朱淑貞，王旭光，孫 浩

(廊坊市生態(tài)環(huán)境局，河北 廊坊 065000)

近年來，我國大部分地區(qū)出現(xiàn)了嚴(yán)重的空氣污染問題，全國大部分地區(qū)出現(xiàn)了大規(guī)模、大范圍的霧霾天氣。隨著時間的推移，嚴(yán)重霧霾污染的范圍持續(xù)擴(kuò)大，影響了全國大部分省市的空氣質(zhì)量，霧霾問題逐漸成為全社會重點(diǎn)關(guān)注的環(huán)境問題之一[1]，而PM2.5則是造成霧霾天氣的重要原因之一。隨著污染的嚴(yán)重以及人們環(huán)保意識的增強(qiáng)，空氣污染防治已經(jīng)成為了全社會重點(diǎn)關(guān)注的問題[2]。2013年《大氣污染防治行動計劃》正式實施，2015年《大氣污染防治法》出臺，為空氣污染防治提供了堅實的法律基礎(chǔ)，2018年《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》頒布，該計劃系統(tǒng)地構(gòu)建了2021年前大氣防治工作的總體框架?，F(xiàn)階段，大部分關(guān)于環(huán)境空氣污染的研究主要集中在大規(guī)模的城市帶，研究的尺度范圍較大[3]。但是，較小型城市的相關(guān)研究少，不同城市的實際情況存在一定的差異，因此，在進(jìn)行對應(yīng)城市的空氣污染防治研究中，需要關(guān)注小型城市的實際污染情況。

廊坊市位于我國河北省，與北京市和天津市相鄰，是我國京津冀經(jīng)濟(jì)圈的重要組成，同時也是我國環(huán)境空氣污染最為嚴(yán)重的城市之一[4]。尤其是在秋冬季空氣污染嚴(yán)重的季節(jié)，廊坊市空氣污染程度進(jìn)一步加深。同時，廊坊市也是環(huán)保部確立的大氣污染防治重點(diǎn)城市之一[5]。廊坊市PM2.5以及臭氧污染情況較為嚴(yán)重，空氣質(zhì)量污染情況長期處于全國主要城市環(huán)境污染質(zhì)量的后位，污染治理情況依然十分嚴(yán)峻[6]。因此，對廊坊市的環(huán)境空氣污染情況進(jìn)行研究有著重要的現(xiàn)實意義。

研究基于空間自相關(guān)以及空間計量模型的相關(guān)理論基礎(chǔ)，對2020年6—12月期間廊坊市的PM2.5以及臭氧的污染現(xiàn)狀進(jìn)行探究，同時，對PM2.5以及臭氧的相關(guān)影響因素進(jìn)行分析。研究旨在能直觀地闡明廊坊市的空氣污染變化情況，為廊坊市環(huán)境空氣污染治理的相關(guān)研究提供科學(xué)有效的參考資料。

1 PM2.5以及臭氧的危害性分析

PM2.5是造成霧霾天氣的重要原因之一。PM2.5的中文名稱為細(xì)顆粒物，是指懸浮在空氣中直徑在2.5 μm以下的顆粒物的總稱，其直徑較小、毒性較強(qiáng)、所包含的毒性物質(zhì)較多，對人體的危害作用也加大[7]。大量研究表明，PM2.5可直接深入人體的肺泡系統(tǒng)以及支氣管內(nèi)，造成呼吸困難、咳嗽等不良癥狀，進(jìn)而引發(fā)一系列嚴(yán)重的呼吸系統(tǒng)以及心腦血管系統(tǒng)疾病，嚴(yán)重影響人類的身體健康[8]。同時，PM2.5造成路面能見度低，影響了正常的道路交通運(yùn)輸。在嚴(yán)峻的空氣污染形式下，PM2.5已經(jīng)被作為監(jiān)測指標(biāo)納入環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)匯總，設(shè)定了全新的評價指標(biāo)。

臭氧帶來的環(huán)境危害以及健康風(fēng)險同樣不容小覷，近地面層的臭氧是城市煙霧的主要組成成分[9]。人體吸入過量臭氧之后可能會引起頭痛、咳嗽、氣管炎等癥狀，引發(fā)一系列呼吸道以及心腦血管疾病。

以臭氧和PM2.5為主的空氣污染物質(zhì)危害程度大、涉及范圍廣，對居民的健康風(fēng)險和社會的正常發(fā)展造成了極為嚴(yán)重的影響[10]。鑒于此，出臺頒布一系列空氣污染防治政策、開展一系列控制污染防治措施、加強(qiáng)空氣污染防治相關(guān)研究就顯得尤為重要。

2 研究模型和影響因素的選擇

2.1 研究區(qū)域與研究數(shù)據(jù)來源

研究區(qū)域廊坊市位于河北省中部，該市下轄安次區(qū)以及廣陽區(qū)2個轄區(qū)，三河市以及霸州市2個縣級市。廊坊市總面積為6 429 km2，距離北京市以及天津市約60 km。廊坊市由于其特殊的地形因素，不利于污染物的擴(kuò)散，極易形成沙塵、霧、霾等天氣[11]。研究數(shù)據(jù)來源于廊坊市大氣監(jiān)測站的相關(guān)數(shù)據(jù)，為保證實驗數(shù)據(jù)的準(zhǔn)確性，研究將按時對監(jiān)測儀器進(jìn)行定時檢測。研究氣象數(shù)據(jù)來自于中國科學(xué)院紫環(huán)宇環(huán)境科學(xué)數(shù)據(jù)中心以及國家地球系統(tǒng)數(shù)據(jù)共享服務(wù)平臺。

2.2 空間自相關(guān)理論

空間自相關(guān)是地理學(xué)上的重要概念，主要理論基礎(chǔ)為地理學(xué)第一定律[12]。通過地理學(xué)第一定律可知，所有空間上的事物均會相互關(guān)聯(lián)，并且事物之間的距離越近，相關(guān)性就越大。而在污染物監(jiān)測研究中，空間自相關(guān)是指一些變量在同一個分布區(qū)內(nèi)的觀測數(shù)據(jù)之間潛在的相互依賴性[13]。空間自相關(guān)可分為全局空間自相關(guān)以及局部空間自相關(guān)，在本研究中主要分析局部空間自相關(guān)。而局部空間自相關(guān)則使用局部Moran′sI指數(shù)來表征，當(dāng)局部Moran′sI指數(shù)的值大于0時，則說明廊坊市的污染物濃度與周邊城市的污染物濃度存在空間正相關(guān)，當(dāng)局部Moran′sI指數(shù)的值小于0時，則說明廊坊市的污染物濃度與周邊城市的污染物濃度存在空間負(fù)相關(guān)[14]。局部Moran′sI指數(shù)公式為：

(1)

式中，I為局部空間Moran′sI指數(shù)；wij為空間權(quán)重矩陣；xi、xj為城市污染物濃度。

2.3 空間權(quán)重矩陣與空間計量模型

空間權(quán)重矩陣是空間相關(guān)研究中較為重要的概念，是進(jìn)行空間計量模型的基礎(chǔ)。空間權(quán)重矩陣可以用于度量不同區(qū)域間的空間相關(guān)程度，是地理空間結(jié)構(gòu)的數(shù)學(xué)表達(dá)[15-16]。由于使用不同的空間權(quán)重矩陣會存在不同的結(jié)果，為使研究更加精確，避免單一模型引起的計算誤差，研究使用了鄰接權(quán)重矩陣、地理距離權(quán)重矩陣以及k近鄰權(quán)重矩陣3種矩陣進(jìn)行對比分析。鄰接權(quán)重矩陣主要是根據(jù)區(qū)域空間內(nèi)位置的相鄰關(guān)系來判斷二者之間是否存在空間相關(guān)細(xì)致，當(dāng)兩者之間具有相關(guān)性時權(quán)重為1；當(dāng)兩者之間不具有相關(guān)性時，權(quán)重為0。地理距離權(quán)重矩陣的權(quán)重為區(qū)域間質(zhì)心距離的倒數(shù)，權(quán)重取值越大則代表兩地之間的距離越近，相關(guān)性越強(qiáng)；反之，權(quán)重的取值越小則代表著兩者之間距離越遠(yuǎn)，關(guān)聯(lián)性越弱。k近鄰權(quán)重矩陣是將地理距離最近的k個區(qū)域設(shè)定為近鄰區(qū)，近鄰區(qū)域賦值為1，其他區(qū)域賦值為0。

建立空間權(quán)重矩陣的方法將空間異質(zhì)性以及空間相關(guān)性的特征納入到空間計量模型[17]。使用空間計量模型可以較好地減小傳統(tǒng)計量模型的誤差，使估計結(jié)果更加符合實際情況。常見的空間計量模型主要包括空間杜賓模型、空間滯后模型以及空間誤差模型[18-19]。

空間杜賓模型適用于解釋變量與被解釋變量存在一定的空間依賴性的情況，其表達(dá)式為：

Y=ρWY+Xβ+WXθ+ε

(2)

式中，θ為解釋變量的空間滯后項系數(shù)；W為m×m的空間權(quán)重矩陣；Y為m×l的被解釋變量矩陣；X為m×k的解釋變量矩陣；β為k×l的回歸系數(shù)矩陣；ε為滿足獨(dú)立分布的隨機(jī)誤差。

空間滯后模型適用于解釋變量與相鄰單元的被解釋變量存在空間依賴性的情況，其具體表達(dá)式為：

Y=ρWY+Xβ+ε

(3)

空間誤差模型主要適用于空間單元的誤差項與鄰近單元的誤差項存在空間相關(guān)性的情況，其具體表達(dá)式為：

Y=Xβ+μ

(4)

μ=λW+ε

(5)

式中，μ為隨機(jī)誤差向量；ε為空間相關(guān)系數(shù)。

綜合考慮廊坊市污染物實際情況，本文空間計量模型選擇空間杜賓模型，以廊坊市年均PM2.5濃度值(PM)為被解釋變量，年均氣溫(tem)、降水量(rain)、相對濕度(wet)、平均風(fēng)速(wind)為解釋變量，構(gòu)建了空間杜賓模型公式：

ln(PM)i=β0+β1ln(tem)i+β2ln(rain)i+

β3ln(wet)i+β4ln(wind)i+εi

(6)

εi=λWεi+μi

(7)

本文構(gòu)建的模型，能夠測量年均氣溫(tem)、降水量(rain)、相對濕度(wet)、平均風(fēng)速(wind)這4個因素對PM2.5濃度的影響。由于空間依賴性的存在，空間計量模型使用最小二乘法估計有一定的偏差，此時應(yīng)采用極大似然估計法、工具變量法、廣義最小二乘法等進(jìn)行估計，結(jié)果更為可靠。經(jīng)綜合考慮，本文選擇使用極大似然估計法作為測量結(jié)果分析的估計方法。

2.4 研究影響因素的選擇

大量研究表明，氣象條件對空氣中PM2.5以及臭氧濃度產(chǎn)生存在一定的影響[20]。研究主要選取了風(fēng)速、降水量、相對濕度以及氣溫這4個指標(biāo)為主要研究指標(biāo)，在進(jìn)行實際計算時，研究的各項指標(biāo)選取2020年的平均值。研究指標(biāo)具體解釋見表1。

3 結(jié)果分析

3.1 研究區(qū)PM2.5以及臭氧濃度變化分析

根據(jù)檢測數(shù)據(jù)，計算了在研究時間內(nèi)廊坊市PM2.5濃度以及臭氧濃度的變化結(jié)果。2020年6—12月廊坊市PM2.5濃度時間序列變化具體結(jié)果如圖1所示。

圖1 PM2.5濃度時空序列變化

由圖1可知，2020年6—12月的平均濃度逐漸上升，其中，PM2.5平均濃度最低的月份為8月，濃度為69.6 μg/m3；平均濃度最高的月份為12月，濃度為154.3 μg/m3?？傮w平均濃度111.8 μg/m3。在研究時間內(nèi)的平均PM2.5濃度呈現(xiàn)出夏季低、冬季高的現(xiàn)象。

臭氧濃度隨時間的變化情況如圖2所示。

圖2 臭氧濃度時空序列變化結(jié)果

由圖2可知，2020年6—12月的臭氧濃度呈現(xiàn)出下降的狀態(tài)，濃度最低的月份為12月，濃度為63.2 μg/m3；濃度最高的月份為6月，濃度為104.31 μg/m3，研究時間內(nèi)總平均臭氧濃度為82.98 μg/m3。在研究所調(diào)查的時間區(qū)間內(nèi)，廊坊市臭氧濃度的規(guī)律為夏季濃度>秋季濃度>冬季濃度。

3.2 室外PM2.5與臭氧變化情況分析

為進(jìn)一步驗證PM2.5以及臭氧的具體變化情況，分別研究了2020年6月1日和12月1日24小時內(nèi)的PM2.5以及臭氧的變化情況。其中，PM2.5的變化情況如圖3所示，臭氧變化情況如圖4所示。

圖3 PM2.5變化情況

圖4 臭氧變化情況

由圖3可知，2020年6月1日的平均PM2.5濃度為53.815 μg/m3，12月1日的平均PM2.5濃度為93.929 μg/m3，12月1日的濃度明顯高于6月1日的PM2.5濃度，符合前文論述的結(jié)果。就6月1日的監(jiān)測數(shù)據(jù)而言，總體PM2.5濃度變化不大，整體處于一個較低的水平。而12月1日的PM2.5濃度在12：00左右達(dá)到峰值，最高PM2.5濃度為125.8 μg/m3。

由圖4可知，2020年6月1日、12月1日的平均臭氧濃度分別為82.942、30.175 μg/m3，6月1日的臭氧濃度明顯高于12月1日的臭氧濃度。在6月1日內(nèi)，臭氧濃度最高的時刻為14：00左右，最高濃度為167.5 μg/m3；臭氧濃度最低的時刻為8：00左右，最低濃度為47.2 μg/m3。在12月1日內(nèi)，臭氧濃度最高的時刻為14：00左右，最高濃度為46.2 μg/m3；臭氧濃度最低的時刻為20：00左右，最低濃度為23.7 μg/m3。

3.3 廊坊市PM2.5以及臭氧空間自相關(guān)分析

研究通過自相關(guān)分析，得到了2020年6—12月的PM2.5污染情況以及臭氧污染情況的Moran′sI指數(shù)值。具體結(jié)果如圖5、圖6所示。

由圖5和圖6可知，在2020年6—12月，研究區(qū)PM2.5的Moran′sI指數(shù)的值均為正數(shù)，并且全部均通過了顯著性檢驗，PM2.5的Moran′sI指數(shù)的均值為0.862。研究區(qū)臭氧的Moran′sI指數(shù)也均為正數(shù)，同樣超過了0.8，空間集聚效應(yīng)明顯，證明PM2.5以及臭氧存在城市空間區(qū)域集聚現(xiàn)象。同時，研究發(fā)現(xiàn)，PM2.5以及臭氧的空間傳輸特征十分明顯，表明PM2.5的污染和臭氧污染具有十分明顯的空間自相關(guān)性。PM2.5以及臭氧的空間傳輸特征主要受自然因素以及社會活動因素的影響，自然因素主要是由于大氣環(huán)流的作用，社會活動因素主要有生產(chǎn)要素轉(zhuǎn)移、產(chǎn)業(yè)轉(zhuǎn)移、環(huán)境污染以及交通流通等因素。因此，進(jìn)行空氣污染治理時，傳統(tǒng)的以行政區(qū)劃進(jìn)行治理的模式已不再適用，應(yīng)采取區(qū)域聯(lián)合治理的方式，實現(xiàn)跨區(qū)域綜合治理。

圖5 廊坊市PM2.5的Moran′s I指數(shù)

圖6 廊坊市臭氧Moran′s I指數(shù)

4 PM2.5和臭氧空間杜賓模型估計結(jié)果

本文主要探討了在鄰接權(quán)重矩陣、地理權(quán)重矩陣以及k近鄰權(quán)重矩陣下的模型PM2.5以及臭氧的估計結(jié)果，PM2.5空間杜賓模型估計結(jié)果如圖7所示，臭氧空間杜賓模型估計結(jié)果如圖8所示。

對圖7的結(jié)果進(jìn)行分析，年均風(fēng)速、年均相對濕度以及年均氣溫這3個因素通過了顯著性檢驗。其中，年均風(fēng)速與年均氣溫的值為負(fù)值，證明年均風(fēng)速以及年均氣溫對PM2.5污染有著負(fù)向影響；而年相對濕度為正值，證明年相對濕度對PM2.5有著正向影響，同時年降水量沒有通過顯著性檢驗，年降水量與PM2.5的空間差異無明顯的影響。通過對圖8進(jìn)行分析可知，年均風(fēng)速以及年均降水量均沒有通過顯著性檢驗，表明年均風(fēng)速與年均降水量無顯著性關(guān)系；而年相對濕度的值為負(fù)值，表明相對濕度與臭氧污染存在一定的負(fù)相關(guān)關(guān)系；年均氣溫的值為正值，表明年均氣溫與臭氧濃度之間存在正相關(guān)關(guān)系。

圖7 PM2.5空間杜賓模型估計結(jié)果

圖8 臭氧空間杜賓模型估計結(jié)果

5 結(jié)論

通過數(shù)據(jù)分析以及模型計算方法對廊坊市的PM2.5以及空氣污染情況進(jìn)行了分析，研究了氣象因素與PM2.5以及臭氧的變化關(guān)系。

(1)2020年6—12月，廊坊市PM2.5總體平均濃度為111.8 μg/m3。夏季PM2.5濃度最低，冬季 PM2.5濃度最高。其中，PM2.5平均濃度最低的月份為8月，濃度為69.6 μg/m3；平均濃度最高的月份為12月，濃度為154.3 μg/m3。臭氧濃度變化規(guī)律與PM2.5相反，臭氧的濃度最低月份為12月，濃度為63.2 μg/m3；臭氧濃度最高的月份為6月，濃度為104.31 μg/m3。

(2)就日平均濃度而言，冬季PM2.5的濃度在12：00的值最大。夏季與冬季臭氧濃度均在14：00左右的值最大。通過空間自相關(guān)分析可知，廊坊市PM2.5和臭氧空間傳輸特征顯著，PM2.5以及臭氧污染空間自相關(guān)性明顯。對于PM2.5污染而言，風(fēng)速以及氣溫與PM2.5的污染存在負(fù)相關(guān)關(guān)系；相對濕度與PM2.5污染存在正相關(guān)關(guān)系。同樣對于臭氧污染而言，相對濕度與臭氧污染存在負(fù)相關(guān)關(guān)系；年均氣溫與臭氧濃度之間存在正相關(guān)關(guān)系。

(3)在廊坊市空氣污染防治中，應(yīng)采用跨區(qū)域協(xié)同治理的方案，進(jìn)而提高空氣污染治理水平與效率。本文可為廊坊市空氣污染治理研究提供數(shù)據(jù)支持，但是由于相關(guān)因素的限制，研究只針對2020年6—12月的數(shù)據(jù)進(jìn)行了分析，研究時間較短。在后續(xù)研究中，將擴(kuò)大研究范圍，追蹤性地探究長時間內(nèi)廊坊市空氣污染質(zhì)量的變化情況，使研究更加具有實際意義。