周鵬，劉雅婷，劉蘭君，劉超群，林奕晨

（武漢工程大學(xué) 土木工程與建筑學(xué)院，湖北 武漢 430073）

1978—2018 年中國(guó)的城鎮(zhèn)化率由17.92%提升至59.58%，凸顯其工業(yè)化進(jìn)程和市場(chǎng)經(jīng)濟(jì)發(fā)展取得了顯著的成就。但是，長(zhǎng)期的粗放式發(fā)展模式破壞了生態(tài)環(huán)境的脆弱性，導(dǎo)致了環(huán)境惡化。據(jù)報(bào)道，2013—2017 年中國(guó)死于PM2.5長(zhǎng)期暴露下的人數(shù)約為100 萬(wàn)人，超過(guò)全國(guó)死亡人數(shù)的10%[1]，PM2.5對(duì)公民身體健康（呼吸性疾病等）和心理健康（精神性疾病等）造成嚴(yán)重的危害[2]。如今，PM2.5不僅是防控中國(guó)大氣污染的重點(diǎn)，還是國(guó)際空氣治理研究的熱點(diǎn)。

近年來(lái)，國(guó)內(nèi)外學(xué)術(shù)界在研究PM2.5的相關(guān)問(wèn)題上已經(jīng)取得了一定的研究成果。在研究尺度上，主要以全國(guó)[3]、城市群[4]、省份[5]以及單個(gè)城市[6]等基本單元為主。在PM2.5性質(zhì)方面，主要分析了空間集聚性[7]、空間變異性[8]及人體可吸入的微生物[9]等。在形成機(jī)制方面，現(xiàn)有研究指出PM2.5污染的成因既包括自然地理因素，如氣溫、降水、沙塵及地形[10]、氣壓、風(fēng)速、風(fēng)向、降水量以及SO2、NO2、CO、O3濃度等[11]，又包括人均GDP、城市化、人口密度、交通因素、能耗因素等經(jīng)濟(jì)社會(huì)因素[12]。在研究方法方面，對(duì)比灰色關(guān)聯(lián)模型[13]、地理探測(cè)器方法[14]、地理加權(quán)回歸模型[15]、主成分分析[16]、高斯混合回歸[17]以及空間計(jì)量[18]等模型。地理探測(cè)器可以直接檢驗(yàn)多個(gè)變量時(shí)空分布的耦合性，省去數(shù)據(jù)分布假設(shè)和主觀判斷過(guò)程中帶來(lái)的誤差性，提高了實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，因此，其被廣泛地應(yīng)用于分析研究污染物的時(shí)空分異特征[19-20]。

綜合來(lái)看，以往眾多文獻(xiàn)的研究區(qū)域主要是針對(duì)全國(guó)、省域或單個(gè)城市地區(qū)等單一尺度展開(kāi)，難以有效識(shí)別出不同尺度上的時(shí)空分異特征。本研究突破傳統(tǒng)的單一尺度研究，從多尺度視角出發(fā)，將中國(guó)城市以沿海和內(nèi)陸劃分為研究區(qū)域，并基于2009—2018 年P(guān)M2.5年均濃度數(shù)據(jù)與城市社會(huì)經(jīng)濟(jì)數(shù)據(jù)，綜合運(yùn)用GIS 時(shí)空分析和地理探測(cè)器等方法，揭示了中國(guó)城市PM2.5的時(shí)空演變特征及其影響因素，以期對(duì)大氣污染聯(lián)防聯(lián)控及生態(tài)文明城市建設(shè)有重大意義。

1 數(shù)據(jù)源與研究方法

1.1 數(shù)據(jù)源

（1）城市行政邊界矢量數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息中心提供的1：400 萬(wàn)中國(guó)基礎(chǔ)地理信息數(shù)據(jù)。為了更顯著的比較地域間的差異性，實(shí)現(xiàn)多尺度時(shí)空分異特征分析及其影響因素研究，本文依據(jù)《中國(guó)海洋統(tǒng)計(jì)年鑒》中的劃分方法，將中國(guó)城市以沿海和內(nèi)陸劃分為研究區(qū)域（未采集中國(guó)港澳臺(tái)數(shù)據(jù)）[21-23]。將全國(guó)286 個(gè)地級(jí)市以上的行政單位，選取53 個(gè)沿海地市級(jí)以上城市①（以下簡(jiǎn)稱沿海城市），其余地級(jí)市以上行政單位皆為內(nèi)陸城市。

（2）本文使用加拿大達(dá)爾豪斯大學(xué)大氣成分分析小組根據(jù)NASA 公布全球氣溶膠數(shù)據(jù)反演的2009—2018 年大氣PM2.5遙感反演數(shù)據(jù)集（http://fizz.phys.dal.ca/～atmos/martin/?page_id=140）。與現(xiàn)有研究中使用地面監(jiān)測(cè)點(diǎn)提供的點(diǎn)源數(shù)據(jù)相比，衛(wèi)星監(jiān)測(cè)數(shù)據(jù)具有時(shí)間跨度長(zhǎng)、分辨率高、受人為干擾程度較低的優(yōu)點(diǎn)，因此，使用該數(shù)據(jù)集可以更好地反映地區(qū)PM2.5濃度的真實(shí)情況[24-25]。鑒于此，本文在GIS 中以各行政區(qū)劃界線矢量數(shù)據(jù)作為掩膜，對(duì)精度為10 km 的柵格數(shù)據(jù)進(jìn)行分區(qū)統(tǒng)計(jì)，最終提取出286 個(gè)城市的PM2.5的年均數(shù)據(jù)（未采集港澳臺(tái)地區(qū)的數(shù)據(jù)），利用GIS 時(shí)空分析將全國(guó)不同行政區(qū)的PM2.5可視化展現(xiàn)出來(lái)。

（3）社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來(lái)源于2009—2018 年《中國(guó)城市統(tǒng)計(jì)年鑒》。選取影響PM2.5污染的14 個(gè)變量因素包括：6 個(gè)人口與城市化因素，即人口密度、城市建成區(qū)占比、出生率、死亡率、人均GDP、城市綠地率；6個(gè)產(chǎn)業(yè)與能耗因素，即第三產(chǎn)業(yè)從業(yè)人員比重、工業(yè)化水平、技術(shù)扶持水平、工業(yè)用電量、工業(yè)煙塵排放量、工業(yè)二氧化硫排放量；2 個(gè)交通因素，即年末實(shí)有公車總量和城市道路面積。

1.2 研究方法

1.2.1 空間自相關(guān)分析

全局空間自相關(guān)中，鄰近區(qū)域單元PM2.5濃度的平均相似程度可以用莫蘭指數(shù)來(lái)表示，其計(jì)算如式（1）所示：

1.2.2 地理探測(cè)器

地理探測(cè)器如今已廣泛應(yīng)用于自然社會(huì)等各個(gè)領(lǐng)域①包括2 個(gè)直轄市 (上海和天津)、7 個(gè)副省級(jí)城市 (杭州、廣州、大連、青島、寧波、廈門(mén)和深圳)和44 個(gè)地級(jí)市（日照、煙臺(tái)、威海、濰坊、濱州、東營(yíng)、連云港、鹽城、南通、興嘉、紹興、舟山、溫州、臺(tái)州、寧德、福州、莆田、泉州、漳州、潮州、汕頭、揭陽(yáng)、汕尾、慧州、珠海、東莞、中山、江門(mén)、陽(yáng)江、湛江、茂名、?？凇⑷齺?、防城港、北海、欽州、唐山、秦皇島、滄州、盤(pán)錦、錦州、丹東、葫蘆島、營(yíng)口）。中[26-28]，其研究范圍包括鄉(xiāng)鎮(zhèn)尺度到全國(guó)尺度，目前主要被應(yīng)用于社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境領(lǐng)域中。在這些應(yīng)用中，地理探測(cè)器主要被用來(lái)分析各種現(xiàn)象的驅(qū)動(dòng)力和影響因子以及多因子的交互作用，其計(jì)算如式（3）所示：

式中：q表示因子對(duì)變量Y的貢獻(xiàn)值；i=1, 2, …,L為因子或變量的分層（類/區(qū)）；與Ni分別為第i層的方差與樣本個(gè)數(shù)；σ2與N分別為全區(qū)的方差與樣本個(gè)數(shù)。若分層由變量Y生成，其空間分異隨q值越大而越明顯；若分層由因子X(jué)產(chǎn)生，則該因子對(duì)變量Y的解釋程度隨著q值越大而越高，可由100×q%來(lái)度量。q的值域?yàn)閇0, 1]，當(dāng)q=0 時(shí)，表示該因子與變量Y無(wú)相關(guān)性；當(dāng)q=1 時(shí)，表示該因子能夠完全解釋變量Y的空間分異。p值通過(guò)非中心的F分布定義，通過(guò)p值對(duì)q值進(jìn)行顯著性檢驗(yàn)，若p值小于0.05，則滿足備選假設(shè)（分層條件下Y呈聚集分布）而拒絕原假設(shè)（分層條件下Y呈隨機(jī)分布）；若p值大于或等于0.05，則q值不顯著，沒(méi)有證據(jù)拒絕原假設(shè)。

1.3 指標(biāo)的統(tǒng)計(jì)學(xué)檢驗(yàn)

在進(jìn)行地理探測(cè)器之前，為了檢查14 個(gè)指標(biāo)是否存在共線問(wèn)題，本文運(yùn)用SPSS 軟件對(duì)其進(jìn)行相關(guān)性分析。共線性診斷指標(biāo)一般選用容忍度、方差膨脹因子（VIF，容忍度的倒數(shù)），當(dāng)容忍度的值介于0 和1 之間，其值越小說(shuō)明存在共線性的可能性越大；VIF 以小于10為判斷依據(jù)，其值越大則表示這個(gè)自變量與其他自變量共線性問(wèn)題越明顯。如表1 結(jié)果所示，本文14 個(gè)變量之間基本不存在共線性問(wèn)題。

表1 SPSS指標(biāo)的共線性檢測(cè)結(jié)果

2 結(jié)果分析

2.1 PM2.5時(shí)空演變特征分析

2.1.1 時(shí)序規(guī)律分析

參考表2 中PM2.5濃度標(biāo)準(zhǔn)值[29]將2009—2018 年中國(guó)286 個(gè)城市PM2.5年平均濃度值劃分為7 個(gè)區(qū)間范圍，分析各區(qū)間城市數(shù)量和占比。如表3 所示，在2009—2018 年P(guān)M2.5低濃度城市數(shù)量增加，而高濃度城市數(shù)量減少，中國(guó)城市空氣污染有所改善。

表3 2009—2018年P(guān)M2.5濃度分區(qū)間中國(guó)城市數(shù)量占比

具體結(jié)果顯示如下：①低于10 μg/m3的城市整體變化趨勢(shì)不明顯，城市數(shù)量比例由2.10%降至1.40%；低于35 μg/m3的城市數(shù)量占比逐漸增加，由31.12%升至2018 年的65.73%。②PM2.5年均濃度高于35 μg/m3的城市數(shù)量占比由68.88%降至34.27%，降低近1 倍；高于50 μg/m3的城市數(shù)量比例由39.16%降至11.89%。③自2010 年超過(guò)75 μg/m3等級(jí)的城市占比達(dá)到最高值16.08%之后，隨之出現(xiàn)波段性的降低，直至2017 年后未出現(xiàn)此等級(jí)的城市。因此，說(shuō)明2010 年后，政府開(kāi)始重視PM2.5濃度的持續(xù)增長(zhǎng)，使超過(guò)此等級(jí)的城市得到了很好的控制[30]。④2009—2014 年P(guān)M2.5年均濃度高于35 μg/m3的城市數(shù)量占比先上升后下降，整體水平較為穩(wěn)定，波動(dòng)性變化幅度不大，在2011 年達(dá)到最高值76.22%，在2014 年后出現(xiàn)大幅度下降，2018 年降至最低值34.27%。其中，超過(guò)50%的年份主要集中在2009—2015 年。

2.1.2 空間格局分析

為了更直觀清晰地反映各城市的PM2.5分布情況，參考表2 中PM2.5濃度標(biāo)準(zhǔn)值將2009—2018 年全國(guó)286個(gè)城市的PM2.5年平均濃度采用同一等級(jí)劃分標(biāo)準(zhǔn)，如圖1 所示，2009—2018 年中國(guó)PM2.5年平均濃度分布情況較為穩(wěn)定。PM2.5濃度在中國(guó)的西北部變化趨勢(shì)較小，在華中、華東、華北、東北等地區(qū)變化較為顯著。華中、華北及華南地區(qū)是PM2.5年平均濃度最高的，且隨時(shí)間變化先上升后緩慢下降；山東省、江蘇省及浙江省是沿海地區(qū)PM2.5高濃度主要聚集區(qū)，整體呈現(xiàn)先上升后下降的演變特征。PM2.5的污染逐漸向沿海地區(qū)移動(dòng)，2012 年前，東北地區(qū)的PM2.5濃度都相對(duì)較低，但在2015 年出現(xiàn)了大面積的較高污染和高污染，主要是京津冀地帶最為嚴(yán)重，東北西部和華北東部都上升為較高污染地區(qū)。

圖1 中國(guó)PM2.5年平均濃度空間分布圖

表2 PM2.5濃度標(biāo)準(zhǔn)值

2009—2018 年中國(guó)PM2.5時(shí)間序列變化呈顯著的地區(qū)性差異，相對(duì)而言，靠近沿海地區(qū)的城市PM2.5濃度略高于內(nèi)陸城市?？紤]到我國(guó)沿海和內(nèi)陸的經(jīng)濟(jì)差異較大，PM2.5的污染濃度可能與人口密度、經(jīng)濟(jì)活動(dòng)密度存在著密不可分的地理空間關(guān)聯(lián)性。因此，為了更顯著的比較地域間的差異性，實(shí)現(xiàn)多尺度時(shí)空分異特征分析及其影響因素研究，本文將中國(guó)城市以沿海和內(nèi)陸劃分為研究區(qū)域進(jìn)行分析，以期對(duì)大氣污染聯(lián)防聯(lián)控及生態(tài)文明城市的建設(shè)有重大意義。

2.1.3 集聚性特征分析

通過(guò)GIS 對(duì)中國(guó)286 個(gè)城市2009—2018 年P(guān)M2.5進(jìn)行空間自相關(guān)檢驗(yàn)，在Queen 空間權(quán)重矩陣下的莫蘭指數(shù)均大于0.8，通過(guò)了1%水平的顯著性檢測(cè)，表明2009—2018 年中國(guó)城市PM2.5呈現(xiàn)空間聚集性，可以進(jìn)一步通過(guò)GIS 進(jìn)行“冷點(diǎn)—熱點(diǎn)”聚集性特征分析。

2009 年、2012 年、2015 年及2018 年全國(guó)PM2.5年均濃度空間聚集模式分布如圖2 所示：整體來(lái)說(shuō)，中國(guó)PM2.5時(shí)空集聚效應(yīng)明顯，呈“東—熱、西—冷”的集聚格局，2009—2018 年高值聚集區(qū)向東北部擴(kuò)張后向中部收縮，沿海城市始終保持高值聚集區(qū)；低值聚集區(qū)集中在西部，且范圍逐漸縮小。2015 年前，熱點(diǎn)區(qū)域主要集中在華中華東一整塊區(qū)域，該區(qū)域人口密度大、經(jīng)濟(jì)發(fā)達(dá)、交通能耗排放量大；2015 年熱點(diǎn)區(qū)域不僅集中在華中華北地區(qū)，并且在中國(guó)東北地區(qū)也開(kāi)始集中出現(xiàn)；但2018 年?yáng)|北地區(qū)的熱點(diǎn)區(qū)域未持續(xù)出現(xiàn)。PM2.5濃度冷點(diǎn)主要分布在以山地、高原為主，人口稀少，經(jīng)濟(jì)相對(duì)發(fā)展滯后的地區(qū)。在區(qū)域尺度上，2009—2018 年內(nèi)陸地區(qū)的高值聚集區(qū)向東北部擴(kuò)張后向中部收縮；山東、江西及浙江的沿海城市始終保持高值聚集區(qū)；東北的低值聚集區(qū)范圍逐漸增加，而西北部的新疆、青海、貴州、甘肅等地區(qū)低值聚集區(qū)范圍有所減少。

圖2 中國(guó)PM2.5 空間聚集模式分布圖

3 PM2.5影響因素分析

3.1 國(guó)家尺度PM2.5時(shí)空分異的成因分析

從中國(guó)統(tǒng)計(jì)年鑒收集到的數(shù)據(jù)中，取2009 年、2012 年、2015 年與2018 年全國(guó)286 個(gè)地級(jí)市的社會(huì)經(jīng)濟(jì)數(shù)據(jù)為分析對(duì)象，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，再運(yùn)用地理探測(cè)器方法分別分析出各影響因子對(duì)全國(guó)城市及沿海內(nèi)陸地區(qū)PM2.5濃度的影響程度。結(jié)果如表4 所示，人口與城市化、產(chǎn)業(yè)與能耗、交通因素對(duì)PM2.5時(shí)空分布存在不同程度影響，其中，人口與城市化指標(biāo)層中的人口密度因子為強(qiáng)相關(guān)因素。

表4 中國(guó)PM2.5污染成因全局探測(cè)結(jié)果

（1）人口與城市化因素驅(qū)動(dòng)。城市人口密度的q值分別為20.93%、30.06%、22.84%與27.27%，呈“先增加后下降”的演化變化，由于人口密度的q值在所有影響因素中的值最大，因此，其對(duì)PM2.5的貢獻(xiàn)值最大；城市人口出生率和死亡率的q值變化較為接近；城市建成區(qū)的探測(cè)結(jié)果分別為19.23%、19.25%、18.22%與19.38%，其對(duì)PM2.5的貢獻(xiàn)值僅低于人口密度，隨著城市建設(shè)的加快而逐漸增加；城市綠地率的q值分別為19.05%、17.68%、19.38% 與18.17%，對(duì)PM2.5的貢獻(xiàn)度較大，研究表明，大氣顆粒物的存在會(huì)被植被的光合作用阻滯吸收[31]，因此在城市建設(shè)中，可適當(dāng)增大綠化建設(shè)力度，可能會(huì)更好地緩解PM2.5濃度。

（2）產(chǎn)業(yè)與能耗因素驅(qū)動(dòng)。第三產(chǎn)業(yè)從業(yè)人數(shù)對(duì)PM2.5的影響較為穩(wěn)定，q值分別為7.47%、7.25%、7.20%與7.33%；工業(yè)化水平對(duì)PM2.5的貢獻(xiàn)值呈上升趨勢(shì)，q值分別為13.16%、17.33%、15.24%、18.79%；技術(shù)扶持水平q值分別為9.90%、15.20%、8.94%、12.34%，有一定波動(dòng)變化，整體呈上升趨勢(shì)；工業(yè)用電量的q值分別為8.08%、9.94%、13.23% 與8.92%，工業(yè)煙粉塵排放量和工業(yè)二氧化硫排放量的貢獻(xiàn)度從2009 年的7.85%和11.90%下降到2018 年的3.38%（不顯著）和11.62%，兩者對(duì)PM2.5濃度的貢獻(xiàn)值減小，是由于2011—2015 年的第十二個(gè)五年計(jì)劃中提出了依托科技創(chuàng)新加速產(chǎn)業(yè)升級(jí)轉(zhuǎn)型，明確了重大政策導(dǎo)向，推進(jìn)城鎮(zhèn)化和工業(yè)現(xiàn)代化水平。因此，在一定程度上提高了產(chǎn)業(yè)的生產(chǎn)效率，減少了工業(yè)污染帶來(lái)的影響。

（3）交通因素驅(qū)動(dòng)。年末實(shí)有道路面積的q值分別為23.98%、24.75%、18.75% 以及13.61%，年末實(shí)有公車總量的q值分別為11.90%、12.88%、17.60% 與11.62%，年末實(shí)有道路面積與實(shí)有公車總量大致可以反映城市的公共交通情況，年末實(shí)有公車總量對(duì)PM2.5的貢獻(xiàn)值從該指標(biāo)對(duì)PM2.5濃度的貢獻(xiàn)度從2009 年的11.90%上升到2015 年的17.60%，始終保持著上升的趨勢(shì)，但到2018 年下降到11.62%，這一幅度的下降與2016 年全國(guó)普及并使用新能源公交車有關(guān)，2016 年底全國(guó)新能源公交車總量已超16 萬(wàn)輛。汽車尾氣排放帶來(lái)的空氣污染隨著新能源公交車和出租車使用數(shù)量的增加而減少，隨著新能源公交車與出租車進(jìn)一步的推廣，年末實(shí)有公車總量對(duì)PM2.5的影響可能還有繼續(xù)下降的趨勢(shì)。

3.2 區(qū)域尺度PM2.5時(shí)空分異的成因分析

為了進(jìn)一步研究中國(guó)PM2.5的時(shí)空分異特征，并對(duì)大氣的分區(qū)管控提出較有針對(duì)性的建議，本文從區(qū)域尺度出發(fā)，以沿海和內(nèi)陸地區(qū)PM2.5年平均濃度進(jìn)行因子探測(cè)。

（1）沿海地區(qū)。由表5 所給出的探測(cè)結(jié)果可知，僅有人口密度（q值為17.11%、8.51%、11.51%與8.51%）、工業(yè)煙粉塵排放量（q值為19.81%、17.54%、15.36%與14.54%）與人均GDP（q值為11.84%、17.32%、15.30%與17.32%）能夠解釋沿海地區(qū)PM2.5的空間分異，其他因子都無(wú)顯著貢獻(xiàn)。在三個(gè)指標(biāo)中，人口密度對(duì)PM2.5濃度的貢獻(xiàn)值最大，工業(yè)煙粉塵排放量占比對(duì)PM2.5的貢獻(xiàn)度從2009 年的19.81%下降到2018 年的14.54%，表明沿海地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)正在轉(zhuǎn)型并調(diào)整優(yōu)化，其對(duì)當(dāng)?shù)豍M2.5濃度的影響正逐年減少；而人均GDP 從2009年的11.84% 增加到2018 年的17.23%，經(jīng)濟(jì)發(fā)展對(duì)PM2.5濃度的貢獻(xiàn)值仍處于較高的水平，且沿海地區(qū)相比于內(nèi)陸地區(qū)更明顯。社會(huì)經(jīng)濟(jì)因素對(duì)沿海地區(qū)PM2.5濃度影響相對(duì)較低，僅人口密度、工業(yè)煙粉塵排放量和人均GDP 對(duì)其產(chǎn)生影響，其他因素影響不顯著。沿海地區(qū)中的自然因素（如風(fēng)速、日照時(shí)速、空氣濕度、溫度及降雨量等）可能占主導(dǎo)作用，其次在氣象條件的輔助下，空氣大范圍的流動(dòng)使得本地PM2.5濃度不僅受當(dāng)?shù)匚廴疚锱欧诺挠绊懀疫€受到其他地區(qū)污染源的影響，影響因素之間相互干擾較為復(fù)雜。該區(qū)域的PM2.5濃度的管控應(yīng)該加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型與優(yōu)化。

表5 中國(guó)沿海地區(qū)PM2.5污染成因全局探測(cè)結(jié)果

（2）內(nèi)陸地區(qū)。探測(cè)結(jié)果如表6 所示，指標(biāo)中的大多數(shù)影響因子對(duì)PM2.5的時(shí)空分異都有一定的影響，內(nèi)陸地區(qū)影響PM2.5濃度的社會(huì)因素比沿海地區(qū)相對(duì)復(fù)雜。人口密度（q值為25.55%、38.74%、32.15%與43.18%）、年末實(shí)有城市道路（q值為24.35%、24.20%、21.37%與15.56%）、城市建成區(qū)占比（q值為22.58%、23.18%、18.22%與26.62%）與城市綠地率（q值為23.62%、21.78%、24.55%與23.66%）是PM2.5年均濃度時(shí)空分異的主要影響因素，其次要影響因素包括：工業(yè)化水平（q值為14.06%、16.66%、18.13% 與24.61%）、技 術(shù) 扶 持 水 平（q值 為11.84%、18.11%、14.10%與16.23%）與年末實(shí)有公車總量（q值為12.32%、13.21%、18.26%與15.41%）。出生率、死亡率、人均GDP、第三產(chǎn)業(yè)從業(yè)人員比重、工業(yè)用電量、工業(yè)煙粉塵排放量、工業(yè)二氧化硫排放量也影響PM2.5年平均濃度。第三產(chǎn)業(yè)從業(yè)人員比重（q值為6.89%、7.42%、9.61%、11.19%）的貢獻(xiàn)度逐年增加，表明其產(chǎn)業(yè)結(jié)構(gòu)正在調(diào)整優(yōu)化。年末實(shí)有道路面積從2009 年的24.35%下降到15.56%，而工業(yè)化水平、技術(shù)扶持水平、工業(yè)用電量分別從2009 年的14.06%、11.84%、6.75%上升到2018年的24.61%、16.23%、11.21%。因此，該區(qū)域PM2.5的防控應(yīng)重點(diǎn)加快產(chǎn)業(yè)升級(jí)轉(zhuǎn)型，提高第三產(chǎn)業(yè)的發(fā)展力度。依靠科學(xué)技術(shù)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是減少PM2.5污染的有效措施之一，同時(shí)，為了取得更好的PM2.5管控效果，可以適當(dāng)加強(qiáng)城市的綠化建設(shè)力度。

表6 中國(guó)內(nèi)陸地區(qū)PM2.5污染成因全局探測(cè)結(jié)果

4 結(jié)論與討論

4.1 結(jié)論

（1）2009—2018 年P(guān)M2.5低濃度城市數(shù)量增加，而高濃度城市數(shù)量減少，中國(guó)城市PM2.5空氣污染有所改善。低于10 μg/m3的城市整體變化趨勢(shì)不明顯，城市數(shù)量比例由2009 年的2.10%降至2018 年的1.40%；低于35 μg/m3的城市數(shù)量占比有一個(gè)顯著增長(zhǎng)趨勢(shì)，由2009年的31.12%升至65.73%，所占比例增加了34.62%；PM2.5年均濃度高于35 μg/m3的城市數(shù)量比例由68.88%降至34.27%，城市數(shù)量占比在2009—2014 年先上升后下降，整體水平較為穩(wěn)定，波動(dòng)性變化幅度不大，在2011 年達(dá)到最高值76.22%，在2014 年后出現(xiàn)大幅度下降，降至2018 年最低值34.27%。

（2）中國(guó)PM2.5時(shí)空集聚效應(yīng)明顯，呈“東—熱、西—冷”的集聚格局，2009—2018 年高值聚集區(qū)向東北部擴(kuò)張后向中部收縮，沿海城市始終保持高值聚集區(qū)；低值聚集區(qū)集中在西部，且范圍逐漸縮小。

（3）人口與城市化、產(chǎn)業(yè)與能耗、交通因素對(duì)PM2.5時(shí)空分布格局存在不同程度影響，其中，人口與城市化指標(biāo)層中的人口密度因子為強(qiáng)相關(guān)因素。在區(qū)域尺度上，人口密度、年末實(shí)有城市道路、城市建成區(qū)占比與城市綠地率對(duì)內(nèi)陸地區(qū)PM2.5年平均濃度影響較大；而沿海地區(qū)僅人口密度、工業(yè)煙粉塵排放量與人均GDP 對(duì)其影響，其他因素影響不顯著。

4.2 討論

本文對(duì)PM2.5濃度的研究是以年度為單位進(jìn)行分析的，未曾深入探討在PM2.5月份變化和季度變化，對(duì)一些地區(qū)的實(shí)際PM2.5污染狀況產(chǎn)生不全面的分析，容易因年均值而模糊一些極端值的出現(xiàn)，后續(xù)研究可深入季度和月度變化進(jìn)行全面分析。本文研究中國(guó)沿海和內(nèi)陸地區(qū)的PM2.5主要是從社會(huì)經(jīng)濟(jì)因素角度分析，但在自然因素方面并未涉及，其對(duì)PM2.5污染同樣可能存在顯著影響，本文也尚未考慮各影響因素之間的交互耦合作用，后續(xù)還需要深入研究PM2.5形成機(jī)理、影響機(jī)制及傳播路徑等，最終可為區(qū)域大氣污染治理提供更好的建議和政策支持。