一种基于GIS与POI数据的空气质量空间分布及相关性分析方法

摘要

本发明涉及一种基于GIS与POI数据的空气质量空间分布与相关性分析方法，属于环境监测技术领域。将GIS软件与POI数据相结合，首先收集地理信息与空气质量的相关数据，把POI数据和预处理得到的监测站综合信息表导入软件，将监测站综合信息表转换为矢量图层，通过核密度分析、制图分析、缓冲区分析、Pearson相关性分析等技术手段详细论述了基于GIS与POI数据的空气质量空间分布与相关性分析方法，具有科学性。本发明使用POI地理大数据来研究人类活动对空气质量的影响，为今后合理设置空气质量监测站点、空气质量的相关评价提供技术参考与支持。

说明书

技术领域

本发明涉及一种基于GIS与POI数据的空气质量空间分布与相关性分析方法，属于环境监测技术领域。

背景技术

随着经济社会的不断发展，空气质量问题进一步凸显，困扰着人们的生活，影响人类健康。环境空气质量的研究关系到空气问题治理、工业发展、产业结构等重要方面。人类活动极大地影响着空气质量，兴趣点数据是大数据的一种，是一种能够反映人类各项社会生产及生活活动的地理大数据，已广泛应用于城市功能区划分、城市中心区和边界识别、要素的空间分布研究等方面。POI数据对于研究人类活动对空气质量的空间分布特征的影响和相关性具有重要作用。

目前，虽然已有众多学者对空气质量的空间分布特征以及相关性做了大量研究，但主要集中于具体某项空气质量指数的模型评价或简单的GIS制图来分析空气质量的空间分布特征，关注GDP、人口、农业秸秆焚烧、工业企业等与空气质量的相关性研究。没有考虑使用POI地理大数据来研究人类活动对空气质量的影响，因此将GIS软件与POI数据相结合，详细论述基于GIS与POI数据的空气质量空间分布与相关性分析方法，可以为今后合理设置空气质量监测站点、空气质量的相关评价提供技术参考与支持。

发明内容

为了解决上述存在的技术问题，本发明提供一种基于GIS与POI数据的空气质量空间分布与相关性分析方法。

本发明是通过以下技术方案实现的：一种基于GIS与POI数据的空气质量空间分布及相关性分析方法，其步骤为：

(1)获取并预处理多源数据，将处理得到的监测站综合数据表导入GIS软件并转换成shapefile文件，作为“监测站综合信息”图层；

(1.1)获取多源数据：多源数据包括POI数据、监测站地理信息数据、监测站空气质量数据、行政区划矢量文件；

所述的多源数据包括POI数据为矢量数据；监测站地理信息数据为含有监测站名称、经纬度数据的Excel表格；监测站空气质量数据为含有监测站名称、空气质量指数(AQI)、污染物浓度的Excel表格；

(1.2)预处理多源数据：将步骤(1.1)中的监测站地理信息数据、监测站空气质量数据按照相同字段，合并为一个表格，命名为监测站综合数据表，得到的监测站综合数据表导入GIS软件，选择“显示XY数据”，导出为“监测站综合数据表.shp”并加入到GIS软件中，该矢量图层命名为“监测站综合信息”；对POI数据重分类为六大综合类型；

(1.3)确定POI密度指数计算方法：

确定单类POI点密度指数计算方法：

POI

式中：POI

确定综合类型POI核密度指数计算方法：

引入景观发展强度LDI概念反映综合类型POI的权重系数，确定综合类型POI核密度指数的计算方式，综合类型POI核密度指数计算公式如下：

POI

式中：POI

(2)对步骤(1.1)所得POI数据进行核密度分析，将得到的核密度分析图层与“监测站综合信息”层进行制图分析；

(2.1)对步骤(1.1)所得POI数据进行核密度分析：在GIS软件中导入POI数据，选择POI矢量图层，选择“核密度分析工具”，环境中设置为处理范围为步骤(1.1)中“行政区划矢量文件”，处理后得到“核密度分析栅格图层”；LDI

式中wnd为加权核密度值，VA

(2.2)对步骤(2.1)得到的“核密度分析栅格图层”或“综合类型POI加权核密度栅格图层”与步骤(1.1)中“行政区划矢量文件”和步骤(1.3)得到的“监测站综合信息”矢量图层进行制图分析：核密度高值与空气质量数据高值空间分布越接近，则证明空间相关性越高，作为增设空气监测站选址的参考；

(3)步骤(1.3)得到的“监测站综合信息”矢量图层进行缓冲区分析；

点击GIS软件分析工具→邻域分析→多环缓冲区，将步骤(1.3)得到的“监测站综合信息”矢量图层作为输入要素；距离分别设为2、4、6、8、10，缓冲区单位为平方千米，字段名为“distance”，融合选项设为“NONE”，输出为“监测站缓冲区分析”图层；

(4)通过交集制表统计步骤(3)得到的“监测站缓冲区分析”图层各级缓冲区内的POI数据；

(4.1)为步骤(3)得到的“监测站缓冲区分析”图层的属性表添加字段“AREA”，右击计算字段“AREA”计算几何计算各级缓冲区面积。

(4.2)点击GIS软件分析工具→统计分析→交集制表，将步骤(4.2)得到的“监测站缓冲区分析”图层作为区域要素，POI矢量图层作为类要素，处理后的表命名为“缓冲区-POI数据交集制表”，该表含有各级缓冲区内POI数据数量；

(5)Pearson相关分析法来分析不同距离缓冲区单类和综合类型POI核密度指数与空气质量指数AQI或某项污染物的相关性；

(5.1)为步骤(4.2)得到的“缓冲区-POI数据交集制表”添加字段“点密度”，根据公式POIi

(5.2)在Excel软件中对步骤(5.1)得到的“缓冲区-POI数据交集制表.dbf”，进行统计分析，根据POI

所述的(5.2)中，Pearson相关系数r＝0为线性相关关系，相关系数的绝对值取值在0.8-1.0表示极强相关，0.6-0.8表示强相关、0.4-0.6表示中等强度相关，0.2-0.4表示弱相关、0-0.2表示极弱相关或无相关。

本发明创造的有益效果是：

本发明提供一种基于GIS与POI数据的空气质量空间分布与相关性分析方法。将GIS软件与POI数据相结合，通过核密度分析、缓冲区分析、Pearson相关性分析等技术手段详细论述了空气质量空间分布与相关性分析方法，填补了使用POI地理大数据来研究人类活动对空气质量的影响这一方面的空白，因此可以为今后空气质量的相关评价、以及为增设空气质量监测站选址等提供技术参考与支持。

附图说明

图1为本发明基于GIS与POI数据的空气质量空间分布及相关性分析方法的流程图。

图2为本发明实施例以上海市气象国控站点的多级缓冲区分析图。

图3为本发明实施例以上海市交通设施服务POI核密度与NO2浓度空间分布图。

图4为本发明实施例以上海市综合类型POI加权核密度与AQI空间分布图。

图5为本发明实施例以上海市交通设施服务POI点密度与空气质量相关性分析图。

具体实施方式

一种基于GIS与POI数据的空气质量空间分布及相关性分析方法，包括如下步骤:

(1)获取并预处理多源数据，将处理得到的监测站综合数据表导入GIS软件并转换成shapefile文件，作为“监测站综合信息”图层。

(1.1)获取多源数据：多源数据包括POI数据、监测站地理信息数据、监测站空气质量数据、行政区划矢量文件。

POI数据包括公司企业、交通设施服务、公共设施、风景名胜、生活服务、商务住宅、金融保险服务、购物、医疗保健服务、住宿服务、政府机构及社会团体、体育休闲服务、科教文化服务、餐饮共计14个类别的数据，POI数据为矢量数据。

监测站地理信息数据为含有监测站名称、经纬度数据的Excel表格。

监测站空气质量数据为含有监测站名称、空气质量指数AQI、六项污染物：SO

(1.2)预处理多源数据：将步骤(1.1)中的监测站地理信息数据、监测站空气质量数据按照相同字段，合并为一个表格，命名为监测站综合数据表。得到的监测站综合数据表导入GIS软件，选择“显示XY数据”，导出为“监测站综合数据表.shp”并加入到GIS软件中，该矢量图层命名为“监测站综合信息”。对14个类别的POI数据重分类为六大综合类型。

(1.3)确定POI密度指数计算方法：

确定单类POI点密度指数计算方法：

POI

式中：POI

确定综合类型POI核密度指数计算方法：

引入景观发展强度LDI概念来反映综合类型POI的权重系数，确定综合类型POI核密度指数的计算方式。综合类型POI核密度指数计算公式如下：

POI

式中：POI

(2)对步骤(1.1)所得POI数据进行核密度分析，将得到的核密度分析图层与“监测站综合信息”层进行制图分析。

(2.1)对步骤(1.1)所得POI数据进行核密度分析：在GIS软件中导入POI数据，选择POI矢量图层，选择“核密度分析工具”，环境中设置为处理范围为步骤(1.1)中“行政区划矢量文件”，处理后得到“核密度分析栅格图层”。LDI

式中wnd为加权核密度值，VA

(2.2)对步骤(2.1)得到的“核密度分析栅格图层”或“综合类型POI加权核密度栅格图层”与步骤(1.1)中“行政区划矢量文件”和步骤(1.3)得到的“监测站综合信息”矢量图层进行制图分析。核密度高值与空气质量数据高值空间分布越接近，则证明空间相关性越高。相反，可作为增设空气监测站选址的参考。

(3)步骤(1.3)得到的“监测站综合信息”矢量图层进行缓冲区分析。

点击GIS软件分析工具→邻域分析→多环缓冲区，将步骤(1.3)得到的“监测站综合信息”矢量图层作为输入要素。距离分别设为2、4、6、8、10，缓冲区单位为平方千米。字段名为“distance”，融合选项设为“NONE”。输出为“监测站缓冲区分析”图层。

(4)通过交集制表统计步骤(3)得到的“监测站缓冲区分析”图层各级缓冲区内的POI数据。

(4.1)为步骤(3)得到的“监测站缓冲区分析”图层的属性表添加字段“AREA”，右击计算字段“AREA”计算几何计算各级缓冲区面积。

(4.2)点击GIS软件分析工具→统计分析→交集制表，将步骤(4.2)得到的“监测站缓冲区分析”图层作为区域要素。POI矢量图层作为类要素。处理后的表命名为“缓冲区-POI数据交集制表”，该表含有各级缓冲区内POI数据数量。

(5)Pearson相关分析法来分析不同距离缓冲区单类和综合类型POI核密度指数与空气质量指数(AQI)或某项污染物的相关性。

(5.1)为步骤(4.2)得到的“缓冲区-POI数据交集制表”添加字段“点密度”，根据公式POI

(5.2)在Excel软件中对步骤(5.1)得到的“缓冲区-POI数据交集制表.dbf”。进行统计分析，根据POI

Pearson相关系数r＝0为线性相关关系，相关系数的绝对值取值在0.8-1.0表示极强相关，0.6-0.8表示强相关、0.4-0.6表示中等强度相关，0.2-0.4表示弱相关、0-0.2表示极弱相关或无相关。

实施例1：

以上海市为研究区域，对上海市交通设施服务POI数据与空气质量空间分布及相关性进行分析，以此例对本发明的内容做进一步说明。

1.获取多源数据：多源数据包括POI数据、监测站地理信息数据、监测站空气质量数据、行政区划矢量文件。

2.预处理多源数据：将步骤1中的监测站地理信息数据、监测站空气质量数据按照“监测站名称”这一相同字段，合并为一个表格，命名为监测站综合数据表。将表加GIS软件中，选择“显示XY数据”，将表格转换为矢量图层，命名为“监测站综合信息”。将POI数据重新分类。权重系数参考BROWN等人的《LANDSCAPE DEVELOPMENT INTENSITY INDEX》确定。

表1POI数据重分类类型及权重系数说明

3.对步骤1所得POI数据进行核密度分析：在GIS软件中导入POI数据，选择交通设施服务的POI矢量图层，选择“核密度分析工具”，设置搜索半径和像元大小后，环境中设置为处理范围为步骤1中“行政区划矢量文件”，处理后得到“核密度分析栅格图层”。通过加权核密度分析得到“综合类型POI加权核密度栅格图层”。对得到的“核密度分析栅格图层”或“综合类型POI加权核密度栅格图层”与步骤1中“行政区划矢量文件”和步骤2得到的“监测站综合信息”矢量图层进行制图分析。设置“监测站综合信息”图层属性，在符号系统中选择“分级符号”，将空气质量指数(AQI)或某项污染物作为值字段，手动分类法分3类。设置“核密度分析栅格图层”属性，在符号系统中选择“已分类”，采用自然间断点方法分5类，排除值设为0。在布局视图中调整比例尺、加入指北针、图例制图并导出。

4.步骤2得到的“监测站综合信息”矢量图层进行缓冲区分析。点击GIS软件分析工具→邻域分析→多环缓冲区，得到的“监测站综合信息”矢量图层作为输入要素。距离分别设为2、4、6、8、10，缓冲区单位为平方千米。字段名为“distance”，融合选项设为“NONE”。输出为“监测站缓冲区分析”图层，并将该图层加入GIS软件中。制作“上海市交通设施服务POI核密度与NO2浓度空间分布图”，“上海市综合类型POI加权核密度与AQI空间分布图”。

5.打开步骤4得到的“监测站缓冲区分析”图层的属性表，添加字段“AREA”，右击计算字段“AREA”计算几何，属性设为面积，单位为平方千米。点击GIS软件分析工具→统计分析→交集制表，将步骤4得到的“监测站缓冲区分析”图层作为区域要素，区域字段为监测站名称、distance、AREA、AQI、SO

6.打开步骤5得到的“缓冲区-POI数据交集制表”，添加字段“点密度”，根据公式POI

7.根据例图3交通设施服务POI核密度与NO2浓度空间分布图，POI核密度高的地区，NO

进一步以例图5分析结果可看出上海市交通设施服务的POI点密度在不同缓冲区半径下，与空气质量相关性。POI点密度与AQI的相关性在缓冲区半径10km时最强，为0.7136，表示为强相关；与NO2表现为中等程度相关；与SO