تأثیر متقابل آلودگی محیطی در بین شهرها اخیراً در تحقیقات بیشتری گزارش شده است. برای اجرای کنترل هماهنگ آلودگی محیطی، لازم است ویژگی‌های ساختاری و عوامل تأثیرگذار شبکه همبستگی فضایی PM 2.5 از منظر منطقه شهری بررسی شود. این مقاله از مدل گرانش برای ساخت PM 2.5 استفاده کردشبکه همبستگی فضایی ده منطقه شهری در چین از سال 2019 تا 2020. پس از تجزیه و تحلیل ویژگی‌های کلی و ویژگی‌های گره هر شبکه همبستگی فضایی بر اساس روش تحلیل شبکه اجتماعی (SNA)، از روش تحلیل رگرسیون روش تخصیص درجه دوم (QAP) استفاده شد. برای کشف مکانیسم تأثیر هر عامل محرک. تفاوت های اعطا شده ثبت اختراع به عنوان یک شاخص جدید نیز در طی موارد فوق در نظر گرفته شد. نتایج نشان داد که: (1) در مشخصات کلی شبکه، تراکم شبکه چنگدو و سه منطقه کلانشهری دیگر طی دو سال روند نزولی را نشان دادند و تراکم شبکه ووهان و چنگدو کمترین میزان بود. تراکم شبکه و درجه شبکه هانگژو و چهار منطقه شهری دیگر بالا و پایدار بود. و ساختار شبکه هر منطقه شهری ناپایدار بود. (2) از دیدگاه ویژگی های گره، PM2.5 شبکه همبستگی فضایی همه روندهای تمرکز و حاشیه را انجام دادند. پکن-تیانجین-هبی و لیائونینگ مرکزی جنوبی مناطق کلانشهری «چند هسته‌ای» و هشت منطقه دیگر کلان‌شهری «تک هسته‌ای» بودند. (3) نتایج تجزیه و تحلیل رگرسیون QAP نشان داد که سه عامل اصلی تأثیرگذار در شش منطقه کلان شهرها به ترتیب رابطه موقعیت جغرافیایی، تفاوت‌های نسبت صنعتی ثانویه و تفاوت‌های اعطا شده ثبت اختراع بودند و سایر کلان‌شهرها هیچ عامل تأثیرگذاری غالبی نداشتند.

کلید واژه ها:

PM 2.5 ; تحلیل شبکه های اجتماعی ; منطقه شهری ؛ شبکه همبستگی فضایی

1. مقدمه

با پیشرفت شهرنشینی، آلودگی هوا نه تنها یک مشکل در چین بلکه یک مشکل جدی در شهرهای بزرگ، به ویژه در جنوب جهانی است [ 1 ، 2 ، 3 ]. به سلامت انسان آسیب می رساند و بر توسعه اقتصاد، اکولوژی و صنعت تأثیر می گذارد [ 4 ، 5 ]. PM 2.5 (ذراتی با قطر کمتر یا مساوی 2.5 میکرون)، به عنوان اصلی ترین آلاینده موثر بر کیفیت هوا، به کانون تحقیقاتی محققان تبدیل شده است [ 6 ]. شهرهای همسایه هم روابط رقابتی و هم همکاری دارند. تاثیر متقابل آلودگی زیست محیطی همراه با توسعه اقتصادی منطقه ای وجود دارد. PM 2.5آلودگی یک اثر فضایی آشکار دارد [ 7 ]. بنابراین، در روشن کردن همبستگی فضایی PM 2.5 بین شهرها برای کنترل هماهنگ آلودگی محیطی قابل توجه است.
از مقیاس فضایی، ویژگی های آلودگی PM 2.5 در ابتدا در یک شهر منفرد، مانند پکن [ 8 ]، چونگ کینگ [ 9 ]، تیانجین [ 10 ، 11 ] و غیره مورد مطالعه قرار گرفت. با این حال، به دلیل تشکیل پیچیده و ناهمگنی فضایی PM غلظت 2.5 ، الگوی توزیع فضایی PM 2.5 معمولاً متفاوت است. تحقیقات روی PM 2.5 در یک شهر، ویژگی‌های تأثیر متقابل فضایی آلودگی را نادیده گرفت [ 12 ، 13 ]. بنابراین، برخی از محققان از دیدگاه یک تراکم شهری واحد شروع کردند [ 14 ، 15] یا چند تجمع شهری [ 16 ]. به عنوان مثال، چن و همکاران. [ 17 ] از داده‌های PM 2.5 و داده‌های جمعیت برای تجزیه و تحلیل تکامل مکانی-زمانی غلظت PM 2.5 و خطر قرار گرفتن در معرض جمعیت در تجمع شهری پکن-تیانجین-هبی استفاده کرد. زو و همکاران [ 18 ] تأثیر شهرنشینی در کمربند اقتصادی رودخانه یانگ تسه بر PM 2.5 را بررسی کرد. نتیجه گیری شد که PM 2.5در کمربند اقتصادی رودخانه یانگ تسه همبستگی فضایی آشکاری داشت. در مقایسه با تراکم‌های شهری، منطقه شهری مرکز شهر را با اقتصاد توسعه‌یافته و عملکردهای شهری قوی به عنوان هسته اصلی خود می‌گیرد. این شهر از شهر مرکزی و مناطق تحت پوشش چندین شهر همجوار که با آن پیوندهای اقتصادی دارند تشکیل شده است [ 19 ]. منطقه کلان شهر به عنوان منطقه ای با ویژگی های شبکه ای بیشتر از تراکم شهری، از اهمیت پژوهشی بیشتری برخوردار است. بنابراین، منطقه شهری به عنوان مقیاس تحقیق این مقاله تعیین شد.
تجزیه و تحلیل خودهمبستگی فضایی [ 20 , 21 ] و بیضی انحراف معیار [ 22 ] به روشهای رایج برای کشف توزیع فضایی PM 2.5 تبدیل شده اند. مدل رگرسیون کاربری زمین (LUR) [ 23 ]، تجزیه و تحلیل رگرسیون وزنی جغرافیایی (GWR) [ 24 ، 25 ]، و آشکارساز جغرافیایی [ 26 ] عمدتاً برای کشف عوامل مؤثر بر غلظت PM 2.5 استفاده می شود. با این حال، مدل‌های اقتصادسنجی سنتی برای کاوش ارتباط فضایی PM 2.5 بین شهرها و تحقق کنترل هماهنگ PM 2.5 دشوار است.. همبستگی فضایی PM 2.5 بین مناطق در چین پیچیده است و ویژگی های ساختار شبکه آشکاری دارد [ 27 ]. بنابراین، این مقاله روش تجزیه و تحلیل شبکه اجتماعی (SNA) را برای کشف همبستگی فضایی PM 2.5 اتخاذ می‌کند و مبنای نظری را برای سیاست کنترل مشترک آلودگی PM 2.5 فراهم می‌کند.
یک عامل تأثیرگذار منفرد، مانند جمعیت [ 28 ، 29 ]، سطح شهرنشینی [ 30 ، 31 ]، و پوشش گیاهی [ 32 ، 33 ، 34 ]، برای کشف آلودگی PM 2.5 در یک منطقه نمونه در مراحل اولیه استفاده شد. با گذشت زمان، برخی مطالعات شروع به بررسی اثرات هماهنگ عوامل اجتماعی-اقتصادی، هواشناسی و سایر عوامل کردند [ 35 ، 36 ، 37 ، 38 ، 39 ]. به عنوان مثال، Xu و همکاران. [ 40 ] توزیع PM 2.5 را مطالعه کرددر دلتای رودخانه یانگ تسه با ترکیب عوامل اجتماعی و اقتصادی مانند تولید ناخالص داخلی (GDP) و تراکم جمعیت با سه عامل هواشناسی مانند سرعت باد، بارش و دما. با این حال، سیستم عامل تأثیرگذار در مطالعات فوق وجود ندارد و تفاوت در توانایی نوآوری علمی و فناوری بین شهرها نیز به سیستم عوامل محرک کمک خواهد کرد. شهرهای مرکزی با قابلیت نوآوری علمی و فناوری قوی تمایل به جذب شهرهای حاشیه ای برای انجام همکاری با آنها دارند، بنابراین بر همبستگی PM 2.5 تأثیر می گذارد . بنابراین، تفاوت های اعطا شده ثبت اختراع به عنوان یک عامل تأثیرگذار در این مقاله برای نشان دادن تفاوت در توانایی نوآوری علمی و فناوری شهرها در نظر گرفته شده است.
به طور خلاصه، این مقاله ده منطقه شهری در چین را به عنوان منطقه مورد مطالعه در نظر گرفت، 2019-2020 را به عنوان محدوده زمانی از شیوع تا کنترل بیماری کروناویروس جدید (COVID-19) در چین انتخاب کرد، از داده‌های PM 2.5 در زیر استفاده کرد. سیستم پایش ملی، داده‌های هواشناسی و داده‌های اجتماعی-اقتصادی را ترکیب کرد و روش تحلیل شبکه اجتماعی را برای مطالعه ویژگی‌های ساختاری و عوامل تأثیرگذار شبکه همبستگی فضایی PM 2.5 اتخاذ کرد. نکات برجسته تحقیق به شرح زیر بود: (1) این اولین بار بود که ویژگی‌های فضایی و تفاوت‌های PM 2.5 از دیدگاه دو منطقه شهری شمالی و هشت منطقه شهری جنوبی در چین آشکار شد. (2) بر اساس PM 2.5شبکه همبستگی فضایی، از روش تحلیل شبکه اجتماعی برای مقایسه ویژگی‌های کلی شبکه و ویژگی‌های گره هر منطقه شهری استفاده شد. ده کلان شهر به دو بخش کلانشهری «تک هسته ای» و «چند هسته ای» تقسیم شدند و سیاست های کنترل آلودگی با توجه به وضعیت واقعی شهر ارائه شد. (3) تفاوت های اعطا شده به عنوان یک عامل نوآوری علمی و فناوری، در روش تحلیل رگرسیون روش انتساب درجه دوم (QAP) قرار گرفت. سیستم عامل تأثیرگذار متشکل از رابطه موقعیت جغرافیایی، تفاوت‌های تراکم جمعیت، تفاوت‌های نسبت صنعتی ثانویه، تفاوت‌های نسبت صنعتی ثالث و میانگین اختلاف دمای حداکثر سالانه بهبود یافت.
ادامه این مقاله به شرح زیر تنظیم شده است: در بخش 2 ، منطقه مورد مطالعه و منابع داده به اختصار معرفی شده و روش تحقیق این مطالعه شرح داده شده است. نتایج تجربی در بخش 3 ارائه شده است و بخش 4 و بخش 5 بحث و نتیجه گیری هستند.

2. مواد و روشها

2.1. منطقه مطالعه

این مقاله ده منطقه شهری در چین را انتخاب می کند که عبارتند از: منطقه شهری لیائونینگ مرکزی جنوبی، منطقه شهری پکن-تیانجین-هبی، منطقه شهری نانجینگ، منطقه شهری سوژو-وکسی-چانگژو، منطقه شهری هانگژو، منطقه شهری ووهان، چانگشا-Zhu. منطقه شهری Xiangtan، منطقه شهری چنگدو، منطقه شهری Guangzhou-Foshan-Zhaoqing، و منطقه شهری شنژن-Dongguan-Huizhou ( شکل 1 ).
شهرهای هر منطقه شهری در جدول 1 نشان داده شده است. منطقه شهری لیائونینگ مرکزی جنوبی منطقه ای با شروع صنعتی اولیه و سطح شهرنشینی بالا [ 41 ]، و منطقه شهری پکن-تیانجین-هبی منطقه ای با تمرکز بالای فعالیت های سیاسی، فرهنگی و علمی و فناوری در چین است. [ 42 ، 43 ]. منطقه شهری نانجینگ [ 44 ، 45 ]، منطقه شهری سوژو-وکسی-چانگژو [ 46 ]، و منطقه شهری هانگژو [ 47 ، 48 ]] در تراکم شهری دلتای رودخانه یانگ تسه واقع شده اند. همه آنها نقش مهمی در الگوی فضایی شبکه “یک هسته، پنج دایره، و چهار کمربند” ایفا می کنند که توسط تراکم شهری دلتای رودخانه یانگ تسه ساخته شده است. منطقه شهری ووهان [ 49 ، 50 ، 51 ، 52 ] و منطقه شهری Changsha-Zhuzhou-Xiangtan [ 53 ] اجزای مهم تراکم شهری رودخانه یانگ تسه میانه‌ریچ هستند. منطقه شهری چنگدو در هسته تقاطع واقع شده است که در میان کمربند و جاده، کمربند اقتصادی رودخانه یانگ تسه و کریدور جدید خشکی-دریای غربی است که شرق را به غرب و جنوب را به شمال متصل می کند. منطقه شهری گوانگژو-فوشان-ژائوکینگ [ 54] و منطقه شهری Shenzhen-Dongguan-Huizhou [ 55 ] در داخل تراکم شهری دلتای رودخانه مروارید واقع شده اند و نقش مهمی در ساخت و ساز اقتصادی ملی دارند.

2.2. منابع اطلاعات

داده های تحقیق داده های PM 2.5 ، داده های هواشناسی و داده های اجتماعی-اقتصادی از سال 2019 تا 2020 است که در جدول 2 نشان داده شده است. داده های PM 2.5 از وب سایت داده های تاریخی PM 2.5 می آید [ 56 ]. داده های ارائه شده توسط این وب سایت میانگین ماهانه بر اساس داده های ساعتی ایستگاه ملی نظارت بر محیط زیست چین است. در این مقاله میانگین سالانه PM 2.5 بر اساس میانگین ماهانه محاسبه شده است. با مقایسه داده‌های ایستگاه با داده‌های موجود در پایگاه داده [ 57 ]، مشخص شد که برخی از شهرها مانند نانجینگ (31 میکروگرم بر متر مکعب برای اولی و 5/34 میکروگرم بر متر مکعب) .برای دومی) حدود 3-5 میکروگرم بر متر مکعب تفاوت دارند ، اما برخی از شهرها مانند پکن، چنگدو و چانگشا حدود 6-9 میکروگرم بر متر مکعب تفاوت دارند . از آنجایی که داده های پایگاه داده دو بار پردازش شده اند، به ناچار خطاها و مقادیر گم شده در این فرآیند وجود دارد و داده های ایستگاه استفاده مستقیم از دقت بیشتری برخوردار است که برای مطالعه این مقاله مفید است.
داده های اجتماعی-اقتصادی، از جمله تولید ناخالص داخلی، جمعیت دائمی، تراکم جمعیت، نسبت صنایع ثانویه، نسبت صنایع ثالث، و حق ثبت اختراع اعطا شده، از اداره ملی آمار منتشر شده توسط سالنامه آماری چین [ 58 ] و بولتن های آماری هر یک جمع آوری شده است. شهر [ 59 ]. تحرک [ 60 ] همچنین یک عامل آلودگی PM 2.5 است، اگرچه این مقاله تحرک را به تنهایی به عنوان یک عامل اضافه نکرده است، تولید ناخالص داخلی و جمعیت نیز با تحرک ارتباط دارند. برای مثال، یو [ 61 ] پیشنهاد کرد که تحرک روزانه فردی و PM 2.5قرار گرفتن در معرض همبستگی معنی داری داشت. همچنین مبادلات اقتصادی و تجاری بین شهرها وجود دارد. بنابراین، تحرک با تولید ناخالص داخلی و جمعیت در این مقاله جایگزین شده است. داده‌های هواشناسی میانگین حداکثر دمای ماهانه است که از شبکه داده‌های هواشناسی چین [ 62 ] می‌آید و میانگین حداکثر دمای سالانه با توجه به میانگین ماهانه محاسبه می‌شود. بارش یا شاخص های مربوط به باد عوامل مهمی هستند که بر انتشار PM 2.5 تأثیر می گذارند. با این حال، برخی مطالعات نشان داده اند که یک همبستگی منفی قوی U شکل بین دما و غلظت PM 2.5 وجود دارد که در تابستان و پاییز کمتر و در بهار و زمستان بیشتر است [ 63 ، 64 ، 65 ].]. بارش یک همبستگی منفی قوی با PM 2.5 در یک محدوده کوچک دارد، اما تأثیر آن در یک زمان طولانی و یک محدوده بزرگ آشکار نیست [ 66 ]. برای سرعت باد و جهت باد در مدت زمان کوتاه، نیروی مرجع در مناطق کوچک قوی تر است. از آنجایی که این مقاله مقیاس سالانه را مطالعه می کند، همبستگی شاخص های فوق نسبتا ضعیف است [ 67 ]. بنابراین، این مقاله از میانگین دمای حداکثر به عنوان عامل تأثیرگذار هواشناسی استفاده می کند.

2.3. مواد و روش ها

مدل گرانش اصلاح شده برای تعیین ماتریس شبکه همبستگی فضایی PM 2.5 ده منطقه شهری استفاده شد و ماتریس هر منطقه شهری استاندارد شد. چگالی شبکه، درجه شبکه و کارایی شبکه برای بررسی ویژگی‌های کلی شبکه همبستگی فضایی PM 2.5 محاسبه شد. تجزیه و تحلیل مرکزیت با محاسبه مرکزیت نسبی درون درجه، مرکزیت خارج از درجه نسبی، مرکزیت نسبی بین، مرکزیت نسبی در نزدیکی، و مرکزیت نسبی خارج از نزدیک برای کشف ویژگی‌های هر گره در گره انجام شد. شبکه. در نهایت، از تحلیل رگرسیون QAP برای کشف عوامل تأثیرگذار PM 2.5 استفاده شدشبکه همبستگی فضایی در ده کلان شهر

2.3.1. ساخت شبکه همبستگی فضایی

مدل گرانشی معمولاً برای ساخت شبکه همبستگی فضایی PM 2.5 استفاده می شود. مدل گرانش یک مدل ریاضی بر اساس قانون گرانش جهانی نیوتن است که اساس تحلیل شبکه های اجتماعی است و برای توصیف تعامل فضایی استفاده می شود [ 27 ، 68 ]. بنابراین، مدل گرانشی برای محاسبه شدت گرانشی PM 2.5 در هر شهر و ایجاد همبستگی فضایی بین گره‌ها انتخاب شد. در این مقاله از مرکز هندسی هر شهر به عنوان یک گره استفاده شده و داده های ویژگی مانند PM 2.5 و تولید ناخالص داخلی برای محاسبه گرانش به مدل گرانشی بهبود یافته وارد شده است. فرمول خاص مدل به شرح زیر است:

جایی که i ، j نشان دهنده شهر i و شهر j است. P i ، G i ، M i به ترتیب جمعیت دائمی، GDP و PM 2.5 غلظت شهر i هستند. D ij کوتاهترین فاصله بین شهر i و شهر j است. K ij وزن است. V i و V j به ترتیب غلظت PM 2.5 شهر i و j هستند.F ij به معنای شدت گرانش بین شهر i و شهر j است.

در مقایسه با ماتریس مقادیر عددی، ماتریس رابطه بهتر می تواند رابطه بین شهرها را در شبکه همبستگی فضایی PM 2.5 منعکس کند [ 27 ]. بنابراین، مقدار میانگین هر ردیف در ماتریس به عنوان آستانه انتخاب شد. اگر مقدار در ماتریس بالاتر از آستانه باشد، به عنوان “1” تعریف می شود، که نشان می دهد یک رابطه در آلودگی PM 2.5 بین دو شهر وجود دارد. برعکس، آن را به عنوان “0” تعریف می کنند، که نشان می دهد آلودگی PM 2.5 بین دو شهر هیچ ارتباطی ندارد.
2.3.2. تجزیه و تحلیل ویژگی های کلی شبکه

تجزیه و تحلیل شبکه اجتماعی (SNA) می تواند نقش گره ها را در خود شبکه و رابطه بین گره ها را با ایجاد یک شبکه ارتباطی برای تجزیه و تحلیل ویژگی های کلی شبکه و ویژگی های هر گره بهتر منعکس کند [ 69 ، 70 ]. چگالی شبکه، درجه شبکه و کارایی شبکه منعکس کننده ویژگی های کلی شبکه همبستگی فضایی PM 2.5 است. تراکم شبکه نشان دهنده تنگی شبکه است. هر چه تراکم بیشتر باشد، اتصال فضایی شهرها قوی تر است [ 71 ، 72 ] و فرمول محاسبه آن به شرح زیر است:

که در آن ND چگالی شبکه است. m به معنای تعداد واقعی روابط در شبکه است. n تعداد گره هاست.

درجه شبکه منعکس کننده دسترسی نامتقارن گره ها است [ 27 ]. هر چه درجه شبکه بیشتر باشد، ساختار سلسله مراتبی در بین شهرها آشکارتر است. تعداد کمی از شهرها در موقعیت غالب و شهرهای بیشتری تابع شهرهای مرکزی خواهند بود و فرمول محاسبه آن به شرح زیر است:

جایی که NG نشان دهنده درجه شبکه است. S و max ( S ) به ترتیب تعداد واقعی و حداکثر جفت شهرهای قابل دسترسی متقارن در شبکه هستند.

بازده شبکه، میزان خطوط اضافی در شبکه را اندازه گیری می کند. هرچه بازده شبکه کمتر باشد، ساختار شبکه پایدارتر است [ 73 ] و فرمول محاسبه آن به صورت زیر است:

که در آن NE بازده شبکه است. R تعداد خطوط اضافی است. max ( R ) حداکثر تعداد ممکن خطوط اضافی است.

2.3.3. تجزیه و تحلیل ویژگی های گره شبکه

تجزیه و تحلیل مرکزیت SNA یک خانواده از مفاهیم برای توصیف اهمیت ساختاری موقعیت یک گره در یک شبکه است. سه شاخص برای اندازه گیری مرکزیت در ساختار شبکه وجود دارد: مرکزیت درجه، مرکزیت بین و مرکزیت نزدیک [ 72 ]. از آنجایی که شبکه همبستگی فضایی PM 2.5 در این مقاله یک نمودار جهت دار بود، مرکزیت درجه به مرکزیت درون درجه و مرکزیت برون درجه و مرکزیت نزدیک به مرکزیت درون نزدیک و مرکزیت خارج از نزدیک تقسیم شد. با این حال، هنگامی که مقیاس نمودارها متفاوت است، مرکزیت محلی نقاط در نمودارهای مختلف را نمی توان به صورت افقی مقایسه کرد، بنابراین این سه شاخص همه توسط نسبیت استفاده می شوند [ 74 ]]. مرکزیت درجه نسبی برای انعکاس میزان تأثیرگذاری یک شهر از شهرهای دیگر استفاده می‌شود [ 75 ]، و مرکزیت نسبی بین‌المللی شاخصی برای ارزیابی مزیت مکان یک شهر در شبکه است. مرکزیت نزدیکی نسبی برای توصیف میزان کنترل نشدن یک شهر توسط شهرهای دیگر در شبکه استفاده می‌شود [ 76 ]، و فرمول‌های محاسبه به شرح زیر است:

که در آن n تعداد گره های شبکه است. C RD ( i ) مرکز درجه نسبی شهر i است. C AD ( i ) تعداد نقاط دیگر متصل به شهر i است. C RB ( i ) مرکزیت نسبی بین شهر i است. r jk تعداد فاصله میانبری است که بین شهر j و شهر k رابطه دارد. r jk ( i ) تعداد مسافت میانبر عبور از شهر i استبین شهر j و شهر k . C RP ( i ) مرکزیت نزدیکی نسبی شهر i است. d ij فاصله میانبر بین شهر i و شهر j است.

2.3.4. تجزیه و تحلیل عوامل تأثیرگذار

از آنجایی که ماتریس همبستگی PM 2.5 یک ماتریس رابطه است، ممکن است همبستگی بالایی بین متغیرها وجود داشته باشد که انحراف استاندارد تخمین پارامتر را افزایش می دهد. تجزیه و تحلیل رگرسیون روش تخصیص درجه دوم (QAP) روشی برای به دست آوردن ضرایب همبستگی بین ماتریس‌ها و انجام آزمون‌های ناپارامتریک بر روی ضرایب از طریق جایگزینی تصادفی در ماتریس‌ها است. نتایج رگرسیون به‌دست‌آمده تطبیقی ​​است، و فاصله و شیب با مقدار ماتریس تغییر می‌کند، بنابراین نمی‌توان آن را به‌طور مصنوعی کنترل کرد [ 77 ، 78 ، 79 ]. بنابراین، این مقاله از تحلیل رگرسیون QAP برای بررسی رابطه بین PM 2.5 استفاده می کندماتریس همبستگی و ماتریس های عوامل موثر:

که در آن M نشان دهنده ماتریس های همبستگی فضایی PM 2.5 در مناطق شهری است. L به معنای ماتریس‌های ارتباط موقعیت جغرافیایی بین شهرهای داخل منطقه شهری است، شهرهای مجاور با «1» و شهرهای غیر مجاور با «0» مشخص می‌شوند. S ماتریس تفاوت نسبت صنعتی ثانویه است. T ماتریس تفاوت نسبت صنعتی درجه سوم است. P ماتریس تفاوت تراکم جمعیت است. A ماتریس تفاوت های اعطا شده با پتنت است. H میانگین ماتریس اختلاف دمای حداکثر سالانه است.

3. نتایج

3.1. ویژگی های کلی شبکه

مدل گرانش برای محاسبه ماتریس همبستگی فضایی PM 2.5 در ده منطقه شهری استفاده شد و تعداد گره ها و روابط در جدول 3 نشان داده شده است. در مقایسه با نتایج دو سال، تعداد روابط بین منطقه شهری نانجینگ، منطقه شهری لیائونینگ مرکزی جنوبی و منطقه شهری چنگدو اندکی کاهش یافت. منطقه شهری پکن-تیانجین-هبی، منطقه شهری هانگژو، منطقه شهری ووهان، منطقه شهری گوانگژو-فوشان-ژائوکینگ، منطقه شهری شنژن-دانگوان-هویژو، منطقه کلانشهری سوژو-ووکسی-چانگژو-چانگژو-منطقه کلانشهری XHANGUtan-Zaoqing و به طور قابل توجهی تغییر کند.
رابطه شبکه PM 2.5 در هر منطقه شهری در شکل 2 بهتر نشان داده شده است. ساختار شبکه منطقه شهری پکن-تیانجین-هبی، منطقه شهری نانجینگ، منطقه شهری هانگژو، منطقه شهری ووهان، و منطقه شهری لیائونینگ مرکزی جنوبی به دلیل تعداد گره ها و روابط، پیچیده تر از سایر مناطق کلانشهری بود.
با توجه به تعداد متفاوت گره‌ها در کلان‌شهرها، مقایسه فضایی ویژگی‌های شبکه هر منطقه ممکن است تأثیرگذار باشد. از آنجایی که هیچ منطقه شهری متشکل از پنج شهر وجود نداشت، این مقاله بر اساس معیارهایی است که بیش از پنج شهر را به عنوان کلانشهرهای بزرگ و کمتر از پنج شهر را به عنوان کلانشهرهای کوچک در نظر می گرفت. ده منطقه شهری به دو دسته تقسیم شدند: منطقه شهری پکن-تیانجین-هبی، منطقه شهری نانجینگ، منطقه شهری هانگژو، منطقه شهری ووهان و منطقه شهری لیائونینگ مرکزی جنوبی اولین دسته بودند. منطقه شهری چنگدو، منطقه شهری گوانگژو-فوشان-ژائوکینگ، منطقه شهری شنژن-دانگوان-هویژو، منطقه شهری سوژو-وکسی-چانگژو،
با مقایسه ویژگی‌های شبکه همبستگی فضایی PM 2.5 در سال‌های 2019 و 2020، سه نکته اصلی به شرح زیر است:
(1) از منظر تراکم شبکه، منطقه شهری نانجینگ، منطقه شهری لیائونینگ مرکزی جنوبی، منطقه شهری چنگدو و منطقه شهری شنژن-دانگوان-هویژو کاهش یافت، در حالی که سه منطقه شهری دیگر تغییری نکردند. در دسته اول، تراکم شبکه منطقه شهری هانگژو و منطقه شهری لیائونینگ مرکزی جنوبی بالاتر از سایر مناطق کلانشهری بود که از 0.31 تا 0.4 متغیر بود. این نتیجه نشان داد که صنعت شاخص عامل مهمی برای ارتقای ارتباط در کلان شهرها است. صنعت سوم منطقه شهری هانگژو مانند بازار کالاهای کوچک Yiwu در ژجیانگ و صنایع اولیه و فعالیت‌های صنعتی در شهرها در منطقه شهری جنوب مرکزی لیائونینگ توسعه یافته است. با این حال، تراکم شبکه در منطقه شهری ووهان 0.267 بود که کمترین میزان بود. در دسته دوم، تراکم شبکه منطقه شهری چنگدو کمترین (به ترتیب 0.417 و 0.333) و چهار منطقه شهری دیگر بالا (0.5-0.75) بود. این مقاله استدلال می کند که دلایل متعددی برای تراکم بالای شبکه مناطق شهری وجود دارد. از یک سو، منطقه شهری سوژو-وکسی-چانگژو ساختارهای صنعتی مشابهی در بین شهرها دارد. از سوی دیگر، موقعیت جغرافیایی مناسب و حمل و نقل مناسب نیز نقش دارند. به طور خاص، منطقه شهری گوانگژو-فوشان-ژائوکینگ و منطقه شهری شنژن-دونگ گوان-هویژو خط توسعه را از گوانگژو به ژوهای و گوانگژو به شنژن به عنوان دوک نخ ریسی از طریق پل هنگ کنگ-ژوهای-ماکائو می‌رسانند. علاوه بر این،اتصال 2.5 انتقال بین شهرها همه تحت تأثیر COVID-19 قرار گرفتند. بنابراین، هر منطقه باید به حفاظت از محیط زیست و سرمایه گذاری، تقویت همکاری و بهبود تراکم شبکه پس از رفع بیماری همه گیر اهمیت بدهد ( شکل 3 ).
(2) از منظر درجه شبکه، دسته اول منطقه شهری به جز منطقه شهری ووهان و منطقه شهری هانگژو پایین بود و دسته دوم منطقه شهری همه بالا بود. در دسته اول، به جز کاهش در منطقه شهری ووهان و منطقه شهری بدون تغییر هانگژو، بقیه مناطق کلان شهر افزایش یافته بودند. درجه شبکه منطقه شهری ووهان و منطقه شهری هانگژو بالاتر از 0.5 بود که نشان می دهد ساختار سلسله مراتبی آنها سختگیرانه است. با این حال، منطقه شهری پکن-تیانجین-هبی، منطقه شهری لیائونینگ مرکزی جنوبی، و منطقه شهری نانجینگ ساختار سلسله مراتبی ضعیفی داشتند و PM 2.5آلودگی در هر شهر تأثیر شدیدی بر یکدیگر داشت. در دسته دوم، درجه شبکه کلانشهر چنگدو طی دو سال از 0.5 به 0.8 افزایش یافت. در حالی که چهار کلان شهر دیگر بالا بودند و تغییر پایدار بود که هر دو 0.667 بودند، نشان می داد که آنها ساختار سلسله مراتبی دقیقی دارند و برخی شهرها در موقعیت غالب و شهرهای بیشتری در موقعیت لبه قرار دارند. برای بررسی دلایل، این مقاله فکر می‌کند که منطقه شهری هانگژو، منطقه شهری گوانگژو-فوشان-ژائوکینگ، منطقه شهری شنژن-دانگوان-هویژو، منطقه شهری سوژو-وکسی-چانگژو، و چانگشا-ژوژو-ژوژو-زیانگتان کلان شهرها را به خود اختصاص داده‌اند. به عنوان دوک اصلی برای ترویج توسعه شهرهای اطراف. بنابراین، PM 2.5شبکه های همبستگی فضایی در این مناطق شهری دارای ساختار سلسله مراتبی سخت و پایداری در حال تغییر بودند ( شکل 4 ).
(3) از منظر کارایی شبکه، کلانشهرهای دسته اول و دسته دوم بین 0.6 و 1 بودند، که نشان می دهد ساختار شبکه همبستگی فضایی PM 2.5 در ده منطقه شهری پایدار نبوده و شبکه ها آسیب می بینند. به دلیل قطع رابطه بین گره ها ( شکل 5 ).
این پاراگراف بر تجزیه و تحلیل منطقه شهری ووهان به دلیل شیوع COVID-19 در سال های 2019-2020 متمرکز است. ووهان زادگاه COVID-19 در چین بود که تأثیر زیادی بر توسعه اقتصادی ووهان داشت. هم جمعیت و هم تولید ناخالص داخلی کاهش یافت و بنابراین ثبات ساختار سلسله مراتبی شبکه در منطقه شهری ووهان کاهش یافت و کارایی شبکه به شدت نوسان کرد. اگرچه COVID-19 بر سایر مناطق شهری نیز تأثیر داشت، تولید ناخالص داخلی و جمعیت برخی شهرها هنوز اندکی افزایش یافت، بنابراین درجه شبکه افزایش یافت و کارایی شبکه نوسان کمی داشت [ 7 ].

3.2. تحلیل مرکزیت

بر اساس پنج شاخص مرکزیت هر گره، مرکزیت نسبی خارج از درجه (X 1 )، مرکزیت نسبی درون درجه (X 2 )، مرکزیت نسبی بین (X 3 )، مرکزیت نسبی خارج از نزدیک (X 4 ). ، و مرکزیت نسبی نزدیک (X 5 )، سپس میانگین مقدار هر شاخص در منطقه شهری از سال 2019 تا 2020 به عنوان یک استاندارد برای بررسی وضعیت و نقش هر گره در شبکه محاسبه شد ( جدول 4 ). .
این مقاله منطقه شهری پکن-تیانجین-هبی را برای تقویت ویژگی های گره انتخاب کرد. از شکل 6 می توان دید که مرکزیت نسبی خارج از درجه (X 1 ) و مرکزیت نسبی درون درجه (X 2 ) پکن (m 3 )، تیانجین (m 6 )، بائودینگ (m 7 ) و Shijiazhuang ( متر 10 ) همگی بالاتر از مقادیر میانگین کلان شهر بودند. این نشان می دهد که این شهرها توانایی بالایی در جذب و خروجی PM 2.5 در شبکه دارند. دو شهر مانند تانگشان (m 4 ) و لانگ فانگ (m 8 ) توانایی قوی تری برای جذب PM 2.5 نسبت به صادرات در شبکه داشتند.). شهرهایی مانند Cangzhou (m 9 ) و Hengshui (m 11 ) دارای توانایی خروجی PM 2.5 بیشتر از توانایی جذب بودند. بقیه شهرها مانند چنگده (m 1 ) و Zhangjiakou (m2 ) در منطقه شهری پکن-تیانجین-هبی توانایی جذب و خروجی PM 2.5 را داشتند که همگی در شبکه ضعیف بودند.
از نتایج مرکزیت بین نسبی (X 3 ) می توان دریافت که پکن (m 3 )، تیانجین (m 6 )، بائودینگ (m 7 ) و شیجیاژوانگ (m 10 ) همگی بالاتر از مقدار میانگین کلان شهر بودند. منطقه، نشان می دهد که این شهرها توانایی قوی در کنترل انتقال PM 2.5 در بین شهرهای دیگر شبکه داشتند. آنها نقش “پل” را در فرآیند انتقال PM 2.5 ایفا کردند و مهمترین شهرهای رسانه ای در شبکه همبستگی فضایی PM 2.5 در هر منطقه شهری بودند. مرکزیت نسبی بین (X 3) از دیگر شهرها پایین بود، در لبه شبکه.
به جز Xingtai (m 12 )، Handan (m 13 ) و Qinhuangdao (m 5 )، شهرهای منطقه شهری پکن-تیانجین-هبی دارای مرکزیت نسبی دور از نزدیک (X4 ) و مرکزیت نسبی در نزدیکی (X) بودند. 5 ) بالاتر از مقدار میانگین کلان شهرها، به ویژه پکن (m 3 ) و تیانجین (m 6 ) که تا 70 یا بیشتر بود، که نشان می دهد این شهرها توانایی قوی برای کنترل خروجی و انتشار PM 2.5 دارند.در شبکه، و آنها گره های مهمی برای حفظ ارتباط با شهرهای دیگر در شبکه بودند. آنها ارزش نمایشی مهمی در ایجاد مکانیسم مشترک منطقه ای پیشگیری از آلودگی PM 2.5 داشتند.
با توجه به شباهت‌ها و تفاوت‌های پنج شاخص فوق در کلان‌شهرها، این مقاله نشان داد که مناطق کلان‌شهری شمالی مناطق شهری «چند هسته‌ای» هستند، مانند منطقه شهری پکن-تیانجین-هبی و منطقه شهری لیائونینگ مرکزی جنوبی. معمولاً چندین شهر اصلی در این نوع از کلان شهرها وجود داشت. به عنوان مثال، پکن (متر 3 )، تیانجین (متر 6 )، بائودینگ (متر 7 )، و شیجیاژوانگ (متر 10 )) شهرهای اصلی منطقه شهری پکن-تیانجین-هبی بودند که پنج شاخص آن همگی جلوتر از سایر شهرها بودند. به طور مشابه، شن یانگ و انشان منطقه شهری لیائونینگ مرکزی جنوبی را رهبری کردند. علاوه بر این، کلان‌شهرهای جنوبی مناطق کلان‌شهری «تک هسته‌ای» بودند، مانند منطقه شهری هانگژو، منطقه شهری سوژو-وکسی-چانگژو و هشت منطقه شهری دیگر. چنین کلان‌شهری‌ها معمولاً تنها شهر اصلی را داشتند و این پنج شاخص بسیار جلوتر از شهرهای دیگر بودند. علاوه بر این، شهرهایی که در موقعیت اصلی شبکه‌های کلان‌شهری قرار داشتند، از نظر صنعت، اقتصاد و جمعیت برجسته بودند. به عنوان مثال، شن یانگ، انشان و غیره در منطقه شهری لیائونینگ مرکزی جنوبی شهرهایی با صنایع سنگین توسعه یافته بودند و می‌توانستند ارتباط نزدیک‌تری با شهرهای دیگر داشته باشند. منطقه شهری هانگژو، منطقه شهری نانجینگ و غیره از جمله اقتصادهای شهرهای توسعه یافته بودند. آنها همچنین می توانند ارتباط بیشتری با شهرهای دیگر داشته باشند. شهرها نقش ها و مسئولیت های متفاوتی در PM دارند2.5 شبکه همبستگی فضایی. بنابراین، کنترل آلودگی PM 2.5 بر اساس شرایط محلی به جای پیروی از روند عمومی، برای دولت ها اهمیت ویژه ای دارد .

3.3. تحلیل عوامل مؤثر بر همبستگی فضایی

در مطالعات قبلی، رابطه موقعیت جغرافیایی ( L )، تفاوت نسبت صنعتی ثانویه ( S )، تفاوت نسبت صنعتی سوم ( T )، میانگین حداکثر اختلاف دمای سالانه ( H )، و اختلاف تراکم جمعیت ( P ) اغلب انتخاب شدند. به عنوان عوامل تأثیرگذار شبکه همبستگی آلودگی [ 27 و 55 ]. با این حال، شهرهای اصلی در منطقه شهری تمایل به داشتن ظرفیت نوآوری فن‌آوری قوی دارند، که همچنین شهرهای حاشیه را برای همکاری با آنها جذب می‌کند و همبستگی بین شهرها افزایش می‌یابد. بنابراین، در این مقاله، پتنت تفاوت هایی را اعطا کرد ( A) به عنوان عاملی برای گسترش سیستم عامل تأثیرگذار برای تحلیل رگرسیون QAP برای مطالعه عوامل تأثیرگذار همبستگی فضایی PM 2.5 در کلان شهرها استفاده شد. نتایج در جدول 5 نشان داده شده است.
با توجه به نتایج سال‌های 2019 و 2020، رابطه موقعیت جغرافیایی ( L ) تأثیر قابل‌توجهی بر منطقه شهری پکن-تیانجین-هبی، منطقه شهری نانجینگ، منطقه شهری هانگژو و منطقه شهری لیائونینگ مرکزی جنوبی داشت. ضریب رگرسیون مثبت بود و 1% یا 5% از آزمون معنی دار را گذرانده بود. به طور خاص، ضریب رگرسیون منطقه شهری نانجینگ بیش از 0.5 بود. این نشان داد که رابطه مجاورت بین شهرها در منطقه شهری می تواند ارتباطات بین مناطق را ارتقا دهد. تفاوت نسبت صنعتی ثانویه ( S ) و تفاوت نسبت صنعتی ثالث ( T ) تأثیرات مثبت و منفی بر PM 2.5 داشت.شدت همبستگی در منطقه شهری برای مثال، تفاوت‌های نسبت صنعتی ثانویه ( S ) با شدت همبستگی PM 2.5 در منطقه شهری پکن-تیانجین-هبی همبستگی مثبت داشت و گسترش شکاف صنعت ثانویه می‌تواند تبادل فعالیت‌های صنعتی بین شهرها را تسهیل کند و در نتیجه ارتقاء دهد. اتصال در منطقه شهری میانگین اختلاف دمای حداکثر سالانه ( H ) تأثیر منفی بر مناطق شهری مانند منطقه شهری پکن-تیانجین-هبی و منطقه شهری چنگدو داشت. آنها آزمون معناداری 5% یا 10% را گذراندند. تاثیر تفاوت تراکم جمعیت ( P ) بر PM 2.5شبکه نه تنها مثبت بلکه منفی بود. به عنوان مثال، همبستگی تأثیر بر منطقه شهری چنگدو به طور قابل توجهی در دو سال تغییر کرده است، که نشان می دهد تأثیر آن بر ارتباط بین شهرها در منطقه شهری چنگدو ناپایدار است و جریان جمعیت بین شهرها باید به طور منطقی کنترل شود. تفاوت های اعطا شده ثبت اختراع ( A ) تأثیر قابل توجهی بر اکثر مناطق شهری داشت و همبستگی مثبت بود، مانند منطقه شهری پکن-تیانجین-هبی و منطقه شهری نانجینگ، که در سطح 1٪ معنی دار بودند. این بدان معناست که هر چه تفاوت علم و فناوری بین شهرها بیشتر باشد، همکاری و تبادل بیشتر می‌شود.
به طور خلاصه، سه عامل اصلی تأثیرگذار در منطقه شهری پکن-تیانجین-هبی، منطقه شهری نانجینگ، منطقه شهری هانگژو، منطقه شهری ووهان، منطقه شهری جنوب مرکزی لیائونینگ، و منطقه شهری چنگدو، رابطه موقعیت جغرافیایی ( L ) بودند. تفاوت‌های نسبت صنعتی ثانویه ( S ) و تفاوت‌های اعطا شده با ثبت اختراع ( A )، اما منطقه شهری گوانگژو-فوشان-ژائوکینگ، منطقه شهری شنژن-دانگوان-هویژو، منطقه شهری سوژو-وکسی-چانگژو، و منطقه کلانشهری چانگشا-ژوژو-زیانگتان هیچ عامل تأثیرگذاری غالبی نداشت.
بر اساس نتایج فوق، این مقاله استدلال می‌کند که اگرچه رابطه موقعیت جغرافیایی اجتناب‌ناپذیر است، اما دولت‌های محلی می‌توانند به طور منظم مبادلات را انجام دهند، به درجه خاصی از همکاری و اجماع برسند و بر مشکلات ناشی از تفاوت‌های موقعیت جغرافیایی تا حد زیادی فائق آیند. ثانیاً، همبستگی فضایی بین شهرها را می توان با تنظیم ساختار صنعتی، کنترل تحرک جمعیت و تقویت مبادلات علمی و فناوری تقویت کرد که این امر نیز اثربخشی و اهمیت کنترل PM 2.5 را با توجه به شرایط محلی در مناطق مختلف ثابت می کند.
با توجه به شباهت ها و تفاوت های عوامل تاثیرگذار و میانگین سالانه توسعه اقتصادی کلانشهرها در دو سال ( جدول 6)این مقاله نشان داد که سه منطقه شهری در “مرحله بلوغ توسعه اقتصادی” هستند، مانند منطقه شهری سوژو-وکسی-چانگژو، منطقه شهری گوانگژو-فوشان-ژائوکینگ، و منطقه شهری شنژن-دانگوان-هویژو، و آنها تولید ناخالص داخلی همه به 10 تریلیون یوان رسید و حق اختراع اعطا شده از بیشتر شهرها فراتر رفت. علاوه بر این، تمامی عوامل تأثیر معناداری بر آنها نداشتند که نشان می‌دهد سطح توسعه اقتصادی شهرهای این کلان‌شهرها نسبتاً متعادل بوده است. ثانیاً، چهار منطقه شهری در “مرحله رشد توسعه اقتصادی” قرار داشتند، مانند منطقه شهری لیائونینگ مرکزی جنوبی، منطقه شهری پکن-تیانجین-هبی، منطقه شهری هانگژو و منطقه شهری نانجینگ. آنها عمدتاً تحت تأثیر موقعیت جغرافیایی، ساختار صنعتی و سطح فناوری قرار گرفتند. این کلانشهرها در حال حاضر در دوره رشد توسعه اقتصادی بودند. در دوره های بعدی باید از مزیت های موقعیت جغرافیایی برای ترویج تجارت خارج از کشور شهرهای ساحلی و تقویت همکاری های شهری استفاده کرد. در نهایت، سه منطقه شهری باقی مانده در «مرحله اصلاحات توسعه اقتصادی» بودند. آنها کمتر تحت تأثیر عوامل قرار گرفتند و ویژگی های توسعه اقتصادی آنها برجسته نبود. در آینده، دولت ها باید بر توسعه صنایع مشخص و ترویج مبادلات و همکاری های شهری تمرکز کنند. سه منطقه کلان شهر باقی مانده در “مرحله اصلاحات توسعه اقتصادی” بودند. آنها کمتر تحت تأثیر عوامل قرار گرفتند و ویژگی های توسعه اقتصادی آنها برجسته نبود. در آینده، دولت ها باید بر توسعه صنایع مشخص و ترویج مبادلات و همکاری های شهری تمرکز کنند. سه منطقه کلان شهر باقی مانده در “مرحله اصلاحات توسعه اقتصادی” بودند. آنها کمتر تحت تأثیر عوامل قرار گرفتند و ویژگی های توسعه اقتصادی آنها برجسته نبود. در آینده، دولت ها باید بر توسعه صنایع مشخص و ترویج مبادلات و همکاری های شهری تمرکز کنند.

4. بحث

این مطالعه با هدف بررسی اثر فضایی آلودگی PM 2.5 از دیدگاه شبکه، تجزیه و تحلیل وضعیت فعلی کنترل هماهنگ PM 2.5 در ده منطقه شهری چین و تعیین عوامل مؤثر بر شبکه ارتباط فضایی PM 2.5 است.
اولا، میانگین سالانه PM 2.5 منعکس کننده سطح کلی است که برای تحقیقات در مقیاس کلان استفاده می شود، که به مقیاس زمانی این مطالعه توجه می کند. در مناطق محلی، PM 2.5 به طور چشمگیری به دلیل آب و هوا، فصلی فعالیت های اقتصادی تغییر می کند. بنابراین، استفاده از داده های ریز دانه PM 2.5 برای مطالعه مناسب است.
ثانیاً، در ویژگی‌های کلی شبکه، متوجه شدیم که تراکم شبکه چهار منطقه شهری در مقایسه با Su [ 27 ] از هر سیاستی که پس از اوج چگالی شبکه اولیه شروع به کاهش کرد، کاهش یافت. با این حال، در این مقاله، بازه زمانی 2019 تا 2020 است، اما از زمان “برنامه پنج ساله سیزدهم”، چین توجه بیشتری به حفاظت از محیط زیست داشته است. بنابراین، بدون احتساب عوامل سیاسی، نمی توان تأثیر اپیدمی بر پیوندهای بین شهرها را نادیده گرفت. نتایج درجه شبکه در این مقاله همچنین این پدیده را تأیید کرد که درجه شبکه در مناطق مختلف چین یک روند کلی صعودی را تا سال 2015 نشان داد که توسط مطالعه سو ذکر شد.
ثالثاً، در تحلیل مرکزیت، از پنج شاخص مرکزیت، می توان نتیجه گرفت که وضعیت و نقش شهرها در شبکه در هر کلان شهر متفاوت بوده و می توان آن را به کلانشهرهای «تک هسته ای» و «چند هسته ای» تقسیم کرد. مناطق. این نتیجه را می توان با تجزیه و تحلیل مرکزیت سونگ [ 68 ] از تجمع شهری چنگدو-چونگ کینگ تأیید کرد. با این حال، با توجه به پوشش گسترده این مقاله، با مقایسه شباهت و تفاوت نتایج مرکزیت در کلان‌شهرهای مختلف، نتیجه‌گیری «تک هسته‌ای» و «چند هسته‌ای» جهانی‌تر است.
در نهایت موقعیت جغرافیایی، فعالیت های صنعتی ثانویه و سطح علم و فناوری عوامل اصلی بودند. این نتیجه را می توان با کشف وو [ 79 ] تأیید کرد. با این حال، یک عامل علمی برای غنی سازی سیستم عامل اضافه شد که با کشف او نیز متفاوت است. علاوه بر این، این پژوهش از نتایج به دست آمده به سه نوع پدیده در مراحل توسعه اقتصادی دست یافت که با سایر مقالات نیز متفاوت است.
با توجه به آنچه در بالا بحث شد، کنترل آلودگی PM 2.5 نه تنها مربوط به یک شهر است، بلکه ایجاد یک مکانیسم کنترل طولانی مدت و هماهنگ PM 2.5 برای کل منطقه است. بنابراین، این مقاله پیشنهاداتی را برای کنترل آلودگی PM 2.5 در ده منطقه شهری چین ارائه می کند. از یک طرف، ادارات دولتی باید منابع آلودگی PM 2.5 و کانال های انتقال را با کنترل شهرهای اصلی در شبکه همبستگی فضایی PM 2.5 ، مانند چنگدو، هانگژو، شن یانگ، نانجینگ و ووهان و اعمال نفوذ خود بر PM 2.5 ردیابی کنند.آلودگی برای رانندگی و هدایت شهرهای دیگر برای کنترل موثر. به طور خاص، ادارات دولتی باید موقعیت شهرها در شبکه و اثرات سرریز فضایی آنها را هنگام تدوین سیاست هایی برای مهار آلودگی PM 2.5 در نظر بگیرند تا اقدامات را با شرایط محلی تنظیم کنند. از سوی دیگر، شهرها باید در کنترل آلودگی PM 2.5 مسئولیت های متفاوتی را بر عهده بگیرند. به عنوان مثال، صندوق های کنترل آلودگی PM 2.5 باید برای جبران خسارت شهرهای متاثر از آلودگی که از شهرهایی که بخش زیادی از صنعت ثانویه در ساختار صنعتی خود دارند، ایجاد شود. علاوه بر این، تأثیر قابل توجهی بر عامل آلودگی PM 2.5 می تواند توسط هر شهر استفاده شود. به عنوان مثال، PM 2.5آلودگی را می توان با بهینه سازی ساختار صنعتی، ساختار جمعیت، ساختار انرژی، توسعه فناوری های جدید و انرژی های جدید کاهش داد. با استفاده از رابطه موقعیت جغرافیایی و تفاوت های فناوری بین شهرها، ارتباط و تماس با شهرها می تواند به طور فعال ایجاد شود تا تفاوت ها در سطوح توسعه کلی کاهش یابد و همکاری های منطقه ای عمیق تر شود.
در این مطالعه، توانایی مشارکت هر شهر در شبکه همبستگی فضایی PM 2.5 به طور عمیق مورد بررسی قرار گرفت و پیشنهادات کنترلی مربوط به آلودگی PM 2.5 با توجه به ظرفیت خروجی یا ورودی PM 2.5 ارائه شد. نتایج تحقیق می‌تواند انطباق سیاست‌های کنترل آلودگی PM 2.5 را با شرایط محلی بهبود بخشد و تفاوت‌ها در سطح توسعه جامع هر شهر را تعدیل کند. همکاری های منطقه ای برای ارتقای کنترل هماهنگ PM 2.5 تعمیق خواهد شدآلودگی با این حال، به دلیل محدودیت زمان دانه بندی داده های سالنامه آماری، تعداد عوامل تأثیرگذار در تجزیه و تحلیل رگرسیون QAP کافی نیست، که جهتی است که باید در آزمایش های بعدی بهبود یابد. تحقیقات آینده بر حذف از دست دادن قوانین توالی ناشی از فرآیند میانگین‌گیری داده‌ها، بهبود دقت مدل‌سازی فضایی PM 2.5 و تکمیل مدل پیش‌بینی غلظت PM 2.5 برای کنترل آلودگی هوا متمرکز خواهد بود.

5. نتیجه گیری ها

روش تحلیل شبکه اجتماعی برای ایجاد شبکه همبستگی فضایی PM 2.5 از ده منطقه شهری چین بر اساس مدل گرانش در این مطالعه اتخاذ شد. ویژگی های شبکه کلی و هر گره مورد تجزیه و تحلیل قرار گرفت. در نهایت، از روش تحلیل رگرسیون QAP برای بررسی توانایی تأثیرگذاری هر یک از عوامل بر روی PM 2.5 استفاده شد.شبکه همبستگی فضایی نتایج اصلی به شرح زیر بود: (1) تراکم شبکه نیمی از مناطق شهری روند کاهشی را طی سال‌های 2019-2020 نشان داد، در حالی که سایر مناطق کلانشهری تغییری نشان ندادند. تراکم شبکه در منطقه شهری ووهان و چنگدو کمترین بود، اما تراکم شبکه در منطقه شهری هانگژو و پنج منطقه شهری دیگر بیشتر از بقیه بود. ثانیاً، شش منطقه شهری مانند منطقه شهری ووهان دارای درجه شبکه بالایی بودند، اما ساختار شبکه ده منطقه شهری پایدار نبود. (2) شبکه همبستگی فضایی PM 2.5در ده کلان شهر روند تمرکز و حاشیه نشینی را نشان داد. منطقه شهری پکن-تیانجین-هبی و منطقه شهری لیائونینگ مرکزی جنوبی مناطق کلانشهری “چند هسته ای” بودند و هشت منطقه کلانشهری دیگر دارای الگوی “تک هسته ای” بودند. (3) سه عامل اصلی تأثیرگذار برای شش منطقه شهری، رابطه موقعیت جغرافیایی، تفاوت‌های نسبت صنعتی ثانویه، و تفاوت‌های اعطا شده ثبت اختراع بودند. با این حال، شش عامل تاثیر قابل توجهی بر PM 2.5 نداشتندشبکه همبستگی فضایی در چهار کلان شهر دیگر با توجه به اشتراک و تفاوت در نتایج عوامل تأثیرگذار و شرایط اقتصادی، کلانشهرهای ده گانه را می توان به سه دسته «مرحله بلوغ توسعه اقتصادی»، «مرحله رشد توسعه اقتصادی» و «مرحله اصلاحی توسعه اقتصادی» تقسیم کرد.
این مطالعه اهمیت کنترل هماهنگ آلودگی PM 2.5 را نشان می دهد ، که می تواند به دولت های محلی کمک کند تا سیاست هایی برای کنترل آلودگی PM 2.5 با توجه به شرایط محلی اتخاذ کنند. تبیین جایگاه و نقش هر شهر در شبکه می تواند به توسعه هماهنگ اقتصادی و اکولوژیکی و انطباق با روند توسعه پایدار دست یابد.

منابع

  1. کوماری، م. سوموانشی، اس.اس. زبیر، اس. برآورد آلودگی هوا با استفاده از رویکرد مدلسازی رگرسیون برای منطقه بمبئی، ماهاراشترا، هند. در سنجش از دور و علم GIS: چالش ها و جهت گیری های آینده . Kumar, P., Sajjad, H., Chaudhary, BS, Rawat, JS, Rani, M., Eds. انتشارات بین المللی Springer: چم، سوئیس، 2021; ص 229-247. [ Google Scholar ] [ CrossRef ]
  2. الحق، ز. رعنا، م. طارق، س. محمود، ک. علی، م. بشیر، اول. مدلسازی ستون NO 2 تروپوسفر بر روی مناطق مختلف آب و هوایی و انواع کاربری/پوشش زمین در جنوب آسیا. J. Atmos. Sol.-Terr. فیزیک 2018 ، 168 ، 80-99. [ Google Scholar ] [ CrossRef ]
  3. اسلام، KMA; عدنان، MSG; زنت، KE; دوان، A. دینامیک فضایی و زمانی غلظت NO 2 با مدل های خطی مخلوط: مطالعه موردی بنگلادش. فیزیک شیمی. Earth 2022 , 103119. [ Google Scholar ] [ CrossRef ]
  4. لامسال، LN; مارتین، RV; پریش، دی دی. کروتکوف، NA رابطه مقیاس‌بندی برای آلودگی NO 2 و اندازه جمعیت شهری: چشم‌انداز ماهواره‌ای. محیط زیست علمی تکنولوژی 2013 ، 47 ، 7855-7861. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. عمرانی، ح. عمرانی، ب. پارمنتیه، بی. Helbich، M. داده های فضایی-زمانی در مورد دی اکسید نیتروژن آلاینده هوا به دست آمده از ماهواره سنتینل برای فرانسه. خلاصه داده 2020 ، 28 ، 105089. [ Google Scholar ] [ CrossRef ]
  6. گائو، LN؛ تائو، اف. Ma، PL; وانگ، سی. کنگ، دبلیو. چن، WK; ژو، تی. رویکرد برنامه ریزی مسیر سالم در مسافت کوتاه. J. Transp. Health 2022 , 24 , 101314. [ Google Scholar ] [ CrossRef ]
  7. یو، ایکس. وانگ، ام اس؛ کوان، نماینده مجلس؛ نیکول، جی. زو، آر. هیو، جی. چان، PW; چانه، DCW; Kwok، CYT؛ Kan, Z. عفونت و مرگ و میر COVID-19: ارتباط با غلظت PM2.5 و تراکم جمعیت – یک مطالعه اکتشافی. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 123. [ Google Scholar ] [ CrossRef ]
  8. هوانگ، ایکس. تانگ، جی. ژانگ، جی. لیو، بی. لیو، سی. ژانگ، جی. کنگ، ال. چنگ، م. یان، جی. گائو، دبلیو. و همکاران ویژگی های آلودگی PM2.5 در پکن پس از بهبود کیفیت هوا. جی. محیط زیست. علمی 2021 ، 100 ، 1-10. [ Google Scholar ] [ CrossRef ]
  9. هارپر، ا. بیکر، پ.ن. شیا، ی. کوانگ، تی. ژانگ، اچ. چن، ی. هان، TL; گالیور، جی. توسعه مدل‌های رگرسیون کاربری فضایی و زمانی برای PM 2.5 و NO 2 در چونگ کینگ، چین و ارزیابی قرار گرفتن در معرض برای مطالعه CLIMB. اتمس. آلودگی Res. 2021 ، 12 ، 101096. [ Google Scholar ] [ CrossRef ]
  10. وو، اچ. ژانگ، Y.-F. هان، S.-Q. وو، جی. بی، X.-H. شی، جی.-ال. وانگ، جی. یائو، کیو. Cai, Z.-Y.; لیو، جی.-ال. و همکاران مشخصات عمودی PM 2.5 در طول فصل گرما در تیانجین، چین. علمی کل محیط. 2015 ، 523 ، 152-160. [ Google Scholar ] [ CrossRef ]
  11. گو، ج. بای، ز. لی، دبلیو. وو، ال. لیو، آ. دونگ، اچ. Xie, Y. ترکیب شیمیایی PM 2.5 در طول زمستان در تیانجین چین. Particuology 2011 , 9 , 215-221. [ Google Scholar ] [ CrossRef ]
  12. وانگ، اچ. تیان، م. چن، ی. شی، جی. لیو، ی. یانگ، اف. ژانگ، ال. دنگ، ال. یو، جی. پنگ، سی. و همکاران ویژگی‌های فصلی، مکانیسم‌های تشکیل و منشا منبع PM 2.5 در دو کلان شهر در حوضه سیچوان، چین. اتمس. شیمی. فیزیک 2018 ، 18 ، 865-881. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. ژو، ال. ژو، سی. یانگ، اف. چه، ال. وانگ، بی. Sun، D. تکامل مکانی-زمانی و عوامل تأثیرگذار PM 2.5 در چین بین سال‌های 2000 و 2015. J. Geogr. علمی 2019 ، 29 ، 253-270. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. وانگ، ی. وانگ، ام. هوانگ، بی. لی، اس. Lin, Y. برآورد و تجزیه و تحلیل غلظت PM 2.5 شبانه بر اساس تصاویر lj1-01: مطالعه موردی در تراکم شهری دلتای رودخانه مروارید چین. Remote Sens. 2021 , 13 , 3405. [ Google Scholar ] [ CrossRef ]
  15. چن، ام. گوا، اس. هو، م. ژانگ، X. تکامل مکانی-زمانی قرار گرفتن در معرض PM 2.5 در تجمع شهری پکن-تیانجین-هبی، چین. جی. پاک. تولید 2020 , 265 , 121708. [ Google Scholar ] [ CrossRef ]
  16. یان، JW; تائو، اف. ژانگ، اس کیو. لین، اس. ژو، تی. ویژگی های توزیع فضایی و زمانی و نیروهای محرک PM 2.5 در سه توده شهری کمربند اقتصادی رودخانه یانگ تسه. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 2222. [ Google Scholar ] [ CrossRef ]
  17. ژائو، ال. ژانگ، ایکس. ژائو، اف. تأثیر راه‌آهن پرسرعت بر کیفیت هوا در شهرستان‌ها: مطالعه اقتصادسنجی با داده‌های جنوب پکن-تیانجین-هبی، چین. جی. پاک. تولید 2021 ، 278 ، 123604. [ Google Scholar ] [ CrossRef ]
  18. زو، دبلیو. وانگ، ام. Zhang، B. اثرات شهرنشینی بر غلظت PM 2.5 در کمربند اقتصادی رودخانه یانگ تسه چین: شواهد جدید از تحلیل اقتصادسنجی فضایی. جی. پاک. تولید 2019 ، 239 ، 118065. [ Google Scholar ] [ CrossRef ]
  19. Kübler, D. مقدمه: کلانشهرسازی و حکومت شهری. یورو پولیتی. علمی 2012 ، 11 ، 402-408. [ Google Scholar ] [ CrossRef ]
  20. حبیبی، ر. آلشیخ، ع.ا. محمدی نیا، ع. شریف، م. ارزیابی توصیف الگوی فضایی آلودگی هوا: مطالعه موردی CO و PM 2.5 در تهران، ایران. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 270. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  21. پارک، SH; Ko, DW بررسی اثرات محیط ساخته شده بر PM 2.5 و PM 10 : مطالعه موردی شهر متروپولیتن سئول، کره جنوبی. Sustainability 2018 , 10 , 4552. [ Google Scholar ] [ CrossRef ][ Green Version ]
  22. شیسونگ، سی. ونجی، ز. هنگلیانگ، جی. دیونگ، اچ. شما، م. ونهوی، ز. شانشان، ال. مقایسه غلظت PM 2.5 سنجش از راه دور بین کشورهای توسعه یافته و در حال توسعه: نتایج از ایالات متحده، اروپا، چین و هند. جی. پاک. تولید 2018 ، 182 ، 672-681. [ Google Scholar ] [ CrossRef ]
  23. وانگ، پی. لی، های. Zeng، YT; Chern، YR; چن، NT; Candice Lung، SC; سو، اچ جی; Wu, C. Da با استفاده از مدل رگرسیون کاربری زمین با یادگیری ماشینی برای تخمین سطح زمین PM 2.5 . محیط زیست آلودگی 2021 ، 277 ، 116846. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  24. چن، ایکس. لی، اف. ژانگ، جی. ژو، دبلیو. وانگ، ایکس. فو، اچ. نقشه برداری فضایی و زمانی و نیروهای محرک چندگانه شناسایی تنوع PM 2.5 و استراتژی های مدیریت مشترک آن در سراسر چین. جی. پاک. تولید 2020 ، 250 ، 119534. [ Google Scholar ] [ CrossRef ]
  25. تیواری، ع. الجوفی، ام. مدل‌سازی توزیع فضایی و تعیین‌کننده PM 2.5 در سطح خرد با استفاده از رگرسیون وزن‌دار جغرافیایی (GWR) برای اطلاع از سیاست‌های تحرک پایدار در محوطه دانشگاه بر اساس شواهدی از دانشگاه ملک عبدالعزیز، جده، عربستان سعودی. پایداری 2021 ، 13 ، 12043. [ Google Scholar ] [ CrossRef ]
  26. یو، من؛ خو، ی. لی، جی کیو; لو، ایکس سی; زینگ، مقر; Ma، ML تجزیه و تحلیل تغییرات مکانی-زمانی مبتنی بر آشکارساز جغرافیایی و عوامل تأثیرگذار PM 2.5 در شاندونگ، چین. پول جی. محیط زیست. گل میخ. 2021 ، 30 ، 463-475. [ Google Scholar ] [ CrossRef ]
  27. سو، ی. Yu، YQ اثر ارتباط فضایی کنترل آلودگی منطقه ای. جی. پاک. تولید 2019 ، 213 ، 540-552. [ Google Scholar ] [ CrossRef ]
  28. ژانگ، ا. Qi، Q. جیانگ، ال. ژو، اف. Wang, J. قرار گرفتن در معرض جمعیت در معرض PM 2.5 در منطقه شهری پکن. PLoS ONE 2013 ، 8 ، e63486. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. وودراف، تی جی; پارکر، جی دی. آلودگی هوا Schoendorf، KC ذرات ریز (PM 2.5 ) و علل انتخابی مرگ و میر نوزادان پس از نوزادی در کالیفرنیا. محیط زیست چشم انداز سلامتی 2006 ، 114 ، 786-790. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. هان، ال. ژو، دبلیو. لی، دبلیو. لی، L. تأثیر سطح شهرنشینی بر کیفیت هوای شهری: موردی از ذرات ریز (PM 2.5 ) در شهرهای چین. محیط زیست آلودگی 2014 ، 194 ، 163-170. [ Google Scholar ] [ CrossRef ]
  31. Ng، SKW (مدیر تحقیقاتی ارشد تبادل مدنی، هنگ کنگ، چین)؛ Fung، JCH (رئیس و استاد بخش محیط زیست و گروه ریاضیات در دانشگاه علم و فناوری هنگ کنگ، هنگ کنگ، چین)؛ Lau، NT (دکتری مهندسی شیمی، اکنون با بخش محیط زیست، دانشگاه علم و فناوری هنگ کنگ، هنگ کنگ، چین). Lau، AKH (استاد بخش محیط زیست و گروه مهندسی عمران و محیط زیست، مدیر مرکز تحقیقات جوی، و مدیر مرکز مرکزی محیط زیست) اثر منتشر نشده، 2015.
  32. تانگ، ز. ویتلو، TH; Macrae، PF; لندرز، ای جی. هارادا، ی. کمی سازی اثر پوشش گیاهی بر کیفیت هوای نزدیک جاده با استفاده از کمپین های مختصر. محیط زیست آلودگی 2015 ، 201 ، 141-149. [ Google Scholar ] [ CrossRef ]
  33. ویتکووسکا، ا. لواندوفسکا، AU; سانیوسکا، دی. Falkowska، LM اثر کشاورزی و پوشش گیاهی بر غلظت آئروسل کربنی (PM 2.5 و PM 10 ) در ذخیره‌گاه طبیعی ملی Puszcza Borecka (لهستان). کیفیت هوا اتمس. هیث 2016 ، 9 ، 761-773. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  34. ژانژان، آوریل؛ راهبان، PS; Leigh, RJ مدلسازی اثربخشی درختان و چمن شهری بر کاهش PM 2.5 از طریق پراکندگی و رسوب در مقیاس شهر. اتمس. محیط زیست 2016 ، 147 ، 1-10. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. ما، پ. تائو، اف. گائو، ال. لنگ، اس. یانگ، ک. ژو، تی. بازیابی تفکیک پذیری PM 2.5 با دانه بندی ریز بر اساس مدل های یادگیری ماشینی چندگانه. Remote Sens. 2022 , 14 , 599. [ Google Scholar ] [ CrossRef ]
  36. ژانگ، ایکس. چنگ، سی. ناهمگونی زمانی و مکانی PM 2.5 مربوط به عوامل هواشناسی و اجتماعی و اقتصادی در سراسر چین طی سال‌های 2000-2018. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2022 ، 19 ، 707. [ Google Scholar ] [ CrossRef ]
  37. جینگ، ز. لیو، پی. وانگ، تی. آهنگ، اچ. لی، جی. خو، تی. زینگ، ی. اثرات عوامل هواشناسی و پیش سازهای انسانی بر غلظت PM 2.5 در شهرهای چین. پایداری 2020 ، 12 ، 3550. [ Google Scholar ] [ CrossRef ]
  38. زوران، م. Savastru، RS; Savastru، DM; Tautan، MN ارزیابی رابطه بین سطوح سطحی ذرات PM 2.5 و PM10 بر روی COVID-19 در میلان، ایتالیا. علمی کل محیط. 2020 , 738 , 139825. [ Google Scholar ] [ CrossRef ]
  39. حاجیلو، ف. حمزه، س. قیصری، م. ارزیابی تاثیر پارامترهای هواشناسی و محیطی بر غلظت PM 2.5 با استفاده از داده های سنجش از دور و تجزیه و تحلیل GWR (مطالعه موردی شهر تهران). محیط زیست علمی آلودگی Res. 2019 ، 26 ، 24331–24345. [ Google Scholar ] [ CrossRef ]
  40. خو، جی. رن، ایکس. Xiong، K. لی، ال. بی، ایکس. وو، Q. تجزیه و تحلیل عوامل محرک غلظت PM 2.5 در هوا: مطالعه موردی دلتای رودخانه یانگ تسه، چین. Ecol. اندیک. 2020 , 110 , 105889. [ Google Scholar ] [ CrossRef ]
  41. گو، دبلیو. خو، ی. لی، جی. تحقیق در مورد تنظیم ساختار صنعتی در تراکم شهری لیائونینگ میانه جنوبی از منظر اتصال فضایی . اسپرینگر: سنگاپور، 2022؛ ISBN 9789811625022. [ Google Scholar ]
  42. وانگ، ام. ژانگ، ایکس. یان، ایکس. مدل‌سازی اثرات آب و هوایی شهرنشینی در منطقه شهری پکن-تیانجین-هبی. نظریه. Appl. کلیماتول. 2013 ، 113 ، 377-385. [ Google Scholar ] [ CrossRef ]
  43. وانگ، YH; هو، بی. جی، دی اس. لیو، ZR؛ تانگ، جی کیو؛ شین، جی. ژانگ، HX; آهنگ، تی. وانگ، LL; گائو، WK; و همکاران اثرات آخر هفته ازن در منطقه شهری پکن-تیانجین-هبی، چین. اتمس. شیمی. فیزیک 2014 ، 14 ، 2419-2429. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. مین، م. لین، سی. دوان، ایکس. جین، ز. Zhang، L. توزیع فضایی و تجزیه و تحلیل نیروی محرکه اثر جزیره گرمایی شهری بر اساس داده های شطرنجی: مطالعه موردی منطقه شهری نانجینگ، چین. حفظ کنید. جامعه شهرها 2019 ، 50 ، 101637. [ Google Scholar ] [ CrossRef ]
  45. شیونگ، ال. لی، جی. شیا، تی. هو، ایکس. وانگ، ی. سان، م. تانگ، ام. رفتارهای کاهش خطر در مورد قرار گرفتن در معرض PM 2.5 در میان ورزشکاران در فضای باز در منطقه شهری نانجینگ، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 1728. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  46. یرساو، ای. وو، دبلیو. شی، ایکس. تمسگن، اچ. Bekele، B. مدل‌سازی تغییر کاربری/پوشش زمین و پیش‌بینی تغییرات بعدی در ارزش خدمات اکوسیستم در منطقه ساحلی چین، منطقه Su-Xi-Chang. پایداری 2017 ، 9 ، 1204. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  47. Naess، P. مکان مسکونی، سفر، و مصرف انرژی در منطقه شهری هانگژو. J. Transp. کاربری زمین 2010 ، 3 ، 27-59. [ Google Scholar ] [ CrossRef ]
  48. او هست.؛ سو، ی. شاهتهماسبی، ع. هوانگ، ال. ژو، ام. گان، م. دنگ، ج. ژائو، جی. وانگ، ک. ارزیابی و نقشه‌برداری خدمات اکوسیستم فرهنگی عرضه، تقاضا و جریان زمین‌های کشاورزی در منطقه شهری هانگژو، چین. علمی کل محیط. 2019 ، 692 ، 756-768. [ Google Scholar ] [ CrossRef ]
  49. گائو، ایکس. ژانگ، ا. Sun، Z. چگونه یکپارچگی اقتصادی منطقه ای بر کارایی کاربری زمین شهری تأثیر می گذارد؟ مطالعه موردی منطقه شهری ووهان، چین. خط مشی کاربری زمین 2020 , 90 , 104329. [ Google Scholar ] [ CrossRef ]
  50. وانگ، تی. لی، اچ. Huang, Y. انعطاف پذیری شبکه زیست محیطی پیچیده منطقه شهری ووهان. Ecol. اندیک. 2021 ، 130 ، 108101. [ Google Scholar ] [ CrossRef ]
  51. وانگ، ایکس. تنگ، م. هوانگ، سی. ژو، ز. چن، ایکس. Xiang، Y. اثرات چگالی تاج بر ضرایب تضعیف ذرات در دره های خیابانی در طول تابستان در منطقه شهری ووهان. اتمس. محیط زیست 2020 , 240 , 117739. [ Google Scholar ] [ CrossRef ]
  52. لیو، دی. کلارک، کی سی; چن، ن. ادغام غیرایستایی فضایی در SLEUTH برای مدل‌سازی رشد شهری: مطالعه موردی در منطقه شهری ووهان. محاسبه کنید. محیط زیست سیستم شهری 2020 , 84 , 101545. [ Google Scholar ] [ CrossRef ]
  53. لی، ز. جیانگ، دبلیو. وانگ، دبلیو. لی، ایکس. دنگ، ی. کاوش تغییرات مکانی-زمانی و حرکت مرکز گرانش زمین ساخت و ساز در تجمع شهری چانگ-ژو-تان. جی. جئوگر. علمی 2019 ، 29 ، 1363-1380. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  54. لیو، HX; لی، YP; یو، L. تراکم شهری (گوانگژو-فوشان-ژائوکینگ) مدیریت اکوسیستم تحت عدم قطعیت: یک روش برنامه‌ریزی تصادفی محدود فازی فاکتوریل. محیط زیست Res. 2019 ، 173 ، 97-111. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  55. ژانگ، ایکس. Sun، Y. بررسی یکپارچگی نهادی در زمینه های منطقه ای شدن شهر چین: شواهدی از شنژن-دانگوان-هویژو. خط‌مشی استفاده از زمین 2019 ، 88 ، 104170. [ Google Scholar ] [ CrossRef ]
  56. داده های تاریخی PM2.5. داده‌های تاریخی PM2.5 – داده‌های تاریخی شاخص کیفیت هوا – داده‌های تاریخی پلت‌فرم پایش و تحلیل آنلاین کیفیت هوای چین. در دسترس آنلاین: https://www.aqistudy.cn/historydata/ (دسترسی در 7 آوریل 2022).
  57. دانشگاه واشنگتن در سنت لوئیس. GWRPM25|پشتیبانی شده توسط Box. در دسترس آنلاین: https://wustl.app.box.com/v/ACAG-V5GL02-GWRPM25 (در 7 آوریل 2022 قابل دسترسی است).
  58. اداره ملی آمار. در دسترس آنلاین: https://www.stats.gov.cn (در 7 آوریل 2022 قابل دسترسی است).
  59. وب سایت اطلاعات آماری چین در دسترس آنلاین: https://www.tjcn.org (در 7 آوریل 2022 قابل دسترسی است).
  60. شی، ی. رن، سی. لاو، KKL؛ Ng، E. بررسی تأثیر کاربری زمین شهری و الگوی منظر بر تغییرات فضایی PM 2.5 با استفاده از نظارت تلفن همراه و WUDAPT. Landsc. طرح شهری. 2019 ، 189 ، 15-26. [ Google Scholar ] [ CrossRef ]
  61. یو، ای اچ. Pu، Q. Eum, Y.; جیانگ، ایکس. تأثیر تحرک فردی بر قرار گرفتن طولانی مدت در معرض PM 2.5 محیط : ارزیابی اصلاح اثر توسط الگوهای سفر و تنوع فضایی pm2.5. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 2194. [ Google Scholar ] [ CrossRef ]
  62. آب و هوا +. پرس و جوی آب و هوای تاریخی|پرسش پیش بینی آب و هوای تاریخی|پرس و جوی دمای تاریخی|پرسش هوای گذشته—شبکه پرس و جوی آب و هوای تاریخی. در دسترس آنلاین: https://lishi.tianqi.com/ (دسترسی در 7 آوریل 2022).
  63. فن، ی. دینگ، ایکس. هنگ، جی. Ge, J. ویژگی های آلودگی هوای شهری در مناطق مختلف چین بین سال های 2015 و 2019. ساخت. محیط زیست 2020 , 180 , 107048. [ Google Scholar ] [ CrossRef ]
  64. لیو، ایکس. شیا، اس. یانگ، ی. وو، جی. ژو، ی. رن، ی. پویایی فضایی و زمانی و اثرات شرایط اجتماعی-اقتصادی و طبیعی بر PM 2.5 در کمربند اقتصادی رودخانه یانگ تسه. محیط زیست آلودگی 2020 ، 263 ، 114569. [ Google Scholar ] [ CrossRef ]
  65. شوگرخدایی، SZ; رضوی ترمه، SV; فتح نیا، الف. مدلسازی مکانی-زمانی نقشه برداری ریسک PM 2.5 با استفاده از سه ماشین. محیط زیست آلودگی 2021 ، 289 ، 117859. [ Google Scholar ] [ CrossRef ]
  66. ژانگ، بی. جیائو، ال. خو، جی. ژائو، اس. تانگ، ایکس. ژو، ی. گونگ، سی. تأثیر باد و بارش بر غلظت ذرات معلق با اندازه های مختلف (PM 2.5 ، PM 10 ، PM 2.5-10 ). هواشناسی اتمس. فیزیک 2018 ، 130 ، 383-392. [ Google Scholar ] [ CrossRef ]
  67. وانگ، جی. Ogawa، S. اثرات شرایط هواشناسی بر غلظت PM 2.5 در ناکازاکی، ژاپن. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2015 ، 12 ، 9089-9101. [ Google Scholar ] [ CrossRef ]
  68. آهنگ، جی. فنگ، Q. وانگ، ایکس. فو، اچ. جیانگ، دبلیو. چن، ب . ارتباط فضایی و ارزیابی اثر انتشار CO2 در تجمع شهری چنگدو-چونگ کینگ: شواهد کمی از تجزیه و تحلیل شبکه های اجتماعی. پایداری 2019 ، 11 ، 1. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  69. Chang، IC شناسایی گره های پیشرو شبکه نظارتی PM 2.5 در تایوان با تجزیه و تحلیل شبکه های اجتماعی مبتنی بر داده های بزرگ. Aerosol Air Qual. Res. 2019 ، 9 ، 2844–2864. [ Google Scholar ] [ CrossRef ]
  70. شائو، جی. جی، جی. فنگ، ایکس. ژائو، سی. بررسی رابطه بین غلظت PM 2.5 و استفاده فشرده از زمین در استان هبی بر اساس مدل رگرسیون فضایی. PLoS ONE 2020 , 15 , e0238547. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  71. شن، دبلیو. لیانگ، اچ. دونگ، ال. رن، جی. وانگ، G. اثرات کاهش CO 2 هم افزایی در تجمعات شهری چین: دیدگاه هایی از تجزیه و تحلیل شبکه های اجتماعی. علمی کل محیط. 2021 ، 798 ، 149352. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  72. چوانگ، MT; چو، WH; Chang، CH بررسی محرک های کلیدی برای احیای منطقه ای بر اساس تجزیه و تحلیل شبکه های اجتماعی: مطالعه موردی Badouzi در تایوان. سیاست مارس 2021 ، 133 ، 104754. [ Google Scholar ] [ CrossRef ]
  73. لاتورا، وی. مارچیوری، ام. معیاری از مرکزیت بر اساس کارایی شبکه. جدید جی. فیزیک. 2007 ، 9 ، 188. [ Google Scholar ] [ CrossRef ]
  74. گائو، ی. سان، دی. ژانگ، جی. مطالعه تأثیر همه‌گیری COVID-19 بر رفتار فضایی گردشگران شهری بر اساس داده‌های بزرگ تفسیری: مطالعه موردی نانجینگ، چین. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 678. [ Google Scholar ] [ CrossRef ]
  75. ژانگ، دی. لو، ی. Tian، Y. اثر انجمن فضایی آلودگی مه در تجمع شهری چنگ یو. علمی جمهوری 2020 ، 10 ، 9753. [ Google Scholar ] [ CrossRef ]
  76. ژانگ، جی. لو، Y. مرکزیت درجه، مرکزیت بین، و مرکزیت نزدیکی در شبکه اجتماعی. در مجموعه مقالات دومین کنفرانس بین المللی مدل سازی، شبیه سازی و ریاضیات کاربردی 2017 (MSAM2017) ؛ آتلانتیس پرس: دوردرخت، هلند، 2017; جلد 132، ص 300–303. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  77. لی، ی. ژانگ، ی. لی، سی سی; لی، جی. ویژگی‌های ساختاری و عوامل تعیین‌کننده یک شبکه بین‌المللی همکاری فن‌آوری سبز. جی. پاک. تولید 2021 ، 324 ، 129258. [ Google Scholar ] [ CrossRef ]
  78. ژانگ، دبلیو. ژوانگ، ایکس. لو، ی. وانگ، جی. پیوند فضایی سرریزهای نوسانات و توضیح آن در بازارهای سهام G20: یک چارچوب شبکه. بین المللی کشیش مالی. مقعدی 2020 ، 71 ، 101454. [ Google Scholar ] [ CrossRef ]
  79. وو، ایکس. وانگ، ال. ژنگ، اچ. تأثیر شبکه بر جداسازی انتشار گازهای زباله صنعتی و ارزش افزوده صنعتی: مطالعه موردی چین. جی. پاک. تولید 2019 ، 234 ، 1338-1350. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00267 g001 550
شکل 1. توزیع ده منطقه شهری در چین.
Ijgi 11 00267 g002a 550 Ijgi 11 00267 g002b 550 Ijgi 11 00267 g002c 550
شکل 2. شبکه های همبستگی فضایی PM 2.5 در ده منطقه شهری از سال 2019 تا 2020 (فلش ها روابط بین دو شهر را نشان می دهد).
Ijgi 11 00267 g003 550
شکل 3. تراکم شبکه شبکه های همبستگی فضایی PM 2.5 در ده منطقه شهری در سال 2019-2020.
Ijgi 11 00267 g004 550
شکل 4. درجه شبکه شبکه‌های همبستگی فضایی PM 2.5 در ده منطقه شهری در سال‌های 2019-2020.
Ijgi 11 00267 g005 550
شکل 5. کارایی شبکه شبکه های همبستگی فضایی PM 2.5 در ده منطقه شهری در سال 2019-2020.
Ijgi 11 00267 g006 550
شکل 6. نتایج تجزیه و تحلیل مرکزیت همبستگی فضایی PM 2.5 در ده منطقه شهری از سال 2019 تا 2020. توجه: m 1 چنگده است، m 2 ژانگجیاکو، متر 3 پکن، متر 4 تانگشان، متر 5 کینوانگدائو، متر 6 است. تیانجین، متر 7 بائودینگ، متر 8 لانگ فانگ، متر 9 کانگژو، متر 10 شیجیاژوانگ، متر 11 هنگ شوی، متر 12 ژینگ تای، متر 13 هندان است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید