北京市区域城市化程度与颗粒物污染的相关性分析

莫莉，余新晓*，赵阳，孙丰宾，莫楠，夏洪磊

1. 北京林业大学水土保持学院，北京 100083；2. 中国水利水电科学研究院，北京 100048；3. 西北工业大学航海学院，陕西 西安 710129；4. 河北圆福元通工程项目管理有限公司，河北 廊坊 065000

北京市区域城市化程度与颗粒物污染的相关性分析

莫莉1，余新晓1*，赵阳2，孙丰宾1，莫楠3，夏洪磊4

1. 北京林业大学水土保持学院，北京 100083；2. 中国水利水电科学研究院，北京 100048；3. 西北工业大学航海学院，陕西 西安 710129；4. 河北圆福元通工程项目管理有限公司，河北 廊坊 065000

城市化程度的提升带来严重的资源环境问题，尤其是空气污染问题，严重影响了人类的健康。大气中的PM2.5等颗粒物已经成为影响我国城市空气质量的主要污染物。现有研究多数是对于多年来多地区的宏观研究，缺乏对于典型地区的具体数据报道。通过分析北京市PM2.5和PM10的质量浓度与不同城市化程度地区的相关关系，探索城市化程度对PM2.5等颗粒物浓度的影响。选取北京市7处具有代表性空气质量监测点，于2013年7月至10月对PM2.5和PM10的质量浓度进行连续4个月的实时监测，结合《北京市区域统计年鉴》中的城市化指标数据，包括常住人口密度、地区生产总值和林木覆盖率，对数据进行变化趋势分析、Pearson相关分析和回归分析。研究结论表明：由于北京市不同区域城市化程度不同导致颗粒物污染状况不同，每个区域的PM2.5与PM10的质量浓度虽有差异但均显著相关，PM2.5的质量浓度约占PM10的质量浓度的60%，PM2.5是PM10的主要组成成分。城市化程度与PM2.5等颗粒物浓度有明显的关系，PM2.5等颗粒物浓度与地区生产总值和林木覆盖率显著相关，与地区生产总值呈正相关，与林木覆盖率呈负相关；与常住人口密度呈正相关趋势但并不显著相关。其中，PM2.5的质量浓度与地区生产总值的相关系数为0.875，与林木覆盖率的相关系数为-0.838；PM10的质量浓度与地区生产总值相关系数为0.947，与林木覆盖率相关系数为-0.775。总体来看，PM2.5等颗粒物浓度随城市化程度的提高而增加，北京市区域城市化程度与颗粒物污染情况关系明显。我国在快速发展城市化的同时，应关注环境与经济相协调。调整产业结构，增加植被绿化，控制污染源将有助于减少北京市大气中颗粒物的污染程度，为我国的城市化进程提供相应的支持和保障。

PM2.5浓度；PM10浓度；城市化；人口密度；经济；林木覆盖率

本文通过选取北京市能够代表低城市化发展地区、高城市化发展地区与自然状况地区的7处大气监测点，对PM2.5浓度和PM10浓度进行历时四个月的连续监测，结合北京市的城市化指标，探析城市化过程与PM2.5等颗粒物浓度之间的关系，并且从以PM2.5等颗粒物浓度所代表的空气质量问题的视角上，针对城市化过程所面临的环境保护问题提出一定的思考和建议，从而为相关政策的制定、有关学者的进一步研究提供参考。

图1 各监测点的分布位置Fig.1 Distribution of sampling sites

1 研究区概况

1.1 北京市概况

北京是中国的政治、经济和文化中心，经济发展迅速，城市化进程快。北京市位于北纬39°28′～41°02′，东经115°25′～117°30′的中纬地带，总面积16410 km2，西部和北部有太行山、燕山环抱，中部和南部是潮白河、永定河冲积形成的大平原。气候为典型的暖温带半湿润大陆性季风气候，夏季炎热多雨，冬季寒冷干燥，年平均气温为10～12 ℃，1月-7～-4 ℃，7月25～26 ℃。多年平均降雨量600 mm。土壤属于褐土带。境内分布有大小河流200多条，注入渤海。地带性植被类型是暖温带落叶阔叶林并间有温性针叶林的分布。

1.2 选取监测点位概况

选取北京市7处空气质量监测点，分别为前门、天坛、西直门北、大兴、昌平、密云和密云水库，这些监测点覆盖了北京市的南部地区、北部地区、城区、郊区、交通枢纽区和植被绿化区，选取的监测点具有代表性。

其中，密云水库是是首都北京最大的也是唯一的饮用水源供应地，密云水库监测点所处地理位置机动车数量很少，无工业排放，受人为活动干扰小，绿化状况非常良好。昌平区是北京市十个远郊区县之一，位于市区北部距市区33 km。密云县位于北京市东北部，东、北、西三面群山环绕。大兴区位于市区，新城北距市中心13 km。前门是北京市二环内的主要街道，为地铁2号线沿线经过街道。天坛公园距市中心3 km，为北京市二环内主要公园。西直门北位于北京市二环的西北角处，为地铁2号线、4号线和13号线交汇处。图1为各个监测点的分布位置。

2 研究方法

2.1 数据来源及处理

本文中PM2.5与PM10的数据来源于北京市环境保护中心的PM2.5和PM10实时监测数据，文中所选取的7个监测点的数据均为北京市2013年7月1日至10月31日连续4个月的PM2.5和PM10浓度数据，每小时监测1次，全天24 h连续监测。反映城市社会经济发展程度的常住人口密度、地区生产总值和林木覆盖率数据均来源于《北京区域统计年鉴》（北京市统计局，2012）。

本文中应用SPSS18.0对数据进行Pearson相关分析和回归分析。

2.2 点位选取

密云水库监测点基本为无人类干扰的自然状态，以其作为参照点，昌平县、密云县和大兴区为发展较低、距离市中心较远的区县，本文中统称为低城市化发展地区。前门、天坛和西直门北监测点所处位置为北京市主城区，本文中统称为高城市化发展地区。通过低城市化发展地区、高城市化发展地区与自然状况地区的比较，探索城市化程度对PM2.5等颗粒物浓度的影响。

2.3 城市化指标选取

由于城市化直接表现在人口剧集、经济增长和地域扩张等方面，但现在学术界对于定量衡量城市化程度的方法尚且没有定论。参考已有相关研究，本文选取常住人口密度、地区生产总值和林木覆盖率三项作为城市发展指标。其中，常住人口密度用于反映人口的聚集程度，能够在一定程度上反映出地区经济的活跃程度以及市场发展规模，并能体现消费情况，能够在一定程度上反应城市化程度。地区生产总值是传统的城市发展指标，能够直观的展现出经济发展情况，是体现城市化发展水平的重要指标。普遍认为城市林木覆盖率与城市化之间的关系是引导城市可持续发展的必要条件，林木覆盖率与环境状况息息相关，越高的地区越接近自然状态，林木覆盖率是代表城市化进程的重要指标（Weng和Lu，2008；Zhao等，2013；钟无涯和颜玮，2013；

杜江和刘渝，2008；李茜等，2013；Bimonte，2002；Ben Kheder和Zugravu，2012）。这三个指标一方面能够反映出城市社会经济发展的状况，另一方面也与空气环境质量存在潜在的联系，能够有效发映出PM2.5等颗粒物与城市发展水平的关系。

图2 各监测点PM2.5、PM10、PM2.5-10的平均质量浓度Fig.2 Average concentrations of PM2.5, PM10and PM2.5-10of 7 sampling sites

3 结果与分析

3.1 不同区域颗粒物污染比较

通过对监测点连续四个月的监测，所监测到的PM2.5的质量浓度和PM10的质量浓度数据既有低浓度值，也有高浓度值甚至超标值。如图2所示，密云水库监测点PM2.5的质量浓度平均值最低，为50.75 μg·m-3。昌平县PM2.5的质量浓度为54.51μg·m-3，密云县为59.14μg·m-3，大兴区为68.85 μg·m-3，低城市化发展地区PM2.5的平均质量浓度为54.8 μg·m-3。天坛PM2.5的质量浓度为70.90 μg·m-3，前门为83.57 μg·m-3，西直门北为80.03 μg·m-3，高城市化发展发展地区PM2.5的质量浓度平均值分别78.17为 μg·m-3。

密云水库监测点PM10的质量浓度平均值最低，为77.83 μg·m-3。昌平县PM10的质量浓度为89.39 μg·m-3，密云县为90.76 μg·m-3，大兴区为98.69 μg·m-3，低城市化发展地区PM10的平均质量浓度为92.95 μg·m-3。天坛PM10的质量浓度为117.33 μg·m-3，前门为124.65 μg·m-3，西直门北为132.37 μg·m-3，高城市化发展发展地区PM10的质量浓度平均值分别为124.78 μg·m-3。

从图2中可以看出PM2.5是PM10的主要组成部分，PM2.5/PM10的比例范围约为60%至70%。从平均值上看，各监测点PM2.5占PM10的比例差别不大，说明北京市颗粒物污染整体情况相似，产生区别的原因可能是颗粒物污染量的差异以及不同地区的颗粒物组成和污染物来源的差异。虽然监测地点不同，但PM2.5均为PM10的主要组成成分，城市PM2.5的来源复杂，与生物燃烧、二次硫酸盐、二次硝酸盐、煤燃烧、工业、机动车、路面灰尘等都有关系（吴海龙等，2012），具体原因还需进一步研究。

将每小时PM2.5的质量浓度与PM10的质量浓度做回归分析，从图3中可以看出PM2.5的质量浓度均与PM10的质量浓度线性相关，二者回归方程为y= 1.0141 x + 28.954，相关系数为0.9082，PM2.5的质量浓度与PM10的质量浓度显著相关。

3.2 颗粒物污染与城市化指标的相关性分析

3.2.1 颗粒物污染与城市化指标整体关系

为定量分析PM2.5的质量浓度、PM10的质量浓度与常住人口密度、地区生产总值和林木覆盖率的相关关系，对其进行Pearson相关检验，得到结果如表1所示。由表1可以看出，PM2.5的质量浓度和PM10的质量浓度无论是夏季还是秋季，均与地区生产总值和林木覆盖率显著相关，与地区生产总值呈正相关，与林木覆盖率呈负相关。除夏季PM10与常住人口密度在数据上呈现了显著相关外，其余所有PM2.5的质量浓度和PM10的质量浓度均与常住人口密度非显著相关。

3.2.2 颗粒物污染与常住人口密度的关系

从表1的相关关系中，PM2.5的质量浓度、PM10的质量浓度与常住人口密度相关关系不明显。从图4中能够体现出在常住人口密度低的低城市化发展地区，PM2.5的质量浓度、PM10的质量浓度较常住人口密度高的高城市化发展地区的浓度低。高城市化发展地区的常住人口密度、PM2.5的质量浓度和PM10的质量浓度分别是低城市化发展地区的18.79倍、128%和134%。常住人口密度是反映城市化程度的重要指标，在城市化程度高的地区往往聚集着更多的人口，人口密度的不断扩大导致来自生活的空气污染不断增加，而从图中也可看出人口多的地区空气中PM2.5、PM10等颗粒物浓度高。虽然他们的相关关系不显著，但是从大体趋势上看还是基本呈正相关。

图3 PM2.5和PM10质量浓度关系Fig.3 Relationship between PM2.5and PM10

图4 PM2.5、PM10质量浓度和常住人口密度关系Fig.4 The relationship between PM2.5, PM10and population

图5 PM2.5、PM10质量浓度和地区生产总值关系图Fig.5 The relationship between PM2.5, PM10and GDP

表1 PM2.5, PM10与各指标的Pearson相关关系Table 1 Correlation coefficients between PM2.5, PM10and three indexes

3.2.3 颗粒物污染与地区生产总值的关系

由图5可知，总体上PM2.5的质量浓度、PM10的质量浓度与地区生产总值保持一致同向的发展趋势，即低城市化发展地区（昌平县、密云县、大兴区）较高城市化发展地区（天坛、前门、西直门北）地区生产总值低，PM2.5的质量浓度和PM10的质量浓度平均状况也低。由表2中可知，各监测点PM2.5的质量浓度、PM10的质量浓度与地区生产总值均显著相关，夏季在0.05水平上PM2.5的质量浓度与地区生产总值相关值为0.761，PM10的质量浓度与地区生产总值相关值为0.782；秋季在0.01水平上PM2.5的质量浓度与地区生产总值相关值为0.923，PM10的质量浓度与地区生产总值相关值为0.921。与已有研究所得结论相同,即由PM2.5等颗粒物代表的环境质量与地区经济状况之间存在显著的相关关系（李茜等，2013；Bimonte，2002；Ben Kheder和Zugravu，2012）。

高城市化发展地区的地区生产总值约为低城市化发展地区的7倍。地区生产总值高的地区城市化程度高，城市化程度高的地区往往植被绿化程度小、人口多、机动车多，机动车尾气为PM2.5等颗粒物的主要排放源，而PM2.5的质量浓度和PM10的质量浓度均随城市化程度的增加而增加。

3.2.4 颗粒物污染与林木覆盖率的关系

由图6可知，总体上PM2.5的质量浓度、PM10的质量浓度与林木覆盖率保持一致反向的发展趋势，即低城市化发展地区（昌平县、密云县、大兴区）较高城市化发展地区（天坛、前门、西直门北）林木覆盖率高，而PM2.5的质量浓度和PM10的质量浓度平均状况低。由表4中可知各监测点PM2.5的质量浓度、PM10的质量浓度与林木覆盖率均显著相关，夏季在0.01水平上PM2.5的质量浓度与林木覆盖率相关值为-0.891，在0.05水平上PM10的质量浓度与林木覆盖率相关值为-0.824；秋季在0.05水平上PM2.5的质量浓度与林木覆盖率相关值为-0.789，PM10的质量浓度与林木覆盖率相关值为-0.803。高城市化发展地区的林木覆盖率约为低城市化发展地区的49.63%。现阶段我国城市化程度高的地区往往林木覆盖率较低，而植被正是能够有效调节空气质量，沉降PM2.5等颗粒物（吴海龙等，2012）。城市绿地能够有效改善城市环境并且维持城市生态平衡，植物由于枝叶表面凹凸不平，数量多且能够形成庞大的吸附面，能吸附、滞留空气中的粉尘，净化空气（吴人韦，2000；李潇云，2011）。在城市化程度高的地区增加城市绿地，有针对性地选择合适树种栽植将有利于减缓PM2.5等颗粒物的浓度。

图6 PM2.5、PM10质量浓度和林木覆盖率关系Fig.6 The relationship between PM2.5, PM10and forest coverage

4 结论

1）北京市PM2.5的质量浓度和PM10的质量浓度均随城市化程度的增加而增加，高城市化发展地区的颗粒物浓度大于低城市化发展地区大于自然状况地区。不同区域的PM2.5的质量浓度均与PM10的质量浓度显著相关，PM2.5是PM10的主要组成成分，占PM10的质量浓度的60%左右，二者回归方程为y= 1.0141 x + 28.954，相关系数为0.9082。

2）北京市PM2.5的质量浓度、PM10的质量浓度与城市化程度有明显的关系。PM2.5的质量浓度和PM10的质量浓度无论是夏季还是秋季，均与地区生产总值和林木覆盖率显著相关。

3）颗粒物污染水平与地区生产总值呈正相关。PM2.5的质量浓度与地区生产总值的相关系数为0.875，PM10的质量浓度与地区生产总值相关系数为0.947。控制污染源的排放，调整、改变资源密集型投入与高能耗生产方式等方式会有利于降低颗粒物浓度。

4）颗粒物污染水平与林木覆盖率呈负相关。PM2.5的质量浓度与林木覆盖率的相关系数为-0.838，PM10的质量浓度与林木覆盖率相关系数为-0.775。增加林木覆盖率将有利于城市中颗粒物污染的降低。

5）颗粒物污染水平与常住人口密度非显著相关，但仍然有正相关趋势。

6）在城市化程度不断提高的同时，应该注意保护环境，提高空气质量，在人口密度大、机动车数量多、经济发展快的城区内增加城市绿地，有针对性地选择合适树种栽植将有利于减缓PM2.5等颗粒物的浓度。

BEN KHEDER S, ZUGRAVU N. 2012. Environmental regulation and French firms location abroad: An economic geography model in an international comparative study[J]. Ecological Economics, 77: 48-61.

BIMONTE S. 2002. Information access, income distribution, and the Environmental Kuznets Curve[J]. Ecological economics, 41(1): 145-156.

BURNETT R T, BROOK J, DANN T, et al. 2000. Association between particulate-and gas-phase components of urban air pollution and daily mortality in eight Canadian cities[J]. Inhalation toxicology, 12(11): 15-39.

GILLI G, TRAVERSI D, ROVERE R, et al. 2007. Airborne particulate matter: Ionic species role in different Italian sites[J]. Environmental research, 103(1): 1-8.

LEIVA G M A, SANTIBAÑEZ D A, IBARRA E S, et al. 2013. A five-year study of particulate matter (PM2.5) and cerebrovascular diseases[J]. Environmental Pollution, 181: 1-6.

LIN R S, SUNG F C, HUANG S L, et al. 2001. Role of urbanization and air pollution in adolescent asthma: a mass screening in Taiwan[J]. Journal of the Formosan Medical Association, 100(10): 649-655.

MUGICA V, ORTIZ E, MOLINa L, et al. 2009. PM composition and source reconciliation in Mexico City[J]. Atmospheric Environment, 43(32): 5068-5074.

POPE III C A, DOCKERY D W. 2006. Health effects of fine particulate air

pollution: lines that connect[J]. Journal of the Air & Waste Management Association, 56(6): 709-742.

RIJNDERS E, JANSSEN N A, VAN VLIET P H, et al. 2001. Personal and outdoor nitrogen dioxide concentrations in relation to degree of urbanization and traffic density[J]. Environmental health perspectives, 109(Supp 3): 411.

SAMARA C, VOUTSA D. 2005. Size distribution of airborne particulate matter and associated heavy metals in the roadside environment[J]. Chemosphere, 59(8): 1197-1206.

SONG Y, ZHANG Y, XIE S, et al. 2006.Source apportionment of PM2.5in Beijing by positive matrix factorization[J]. Atmospheric Environment, 40(8): 1526-1537.

PATERAKI St, ASIMAKOPOULOS D N, FLOCAS H A, et al. 2012.The role of meteorology on different sized aerosol fractions (PM10, PM2.5, PM2.5-10) [J]. Science of The Total Environment, 419:124-135.

WENG Q, LU D. 2008. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis, United States[J]. International Journal of Applied Earth Observation and Geoinformation, 10(1): 68-83.

ZHAO J, CHEN S, JIANG B, et al. 2013. Temporal trend of green space coverage in China and its relationship with urbanization over the last two decades[J]. Science of the Total Environment, 442: 455-465.

北京市统计局. 2012. 北京区域统计年鉴[M]. 北京: 同心出版社: 2013: 46-52.

杜江, 刘渝. 2008. 城市化与环境污染: 中国省际面板数据的实证研究[J]. 长江流域资源与环境,17(6): 825-830.

杜雯翠, 冯科. 2013. 城市化会恶化空气质量吗?——来自新兴经济体国家的经验证据[J]. 经济社会体制比较, 5: 011.

蒋洪强, 张静, 王金南, 等. 2012. 中国快速城镇化的边际环境污染效应变化实证分析[J]. 生态环境学报, 21(2): 293-297.

李茜, 宋金平, 张建辉, 等. 2013. 中国城市化对环境空气质量影响的演化规律研究[J]. 环境科学学报, 33(9): 2402-2411.

李潇云. 2011. 北京市城市绿地对于大气的主要生态价值分析[J]. 甘肃科技, 27(22): 67-70.

吴海龙, 余新晓, 师忱, 等. 2012. PM2.5特征及森林植被对其调控研究进展[J]. 中国水土保持科学, 6: 116-122.

吴人韦. 2000. 支持城市生态建设：城市绿地系统规划专题研究[J]. 城市规划, 24(4): 31-33.

钟无涯, 颜玮. 2013. 城市经济发展与PM2.5关系探析[J]. 城市观察, (1): 169-174.

Correlation analysis between urbanization and particle pollution in Beijing

MO Li1, YU Xinxiao1*, ZHAO Yang2, SUN Fengbin1, MO Nan3, XIA Honglei4
1. College of Soil and Water Conservation, Beijing Forest University, Beijing 100083, China；2. China Institute of Water Resources and Hydropower Research, Beijing 100048, China; 3. School of Marine Science and Technology, Northwestern Polytechnical University, Xi’ an 710072, China；4. Hebei Yuanfuyuantong Engineering Project Management CO., LTD. Langfang 065000, China

Urbanization causes serious resources and environment problems especially air pollution which severely affects human health. Atmospheric particulate matters such as PM2.5are becoming to be the major atmospheric pollutant in large cities. The urbanization effect on the concentration of air particles is often stated in large scale regions but has rarely been studied in smalldistrict in detail. By analyzing the correlation between the concentrations of size-fractionated particles and varying degrees of urbanized areas, we studied the impact of urbanization to the concentrations of particulate matters such as PM2.5. Seven typical monitoring points were selected to monitor the concentrations of PM2.5and PM10in Beijing during four months continuously, from July to October, 2013. Resident population density, GDP and forest coverage were selected as urbanization indexes from Beijing Regional Statistical Yearbook. Data analysis method included the change trend analysis, the Pearson correlation analysis and the regression analysis. Due to the dissimilar degrees of urbanization in different regions of Beijing, the particulate matter pollution varies correspondingly. High PM2.5and PM10concentrations found to be closely related to each other, PM2.5was the main component of PM10. The particle concentrations were correlated to GDP and the rate of forest coverage, positively correlated with GDP, and negatively correlated with the rate of forest coverage. The particle concentrations were positively followed the developing trend of population density. The correlation coefficient of PM2.5and GDP is 0.875, and that of PM2.5and forest coverage is -0.838. The correlation coefficient of PM10and GDP is 0.947, and that of PM10and forest coverage is -0.775. Overall, the particle concentrations increase with the development of the urbanization. While the rapid development of China's urbanization, environmental and economic concerns should be coordinated. Adjusting industrial structures, increasing the green vegetation and controlling pollution sources will help reduce the pollution degree of particulate matters in Beijing and provide appropriate support and protection for China's urbanization process.

PM2.5; PM10; urbanization; population; GDP; forest coverage

X51

A

1674-5906（2014）05-0806-06

国家林业公益性行业科研专项（20130430104）

莫莉(1990年生)，女，硕士研究生，主要研究方向为水土保持、大气环境污染控制研究。E-mail：moli.7@163.com

*通信作者：余新晓。E-mail: yuxinxiao123@126.com

2014-03-24

莫莉，余新晓，赵阳，孙丰宾，莫楠，夏洪磊. 北京市区域城市化程度与颗粒物污染的相关性分析[J]. 生态环境学报, 2014, 23(5): 806-811.

MO Li, YU Xinxiao, ZHAO Yang, SUN Fengbin, MO Nan，XIA Honglei. Correlation analysis between urbanization and particle pollution in Beijing [J]. Ecology and Environmental Sciences, 2014, 23(5): 806-811.

我国现阶段城市中人口和工业快速聚集，城市化程度不断提升，这带来了严重的资源环境问题，尤其是空气污染问题。在近年来快速的城市化过程中，很多城市在面临城市规划、生产方式的选择等问题时，必然要考虑平衡经济发展与环境保护的问题，需将PM2.5等颗粒物的一系列空气质量问题考虑在内（钟无涯和颜玮，2013）。城市化程度对空气质量的影响在人类健康问题上得以体现（Lin等，2001）。大气颗粒物对人类健康的影响已经有目共睹，高浓度的气溶胶会提高人们的死亡率、呼吸道及心血管疾病的发病率（Samara和Voutsa，2005；Gilli等，2007；Mugica等，2009）。PM2.5是大气颗粒物的重要组成部分，而且由于PM2.5比粒径更大的颗粒在气象因素扰动、不同类型的大气环流的条件下更不易受影响，因此在大气中能够长期停留、并能够被远距离输运（Pateraki等，2012），从而对人体健康的危害更为严重（Leiva等，2013；Pope等，2006；Burnett等，2000）。在过去的十多年间，已有很多国内外研究学者对城市化程度与颗粒物污染二者之间的关系展开了研究，城市化与环境污染之间的关系受到多重因素影响。城市化会导致人口集聚，建筑业的加速发展和机动车的增加，这会导致空气质量的恶化；同时城市化又会带来产业聚集，实现治污减排的规模效应，缓解空气污染。PM2.5等颗粒物浓度的超标与城市化过程中由人类生活带来的影响和工业化发展带来的空气污染以及自然环境有较大关系（蒋洪强等，2012；Rijnders等，2001；杜雯翠和冯科，2013）。现有研究多数是对于多年来多地区的宏观研究，缺乏对于典型地区的研究分析。应用实测数据对典型地区的城市化程度

和颗粒物污染的相关性进行分析，能够将问题具体化，将有利于对具体问题提出有针对性的解决方法。