張淑平,韓立建,周偉奇,*,李偉峰
1 中國科學院生態(tài)環(huán)境研究中心,城市與區(qū)域生態(tài)國家重點實驗室,北京 100085 2 中國科學院研究生院, 北京 100049
?
城市規(guī)模對大氣污染物NO2和PM2.5濃度的影響
張淑平1,2,韓立建1,周偉奇1,*,李偉峰1
1 中國科學院生態(tài)環(huán)境研究中心,城市與區(qū)域生態(tài)國家重點實驗室,北京100085 2 中國科學院研究生院, 北京100049
隨著我國城市的快速發(fā)展,城市的區(qū)域性大氣污染問題日益突出,尤其是大城市和超大城市的污染問題更加嚴重。那么城市規(guī)模的擴大是否必然導致空氣污染的加?。靠刂瞥鞘腥丝谝?guī)模是否是防治空氣污染的有效手段?這些問題成為空氣污染防治中政府、公眾和學者廣泛關注的焦點。采用2013年冬季全國114個重點城市兩種典型大氣污染物-NO2(傳統(tǒng))和PM2.5(新型)-濃度的實時監(jiān)測數(shù)據(jù),首先分析了這兩種大氣污染物的空間分布特征,進而定量分析城市人口規(guī)模和大氣污染物濃度的關系。結果顯示:(1)僅有21%的城市NO2濃度達到WHO的城市年均濃度標準(40μg/m3),全部城市的PM2.5濃度高于WHO年均濃度標準(10 μg/m3);(2)大氣污染物的空間分布具有顯著的集聚特征和區(qū)域性特征,表現(xiàn)為:NO2呈較為分散的空間分布,而PM2.5的空間分布呈現(xiàn)“北高南低、內(nèi)陸高沿海低”的特征。NO2濃度高的區(qū)域主要分布在天津、河北東南部和山東中部地區(qū),PM2.5濃度高的區(qū)域主要分布于河北西南部和山東西部;(3)常住人口規(guī)模同冬季NO2和PM2.5濃度呈倒“U”型關系;在1000到1200萬的城市冬季平均NO2和PM2.5濃度最高(NO2:69.28μg/m3,PM2.5:119.58μg/m3)。(4)總人口低于1200萬的城市,冬季NO2濃度和PM2.5濃度隨著城市規(guī)模增加而顯著升高(NO2:r=0.44,P<0.01; PM2.5:r=0.43,P<0.01);總人口高于1200萬的城市,NO2濃度同城市規(guī)模呈顯著負相關關系(r=0.91,P<0.05),PM2.5濃度隨城市規(guī)模增加逐漸降低。(5)常住人口密度在1000人/ km2以下的重點城市,NO2和PM2.5濃度同城市人口密度呈顯著正相關關系(NO2:r=0.23,P<0.05;PM2.5:r=0.36,P<0.01)。常住人口密度在1000人/km2以上的城市人口密度同NO2和PM2.5濃度呈顯著負相關關系(NO2:r=-0.61,P<0.05;PM2.5:r=0.63,P<0.01)。以上研究結果可以為劃定不同大氣污染物的重點防治區(qū)域和制定聯(lián)合防治行動計劃提供理論依據(jù),并為重點城市大氣污染治理和城市人口規(guī)??刂评碚撏晟铺峁﹨⒖?。
大氣污染;NO2;PM2.5;重點城市;空間格局;人口規(guī)模
改革開放以來,城市快速發(fā)展,不斷加劇的人為活動給環(huán)境和城市發(fā)展帶來諸多問題,尤其是近年來所凸顯的城市大氣污染問題。2013年1月中國爆發(fā)的大范圍灰霾污染過程,74個城市發(fā)生677d次的重度及以上空氣污染[1]。大范圍和高強度的大氣污染對中國各城市的生態(tài)環(huán)境和人群健康帶來了強烈的負面影響,僅京津冀地區(qū)2013年1月份就因嚴重的空氣污染超額死亡2725人[1]。此外,大氣污染對生態(tài)系統(tǒng)的時滯性影響,還有待研究。因此城市大氣污染問題因其危害的嚴重性、影響范圍的廣泛性和不可逃避性成為人們關注的焦點。
隨著我國大氣污染特征的轉變,一些學者[2-3]提出了區(qū)域性大氣污染是中國所面臨的主要大氣污染問題,但現(xiàn)行的環(huán)境管理制度無法滿足區(qū)域性大氣污染問題治理的要求,亟需完善區(qū)域性大氣污染聯(lián)防聯(lián)控機制,建立聯(lián)合防治行動計劃。因此,研究重點城市主要污染物區(qū)域特征,規(guī)劃重點防治區(qū)域,可為制定聯(lián)合防治行動計劃提供科學依據(jù)。此外,分析不同區(qū)域大氣污染的主要影響因素,還可為大氣污染治理提供更有針對性和高效的決策支持。
城市大氣污染的主要驅動因子是人口數(shù)量[3],雖然也受到氣候和地形等自然因素影響,但根據(jù)近幾年的研究結果,沙塵的排放量正在逐年減少[4],氣候和地形的影響比重也在降低,人為因素已成為污染物濃度的主要影響因素。尤其是在大尺度的大氣污染問題研究中,人類活動強度相比產(chǎn)業(yè)結構和能源消耗有著很強的代表性[5-6]。Lamsal[7]采用全球1505個城市的遙感反演NO2濃度數(shù)據(jù)和人口規(guī)模數(shù)據(jù),表明NO2濃度隨人口規(guī)模呈指數(shù)增加。Lijian[8]僅使用中國350個地級市的遙感反演PM2.5數(shù)據(jù)表明城市PM2.5濃度同人口規(guī)模有顯著的相關性。人口規(guī)模越大的城市因人為活動強度的增大排放大量的污染物,大氣污染程度也更加嚴重。王小魯[9]根據(jù)中國城市經(jīng)濟發(fā)展狀況和可持續(xù)發(fā)展需求,預測了2020年中國城市的規(guī)模分布。北京市社會科學院[10]組織研究人員依據(jù)水資源量構造出了北京適度人口規(guī)模的實證模型??梢?目前在進行城市人口容量界定時對大氣污染物濃度因素的考慮較少,主要研究的因素只有社會經(jīng)濟因素[11]和資源承載力因素[12]。本文收集了中國114個重點地級市的冬季NO2和PM2.5數(shù)據(jù)以及常住人口規(guī)模數(shù)據(jù),研究污染物濃度隨城市人口規(guī)模增加的變化關系,不但可為尋求城市大氣污染控制新途徑提供參考,還可為城市規(guī)劃理論的完善提供依據(jù)。
1.1數(shù)據(jù)及預處理
NO2和PM2.5分別是中國傳統(tǒng)光化學煙霧和新型灰霾大氣污染物的代表,作為中國兩種主要的空氣污染物,可較好表征城市地區(qū)大氣污染程度。受到燃煤供暖和大氣風場動力結構的影響,冬季目前是中國大氣污染最為嚴重的季節(jié)[13]。相比與一些學者使用的遙感數(shù)據(jù)[6]和實時發(fā)布數(shù)據(jù)具有時間連續(xù)性好、監(jiān)測范圍廣和接近人群暴露濃度等優(yōu)點[14]。在綜合考慮數(shù)據(jù)的可獲得性和時間序列完整性后,選取包含所有直轄市、省會城市、計劃單列市和“京津冀、長三角、珠三角”的所有地級城市的114個城市作為研究區(qū)。采用的NO2和PM2.5濃度數(shù)據(jù)為全國空氣質量實時發(fā)布平臺發(fā)布的2013年12月到2014年2月空氣質量數(shù)據(jù)。每個城市均有86d有數(shù)據(jù),4d無數(shù)據(jù),每個月平均有28d以上的數(shù)據(jù)。
城市常住人口數(shù)量是判斷城市人口規(guī)模的依據(jù),為了真實的判斷各城市實際居住人口數(shù)和避免不同人口計算方法帶來的誤差,本文直接采用各地級城市第六次人口普查數(shù)據(jù)中常住人口總量表征各城市的人口規(guī)模和人類活動強度,數(shù)據(jù)來源為《中國2010年人口普查分縣資料》。
1.2方法
為定量分析中國冬季114個重點城市濃度分布的空間格局和人口規(guī)模同污染物濃度之間的關系,在去除無數(shù)據(jù)的天數(shù)后,對每個城市冬季的日濃度數(shù)據(jù)求算數(shù)平均值即為冬季平均日濃度。然后依據(jù)冬季平均日濃度,繪制各重點城市冬季NO2和PM2.5濃度空間分布圖。從而直觀和科學地了解大氣污染物的區(qū)域分布特點。
接下來考慮到城市之間經(jīng)濟結構的相互作用會影響排放結構,以及大氣污染物在城市之間的物理傳輸會使大氣污染物濃度受到相鄰城市影響,因此,本文對重點城市的大氣區(qū)域污染進行聚類分析。GROUPING ANALYSIS工具是ArcGIS 10.1新開發(fā)的產(chǎn)品,它在進行聚類分析時能夠綜合分析城市與其周邊一定范圍內(nèi)其它城市污染物濃度與距離的相互關系,在城市生態(tài)學研究中有很大應用價值[15]。具體的操作過程為將NO2和PM2.5濃度分布矢量圖加載到GROUPING ANALYSIS工具中,選擇進行分類的屬性值、分類方法、距離算法等。然后該工具根據(jù)各城市的污染物濃度以及城市的污染物濃度和距離進行聚類分析。從而達到對城市大氣污染區(qū)域性特征量化的目的,得到中國各重點城市NO2和PM2.5污染區(qū)域分布圖。其中城市間距離計算采用K-nearest neighbors法,neighbor選擇數(shù)為8。
目前,國內(nèi)關于城市化對大氣污染物濃度影響的研究有很多,采用的方法有相關性、多元回歸、SEA空間計量以及協(xié)整檢驗[16]等。由于研究方法的不同結果也會有一些差異。相關性分析雖然在影響因素的定量化研究中應用有限,但是在定性研究中應用廣泛,且研究結果相對比較可靠。因此本文采用相關性分析來研究城市規(guī)模與污染物濃度的關系。
2.1全國冬季NO2和PM2.5空間分異特征
NO2是光化學煙霧的一種重要反應物,PM2.5濃度升高是霧霾的主要成因,因此NO2和PM2.5濃度升高以及兩者相互作用形成的復合污染是各重點城市面臨的突出大氣污染問題。NO2主要來源是汽車排放和工廠排放等人類活動有關,PM2.5濃度變化同化石燃料燃燒、交通排放和氣象條件有關??傊?人類活動(包括化石燃料燃燒)是形成大氣污染的根本原因,兩種污染物分布的差異主要是污染物排放源的不同和城市間人類活動強度的差異。
2.1.1全國冬季NO2污染水平空間分布特征
2013年冬季NO2濃度最低的城市是??谑?18μg/m3),最高的是邢臺市(93μg/m3),基于WHO的城市年均達標濃度(40μg/m3),僅有21%的城市達到標準。冬季NO2濃度超過66.49μg/m3的城市中有75%位于河北省西南部和山東省西部;處于54.54μg/m3和66.48μg/m3的城市中,有57.14%位于山東省西部和浙江省北部,因此冬季NO2濃度的空間分布具有明顯的區(qū)域特點(圖1)。
圖1 中國各重點城市冬季NO2濃度分布圖Fig.1 Mean concentration of NO2 in major cities of China during the winter of 2013
天津、河北東南部和山東中部地區(qū)是污染濃度最高的區(qū)域,各城市的平均濃度為76.5μg/m3。東北省會城市、京津冀北部和東南部、陜西和山西南部城市以及浙江地區(qū)、珠三角地區(qū)、長株潭地區(qū)的城市屬于一組(圖2)。該組區(qū)域包含了73個重點城市,是面積最大的一組,冬季NO2平均值達到52.45μg/m3。江蘇省大部分城市屬于另一組,NO2濃度比浙江地區(qū)和山東地區(qū)要低,成為中部沿海污染最低的峽谷區(qū)。珠三角的個別城市地區(qū)如河源、惠州以及福建的福州和泉州是中國沿海地區(qū)污染濃度較低的地區(qū)。拉薩、貴陽、玉溪等城市是污染濃度最低的一組。
圖2 中國各重點城市冬季NO2濃度聚類分析圖Fig.2 Results of group analysisonmeanNO2concentration in major cities of China during the winter of 2013
2.1.2全國PM2.5污染水平空間分布特征
參照WHO年均濃度標準(10μg/m3),所有重點城市冬季平均值均未達標。PM2.5濃度最低的是拉薩市,其濃度為26.99μg/m3。而濃度最高的邢臺市,達到242.78μg/m3,高出WHO年均達標濃度24倍。超出中國空氣質量年均濃度二級達標值(35μg/m3)的城市占到總城市數(shù)量的98.25%。冬季PM2.5濃度超過149.17μg/m3的城市中有58.33%位于河北省西南部和山東省西部地區(qū),33%位于陜西南部地區(qū);濃度介于109.55μg/m3和149.16μg/m3的城市中有94.74%位于河北省東部、山東中部和江蘇西部地區(qū);冬季PM2.5濃度處在80.91—109.54μg/m3中47.62%位于江蘇省和浙江省東部沿海地區(qū);珠三角城市群中有80%的城市冬季PM2.5濃度處在57.33—80.90μg/m3。2013年冬季各重點城市PM2.5濃度分布有明顯“北高南低,內(nèi)陸高沿海低”的特點(圖3)。
圖3 中國各重點城市2013年冬季PM2.5濃度圖Fig.3 Mean concentration of PM2.5 in major cities of China during the winter of 2013
污染濃度最高的是河北西南部和山東西部地區(qū),各城市冬季平均值為173.92μg/m3(圖4);接下來是陜西中部地區(qū),平均濃度達到153.11μg/m3;京津冀魯南部地區(qū)、江蘇地區(qū)和浙江部分城市處在第三級污染水平,冬季平均PM2.5濃度在86.87—156.63μg/m3;東北重點城市、河北省北部、山西省南部、山東省東部是中國北方污染相對最低的一組城市,平均冬季日PM2.5濃度仍是世界衛(wèi)生組織標準(10μg/m3)的8倍;最后,中國南方各重點城市冬季PM2.5濃度為66.03μg/m3,是全國污染水平最低的一組城市,且與北方城市在地域上存在明顯的分界。
圖4 中國各重點城市2013年冬季PM2.5濃度聚類分析圖Fig.4 Results of group analysis on mean PM2.5 concentration in major cities of China during the winter of 2013
2.2人口規(guī)模同大氣污染物濃度的關系
截止2010年中國常住人口總數(shù)為13.71億人,城鎮(zhèn)人口6.66億人,占總人口49.68%。拉薩市是人口最少的地級市,共55.94萬人。人口最多的是重慶市,共2884.62萬人。
2.2.1不同人口規(guī)模城市大氣污染物濃度
常住人口規(guī)模小于200萬人的城市冬季平均NO2濃度為42.14μg/m3;常住人口規(guī)模在400萬人到600萬人的城市冬季平均NO2濃度為48.69μg/m3;常住人口規(guī)模在800萬人到1000萬人的城市冬季平均NO2濃度為58.05μg/m3;常住人口規(guī)模在1000萬人到1200萬人的城市冬季平均NO2濃度為69.28μg/m3;人口規(guī)模大于1200萬人的城市冬季平均NO2濃度為55.38μg/m3。隨著人口規(guī)模的增加各城市冬季平均NO2濃度逐漸增加,但人口規(guī)模大于1200萬人的城市冬季平均NO2濃度低于人口規(guī)模在1000—1200萬人城市冬季平均NO2濃度(圖5)。常住人口規(guī)模小于200萬人的城市冬季平均PM2.5濃度為73.50μg/m3;常住人口規(guī)模在400萬人到600萬人的城市冬季平均PM2.5濃度為112.28μg/m3;常住人口規(guī)模在800萬人到1000萬人的城市冬季平均PM2.5濃度最高(119.58μg/m3);常住人口規(guī)模大于1200萬人的城市冬季平均PM2.5濃度為106.10μg/m3,低于人口規(guī)模在800萬人到1200萬人之間的兩組城市冬季平均PM2.5濃度(圖5)。
圖5 人口規(guī)模同大氣污染物濃度的關系Fig.5 Relationship between air pollutant concentration and the total population of permanent residents
圖6 人口規(guī)模同大氣污染物濃度的相關性Fig.6 Correlation between air pollutant concentration and the total population of permanent residents
2.2.2人口規(guī)模同大氣污染物濃度的相關性
常住人口總數(shù)在1200萬人以下的重點城市,NO2濃度同城市人口總數(shù)呈顯著正相關關系(圖6),相關系數(shù)r=0.44(P<0.01)。冬季PM2.5濃度同城市的人口規(guī)模也呈顯著正相關(PM2.5:r=0.43,P<0.01)。人口總數(shù)在1200萬人以上的大城市如北京、天津、上海、重慶等,人口規(guī)模同NO2濃度呈顯著負相關關系,相關系數(shù)為r=-0.91(P<0.05)。總人口數(shù)在1200萬人以上的城市人口規(guī)模同PM2.5濃度雖然無顯著負相關,但仍能從上圖中看出其相對下降的變化趨勢。
圖7 人口密度同大氣污染物濃度的相關性Fig.7 Correlation between air pollutant concentration and the population density of permanent residents
2.2.3人口密度同大氣污染物濃度的相關性
常住人口密度在1000人/ km2以下的重點城市,NO2濃度同城市人口密度呈顯著正相關關系(圖7),相關系數(shù)r=0.23(P<0.05)。冬季PM2.5濃度同城市的人口規(guī)模也呈顯著正相關(r=0.36,P<0.01)。常住人口密度在1000人/km2以上的城市人口密度同NO2濃度呈顯著負相關關系,相關系數(shù)為r=-0.61(P<0.01)。PM2.5濃度同人口密度也呈顯著負相關(r=0.63,P<0.01)。
冬季各重點城市污染物(尤其是PM2.5)濃度分布具有明顯的區(qū)域性特征。NO2和PM2.5的區(qū)域性分布既有差異性,又有相似性。NO2的重點防治區(qū)域為天津、河北東南部和山東中部地區(qū),所以應重點調(diào)整該地區(qū)產(chǎn)業(yè)結構,減少工業(yè)燃煤量和農(nóng)村用煤量[17];拉薩、貴陽、玉溪等城市污染濃度最低,主要是因為該區(qū)域經(jīng)濟發(fā)展水平和能源消耗相對較低[14]。PM2.5的重點防治區(qū)域為河北西南部和山東西部,積極推進大氣污染聯(lián)防聯(lián)控工作,重點控制燃煤、交通排放、工業(yè)排放[18- 20],完善區(qū)域空氣質量監(jiān)管體系,可以有效改善該地區(qū)的PM2.5污染;由于冬季供暖燃燒大量的煤,南方地區(qū)冬季PM2.5濃度明顯低于北方城市;另外,受到空氣濕度和降雨量影響,內(nèi)陸城市的PM2.5濃度高于沿海城市。河北省西南部和陜西省中部既是NO2濃度的高值區(qū)也是PM2.5濃度的高值區(qū),在該區(qū)域極易形成多種污染物復合污染的現(xiàn)象,需要進行重點監(jiān)測和治理。同時從以上結果看出,NO2和PM2.5兩種污染物的區(qū)域分布特點有一些差異,需要針對不同的污染物分別設立聯(lián)防聯(lián)控單元。大氣污染的聯(lián)防聯(lián)控相比屬地特征的環(huán)境管理制度是我國大氣污染治理的重大進步,而真正實現(xiàn)區(qū)域間的聯(lián)防聯(lián)控還需要進一步了解大氣污染物在區(qū)域間的遷移轉化規(guī)律以及不同控制措施的影響范圍問題??傊畬崿F(xiàn)區(qū)域大氣污染聯(lián)防聯(lián)控是環(huán)境工作者的一項艱巨但必須完成的任務。
城市人口規(guī)模的增大并不一定導致空氣質量的降低。通常情況下,人口規(guī)模的增加就意味著人類活動強度的增加和能源消耗的增加,城市地區(qū)的空氣質量也會隨之降低。從本文的研究結果來看,當人口規(guī)模小于1200萬人時城市污染物濃度隨城市規(guī)模的增加而升高,但當人口規(guī)模達到1200萬人以后,污染物的濃度反而隨之降低。該變化趨勢同20世紀90年代G·Grossman和A·Kureger[21]就提出的Kuznets曲線相似,隨著城市發(fā)展環(huán)境污染越來越嚴重,但當達到一定限值以后城市的發(fā)展反而能夠起到抑制污染的作用。這是因為大規(guī)模城市環(huán)保治理投入高,環(huán)保技術強且認識比較早,人口集約化程度高,通過嚴格約束企業(yè)工業(yè)排放,增加集中供暖、改善汽車排放、減少低空排放、基建施工、道路揚塵等措施,污染物濃度反而降低。而且大城市人口規(guī)模的增加有利于科學技術水平不斷提高和減少單位GDP工業(yè)污染排放強度,從而降低城市的大氣污染程度[22]。為不斷降低大氣污染水平,城市需要制定人口規(guī)劃,合理的人口規(guī)劃也可以有效的降低城市的大氣污染水平,但是盲目的人口規(guī)劃不僅起不到降低大氣污染物濃度的目的,甚至可能導致更嚴重的污染。大城市人口規(guī)模的增加能夠減少單位GDP工業(yè)污染排放強度[23],當前中國一味通過行政手段阻礙人口向大城市集聚的政策并不一定利于現(xiàn)實既定的減排目標。我國很大一部分中小城市的大氣污染程度仍隨人口規(guī)模增加而增加。如果這些中小城市不能及時進行產(chǎn)業(yè)結構調(diào)整、提高能源利用效率和加大環(huán)保投入,繼續(xù)走“先二產(chǎn)后三產(chǎn)”發(fā)展路線,就很有可能造成新一輪的污染危機。因此形成完整的城市發(fā)展與污染控制理論體系,使更多的城市能處在倒“U”形曲線的下降階段是我國進一步進行大氣污染防治的重要工作。
本文率先采用重點城市兩種典型大氣污染物-NO2(傳統(tǒng))和PM2.5(新型)-濃度的實時監(jiān)測數(shù)據(jù),分析了其空間分布特征,并進一步定量解析了城市人口規(guī)模和污染物濃度的關系。得到了以下主要結論:
(1)各重點城市冬季NO2和PM2.5濃度的空間分布具有明顯的區(qū)域特點。其中NO2的空間分布相對比較分散,PM2.5的空間分布有明顯的“北高南低、內(nèi)陸高沿海低”趨勢。
(2)總體上城市人口規(guī)模越大,冬季NO2和PM2.5濃度越高;然而總人口在1200萬人以上的城市,冬季NO2和PM2.5的濃度隨人口規(guī)模的增加而下降。
[1]張衍燊, 馬國霞, 於萬, 曹東. 2013年1月灰霾污染事件期間京津冀地區(qū)PM2.5污染的人體健康損害評估. 中華醫(yī)學雜志, 2013, 93(34): 2707- 2710.
[2]王金南, 寧淼, 孫亞梅. 區(qū)域大氣污染聯(lián)防聯(lián)控的理論與方法分析. 環(huán)境與可持續(xù)發(fā)展, 2012, 37(5): 5- 10.
[3]徐中民, 程國棟, 邱國玉. 可持續(xù)性評價的ImPACTS等式. 地理學報, 2005, 60(2): 198- 208.
[4]Zhu C W, Wang B, Qian W H. Why do dust storms decrease in northern China concurrently with the recent global warming? Geophysical Research Letters, 2008, 35(18): L18702.
[5]王立猛, 何康林. 基于STIRPAT模型的環(huán)境壓力空間差異分析——以能源消費為例. 環(huán)境科學學報, 2008, 28(5): 1032- 1037.
[6]Luís M A B, José L, Dirk H, Christian K, Geoffrey B W. Growth, innovation, scaling, and the pace of life in cities. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104(17): 7301- 7306.
[7]Lamsal L N, Martin R V, Parrish D, Krotkov N A. Scaling relationship for NO2pollution and urban population size: a satellite perspective. Environmental Science & Technology, 2013, 47(14): 7855- 7861.
[8]Han L J, Zhou W Q, Li W F, Li L. Impact of urbanization level on urban air quality: a case of fine particles (PM2.5) in Chinese cities. Environmental Pollution, 2014, 194: 163- 170.
[9]王小魯. 中國城市化路徑與城市規(guī)模的經(jīng)濟學分析. 經(jīng)濟研究, 2010, (10): 20- 33.
[10]北京社會科學院. 城市人口規(guī)模與容量的理論思考. 北京社會科學, 2000, (1): 23- 20.
[11]俞燕山. 我國城鎮(zhèn)的合理規(guī)模及其效率研究. 經(jīng)濟地理, 2000, 20(2): 84- 89.
[12]許文雯. 基于水環(huán)境容量的無錫市區(qū)城市規(guī)模預測研究[D]. 南京: 南京大學, 2012.
[13]何友江. 2002年我國城市大氣環(huán)境污染的區(qū)域性特征研究[D]. 南京: 南京信息工程大學, 2005.
[14]郭曉茆. 對我國大氣污染自動監(jiān)測系統(tǒng)建設的思考. 中國環(huán)境監(jiān)測, 1990, (2): 63- 66.
[15]Juan C D, Raúl R, Jordi S. Supervised regionalization methods: a survey. International Regional Science Review, 2007, 30(3): 195- 220.
[16]李達, 王春曉. 我國經(jīng)濟增長與大氣污染物排放的關系—基于分省面板數(shù)據(jù)的經(jīng)驗研究. 財經(jīng)科學, 2007, (2): 43- 50.
[17]稂小洛, 曹國良, 黃學敏. 中國區(qū)域氮氧化物排放清單. 環(huán)境與可持續(xù)發(fā)展, 2008, (6): 19- 22.
[18]田謐. 京津冀地區(qū)霾污染過程大氣PM2.5及前體物變化特征研究[D]. 北京: 北京化工大學, 2013.
[19]魏文秀. 河北省霾時空分布特征分析. 氣象, 2010, 36(3): 77- 82.
[20]楊凌霄. 濟南市大氣PM2.5污染特征、來源解析及其對能見度的影響[D]. 濟南: 山東大學, 2008.
[21]Gene M G, Alan B K. Economic growth and the environment. The Quarterly Journal of Economics, 1995, 110(2): 353- 377.
[22]John A L, Craig A G. The environmental Kuznets curve: does one size fit all? Ecological Economics, 1999, 31(3): 409- 423.
[23]陸銘, 馮皓. 集聚與減排: 城市規(guī)模差距影響工業(yè)污染強度的經(jīng)驗研究. 世界經(jīng)濟, 2014, (7): 86- 114.
Impact of urban population on concentrations of nitrogen dioxide (NO2) and fine particles (PM2.5) in China
ZHANG Shuping1,2, HAN Lijian1, ZHOU Weiqi1,*,LI Weifeng1
1StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China2UniversityofChineseAcademyofSciences,Beijing100049,China
With the accelerated urbanization, air pollution at different areas and ways to reduce it in the major cities of China has been a growing concern. Recently, research on setting the largest cutoff for the increase in population and promoting the development of small-scale cities may effectively reduce air pollution in cities. While these measurements still need validation, our research addressed this issue in cities at different scales. Additionally, NO2and PM2.5, which represent traditional photochemical smog and new-type haze, respectively, are taken as indicators of urban air quality. We selected the real-time ground-measured air pollutant records, which are closer to the actual exposure concentrations experienced by urban inhabitants as compared to other ways of obtaining air pollution records (e.g., modeling and remote sensing). We examined the spatial patterns of NO2and PM2.5concentrations in 114 major cities in China during the winter of 2013—2014 with the real-time monitoring records that have seldom been applied at the national scale in previous researches. Then, we examined the spatial pattern of the two air pollutants, and the relationship between urban population size and the concentrations of the two air pollutants. We found that (1) only 21% (23 cities) of the cities that have NO2concentration beyond the air quality guideline of World Health Organization (AQG of WHO; 40 μg/m3), and no city was found with PM2.5concentration within the AQG of WHO (10 μg/m3). (2) The spatial distributions of the two pollutants had distinct regional characteristics; compared with NO2, PM2.5distribution has a distinctive and clear pattern, i.e., the northern part has higher concentrations than the southern part, and the inland part is higher than the eastern coast of China. Special prevention and control measures against heavy NO2pollution should be taken at Tianjin, the southeast of Hebei and the middle of Shandong. On the other hand, special prevention and control should be taken against heavy PM2.5pollution at the southwest of Hebei and the west of Shandong. (3) An inverse “U” type relationship between air pollutants and urban population is observed. Cities with population between 10—12 million have the highest NO2and PM2.5concentration of 69.28μg/m3and 119.58μg/m3, respectively. (4) Significant positive correlations were obtained between the urban population and the concentrations of NO2(r=0.35,P<0.01), and PM2.5(r=0.39,P<0.05) for the cities with population less than 12 million. Moreover, in the cities with population more than 12 million, the size of urban population had a significantly negative correlation with the concentration of NO2(r=0.58,P<0.05) and PM2.5. (5). While the positive correlation of NO2and PM2.5with the population density is significant for cities with population density less than 1000 persons per square kilometer (NO2:r=0.23,P<0.05; PM2.5:r=0.36,P<0.01), the negative correlation of NO2and PM2.5with the population density is significant for cities with population density more than 1000 persons per square kilometer (NO2:r=-0.61,P<0.05; PM2.5:r=0.63,P<0.01). The results of this study have provided important insights on areas with “traditional” and “new-type" air pollutants as well as the design for joint prevention and control unit. It also provides a theoretical basis for the opinion that many effective measures, except limiting the population of cities, should be explored and adapted to control air pollution.
air pollution; NO2; PM2.5; major cities; spatial pattern; urban size
自然科學基金青年基金(41301199);中國科學院“一三五”重點培養(yǎng)項目(YSW2013B04)
2015- 02- 05;
2016- 03- 21
Corresponding author.E-mail: wzhou@rcees.ac.cn
10.5846/stxb201502050292
張淑平,韓立建,周偉奇,李偉峰.城市規(guī)模對大氣污染物NO2和PM2.5濃度的影響.生態(tài)學報,2016,36(16):5049- 5057.
Zhang S P, Han L J, Zhou W Q,Li W F.Impact of urban population on concentrations of nitrogen dioxide (NO2) and fine particles (PM2.5) in China.Acta Ecologica Sinica,2016,36(16):5049- 5057.