基于遥感产品的全球典型国家PM2.5 浓度时空分布特征

doi:10.3969/j.issn.1004-9479.2024.07.20222375

世界地理研究 ›› 2024, Vol. 33 ›› Issue (7): 18-32.DOI: 10.3969/j.issn.1004-9479.2024.07.20222375

基于遥感产品的全球典型国家PM_2.5 浓度时空分布特征

陶天慧¹(), 石忆邵²(), 李嘉琪², 彭志宏³

^1.浙江水利水电学院测绘与市政工程学院，杭州 310018
^2.同济大学测绘与地理信息学院，上海 200092
^3.湖南城市学院市政与测绘工程学院，益阳 413000

收稿日期:2022-11-04 修回日期:2023-06-19 出版日期:2024-07-15 发布日期:2024-07-16
通讯作者: 石忆邵
作者简介:陶天慧（1993—），女，讲师，博士，研究方向为GIS分析方法与建模、大气污染时空数据挖掘与制图等，E-mail：taoth@zjweu.edu.cn。
基金资助:
深圳市市委市政府2020年度重点调研课题(2021FY0001-2588);2022年度湖南省市联合基金项目(2022JJ50272)

Spatial and temporal distribution characteristics of PM_2.5 concentration in global typical countries based on remote sensing products

Tianhui TAO¹(), Yishao SHI²(), Jiaqi LI², Zhihong PENG³

^1.School of Geomatics and Municipal Engineering, Zhejiang University of Water Resources and Electric Power, Hangzhou 310018, China
^2.College of Surveying and Geographic Informatics, Tongji University, Shanghai 200092, China
^3.School of Municipal and Geomatics Engineering, Hunan City University, Yiyang 413000, China

Received:2022-11-04 Revised:2023-06-19 Online:2024-07-15 Published:2024-07-16
Contact: Yishao SHI

摘要/Abstract

摘要：

在全球化背景下，PM_2.5污染已成为一种全球现象，梳理不同国家PM_2.5浓度的时空差异化分布，已越来越成为学术界的重要课题。以全球27个典型国家为研究对象，采用集合经验模态分解、GIS地图表达、比较研究法，对1998—2019年PM_2.5污染的时空变化特征进行分析。研究结果显示：①研究期内全球27个典型国家的PM_2.5波动趋势划分为持续上升、持续下降、先升后降、先降后升4种类型，70%的国家在研究时段内表现出PM_2.5污染转好趋势；②除非洲区域典型国家外，其余同一区域的国家月度变化具有相似性；③与北美、欧洲、大洋洲区域的典型国家相比，亚洲、中东及非洲地区典型国家的PM_2.5浓度季节变化的幅度要更大；④从20年的年均浓度上来看，巴基斯坦、印度、孟加拉国、伊朗、埃及、沙特阿拉伯、土耳其和尼日利亚的PM_2.5浓度更高，且已超过WHO提出的PM_2.5过渡目标Ⅰ污染等级（35 μg/m³）。长时间序列下PM_2.5污染时空差异特征的比较研究可补充全球国家宏观尺度的PM_2.5浓度特征研究，为不同经济发展水平国家的污染治理提供科学参考。

关键词: 遥感产品, 集合经验模态分解, 全球典型国家, PM_2.5, 时空分布

Abstract:

In the context of globalization, PM_2.5 pollution has become a global phenomenon. Understanding the spatial and temporal differential distribution of PM_2.5 concentrations in different countries has become an increasingly important topic for governments. Taking 27 typical countries in the world as the research objects, Ensemble Empirical Mode Decomposition (EEMD), GIS map representation, and comparative research methods were used to analyze the spatial and temporal variation characteristics of PM_2.5 pollution from 1998 to 2019. The results show that: ① The trend fluctuation of PM_2.5 in the global typical countries in the study area was divided into four types: 'continuous rise', 'continuous fall', 'first rise and then fall' and 'first fall and then rise. 70% of the countries showed a trend of improving PM_2.5 pollution during the study period; ② Except for Africa, the monthly changes of countries in the same regions are similar; ③ Compared with North America, Europe, and Oceania, Asia, the Middle East, and Africa have larger seasonal changes in PM_2.5 concentrations; ④ From the perspective of the average annual concentration, Pakistan, India, Bangladesh, Iran, Egypt, Saudi Arabia, Turkey and Nigeria had higher PM_2.5concentration in the past 20 years, which also have exceeded the PM_2.5 transition target I pollution level(35μg/m³) proposed by WHO. The comparative study of spatial and temporal differences of PM_2.5pollution under long time series can provide scientific reference for countries with different levels of economic development, and complement the global national macro scale PM_2.5 concentration characteristics.

Key words: remote sensing products, Eensemble Empirical Mode Decomposition, global typical countries, PM_2.5, spatiotemporal distribution

陶天慧, 石忆邵, 李嘉琪, 彭志宏. 基于遥感产品的全球典型国家PM_2.5 浓度时空分布特征[J]. 世界地理研究, 2024, 33(7): 18-32.

Tianhui TAO, Yishao SHI, Jiaqi LI, Zhihong PENG. Spatial and temporal distribution characteristics of PM_2.5 concentration in global typical countries based on remote sensing products[J]. World Regional Studies, 2024, 33(7): 18-32.

图/表 9

参考文献 54

1	王叶. 未来不同排放情景下中国PM_2.5与O₃浓度及其健康效应评估. 南京: 南京信息工程大学,2022.
	WANG Y. Future projection of concentrations of PM_2.5 and O₃ and the associated health effects in China under different emission scenarios. Nanjing: Nanjing University of Information Science & Technology, 2022.
2	张莹,李正强,赵少华,等. 大气环境卫星污染气体和大气颗粒物协同观测综述. 遥感学报, 2022,26(5):873-896.
	ZHANG Y, LI Z, ZHAO S, et al. A review of collaborative remote sensing observation of atmosphere gaseous and particulate pollution with atmospheric environment satellites. National Remote Sensing Bulletin, 2022,26(5) :873-896.
3	陈优良, 陶天慧, 丁鹏. 长江三角洲城市群空气质量时空分布特征. 长江流域资源与环境, 2017,26(5):687-697.
	CHEN Y, TAO T, DING P. Spatial-temporal distribution characteristics of air quality in the urban aggregation of the Yangtze River Delta. Resources and Environment in the Yangtze Basin, 2017,26(5):687-697.
4	任晓菲. 东北亚区域环境治理机制研究. 黑龙江:东北林业大学, 2021.
	REN X. Research on regional environmental governance mechanisms in northeast Asia. Heilongjiang: Northeast Forestry University, 2022.
5	张立, 李雯骐, 汪劲柏. 空间规划的传导协同——治理视角下的国际实践与启示. 国际城市规划, 2022,37(5):1-13.
	ZHANG L, LI W, WANG J. Coordination in spatial planning: International experience and enlightenment from the perspective of governance. Urban Planning International, 2022,37(5):1-13.
6	徐勇, 郭振东, 郑志威, 等. 2000—2021年成渝城市群PM_2.5时空变化及驱动机制多维探测.环境科学,2023,44(7):3724-3737.
	XU Y, GUO Z, ZHENG Z, et al. Spatio-temporal variation and multi-dimensional detection of driving mechanism of PM_2.5 concentration in the Chengdu-Chongqing urban aggregation from 2000 to 2021.Environmental Science,2023,44(7):3724-3737.
7	韩军赞, 陈凤, 姚宇坤, 等. 盐城市秋季典型PM_2.5污染过程的组分及来源特征. 环境保护科学, 2022,48(3):119-125.
	HAN J, CHEN F, YAO Y, et al. Characteristics of composition and pollution source during a typical PM_2.5 pollution period in autumn of Yancheng. Environmental Protection Science, 2022,48(3):119-125.
8	向娟, 陶明辉, 郭玲, 等. 基于卫星遥感的近地面PM_2.5浓度反演进展. 遥感学报, 2022,26(9):1757-1776.
	XIANG J, TAO M, GUO L, et al. Progress of near-surface PM_2.5 concentration retrieve based on satellite remote sensing. National Remote Sensing Bulletin, 2022,26(9):1757-1776.
9	HUANG C, LIU K, ZHOU L.Spatio-temporal trends and influencing factors of PM_2.5 concentrations in urban agglomerations in China between 2000 and 2016. Environmental Science and Pollution Research,2021,28:10988-11000.
10	李志年, 朱俊, 蒋琦清, 等. 韩国环境空气质量改善趋势研究及对浙江省的启示. 环境污染与防治, 2021,43(8):1069-1076.
	LI Z, ZHU J, JIANG Q, et al. Study on the trends ambient air quality improvement in South Korea and its enlightenment to Zhejiang. Environmental Pollution & Control, 2021,43(8):1069-1076.
11	杨帆, 周亮, 林蔚, 等. 2001—2010年非洲大气PM_2.5污染浓度空间格局演化. 世界地理研究, 2016,25(3):30-39.
	YANG F, ZHOU L, LIN W, et al. Spatial pattern evolution of annual average PM_2.5 concentration in Africa,2001-2010. World Regional Studies, 2016,25(3):30-39.
12	HAMMER M, VAN DONKELAAR A, LI C, et al. Global estimates and long-term trends of fine particulate matter concentrations (1998-2018). Environmental Science & Technology, 2020,54(13): 7879-7890.
13	YUE H, HUANG Q, HE C, et al. Spatiotemporal patterns of global air pollution: A multi-scale landscape analysis based on dust and sea-salt removed PM_2.5 data. Journal of Cleaner Production, 2020, 252: 119887.
14	LI J, GAO Y, HUANG X.The impact of urban agglomeration on ozone precursor conditions: A systematic investigation across global agglomerations utilizing multi-source geospatial datasets.Science of the Total Environment,2020,704: 135458.
15	王增文.中国经济新常态下社会中等收入阶层培育策略研究:基于人均GNI波动视角.上海交通大学学报(哲学社会科学版), 2016,24(2):23-32.
	WANG Z. Cultivation strategy of middle income class in China under the new norm of economy: Based on GNI per capita. Journal of Shanghai Jiaotong University (Philosophy and Social Sciences),2016,24(2):23-32.
16	张娇, 史凯, 吴波, 等. O₃与PM_2.5/PM₁₀多时间尺度相关的多重分形及环境意义. 环境科学与技术, 2021,44(11):25-36.
	ZHANG J, SHI K, WU B, et al. Multifractal characteristic of multiple time scale interaction between O₃ and PM_2.5/PM₁₀ and its environmental significance. Environmental Science & Technology, 2021, 44(11):25-36.
17	杜娟, 刘春琼, 吴波, 等. 长株潭城市群PM_2.5多尺度演化的EEMD和多重分形分析. 大气与环境光学学报, 2022,17(3):304-316.
	DU J, LIU C, WU B, et al. Multiscale ensemble empirical mode decomposition and multifractal approach of PM2.5 evolution in Changsha-Zhuzhou-Xiangtan urban agglomeration. Journal of Atmospheric and Environmental Optics, 2022,17(3):304-316.
18	LI Z, YUAN X, XI J, et al. The objects, agents, and tools of Chinese co-governance on air pollution: A review. Environmental Science and Pollution Research, 2021, 28: 24972-24991.
19	MOON K, CHEO H, JEON K, et al. Review on the current status and policy on PM_2.5 in China. Journal of Korean Society for Atmospheric Environment, 2018, 34(3): 373-392.
20	GAO J, WOODWARD A, VARDOULAKIS S, et al. Haze, public health and mitigation measures in China: A review of the current evidence for further policy response. Science of the Total Environment, 2017, 578: 148-157.
21	LIU X, XU W, DU E, et al. Environmental impacts of nitrogen emissions in China and the role of policies in emission reduction. Philosophical Transactions of the Royal Society a-Mathematical Physical and Engineering Sciences, 2020, 378(2183): 20190324.
22	WU Y, ZHANG S, HAO J, et al. On-road vehicle emissions and their control in China: A review and outlook. Science of the Total Environment, 2017, 574: 332-349.
23	HE Q, ZHANG M, SONG Y, et al. Spatiotemporal assessment of PM_2.5 concentrations and exposure in China from 2013 to 2017 using satellite-derived data. Journal of Cleaner Production, 2021, 286: 124965.
24	李强. 中国对日韩贸易中的环境成本比较——基于PM_2.5来源气体排放视角. 福建农林大学学报(哲学社会科学版), 2016,19(4):51-56.
	LI Q. Comparison of environmental cost in China's trade to Japan and Korea--From the perspective of PM_2.5 source gas emission. Journal of Fujian Agriculture and Forestry University (Philosophy and Social Sciences), 2016,19(4):51-56.
25	马宁. 中日韩跨界PM_2.5转移规律及影响机制研究. 北京: 中国地质大学(北京), 2020.
	MA N. Research on the transfer law and influence mechanism of cross-border PM_2.5 in China, Japan and South Korea. Beijing: China University of Geosciences (Beijing ), 2020.
26	SANTOSO M, LESTIANI D, KURNIAWATI S, et al. Assessment of urban air quality in Indonesia. Aerosol and Air Quality Research, 2020, 20(10): 2142-2158.
27	LELIEVELD J, EVANS J, FNAIS M, et al. The contribution of outdoor air pollution sources to premature mortality on a global scale, 2015, 525(7569): 367-371.
28	HASSAN S, ISLAM T, BHUIYAN M. Effects of economic and environmental factors on particulate matter (PM_2.5) in the middle parts of Bangladesh. Water Air and Soil Pollution, 2022, 233(8): 328.
29	张亮林, 潘竟虎. 全球PM_2.5人口暴露风险时空格局. 中国环境科学, 2021,41(11):5391-5404.
	ZHANG L, PAN J. Spatial-temporal pattern of population exposure risk to PM_2.5 in global. China Environmental Science, 2021,41(11):5391-5404.
30	GAN T, LIANG W, YANG H, et al. The effect of economic development on haze pollution PM2.5 based on a spatial perspective: Urbanization as a mediating variable. Journal of Cleaner Production, 2020, 266: 121880.
31	WEAGLE C, SNIDER G, LI C, et al. Global sources of fine particulate matter: Interpretation of PM_2.5 chemical composition observed by SPARTAN using a global chemical transport model. Environmental Science & Technology, 2018, 52(20): 11670-11681.
32	CASTELLHANO F, PEDROSO A, COBELO I, et al. The impact of long-term weather changes on air quality in Brazil. Atmospheric Environment, 2022, 283: 119182.
33	CHEN Z, CHEN D, ZHAO C, et al. Influence of meteorological conditions on PM_2.5 concentrations across China: A review of methodology and mechanism. Environment International, 2020, 139: 105558.
34	WEI G, SUN P, JIANG S, et al. The driving influence of multi-dimensional urbanization on PM_2.5 concentrations in Africa: New evidence from multi-source remote sensing data, 2000-2018. International Journal of Environmental Research and Public Health, 2021, 18(17): 9389.
35	慕航, 何超, 阮秋明, 等. "一带一路"沿线国家PM_2.5污染与人口暴露风险的时空分布特征. 环境科学学报, 2021,41(6):2229-2240.
	MU H, HE C, RUAN Q, et al. Spatiotemporal distribution characteristics and population exposure risks to PM2.5 in countries along the Belt and Road. Acta Scientiae Circumstantiae, 2021,41(6):2229-2240.
36	ZHANG D, DU L, WANG W, et al. A machine learning model to estimate ambient PM_2.5 concentrations in industrialized highveld region of South Africa. Remote Sensing of Environment, 2021, 266: 112713.
37	XING W, YANG L, ZHANG H, et al. Variations in traffic-related polycyclic aromatic hydrocarbons in PM_2.5 in Kanazawa, Japan, after the implementation of a new vehicle emission regulation. Journal of Environmental Sciences, 2022, 121: 38-47.
38	NAKATSUBO R, OSHITA Y, AIKAWA M, et al. Influence of marine vessel emissions on the atmospheric PM_2.5 in Japan's around the congested sea areas. Science of the Total Environment, 2020, 702: 134744.
39	GUO B, WANG Y, FENG Y, et al. The effects of environmental tax reform on urban air pollution: A quasi-natural experiment based on the environmental protection tax law. Frontiers in Public Health, 2022,10:1-13.
40	LI Y, CHEN Y, KARIMIAN H, et al. Spatiotemporal analysis of air quality and its relationship with meteorological factors in the Yangtze River Delta. Journal of Elementology, 2020, 25(3):1-17.
41	YAN J, TAO F, ZHANG S, et al. Spatiotemporal distribution characteristics and driving forces of PM_2.5 in three urban agglomerations of the Yangtze River Economic Belt. International Journal of Environmental Research and Public Health, 2021, 18(5): 1-25.
42	WU Q, GUO R, LUO J, et al. Spatiotemporal evolution and the driving factors of PM_2.5 in Chinese urban agglomerations between 2000 and 2017. Ecological Indicators, 2021, 125: 107491.
43	OUYANG X, WEI X, LI Y, et al. Impacts of urban land morphology on PM_2.5 concentration in the urban agglomerations of China. Journal of Environmental Management, 2021, 283: 112000.
44	HAN L, ZHOU W, LI W. Growing urbanization and the impact on fine particulate matter PM_2.5 dynamics. Sustainability, 2018, 10(6): 1696.
45	TARIQ S, MARIAM A, UL-HAQ Z, et al. Spatial and temporal variations in PM_2.5 and associated health risk assessment in Saudi Arabia using remote sensing. Chemosphere, 2022, 308: 136296.
46	SICARD P, AGATHOKLEOUS E, ANENBERG S, et al. Trends in urban air pollution over the last two decades: A global perspective. Science of the Total Environment, 2022, 858: 160064.
47	SHI Y, MATSUNAGA T, YANMAGUCHI Y, et al. Long-term trends and spatial patterns of satellite-retrieved PM_2.5 concentrations in South and Southeast Asia from 1999 to 2014. Science of the Total Environment, 2018, 615: 177-186.
48	BANGAR V, MISHRA A, JANGID M, et al. Elemental characteristics and source-spportionment of PM_2.5 during the post-monsoon season in Delhi, India. Front Sustain Cities, 2021, 3: 648551.
49	OFFOR I, ADIE G, ANA G. Review of particulate matter and elemental composition of aerosols at selected locations in Nigeria from 1985-2015. Journal of Health & Pollution, 2016, 6(10): 1-18.
50	SOUTHERLAND V, BRAUER M, MOHEGH A, et al. Global urban temporal trends in fine particulate matter PM_2.5 and attributable health burdens: Estimates from global datasets. The Lancet Planetary Health, 2022, 6(2): e139-e146.
51	JBAILY A, ZHOU X, LIU J, et al. Air pollution exposure disparities across US population and income groups. Nature, 2022, 601(7892): 228-233.
52	KRZYWICKA P, BYRKA K. Restorative qualities of and preference for natural and urban soundscapes. Frontiers in Psychology, 2017, 8: 1705.
53	HSU H, LIN C, GUENTHER A, et al. Air-chemistry "turbulence": Power-law scaling and statistical regularity. Atmospheric Chemistry and Physics, 2011, 11(16): 8395-8413.
54	HE L, WU M, WANG D, et al. A study of the influence of regional environmental expenditure on air quality in China: The effectiveness of environmental policy. Environmental Science and Pollution Research, 2018, 25(8): 7454-7468.

区域	国家	陆地面积	区域	国家	陆地面积	区域	国家	陆地面积
欧洲	俄罗斯	1 709.82	东亚	中国	960	东南亚	越南	32.95
	英国	24.41		韩国	10.33		菲律宾	29.97
	法国	55		日本	37.8		泰国	51.30
	意大利	30.13	南亚	巴基斯坦	79.61		马来西亚	33
	西班牙	50.60		印度	298		印度尼西亚	191.35
中东	伊朗	16.45		孟加拉国	14.76	北美洲	加拿大	998
	埃及	100.15	南美洲	巴西	851.49		美国	937
	沙特阿拉伯	225	非洲	南非	121.91		墨西哥	196.43
	土耳其	78.36	非洲	尼日利亚	92.38	大洋洲	澳大利亚	769.2

区域	国家	陆地面积	区域	国家	陆地面积	区域	国家	陆地面积
欧洲	俄罗斯	1 709.82	东亚	中国	960	东南亚	越南	32.95
	英国	24.41		韩国	10.33		菲律宾	29.97
	法国	55		日本	37.8		泰国	51.30
	意大利	30.13	南亚	巴基斯坦	79.61		马来西亚	33
	西班牙	50.60		印度	298		印度尼西亚	191.35
中东	伊朗	16.45		孟加拉国	14.76	北美洲	加拿大	998
	埃及	100.15	南美洲	巴西	851.49		美国	937
	沙特阿拉伯	225	非洲	南非	121.91		墨西哥	196.43
	土耳其	78.36	非洲	尼日利亚	92.38	大洋洲	澳大利亚	769.2

国家分类	人均国民收入/现价美元
低收入	≦1 025
中低收入	1 026~4 035
中高收入	4 036~12 475
高收入	>12 476

国家分类	人均国民收入/现价美元
低收入	≦1 025
中低收入	1 026~4 035
中高收入	4 036~12 475
高收入	>12 476

区域	典型国家	周期（月）	趋势类型	趋势斜率	转折时间
东亚	中国	3、12、20、66、88、264、264	先升后降	0.50、－0.47	2009.04
	韩国	3、6、13、26、88、132、264	先升后降	0.37、－0.27	2010.07
	日本	3、9、13、38、88、264、264	先升后降	0.11、－0.16	2007.03
东南亚	越南	3、9、15、33、88、264、264	先升后降	0.34、－0.29	2009.10
	菲律宾	3、7、13、26、53、132、264	先升后降	0.27、－0.21	2010.05
	泰国	3、7、13、29、53、132、264	先升后降	0.44、－0.34	2010.05
	马来西亚	3、6、14、26、53、88、264	上升	0.21	—
	印度尼西亚	3、7、13、24、53、132、264	上升	0.57	—
南亚	印度	3、13、22、53、132、264、264	上升	0.77	—
	巴基斯坦	3、6、13、30、66、132、264	先升后降	0.39、－0.10	2015.04
	孟加拉国	4、13、14、33、66、264、264	上升	1.23	—
中东	伊朗	3、11、16、38、66、264、264	先升后降	0.64、－0.20	2014.10
	埃及	3、7、13、29、44、132、264	上升	0.28	—
	沙特阿拉伯	3、8、13、29、53、132、264	先升后降	1.03、－0.33	2014.08
	土耳其	3、9、13、33、66、132、264	上升	0.18	—
欧洲	俄罗斯	3、7、13、26、66、132、132	先降后升	－0.08、0.10	2007.06
	英国	3、8、13、29、53、132、264	下降	－0.10	—
	法国	3、9、15、29、132、264、264	下降	－0.28	—
	意大利	3、9、14、33、66、264、264	下降	－0.26	—
	西班牙	3、7、12、24、53、264、264	下降	－0.15	—
非洲	尼日利亚	3、13、20、53、88、264	下降	－0.48	—
非洲	南非共和国	3、6、12、26、53、132、264	先升后降	0.22、－0.12	2012.03
北美洲	加拿大	4、7、12、33、66、132、132	下降	－0.03	—
	美国	3、6、14、24、53、264、264	下降	－0.13	—
	墨西哥	3、7、13、26、66、132、264	先降后升	－0.34、0.03	2017.09
南美洲	巴西	4、9、13、29、66、264、264	先升后降	0.47、－0.08	2016.08
大洋洲	澳大利亚	3、7、14、29、66、264、264	上升	0.06	—

基于遥感产品的全球典型国家PM_2.5 浓度时空分布特征

Spatial and temporal distribution characteristics of PM_2.5 concentration in global typical countries based on remote sensing products

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 54

相关文章 11

编辑推荐

Metrics

[1]	邹泽铎, 田卡吨, 赵威, 李政旸, 刘志强. 中国中部地区PM_2.5 浓度与城市化的关系演变研究[J]. 世界地理研究, 2024, 33(1): 178-188.
[2]	赖菲菲, 谢朝武, 黄锐. 全国旅游交通事故严重程度的时空分布及引致因素分析[J]. 世界地理研究, 2023, 32(9): 159-169.
[3]	虞加林, 胡银根, 李祥, 张豪. “双安全”视阈下我国耕地变化驱动力研究进展与可视化分析[J]. 世界地理研究, 2023, 32(8): 112-125.
[4]	李衡, 韩燕. 黄河流域PM_2.5时空演变特征及其影响因素分析[J]. 世界地理研究, 2022, 31(1): 130-141.
[5]	付逸飞. 入户盗窃犯罪的时空分布热点及其机理研究——以A市CP区警情分析为例[J]. 世界地理研究, 2021, 30(5): 1005-1014.
[6]	朱尧, 邹永广, 李强红, 李志强. 网络关系视角下中国公民出境旅游安全感知事件时空分布特征[J]. 世界地理研究, 2020, 29(6): 1304-1312.
[7]	吴鸣明, 李俊峰, 杨鑫宇. 芜湖市城市公园体系等级结构及其时空分布格局[J]. 世界地理研究, 2020, 29(2): 406-415.
[8]	王若宇, 薛德升, 刘晔, 黄旭. 基于空间杜宾模型的中国高学历人才时空分异研究[J]. 世界地理研究, 2019, 28(4): 134-143.
[9]	徐薛艳龙涛孙雪飞. 上海中心城区海外游客兴趣点（POI）时空分布特征研究[J]. 世界地理研究, 2018, 27(05): 147-156.
[10]	包富华陈瑛. 近10年以来中国出境旅游的时空分布特征研究[J]. 世界地理研究, 2017, 26(2): 127-139.
[11]	程薇，吴健平 . 国外犯罪时空分布研究综述 [J]. 世界地理研究, 2013, 22(18): 151-158.

基于遥感产品的全球典型国家PM2.5 浓度时空分布特征

Spatial and temporal distribution characteristics of PM2.5 concentration in global typical countries based on remote sensing products

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 54

相关文章 11

编辑推荐

Metrics

基于遥感产品的全球典型国家PM_2.5 浓度时空分布特征

Spatial and temporal distribution characteristics of PM_2.5 concentration in global typical countries based on remote sensing products