張良玉,李興陽,王志超,魏麗欣,徐志清

(1.保定市氣象局，河北 保定 071000；2.天津市靜海區(qū)氣象局,天津 301600)

引 言

京津冀地區(qū)作為中國的“首都圈”，是中國霧霾最嚴重的區(qū)域[1-2]?？諝馕廴境梢驈碗s，同一時間和地點空氣污染物濃度受到許多因素影響[3]。PM2.5指環(huán)境空氣中空氣動力學當量直徑小于等于2.5μm的顆粒物[4]，作為京津冀地區(qū)首要污染物[5-6]，與較粗的大氣顆粒物相比，PM2.5粒徑小，面積廣，活性強，易附帶有毒、有害物質，且在大氣中的停留時間長、輸送距離遠[7-8]，因而對身體健康[9-10]和空氣質量影響很大[11-12]。地理學第一定律指出，地物之間的相關性與距離有關，一般來說，距離越近，地物間相關性越大；距離越遠，地物間相異性越大[13]。Moran’s I指數(shù)通常是用來度量空間自相關的一個重要指標，分為全局和局部空間自相關，王振波等[14]和潘竟虎等[15]利用該方法分析了中國城市PM2.5濃度呈現(xiàn)顯著的空間分異與集聚特征，京津冀地區(qū)是污染的核心區(qū)；游康云等[16]和昌晶亮等[17]，分別研究了浙江省和珠江三角地區(qū)PM2.5濃度空間自相關，均表明PM2.5濃度空間集聚效應顯著，存在H-H、L-L集聚區(qū)。前人研究以地市區(qū)域為主[18～21]，本文選取以縣(區(qū))域站點環(huán)境監(jiān)測數(shù)據，基于Moran’s I指數(shù)，研究該地區(qū)大氣污染物濃度的時空分布和空間相關性，對區(qū)域經濟和環(huán)境發(fā)展、人體健康及區(qū)域和諧發(fā)展有一定的指導意義。

1 數(shù)據來源

選取京津冀地區(qū)2014—2018年北京、天津和河北11個地級市及京津冀區(qū)域內163個縣(市、區(qū))共176個PM2.5環(huán)境監(jiān)測站點數(shù)據(圖1)。為了保證監(jiān)測數(shù)據的準確性、連續(xù)性和完整性，確保全面、客觀地反映監(jiān)測結果，根據GB 3095-2012中數(shù)據統(tǒng)計的有效性規(guī)定，對不符合數(shù)據有效性最低要求的值進行了剔除與整理。

圖1 京津冀地區(qū)地形及環(huán)境監(jiān)測站點分布圖Fig.1 Distribution of terrain and environmental monitoring sites in the Beijing-Tianjin-Hebei region

2 數(shù)據處理

2.1 全局Moran’s I指數(shù)

對于Moran’s I指數(shù)而言，若n代表某一變量的樣本總數(shù)，xi為空間位置或空間單位i處的變量觀測值，則該變量的全局Moran’s I指數(shù)如下：

(1)

式中，xi為區(qū)域i的觀測值；Wij為空間權重矩陣。Moran’s I指數(shù)的值域位于[-1，1]之間，小于0表示負相關，大于0表示正相關，等于0則表示研究區(qū)內的各空間對象單元彼此之間相互獨立。I值越接近1，表明研究對象的某屬性在空間分布上呈現(xiàn)出的集聚效應越顯著；I值越接近-1，則表明研究對象的某屬性在空間分布上呈現(xiàn)出的趨異性越顯著。

2.2 局部Moran’s I指數(shù)

局部Moran’s I指數(shù)用來衡量區(qū)域內是否存在高值或低值的局域空間集聚以及對全局空間自相關的貢獻大小，Ii為某區(qū)域i的局部Moran’s I指數(shù)，具體公式如下：

(2)

3 結果分析

3.1 2014～2018年京津冀地區(qū)PM2.5濃度區(qū)域變化特征

根據環(huán)境空氣質量指數(shù)(AQI)技術規(guī)定，將PM2.5濃度值(單位為μg/m3)劃分為5個等級，優(yōu)0～35，良36～75，輕度污染76～115，中度污染116～150，重度污染151～250，以此為標準研究PM2.5濃度2014～2018年時空變化特征。

利用單一指標PM2.5濃度值變化來評定京津冀空氣質量，2014～2018年京津冀地區(qū)PM2.5濃度污染呈下降趨勢(如圖2)，空間分布變化明顯。2014年PM2.5污染空間分布為“良、輕度和中度”，約各占京津冀地區(qū)面積的1/3，其中張家口、承德、秦皇島北部地區(qū)空氣質量以良為主，張家口部分地區(qū)達到優(yōu)；北京、天津、秦皇島、唐山、廊坊、滄州、衡水的大部分地區(qū)以輕度污染為主；石家莊、保定、邢臺、邯鄲大部分地區(qū)以中度污染為主，5個縣(區(qū))達到重度污染。2015年空氣質量以良、輕度污染為主，無重度污染地區(qū)，石家莊、保定、邢臺、邯鄲、衡水的部分地區(qū)出現(xiàn)了中度污染；2016年空氣質量達到良的地區(qū)進一步增加，石家莊、衡水的部分地區(qū)出現(xiàn)了中度污染；2017～2018年空氣質量以良為主，無中度污染程度以上地區(qū)，主要在石家莊、邯鄲、邢臺和唐山的部分地區(qū)出現(xiàn)了輕度污染水平。京津冀地區(qū)通過對污染排放加大管控，空氣質量得到進一步改善，但與PM2.5年平均濃度限值二級標準35 μg/m3還有很大差距。

圖2 2014～2018年京津冀地區(qū)PM2.5濃度分布圖Fig.2 PM2.5 concentration distribution in Beijing-Tianjin-Hebei region from 2014 to 2018

3.2 2014～2018年京津冀地區(qū)PM2.5濃度值分散特征

箱形圖是一種用作顯示一組數(shù)據分散情況資料的統(tǒng)計圖。利用GEODA軟件，制作2014～2018年京津冀地區(qū)各站點年平均PM2.5濃度變化箱形圖，得到該地區(qū)歷年最小值、最大值、下四分位數(shù)(第25百分位數(shù)Q1)、中位數(shù)(第50百分位數(shù))、上四分位數(shù)(第75百分位數(shù)Q3)、四分位數(shù)間距(IQR=Q3-Q1)、平均值及標準差，分析各站點2014～2018年PM2.5濃度值分散變化情況。

各站點PM2.5濃度值除最小值外，其他分析值均呈明顯下降趨勢(圖3)。IQR值呈逐年變小趨勢，說明越來越多的站點PM2.5濃度值趨于接近年度平均值；2014年Q3值達到了中度污染水平，Q1值達到輕度污染水平，2015～2017年Q3值降到輕度污染水平，2016、2017年Q1值降至良，2018年Q3值(70.85 μg/m3)達到了良水平；中位數(shù)2014～2016年為輕度污染水平，2017、2018年降至了良的水平；標準差逐年變小；綜上分析，進一步說明空氣污染水平顯著降低，京津冀地區(qū)空氣質量達到優(yōu)、良天氣的日數(shù)進一步增多。

圖3 2014～2018年京津冀地區(qū)PM2.5濃度變化箱線圖Fig.3 Boxplot of PM2.5 concentration changes in the beijing-tianjin-hebei region from 2014 to 2018

3.3 2014～2018年京津冀地區(qū)PM2.5的空間自相關特征

3.3.1 全局空間自相關分析

利用ArcGIS空間統(tǒng)計工具，基于Moran’s I指數(shù)，空間關系概念化采用CONTIGUITY_EDGES_CORNERS，即共邊、共點都被視為鄰接要素，分析2014～2018年京津冀地區(qū)歷年及各月PM2.5濃度全局空間自相關特征，檢驗京津冀地區(qū)PM2.5濃度是否存在聚集。

通過對歷年及各月PM2.5濃度空間自相關分析發(fā)現(xiàn)，生成的P值均小于顯著水平0.01，置信度達到了99%；Z得分均超過了臨界值2.58，歷年I值及各月I值(除7月外)均大于0.5(表1和表2)。表明京津冀地區(qū)PM2.5空間濃度分布呈現(xiàn)顯著的集聚效應，即京津冀PM2.5空間污染存在高高值、低低值的聚合特征，Z得分和I值的變化表明空間集聚存在一定的波動性。2014～2018年I值、Z得分均呈減小趨勢，2017年出現(xiàn)小幅反彈，說明該地區(qū)空氣質量逐年變好，空間集聚效應減弱。各月I值、Z得分變化7月最小，1月最大。將I值、Z得分與對應時段PM2.5濃度值進行相關性分析，呈顯著正相關(皮爾遜相關性分別為0.767**、0.762**)，表明空間集聚效應與污染程度有關，污染程度高則空間聚焦效應強，反之則變弱。

表1 2014～2018年PM2.5濃度的Moran’s I值和Z得分Tab.1 Moran’s I value and Z score of PM2.5 concentration from 2014 to 2018

表2 各月平均PM2.5濃度的Moran’s I值和Z得分Tab.2 Moran’s I value and Z score of monthly average PM2.5 concentration

3.3.2 歷年局部空間自相關分析

H-H集聚和L-L集聚反映了PM2.5濃度的均質性，即存在空間正相關；而H-L集聚和H-L集聚反映PM2.5濃度的異質性，即存在空間負相關。

京津冀地區(qū)2014～2018年PM2.5年平均濃度的L-L集聚主要出現(xiàn)在北部地區(qū)， H-H集聚主要出現(xiàn)在南部地區(qū)(圖4)，呈現(xiàn)空間正相關特征，存在顯著的空間依賴性，不存在H-L和L-H集聚特征。張家口、承德位于京津冀的西北部，地處華北平原與內蒙古高原的過渡地帶，海拔多在500～2 000m，風力較其他地區(qū)大；燕山山脈這道天然屏障直接將這兩個地區(qū)與京津冀的其他地區(qū)隔開，且該區(qū)域重污染企業(yè)少，雖然冬季供暖會增加污染物的排放，但由于大風天氣較多，空氣利于擴散。而京津冀南部地區(qū)處在太行山東麓平原地區(qū)，這里由于受太行山脈影響，風速減小，容易出現(xiàn)靜穩(wěn)和逆溫天氣，使大氣垂直層結穩(wěn)定，不利于污染物水平和垂直擴散；冀南地區(qū)是河北省重工業(yè)聚集地，污染源多，造成這些地區(qū)空氣污染嚴重。

2014～2018年京津冀地區(qū)L-L、H-H集聚區(qū)PM2.5濃度平均值均呈下降趨勢(表3)。L-L集聚區(qū)PM2.5濃度平均值均在一、二級限值之間；

圖4 2014～2018年京津冀地區(qū)PM2.5濃度局部空間自相關Fig.4 Local spatial autocorrelation of PM2.5 concentration in Beijing-Tianjin-Hebei region from 2014 to 2014

表3 2014～2018年京津冀地區(qū)L-L、H-H集聚區(qū)PM2.5濃度平均值Tab.3 Average PM2.5 concentrations in L-L and H-H clusters in the Beijing-Tianjin-Hebei region from 2014 to 2018 (μg/m3)

2014、2015年H-H集聚區(qū)PM2.5濃度平均值在中度污染程度范圍內，2016～2018年降至輕度污染程度范圍內。

3.3.3 京津冀地區(qū)2014～2018年PM2.5濃度各月局部空間自相關分析

京津冀地區(qū)2014～2018年PM2.5各月濃度的L-L集聚主要出現(xiàn)在北部地區(qū)， H-H集聚主要出現(xiàn)在南部地區(qū)，不存在H-L和L-H集聚特征。其中2月天津東部、7月天津中部出現(xiàn)了L-L集聚區(qū)，6、7月在秦皇島南部、唐山中東部地區(qū)出現(xiàn)H-H集聚區(qū)(圖5)。各月PM2.5濃度L-L、H-H集聚區(qū)出現(xiàn)規(guī)律，較歷年L-L、H-H集聚區(qū)變化明顯，這是因為PM2.5濃度的受季節(jié)氣候變化以及不同季節(jié)的污染源等影響，造成各月PM2.5濃度L-L、H-H集聚區(qū)變化顯著。

2014～2018年京津冀地區(qū)各月PM2.5濃度L-L 集聚區(qū)平均值變化幅度不大，H-H集聚區(qū)PM2.5濃度平均值呈U型變化(圖6)。各月PM2.5濃度L-L集聚區(qū)平均值除8月(34.9 μg /m3)略低一級限值外，其他各月均在一、二級限值之間；各月PM2.5濃度H-H集聚區(qū)平均值除5、6和8月低于二級限值外，其他各月均在二級限值以上，其中1月、12月達到了重度污染程度，2、3、10和11月在中度污染程度范圍內。

圖5 2014～2018年京津冀地區(qū)各月PM2.5年濃度空間自相關Fig.5 Spatial autocorrelation of annual PM2.5 concentration of each month in the Beijing-Tianjin-Hebei region from 2014 to 2018

圖6 京津冀地區(qū)各月L-L、H-H集聚區(qū)PM2.5濃度平均值Fig.6 Average monthly PM2.5 concentrations in L-L and H-H clusters in the Beijing-Tianjin-Hebei region

3.4 京津冀PM2.5濃度空間異質性影響因素

地理學第二定律，空間的隔離造成了地物之間的差異，即異質性。綜上分析，京津冀西北部和南部部分地區(qū)PM2.5濃度分布呈空間正相關性，其他地區(qū)PM2.5濃度分布呈隨機性，表明該地區(qū)PM2.5濃度分布存在空間異質性，影響因素分析如下。

3.4.1 地理環(huán)境的影響

受燕山、太行山、內蒙古高原的影響，京津冀地區(qū)整體地勢呈西北高、東南低的特征。不同地形具有不同的粗糙度，影響風向風速同時發(fā)生變化，從而影響大氣污染物的擴散；城市中的高層建筑物、體形大的建筑物和構筑物都能造成氣流在小范圍內產生渦流，阻礙污染物質迅速擴散。分析得出，京津冀地區(qū)PM2.5濃度與經度、緯度、拔海高度呈顯著負相關，即經度、緯度、拔海高度越高的地區(qū)，PM2.5濃度越低，空間質量好；反之則PM2.5濃度污染嚴重。

3.4.2 氣象要素的影響

京津冀地處中緯度，屬暖溫帶、半濕潤大陸性季風型氣候，氣候溫暖，四季分明。受地理環(huán)境的影響，該地區(qū)氣候呈多樣性。通過對京津冀地區(qū)PM2.5濃度與氣象要素進行相關分析，得出與氣溫、降水、風速、日照呈顯著負相關，與氣壓、相對濕度呈顯著正相關。因此京津冀地區(qū)，不同的氣候類型造成了該地區(qū)PM2.5濃度分布存在著空間異質性。

3.4.3 產業(yè)結構的影響

環(huán)境庫茲涅茨曲線(EKC)表明經濟增長與環(huán)境污染之間存在倒U型的曲線關系[22]。近年來，隨著京津冀地區(qū)粗放式經濟發(fā)展模式，造成了能源的較大消耗和污染物排放，京津冀地區(qū)環(huán)境污染日趨嚴峻[23]；由于各地經濟重心不同，或以農業(yè)為主，或以旅游業(yè)為主，或以重工業(yè)為主等等，形成的污染源不同，造成京津冀地區(qū)PM2.5濃度分布存在空間異質性。

4 結 論

本文基于ArcGIS、Geoda及Moran’s I指數(shù)，分析了2014～2018年京津冀地區(qū)PM2.5濃度的時空變化規(guī)律以及空間相關性，結果如下。

4.1 2014～2018年京津冀地區(qū)PM2.5濃度空間分布變化顯著，從2014年良、輕度、中度污染區(qū)域各占1/3，2018年污染程度降至以“良”為主；空氣質量北部、西部優(yōu)于南部、東部地區(qū)，山區(qū)優(yōu)于平原地區(qū)。通過加大污染排放管控和治理，效果明顯。

4.2 通過箱線圖分析，2014～2018年京津冀地區(qū)各站點PM2.5濃度平均值、IQR、Q1、Q3值及標準差均呈下降趨勢，各站點PM2.5濃度值達到且接近于良以上程度的值越來越多，從2014年2成增長至2018年8成。

4.3 通過對2014～2018年京津冀地區(qū)PM2.5濃度分布進行全局空間相關性分析，年、月值分布均呈現(xiàn)顯著的集聚效應，年值集聚效應呈減弱趨勢，月值集聚效應秋、冬大于春、夏季，空間集聚效應與污染程度呈正相關。

4.4 通過對2014～2018年京津冀地區(qū)PM2.5濃度分布進行局部空間相關性分析，歷年、各月H-H集聚主要出現(xiàn)在京津冀南部地區(qū)，但出現(xiàn)區(qū)域有一定變化；L-L集聚主要出現(xiàn)在北部地區(qū)，變化區(qū)域主要在北京、秦皇島北京和承德南部地區(qū)。

4.5 京津冀PM2.5濃度值分布存在空間異質性，主要影響因素為地理環(huán)境、氣象要素和經濟環(huán)境。

綜上所述，近年來京津冀地區(qū)空氣質量改善趨勢比較明顯，通過研究PM2.5濃度集聚和分布特征，對有效控制京津冀地區(qū)大氣環(huán)境、改善空氣質量有一定的指導意義。