统计指标，不能提供局部空间差异性，一般采用Local Moran’s I 统计量来测度，并结合 Moran 散点图或 LISA 集聚图呈现局部的空间分布规律。实际上，Local Moran’s I 是 Global Moran’s I 的分解形式，对于第i 地区而言，其计算公式为：
式中：Zi 和Zj是观测值标准化形式，空间权重矩阵Wij 是行标准形式，n为所有区域的总数。 在计算出I值之后需使用标准化统计量Z对其进行显著性检验，表达式为：
式中：E(I)为I的均值，VAR(I)为I的方差。 在显著性检验通过的情况下，若I 0，表示区域 PM2.5总体相关性为正，说明 PM2.5值较高（或较低）的地区在空间上显著集聚；I 值越接近于1，总体空间差异越小；若I 0，表示PM2.5总体相关性为负，说明地区与其周边地区的PM2.5值具有显著的空间差异．值越趋近于-1，总体空间差异越大。 1.3 长三角地区土地利用类型的划分 本文使用源自地理国情监测云平台，基于Landsat TM 30m遥感影像生产的全国土地利用数据，从中选取长三角地区2000年、2005年、2010年和2015年4期的土地利用数据，整体精度在75%以上。考虑到Burkhard生态系统服务供需评价矩阵在本研究中的运用，及评价矩阵中所涉及的土地分类在我国的适用性，本研究参考欧维新在长三角生态系统服务供需研究[21]中通过结合刘纪远等[22]建立的LUCC分类系统和Burkhard等采用的CORINE土地分类法[23]而得到的土地分类体系。将研究区的地类分 |
| 为旱地、水田、有林地、灌木林、疏林地、其他林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、水体、沿海滩涂、内陆滩地、城镇用地、农村居民点、其他建设用地、盐碱地、沼泽地、裸土地、裸岩地、其他。 1.4 相关系数分析 相关分析是用来描述研究变量之间相关关系的密切程度，主要通过对相关系数的计算与显著性检验来测定[24]。具体计算公式如下：
式中rxy表示x与y之间的相关系数，xi表示第i年的PM2.5浓度值，为PM2.5年平均值，为第i年的土地利用类型面积比例，为土地利用类型面积比例的平均值。表示正相关，表示负相关相关系数的绝对值越接近1，说明两个要素相关性越强。 对相关系数显著性的检验，可采用t统计量作为检验参数，计算公式如下：
式中r表示相关系数，n表示样本数，t分布的自由度是 1.5Burkhard生态系统服务供需评价矩阵法 参考欧维新根据Burkhard的研究成果、地类调整情况与长三角地区各土地利用类型的生态系统服务供给与需求特点构建的长三角地区生态系统服务供需评价矩阵。因本研究主要考虑土地利用对PM2.5浓度的影响，所以仅选取长三角地区生态系统服务供需评价矩阵中基于土地利用类型对应的空气质量调节这类生态系统服务的需求值，见表1。 表1 基于土地利用/覆被类型的空气质量调节服务需求评价矩阵
注释：0=对应土地利用类型无相关生态系统服务需求，1=对应土地利用类型有较低水平的生态系统服务需求，2=对应土地利用类型有一般水平的生态系统服务需求，3=对应土地利用类型有中等水平的生态系统服务需求，4=对应土地利用类型有较高水平的生态系统服务需求，5=对应土地利用类型有极高水平的生态系统服务需求。 根据基于土地利用/覆被类型的空气质量调节服务需求评价矩阵（表1），构建县域范围内各土地利用类型空气质量调节服务的需求强度（Ed）模型（式11），如下： |
式中Ek表示k地类空气质量调节服务的需求强度值；Mk为县域中k地类的面积；Mi为县域面积；Es、Ed的取值范围暂定。 再将PM2.5浓度数据和地类评价数据使用Excel进行二次曲线拟合分析，完成相关性检验，并采用 SPSS软件进行方差分析，完成显著性检验。 为便于各土地利用类型空气质量调节服务需求强度与PM2.5浓度的多重比较分析，将研究县域的需求强度分级，然后采用SPSS软件的多重比较分析模块，分别进行各地类需求强度对PM2.5浓度影响的显著性分析。当 P0.05 时表示差异性不显著， 0.01P0.05 时表示差异性显著，P0.01时表示差异性极显著。 2 技术路线
遥感反演PM2.5数据 土地利用数据
空间数据库
EEMD 空间自相关 相关系数法
PM2.5时空分 不同地类影响PM2.5的 Burkhard供需 异特征 显著因子及贡献 矩阵的应用
Burkhard供需 矩阵的改进
影响PM2.5的地 空气质量调节 类因子贡献序列 服务需求矩阵
土地利用变化对PM2.5的影响 3 实验方案 3.1获取数据 PM2.5数据选用来自于大气成分分析组织（ACAG）2000-2015年的长三角区各县历 |
| 年的PM2.5浓度，该数据为融合了遥感监测、模型模拟和站点实测数据的0.01°×0.01°的栅格数据，且精度较高。 土地利用数据使用源自地理国情监测云平台，基于Landsat TM 30m遥感影像生产的全国土地利用数据，从中选取长三角地区2000年、2005年、2010年和2015年4期的土地利用数据，整体精度在75%以上。 3.2研究区的选择 本项目以长江三角洲地区为研究区域。研究表明[21]，不同尺度下各类型生态系统服务供需情况的分析结果基本一致，考虑到遥感反演下获得的PM2.5数据的空间分辨率为10km，选择以县级行政区作为研究单元及评价单元，测度长三角地区各县域的空气质量调节的生态系统服务供需情况。此外，为减小因气象地理因素产生的数据原始误差，本研究区不包括位于海上且相对独立于大陆的岛屿型县域，舟山市及其下辖县。 3.3PM2.5时空分异特征分析及土地利用数据分析 用EXCEL处理15年间PM2.5的浓度数据，分析PM2.5浓度变化的总体趋势，再通过线性关系的曲率R2，分析PM2.5浓度变化大和变化缓和的年份区间。基于集合经验模态分解（EEMD）更精确地分析PM2.5浓度从高频到低频波动的时间周期。基于空间自相关分析长三角地区PM2.5的空间聚集情况，得到PM2.5高浓度或低浓度空间聚集的主要县域分布情况，及长三角地区PM2.5的历年分布变化情况。利用EXCEL对土地利用数据进行基本的处理，获取各期数据中各土地利用类型的各自面积占比、比较各期土地利用数据的变化情况。结合GIS对空间数据处理及图示化显示的功能，进行对多项数据的空间叠加分析，获取PM2.5浓度空间分布及土地利用空间变化的分析图。 3.4用相关系数法分析土地利用变化对PM2.5的影响 采用长三角地区2000年、2005年、2010年、2015年四期的土地利用数据，计算不同年份各县域的土地利用类型面积。基于相关系数法，进行土地利用结构变化与PM2.5的相关分析，辨明不同土地利用/覆被类型影响PM2.5的显著性因子及贡献。 3.5“Burkhard供需矩阵”的空气质量调节服务参数的应用与改进 基于Burkhard的生态系统服务供需评价矩阵，选取空气质量调节服务的需求参数作为不同土地利用/覆被类型的PM2.5污染贡献参数，结合土地利用数据刻画PM2.5污染因土地利用变化在空间上呈现的分布格局。对比基于PM2.5污染贡献参数刻画的PM2.5污染分布格局与基于PM2.5污染浓度数据刻画的PM2.5污染分布格局，分析两者的拟合度和差异点。将PM2.5浓度数据和地类评价数据使用Excel进行二次曲线拟合分析，完成相关性检验，并采用 SPSS软件进行方差分析，完成显著性检验，获取各土地利用类型与PM2.5浓度的关系及相关程度。 运用相关系数法下获取的不同土地利用/覆被类型影响PM2.5的显著性因子及贡献序列调整“Burkhard供需矩阵”的空气质量调节服务的需求参数，获得改进后的不同土地利用/覆被类型的PM2.5污染贡献参数。重新获取基于PM2.5污染贡献参数的 |
| PM2.5污染空间分布格局，并与基于PM2.5污染浓度数据刻画的PM2.5污染分布格局进行拟合度和差异点比较分析。以此作为一轮调整，重复多次调整，直至拟合度较高差异点较少，得到最终的不同土地利用/覆被类型的PM2.5污染贡献参数。获取基于PM2.5污染贡献参数的地类序列。 4 可行性分析 随着PM2.5污染问题的不断加重，国家对其的关注度也在持续上升，而PM2.5的观测也成了重点关注的内容之一。在不断的开拓研究下，现今关于PM2.5浓度的获取已有监测站测定、遥感反演等多种方法。同时，PM2.5也成为了很多学者的研究重点，各行各业的学者对于PM2.5污染的研究也不止局限于PM2.5的成分、危害性等，而是 逐渐拓宽至PM2.5的时空分异特征、影响因子等内容上。逐步深入的研究使得PM2.5浓度数据的处理分析方法的多样化、科学化取得较大的进展，为本研究的进行提供了 理论参考及技术支撑。此外，土地利用变化的相关研究也随着土地变革的推进及其对其他环境因素影响的凸显而不断受到重视。近年来，关于土地利用变化和PM2.5浓度变化的研究更是在逐渐增多。各类土地利用变化与PM2.5关系研究的开展既为本研究提供了科学保障，也为本研究结果准确性的验证提供了理论依据。综上所述，充足的现有相关文献，科学的研究方法，已有的观测数据足以支撑本课题研究的开展与深入。
|
4. 研究创新点
1、基于“Burkhard供需矩阵”的空气质量调节服务参数，探讨基于土地利用数据模拟PM2.5空间分布的新途径，可为未来各项研究的展开或在实际应用当中提供便利。
2、基于调整后的空气质量调节服务参数获取不同地类的PM2.5污染贡献序列，对合理的土地开发利用保护模式的构建具有极大的参考借鉴意义，应用前景广阔。
5. 研究计划与进展
| 研究计划及预期进展 1、 2018年9月-2018年11月 查阅PM2.5、土地利用的相关文献资料，了解截至目前PM2.5、土地利用、PM2.5与土地利用关系的相关研究进展，确定研究方向。 2、2018年12月 缩小研究方向的范围，综合归类整理分析相关文献，了解当下该研究方向下的研究热点，完成文献综述的撰写，并确定研究课题、主要的研究内容、研究目的等。 3、 2019年1月-2019年2月 钻研与研究课题相关的国内外已有研究文献资料，记录有关基础数据获取方法、实验研究方法、数据处理分析方法，比较现有研究成果分析其中存在的不足或需后续 研究完善的内容，以作为本课题研究内容的重点。撰写开题报告，明确具体的研 |
| 究研究内容、研究目标、研究方法、技术路线、实验方案等，理清思路。 4、 2019年3月-2019年5月 在选定的数据平台上获取实验所需的基础数据，用EXCEL、ArcGIS等软件进行基本的处理，按实验需求呈现数据，获得处理后的信息。基于初步处理得到的数据信息，运用集合经验模态分解法、空间自相关分析法、相关系数法对数据进行进一步的处理，获取研究所需数据信息，从而获取初步的研究结果。通过多种方法的对比验证，获得最终的研究结果。然后开始撰写毕业论文初稿，通过多次修正完善，完成毕业论文终稿。 5、 2019年6月 准备结题汇报各类书面及电子材料。
|
