文献综述
文 献 综 述1.课题研究背景随着我国经济发展和城市化进程的加速，由于工业活动所产生的大气污染物排放量一直处于持续增长过程，由此所导致的大气环境问题已经成为目前我国环境保护工作所面临的巨大挑战。
我国现行的《环境空气质量标准》（GB3095-2012）将SO2、NO2、CO、O3、PM2.5和PM10等六项污染物定为环境空气污染物基本项目，尤其是长三角地区的污染情况，作为中国污染情况的典型地区，越来越被我国所重视，有大批国内外研究学者针对长三角地区的相关污染物以及不同地区污染状况进行了分析，并提出了许多可供实施的改进方法。
然而，近年来有关长三角地区空气污染物的问题越来越严重，对相关区域的经济和人口活动也产生了巨大影响， 因此，本次研究课题将从更深的角度去研究长三角地区六大污染物的时空的分布特征，找到长三角地区大气污染物短期和长期浓度的时间变化趋势和空间集聚特征，深入分析导致长三角地区大气污染的原因，在此基础上提出区域城市群大气污染的联防联控建议和措施。
本课题将通过收集大量的历史数据，借助现代计算机和统计分析技术，对长三角地区重点城市近几年来的大气污染物浓度值进行统计和分析，挖掘数据背后更多的信息，为该区域大气污染防控工作提供科学依据。
2. 国内外研究进展2.1 空间相关分析方法2.1.1 空间自相关分析地理学第一定律表明，地理事物或属性在空间分布上互为相关，存在集聚 (clustering)、随机 (random)、规则(Regularity)分布，且距离越近关联越大。
空间自相关刻画了一些变量在临近空间单元内的潜在相互依赖性，可分为正自相关和负自相关，也可分为全局空间自相关和局部空间自相关。
2.1.1.1 全局空间自相关全局空间自相关描绘了相关变量在区域整体范围内的空间依赖程度，常用全局Morans Ⅰ指数进行研究。
MoransI指数可用于度量各地理单元对应的观测值（如各地级市相应的PM2.5季均浓度数据）在空间上的相近程度，即空间自相关程度，确定其观测值和空间权重矩阵的数量关系后，使用空间自相关分析工具得出各城市之间关于该观测值在空间上的分布状况，分布状况可分为集聚分布、离散分布和随机分布。
周侃等人[1] 运用全局自相关分析对2005年-2012年间中国环境污染物排放的时空变化和空间集聚格局进行的研究中，发现环境污染物排放强度呈优化开发区域-重点开发区域-农产品主产区-重点生态功能区依次递减态势，具有显著的空间集聚效应并呈现增强趋势；而刘贺等人[2] 也通过空间自相关及空间回归模型，发现20152017年中国空气污染城市逐渐减少，AQI季节均值在空间上基本呈现出北高南低、内陆高沿海低的分布格局，且冬季最高，夏季最低。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
