宋方旭， 孫希華， 王欣瑤， 徐發(fā)昭

(1.山東師范大學 地理與環(huán)境學院， 山東 濟南 250358；2.西北師范大學 地理與環(huán)境科學學院， 甘肅 蘭州 730070)

改革開放以來，我國經濟總量快速增長，但初期粗放的發(fā)展模式勢必會造成嚴重的環(huán)境污染問題，其中大氣污染尤為突出[1]。隨著2018年《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》的實施，我國的大氣污染狀況有所好轉，但仍面臨許多挑戰(zhàn)[2]，而大氣PM2.5的污染防治問題就是其重要內容之一。PM2.5作為主要的致癌物質之一，會嚴重影響人們的身體健康[3]，甚至影響社會的整體運轉[4]。因此，分析大氣PM2.5的污染濃度空間格局演化特征對促進城市可持續(xù)發(fā)展和加強大氣污染治理具有重要意義。

目前，國內外學者采用不同的方法，在不同視角和不同尺度上對PM2.5進行了研究。在研究尺度上，不同的學者在全球[5,6]、國家[7-9]、城市群[10,11]、單個城市[12,13]等尺度上進行了研究；在研究視角上，有關PM2.5的研究涉及時空變化特征[14,15]、影響因素[16-18]、化學成分[19,20]、健康風險[21,22]、擴散與輸送[23,24]、濃度反演[25,26]等方面；在研究方法上，標準差橢圓、空間自相關、局部空間自相關、地理探測器、變異函數法、正交經驗分解法等是研究PM2.5時空變化特征的常用方法。本研究將綜合各方法的優(yōu)缺點，選用標準差橢圓和局部空間自相關來分析PM2.5的時空變化，并使用地理探測器分析其濃度影響因素。

盡管有關PM2.5的研究已經十分豐富，但大部分研究都是以不連續(xù)的地面站點數據作為基礎數據，這便導致其數據精度易受站點地理位置及空間插值的影響。此外，針對人口、城市高密度聚集和工業(yè)發(fā)達的華北平原地區(qū)的研究較少，并且缺乏長時間序列的研究。因此，本研究擬運用遙感反演的PM2.5數據，對華北平原地區(qū)2000—2018年的PM2.5濃度的時空變化特征進行研究。

1 研究區(qū)域與數據源

1.1 研究區(qū)域

華北平原是中國第二大平原，位于黃河下游區(qū)域，西起太行山脈和豫西山地，東至黃海、渤海和山東丘陵，北起燕山山脈，西南至桐柏山和大別山，東南至蘇、皖北部，與長江中下游平原相連，跨越黃河、海河、淮河等流域，屬于溫帶季風氣候，四季變化明顯。華北平原是中國人口、城市聚集和工農業(yè)較為發(fā)達的地區(qū)，也是中國PM2.5污染較為嚴重的區(qū)域。本研究以華北平原涉及的北京市、天津市、山東省、河北省、河南省、安徽省、江蘇省作為研究區(qū)域，如圖1所示。

圖1 研究區(qū)域概況Fig.1 Overview of the study area

1.2 數據源

本研究以華北平原地區(qū)的兩市、五省作為研究對象，研究時段為2000—2018年，從中截取2000年、2006年、2012年、2018年四個時間斷面進行詳細分析。研究使用的PM2.5數據來自加拿大達爾豪斯大學大氣成分分析小組(Atmospheric Composition Analysis Group)提供的2000—2018年大氣PM2.5遙感反演數據集(V4.CH.03)，該數據集是以0.01°×0.01°的柵格數據為基準，在獲得每個柵格的PM2.5年均濃度數值后，再采用ArcGIS軟件中的分區(qū)統(tǒng)計功能獲得每個城市的PM2.5年均濃度值。

本研究的影響因素分為自然因素和社會經濟因素兩類。自然因素包括溫度(℃)、降水(mm)、風速(knots)，均采用平均值，數據來自中國氣象數據網提供的華北平原54個氣象站點2000—2018年的逐日氣象觀測資料。社會經濟因素主要選擇人均GDP(元/人)、人口密度(人/km2)、人均公園綠地面積(m2/人)、公共交通(輛)、城市建成區(qū)面積(km2)、工業(yè)用電(萬kW·h)、規(guī)模以上工業(yè)企業(yè)數量。以上數據均來自CEIC數據庫和《中國城市統(tǒng)計年鑒》，并以各地市的統(tǒng)計年鑒對部分缺失數據進行了插補。

2 研究方法

2.1 標準差橢圓

標準差橢圓(standard deviation ellipse， SDE)，是分析空間要素分布方向性特征的經典方法之一[27]。該方法可獲得橢圓的長短半軸長度、方位角、橢圓面積和中心位置等參數。橢圓空間分布范圍表示要素(本文為PM2.5濃度)在空間分布的主體區(qū)域，中心表示其分布的重心位置，長半軸表示其在主趨勢方向的分布特征，短半軸則表示其分布的離散化程度[28]。長半軸越長，表示其方向性分布越明顯；短半軸越長，說明其離散化程度越明顯。由于該公式較為復雜，此處不再贅述，詳情參見文獻[27]、[28]。

2.2 局部空間自相關

本文采用局部空間自相關進行空間自相關分析，局部空間自相關(local indicators of spatial association，LISA)指數可以反映某一區(qū)域單元的屬性值與其周圍單元同一屬性的相關程度[29]，可以識別變量的空間聚類和異常值情況。其聚集類型共有四類：HH(高高聚集)、LL(低低聚集)、HL(高低聚集)和LH(低高聚集)。常用的局部空間分析指標是莫蘭指數[30]，用以度量某空間單元的觀測值與其相鄰區(qū)域觀測值之間的空間相關程度，并識別其空間聚集類型。公式如下：

(1)

式中：n為研究區(qū)包含空間單元(本文為地級市)的數量；Zi與Zj分別表示空間單元i與j的PM2.5年均濃度的標準化值；wij為空間權重系數，若空間單元i與j存在空間鄰近關系，則wij=1，否則wij=0。

2.3 地理探測器

地理探測器是探測空間分異性并揭示其背后驅動因子的一種新的統(tǒng)計學方法[31]，其基本思想是：假設研究區(qū)分為若干子區(qū)域，如果子區(qū)域的方差之和小于區(qū)域總方差，則存在空間分異性；如果兩變量的空間分布趨于一致，則兩者存在統(tǒng)計關聯(lián)性。地理探測器共有四個子探測器，本文僅對因子探測器和交互探測器的結果進行分析。

因子探測器：探索Y的空間分異性，并探測因子X對Y空間分異的解釋程度[31]。用q值度量，其表達式為：

(2)

式中：h=1,2,3, …,L為變量Y或因子X的分層，本文中變量分為五類；Nh和N分別為層h和全區(qū)的單元數，本文中分別表示華北平原全地區(qū)單元數和每類中地級市的單元數；σh2和σ2分別是層h和全區(qū)的Y值的方差。

交互探測器：用來判斷不同影響因子之間的相互作用。兩個自變量之間交互作用的類型分為非線性減弱、單因子非線性減弱、雙因子增強、獨立、非線性增強。

3 PM2.5時空演變分析

3.1 PM2.5基本變化特征

為研究華北平原地區(qū)PM2.5濃度的時空變化特征，根據世界衛(wèi)生組織和中國《環(huán)境空氣質量標準》(GB 3095—2012)的PM2.5濃度限值，將華北平原地區(qū)的PM2.5年均濃度重新分為六類。最終獲得華北平原地區(qū)2000年、2006年、2012年、2018年的PM2.5濃度分布圖，如圖2所示。

由圖2可知，2000年，華北平原地區(qū)各城市的PM2.5濃度均未超過75 μg/m3，PM2.5濃度低于35 μg/m3的區(qū)域主要集中于山東半島(青島市、威海市和日照市等)、河北省北部(張家口市、承德市、保定市及秦皇島市等)、北京市、江蘇省東部(鹽城市、泰州市、南通市)，而河南省(三門峽市、洛陽市、濟源市除外)、安徽省中北部(合肥市、毫州市、宿州市等)及山東西部(棗莊市、菏澤市、聊城市等)等地區(qū)PM2.5濃度均超過50 μg/m3，形成了一整片的高污染區(qū)域。隨著經濟快速發(fā)展，2006年，華北平原地區(qū)污染程度明顯加重，華北平原各地市的PM2.5濃度均有不同程度的上升。由于河南省、河北省和山東省人口密集、能源需求量大，經濟發(fā)展更迅猛，故污染情況也更加嚴重。河南省中北部地區(qū)、河北省南部地區(qū)及山東省西部地區(qū)PM2.5濃度均超過了75 μg/m3，形成了嚴重污染區(qū)域，而PM2.5濃度小于35 μg/m3的地區(qū)僅剩河北的張家口市、承德市及山東的威海市。隨著國家對環(huán)境污染的不斷重視，到2012年，華北平原地區(qū)的PM2.5污染程度開始有所下降。2012年，PM2.5濃度在50～75μg/m3的城市仍有48個，但其中10個城市的PM2.5濃度相對于2006年是下降的；PM2.5濃度超過75μg/m3的城市主要集中于山東西部、河南北部及河北南部，與2006年相比，城市數量減少了33%?？梢?，2012年華北平原地區(qū)PM2.5污染情況雖仍然嚴重，但已有所改善。在2014年《大氣污染防治行動計劃》和2018年《藍天保衛(wèi)戰(zhàn)三年行動計劃》等一系列大氣污染防控措施實施后，華北平原地區(qū)的PM2.5污染得到了有效治理。2018年，整個華北平原地區(qū)的PM2.5濃度均小于75 μg/m3，而河北省的張家口市和承德市PM2.5濃度甚至低于15 μg/m3，但河南省大片地區(qū)依舊是連片的高污染區(qū)域。

圖2 2000—2018年華北平原地區(qū)PM2.5年均濃度分布特征Fig.2 Distribution characteristics of PM2.5 annual average concentration in North China Plain from 2000 to 2018

綜上，在空間分布上，華北平原地區(qū)PM2.5污染較為嚴重的區(qū)域主要集中分布于人口密集和經濟較發(fā)達的河南省、河北省南部及山東省西部，PM2.5濃度整體上呈現出西高東低、中部高南北低的空間分布特征；在時間分布上，華北平原地區(qū)PM2.5污染狀況呈現出先快速加重后逐漸改善的特征，這主要是由于人們的思想觀念由初期的經濟優(yōu)先發(fā)展逐步轉變?yōu)榭沙掷m(xù)發(fā)展，且國家對大氣污染治理越發(fā)重視所致。

3.2 標準差橢圓分析

基于標準差橢圓對2000年、2006年、2012年、2018年的PM2.5年均濃度進行分析，解釋華北平原地區(qū)PM2.5年均濃度時空分布的空間形態(tài)、中心性、方向性及延展性，詳細信息如表1和圖3所示。

表1 2000—2018年華北平原地區(qū)PM2.5年均濃度標準差橢圓參數Tab.1 Elliptic parameters of standard deviation of PM2.5 average annual concentration in NorthChina Plain from 2000 to 2018

圖3 2000-2018年華北平原地區(qū)PM2.5年均濃度標準差橢圓分析Fig.3 Ellipse analysis of standard deviation of PM2.5 average annual concentration in North China Plain from 2000 to 2018

從方位角及長短半軸長度來看，華北平原地區(qū)PM2.5濃度分布呈現出明顯的“西北-東南”方向分布格局。橢圓方位角由2000年的167.24°波動減少到2018年的166.13°，說明其PM2.5濃度空間分布格局正在向“正北-正南”方向緩慢偏移；2000—2018年，長半軸長度由465.46 km波動增長至474.39 km，說明華北平原地區(qū)PM2.5年均濃度在主方向上呈現出擴張態(tài)勢，而短半軸長度則先由2000年的351.53 km縮短為2006年的348.69 km，2012年又增加到350.27 km，隨后2018年又縮短至344.94 km，呈現“縮短-增加-再縮短”的變化過程。由此可知，2000—2018年，華北平原地區(qū)PM2.5濃度在地理空間上呈現出“聚集-擴散-聚集”的演變過程。

從標準差橢圓面積來看，橢圓面積先由2000年的51.40萬km2增加至2006年的51.99萬km2，后又略微減少至2012年的51.95萬km2，最終減少至2018年的51.41萬km2，體現了華北平原地區(qū)PM2.5污染范圍先擴大后減小的過程；從標準差橢圓的覆蓋范圍來看，其范圍主要包括河南省東部及北部、山東省西部、河北省南部、江蘇省及安徽省北部的部分地區(qū)，這些地區(qū)均是PM2.5污染較為嚴重的區(qū)域，也是未來PM2.5污染防治的主要對象。

從重心轉移情況來看，華北平原地區(qū)PM2.5濃度重心由2000年安徽省宿州市向北轉移至2006年山東省濟寧市境內，在2012年又向南轉移至江蘇省徐州市，隨后PM2.5濃度重心便保持在江蘇省徐州市境內。徐州市能源富集，是江蘇省唯一的煤炭產地，作為典型的資源型及老工業(yè)城市，產業(yè)結構不合理和初期粗放的經濟發(fā)展模式是其PM2.5污染嚴重的主要原因。

3.3 局部空間自相關分析

本研究采用莫蘭指數的局部空間自相關分析，分別得到2000年、2006年、2012年、2018年華北平原地區(qū)PM2.5年均濃度的聚集情況，如圖4所示。

由圖4可知，分析結果未出現HL(高低)和LH(低高)的聚集現象，說明PM2.5濃度分布具有明顯的分異性。2000年，華北平原地區(qū)HH(高高)聚集區(qū)域主要分布在河南省境內及其周邊城市(山東菏澤市、江蘇阜陽市)，而LL(低低)聚集區(qū)域主要分布在華北平原地區(qū)北部和東部的部分沿海城市(山東青島、江蘇鹽城等)；2006年，HH聚集區(qū)域明顯向北移動，河南省南部城市污染狀況減弱，而河北省南部及山東省西部的部分城市成為新的HH聚集區(qū)域，LL聚集區(qū)域分布位置基本不變，且在安徽省南部形成了一個新的LL聚集區(qū)域；2012年，位于HH聚集區(qū)域的城市較2006年減少了3個，HH聚集區(qū)域處于收縮狀態(tài)，而華北地區(qū)北部的北京市、秦皇島市重新加入了LL聚集區(qū)域；與2012年相比，2018年HH聚集區(qū)域的城市數目不變，但河南部分地區(qū)退出了HH聚集區(qū)域(鄭州、焦作、安陽市等)，而河南省東部、安徽省部分城市(宿州、淮北、毫州市)及江蘇省徐州市加入了HH聚集區(qū)域，HH聚集區(qū)域向華北平原地區(qū)的中心位置移動。

圖4 2000-2018年華北平原地區(qū)PM2.5年均濃度局部空間自相關分析結果Fig.4 Local spatial autocorrelation analysis of PM2.5 annual average concentration in North China Plain from 2000 to 2018

總之，華北平原地區(qū)的HH聚集區(qū)域主要分布于河南省、河北省南部、山東省西部的平原地帶，因為平原地帶是人口高度聚集及工業(yè)發(fā)達的區(qū)域，這些地區(qū)經濟發(fā)展速度普遍較快，能源與資源消耗量大、消耗速度快，故污染物排放量較多，而平原地區(qū)地勢開闊，沒有山脈阻擋，所以PM2.5的區(qū)域傳輸較為容易，易形成連片的污染區(qū)域，導致PM2.5污染問題較難治理；而LL聚集區(qū)域主要分布于東部沿海城市及華北平原北部，其分布主要受空間地理位置的影響，東部LL聚集區(qū)域的形成主要是由于海風的擴散作用及海水的吸附作用，北部LL聚集區(qū)域的形成則主要是由于北部山谷的狹管效應及南部太行山脈阻擋了PM2.5由南向北的傳播路徑，并且為了推動京津冀協(xié)同發(fā)展，張家口市和承德市犧牲了重工業(yè)的發(fā)展，轉而發(fā)展其旅游業(yè)，所以其本身的PM2.5排放量較少[32]。PM2.5濃度分布的異質性說明，華北平原地區(qū)的大氣污染具有區(qū)域性，因此，在制定PM2.5污染防治措施時，河南、河北及山東三省應該統(tǒng)籌兼顧、聯(lián)防聯(lián)控，因地制宜地制定統(tǒng)籌防治措施，周邊城市應在完善自身PM2.5防治措施的基礎上，防范由中心污染區(qū)域帶來的污染傳輸擴散危害。

3.4 華北平原地區(qū)PM2.5濃度影響因素分析

本研究以華北平原地區(qū)77個地級市行政區(qū)為研究單元，以2018年為時間斷面；考慮的自然和社會經濟因素共10個，分別為溫度(x1)、降水(x2)、風速(x3)、人均GDP(x4)、公共交通(x5)、人口密度(x6)、人均公園綠地面積(x7)、城市建成區(qū)面積(x8)、工業(yè)用電(x9)、規(guī)模以上工業(yè)企業(yè)數量(x10)。由于地理探測器處理的數據為離散化數據，因此在GeoDa軟件中采用K-means聚類方法將各因子離散化并分為5類，將聚類后的數據導入地理探測器中進行分析。

3.4.1因子探測結果

地理探測器中，因子探測器的結果是以q值來體現，q值越高，說明該因子對其因變量的影響程度越大。由因子探測器結果圖5可知，各因子的q值由大到小依次為降水(0.45)、人口密度(0.42)、人均公園綠地面積(0.30)、風速(0.26)、溫度(0.16)、人均GDP(0.09)、城市建成區(qū)面積(0.08)、規(guī)模以上工業(yè)企業(yè)數量(0.06)、工業(yè)用電(0.04)、公共交通(0.03)，其中降水、人口密度、人均公園綠地面積及風速對PM2.5濃度的解釋力較大。

圖5 PM2.5濃度影響因子的q值Fig.5 q values of each influencing factor of PM2.5 concentration

從自然影響因子來看，溫度、降水、風速的q值均大于0.15，故其對華北平原地區(qū)的PM2.5濃度影響較大。PM2.5作為一種大氣污染物，必然受到各種氣象因素的影響[33]。溫度通過對大氣環(huán)流產生影響，間接地對大氣中PM2.5的分布產生影響；降水對PM2.5等大氣污染物具有一定的清除作用，在降雨過程中，大氣中的PM2.5被大氣水成物清除并降落到地面；風在PM2.5擴散、傳輸的過程中起到了重要作用，風向和風速影響著PM2.5的傳輸方向和速度，對PM2.5的分布具有直接影響。

從社會經濟影響因子來看，人口密度和人均公園綠地面積對PM2.5的濃度有較大的解釋力，而其他因子的影響程度較小，公共交通和工業(yè)用電的q值甚至小于0.05。人口密度與PM2.5濃度有較高的相關性，該結果與李衡[34]、李光勤[35]等人的研究結論相符。人類在滿足自身需求時，必然會對環(huán)境造成污染，人口密度越高，人類對物質生活的需求就越大，進而給周邊環(huán)境造成的壓力也就越大，最終可能導致嚴重的環(huán)境污染。同時，人均公園綠地面積對PM2.5濃度的解釋力也較大。人均公園綠地面積代表城市內的植被覆蓋情況。植物可以覆蓋地表，減少PM2.5的來源，植物葉面可以吸附并捕獲PM2.5，起到滯塵作用，此外，高大的樹木還可以降低風速，促進PM2.5的沉降。綜上，植物對大氣中的PM2.5濃度具有一定的消減作用。

3.4.2交互探測結果

由交互探測器探測各因子的交互結果，如表2所示。探測結果表明，華北平原地區(qū)PM2.5濃度的影響因子之間的交互作用均為增強，任何兩種影響因子交互作用的q值均大于原本的單一因子的q值。其中，人均GDP和人口密度交互作用后的q值達到了0.75，對PM2.5濃度的影響程度最大，而溫度和降水交互作用后的q值為0.69，遠大于溫度因子的q值0.16；此外，相較于其他影響因子的交互作用，城市建成區(qū)面積與規(guī)模以上工業(yè)企業(yè)數量交互作用的q值最小，僅為0.15。

表2 PM2.5濃度影響因子的交互探測結果Tab.2 Interactive detection results of PM2.5 concentration influence factors

4 結論與討論

4.1 結 論

1) 由PM2.5濃度的時空分布格局及演化趨勢可知，華北平原地區(qū)的PM2.5濃度在2000—2006年間迅速增加，2012年后得到有效控制，到2018年，PM2.5濃度基本恢復到2000年的狀態(tài)。

2) 由標準差橢圓分析結果可知，PM2.5濃度的分布方向為“西北-東南”，并且正朝著“正北-正南”方向移動；PM2.5濃度的重心先向北方移動后又南移，并最終穩(wěn)定在徐州境內；由橢圓面積可知，PM2.5濃度的影響范圍是先增加后減少。

3) 由局部空間自相關分析結果可知，PM2.5大氣污染的分布具有明顯的地域性。HH聚集區(qū)域主要分布在山東、河南、河北三省的交界部分，而LL聚集區(qū)域主要分布于東部沿海地區(qū)及華北平原北部。

4) 由因子探測結果可知，降水、人口密度、人均公園綠地面積、風速4個因子對PM2.5濃度的解釋力(q值)較大；由交互探測結果可知，影響因子之間的交互作用均為增強。

4.2 建 議

目前，我國大氣污染尤其是PM2.5污染狀況雖整體上得到了控制，但在華北平原等經濟發(fā)達地區(qū)，其污染形勢仍非常嚴峻，嚴重的空氣污染事件仍時有發(fā)生。對于PM2.5的污染防治，河南、河北及山東三省既要統(tǒng)籌兼顧、聯(lián)防聯(lián)控，又要對癥下藥、因地制宜地制定污染防治措施；周邊污染較輕的城市應在完善自身PM2.5防治措施的基礎上，防范由中心污染區(qū)域帶來的污染傳輸擴散危害。此外，各級政府應積極響應黨中央提出的“要加快推動綠色低碳發(fā)展，持續(xù)改善環(huán)境質量，提升生態(tài)系統(tǒng)質量和穩(wěn)定性，全面提高資源利用效率”的要求，大力發(fā)展綠色低碳經濟，加快新舊動能轉換步伐，打好2021年“藍天保衛(wèi)戰(zhàn)”的收官之戰(zhàn)。

4.3 討 論

本文采用PM2.5濃度遙感反演數據，對2000—2018年華北平原地區(qū)PM2.5濃度的時空變化特征及其影響因素進行了研究，可在一定程度上為華北平原地區(qū)的大氣污染防治提供參考。但受研究數據及方法所限，本文未對短期內PM2.5濃度的時空特征進行分析，對其影響因素之間的交互作用機制也未深入研究。此外，本文還缺少對PM2.5濃度影響因子的綜合分析，這將是下一步研究的主要方向。