田秋莉， 楊玉蓮，3， 楊昆，3

(1.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，云南 昆明 650500；2.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明 650500； 3.云南師范大學(xué) 信息學(xué)院，云南 昆明 650500)

1 引 言

城市化和經(jīng)濟(jì)快速發(fā)展帶來了一系列環(huán)境問題，尤其是PM2.5(大氣中空氣動(dòng)力學(xué)當(dāng)量直徑≤2.5 μg/m3的顆粒物)，已經(jīng)成為影響生態(tài)、環(huán)境以及人類活動(dòng)[1-2]的重要污染物之一.研究表明長(zhǎng)期暴露在高濃度PM2.5環(huán)境下，會(huì)增加患癌的風(fēng)險(xiǎn)[3-4]，縮短人的壽命.因此，減少PM2.5污染刻不容緩.

長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)是中國(guó)八大經(jīng)濟(jì)區(qū)之一，包括湖北省、湖南省、江西省和安徽省四個(gè)省份，人口眾多且經(jīng)濟(jì)發(fā)達(dá)，是研究的熱點(diǎn)區(qū)域.近年來，很多學(xué)者進(jìn)行了PM2.5與能源消費(fèi)之間的研究，例如馬忠玉等人[5]利用地理加權(quán)回歸模型(GWR)考察了能源消費(fèi)等對(duì)PM2.5年均濃度影響的區(qū)域空間差異；徐藝武[6]研究了京津冀地區(qū)PM2.5濃度與能源消費(fèi)結(jié)構(gòu)的相關(guān)關(guān)系；趙吉林等人[7]通過1998-2015年省級(jí)面板數(shù)據(jù)分析了全國(guó)與區(qū)域?qū)用骒F霾污染和能源消費(fèi)等之間的關(guān)系；Jing C[8]采用平衡面板數(shù)據(jù)和計(jì)量經(jīng)濟(jì)學(xué)方法，研究了全球PM2.5濃度與能源消耗和能源強(qiáng)度等因素之間的關(guān)系.

研究分析了長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)1998-2016年年均PM2.5污染時(shí)空演化特征，探究了該區(qū)域年均PM2.5濃度值與不同類型能源消費(fèi)總量之間的灰色關(guān)聯(lián)關(guān)系.

2 數(shù)據(jù)來源與方法

2.1 數(shù)據(jù)來源與處理

年均PM2.5濃度遙感影像數(shù)據(jù)：采用美國(guó)國(guó)家航空航天局(NASA)發(fā)布的1998-2016年全球表面年均PM2.5濃度數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)(http://earthdata.nasa.gov)，該數(shù)據(jù)結(jié)合了來自中分辨率成像光譜儀(MODIS)、多角度成像光譜輻射計(jì)(MISR)和寬視場(chǎng)水色掃描儀(SeaWiFS)衛(wèi)星儀器的氣溶膠產(chǎn)品(AOD)，利用大氣化學(xué)傳輸模型(GEOS-Chem)和GWR方法反演得到全球年均PM2.5濃度，可用于大規(guī)模健康和環(huán)境研究，數(shù)據(jù)分辨率為0.01°.研究驗(yàn)證表明[9]，反演得到的PM2.5衛(wèi)星影像數(shù)據(jù)與實(shí)測(cè)PM2.5濃度值相關(guān)性較高(R2=0.817)，可應(yīng)用于環(huán)境研究.不同類型能源消費(fèi)總量數(shù)據(jù)：包括煤炭消費(fèi)總量(X1)、焦炭消費(fèi)總量(X2)、原油消費(fèi)總量(X3)、汽油消費(fèi)總量(X4)、煤油消費(fèi)總量(X5)、柴油消費(fèi)總量(X6)、燃料油消費(fèi)總量(X7)和電力消費(fèi)總量(X8)，數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局國(guó)家數(shù)據(jù)(http://data.stats.gov.cn/).

2.2 研究方法

2.2.1 Sen+Mann-Kendall趨勢(shì)分析

Sen趨勢(shì)度估算[10]是Sen在1968年提出的非參數(shù)檢驗(yàn)長(zhǎng)時(shí)序趨勢(shì)檢測(cè)方法，但本身不能對(duì)序列數(shù)據(jù)趨勢(shì)進(jìn)行顯著性判斷，因此常與Mann-Kendall[11-12]趨勢(shì)度檢驗(yàn)結(jié)合來判斷時(shí)序數(shù)據(jù)總體發(fā)展趨勢(shì).

(1)

xj和xi分別是j和i(j>i)的數(shù)據(jù)值，Median為取中值函數(shù).斜率β表示年均PM2.5濃度的平均變化率及發(fā)展趨勢(shì). 當(dāng)β>0時(shí)，PM2.5濃度變化呈上升趨勢(shì)；β<0時(shí)呈下降趨勢(shì).

Mann-Kendall趨勢(shì)檢驗(yàn)統(tǒng)計(jì)量S如下：

(2)

(3)

(4)

(5)

顯著性統(tǒng)計(jì)量S因n值的大小不同而不同，當(dāng)n<10時(shí)，用S進(jìn)行雙邊趨勢(shì)檢驗(yàn)；當(dāng)n≥10時(shí)，使用檢驗(yàn)統(tǒng)計(jì)量Z進(jìn)行趨勢(shì)檢驗(yàn).在給定顯著性水平α下，當(dāng)-Z1-α/2≤Z≤Z1-α/2時(shí)，趨勢(shì)變化不顯著；當(dāng)Z>Z1-α/2或Z<-Z1-α/2時(shí)，趨勢(shì)變化顯著.研究時(shí)間序列長(zhǎng)度為19，故采用檢驗(yàn)統(tǒng)計(jì)量Z來進(jìn)行趨勢(shì)檢驗(yàn)，當(dāng)取顯著水平α=0.05，Z1-α/2=Z0.975=1.96.即當(dāng)β>0，Z>1.96或Z<-1.96時(shí)序列呈顯著上升趨勢(shì)，當(dāng)β>0，-1.96≤Z≤1.96時(shí)序列呈上升趨勢(shì)但不顯著；同理當(dāng)β<0，Z>1.96或Z<-1.96時(shí)序列呈顯著下降趨勢(shì)，當(dāng)β<0，-1.96≤Z≤1.962時(shí)序列呈不顯著下降趨勢(shì).

2.2.2 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是應(yīng)用比較廣泛的多因素統(tǒng)計(jì)分析方法，由鄧聚龍首創(chuàng)[13-14].灰色關(guān)聯(lián)分析是對(duì)動(dòng)態(tài)過程發(fā)展態(tài)勢(shì)的量化分析.研究將長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值記為X0，不同類型能源消費(fèi)總量數(shù)據(jù)記為X1～X8.灰色關(guān)聯(lián)分析的表達(dá)式如下：

(6)

(7)

式中，k=1,2,…,m，i=0,1,2,…,n(m=19,i=8)，ρ為分辨系數(shù)，在(0,1)內(nèi)取值，ρ越小，關(guān)聯(lián)系數(shù)間差異越大，也即區(qū)分能力越強(qiáng)，顯著性越高，通常取ρ=0.5[15].

3 結(jié) 果

3.1 年均PM2.5濃度時(shí)空變化

圖1顯示1998-2016年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值最高出現(xiàn)在2007年，為45.71 μg/m3(是環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)規(guī)定的年均一級(jí)濃度限值(15 μg/m3)的3倍，是環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)規(guī)定的年均二級(jí)濃度限值(35 μg/m3)的1.3倍).安徽省在長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)中年均PM2.5濃度值最高，江西省年均PM2.5濃度值最低.安徽省年均PM2.5濃度值最高出現(xiàn)在2007年，為56.66 μg/m3，是當(dāng)年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值的1.3倍.江西省年均PM2.5濃度值最高也出現(xiàn)在2007年，為39.07 μg/m3，低于當(dāng)年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值.長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)各個(gè)省份年均PM2.5濃度值最高均出現(xiàn)在2007年，同年我國(guó)也發(fā)布了關(guān)于節(jié)能減排和遏制高能耗行業(yè)等一系列通知.

圖1 1998-2016年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值變化

Fig.1Annual average PM2.5concentration change in the comprehensive economic zone of the middle reaches of the Yangtze River in 1998-2016

圖2顯示了長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)1998年、2001年、2004年、2007年、2010年、2013年、2016年以及研究時(shí)段19年年均值PM2.5濃度空間分布.長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度高污染區(qū)域主要分布在安徽省和湖北省.2007年污染最嚴(yán)重，2007年后污染情況有所改善，但仍高于國(guó)家規(guī)定的年均二級(jí)濃度限值.年均PM2.5濃度區(qū)劃面積占比變化顯示，年均PM2.5濃度值小于15 μg/m3的區(qū)域面積最大值出現(xiàn)在2000年，面積占比為14.87%；年均PM2.5濃度值在25-35 μg/m3的區(qū)域面積最大值出現(xiàn)在1998年，面積占比為48.71%；年均PM2.5濃度值在35-50 μg/m3的區(qū)域面積最大值出現(xiàn)在2006年，面積占比為49.60%；年均PM2.5濃度值在50-70 μg/m3的區(qū)域面積最大值出現(xiàn)在2007年，面積占比為33.70%；年均PM2.5濃度值大于70 μg/m3的區(qū)域面積最大值出現(xiàn)在2007年，面積占比為2.48%.

圖2 長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度時(shí)空分布

Fig.2Spatial-temporal distribution of annual average PM2.5concentration in the comprehensive economic zone of the middle reaches of the Yangtze River

圖3 1998-2016年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度各區(qū)劃面積占比

Fig.3The average annual PM2.5concentration area ratio of the middle reaches of the Yangtze River Comprehensive Economic Zone from 1998 to 2016

3.2 年均PM2.5濃度變化趨勢(shì)分析

Sen趨勢(shì)度分析(圖4(a))和Mann-Kendall趨勢(shì)度檢驗(yàn)(圖4(b))結(jié)果顯示，β<0為研究時(shí)段內(nèi)年均PM2.5濃度變化呈下降趨勢(shì)，β>0為研究時(shí)段內(nèi)年均PM2.5濃度變化呈上升趨勢(shì).長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5變化呈下降趨勢(shì)的區(qū)域面積占總面積的0.35%，呈上升趨勢(shì)的區(qū)域面積占總面積的99.65%.Mann-Kendall檢驗(yàn)?zāi)昃鵓M2.5濃度變化趨勢(shì)顯著性情況，變化顯著的區(qū)域面積占總面積的40.23%，變化不顯著的區(qū)域面積占總面積的59.77%.綜合Sen+Mann-Kendall法趨勢(shì)(圖4(c))分析得出，研究時(shí)段內(nèi)長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度變化呈不顯著上升趨勢(shì)，區(qū)域面積占比為40.16%，主要分布在安徽省和湖北?。黄浯问浅曙@著上升趨勢(shì)，區(qū)域面積占比為0.08%，零星分布在安徽省、湖北省和江西省的接壤處；不存在年均PM2.5濃度呈顯著下降趨勢(shì)的情況；59.77%區(qū)域沒有通過Sen+Mann-Kendall趨勢(shì)分析檢驗(yàn)，表明這些區(qū)域在研究時(shí)段內(nèi)年均PM2.5濃度沒有明顯變化.

表1 Sen+Mann-Kendall法趨勢(shì)分析結(jié)果

圖4 Sen+Mann-Kendall法趨勢(shì)分析結(jié)果

3.3 不同類型能源消費(fèi)總量變化

長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)不同類型能源消費(fèi)總量變化如圖5所示，可以看出長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)能源消費(fèi)主要以煤炭為主，近乎指數(shù)增長(zhǎng)的煤炭消費(fèi)情況短時(shí)間內(nèi)不會(huì)改變.同時(shí)較明顯的是電力消費(fèi)總量呈逐年增加的態(tài)勢(shì).

圖5 1998-2016年長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)不同類型能源消費(fèi)總量變化

Fig.5Changes in the total energy consumption of different types in the comprehensive economic zone of the middle reaches of the Yangtze River from 1998 to 2016

3.4 灰色關(guān)聯(lián)分析

關(guān)聯(lián)度值在0-1之間，值越接近1，表明分析的二者之間發(fā)展趨勢(shì)越接近.長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5濃度值與不同類型能源消費(fèi)總量關(guān)聯(lián)度值均在0.5以上，說明與PM2.5的發(fā)展趨勢(shì)具有較高的一致性.湖北省與PM2.5濃度值關(guān)聯(lián)度最大的是焦炭消費(fèi)總量，長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)、安徽省、湖南省和江西省與PM2.5濃度值關(guān)聯(lián)度最大的都是原油消費(fèi)總量，揭示了焦炭和原油消費(fèi)總量與PM2.5濃度之間發(fā)展趨勢(shì)相近.故在治理長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)PM2.5污染過程中，應(yīng)著力控制炭類及油類產(chǎn)品的使用，加大清潔能源使用力度.

表2 年均PM2.5濃度值與不同類型能源消費(fèi)總量關(guān)聯(lián)度

4 結(jié) 論

(1)長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5時(shí)空演化特征：時(shí)間上，年均PM2.5濃度整體呈波動(dòng)緩慢上升趨勢(shì)，濃度值最高出現(xiàn)在2007年;空間上，PM2.5污染區(qū)域主要分布在安徽省和湖北省.

(2)長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)年均PM2.5趨勢(shì)分析：年均PM2.5濃度變化呈不顯著上升趨勢(shì)，區(qū)域面積所占比例為40.16%，主要分布在安徽省和湖北省.

(3)不同類型能源消費(fèi)總量變化：長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)能源消費(fèi)仍以煤炭為主，短時(shí)期內(nèi)這種情況不會(huì)改變.

(4)灰色關(guān)聯(lián)分析法結(jié)果表明：長(zhǎng)江中游綜合經(jīng)濟(jì)區(qū)與PM2.5濃度值關(guān)聯(lián)度最高的是原油消費(fèi)總量，其次是煤炭消費(fèi)總量.