周敏丹, 匡耀求, 云國梁

1.中國科學(xué)院廣州地球化學(xué)研究所, 廣東 廣州 510640 2.暨南大學(xué)環(huán)境學(xué)院, 廣東 廣州 511486 3.中國科學(xué)院城市環(huán)境研究所, 福建 廈門 361021 4.中國科學(xué)院大學(xué), 北京 100049

大氣污染問題是全球氣候變化關(guān)注的重要問題，也是社會、經(jīng)濟(jì)、環(huán)境可持續(xù)發(fā)展亟待解決的主要問題. 作為大氣主要污染物之一，PM2.5是空氣動力學(xué)直徑小于2.5 μm的一種可吸入大氣顆粒物，在可見光范圍內(nèi)是無法被人類肉眼所見，并且其成分復(fù)雜，具有較強的吸附性，可攜帶微小塵埃、空氣中的有機物、重金屬甚至病毒等有毒有害物質(zhì)[1-2]. 高濃度PM2.5的聚集極有可能形成霧霾天氣，而霧霾天氣下大氣能見度與ρ(PM2.5)密切相關(guān)，其嚴(yán)重影響環(huán)境大氣質(zhì)量[3-4]. 人類長期暴露在霧霾天氣下也極易導(dǎo)致各種呼吸道疾病及心血管疾病，嚴(yán)重危害居民身體健康. 研究[5-6]表明，心血管、呼吸系統(tǒng)疾病的發(fā)病率與死亡率，以及總非意外死亡率的增加與短期暴露于高濃度PM2.5環(huán)境中密切相關(guān). 一項關(guān)于公眾對空氣污染風(fēng)險感知空間分布的全國性調(diào)查發(fā)現(xiàn)，45%的被調(diào)查者對目前的空氣質(zhì)量不滿意，其中，76%表示對空氣污染非常關(guān)注，86%表示非常擔(dān)心暴露在污染空氣中的有害后果[7]. 因此，正確理解ρ(PM2.5)變化的驅(qū)動機制及其與各影響因子之間的關(guān)系，進(jìn)一步改善空氣質(zhì)量以提高公眾對大氣環(huán)境的滿意度，對城市的空氣質(zhì)量改善尤其是PM2.5的研究和治理有重要現(xiàn)實意義.

20世紀(jì)90年代，美國和一些歐洲國家對PM2.5展開了大規(guī)模研究. 為了有效監(jiān)測PM2.5，美國于1997年7月最先對PM2.5的標(biāo)準(zhǔn)進(jìn)行規(guī)范并納入國際標(biāo)準(zhǔn)[8]. 我國對PM2.5研究起步較晚，2012年在GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》里首次對ρ(PM2.5)設(shè)定限值[9]. 2013年，我國許多地區(qū)多次出現(xiàn)嚴(yán)重霧霾天氣，受到公眾的廣泛關(guān)注. 近年來，國內(nèi)外許多學(xué)者對PM2.5開展了大量的研究并取得相關(guān)的成果，包括PM2.5的化學(xué)組分與來源解析[10-11]、時空特征與驅(qū)動因素分析[12-14]、空間格局與異質(zhì)性[15-17]、模型估算與預(yù)測等[18-20]，其中，關(guān)于PM2.5的驅(qū)動因素分析是PM2.5研究的重要內(nèi)容.

目前國內(nèi)外研究PM2.5影響因素所采用的方法主要包括相關(guān)分析[21-23]、多元回歸分析[24]、主成分分析[25-26]、灰色關(guān)聯(lián)分析[27-28]等，這些方法除了對數(shù)據(jù)具有限定條件外，都只是分析自變量對因變量的單一影響，難以揭示和分析空間差異狀況. 王勁峰等[29]提出的地理探測器方法是探測地理現(xiàn)象空間分異性及揭示其背后驅(qū)動因子的一種新的統(tǒng)計方法，具有以下優(yōu)勢：①對解釋變量或響應(yīng)變量不需要預(yù)設(shè)任何假定或限定；②不僅可以探測數(shù)值型數(shù)據(jù)也可以探測定性數(shù)據(jù)，對于順序量、比值量或間隔量，只要進(jìn)行適當(dāng)?shù)碾x散化，也可以利用地理探測器對其進(jìn)行統(tǒng)計分析；③可以探測兩因子交互作用對響應(yīng)變量的影響. 該研究基于自然因素數(shù)據(jù)和社會經(jīng)濟(jì)因素數(shù)據(jù)及ρ(PM2.5)數(shù)據(jù)，以2015年廣州市為例，采用地理探測器方法分析各影響因子與ρ(PM2.5)的關(guān)系，以及ρ(PM2.5)變化的影響機制，以期為正確認(rèn)識廣州市大氣污染和空氣質(zhì)量狀況提供理論分析基礎(chǔ)，為制定城市PM2.5污染控制以及空氣質(zhì)量改善策略方案提供參考依據(jù)與科學(xué)指導(dǎo).

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

圖1 2015年廣州市各影響因子分布情況Fig.1 Spatial distribution of the impact factors in the Guangzhou City in 2015

該研究討論的自然因素數(shù)據(jù)包括平均降水量、平均溫度、平均氣壓、平均相對濕度、平均風(fēng)速，均來源于中國氣象數(shù)據(jù)網(wǎng)(http:data.cma.cn)，此外還包括植被指數(shù)以表征研究時段內(nèi)地表植被覆蓋程度. 社會經(jīng)濟(jì)數(shù)據(jù)包括人口密度、國內(nèi)生產(chǎn)總值、工業(yè)總產(chǎn)值、人均公園綠地面積、公交車輛數(shù)等. 近40年來，我國致力于開發(fā)利用風(fēng)能、太陽能、核能等新能源來代替一次性能源，尋找煤炭的清潔高效利用方法，考慮到廣州市工業(yè)鍋爐(取暖)用煤以及生活用煤量與北方地區(qū)相比較少，煤炭主要用于發(fā)電，而電力消費量在一定程度上可以間接反映煤炭的消費量狀況，因此將電力消費量納入社會經(jīng)濟(jì)因素指標(biāo). 人口密度、國內(nèi)生產(chǎn)總值和植被指數(shù)數(shù)據(jù)均基于1 km空間分辨率的中國人口、國內(nèi)生產(chǎn)總值、植被指數(shù)空間公里網(wǎng)格數(shù)據(jù)集，數(shù)據(jù)來自中國科學(xué)院地理科學(xué)與資源環(huán)境研究所數(shù)據(jù)中心(http:www.resdc.cn)，其他社會經(jīng)濟(jì)數(shù)據(jù)來源于《廣東統(tǒng)計年鑒 2016》[30].ρ(PM2.5)數(shù)據(jù)來自于Atmospheric Composition Analysis Group公布共享的全球大氣ρ(PM2.5)數(shù)據(jù)(http:fizz.phys.dal.ca～atmosmartin?page_id=140). 因收集到的2015年數(shù)據(jù)較為完整，所以該研究基于2015年的所有數(shù)據(jù)集，利用ArcGIS 10.4軟件進(jìn)行空間插值以及格網(wǎng)化方法得到基于2 km×2 km各影響因子和ρ(PM2.5)格網(wǎng)柵格數(shù)據(jù). 圖1為2015年廣州市各影響因子空間分布情況.

1.2 研究方法

該研究采用地理探測器模型研究PM2.5背后的驅(qū)動機制及各影響因子對ρ(PM2.5)變化的影響程度，該模型是基于地理空間的層(strata)上空間差異分析提出的，分析不同解釋變量因素對響應(yīng)變量的影響，其原理是每個影響因子被分成不同的層或子區(qū)域，如果各因子所在的子區(qū)域的方差之和小于整個區(qū)域的方差，則存在空間分層的異質(zhì)性[29]. 其核心思想是如某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應(yīng)該具有相似性或一致性[31]. 地理探測器是根據(jù)變量在空間上的一致性，利用空間分異性探測驅(qū)動力影響的工具. 開發(fā)者基于上述原理和思想編制的免費實用軟件共享于網(wǎng)站(http:www.geodetector.org)[32].

因子探測是探測因變量Y的空間分異性及不同因子X對因變量Y的解釋力(Power of Determinant，PD)，也就是Y在各影響因子X的地理層上的空間異質(zhì)性以及影響因子X對因變量Y的解釋程度，用q度量，計算公式：

式中：q為衡量因子影響程度的指標(biāo)；N和Nh分別為總體和h層的樣本數(shù)，h=1，2，…L；σ2和σh2分別為整個研究區(qū)域和h層的方差.

生態(tài)探測是探測不同影響因子對因變量Y影響的顯著性，也就是比較不同影響因子如(X1和X2)對因變量Y屬性的空間分布或分異規(guī)律是否有顯著差異，也是用F檢驗來比較在一個地理層或子區(qū)域中一個影響因素的方差與另一個影響因素的方差.

交互探測是探測2個或2個以上影響因子共同作用對因變量Y的影響程度是否顯著大于或小于單一影響因子的獨自作用，以及這些影響因子對因變量Y的影響是否是獨立的. 由圖3可見，評估步驟首先是計算因子X1和X2的q值；然后將2個因子所在的地理層或子區(qū)域疊加得到新的層，也就是因子X1和X2交互后新的層(X1∩X2)；最后計算因子X1和X2交互作用的q值，并與X1和X2的q值分別比較判斷交互類型. 因子X1和X2之間的7種交互關(guān)系情況如表1所示.

圖2 地理探測器原理Fig.2 Principle of the geodetector

圖3 交互探測Fig.3 Interactive detection

表1 交互關(guān)系

注：PD(X1)、PD(X2)分別為X1、X2的q值；PD(X1∩X2)為X1與X2交互后的q值；Min[PD(X1), PD(X2)]為判斷X1與X2的q值的最小值；Max[PD(X1), PD(X2)]為判斷X1和X2的q值的最大值.

2 結(jié)果與分析

2.1 因子探測分析

利用因子探測器來確定各影響因子對ρ(PM2.5)變化的影響程度. 由圖4可見，所有影響因子的q值范圍為0.03～0.51，其影響程度大小依次為植被指數(shù)(0.51)>公交車輛數(shù)(0.46)>電力消費量(0.40)>人均公園綠地面積(0.39)>平均降水量(0.39)>平均氣壓(0.37)>工業(yè)總產(chǎn)值(0.34)>人口密度(0.32)>平均溫度(0.21)>國內(nèi)生產(chǎn)總值(0.19)>平均相對濕度(0.12)>平均風(fēng)速(0.03). 植被指數(shù)對ρ(PM2.5)的影響最大，說明在適宜的氣候條件下，高密度植被分布區(qū)與人類開發(fā)密集區(qū)在空間上存在此消彼長的關(guān)系，使得使空氣中ρ(PM2.5)減少；其次是公交車輛數(shù)，公交車輛排放的尾氣可能對ρ(PM2.5)變化有較大影響，近年來快速城市化使得廣州市公交車的數(shù)量不斷增多，尤其在早晚高峰期間排放的廢氣較多，廢氣中CO、NO2和NO會進(jìn)一步與PM2.5發(fā)生反應(yīng)形成二次污染；第三位是電力消費量，目前大部分城市均以火力發(fā)電為主，主要是利用煤炭等化學(xué)燃料生產(chǎn)電能，據(jù)相關(guān)電力行業(yè)數(shù)據(jù)統(tǒng)計，2015年煤電在廣東省電力來源的占比最大(約為62%)，因此電力消費量的增加間接說明煤炭消費量需求的增長，而煤炭燃燒所產(chǎn)生的大量SO2、NOx等有害氣體會加劇空氣污染，導(dǎo)致ρ(PM2.5)大幅度升高. 此外，人均公園綠地面積、平均降水量與工業(yè)總產(chǎn)值等對空氣中ρ(PM2.5)變化也有較大的影響.

圖4 2015年廣州市ρ(PM2.5)因子探測的q值Fig.4 The q statistic of factor detection on Guangzhou City′s ρ(PM2.5) in 2015

2.2 生態(tài)探測分析

利用生態(tài)探測器比較各影響因子對ρ(PM2.5)空間分布的影響是否存在顯著差異. 由表2可見：平均風(fēng)速與植被指數(shù)、國內(nèi)生產(chǎn)總值、人口密度、工業(yè)總產(chǎn)值、人均公園綠地面積、公交車輛數(shù)、電力消費量對ρ(PM2.5)空間分布的影響均存在顯著差異；植被指數(shù)與其他自然因素(如平均溫度、平均降水量、平均氣壓等)對ρ(PM2.5)空間分布的影響也均存在顯著差異，而與所有社會經(jīng)濟(jì)因素對ρ(PM2.5)空間分布的影響均不存在顯著差異；除植被指數(shù)外，公交車輛數(shù)與其他自然因素(如平均溫度、平均降水量、平均氣壓、平均相對濕度與平均風(fēng)速)及其他社會經(jīng)濟(jì)因素(如人口密度、國內(nèi)生產(chǎn)總值、人均公園綠地面積、電力消費量與工業(yè)總產(chǎn)值)對ρ(PM2.5)空間分布的影響均存在顯著差異；此外，工業(yè)總產(chǎn)值與人均公園綠地面積、公交車輛數(shù)、電力消費量對ρ(PM2.5)空間分布的影響也均存在顯著差異.

表2 2015年廣州市ρ(PM2.5)生態(tài)探測結(jié)果

注：F檢驗顯著水平性為0.05. Y表示存在顯著差異，N表示不存在顯著差異.

2.3 交互作用探測分析

交互探測器探測各影響因子交互后對ρ(PM2.5)空間分布的影響如表3所示. 由表3可見，任何兩種影響因子對ρ(PM2.5)變化的交互作用均大于單獨一種因子的獨立影響. 如平均降水量與平均氣壓交互后作用于ρ(PM2.5)變化的q值為0.76，對ρ(PM2.5)變化的影響作用最大，而平均降水量與所有社會經(jīng)濟(jì)因子交互后對ρ(PM2.5)變化的影響作用均顯著大于平均降水量的單獨作用(0.39). 另外，相比其他因子，平均風(fēng)速對ρ(PM2.5)變化的影響作用最小，只與植被指數(shù)的交互類型為雙線性加強，與其他影響因子交互后對ρ(PM2.5)變化的影響作用均為非線性協(xié)同. 相比與其他因子的交互作用，公交車輛數(shù)、電力消費量、人口密度、工業(yè)總產(chǎn)值、國內(nèi)生產(chǎn)總值與植被指數(shù)交互后，對ρ(PM2.5)變化影響的q值均顯著增大，分別為0.68、0.64、0.57、0.63、0.55. 其他影響因子如平均溫度、平均相對濕度、植被指數(shù)、工業(yè)總產(chǎn)值、電力消費量等因子之間交互后對ρ(PM2.5)變化的影響均顯著增強.

表3 2015年廣州市ρ(PM2.5)交互探測結(jié)果

3 討論

空氣污染的加劇在很大程度上與自然氣象條件、人為影響作用密切相關(guān)，科學(xué)可靠的探測方法是揭示ρ(PM2.5)影響因素和影響機理的關(guān)鍵. 該研究采用全新的地理探測器方法研究分析了各主要驅(qū)動因素對ρ(PM2.5)的影響機制，結(jié)果表明在所有影響因子中，植被指數(shù)、公交車輛數(shù)及電力消費量是對廣州市ρ(PM2.5)變化貢獻(xiàn)最大的3個影響因素. 其中，植被指數(shù)對ρ(PM2.5)變化的影響最顯著；社會經(jīng)濟(jì)因素中，公交車輛數(shù)、電力消費量、工業(yè)總產(chǎn)值對ρ(PM2.5)變化的影響較為顯著，這與前人研究結(jié)論一致. 如CHEN等[33]在研究社會經(jīng)濟(jì)因子對我國暴露于PM2.5中人口的影響時發(fā)現(xiàn)，城鎮(zhèn)化與工業(yè)總產(chǎn)值比重對ρ(PM2.5)變化的貢獻(xiàn)率最大；周曙東等[34]對京津冀地區(qū)2013—2014年ρ(PM2.5)的影響因素研究發(fā)現(xiàn)，一個地區(qū)煤炭消費量、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值、黃標(biāo)車保有量對該地區(qū)大氣污染物排放量均具有顯著影響；楊昆等[8]在研究2013年和2015年我國PM2.5污染與社會經(jīng)濟(jì)影響因素的關(guān)系時發(fā)現(xiàn)，ρ(PM2.5)與人均汽車保有量的平方成正比，與森林覆蓋率的平方成反比，人均汽車保有量對ρ(PM2.5)貢獻(xiàn)率最大，森林覆蓋率和人均私家車保有量對ρ(PM2.5)變化的影響最明顯，人均電力消費量對抑制ρ(PM2.5)有顯著影響. 因此，在制定大氣污染控制措施時，要進(jìn)一步提高城市植被覆蓋率，合理控制交通出行流量. 研究[35]表明，限制公共交通的流量，減少公共交通線路之間的重疊，同時更新車輛，可將一次空氣污染減少80%. 另外，在全國范圍內(nèi)大力推廣使用清潔能源發(fā)電，升級優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，對重污染行業(yè)實施清潔生產(chǎn)審核也可以在一定程度上緩解城市大氣污染問題.

自然因素方面，該研究發(fā)現(xiàn)平均降水量、平均氣壓對ρ(PM2.5)變化的影響作用最大，而平均風(fēng)速對ρ(PM2.5)變化的影響作用最小，但平均風(fēng)速與人為因素對ρ(PM2.5)變化的影響差異最顯著. 此外，平均降水量與ρ(PM2.5)變化呈顯著負(fù)相關(guān)，而平均氣壓、平均溫度、平均相對濕度及平均風(fēng)速與ρ(PM2.5)均呈顯著正相關(guān)，這與部分研究結(jié)論有所區(qū)別. 如盧文等[36]研究了2014—2016年影響南京市江北地區(qū)ρ(PM2.5)分布的氣象因素，發(fā)現(xiàn)ρ(PM2.5)與溫度、風(fēng)速呈負(fù)相關(guān)，與濕度呈正相關(guān). 肖雪等[37]探索氣象因子對2016年成都市ρ(PM2.5)變化的影響時發(fā)現(xiàn)，成都市ρ(PM2.5)與氣溫和風(fēng)速均呈顯著負(fù)相關(guān)，而與相對濕度的相關(guān)性不明顯. 張云偉等[38]通過現(xiàn)場觀測研究2015年西安市和平路街谷內(nèi)的ρ(PM2.5)日變化發(fā)現(xiàn)，ρ(PM2.5)與溫度、濕度有良好的相關(guān)性，其中ρ(PM2.5)與溫度、風(fēng)速呈負(fù)相關(guān)，而與濕度呈正相關(guān)性，靜風(fēng)天氣條件下，溫度變化是影響街谷內(nèi)ρ(PM2.5)擴散的主要因素. 綜上，不同時間尺度和空間尺度上，氣象因素(如溫度、濕度、降水量、相對濕度及風(fēng)速)對ρ(PM2.5)變化的影響存在時間與空間尺度效應(yīng)的差異. 相關(guān)研究[22,39]表明，影響ρ(PM2.5)的主要驅(qū)動因素是隨時間和區(qū)域變化而變化的，而氣象因子與ρ(PM2.5)的關(guān)系存在空間和季節(jié)性變化. 廣州市位于東南沿海地區(qū)，相比社會經(jīng)濟(jì)因素，氣象因素(如降水、溫度、氣壓、濕度)與ρ(PM2.5)變化的關(guān)系機制較復(fù)雜，因此，在研究影響大氣污染的氣象因素時，應(yīng)進(jìn)一步考慮時空尺度與地理區(qū)位，不能一概而論.

相比傳統(tǒng)因素分析方法，地理探測器方法不需要滿足任何前提假設(shè)條件，同時也不會存在多重共線性問題，也不需要進(jìn)行規(guī)范化處理，對于數(shù)值型數(shù)據(jù)、定性數(shù)據(jù)以及順序量、比值量或間隔量，地理探測器都可以對其進(jìn)行統(tǒng)計分析. 地理探測器的另一個獨特優(yōu)勢是探測影響因子與ρ(PM2.5)的關(guān)聯(lián)性，該關(guān)聯(lián)性既包括線性關(guān)系，也包括非線性關(guān)系[40]. 此外，地理探測器方法在探測ρ(PM2.5)變化的驅(qū)動機制、影響方向和強度以及空間分異方面更深入也更全面，既可探測單個影響因素對ρ(PM2.5)變化的影響差異，又能探測自然條件因素和人為活動因素交互作用對ρ(PM2.5)變化的影響是否顯著，并可與單一影響因子的單獨作用進(jìn)行比較. 近年來，人類在改造自然的過程中對自然的開發(fā)有時大大超過環(huán)境所能承載的極限，自然環(huán)境發(fā)生了很大的變化. 因此，研究城市環(huán)境變化的驅(qū)動影響因素時必須把人為影響因素考慮進(jìn)去，特別是要注意人類活動與自然生態(tài)因素交互作用的影響[41-43].

4 結(jié)論

a) 因子探測分析表明，自然因素中對2015年廣州市ρ(PM2.5)影響大小依次為植被指數(shù)、平均氣壓、平均溫度、平均相對濕度與平均風(fēng)速；社會經(jīng)濟(jì)因素中，對2015年廣州市ρ(PM2.5)影響大小依次為公交車輛數(shù)、電力消費量、人均公園綠地面積、工業(yè)總產(chǎn)值、人口密度與國內(nèi)生產(chǎn)總值. 其中，植被指數(shù)對ρ(PM2.5)影響最大，其次是公交車輛數(shù)，第三位是電力消費量.

b) 生態(tài)探測結(jié)果表明，植被指數(shù)與其他自然因素(如平均溫度、平均降水量、平均氣壓、平均相對濕度)對ρ(PM2.5)空間分布的影響作用均存在顯著差異，而植被指數(shù)與所有社會經(jīng)濟(jì)因素對ρ(PM2.5)空間分布的影響作用均不存在顯著差異. 除植被指數(shù)外，公交車輛數(shù)與其他自然因素(如平均溫度、平均降水量、平均氣壓、平均相對濕度與平均風(fēng)速)以及其他社會經(jīng)濟(jì)因素(如人口密度、國內(nèi)生產(chǎn)總值、人均公園綠地面積、電力消費量與工業(yè)總產(chǎn)值)對ρ(PM2.5)空間分布的影響均存在顯著差異.

c) 交互探測結(jié)果表明，自然因素與社會經(jīng)濟(jì)因素對ρ(PM2.5)變化的影響存在交互作用，任何兩種影響因子對ρ(PM2.5)變化的交互作用均大于單一影響因子對ρ(PM2.5)的獨立作用，其中，平均降水量與平均氣壓交互后對ρ(PM2.5)變化的影響作用最大，平均降水量與所有社會經(jīng)濟(jì)因素交互后對ρ(PM2.5)變化的影響作用顯著增強，其他影響因子如平均溫度、平均相對濕度、植被指數(shù)、工業(yè)總產(chǎn)值、電力消費量等因子之間交互后對ρ(PM2.5)變化的交互作用均顯著增強.