李雪健， 江 暢*， 樊 瑞， 徐 琪， 包雨鑫， 劉炳暉

(1.南京郵電大學地理與生物信息學院，江蘇南京 210023；2.中軟國際科技服務有限公司南京分公司，江蘇南京 210023)

?

基于空間統(tǒng)計的南京市霧霾影響因素分析

李雪健1， 江 暢1*， 樊 瑞2， 徐 琪1， 包雨鑫1， 劉炳暉1

(1.南京郵電大學地理與生物信息學院，江蘇南京 210023；2.中軟國際科技服務有限公司南京分公司，江蘇南京 210023)

[目的]定量研究霧霾的影響因素及其空間相關性。[方法]利用南京市MODIS氣溶膠產品、氣象數(shù)據以及社會經濟數(shù)據，結合空間統(tǒng)計方法和傳統(tǒng)統(tǒng)計方法對影響南京市霧霾的因素進行分析，利用Geoda分析氣溶膠光學厚度(AOD)數(shù)據的空間相關性，并利用SPSS軟件分析南京市霧霾的影響因素。[結果]空氣質量指數(shù)(AQI)與溫度、風力和濕度呈現(xiàn)顯著負相關，其中，與溫度、風力相關程度較大，與濕度相關程度較??；空氣質量與二氧化碳濃度、二氧化硫濃度、工業(yè)粉塵排放量和工業(yè)煙塵排放量呈顯著負相關；空氣質量與人口、第三產業(yè)總值呈顯著正相關，與汽車數(shù)量呈顯著負相關；4個季節(jié)的AOD分布均是顯著自相關的；在春夏季節(jié)，浦口區(qū)表現(xiàn)為高聚集，春季的棲霞區(qū)和夏季的雨花臺區(qū)表現(xiàn)為低高聚集；冬季，浦口區(qū)和棲霞區(qū)表現(xiàn)為高聚集；秋季，高聚集現(xiàn)象進一步擴散。[結論]空氣質量主要受氣候、空氣污染和環(huán)境污染的影響，有空間自相關的特點。

霧霾；影響因素；空間自相關；相關分析；回歸分析

空氣質量問題日益嚴重，霧霾在人類健康和社會生活方面的影響更加明顯，在我國沿海地區(qū)、北京、山西和天津等地區(qū)經常出現(xiàn)很嚴重的霧霾天氣。霧霾降低了能見度，嚴重影響道路的安全，可能導致重大交通事故。在人體健康方面，PM2.5顆粒表面能吸收大量的有毒、有害的物質，通過鼻呼吸進入肺部和血液，導致呼吸系統(tǒng)和心血管系統(tǒng)疾病，加重慢性疾病，引起人體免疫力的結構變化，危及人體健康[1]。大量的PM2.5顆粒的聚合會干擾太陽對地球的太陽輻射，對光合作用造成影響，降低農產品的輸出；霧霾中的二氧化硫氣體容易形成酸雨，危害土壤、河流和建筑物。

空氣污染物的聚集加特定的氣象條件形成了霧霾天氣。在相對濕度大且靜風的條件下，大氣對流比較少，此時大氣相對較為穩(wěn)定，污染物很難進行擴散，從而導致污染物濃度升高。秋冬季節(jié)，空氣濕度相對較大，更促進煙、灰塵等的增長，更容易產生霧霾。許多學者對霧霾進行了分析[2-5]，如曹偉華等[3]從不同角度對北京地區(qū)的霧霾時空特征進行分析；馮少榮等[4]采用2種不同統(tǒng)計方法對全國18個城市影響霧霾的因素進行分析，且對比了不同分析法的優(yōu)缺點。該研究利用南京市MODIS氣溶膠產品、氣象數(shù)據以及社會經濟數(shù)據，結合空間統(tǒng)計方法和傳統(tǒng)統(tǒng)計方法對影響南京市霧霾的因素進行分析，利用Geoda分析氣溶膠光學厚度(aerosol optical depth，AOD)數(shù)據的空間相關性，并利用SPSS軟件分析南京市霧霾的影響因素。

1 資料與方法

1.1 指標確定

1.1.1空氣質量指數(shù)?？諝赓|量指數(shù)(Air Quality Index，AQI)是定量描述空氣質量狀況的無量綱指數(shù)。AQI是將常規(guī)監(jiān)測的幾種空氣污染物濃度簡化成為單一的概念性指數(shù)值形式，分級別來指示空氣污染程度和空氣質量狀況，適合表示城市的短時間內的空氣質量狀況和一段事件內空氣污染物的變化特征。

1.1.2MODIS氣溶膠光學厚度產品。氣溶膠顆粒污染是影響大氣環(huán)境質量的重要污染物。氣溶膠光學厚度是指無云垂直氣柱中氣溶膠散射造成的消光程度，可以表示大氣的混濁程度，MODIS中的氣溶膠產品能夠直觀反映大氣情況、指示霧霾天氣[6]。因此，對氣溶膠進行大范圍、動態(tài)和實時監(jiān)測就顯得特別重要。該研究選用的MOD04_L2數(shù)據可用來獲取大氣氣溶膠光學特性和質量濃度。所使用的AOD數(shù)據空間分辨率為10 km×10 km，用灰度值來表示氣溶膠光學厚度的大小，灰度值是AOD實際值的1 000倍。

1.2 數(shù)據選取及數(shù)據來源對于南京市的空間自相關分析，選取2013年Terra MODIS AOD產品作為數(shù)據來源，下載自NASA官方網站。對于霧霾影響因素的分析，氣象條件選取2013年全年每日的AQI指數(shù)、溫度、濕度、風力和環(huán)境良好天數(shù)，來自南京市天氣預報網站，其中風力獲取的數(shù)據是等級的形式，在初步處理時取了風力等級的均值。社會條件分兩部分，對于環(huán)境污染方面，選取二氧化硫、二氧化氮、工業(yè)粉塵、工業(yè)煙塵、工業(yè)廢氣排放量和工業(yè)固體廢棄物；對于社會經濟方面，選取人口、汽車數(shù)量、第一產業(yè)總值、第二產業(yè)總值、第三產業(yè)總值和綠化覆蓋面積，來自于2005—2013年江蘇省統(tǒng)計局南京市年鑒。

1.3 分析方法研究AQI與氣象條件關系時，先從散點圖直觀地看出兩者之間的關系，然后求出它們的相關系數(shù)，定量得到它們之間的相關性。傳統(tǒng)的統(tǒng)計方法是使用最小二乘法對所要研究的影響因素進行分析，但在實際應用時，這種方法有很大的局限性，在此使用SPSS軟件里的向后方法，即先把所有變量都輸入，設置條件進行判斷，若檢驗未通過判斷的話就舍棄該變量?？臻g統(tǒng)計方法使用了MODIS的氣溶膠產品，計算氣溶膠厚度與AQI的相關系數(shù)，然后利用氣溶膠厚度代替AQI進行研究，研究中先建立權重矩陣，然后通過Moran’sI指數(shù)判斷是否存在全局自相關及其顯著性，存在的話再得到LISA聚集圖直觀地看出研究的因素在空間上的關系。

2 結果與分析

2.1 氣象條件對霧霾的影響

2.1.1溫度。從圖1可以看出，AQI指數(shù)較高時，溫度偏低，基本均為0～20 ℃。也就是說在夏天，霧霾很少發(fā)生，AQI指數(shù)也普遍偏低，空氣質量良好。計算相關系數(shù)(表1)發(fā)現(xiàn)，其置信度在α=0.01顯著水平上時，Kendall和Spearman 2種相關系數(shù)的溫度與AQI均為顯著相關，2個相關系數(shù)均是負值，可見AQI與溫度呈負相關。

2.1.2風力。風的大小往往決定了霧霾是否能夠聚集、擴散程度和霧霾持續(xù)時間，所以風力對于霧霾的影響是不可忽視的。從圖2可以看出，AQI指數(shù)較高(>200)時，風力均不是很大。也就是說強風天氣下，霧霾很少發(fā)生，AQI指數(shù)也普遍偏低，空氣質量良好。相關系數(shù)(表2)顯示，其置信度在α=0.01顯著水平上時，Kendall和Spearman 2種相關系數(shù)的風力與AQI均為顯著相關，2個相關系數(shù)均是負值，可見AQI與風力呈負相關。

表1 溫度與AQI的相關系數(shù)

圖2 風力與AQI散點圖

表2 風力與AQI相關系數(shù)

2.1.3相對濕度。從圖3可以看出，AQI指數(shù)較高時，相對濕度較大，普遍在60%以上。也就是說空氣較為干燥的天氣，霧霾很少發(fā)生，AQI指數(shù)也普遍偏低，空氣質量良好。相關系數(shù)(表3)顯示，其置信度在α=0.05顯著水平上時，Kendall和Spearman 2種相關系數(shù)的相對濕度與AQI均為顯著相關，2個相關系數(shù)均是負值，可見AQI與相對濕度呈負相關。

圖3 相對濕度與AQI散點圖

表3 濕度和AQI的相關系數(shù)

2.2 社會環(huán)境對霧霾的影響為更加細致地進行分析，筆者從環(huán)境污染和社會經濟發(fā)展2個角度出發(fā)，將選取的指標分為兩類。利用SPSS中回歸分析里的向后剔除法，首先將所有自變量全部納入模型中，建立模型，然后按照設置的條件進行判據，每次剔除一個方差分析中的F值最小的自變量，直到回歸方程中不再含有不符合判據的自變量為止。

2.2.1環(huán)境污染。分析時先將所有變量均輸入模型，第2步和第3步分別剔除了工業(yè)固體廢棄物和工業(yè)廢氣排量。剔除2個變量后，調整R2從0.852到0.943(表4)，說明通過2次剔除變量后，回歸方程的擬合度更好，最后應包含的變量只有二氧化硫、工業(yè)煙塵、工業(yè)粉塵和二氧化氮(表5)。從表5可以看出，各個因變量的系數(shù)均為負值，且均通過了顯著性檢驗，表明系數(shù)顯著。由此可見，環(huán)境良好天數(shù)與二氧化氮濃度、二氧化硫濃度、工業(yè)粉塵排放量和工業(yè)煙塵排放量呈顯著的負相關。因此，霧霾的形成和污染物的排放密不可分，特別是工業(yè)上的污染物排放，會對霧霾天氣形成產生重要影響。

表4 3個模型的擬合度

表5 影響因素的系數(shù)及顯著性檢驗

2.2.2社會經濟發(fā)展。在回歸分析的過程中首先將綠化覆蓋面積、人口、汽車數(shù)量、第二產業(yè)總值和第三產業(yè)總值輸入模型，剔除了第一產業(yè)總值，說明線性回歸中該變量與因變量環(huán)境良好天數(shù)無關；后面兩步分別剔除了綠化覆蓋面積和第二產業(yè)總值，得到剩余的變量為人口、汽車數(shù)量、第三產業(yè)總值。由表6可知，剔除了第一產業(yè)總值和綠化覆蓋面積2個變量，R2從0.854調整為0.622，經過2次剔除變量后，回歸方程的擬合度變低，但仍然大于0.5，該回歸方程還可以被接受。方程中人口和第三產業(yè)總值的系數(shù)為正值，汽車數(shù)量的系數(shù)為負值，且均通過了t檢驗(表7)。由此可見，環(huán)境良好天數(shù)與人口、第三產業(yè)總值呈正相關，與汽車數(shù)量呈負相關。隨著城市人口的增加、第三產業(yè)的發(fā)展，環(huán)境良好天數(shù)增多，但汽車數(shù)量的增加會導致環(huán)境良好天數(shù)減少。人口、第三產業(yè)總值和汽車數(shù)量的增加均代表著城市的發(fā)展，說明隨著南京城市規(guī)模的擴大、交通事業(yè)的發(fā)展和城市現(xiàn)代化步伐進程加快，人們也越來越注意空氣質量問題，但發(fā)展的同時汽車尾氣的排放也對空氣造成污染，形成霧霾天氣。

表6 3個模型的擬合度

2.3 基于AOD的AQI空間相關性分析

2.3.1AOD與AQI的相關性。由于在南京市各區(qū)的數(shù)據收集上遇到種種困難，在對南京市霧霾情況進行空間分析的過程中，在此選用MODIS數(shù)據產品中的AOD來指示和衡量霧霾指數(shù)，研究霧霾在地域分布上的空間關聯(lián)性。提取有效AOD值與AQI指數(shù)進行匹配后，從圖4可以看出二者之間是有相關性的，繼續(xù)進行線性回歸分析，調整R2為0.683，建立線性回歸方程的擬合度是可接受的。該方程通過了t檢驗，AQI與AOD呈顯著的正相關。由此可見，AOD與AQI關系密切，所以在研究霧霾的空間關聯(lián)性時，選取AOD數(shù)據代替AQI指數(shù)指示霧霾情況是有說明性的。

表7 影響因素的系數(shù)及顯著性檢驗

圖4 AOD與AQI散點圖

2.3.2霧霾的空間關聯(lián)性分析。

2.3.2.1 全局空間自相關分析。在對全年的數(shù)據進行處理時，選取春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12月—次年2月)進行空間自相關分析。從莫蘭散點圖(圖5)可以看出，春季、夏季、秋季和冬季AOD的分布均表現(xiàn)出較為明顯的正相關，全局空間自相關莫蘭指數(shù)分別為0.413 420、0.400 315、0.459 493、0.456 582，可見4個季節(jié)均存在空間自相關的。對其顯著性通過標準化統(tǒng)計量Z進行檢驗，結果顯示(表8)，4個季節(jié)的P值分別為0.027、0.011、0.020和0.016，均小于0.05?？梢?，4個季節(jié)的AOD分布均存在顯著的空間自相關。

表8 各季節(jié)AOD的莫蘭檢驗

2.3.2.2局部空間自相關分析。進一步探討AOD在每個空間位置的觀察值是否與其鄰近位置的觀察值具有相關性，在此選用LISA聚集圖來進行研究。由圖6可見，春季和夏季浦口區(qū)均出現(xiàn)高聚集現(xiàn)象，說明浦口區(qū)的AOD數(shù)值較高，且周邊相鄰的區(qū)域AOD值也較高；春季的棲霞區(qū)和夏季的雨花臺區(qū)出現(xiàn)低高聚集的現(xiàn)象，其本身的AOD值較低，而環(huán)繞其周邊的區(qū)域AOD值均較高。在霧霾高發(fā)的秋冬季節(jié)，仍然出現(xiàn)了高聚集現(xiàn)象。在冬季，浦口區(qū)依舊出現(xiàn)高聚集的現(xiàn)象，而在春季出現(xiàn)低高聚集現(xiàn)象的棲霞區(qū)則變成了高聚集現(xiàn)象，表示其自身AOD值增高，其周邊地區(qū)AOD值也高；而在秋季，高聚集現(xiàn)象進一步擴散，六合區(qū)、棲霞區(qū)和浦口區(qū)均出現(xiàn)高聚集現(xiàn)象，可見南京北部大片區(qū)域AOD值均處于較高水平，霧霾高發(fā)，空氣質量堪憂。

圖5 各季節(jié)AOD的莫蘭散點圖

注：a.春季；b.夏季；c.秋季；d.冬季。淺藍色代表低高聚集；深紅色代表高聚集。

3 小結

該研究從霧霾形成的氣象條件和影響霧霾的因素出發(fā)，先利用傳統(tǒng)統(tǒng)計的手段對影響霧霾的因素進行了研究，隨后又從MODIS的氣溶膠光學厚度(AOD)產品入手，分析了霧霾在空間上的關聯(lián)性。結果表明，在氣象因素方面，霧霾主要受風速、溫度、濕度等因素的影響。在風力較小、濕度較大的低溫情況下，大氣較為穩(wěn)定，懸浮在空氣中的顆粒物聚集在一起，大氣更容易出現(xiàn)分層的現(xiàn)象，易形成霧霾。在人為影響因素方面，隨著南京的城市發(fā)展，工業(yè)污染物的排放成為霧霾產生的主要原因。以煤炭、石油為燃料的工廠排放大量粉塵、煙塵以及空氣污染物加劇了霧霾現(xiàn)象。主城區(qū)交通發(fā)達的區(qū)域，由于交通流量大，排放尾氣多，容易形成短暫性霧霾，而人口密集度低的城郊更容易形成持續(xù)性霧霾。在空間分析方面，對霧霾的空間分析是通過MODIS的AOD產品實現(xiàn)的，對其與AQI指數(shù)的相關性進行了分析并建立回歸方程，得出二者之間存在線性關系，且霧霾存在顯著正的空間自相關。

霧霾對交通、人體健康和生態(tài)環(huán)境造成危害，頻繁的霧霾天氣嚴重影響了人們的生產生活。隨著霧霾情況的日益嚴峻，加強對霧霾的治理迫在眉睫。首先，要提高環(huán)境評價標準，將環(huán)境因素作為企業(yè)的評價標準之一。優(yōu)化產業(yè)結構，淘汰一些生產力低下卻造成高污染的企業(yè)，同時大力鼓勵使用清潔能源，控制煤化石燃料的使用，保證二氧化硫、顆粒物和氮氧化物的排放總量下降。另一方面，政府要加強空氣質量監(jiān)測和信息公布透明力度，進一步深入研究霧霾形成的影響因素，制訂有效的控制措施。結合地形和其他的自然環(huán)境，因地制宜采取合理有效的方法，專門觀測可能出現(xiàn)的主要大氣污染情況。在實時監(jiān)測的條件下更能夠直觀快速地分析出霧霾的影響因素，完善在極端不利氣象條件下大氣污染監(jiān)測系統(tǒng)，對制定霧霾天氣防治預警應急預案、出現(xiàn)霧霾天氣時有效啟動應急系統(tǒng)有突出作用。

[1] 李金嵐.論霧霾天氣的成因危害及防治措施[J].資源節(jié)約與環(huán)保，2013(10)：146.

[2] 于興娜,李新妹,登增然登,等.北京霧霾天氣期間氣溶膠光學特性[J].環(huán)境科學,2012,33(4):1057-1062.

[3] 曹偉華,李青春.北京地區(qū)霧霾氣候特征及影響因子分析[C]//中國災害防御協(xié)會風險分析專業(yè)委員會.風險分析和危機反應的創(chuàng)新理論和方法：中國災害防御協(xié)會風險分析專業(yè)委員會第五屆年會論文集.南京：中國災害防御協(xié)會風險分析專業(yè)委員會,2012:7.

[4] 馮少榮,馮康巍.基于統(tǒng)計分析方法的霧霾影響因素及治理措施[J].廈門大學學報(自然科學版),2015(1):114-121.

[5] 魏巍賢,馬喜立.能源結構調整與霧霾治理的最優(yōu)政策選擇[J].中國人口·資源與環(huán)境,2015(7):6-14.

[6] 黃健,李菲,鄧雪嬌,等.珠江三角洲城市地區(qū) MODIS 氣溶膠光學厚度產品的檢驗分析[J].熱帶氣象學報，2010(5):13-18.

Analysis on Influencing Factors of Haze in Nanjing City Based on Spatial Statistics

LI Xue-jian1,JIANG Chang1*,FAN Rui2et al (1.School of Geography and Biological Information,Nangjing University of Posts and Telecommunications,Nanjing,Jiangsu 210023;2.Nanjing Branch of Chinasoft International Science and Technology Service Co.,Ltd.,Nanjing,Jiangsu 210023)

[Objective] To quantitative study the haze influencing factors and its spatial correlation.[Method] MODIS aerosol product,meteorological data and socioeconomic data were used to analyze the haze influencing factors in Nanjing City by combining the spatial statistical method and traditional statistical method.Spatial correlation of AOD data were analyzed by Geoda analysis.And the haze influencing factors in Nanjing were analyzed by SPSS software.[Result] AQI showed significant negative correlation with temperature,wind power and humidity.Among them,temperature had relatively great correlation with wind power,but had relatively small correlation with humidity.Air quality showed significant negative correlation with carbon dioxide concentration,the concentration of sulfur dioxide,industrial dust emissions and industrial soot emissions,but had significant positive correlation with population and the total value of the tertiary industry.Air quality had negative correlation with the number of cars.AOD distributions in four seasons were significant autocorrelation.In spring and summer,Pukou District showed high aggregation,Qixia District in spring and Yuhuatai District in summer showed low-high aggregation.In winter,Pukou and Qixia showed high aggregation.In autumn,high aggregation further spread.[Conclusion] Air quality is mainly affected by climate,air pollution and environmental pollution,and has the characteristics of spatial autocorrelation.

Haze; Influencing factors; Spatial autocorrelation; Correlation analysis; Regression analysis

南京郵電大學教學改革重點招標課題項目(JG03212JX02，JG03212JX07)；南京郵電大學科研項目(NY215181)；南京郵電大學大學生創(chuàng)新創(chuàng)業(yè)訓練計劃STITP項目(XYB2016269)。

李雪健(1997- )，男，山西運城人，本科生，專業(yè)：測繪工程。*通訊作者，講師，從事遙感信息的處理與應用研究。

2016-08-29

S 16

A

0517-6611(2016)30-0160-05