劉 超 金夢怡 朱星航 彭仲仁

1 PM2.5時空格局的影響因素研究背景與意義

1.1 研究背景

隨著中國城市發(fā)展建設從重“量”轉向提“質”，精細化治理PM2.5成為新階段改善城市環(huán)境工作的重點之一。隨著中國城市化的快速發(fā)展，以PM2.5為代表的空氣污染問題受到政府機構和城市居民的重點關注。城市空氣中PM2.5濃度的升高會導致能見度下降，威脅公共健康[1]。我國過去幾年的減排措施取得初步成果，但大部分地市的PM2.5平均濃度仍高于世界衛(wèi)生組織空氣質量指南關于細顆粒物的健康標準（WHOAQG）10μg/m3，且極端污染天氣仍時有發(fā)生[2]。以上海市為例，2020年PM2.5年均濃度值約為32μg/m3，是WHO-AQG健康標準的3倍以上。基于人民對生態(tài)健康城市的向往和需求，許多城市在“國民經濟和社會發(fā)展第十四個五年規(guī)劃”中提出要加強城市空氣污染協(xié)同控制，強化精細化城市管理。在控制排放源的基礎上，結合城市環(huán)境進行時空精細化治理是進一步提升城市空氣質量的重要途徑，對人居環(huán)境和公共健康的改善有重要意義。因此，研究PM2.5時空格局的影響因素對于把控環(huán)境規(guī)劃政策非常必要。

1.2 理論與實踐意義

目前對PM2.5等污染物的濃度在城市中的演變機理的研究主要從環(huán)境學科切入，缺乏城市總體布局與規(guī)劃治理的視角，需要進行文獻梳理和前沿趨勢確定。通過研究PM2.5的時空格局及其影響因素，探索建成環(huán)境、土地格局、交通行為等要素與空氣污染物排放、擴散在特定時間與空間的關聯(lián)機制，具有填補PM2.5時空特征研究文獻綜述空缺的意義。

研究PM2.5的城市時空格局和影響因素并理清其研究發(fā)展方向，可以在傳統(tǒng)控制排放源的基礎上，結合城市規(guī)劃進行時空精細化治理，對城市中的空氣污染水平及其影響因素進行深入挖掘和規(guī)律探究，可以高效預測污染物濃度的時空變化特征，構建精細化環(huán)境時空數(shù)據(jù)網絡，對人居環(huán)境和公共健康水平的改善有重要實踐意義。

1.3 研究目標

本文通過總結PM2.5時空格局及其影響因素的相關研究，厘清了PM2.5近年來在不同時間尺度上的變化情況與內在機理，總結了PM2.5濃度在空間分布上的一般規(guī)律，結合PM2.5的排放源頭與擴散途徑，達到分析PM2.5在不同時空場景中的主要影響因素、發(fā)掘PM2.5濃度研究盲點的目標。同時，通過總結PM2.5傳統(tǒng)與新興的研究方法以及趨勢前沿，一方面對PM2.5的研究手段與原理提出新的發(fā)展展望，另一方面結合實際，對PM2.5治理政策的實施與城市環(huán)境規(guī)劃提出建議。

2 PM2.5時空格局特征

作為霧霾的重要組成部分，城市大氣中PM2.5受到社會的持續(xù)關注。2019年，在中國337個地級市中，以PM2.5為首要污染物的大氣污染超標天數(shù)占總超標天數(shù)的45.0%，高于其他污染物（O3、PM10、NO2和CO分別占41.7%、12.8%、0.7%和不足0.1%）[3]。通過減排控制措施，PM2.5污染治理初見成效。但隨著城市高質量發(fā)展的推進和空氣污染治理進入精細化階段，識別城市PM2.5濃度的時空格局以及通過協(xié)同規(guī)劃管理來降低PM2.5濃度成為推進下一階段空氣質量全面達標的重要內容。

我國城市治理工作新的發(fā)展階段對空間多要素的精細化治理提出了更高的要求。研究人員開始在不同的時空維度深入探究城市中PM2.5的分布規(guī)律，從城市規(guī)劃管理角度更高效精準地應對空氣污染。識別城市PM2.5濃度的時空格局可以在時間和空間維度上精準施策。PM2.5濃度的時空格局包括時間維度、空間維度和時空融合的綜合維度。

時間維度上，以往研究對國內外城市在不同時間尺度的PM2.5濃度變化有豐富的研究積累?？傮w來說，城市PM2.5濃度冬春季高，夏秋季低，按月呈U形分布[4]；PM2.5的日變化呈現(xiàn)雙峰特征，早峰值在上午7:00—9:00，晚峰值在19:00—21:00[5-6]。針對空間維度的研究可以分為國家、區(qū)域、城市、社區(qū)各個層級，各層級呈現(xiàn)出不同的分布特點。已有研究發(fā)現(xiàn)，PM2.5濃度在發(fā)達國家城市通常呈現(xiàn)出中心城區(qū)高、郊區(qū)低的空間特征，在中國由于城市發(fā)展階段不同，特征較多樣復雜[4,7]。近年逐漸出現(xiàn)了從時空融合的視角研究空氣污染物的時空分布特征與來源[8]，這樣的研究更有利于從不同維度研判城市空氣治理和排放源特征格局，可以針對性地開展環(huán)境污染防控?？偨Y現(xiàn)有研究的進展，高精度的時空格局在微觀尺度實現(xiàn)得較多，由于數(shù)據(jù)和算法的限制，城市和區(qū)域尺度的研究比較困難。隨著城市管理日趨精細，了解PM2.5的時空分布特征及其影響因素進而展開城市規(guī)劃設計和優(yōu)化管理是城市“質量發(fā)展”和“精細化城市管理”的優(yōu)先選擇[9]。

2.1 中國PM2.5時空格局特征

我國頻繁發(fā)生空氣污染，PM2.5是主要污染源。隨著2012年PM2.5環(huán)境監(jiān)測站網絡的建成與環(huán)境政策的實施，中國PM2.5的年平均值逐年下降，1—12月的月平均值呈U形曲線。中國PM2.5濃度的變化有明顯的季節(jié)性，由于冬季燃煤量高、降雨量減少且植被稀疏，PM2.5濃度為一年中的高峰。夏季由于氣候氣象和能源使用情況與冬季相反，是PM2.5濃度最低的季節(jié)。在更精細的時間尺度上，中國城市PM2.5日濃度變化呈雙峰分布且具有小時差異，以2017年為例，10:00PM2.5年平均小時濃度達到日平均峰值51.79μg/m3，16:00則降至谷值40.22μg/ m3，相差11.57μg/ m3[10]，這主要是由于人口日常出行活動與上下班交通高峰帶來的影響。

2019年我國各省市PM2.5年平均濃度顯示，華北平原地區(qū)包括河北、山西、山東、陜西與河南等地比較嚴重。同時，長江以北地區(qū)由于人口密集、經濟發(fā)達， PM2.5濃度也較高（表1）。長江以南地區(qū)、西藏、云南在西南地區(qū)和東南沿海地區(qū)由于地理區(qū)位和氣象特征等原因，年平均PM2.5濃度較低[11]。河北省是中國PM2.5污染最嚴重的省份之一，主要是因為受到氣象因素、某些土地用途和重工業(yè)的影響：華北平原的地貌特征有利于PM2.5污染的擴散和相互影響。同時，河北省內密集的工業(yè)排放、農田的土壤結構、地表植被的人為破壞以及生物質的大量燃燒導致PM2.5濃度進一步增加[12]。已有研究表明，污染物在季風的影響下可長距離傳輸至偏遠地區(qū)。PM2.5污染不是單一區(qū)域的問題，其在城市群間和城市群內的傳輸路徑和影響機制將是今后研究的重點[13]。

在國家尺度上，人口聚集、工業(yè)發(fā)展、外國投資、運輸和污染排放是PM2.5濃度增加的主要因素。PM2.5的時間變化格局由于國家運轉的常態(tài)化難以發(fā)生較大改變。但隨著國家空氣治理能力的提升以及污染狀況的明顯改善，PM2.5空間格局將隨著污染范圍的逐步縮小而更新，城市群增加趨勢的分化也將使PM2.5空間格局進一步變化[14]。因此，構建精細化的PM2.5時空網絡對于精準實施環(huán)境政策會產生較大助力。

2.2 主要城市PM2.5時空格局特征

北京市作為中國政治文化中心，地處華北平原，由于排放源較多、工業(yè)因素影響較大以及三面環(huán)山的特殊地理位置和典型的大尺度環(huán)流形勢，在市內累積與外地輸送情況下PM2.5濃度較大，大范圍重霾污染事件頻發(fā)。在時空格局上，北京市PM2.5濃度由高到低的季節(jié)依次是冬季、春季、秋季和夏季。分地區(qū)來看，2013年年均PM2.5濃度由高到低依次是東南部、西南部、城六區(qū)、東北部和西北部，濃度越高的季節(jié)空間分布的差異越大，同時，濃度越高的地區(qū)時間分布的差異也越大（圖1）。但隨著機動車政策的出臺與排放源治理，北京市2019年平均PM2.5濃度值為42μg/ m3，較2018年下降9μg/ m3，治理成果初顯成效[15-16]。

表1 2019年全國主要城市PM2.5年平均濃度值Tab 1 annual average concentration of PM2.5 in major cities in 2019

上海市PM2.5濃度季節(jié)上同樣呈春冬高、夏秋低的特點，且冬季濃度差異大于夏季。2019年上海市平均PM2.5濃度值為35μg/m3。上海市各季節(jié)與全年的PM2.5濃度日變化呈雙峰型，高峰時間對應城市上下班時間，汽車尾氣與人流擾動對PM2.5濃度的影響很大。空間上，上海市PM2.5分布呈西高東低、臨海區(qū)域低于內陸區(qū)域的特點（圖2）。上海市PM2.5時空分布格局主要在跨省傳輸、海洋大氣影響以及本地排放等因素的影響下形成，反映了中國沿海發(fā)達城市典型的時空分布特點[4]。

與中國城市的時空格局不同，從2000年至今，紐約市PM2.5年平均濃度不斷降低，季節(jié)分布上呈夏季高、冬季次之、春秋季最低的特點[17-18]。紐約市PM2.5空間分布市區(qū)和郊區(qū)存在明顯差異，城市PM2.5的污染水平明顯高于農村地區(qū)，這一特點在中國并不明顯，主要原因為紐約市城鄉(xiāng)市內交通和人口密度的差異。

不同城市由于地理位置、人口分布與氣候特征的不同顯示出不同的時空格局，但城市內部的污染源分布、交通行為以及藍綠面積都是影響城市PM2.5濃度的主要原因。隨著PM2.5污染治理政策的不斷提出，針對不同城市PM2.5的定點研究不斷涌現(xiàn)，但總體上缺乏精細化尺度下的時空格局構建，PM2.5時空變化的內在關聯(lián)有待進一步發(fā)掘。同時，由于目前全國范圍內尤其是中小型城市的環(huán)境監(jiān)測站較少，且監(jiān)測數(shù)據(jù)在時間分辨率上精度不夠（多為小時值），因此在對PM2.5時空特征的反映上，現(xiàn)有研究的精確性仍比較缺乏。

2.3 社區(qū)尺度下的PM2.5時空格局特征

因社區(qū)中人群密集的出行和居住，社區(qū)尺度的PM2.5時空分布越來越受到關注。社區(qū)尺度一般指5 km×5 km大小范圍內較精細的空間尺度。2005年初，中國疾病預防控制中心環(huán)境所提出了在社區(qū)建立環(huán)境污染與疾病監(jiān)測點的想法和工作框架，被納入國家“環(huán)境與健康行動規(guī)劃”[19]。社區(qū)尺度的PM2.5受城市背景濃度、區(qū)域排放源和局地排放源的共同影響[20]，分布不均，一個城市街區(qū)中的變化有時會相差5~8倍[21]。通常來說，城市中交通和人群活動密集的區(qū)域會有更高的PM2.5濃度[22]。研究表明，在中心城區(qū)，PM2.5的變化主要與交通流量有關，建筑高度、當?shù)亟煌ê蜕虡I(yè)污染源也有顯著影響。在城郊區(qū)域，PM2.5的變化主要與PM2.5背景濃度有關，區(qū)域排放源的影響是關鍵（圖3）。在城市中，污染最嚴重的地方往往是高速公路附近，高速公路的緩沖寬度達到100~300 m[22]。時間方面，社區(qū)PM2.5的分布規(guī)律與城市尺度的PM2.5時間分布規(guī)律相似，這也是由于社區(qū)所處的PM2.5環(huán)境受城市大背景的影響，雖為局部仍反應了城市的整體特征。

3 PM2.5格局的影響因素

研判城市PM2.5時空濃度的影響要素可以支撐空間布局優(yōu)化、交通以及行為的精細化治理。國內外學者對PM2.5的理化性質[23]、來源解析[24-25]、建成環(huán)境影響[26-27]等方面的研究表明，城市的PM2.5濃度主要受土地格局、交通網絡、排放源分布、藍綠開放空間和氣象因子的制約。交通干道、工業(yè)用地等對空氣質量有負面影響，而水體和綠地等通常有正面影響[28]。綠色生態(tài)空間通過城市尺度的風道網絡、綠地系統(tǒng)規(guī)劃以及街區(qū)尺度的公園綠地、湖泊濕地、道路綠帶、城市森林對顆粒物污染有消減作用[29]；建筑形態(tài)布局對周邊環(huán)境中PM2.5濃度的時空分布也有很大影響[28]。另外，我國城市的PM2.5污染明顯受到大區(qū)域背景濃度影響[30]。表2列舉了在不同城市尺度上對PM2.5時空格局影響因素的研究。在區(qū)域、城市等宏觀上尺度上，PM2.5時空格局主要受城市空間結構、土地利用格局、用地建設強度、藍綠生態(tài)空間、通風廊道布局以及產業(yè)結構、人口規(guī)模等社會經濟因素的影響。在社區(qū)、街道等微觀尺度上，PM2.5格局主要受局地建筑布局、景觀格局以及交通設施規(guī)劃建設的影響。隨著城市管理日趨精細，了解影響城市PM2.5時空分布的主要因素的復雜性、因地制宜地推進精細化城市空氣治理、開展基于空氣質量的城市規(guī)劃設計的優(yōu)化評估是城市高質量發(fā)展的必然選擇?？偨Y各區(qū)域尺度下的PM2.5研究，方法論上多采用數(shù)值分析與關系比較，缺乏對不同影響要素的基本理論的闡述。同時，現(xiàn)有研究選擇的影響要素不夠全面，在更復雜的城市建成環(huán)境中難以適用。

圖1 2012年北京PM2.5空間分布圖Fig. 1 the PM2.5 spatial distribution in Beijing (2012)

圖2 2013年上海PM2.5空間分布圖Fig. 2 the PM2.5 spatial distribution in Shanghai (2013)

圖3 基于GAM的PM2.5在上海社區(qū)尺度（2 km × 2 km）的空間分布(a. 閔行區(qū)； b. 徐匯區(qū))Fig.3 the spatial distribution of PM2.5 based on GAM at the Shanghai community scale (2 km × 2 km, a. Minhang District; b. Xuhui District)

4 研究方法與前沿

目前研究城市尺度的PM2.5濃度的時空特征有三類常用方法：以區(qū)域空氣質量模式（WRF-Chem）和氣象—空氣質量模型（WRF-CMAQ）等模型為代表的大氣化學傳輸模式，遙感反演方法與以土地利用回歸（LUR）為代表的空間統(tǒng)計學模型。過程模型可以幫助理解污染過程中的物理和化學機制，如溫維（Wen）等運用WRF-CAMQ對北京市的PM2.5進行來源解析，結果顯示一次組分和二次有機氣溶膠的外來區(qū)域貢獻分別為29.6%和60.6%[43]。遙感反演是指借助遙感影像，通過反演對象和模型定量推算出研究區(qū)域的實際數(shù)據(jù)。通過遙感影像反演顆粒物濃度有助于動態(tài)監(jiān)測顆粒物的空間分布狀況，為城市空間規(guī)劃提供重要的基礎信息[44]?？臻g統(tǒng)計模型也經許多學者驗證，能較好地發(fā)掘城市尺度PM2.5濃度的空間特征，適用于中長期污染物空間特征的靜態(tài)評估。其中，土地回歸模型（LUR）的使用最為廣泛[45]。LUR模型將空間不同監(jiān)測點的PM2.5濃度作為因變量、表征城市用地和形態(tài)特性的因子作為自變量，通過回歸方法獲得城市用地形態(tài)和PM2.5濃度的定量關系[17]。

然而，這些方法存在過程復雜、不易遷移或解釋性不足等問題，人工智能算法（AI）的發(fā)展提供了挖掘非線性關聯(lián)機制和快速高效迭代時空演變機制的新技術方法，可以部分彌補上述問題?！度斯ぶ悄軜藴驶灼?018年）》規(guī)定，人工智能算法（AI）是利用數(shù)字計算機或由數(shù)字計算機控制的機器，模擬、延伸和擴展人類的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結果的理論、方法、技術和應用系統(tǒng)，常用模型有神經網絡模型、集成學習模型等。從時間與空間兩個維度衍生出的城市空氣質量預測模擬的AI方法也為解決實際問題提供了較多的時序數(shù)據(jù)模型和空間數(shù)據(jù)模型，持續(xù)助力完備的城市時空數(shù)據(jù)預測網絡的組建。

污染物時序數(shù)據(jù)主要探索長短期內城市特定區(qū)域的污染物濃度規(guī)律，發(fā)掘污染物間的相關性，有助于城市環(huán)境預測與建成環(huán)境評估的開展，推動城市整體建設與發(fā)展[17,46-48]。污染物空間數(shù)據(jù)建立了污染物空間維度的擴散規(guī)律與關聯(lián)網絡，為城市區(qū)域規(guī)劃與環(huán)境治理聯(lián)防聯(lián)控提供決策依據(jù)[49-50]。結合時間、空間兩方面的特征，經過進一步的發(fā)展AI方法還能實現(xiàn)更高精度尺度下的時空復雜特征的融合分析，發(fā)掘環(huán)境數(shù)據(jù)中更復雜的內在聯(lián)系[51]。根據(jù)大量數(shù)據(jù)的特征與分析，AI模型可以將PM2.5的時間研究精度提升至分鐘、空間研究精度提升至1 km×1 km。在數(shù)據(jù)量符合模型標準的情況下，人工智能方法適用于全國、城市和社區(qū)等各個尺度的PM2.5時空數(shù)據(jù)分析，且適應性較好。

同時，基于計算機交互可視化與AI技術的進一步發(fā)展，城市PM2.5濃度的展現(xiàn)手段也逐漸從數(shù)值表征發(fā)展為圖像表征。PM2.5實時可視化平臺支持瀏覽、查詢、分析、統(tǒng)計、預警等多種使用功能，一方面實現(xiàn)大規(guī)模分析與精細化研判的協(xié)同，另一方面基于各類多源城市數(shù)據(jù)的更新自動調整結果，實現(xiàn)現(xiàn)狀PM2.5濃度的歷時性分析。PM2.5實時可視化平臺將成為數(shù)字城市體系的有機組成部分，從而有效推進城市綜合管理的精細化和全覆蓋，提升城市智慧化治理能力。

目前，人工智能研究也存在一定缺陷：由于AI模型追求與實際結果吻合，較難避免在對PM2.5進行特征挖掘與時空預測時出現(xiàn)參數(shù)過擬合現(xiàn)象，即為了得到一致的假設而使假設變得過度嚴格，導致模型失去延用性。因此，如何保證模型結果的適度合理，人工智能仍需進一步探究。

5 規(guī)劃應用展望

現(xiàn)有的評價城市PM2.5時空特征理論的研究，宏觀尺度多為年度/季度/月度均值的評估計算，缺乏更高的時空頻度上的探索，限制了精準施策與因地施策，還需進一步提升。一般地，對不同時段和氣象條件的分類工作只出現(xiàn)在相對簡單的微觀街道與社區(qū)以下范圍。另外，在以城市與區(qū)域大尺度為對象的相關研究中，空間分辨率往往大于1 km/m2。因此，多要素耦合推演市域高精度PM2.5濃度分布格局、精準診斷現(xiàn)狀生活便利度的薄弱區(qū)域并針對性地給出最有效的提升策略是目前PM2.5研究的難點和熱點。

表2 城市中PM2.5排放與消影響因素的研究Tab.2 research on PM2.5 emission and elimination factors in Cities

PM2.5研究結合城市發(fā)展痛點與規(guī)劃實踐支撐，逐步走向應用化。目前PM2.5的時空格局研究應用主要體現(xiàn)在戰(zhàn)略性和常規(guī)性的規(guī)劃管理范圍中，缺乏對于不同時段的精確應對策略和對空氣污染事件的緊急應對機制。在新冠病毒持續(xù)影響應對方面，對PM2.5時空格局的研究對疫情常態(tài)化背景下的空氣治理也有一定的方法和政策借鑒意義。

5.1 基于緩解空氣污染視角的城市規(guī)劃經驗

對于城市空氣污染問題，以往的治理經驗主要集中在提高交通尾氣排放標準、調整區(qū)域土地利用布局、優(yōu)化建筑空間結構以及建設城市通風廊道等方面[52]。其中，提高交通排放標準和調整土地利用布局是從降低區(qū)域大氣污染物排放強度的角度提升空氣質量，而優(yōu)化建筑結構和建設通風廊道是從加快污染消散的角度改善空氣質量[9]。

隨著我國城市治理工作進入新的發(fā)展階段，粗放型的環(huán)境治理模式難以滿足高質量城市發(fā)展的需求，用基于空間多要素的空氣質量治理方式來指導城市規(guī)劃實踐是精細化城市管理的必然選擇。研究人員逐漸從不同的時空維度深入探究城市中PM2.5的分布規(guī)律，從城市規(guī)劃管理角度更高效精準地應對空氣污染[53-54]。

區(qū)域尺度上，中國部分地區(qū)通過區(qū)域協(xié)同的方式進行環(huán)境治理，突破了單一的地區(qū)治理模式，構建好區(qū)域生態(tài)環(huán)境共建共享機制，如京津冀區(qū)域生態(tài)環(huán)境的協(xié)同治理[55]。楊懷奎等[56]結合PM2.5的擴散特征與中國各地區(qū)產業(yè)結構，將全國劃分為多個聯(lián)防聯(lián)控區(qū)域，提出了跨區(qū)域聯(lián)合治理的對策建議。闞海東[57]將PM2.5污染歸為公共衛(wèi)生事件，從公共衛(wèi)生事件防治的角度提出“實施多污染物協(xié)同控制，強化多污染源綜合管理，開展城市與區(qū)域聯(lián)防聯(lián)控”。

城市尺度上，研究和實踐提出優(yōu)化藍綠開放空間、構建城市通風廊道是改善城市環(huán)境的有效途徑[52]。這對于緩解城市熱島效應一般具有積極影響，但是否能促進城市空氣流動還需要更科學的研究，劉超的博士論文發(fā)現(xiàn)通風廊道也可能會降低豎向風速從而增加地面的污染濃度[58-59]。同時，機動車尾氣是城市中PM2.5的重要排放源，有研究利用斷點回歸模型評判機動車排放標準更新后的PM2.5治理效果，提出還需進一步嚴格機動車排放指標，著力改善公共交通體系，大力開發(fā)和推廣新能源燃料[60]。

社區(qū)尺度的研究中，苗世光等[61]對已建城市小區(qū)進行了氣象和污染擴散評估，提出了一套環(huán)境影響評估指標與方法。陳宏[62]以街區(qū)形態(tài)為出發(fā)點，研究其中各項熱量的流動與傳遞特征，分析城市微氣候的形成機理與改善城市微氣候的設計策略。史遠等[63]將PM2.5數(shù)據(jù)與形態(tài)學數(shù)據(jù)（17個建筑物形態(tài)因子）進行多元統(tǒng)計分析，找出影響PM2.5濃度的關鍵建筑形態(tài)設計因素，為城市規(guī)劃的優(yōu)化提供科學依據(jù)。徐望悅和王蘭[64]基于上海兩個社區(qū)的模擬，分析特定空間要素的改變對顆粒物濃度和分布的影響，提出了呼吸健康導向的健康社區(qū)規(guī)劃設計優(yōu)化原則。

5.2 城市規(guī)劃建議與展望

綜上所述，隨著中國城市對高質量人居環(huán)境需求的不斷提高，精細化治理空氣污染正成為改善城市品質的重點方向。利用多源大數(shù)據(jù)和多種人工智能方法精細化分析城市PM2.5污染的高精度時空特征，解析建成環(huán)境、氣象、交通行為對城市PM2.5濃度時空變化的影響與關聯(lián)機制，動態(tài)精準導控土地格局、交通行為和開放空間等規(guī)劃要素，為精細化的城市規(guī)劃管理提供輔助。

5.2.1 AI探索城市高時空分辨率PM2.5污染的特征與源圖譜

AI能識別PM2.5在不同空間和時間尺度的高精度分布特征與演變規(guī)律，通過PM2.5時空格局的可視化掌握污染暴露高風險區(qū)域在不同時空維度的分布情況；解析不同類型的城市排放源的分布和強度對PM2.5濃度的關聯(lián)影響，結合排放源的區(qū)位要素，獲得精細化的污染源空間圖譜。

5.2.2 城市PM2.5濃度空間分布的影響因子判定

解析不同時間段PM2.5濃度空間分布的影響因素及其重要度與敏感度，特別是城市土地利用類型、藍綠生態(tài)空間、各類用地的空間組合格局、交通路網結構以及動態(tài)交通流量對污染濃度空間分布的影響。影響因子的判定是定量化和精細化空間規(guī)劃管理決策的依據(jù)，影響因子可以循環(huán)驗證不同決策的效果，對決策進行評估和優(yōu)化。

5.2.3 優(yōu)化城市空間結構與精細化分時分區(qū)管理策略

耦合多要素推演高精度城市PM2.5濃度分布格局，針對性地分時分區(qū)給出最有效的提升策略。宏觀上調整土地利用格局與用地建設強度、促進藍綠生態(tài)空間與通風廊道設計、輔助交通出行管控與道路網絡優(yōu)化；微觀上優(yōu)化交通設施建設與周邊建筑的相互作用關系，改善建筑布局和景觀格局，以降低污染暴露。

在十四五規(guī)劃要求持續(xù)改善環(huán)境質量的新階段，控制PM2.5在城市空氣中的濃度、強化PM2.5與其他多種污染物的協(xié)同控制和區(qū)域協(xié)同治理成為打好污染防治攻堅戰(zhàn)的重要工作。通過人工智能的方法精確研判城市中PM2.5的時空格局及影響要素的耦合關聯(lián)，結合精細化城市治理的經驗和要求，從降低PM2.5濃度、緩解城市居民污染暴露的視角對城市用地規(guī)劃、交通設施建設等提出針對性的精細規(guī)劃導控，為城市空氣污染規(guī)劃治理、改善城市人居環(huán)境提供科學支撐，是實現(xiàn)城市高質量發(fā)展的必然選擇。

6 總結

本文從全國（區(qū)域）、城市和社區(qū)出發(fā)，總結已有文獻研究中PM2.5時空特征的規(guī)律性，通過精確化數(shù)字與可視化圖像展現(xiàn)多尺度下PM2.5的不同時空分布特征。同時，本文對PM2.5的時空分布影響因素進行了梳理與歸納，分析了特定尺度下的主要因素類別。本文還對PM2.5時空特征研究的傳統(tǒng)與新興方法進行了對比闡述，著重探討了人工智能技術的應用前景。結合以上三個部分的詳細討論，本文在已有的城市PM2.5環(huán)境治理經驗基礎上，提出了針對各尺度的精細化規(guī)劃建議，具有總結與延展PM2.5研究以及指導城市政策實踐的雙重意義。

本文還存在一定局限。一是僅針對PM2.5進行討論，忽略了包括O3、NO2等對城市環(huán)境水平的提升比較重要的污染物種類，研究對象有局限性；二是缺乏原理解釋，多從城市治理角度出發(fā)，忽略了PM2.5的理化分析，研究內容也有局限性。后續(xù)會將協(xié)同治理研究與污染物的物理化學機理進行結合研究，力求達到更全面、融合更多學科的綜述結果。