王慧麗，毛 靜

(西安財經(jīng)大學 統(tǒng)計學院，西安 710100)

0 引言

近年來，城市化、工業(yè)化進程的迅猛發(fā)展使得我國能源消耗與日劇增，以煤炭為主體的能源消耗結(jié)構(gòu)使得大氣污染較為嚴重。汾渭平原南北狹長，山脈眾多，空間上不利于大氣污染物PM2.5的擴散。作為全國空氣污染最嚴重區(qū)域之一，2018年國家環(huán)保部將“汾渭平原”作為整體概念，首次納入“藍天保衛(wèi)戰(zhàn)”大氣污染防治重點區(qū)域。大氣污染治理必須要抓住污染發(fā)生的重要源頭，并開展源區(qū)治理和聯(lián)防聯(lián)治。因此，全面分析汾渭平原大氣污染演變特征是大氣環(huán)境可持續(xù)治理需要著力解決的重要問題，對空氣質(zhì)量提升和實現(xiàn)區(qū)域聯(lián)防聯(lián)控具有重要意義。

國內(nèi)外學者對不同區(qū)域PM2.5的時空分布特征、驅(qū)動因素以及成因分析等內(nèi)容開展研究。X.Querol等分析了西班牙PM2.5濃度的空間差異性[1]。F.Shen等分析了中國大氣污染物的時空變化規(guī)律[2]。也有學者對我國及陸地表層系統(tǒng)九大區(qū)域、省域、城市群等空氣質(zhì)量的時空變化特征進行分析[3-7]。張勇等探討漢中秋季PM2.5濃度晝夜變化特征[8]。王圣等對比了汾渭平原采暖期與非采暖期大氣環(huán)境質(zhì)量的時空變化特征[9]。L.Huang等認為隨著距離的增大，環(huán)境污染逐漸減弱了空間溢出效應[10]。鄧中慈等分析了四川盆地PM2.5濃度的時空分布特征及影響因素[11]。陳楠等分析了公眾霧霾敏感度的差異性[12]。曾德珩等利用空間回歸模型探討自然、經(jīng)濟、社會等因素對PM2.5濃度的影響[13]。A.Salcido等發(fā)現(xiàn)污染物的流動狀況取決于其濃度的空間分布及區(qū)域的風循環(huán)模式[14]。J.Yang等使用三維概念模型分析建筑物高度、體積、形狀和密度變化而引起的風速、風向和空氣污染物流量的變化[15]。J.Shmool等發(fā)現(xiàn)污染物的空間分布受地形、海拔和季節(jié)的影響[16]。劉華軍等認為中國城市大氣污染存在顯著的空間非均衡及地理集聚特征，大氣污染呈現(xiàn)出顯著的空間自相關(guān)結(jié)構(gòu)[17]。王慧麗等借助空間馬爾科夫鏈提出PM2.5濃度轉(zhuǎn)移狀態(tài)不僅與地區(qū)自身PM2.5濃度相關(guān)，還受其相鄰區(qū)域PM2.5濃度影響[18]；汪克亮等發(fā)現(xiàn)京津冀大氣環(huán)境效率的動態(tài)演化呈明顯的“馬太效應”特征，且落后城市與發(fā)達城市之間的效率差距在不斷擴大[19]。

國內(nèi)關(guān)于空氣質(zhì)量的研究區(qū)域主要集中于長三角、珠三角、京津冀等區(qū)域及全國城市或特殊省份，有關(guān)汾渭平原大氣污染的研究主要側(cè)重于SO2，NO2和氣溶膠的時空分布特征及其污染來源，且其研究尺度以城市為主，難以全面體現(xiàn)不同城市不同區(qū)域間空氣質(zhì)量的差異。本研究在已有研究基礎(chǔ)上，基于不同環(huán)境監(jiān)測點的監(jiān)測數(shù)據(jù)，探討汾渭平原PM2.5時空變化規(guī)律，分析其空間集聚特征，并探討其動態(tài)演變規(guī)律，以期為汾渭平原大氣污染防治的區(qū)域決策制定、環(huán)境的可持續(xù)健康發(fā)展提供相關(guān)建議。

1 研究對象、數(shù)據(jù)來源與研究方法

1.1 研究對象與數(shù)據(jù)來源

汾渭平原是黃河流域汾河平原、渭河平原及臺塬階地的總稱，行政區(qū)劃分上包括山西省的晉中市、運城市、臨汾市、呂梁市和陜西省的西安市、銅川市、寶雞市、咸陽市、渭南市以及河南省的洛陽市、三門峽市共11個地級市。以汾渭平原11個城市為研究對象。研究所涉及的空氣質(zhì)量數(shù)據(jù)來源于空氣質(zhì)量網(wǎng)(https://www.aqistudy.cn/)，主要統(tǒng)計了2015—2020年汾渭平原11個城市62個環(huán)境監(jiān)測站每日PM2.5監(jiān)測數(shù)據(jù)。由于空氣質(zhì)量監(jiān)測站點的更替和減少，本研究選擇2015—2020年均存在的55個空氣質(zhì)量監(jiān)測站點。其中，晉中3個，運城4個，臨汾5個，呂梁2個，西安13個，銅川4個，寶雞8個，咸陽3個，渭南4個，洛陽6個，三門峽3個。根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633—2012)[20]中的中國24小時環(huán)境污染等級劃分標準，PM2.5濃度劃分為6個等級，即優(yōu)(0,35]、良(35,75]、輕度污染(75,115]、中度污染(115,150]、重度污染(150,250]以及嚴重污染(250,500]，單位為μg/m3。

1.2 研究方法

1.2.1空間自相關(guān)。不同地域間的某些事物或現(xiàn)象存在著相關(guān)關(guān)系，表現(xiàn)為集聚、隨機或規(guī)則分布，并且相關(guān)性隨距離增加而減小，這種現(xiàn)象稱為空間自相關(guān)[15]，主要包括全局自相關(guān)和局部自相關(guān)兩種方式。全局自相關(guān)分析聚焦于整個區(qū)域內(nèi)變量在空間分布上的集聚性，通過Moran’sI來表示[6]；而局部自相關(guān)分析從特定區(qū)域內(nèi)探究變量間在空間分布上的集聚性，并且能夠得到具體的聚集類型和聚集區(qū)域位置。

1.2.2空間馬爾科夫鏈?？臻g馬爾科夫鏈是由傳統(tǒng)馬爾科夫鏈引入空間滯后變量構(gòu)建而來，通過分析不同區(qū)域空間背景類型對目標城市轉(zhuǎn)移的影響揭示污染物的時空演變與區(qū)域背景之間的聯(lián)系。

假定隨機過程{Xn，n=1,2,3,…}的每個狀態(tài)有有限個或可列個值{0,1,2,3,…}，并且對任意狀態(tài)都有：

P{Xn+1=j|Xn=i,Xn-i=in-1,…,X1=i1,X0=i0}=
P{Xn-1=j|xn=i} 。

式中：P表示概率；Xn=i表示隨機過程在時刻n處于狀態(tài)i；Xn+1=j表示隨機過程在時刻n+1處于狀態(tài)j。

傳統(tǒng)的馬爾科夫鏈模型是基于研究區(qū)域地理位置相互獨立的假設(shè)下對PM2.5的轉(zhuǎn)移路徑展開分析，未考慮相鄰區(qū)域的PM2.5濃度變化給研究對象帶來的影響。因此，為衡量相鄰區(qū)域相互影響的程度，在空間馬爾科夫鏈模型中引入空間滯后算子，公式如下：

式中：Sk表示空間滯后算子；wkl為空間權(quán)重因子，當區(qū)域k與區(qū)域l相鄰時取值為1，不相鄰時取值為0；N表示研究區(qū)域總數(shù)；yk為區(qū)域單元k的屬性值。

2 結(jié)果與分析

2.1 PM2.5的時空分布特征

2.1.1PM2.5的時間變化規(guī)律。分別從年度、季度和月度3個時間維度對汾渭平原不同城市PM2.5濃度的時間變化規(guī)律展開探析(圖1)。由圖1可知，2015—2020年汾渭平原PM2.5濃度呈波動式下降趨勢，空氣質(zhì)量有所改善，2016年P(guān)M2.5年均濃度值有所上升，汾渭平原平均濃度達到最高峰，2016—2018年P(guān)M2.5濃度整體有所下降，但2019年又有所提升，之后呈下降趨勢。同時，汾渭平原PM2.5濃度變化也存在明顯的季節(jié)趨勢(以2019年為例)，整體上呈現(xiàn)冬高夏低、春秋居中的變化規(guī)律。冬季的PM2.5平均濃度為99.64 μg/m3，夏季PM2.5的平均濃度為45.26 μg/m3，春季和秋季PM2.5平均濃度分別為46.3 μg/m3和53.56 μg/m3。不同城市不同季節(jié)PM2.5濃度有所不同，在春季，呂梁的PM2.5濃度最低，環(huán)境質(zhì)量最好，咸陽和洛陽的PM2.5濃度最高；在夏季，寶雞的PM2.5濃度最低，洛陽和運城的PM2.5濃度最高；在秋季，呂梁和銅川的環(huán)境質(zhì)量最好，而咸陽和渭南的污染最為嚴重；在冬季，依舊是呂梁的環(huán)境質(zhì)量最好，咸陽和臨汾污染最為嚴重。從月度變化分布(圖1c)可以發(fā)現(xiàn)，11個城市的月均空氣質(zhì)量整體呈先降后升的“U”型趨勢，1月的汾渭平原PM2.5平均濃度最高，為115.56 μg/m3，2月均值下降至79.23 μg/m3，7月PM2.5平均濃度達到最小值33.76 μg/m3，8—12月PM2.5平均濃度逐漸上升，12月上升至95.94 μg/m3?？v觀2015—2020年月度PM2.5濃度數(shù)據(jù)，汾渭平原PM2.5的平均濃度最小值出現(xiàn)在6—8月，介于33.56～34.70 μg/m3，低于35 μg/m3的標準線；最大值出現(xiàn)在1月和12月，平均濃度介于95.79～109.58 μg/m3。

圖1 汾渭平原不同城市PM2.5時間變化

整體來看，汾渭平原居住人口眾多，產(chǎn)業(yè)和能源結(jié)構(gòu)以煤炭為主，重化工業(yè)聚集，運輸結(jié)構(gòu)以公路為主，PM2.5排放總量一直居高不下。同時，汾渭平原屬于河谷地帶，其特殊地形不利于污染物的擴散，PM2.5污染較其他地區(qū)嚴重[21]。另外，汾渭平原屬于溫帶季風性半濕潤區(qū)氣候，冬季盛行偏西和偏北風，靜風頻次和逆溫頻次增多，天氣晴寒，這樣的氣象條件不利于污染物的擴散[22]，再加上冬季采暖期供暖燃煤量增多使得PM2.5濃度升高，因此，冬季是汾渭平原PM2.5污染最嚴重的時期。夏季在太平洋副熱帶高壓的影響下，汾渭平原盛行偏東和偏南風為主的夏季風，大風及降水天氣居多，季度氣溫整體升高，不易發(fā)生逆溫，氣象條件有利于PM2.5的擴散和清除，因此，夏季PM2.5污染相比較其他3個季節(jié)有所減緩。

2.1.2PM2.5時間維度聚類分析。在分析汾渭平原PM2.5時間變化規(guī)律的基礎(chǔ)上，借助鄰近傳播算法，采用歐氏距離(Euclidean distance)對2015—2020年各個城市PM2.5年均濃度進行聚類分析，將所有的樣本看作是潛在的聚類中心點，同時，把每個樣本點都看作網(wǎng)絡(luò)中的1個節(jié)點，通過迭代找到最優(yōu)類的代表點集合。最終將汾渭平原的11個城市聚類為3組:呂梁、晉中與銅川屬于第1組，寶雞、洛陽和三門峽屬于第2組，臨汾、渭南、西安、咸陽和運城屬于第3組。為進一步探究不同組間的差異與同組之間的相同之處，本研究將空氣質(zhì)量等級優(yōu)、良、輕度污染、中度污染、重度污染和嚴重污染依次用Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅴ，Ⅵ表示。2015—2020年各組不同污染等級天數(shù)的統(tǒng)計如圖2所示。

圖2 2015—2020年汾渭平原不同污染等級天數(shù)統(tǒng)計

由圖2可知，2015—2020年汾渭平原空氣質(zhì)量優(yōu)良的天氣逐年遞增，中度污染以上的天氣逐漸遞減。其中，第1組，2015—2020年呂梁、晉中和銅川優(yōu)良天氣穩(wěn)定波動，空氣質(zhì)量等級為良的天氣占主導，中度污染以上等級的惡劣天氣占比較少，該組城市空氣質(zhì)量穩(wěn)定在優(yōu)、良和輕度污染等級間波動，空氣質(zhì)量整體較好；第2組，2015—2020年寶雞、洛陽和三門峽中度污染及以上等級的惡劣天氣占比增大，整體以空氣質(zhì)量等級為良的天氣為主，輕度污染天氣次之，中度污染以上等級的惡劣天氣逐年轉(zhuǎn)少，空氣質(zhì)量逐年變好，該類城市的空氣質(zhì)量處于中等水平；第3組的5個城市中優(yōu)良天氣呈現(xiàn)波動狀態(tài)，2015—2017年優(yōu)良天氣逐年遞減，2017—2020年優(yōu)良天氣緩慢增長，且期間中度污染及以上等級污染等級越高，其天氣越少，第3組空氣質(zhì)量整體較差，污染比較嚴重。

2.1.3PM2.5空間濃度分布特征。在對汾渭平原PM2.5濃度的時間維度分析的基礎(chǔ)上，進一步探析其空間分布。將2015—2020年汾渭平原11個城市不同監(jiān)測點的數(shù)據(jù)進行空間可視化分析，得到PM2.5濃度的地理空間分布(圖3)。圖3顯示，2015年P(guān)M2.5污染最嚴重的城市是洛陽、西安、三門峽和運城，寶雞、臨汾及渭南為中等污染，呂梁、晉中、渭南、銅川和咸陽PM2.5污染較輕。2016年P(guān)M2.5污染整體嚴重，其中西安、洛陽、三門峽和運城依舊是污染較重的城市，而銅川和晉中污染程度加劇明顯，呂梁依舊是污染程度較低的城市。2017年銅川和三門峽的PM2.5污染程度較2016年下降，但是其他城市污染程度較2016年均加重。2018年整體污染程度較2017年降低，其中西安、洛陽和臨汾污染程度降低明顯。但2019年西安、洛陽和臨汾的污染程度相比于2018年又加重，呂梁、晉中和銅川繼續(xù)保持低污染程度。2020年洛陽PM2.5污染程度明顯降低，但西安和運城污染進一步擴散。

圖3 2015—2020年汾渭平原空氣質(zhì)量空間分布變化

根據(jù)地形條件將汾渭平原11個城市分為4類，包括喇叭口地形區(qū)：寶雞、咸陽、西安、渭南、臨汾；山地地區(qū)：呂梁、晉中、銅川；峽谷地區(qū)：三門峽；平原地區(qū)：運城、洛陽[23]。整體上，山地地區(qū)和峽谷地區(qū)城市空氣質(zhì)量較好，平原地區(qū)城市空氣質(zhì)量逐年轉(zhuǎn)好，喇叭口地形區(qū)城市污染較為嚴重。喇叭口地形區(qū)城市位于渭河下游的河谷沖積平原，地勢西高東低，周圍環(huán)山，污染物不易擴散。一方面，喇叭口地形區(qū)人口密度大，產(chǎn)業(yè)聚集，西安高新制造業(yè)較多，咸陽具有眾多高污染企業(yè)，渭南工業(yè)支柱為能源化工和冶金工業(yè)，臨汾鋼鐵企業(yè)集中[18]；另一方面，該地區(qū)還受來自西北方向的沙塵污染影響[22]。平原地區(qū)地形開闊，有利于污染物的擴散與輸入，運城毗鄰臨汾和渭南，某種程度上受到二者影響，而洛陽與運城毗鄰，PM2.5濃度的波動情況大致與運城保持同步，整體呈波動式下降趨勢。山地地形和峽谷地形起伏較大，溝谷幽深，一般多呈脈狀分布，這兩種地形將呂梁、晉中、銅川和三門峽與周圍城市隔開，便于阻擋外界PM2.5的輸入，再加上這些城市本身PM2.5污染程度較輕，且遠離污染重心，因此，該地區(qū)空氣質(zhì)量較好。

2.2 PM2.5集聚特征動態(tài)演變

2.2.1空間相關(guān)性分析。進一步對汾渭平原11個城市PM2.5濃度全局相關(guān)性的顯著性進行分析，選取歐氏距離中的反距離為權(quán)重進行999次迭代分析。結(jié)果表明，2015—2020年全局相關(guān)性系數(shù)從0.41(2015年)增加到0.73(2018年)又降低到0.56(2020年)，在0.01顯著性水平下高度顯著。表明2015—2020年55個空氣質(zhì)量監(jiān)測站的PM2.5濃度在空間上整體相關(guān)性先增大后減小，即PM2.5濃度在空間分布上呈現(xiàn)聚集的趨勢，并且聚集程度先增大后減小。

為進一步探析空間上的聚集趨勢，對汾渭平原11個城市進行PM2.5集聚特征動態(tài)演變分析，得到高值聚集、高低聚集、低高聚集、低值聚集以及不顯著5種局部相關(guān)性結(jié)果(圖4)。

2015年，洛陽和三門峽空氣質(zhì)量監(jiān)測站PM2.5濃度值呈高值聚集，呂梁和寶雞的空氣質(zhì)量監(jiān)測站PM2.5濃度值呈低值聚集，臨汾和寶雞的PM2.5濃度呈高低聚集，其他城市沒有顯著的空間集聚或離散現(xiàn)象(圖4a)。2016年，洛陽的PM2.5濃度依舊是高值聚集；西安草灘鎮(zhèn)和經(jīng)開區(qū)的PM2.5濃度出現(xiàn)高值聚集，但是在高新西區(qū)和臨潼區(qū)PM2.5濃度值分布為低高聚集；銅川、呂梁以及寶雞的空氣質(zhì)量監(jiān)測站PM2.5濃度值呈低值聚集，但寶雞陳倉環(huán)保局的PM2.5濃度為高低聚集(圖4b)。2017年，咸陽、西安和臨汾的PM2.5濃度是高值聚集，說明相對于其他城市，這3個城市PM2.5濃度較高，空氣質(zhì)量較差；寶雞和銅川是低值聚集；其他城市空氣質(zhì)量監(jiān)測站PM2.5濃度在空間上分布不顯著(圖4c)。2018年，汾渭平原11個城市的空氣質(zhì)量監(jiān)測站PM2.5濃度空間相關(guān)性較一致(圖4d)。但2019年，高值聚集的空氣質(zhì)量監(jiān)測站減少，低值聚集的空氣質(zhì)量監(jiān)測站增加。2019年臨汾和西安的部分空氣質(zhì)量監(jiān)測站PM2.5濃度為高值聚集，說明相比于其他城市，臨汾和西安的污染加重，而呂梁、晉中和銅川為低值聚集，說明這3個城市的空氣污染程度相對其他城市較輕(圖4e)。2020年，呂梁、晉中和銅川空氣質(zhì)量監(jiān)測站的PM2.5濃度依舊為低值聚集，西安、臨汾和運城的PM2.5濃度為高值聚集，咸陽師范學院空氣質(zhì)量監(jiān)測站PM2.5濃度是低高聚集(圖4f)。

圖4 汾渭平原PM2.5濃度集聚特征動態(tài)演變

局部自相關(guān)分析表明，呂梁、銅川空氣質(zhì)量監(jiān)測站PM2.5濃度2015—2020年一直處于低值聚集狀態(tài)，空氣質(zhì)量持續(xù)較好；洛陽、三門峽由2015年的高值聚集態(tài)勢逐漸轉(zhuǎn)變?yōu)椴伙@著狀態(tài)，說明其空氣質(zhì)量在逐漸好轉(zhuǎn)；而西安、臨汾、運城等城市在2020年卻呈現(xiàn)高值聚集態(tài)勢，說明較其他城市污染嚴重。整體來看，盡管PM2.5濃度分布存在局部差異，但高值聚集的空氣質(zhì)量監(jiān)測站在逐漸減少，低值聚集空氣質(zhì)量監(jiān)測站逐漸增多，說明汾渭平原的整體空氣質(zhì)量在穩(wěn)步好轉(zhuǎn)，也說明近年來環(huán)境污染治理舉措起到一定的作用。

2.2.2PM2.5空間轉(zhuǎn)移路徑分析。根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633—2012)[20]中的中國24小時環(huán)境污染等級劃分標準和汾渭平原PM2.5濃度數(shù)據(jù)，將汾渭平原的PM2.5濃度劃分為4個等級：低濃度(0,35]、較低濃度(35,75]、較高濃度(75,115]、高濃度(115,500]，單位為μg/m3。對2015—2020年汾渭平原11個城市的PM2.5月度數(shù)據(jù)進行傳統(tǒng)馬爾科夫概率轉(zhuǎn)移矩陣計算，得到矩陣如表1所示。

表1 傳統(tǒng)馬爾科夫鏈概率轉(zhuǎn)移矩陣 %

從表1可知，PM2.5濃度越低其保持原有狀態(tài)的概率越大。低濃度、較低濃度、較高濃度、高濃度等級保持原有等級的概率分別為69.8%，68.3%，33.3%和38.9%，表明汾渭平原PM2.5月均濃度存在向低濃度類型收斂的趨勢。

PM2.5濃度類型向高一級濃度轉(zhuǎn)移的概率值小于其向低一級濃度轉(zhuǎn)移的概率值，且PM2.5濃度狀態(tài)轉(zhuǎn)移主要發(fā)生在鄰近濃度之間。當某一地區(qū)為較高濃度等級時，該地區(qū)向高濃度等級轉(zhuǎn)移的概率為18.0%，向較低濃度等級轉(zhuǎn)移的概率為47.7%，向低濃度等級轉(zhuǎn)移的概率遠小于向相近濃度轉(zhuǎn)移的概率值，為0.9%。這表明在連續(xù)的時間內(nèi)，濃度跳躍轉(zhuǎn)移的概率值明顯小于相近濃度轉(zhuǎn)移的概率值。因此，區(qū)域PM2.5污染治理將是一個持續(xù)的、緩緩前進的過程，短時期內(nèi)根治大氣污染的現(xiàn)狀是難以實現(xiàn)的。

傳統(tǒng)的馬爾科夫概率轉(zhuǎn)移矩陣僅關(guān)注到PM2.5濃度類型在時間跨度上的轉(zhuǎn)移，并未考慮到不同區(qū)域背景和不同時間階段對PM2.5濃度轉(zhuǎn)移的共同影響。因此，本研究在傳統(tǒng)馬爾科夫概率轉(zhuǎn)移矩陣的基礎(chǔ)上，加入空間權(quán)重矩陣，構(gòu)建空間馬爾科夫概率轉(zhuǎn)移矩陣，并將2015年1月至2020年12月劃分為兩個階段，2015年1月至2018年5月為階段一，2018年6月至2020年12月為階段二。在此基礎(chǔ)上，利用馬爾科夫鏈探析兩個不同時間階段、不同鄰域背景下汾渭平原PM2.5濃度的動態(tài)轉(zhuǎn)移特征，得到空間馬爾科夫概率轉(zhuǎn)移矩陣(表2)。

表2 兩階段空間馬爾科夫概率轉(zhuǎn)移矩陣 %

通過對比階段一和階段二的空間馬爾科夫概率轉(zhuǎn)移矩陣(表2)可知，相同鄰域背景對不同階段汾渭平原各城市的PM2.5濃度轉(zhuǎn)移影響不盡相同。鄰域為低濃度等級和較低濃度等級時，鄰域PM2.5濃度的背景類型對階段一和階段二PM2.5濃度轉(zhuǎn)移的影響相差不大。鄰域為較高濃度等級和高濃度等級時，鄰域PM2.5濃度的背景類型對階段一和階段二PM2.5濃度轉(zhuǎn)移的影響差異顯著。當鄰域為高濃度等級時，階段一由較高濃度等級向較低濃度等級、高濃度等級轉(zhuǎn)移的概率分別為45.8%和12.5%；而階段二由較高濃度等級向較低濃度等級、高濃度等級轉(zhuǎn)移的概率分別為77.8%和0，說明汾渭平原階段一與階段二的PM2.5污染處于不同水平。

鄰域為較高濃度等級和高濃度等級類型時，階段二目標城市PM2.5濃度類型越高，其向下轉(zhuǎn)移為低級濃度類型的概率越大，且存在濃度跳躍轉(zhuǎn)移的概率值較大的情況。具體表現(xiàn)為當鄰域背景是較高濃度等級時，階段一與階段二目標城市由高濃度等級轉(zhuǎn)移為較低濃度等級的概率分別為26.7%和80.0%；當領(lǐng)域背景是高濃度等級時，階段一目標城市由高濃度等級轉(zhuǎn)移為較高濃度等級和較低濃度等級的概率值分別為31.8%和18.2%，而階段二目標城市由高濃度等級類型轉(zhuǎn)移為較高濃度等級和較低濃度等級概率值分別為50.0%和33.3%，表明階段二PM2.5污染的治理效果要優(yōu)于階段一，說明2018年6月“藍天保衛(wèi)戰(zhàn)”的投入治理取得了明顯成效。

兩階段汾渭平原狀態(tài)轉(zhuǎn)移路徑如圖5所示。結(jié)合圖5可知，階段一汾渭平原高濃度地區(qū)保持原有狀態(tài)的概率為48.65%，階段二高濃度地區(qū)保持原有狀態(tài)的概率明顯低于階段一，為17.65%，在階段二期間，由高濃度轉(zhuǎn)移為較低濃度等級的概率上升到了47.06%，而由較低濃度轉(zhuǎn)移為低濃度的概率下降為20.46%。說明階段二的PM2.5污染相較于階段一有所改善，汾渭平原大氣污染防控工作取得了重要的進展，但是治理重點主要集中在較高濃度地區(qū)和高濃度地區(qū)。因此，低濃度地區(qū)和較低濃度地區(qū)PM2.5污染治理成果相對沒有那么顯著。結(jié)合階段二的空間馬爾科夫概率轉(zhuǎn)移矩陣(表2)可知，鄰域為低濃度等級時，目標城市由較低濃度等級保持原有PM2.5濃度狀態(tài)的概率為64.7%，由較低濃度等級向低濃度等級轉(zhuǎn)移的概率為35.3%，說明低濃度類型地區(qū)有助于正向促進和帶動周邊城市PM2.5濃度轉(zhuǎn)移的作用。因此，在汾渭平原大氣污染的防控治理中不僅要重點抓高濃度和較高濃度地區(qū)，較低濃度和低濃度的PM2.5治理防控也不可懈怠?？偟膩砜矗?018年6月以來，汾渭平原大氣污染的防控工作取得了重要進展，其大氣污染治理效果相較于階段一有重大突破。因此，環(huán)境污染的治理需要采取區(qū)域間聯(lián)防聯(lián)控的治理政策，建立大氣污染聯(lián)合治理體系，以促進區(qū)域大氣環(huán)境質(zhì)量持續(xù)健康發(fā)展。

圖5 汾渭平原狀態(tài)轉(zhuǎn)移路徑

3 結(jié)論

(1)2015—2020年汾渭平原11個城市的整體空氣質(zhì)量有所改善，PM2.5濃度表現(xiàn)為波動式下降，呈冬季高、春秋次之、夏季低的“U”型變化特征，說明采暖期的空氣污染較非采暖期嚴重。

(2)用鄰近傳播算法進行聚類分析，呂梁、晉中與銅川為第1組，該組在2015—2020年P(guān)M2.5濃度變化類似，并且空氣質(zhì)量最好，第2組為三門峽、寶雞與洛陽，其空氣質(zhì)量一般，第3組是臨汾、咸陽、渭南、西安和運城，該組的空氣質(zhì)量相對較差。

(3)2015—2020年汾渭平原空氣質(zhì)量監(jiān)測站的PM2.5濃度分布呈聚集趨勢，且聚集程度先增大后減小。高值聚集的空氣質(zhì)量監(jiān)測站逐漸減少，低值聚集空氣質(zhì)量監(jiān)測站逐漸增多，說明汾渭平原的整體空氣質(zhì)量在穩(wěn)步好轉(zhuǎn)。

(4)汾渭平原PM2.5濃度整體上存在向低濃度類型收斂的趨勢，其PM2.5污染治理是一個循序漸進的過程。各城市PM2.5濃度等級轉(zhuǎn)移受相鄰區(qū)域PM2.5濃度等級的影響，且低濃度類型地區(qū)對相鄰城市PM2.5濃度的轉(zhuǎn)移有正向促進和帶動作用。