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)程和市場經(jīng)濟(jì)發(fā)展取得了顯著的成就。但是，長期的粗放式發(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)報道，2013—2017 年中國死于PM2.5長期暴露下的人數(shù)約為100 萬人，超過全國死亡人數(shù)的10%[1]，PM2.5對公民身體健康（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不僅是防控中國大氣污染的重點(diǎn)，還是國際空氣治理研究的熱點(diǎn)。

近年來，國內(nèi)外學(xué)術(shù)界在研究PM2.5的相關(guān)問題上已經(jīng)取得了一定的研究成果。在研究尺度上，主要以全國[3]、城市群[4]、省份[5]以及單個城市[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)社會因素[12]。在研究方法方面，對比灰色關(guān)聯(lián)模型[13]、地理探測器方法[14]、地理加權(quán)回歸模型[15]、主成分分析[16]、高斯混合回歸[17]以及空間計量[18]等模型。地理探測器可以直接檢驗(yàn)多個變量時空分布的耦合性，省去數(shù)據(jù)分布假設(shè)和主觀判斷過程中帶來的誤差性，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空分異特征[19-20]。

綜合來看，以往眾多文獻(xiàn)的研究區(qū)域主要是針對全國、省域或單個城市地區(qū)等單一尺度展開，難以有效識別出不同尺度上的時空分異特征。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)與城市社會經(jīng)濟(jì)數(shù)據(jù)，綜合運(yùn)用GIS 時空分析和地理探測器等方法，揭示了中國城市PM2.5的時空演變特征及其影響因素，以期對大氣污染聯(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)來源于國家基礎(chǔ)地理信息中心提供的1：400 萬中國基礎(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)多尺度時空分異特征分析及其影響因素研究，本文依據(jù)《中國海洋統(tǒng)計年鑒》中的劃分方法，將中國城市以沿海和內(nèi)陸劃分為研究區(qū)域（未采集中國港澳臺數(shù)據(jù)）[21-23]。將全國286 個地級市以上的行政單位，選取53 個沿海地市級以上城市①（以下簡稱沿海城市），其余地級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)測點(diǎn)提供的點(diǎn)源數(shù)據(jù)相比，衛(wèi)星監(jiān)測數(shù)據(jù)具有時間跨度長、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，對精度為10 km 的柵格數(shù)據(jù)進(jìn)行分區(qū)統(tǒng)計，最終提取出286 個城市的PM2.5的年均數(shù)據(jù)（未采集港澳臺地區(qū)的數(shù)據(jù)），利用GIS 時空分析將全國不同行政區(qū)的PM2.5可視化展現(xiàn)出來。

（3）社會經(jīng)濟(jì)數(shù)據(jù)主要來源于2009—2018 年《中國城市統(tǒng)計年鑒》。選取影響PM2.5污染的14 個變量因素包括：6 個人口與城市化因素，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)來表示，其計算如式（1）所示：

1.2.2 地理探測器

地理探測器如今已廣泛應(yīng)用于自然社會等各個領(lǐng)域①包括2 個直轄市 (上海和天津)、7 個副省級城市 (杭州、廣州、大連、青島、寧波、廈門和深圳)和44 個地級市（日照、煙臺、威海、濰坊、濱州、東營、連云港、鹽城、南通、興嘉、紹興、舟山、溫州、臺州、寧德、福州、莆田、泉州、漳州、潮州、汕頭、揭陽、汕尾、慧州、珠海、東莞、中山、江門、陽江、湛江、茂名、?？?、三亞、防城港、北海、欽州、唐山、秦皇島、滄州、盤錦、錦州、丹東、葫蘆島、營口）。中[26-28]，其研究范圍包括鄉(xiāng)鎮(zhèn)尺度到全國尺度，目前主要被應(yīng)用于社會經(jīng)濟(jì)和生態(tài)環(huán)境領(lǐng)域中。在這些應(yīng)用中，地理探測器主要被用來分析各種現(xiàn)象的驅(qū)動力和影響因子以及多因子的交互作用，其計算如式（3）所示：

式中：q表示因子對變量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層的方差與樣本個數(shù)；σ2與N分別為全區(qū)的方差與樣本個數(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產(chǎn)生，則該因子對變量Y的解釋程度隨著q值越大而越高，可由100×q%來度量。q的值域?yàn)閇0, 1]，當(dāng)q=0 時，表示該因子與變量Y無相關(guān)性；當(dāng)q=1 時，表示該因子能夠完全解釋變量Y的空間分異。p值通過非中心的F分布定義，通過p值對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，沒有證據(jù)拒絕原假設(shè)。

1.3 指標(biāo)的統(tǒng)計學(xué)檢驗(yàn)

在進(jìn)行地理探測器之前，為了檢查14 個指標(biāo)是否存在共線問題，本文運(yùn)用SPSS 軟件對其進(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自變量與其他自變量共線性問題越明顯。如表1 結(jié)果所示，本文14 個變量之間基本不存在共線性問題。

表1 SPSS指標(biāo)的共線性檢測結(jié)果

2 結(jié)果分析

2.1 PM2.5時空演變特征分析

2.1.1 時序規(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286 個城市PM2.5年平均濃度值劃分為7 個區(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75 μg/m3等級的城市占比達(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)此等級的城市。因此，說明2010 年后，政府開始重視PM2.5濃度的持續(xù)增長，使超過此等級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286個城市的PM2.5年平均濃度采用同一等級劃分標(biāo)準(zhǔn)，如圖1 所示，2009—2018 年中國PM2.5年平均濃度分布情況較為穩(wěn)定。PM2.5濃度在中國的西北部變化趨勢較小，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，2012 年前，東北地區(qū)的PM2.5濃度都相對較低，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PM2.5時間序列變化呈顯著的地區(qū)性差異，相對而言，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)多尺度時空分異特征分析及其影響因素研究，本文將中國城市以沿海和內(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GIS 對中國286 個城市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，通過了1%水平的顯著性檢測，表明2009—2018 年中國城市PM2.5呈現(xiàn)空間聚集性，可以進(jìn)一步通過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PM2.5年均濃度空間聚集模式分布如圖2 所示：整體來說，中國PM2.5時空集聚效應(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)，并且在中國東北地區(qū)也開始集中出現(xiàn)；但2018 年東北地區(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PM2.5 空間聚集模式分布圖

3 PM2.5影響因素分析

3.1 國家尺度PM2.5時空分異的成因分析

從中國統(tǒng)計年鑒收集到的數(shù)據(jù)中，取2009 年、2012 年、2015 年與2018 年全國286 個地級市的社會經(jīng)濟(jì)數(shù)據(jù)為分析對象，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，再運(yùn)用地理探測器方法分別分析出各影響因子對全國城市及沿海內(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PM2.5時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PM2.5污染成因全局探測結(jié)果

（1）人口與城市化因素驅(qū)動。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)的探測結(jié)果分別為19.23%、19.25%、18.22%與19.38%，其對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PM2.5的貢獻(xiàn)度較大，研究表明，大氣顆粒物的存在會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，可能會更好地緩解PM2.5濃度。

（2）產(chǎn)業(yè)與能耗因素驅(qū)動。第三產(chǎn)業(yè)從業(yè)人數(shù)對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PM2.5的貢獻(xiàn)值呈上升趨勢，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%，有一定波動變化，整體呈上升趨勢；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PM2.5濃度的貢獻(xiàn)值減小，是由于2011—2015 年的第十二個五年計劃中提出了依托科技創(chuàng)新加速產(chǎn)業(yè)升級轉(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)污染帶來的影響。

（3）交通因素驅(qū)動。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PM2.5的貢獻(xiàn)值從該指標(biāo)對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，但到2018 年下降到11.62%，這一幅度的下降與2016 年全國普及并使用新能源公交車有關(guān)，2016 年底全國新能源公交車總量已超16 萬輛。汽車尾氣排放帶來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PM2.5的影響可能還有繼續(xù)下降的趨勢。

3.2 區(qū)域尺度PM2.5時空分異的成因分析

為了進(jìn)一步研究中國PM2.5的時空分異特征，并對大氣的分區(qū)管控提出較有針對性的建議，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。

（1）沿海地區(qū)。由表5 所給出的探測結(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，其他因子都無顯著貢獻(xiàn)。在三個指標(biāo)中，人口密度對PM2.5濃度的貢獻(xiàn)值最大，工業(yè)煙粉塵排放量占比對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。社會經(jīng)濟(jì)因素對沿海地區(qū)PM2.5濃度影響相對較低，僅人口密度、工業(yè)煙粉塵排放量和人均GDP 對其產(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，空氣大范圍的流動使得本地PM2.5濃度不僅受當(dāng)?shù)匚廴疚锱欧诺挠绊?，而且還受到其他地區(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 中國沿海地區(qū)PM2.5污染成因全局探測結(jié)果

（2）內(nèi)陸地區(qū)。探測結(jié)果如表6 所示，指標(biāo)中的大多數(shù)影響因子對PM2.5的時空分異都有一定的影響，內(nèi)陸地區(qū)影響PM2.5濃度的社會因素比沿海地區(qū)相對復(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，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 中國內(nèi)陸地區(qū)PM2.5污染成因全局探測結(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)量占比有一個顯著增長趨勢，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PM2.5時空集聚效應(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PM2.5時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 對其影響，其他因素影響不顯著。

4.2 討論

本文對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。本文研究中國沿海和內(nèi)陸地區(qū)的PM2.5主要是從社會經(jīng)濟(jì)因素角度分析，但在自然因素方面并未涉及，其對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。