李雪梅，許東明

(1.天津城建大學經濟與管理學院，天津 300384；2.天津城鎮(zhèn)化與新農村建設研究中心，天津300384；3.鹽城碧桂園房地產開發(fā)有限公司,江蘇 鹽城 224000)

隨著工業(yè)化、城市化進程的加快，空氣質量問題日益突出，其中細顆粒物PM2.5成為大氣環(huán)境首要污染物。PM2.5不但降低大氣能見度[1-4]，還對人體呼吸系統(tǒng)、心血管系統(tǒng)產生影響[5-6]。陳媛等[7]于2005年2月7日—2006年5月29日對北京市區(qū)大氣氣溶膠PM2.5污染特征、顆粒物溯源與追蹤進行分析，結果表明，PM2.5濃度最高值出現(xiàn)在4月，主要受沙塵天氣的影響，溫度、相對濕度、風速、降水和氣壓等是影響PM2.5污染程度的重要因素；趙普生等[8]于2009—2010年分季節(jié)對京津冀地區(qū)PM2.5進行采集，并分析其中的無機水溶性離子，進而研究京津冀區(qū)域氣溶膠中離子組分的污染特征，結果表明，北京、天津和石家莊市污染較重，年均質量濃度均超過100 μg·m-3，二次離子春夏兩季濃度較高，且夏季明顯高于其他季節(jié)；黃德生等[9]對京津冀地區(qū)控制PM2.5污染的健康效益評價結果表明，河北省總健康效益最大，北京、天津和石家莊等城市的健康改善和經濟效益最為顯著。目前研究多側重于以單個城市為對象分析PM2.5的溯源解析、污染特征[10]、成因[11]及健康評價等方面，關于空間分布及相關性研究較少。然而空氣具有流動性，大氣污染研究不應僅局限于單個城市，而是應考慮跨區(qū)域范圍內的相互影響[12-14]。因此，筆者以京津冀城市群為例，對跨區(qū)域范圍內PM2.5濃度的時空分布特征及其空間相關性進行分析，以期為跨區(qū)域范圍內大氣污染防治、實現(xiàn)京津冀區(qū)域協(xié)同發(fā)展提供研究依據(jù)。

1 研究區(qū)域、數(shù)據(jù)選擇與研究方法

1.1 研究區(qū)域

京津冀城市群位于北緯37°27′～42°40′，東經113°27′～119°50′，地處華北黃河下游以北地區(qū)，東傍渤海，屬于溫帶大陸性季風氣候區(qū)，土地面積約為18萬km2，占全國城市土地總面積的3.8%。受數(shù)據(jù)限制，研究選擇京津冀城市群中北京市、天津市以及河北省的8個地級市(石家莊、保定、唐山、廊坊、秦皇島、滄州、張家口、承德)共10個城市為研究對象。

1.2 數(shù)據(jù)選擇

收集2014年1月1日—2016年12月31日研究區(qū)域10個城市1 090 d的PM2.5濃度日值數(shù)據(jù)(數(shù)據(jù)來源于國家環(huán)境監(jiān)測總站日平均數(shù)據(jù))。計算研究區(qū)域PM2.5月優(yōu)良天數(shù)比例和月重度及嚴重污染天數(shù)比例，分析其變化規(guī)律，并選擇典型月份分析污染物在研究區(qū)域的空間分布規(guī)律，研究京津冀城市群各城市之間PM2.5濃度值的空間相關性。

1.3 研究方法

空間自相關是研究空間中某位置的觀測值與其相鄰位置的觀察值是否相關以及相關程度的一種空間數(shù)據(jù)分析方法[15]。空間自相關分析主要是研究不同地理位置上的事物相關性，包括全局空間自相關及局部空間自相關[16-17]?？臻g自相關通常通過Moran′sI指數(shù)進行檢驗，其中全局自相關Moran′sI指數(shù)反映空間鄰接或空間鄰近區(qū)域單元屬性值的相似程度[18]，可用來分析京津冀城市群各城市PM2.5濃度的空間關聯(lián)性，公式[19]為

(1)

(2)

(3)

式(1)～(3)中，I為Moran′sI指數(shù)值；n為地區(qū)數(shù)，即研究區(qū)域城市數(shù)；xi、xj表示區(qū)域i和區(qū)域j的觀測值；w為空間權重矩陣。I取值一般在[-1、1]之間，I>0，表示研究對象之間存在空間正相關，即空間上研究對象之間的取值高高相鄰；I<0，表示研究對象之間存在空間負相關，即空間上研究對象之間的取值分布存在高低相鄰的情況。需要說明的是，該研究中研究區(qū)域以城市為基本空間單元，多為不規(guī)則的面狀區(qū)域，各不規(guī)則單元之間的空間關系采用空間鄰接標準判定，即當區(qū)域j和區(qū)域i相鄰時，wij為1，否則為0[20]。

局部空間自相關Moran′sI指數(shù)用于反映研究區(qū)域一個城市PM2.5濃度與鄰近城市PM2.5濃度的相關程度，局部Moran′sI指數(shù)公式[21]為

(4)

式(4)中，Ii>0，表示高-高、低-低關聯(lián)，即高值被高值包圍，低值被低值包圍，屬于正空間關聯(lián)；Ii<0，表示低-高、高-低關聯(lián)，即低值被高值包圍，高值被低值包圍，屬于負空間關聯(lián)。

2 研究區(qū)2014—2016年典型月份PM2.5空間分布規(guī)律

分別計算2014—2016年PM2.5月優(yōu)良天數(shù)比例、月重度及嚴重污染天數(shù)比例，結果顯示，2014—2016年研究區(qū)域城市之間各年PM2.5月優(yōu)良天數(shù)比例與月重度及嚴重污染天數(shù)比例波動趨勢基本一致，其中PM2.5月優(yōu)良天數(shù)比例高值集中在5—9月， PM2.5月重度及嚴重污染天數(shù)比例高值集中在11—次年2月。因此分別選取每年6和12月作為典型月份進一步分析京津冀城市群PM2.5空間分布規(guī)律。

利用ArcGIS 10.2軟件分別編制2014、2015、2016年12月PM2.5月重度及嚴重污染天數(shù)比例空間分布表(表1)與6月PM2.5月優(yōu)良天數(shù)比例空間分布表(表2)。2014—2016年研究區(qū)PM2.5污染程度相同的城市相對集中，空間分布格局規(guī)律基本一致，均以石家莊、保定為中心向周邊城市由高到低遞減。月重度及嚴重污染天數(shù)比例最高地區(qū)為石家莊、保定、唐山，其次為北京、天津、廊坊、滄州，污染最輕地區(qū)為張家口、秦皇島、承德。2014—2016年PM2.5月優(yōu)良天數(shù)比例空間分布規(guī)律與月重度及嚴重污染天數(shù)比例空間分布規(guī)律一致，其中張家口、承德、秦皇島為月優(yōu)良天數(shù)比例最高地區(qū)，石家莊、保定、唐山為月優(yōu)良天數(shù)比例最低地區(qū)。

2014年12月研究區(qū)域PM2.5月重度及嚴重污染天數(shù)比例空間分布以保定(51.6%)為中心向周邊城市由高到低遞減，石家莊和廊坊次之，分別為29.0%和25.8%，唐山為22.6%，其余城市月重度及嚴重污染天數(shù)比例均低于19.4%。2015年12月PM2.5月重度及嚴重污染天數(shù)比例空間分布與2014年12月基本一致，保定污染最嚴重，達67.8%。由于2016年12月京津冀地區(qū)受氣候條件影響，污染物不易擴散，部分城市PM2.5月重度及嚴重污染天數(shù)比例比2015年高，其中石家莊、唐山空間分布變化最為顯著，分別由51.6%和41.9%上升至70.0%和45.0%。

2014年6月研究區(qū)域PM2.5月優(yōu)良天數(shù)比例空間分布以張家口、承德、秦皇島為中心向周邊城市由高到低遞減，承德和張家口月優(yōu)良天數(shù)比例分別為93.3%和100.0%，秦皇島次之，為86.7%，所有城市月優(yōu)良天數(shù)比例均超過56.7%。2015年6月PM2.5月優(yōu)良天數(shù)比例空間分布同樣以張家口、承德、秦皇島為中心向周邊城市由遞減，與2014年6月相比，北京、天津、保定月優(yōu)良天數(shù)比例的空間分布發(fā)生明顯變化。2016年6月PM2.5月優(yōu)良天數(shù)比例的空間分布較2015年6月呈明顯好轉趨勢，其中張家口月優(yōu)良天數(shù)比例最高，為100%，承德次之，為90.0%。

表12014—2016年PM2.5典型月份重度及嚴重污染天數(shù)比例

Table1Thespatialdistributionofsevereandseriousairpollutionday′sproportionoftypicalmonthsin2014-2016%

時間(年-月)北京天津石家莊保定廊坊唐山秦皇島滄州承德張家口2014-126.519.429.051.625.822.69.716.1002015-1238.738.751.667.851.641.912.951.63.202016-1235.538.770.061.345.245.016.145.200

表22014—2016年PM2.5典型月份優(yōu)良天數(shù)比例

Table2Thespatialdistributionoffineday′sproportionoftypicalmonthsin2014-2016%

時間(年-月)北京天津石家莊保定廊坊唐山秦皇島滄州承德張家口2014-0680.080.056.773.370.063.386.780.093.3100.02015-0663.370.066.763.370.066.793.376.786.793.32016-0670.073.386.773.383.363.393.393.390.0100.0

3 研究區(qū)PM2.5濃度空間自相關分析

3.1 PM2.5濃度全局空間自相關分析

利用Geoda 095i軟件生成一次鄰接規(guī)則權重矩陣，計算出全局空間自相關指數(shù)Moran′sI值，并采用蒙特卡羅模擬方法進行顯著性檢驗(表3)。

表32014—2016年典型月份PM2.5濃度的Moran′sI值

Table3CalculationresultsofPM2.5Moran′sIvalueintypicalmonthsof2014-2016

時間(年-月)Moran′sI值P值Z值2014-060.491 00.0271.953 62014-120.416 40.0241.863 02015-060.555 50.0222.329 52015-120.744 10.0012.895 22016-060.607 80.0212.405 92016-120.653 20.0052.695 0

表3表明，研究區(qū)域代表性月份的PM2.5濃度Moran′sI值均為正值，且均通過了顯著性水平為0.05的檢驗，表明這10個城市PM2.5濃度存在較為顯著的正向空間自相關性，也就是說京津冀城市群10個城市PM2.5濃度的空間分布不是完全隨機的，而是表現(xiàn)出空間聚集性。

研究區(qū)PM2.5全局Moran′sI散點圖見圖1。圖1顯示，大多數(shù)城市位于第1、第3象限，即通常的熱點和冷點區(qū)域，表現(xiàn)為空間相關，位于第1象限的高-高型城市數(shù)量多于或等于位于第3象限的低-低型城市數(shù)量，說明高值聚集地區(qū)數(shù)量高于低值聚集地區(qū)且分布廣，表明區(qū)域間聯(lián)防聯(lián)控是降低PM2.5濃度的必要措施。

其中保定、滄州、石家莊、廊坊和天津在研究期內冬季(12月)PM2.5濃度表現(xiàn)為高-高聚集，保定、滄州、石家莊、廊坊、天津和北京在研究期內夏季(6月)表現(xiàn)為高-高聚集，冬季與夏季城市群空間相關性分析結果基本一致，表明除去自然因素和冬季采暖等原因外，幾個城市相似的高能耗工業(yè)結構布局也是影響PM2.5濃度的重要因素。因此，在城市群內統(tǒng)籌工業(yè)布局、調整產業(yè)結構是降低PM2.5濃度的重要手段之一。

圖1 2014—2016年典型月份PM2.5濃度的Moran′s I值散點圖

3.2 PM2.5濃度局部空間自相關分析

局部空間自相關不僅可以衡量局部空間關聯(lián)性，還可以發(fā)現(xiàn)子區(qū)域或者是空間特征聚集區(qū)所在。局域空間自相關指標LISA用于反映一個區(qū)域單元上的某種地理現(xiàn)象或某一屬性值與鄰近單元上同一地理現(xiàn)象或屬性值的相關程度[22-23]。

利用Geoda 095i軟件生成LISA集聚圖(圖2)，用不同顏色表示不同的空間自相關類別。LISA集聚圖將研究單元分為4個部分：高-高相關、低-低相關、低-高相關和高-低相關，這些相關類型分布對應著Moran′sI散點圖的4個象限[24]。保定、廊坊、天津表現(xiàn)為高-高聚集，表明其PM2.5濃度和周邊城市的PM2.5濃度都較高；承德表現(xiàn)為低-低聚集，表明其PM2.5濃度和周邊城市的PM2.5濃度都較低；研究區(qū)低-高聚集不顯著，無高-低聚集。

4 結論

(1)對2014—2016年京津冀城市群10個城市PM2.5月平均濃度的分析表明，月優(yōu)良天數(shù)比例與月重度及嚴重污染天數(shù)比例波動趨勢基本一致，其中PM2.5月優(yōu)良天數(shù)比例較高集中在5—9月， PM2.5月重度及嚴重污染天數(shù)比例較高集中在11—次年2月。整體而言，2014—2016年研究區(qū)PM2.5污染程度相同的城市相對集中，空間分布格局規(guī)律基本一致，均以石家莊、保定為中心向周邊城市由高到低遞減。月重度及嚴重污染天數(shù)比例最高地區(qū)為石家莊、保定、唐山，其次為北京、天津、廊坊、滄州，污染最輕地區(qū)為張家口、秦皇島、承德。2014—2016年PM2.5月優(yōu)良天數(shù)比例空間分布規(guī)律與月重度及嚴重污染天數(shù)比例空間分布規(guī)律一致，其中張家口、承德、秦皇島為月優(yōu)良天數(shù)比例最高地區(qū)，石家莊、保定、唐山為月優(yōu)良天數(shù)比例最低地區(qū)。

圖2 LISA聚集圖

(2)研究區(qū)城市間PM2.5空間分布具有正相關性，呈空間聚集特征，高值聚集地區(qū)比低值聚集地區(qū)多且分布廣。保定、廊坊、天津PM2.5濃度和周邊城市PM2.5濃度都較高，呈高-高聚集；承德PM2.5濃度和周邊城市PM2.5濃度都較低，呈低-低聚集。

(3)研究區(qū)各城市PM2.5濃度空間分布的相關性分析結果表明，各城市空間地理位置相鄰，并受地形、風向等因素影響，造成空氣污染的區(qū)域關聯(lián)，因此注重區(qū)域協(xié)調、實現(xiàn)聯(lián)防連控是防治空氣污染、實現(xiàn)京津冀城市群協(xié)調發(fā)展的必然途徑。