祝紹誠

摘要：2019年京津冀地區(qū)發(fā)生了重污染過程，且持續(xù)4天。本研究基于衛(wèi)星遙感數(shù)據(jù)，PM2.5數(shù)據(jù)、氣象數(shù)據(jù)和DEM數(shù)據(jù)，基于地理加權(quán)回歸模型，運用相關(guān)性分析法和氣團后向軌跡聚類法，對2019年1月～11月PM2.5濃度進行了反演，分析了京津冀城市群PM2.5濃度的時空演化格局。

關(guān)鍵詞：京津冀;地理加權(quán)回歸模型;PM2.5;相關(guān)性分析

1 引言

近年來，由于我國不斷高速發(fā)展的社會經(jīng)濟，城市化和工業(yè)化越來越顯著，并伴隨著人民生活水平的不斷提高，煤炭、電力等能源消耗也隨之增加，城市建設(shè)和工業(yè)發(fā)展對各種資源的需求也在增加，以資源消耗為主的粗放型經(jīng)濟發(fā)展方式，已經(jīng)引發(fā)了經(jīng)濟發(fā)展與生態(tài)環(huán)境保護之間的矛盾，我們賴以生存的地球環(huán)境將面臨著更嚴(yán)峻的問題，其中大氣污染問題成為重重之重。據(jù)最近的調(diào)查研究表明，我國在空氣質(zhì)量改善方面取得的成效還偏小，大氣污染物排放總量還持續(xù)維持在較高的榜單排名上，特別是以 PM2.5為主的重污染現(xiàn)象時有發(fā)生，特別是在長江三角洲、珠江三角洲等沿海城市，以及工業(yè)發(fā)展迅速的京津冀城市群和發(fā)展迅速的成渝地區(qū)成為我國空氣污染的熱點區(qū)域。

PM2.5 （Particulate Matter，PM）是可以穿透肺部的微粒，其直徑小于或等于2.5微米，含有大量有毒有害的物質(zhì)，嚴(yán)重威脅著人類健康和環(huán)境質(zhì)量。許多研究表明，人類若長期處于一定濃度的PM2.5環(huán)境中，會導(dǎo)致心血管疾病、肺組織損傷，甚至可能導(dǎo)致癌癥甚至引發(fā)人的死亡。據(jù)《全球環(huán)境展望5》寫道，每年大約200萬人因吸入固體顆粒物入肺導(dǎo)致死亡。

國內(nèi)外已經(jīng)有不少學(xué)者對這方面開展了研究。在國內(nèi)，任毅等[1]（2019）對京津冀地區(qū)城市群霧霾污染的時空特征進行了分析，結(jié)果表明該地區(qū)PM2.5濃度呈現(xiàn)夏季偏低、冬季偏高、春夏居中的顯著季節(jié)性特征。熊歡歡等[2]（2017）基于我國的大城市和中等城市的PM2.5監(jiān)測數(shù)據(jù)，通過建立空間數(shù)據(jù)統(tǒng)計模型，對PM2.5濃度和空間聚集的變化特征進行了總結(jié)，發(fā)現(xiàn)污染核心由京津冀向魯西北和豫北地區(qū)擴散轉(zhuǎn)移的結(jié)論。周亮等[3]基于NASA大氣遙感影像，對PM2.5濃度進行了反演，結(jié)果表明我國2000-2011年P(guān)M2.5濃度先快速增加后趨于穩(wěn)定，空間分布上北方高于南方，東部高于西部。在國外，Itai Kloog等[4]利用高分辨率1KM MAIAC AOD，基于混合效應(yīng)模型反演進行PM預(yù)測，探索高時空分辨率下預(yù)測PM的可靠性，結(jié)果顯示模型的預(yù)測值和觀測值幾乎沒有偏差。Joshua S Apte等[5]使用高分辨率濃度數(shù)據(jù)，評估區(qū)域和全球環(huán)境空氣質(zhì)量改善如何降低PM2.5的可歸因死亡率。B. Golly等[6]通過源解析方法，以法國5個農(nóng)村為研究對象，測定有機碳、元素碳、離子種類等，分析PM2.5的季節(jié)變化，結(jié)果表明，木材燃燒對土壤有機碳的相對貢獻率很高，部分農(nóng)村地區(qū)冬季平均貢獻率達90%。

京津冀地區(qū)曾多次發(fā)生重污染事件，其中多個城市PM2.5小時濃度達到重度污染，嚴(yán)重制約著人民生活進步和社會經(jīng)濟的發(fā)展。因此，本文基于2019年11月20日～2019年11月24日京津冀地區(qū)的相關(guān)污染物濃度數(shù)據(jù)、地面監(jiān)測PM2.5濃度數(shù)據(jù)產(chǎn)品、MAIAC 1km AOD產(chǎn)品、氣象觀測數(shù)據(jù)、DEM數(shù)據(jù)，通過相關(guān)性分析，氣團后向軌跡聚類分析等方法，采用地理加權(quán)回歸模型（GWR），模擬了京津冀城市群PM2.5濃度時空分布，揭示該期間重污染事件的成因。

2研究方法

1）最大信息系數(shù)

最大信息系數(shù)可求出兩變量 X、 Y之間線性或非線性關(guān)系的強度。若兩個變量相關(guān)，則對兩個變量繪制散點圖并按照規(guī)則網(wǎng)格對其進行劃分，求網(wǎng)格中變量的概率密度，計算出它們之間的互信息，然后進行正則化，正則化后的值可以用來評估兩個變量之間的相關(guān)性。

2）氣團后向軌跡與聚類

HYSPLIT模型是運用拉格朗日方法，基于不同氣象輸入量、不同物理過程和不同類型排放源的處理，計算平流和擴散，時間精度最高可以精確到一個小時。此次研究采用HYSPLIT模式，對重污染過程中達到重污染標(biāo)準(zhǔn)（即AQI>200）且達到最重污染的城市進行24小時的氣團后向軌跡模擬，采用Meteoinfo的TrajStat插件結(jié)合氣團的運動軌跡點文件對氣團的運動路徑進行軌跡聚類，分析污染過程中的區(qū)域傳輸?shù)挠绊憽?/p>

3）PM2.5濃度時空分布模擬

采用反距離權(quán)重插值（IDW）對各解釋因子進行插值，建立樣本數(shù)據(jù)集，創(chuàng)建漁網(wǎng)點，利用多值提取至點工具提取因變量和解釋變量，利用地理加權(quán)回歸模型計算PM2.5的預(yù)測值。

3 結(jié)論

（1）京津冀城市群PM2.5濃度與氣壓的相關(guān)性顯著，達到了0.65左右，與相對濕度存在一定的相關(guān)性，不利的氣象條件造成了污染物區(qū)域性堆積和SO2、氮氧化物等相關(guān)污染物的二次轉(zhuǎn)化。

（2）京津冀地區(qū)主要受來自西北氣團和南方氣團的影響，部分城市還受到渤海方向氣團的影響。外運和內(nèi)運污染物疊加效應(yīng)嚴(yán)重，其中內(nèi)運污染影響較大，區(qū)域性影響明顯。海邊城市受來自渤海的冷濕氣流影響，污染物擴散困難。

（3）PM2.5濃度值具有明顯的季節(jié)性和區(qū)域性特征。從季節(jié)上看，夏季PM2.5濃度最低，平均濃度在30μg/m3左右;秋季PM2.5濃度逐漸上升，總體還控制在75μg/m3以下，空氣質(zhì)量達標(biāo);冬季PM2.5污染最嚴(yán)重，結(jié)果表明，1月僅有張家口和承德市PM2.5在75μg/m3以下，邯鄲、邢臺、石家莊PM2.5濃度超過150μg/m3，石家莊甚至超過了180μg/m3;從區(qū)域上看，北方空氣質(zhì)量比南方好，PM2.5濃度值由北方向東南部逐漸升高。

參考文獻：

[1]任毅，郭豐，高聰聰. 京津冀城市群霧霾污染的時空特征與影響因素[J]. 首都經(jīng)濟貿(mào)易大學(xué)學(xué)報，2019，21（06）：80-91.

[2]熊歡歡，梁龍武，曾贈，王振波. 中國城市PM_（2.5）時空分布的動態(tài)比較分析[J]. 資源科學(xué)，2017，39（01）：136-146.

[3]周亮，周成虎，楊帆，王波，等. 2000-2011年中國PM2.5時空演化特征及驅(qū)動因素解析[J]. 地理學(xué)報，2017，72（11）：2079-2092.

[4]Itai Kloog，Meytar Sorekhamer，Alexei Lyapustin，et al. Estimating daily PM2.5 and PM10 across the complex geo-climate region of Israel using MAIAC satellite-based AOD data[J]. Atmospheric Enviroment，2015，122：409-416.

[5]Apte J S， Marshall J D， Cohen A， et al. Addressing Global Mortality from Ambient PM2.5[J]. Environmental Science & Technology， 2015， 49（13）： 8057-8066.

[6]B. Golly，A. Waked，S. Weber，A. Samake，V. Jacob，S. Conil，J. Rangognio，E. Chrétien，M.-P. Vagnot，P.-Y. Robic，J.-L. Besombes，J.-L. Jaffrezo. Organic markers and OC source apportionment for seasonal variations of PM 2.5 at 5 rural sites in France[J]. Atmospheric Environment，2019，198.

成都理工大學(xué)地球科學(xué)學(xué)院 610059