基于时间序列模型残差的中国东部地区空气质量指数（AQI）空间自相关.PDF

第 ３７ 卷第 ７ 期 环　 境　 科　 学　 学　 报 Ｖｏｌ．３７，Ｎｏ．７ ２０１７年７月 　Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ Ｊｕｌ．，２０１７ ＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１７．００４９ 贺冉冉，朱兰保，周开胜．２０１７．基于时间序列模型残差的中国东部地区空气质量指数（ＡＱＩ）空间自相关特征分析［Ｊ］．环境科学学报，３７（７）：２４５９⁃２４６７ Ｈｅ Ｒ Ｒ，Ｚｈｕ Ｌ Ｂ，Ｚｈｏｕ Ｋ Ｓ． ２０１７．Ｓｐａｔｉａｌ ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓｏｆ ａｉｒ ｑｕａｌｉｔｙ ｉｎｄｅｘ （ＡＱＩ） ｉｎ ｅａｓｔｅｒｎ Ｃｈｉｎａｂａｓｅｄ ｏｎｒｅｓｉｄｕａｌｓｏｆ ｔｉｍｅ ｓｅｒｉｅｓｍｏｄｅｌｓ ［Ｊ］．Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ，３７（７）：２４５９⁃２４６７ 基于时间序列模型残差的中国东部地区空气质量指 数（ＡＱＩ）空间自相关特征分析 ∗ 贺冉冉 ，朱兰保，周开胜 蚌埠学院环境科学实验中心，蚌埠２３３０３０ 收稿日期：２０１６⁃１１⁃０５　 　 　 修回日期：２０１７⁃０２⁃１６　 　 　 录用日期：２０１７⁃０２⁃１６ 摘要：空间自相关分析可以揭示变量的空间聚集性质．基于中国东部城市群的日空气质量指数（ＡＱＩ）数据，研究了ＡＱＩ 的空间自相关特征．同 报 时，考虑到日ＡＱＩ 的空间非平稳性，分析分成两步进行．首先，对每个城市的日ＡＱＩ序列建立时间序列模型，进而获得其标准残差序列；然后再 基于残差项进行空间自相关分析，计算其全局Ｍｏｒａｎ′ｓＩ指数和局域Ｍｏｒａｎ′ｓＩ指数．结果表明，全局Ｍｏｒａｎ′ｓＩ指数体现出明显的季节变化特征， 呈现出冬季高而夏季低的以年为周期的循环变化．通过分析局域Ｍｏｒａｎ′ｓＩ指数，发现中国东部城市群存在２个值得重视的高空间自相关区域： 京津冀地区和长三角地区．由于残差项体现的是气象条件的影响，因此，大面积的高自相关区体现了邻近城市群空气质量对气象条件变化的同 步响应特征． 关键词：空间自相关；Ｍｏｒａｎ′ｓＩ指数；局域Ｍｏｒａｎ′ｓＩ指数；ＡＲＩＭＡ模型；残差 学 文章编号：０２５３⁃２４６８（２０１７）０７⁃２４５９⁃０９　 　 　 中图分类号：Ｘ５１　 　 　 文献标识码：Ａ Ｓｐａｔｉａｌ ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ａｉｒ ｑｕａｌｉｔｙ ｉｎｄｅｘ （ＡＱＩ） ｉｎ ｅａｓｔｅｒｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ｒｅｓｉｄｕａｌｓ ｏｆ ｔｉｍｅ ｓｅｒｉｅｓ ｍｏｄｅｌｓ ∗ 学 ＨＥ Ｒａｎｒａｎ ，ＺＨＵ Ｌａｎｂａｏ，ＺＨＯＵ Ｋａｉｓｈｅｎｇ Ｅｘｐｅｒｉｍｅｎｔ Ｃｅｎｔｅｒ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ，Ｂｅｎｇｂｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｎｇｂｕ ２３３０３０ Ｒｅｃｅｉｖｅｄ ５ Ｎｏｖｅｍｂｅｒ ２０１６；　 　 　 ｒｅｃｅｉｖｅｄ ｉｎ ｒｅｖｉｓｅｄ ｆｏｒｍ １６ Ｆｅｂｒｕａｒｙ ２０１７；　 　 　 ａｃｃｅｐｔｅｄ １６ Ｆｅｂｒｕａｒｙ ２０１７ Ａｂｓｔｒａｃｔ：Ｓｐａｔｉａｌ ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｓｐａｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ ｏｆ ｖａｒｉａｂｌｅｓ． Ｉｎ ｔｈｉｓ ｓｔｕｄｙ，ｓｐａｔｉａｌ ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｉｓ ａｐｐｌｉｅｄ ｏｎ ｄａｉｌｙ ａｉｒｑｕａｌｉｔｙ ｉｎｄｅｘ（ＡＱＩ）ｄａｔａｏｆ ｃｉｔｉｅｓｉｎｅａｓｔｅｒｎ Ｃｈｉｎａ． Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｓｐａｔｉａｌｎｏｎ⁃ｓｔａｔｉｏｎａｒｉｔｙ ｉｎｄａｉｌｙＡＱＩｄａｔａ，ｔｈｅａｎａｌｙｓｉｓ ｉｓｂａｓｅｄ ｏｎｔｗｏ ｓｔｅｐｓ．Ａｔｆｉｒｓｔ，ｔｉｍｅ ｓｅｒｉｅｓｍｏｄｅｌｓａｒｅｆｉｔｔｅｄｂａｓｅｄ ｏｎ ｄａｉｌｙ ＡＱ