基于GTWR和SHAP模型的中国城市形态对PM_(2.5)污染的影响研究OA

为了精确揭示城市形态对PM_(2.5)污染的内在作用机制,以优化城市空间结构并有效调控大气环境污染,使用莫兰指数分析PM_(2.5)质量浓度的空间自相关,利用方差膨胀因子(variance inflation factor,VIF)检验并筛选变量,采用时空地理加权回归(spatiotemporal geographically weighted regression,GTWR)模型和Shapley加性可解释机器学习方法(shapley additive explanations interpretation method,SHAP)揭示中国内地地区城市形态对PM_(2.5)质量浓度的空间异质性特征及其非线性复杂关系。结果表明:中国PM_(2.5)年平均质量浓度为31.94μg/m^(3),月际分布呈U型格局,且不同区域间分布差异显著,新疆是全国PM_(2.5)质量浓度的最高地区;城市建成区面积(total urban area,TA)与PM_(2.5)质量浓度整体呈微弱的负相关,斑块密度(patch density,PD)、最大斑块指数(largest patch index,LPI)、景观形状指数(landscape shape index,LSI)和聚集指数(aggregation index,AI)则与PM_(2.5)质量浓度呈正相关,表明城市规模扩张对PM_(2.5)污染具有消减作用,而城市破碎化程度低且集聚度高的区域容易加剧PM_(2.5)污染;TA对PM_(2.5)质量浓度的解释程度最强,在其低阈值区间内会促使PM_(2.5)污染程度上升,当阈值超过20000 m 2后影响趋于稳定。