利雅得日尺度PM10一致变异模态的相关性网络分析

《City and Environment Interactions》:Correlation-network analysis of coherent daily PM10 variability regimes in Riyadh

【字体: 大 中 小 】 时间:2026年07月08日 来源:City and Environment Interactions 5.3

编辑推荐:

  摘要:理解城市范围内的PM10(空气动力学直径≤10微米的颗粒物)波动而非仅仅依赖单个监测站点,对于准确表征空气质量动态、评估公共健康风险以及支持有效的监测与管理策略至关重要。本研究利用相关性网络框架,结合社区检测分析,研究了沙特阿拉伯利

  
摘要:理解城市范围内的PM10(空气动力学直径≤10微米的颗粒物)波动而非仅仅依赖单个监测站点,对于准确表征空气质量动态、评估公共健康风险以及支持有效的监测与管理策略至关重要。本研究利用相关性网络框架,结合社区检测分析,研究了沙特阿拉伯利雅得的日尺度PM10变异性。分析基于2015年4月至2017年12月期间16个监测站每小时监测数据汇总的标准化日PM10观测值。该分析量化了空间相干性,识别了主要的连接结构,并描绘了整个城市域内一致的变异性模态。结果表明,整个网络具有很强的相干性,不同监测站标准化日PM10时间序列之间计算得到的皮尔逊相关系数大多超过0.75,并且在相对较高的相关性阈值下仍能保持。这些发现表明监测网络中日PM10变异性具有很强的同步性,并与区域尺度的大气强迫作用一致。即使在相对严格的相关性阈值下,网络密度仍然很高,表明监测网络中日PM10变异性存在持续的空间相干性。中心性分析揭示了显著的空间异质性,介数中心性跨越了一个数量级以上。这凸显了少数关键位置对网络连接性的不成比例的影响。社区检测识别出三个不同的网络社区,对应于一致的PM10变异性模态,当将其投影到地理空间时,形成了空间上连续的区域,区分出城市核心区、过渡区和外围区的模式。城市核心区表现出更强的连接性和更高的中心性,这与增强的混合和排放驱动的再悬浮相一致,而外围区域则显示出较弱的连接性,反映了对区域沙尘输送和天气尺度过程更大的敏感性。总体而言,研究结果表明相关性网络分析为表征干旱城市环境中日PM10变异性的空间组织和模态结构提供了一个有效的框架。
**论文解读:利雅得日尺度PM10变异性空间组织与模态结构的网络分析**

**研究背景与问题**
空气动力学直径≤10微米的颗粒物(PM10)是影响全球城市环境最重要的空气污染物之一。高浓度的颗粒物与不良健康结局相关,特别是心血管和呼吸系统疾病,并显著增加了全球过早死亡负担。在干旱和半干旱环境中,PM10的动态变化受区域沙尘过程、气象条件和当地城市状况之间相互作用的支配。利雅得作为沙特阿拉伯的主要城市中心,其PM10浓度经常受到区域沙尘活动输送和天气尺度路径的影响,同时快速城市发展和稀疏植被覆盖导致的本地再悬浮进一步加剧了污染。尽管已有相关研究,但目前对日尺度PM10行为的理解仍主要基于逐个站点的分析,而对监测站之间的城市尺度空间相干性及其在整个大都市区如何组织成一致模态的量化尚不充分。这导致了一个研究空白:需要一种能够超越孤立站点分析、从整体上量化城市尺度PM10变异性空间组织的方法。

**研究目的与意义**
本研究旨在应用基于相关性的网络框架来分析利雅得市固定空气质量监测网络的日PM10观测数据,以填补上述空白。具体目标包括:开发经过质量控制的日PM10时间序列;构建基于相关性的PM10网络以量化整个大都市区的站间相干性;使用成熟的图论指标检查网络结构,识别关键的监测位置和主要的连接模式;将检测到的网络社区投影到地理空间,通过基于社区的区域化来划分PM10区域。这些区域代表具有一致时间变异性的区域,有助于深入理解利雅得市PM10动态的空间组织。该研究的主要贡献是应用导向和解释性的,而非方法论上的创新。它应用成熟的相关性网络和社区检测方法来阐明利雅得的日PM10变异性模态和监测站角色,而该地区的这种空间相干性此前尚未得到充分表征。研究成果发表在《City and Environment Interactions》期刊上。

**关键技术方法概述**
研究人员利用2015年4月至2017年12月期间利雅得16个固定环境空气质量监测站(ID1-ID16)的每小时PM10浓度记录。首先,对数据进行严格的质量控制和预处理,包括验证时间戳一致性、剔除无效值,并评估站级数据完整性。随后,将每小时观测值汇总为日平均值,仅保留当日至少有75%有效小时数据(即至少18个有效小时记录)的天数,以平衡数据保留和日PM10估计的可靠性。为强调共享的时间行为而非绝对浓度,对保留的日序列进行了z分数标准化。核心分析采用基于相关性的网络框架:将每个监测站视为网络节点,计算标准化日PM10序列之间的皮尔逊相关系数以量化站间相似性,并通过应用相关性阈值(如r ≥ 0.80)将相关系数矩阵转换为二元邻接矩阵,从而定义网络连接。此外,研究还进行了背景调整敏感性分析,通过移除日跨站PM10背景中位数来评估共享区域信号的影响。网络结构通过度中心性、介数中心性、网络密度等指标进行表征,并采用Louvain算法进行模块度最大化以检测社区结构。最后,利用Voronoi泰森多边形法将识别出的网络社区投影到地理空间,形成连续的PM10区域,以直观展示一致变异性模态的空间分布。

**研究结果分析**
**1. 日PM10的描述性统计与时间行为**
日平均PM10浓度在整个监测网络中表现出显著的变异性,反映了区域沙尘活动和本地城市过程的共同影响。不同站点的浓度分布存在差异,但总体分布的相似性指向了调节整个大都市区日PM10变异性的共同区域强迫作用。

**2. 日PM10的站间相关性结构**
标准化日PM10浓度的站间皮尔逊相关矩阵显示,整个监测网络具有高度的空间相干性。大多数站点对表现出强正相关,表明日PM10变异性主要由天气尺度气象学和广泛沙尘输送等共同区域因素驱动,而非孤立的本地影响。所有成对相关系数的分布高度集中在高端,均值和众数均超过0.9,证实了强站间关联的普遍性。

**3. 网络构建与阈值敏感性**
通过将相关性超过预定阈值的站点对之间建立连接来构建PM10监测网络。网络密度随相关性阈值升高而下降,但在阈值超过约0.80后,网络密度才开始逐渐下降,表明存在一个在较高阈值范围内仍能保持稳定的核心结构。背景调整敏感性分析表明,移除日跨站PM10背景中位数后,站间相关性大幅下降,在r ≥ 0.80-0.95的阈值下没有保留任何边,这证实原始总PM10网络中观察到的强连接性很大程度上受共享区域/背景PM10成分的影响。

**4. PM10相关性网络的空间结构**
PM10相关性网络的地理布局显示出连接性的异质性模式。强连接集群集中在中心城区,而外围区域的连接较弱或更孤立。中心城区的站点表现出更高的连接数(度),证实了它们与多个邻近站点在时间上的强一致性,而位于主要城区外的站点(如ID1-ID4)连接数明显较少。

**5. 节点连接性与中心性特征**
度中心性分布显示监测站在网络中的重要性存在强异质性。站点ID7和ID13显示出最高的度中心性值(约0.93),表明它们与网络中几乎所有其他站点都有连接。而站点ID1、ID2和ID6则显示出较低的度中心性值。介数中心性的空间模式揭示了监测站在网络中介作用(充当桥梁)的显著差异。位于中心城区走廊的站点,特别是ID16和ID7,表现出最高的介数中心性值,表明它们在网络拓扑中占据关键的桥梁位置。相反,外围站点如ID1、ID3和ID4显示出非常低的介数中心性。

**6. 日PM10变异性的社区结构**
社区检测将PM10相关性网络清晰地划分为三个具有强地理组织性的不同组别(社区)。一个主导社区由位于中心城区的站点(如ID7、ID8、ID11、ID12)组成,具有密集的内部连接和高度同步的日PM10变异性。第二个社区主要由外围站点(如北部的ID1和东南部的ID4)组成,它们在空间上与城市核心隔离,与主网络的整合较弱。第三个社区主要分布在城市南部和西南部(如ID5、ID6、ID9、ID16),代表了一个中间模态,其PM10变异性同时反映了城市影响和局地输送过程。

**7. 利雅得市基于网络的PM10区域划分**
将网络社区投影到地理空间,形成了三个空间上连续的PM10区域(Zone 1, 2, 3)。这些区域代表了具有一致时间变异性而非绝对浓度水平差异的PM10模态。区域描述性统计显示,不同区域在日均PM10浓度和变异性上存在差异。例如,Zone 3表现出最高的日均PM10浓度和超过150 μg/m3的高浓度天数频率最高,而Zone 1的日均浓度最低,高浓度天数频率也最低。

**讨论与结论总结**
**讨论部分总结:**
研究结果表明,利雅得监测网络的日PM10变异性存在显著的空间相干性,表明区域尺度的大气过程对城市尺度的颗粒物行为具有主导控制作用。强站间相关性的普遍存在以及网络连接性在较高相关性阈值下的持续性表明,天气尺度气象条件和大型沙尘输送在很大程度上控制着日尺度的PM10波动。然而,网络分析也揭示了与本地站点特征相关的系统性空间异质性。海拔、城市形态和相对于城市核心的站点位置等差异影响了站间连接性和中心性的强度,导致了不同网络社区的出现。外围和海拔较高的站点与城市网络的耦合较弱,反映了城市排放混合影响减弱以及对区域沙尘输送和通风过程暴露增强。从操作角度看,识别出的PM10社区和连接模式为利雅得的监测网络解读提供了初步指导。高连接性的站点可能更能代表其相应模态内更广泛的日PM10变异性,而弱连接的外围站点可能捕捉到未被城市核心网络完全代表的独特变异性模式。然而,本研究使用的皮尔逊相关网络反映的是日PM10变异性的统计相干性,而非站点间的因果关系或定向输送。因此,识别出的社区应被解释为一致的日变异性模态,而非严格定义的物理边界。

**研究结论翻译:**
本研究显示,利雅得的日PM10变异性表现出强烈的空间相干性,这与日尺度上存在显著的共享区域尺度成分相一致。监测站之间观察到的显著空间相干性,以及网络连接性在相对较高的相关性阈值下的持续性,表明天气尺度气象条件和大型沙尘输送是日尺度PM10行为的重要贡献者。通过使用日均浓度,该分析强调了与区域沙尘爆发和持续环流模式相关的变异性,同时减少了与交通、城市活动和日边界层演变相关的短期局地效应的贡献。这些结果支持了干旱城市环境中PM10动态在很大程度上是由超出城市本身的空间尺度上运行的过程所塑造的。尽管存在这种强烈的区域控制,网络分析揭示了与本地站点特征相关的系统性空间异质性。海拔、城市形态和站点相对于城市核心的位置差异影响了站间连接性和中心性的强度,导致了不同网络社区的出现。外围和海拔较高的站点表现出与城市网络较弱的耦合,反映了城市排放混合影响减弱以及对区域沙尘输送和通风过程暴露增强。将网络社区投影到地理空间进一步表明,日PM10变异性被组织成空间上一致的区域,这些区域不仅仅由距离定义,而且与监测站之间的共享变异性模式相一致。识别出的连接性结构和一致的PM10区域可能为未来利雅得的监测网络优化、代表性站点选择和区域化空气质量评估提供有用的基础。总体而言,结果凸显了基于网络的方法在诊断城市空气质量数据空间结构方面的价值,并为识别沙尘影响的干旱城市中一致的PM10模态和具有战略重要性的监测位置提供了一个有用的框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号