周靖承,姚 衡,曹艷曉,朱 熙,陳 寧 (.中南財(cái)經(jīng)政法大學(xué)信息與安全工程學(xué)院,湖北 武漢 430073;.中南財(cái)經(jīng)政法大學(xué)環(huán)境與政策研究所,湖北 武漢 430073)

隨著我國(guó)社會(huì)經(jīng)濟(jì)不斷發(fā)展,化石能源被不斷消耗,帶來了大量的空氣污染問題[1]。PM2.5是指空氣動(dòng)力學(xué)直徑≤2.5 μm的懸浮顆粒物,具有表面積大、吸附能力強(qiáng)等特點(diǎn)[2-3]。PM2.5使數(shù)以億記的人群面臨各類疾病風(fēng)險(xiǎn)[4-5],PM2.5能損傷各類生物的呼吸系統(tǒng)[6-7],對(duì)生態(tài)環(huán)境及氣候變化造成不可忽視的影響[8]。我國(guó)幅員遼闊,PM2.5污染往往呈現(xiàn)出空間與時(shí)間上的區(qū)域性與異質(zhì)性,即不同區(qū)域污染特征不同[9-10],同一區(qū)域不同時(shí)期污染特征也不同[11-12]。把握PM2.5污染的時(shí)空演變規(guī)律及成因成為對(duì)其進(jìn)行針對(duì)性治理的基礎(chǔ)與前提。

當(dāng)前對(duì)PM2.5濃度時(shí)序特征的研究集中于對(duì)不同時(shí)間尺度下PM2.5濃度時(shí)間序列的特征分析,主要包括小時(shí)變化規(guī)律[13-14]、晝夜變化規(guī)律[15-16]以及季節(jié)變化規(guī)律[17-18];也有研究者對(duì)某些特殊日期進(jìn)行研究,如春節(jié)[19-20]、周末[21]等節(jié)假日;PM2.5濃度空間特征的研究對(duì)象則包括典型城市、城市群及全國(guó),其中又以污染較嚴(yán)重的城市及城市群為研究熱點(diǎn),如京津冀城市群[22-23]、長(zhǎng)三角城市群[24]等。社會(huì)經(jīng)濟(jì)因素和自然因素是影響PM2.5濃度時(shí)空特征的主要因素[25],已有一系列經(jīng)典的用以探究驅(qū)動(dòng)機(jī)制的模型,如最小二乘模型[26]、地理加權(quán)回歸模型[27]、空間回歸模型[28]、土地利用回歸模型[29]等,但該類模型可能忽視驅(qū)動(dòng)因子本身的相互作用,缺少對(duì)驅(qū)動(dòng)因子在長(zhǎng)時(shí)間序列下變化特征的研究。我國(guó)中部地區(qū)近年發(fā)展迅速,其大氣污染防治應(yīng)受到重視。筆者利用空間自相關(guān)、核密度估計(jì)等方法對(duì)2001—2020年湖北省PM2.5濃度的時(shí)空特征進(jìn)行分析,利用地理探測(cè)器探究氣象因子驅(qū)動(dòng)機(jī)制,為湖北省今后的可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究對(duì)象、數(shù)據(jù)來源與處理

PM2.5濃度數(shù)據(jù)來源于美國(guó)圣路易斯華盛頓大學(xué)大氣成分分析組(Atmospheric Composition Analysis Group)發(fā)布的PM2.5地球表面濃度數(shù)據(jù)。該數(shù)據(jù)是將NASA MODIS、MISR和SeaWIFS儀器的氣溶膠光學(xué)深度(AOD)反演結(jié)果與GEOS-Chem化學(xué)傳輸模型相結(jié)合,然后使用地理加權(quán)回歸(GWR)對(duì)全球地面觀測(cè)進(jìn)行校準(zhǔn)得出,時(shí)間序列跨度較長(zhǎng)且準(zhǔn)確性高。源數(shù)據(jù)為柵格數(shù)據(jù),利用ArcGIS軟件將其與湖北省行政區(qū)劃矢量數(shù)據(jù)進(jìn)行匹配處理,得到2001—2020年湖北省各地級(jí)市PM2.5年均值數(shù)據(jù)。湖北省地級(jí)市行政區(qū)劃參考湖北省地圖院編制的湖北省地圖確定。氣象因子數(shù)據(jù)(風(fēng)速、溫度、濕度、日照、降雨量)來源于國(guó)家氣象信息中心發(fā)布的中國(guó)地面氣候資料日值數(shù)據(jù)集(V3.0)。

1.2 研究方法

1.2.1空間自相關(guān)分析

地理學(xué)第一定律表明,地理事物或?qū)傩栽诳臻g分布上互為相關(guān),且距離越近關(guān)系越密切[30],因此可利用空間自相關(guān)分析探究PM2.5濃度的空間特征。利用全局Moran′sI指數(shù)描述PM2.5濃度在整個(gè)湖北省范圍內(nèi)的空間分布及是否具有聚集效應(yīng)[31],利用局部Moran′sI指數(shù)判斷特定地級(jí)市與其相鄰地級(jí)市的關(guān)聯(lián)程度與關(guān)聯(lián)性質(zhì)[32]。

1.2.1.1全局空間自相關(guān)

全局自相關(guān)指數(shù)Moran′sI計(jì)算公式為

(1)

式(1)中,I為Moran′sI指數(shù);n為樣本空間內(nèi)的樣本數(shù);yi、yj分別為樣本i、j的屬性值;Wi,j為空間權(quán)重矩陣。全局Moran′sI值為正,則說明樣本空間內(nèi)樣本存在正相關(guān)聯(lián)系;全局Moran′sI值為負(fù),則說明樣本空間內(nèi)樣本存在負(fù)相關(guān)聯(lián)系;全局Moran′sI值為0,則樣本隨機(jī)分布。全局Moran′sI值的絕對(duì)值越大,則該聯(lián)系越顯著。

1.2.1.2局部空間自相關(guān)

局部空間自相關(guān)的顯著性水平可利用Z值進(jìn)行檢驗(yàn),Z值的表達(dá)式為

(2)

式(2)中,E(Ii)為局部Moran′sI指數(shù)的數(shù)學(xué)期望;VAR(Ii)為局部Moran′sI指數(shù)的方差。當(dāng)顯著性水平P<0.01時(shí),可將局部空間關(guān)系分為4類:當(dāng)I>0且Z(Ii)>0時(shí)為高-高聚集;當(dāng)I>0且Z(Ii)<0時(shí)為低-低聚集;當(dāng)I<0且Z(Ii)<0時(shí)為低-高聚集;當(dāng)I<0且Z(Ii)>0時(shí)為高-低聚集。

1.2.2核密度估計(jì)

核密度通常用于估計(jì)隨機(jī)變量的概率密度函數(shù),該方法利用連續(xù)的密度曲線描述隨機(jī)變量的分布形態(tài),更加符合數(shù)據(jù)本身所呈現(xiàn)的特點(diǎn)。核密度的表達(dá)式[33]為

(3)

式(3)中,n為樣本數(shù);h為帶寬;k為核函數(shù);Xi為觀測(cè)值;x為均值。

1.2.3地理探測(cè)器

地理探測(cè)器是探測(cè)和利用空間分異性的工具,共包含4個(gè)探測(cè)器,分別是分異及因子探測(cè)、交互作用探測(cè)、風(fēng)險(xiǎn)區(qū)探測(cè)和生態(tài)探測(cè)[34]。該研究主要使用分異及因子探測(cè)研究不同年份氣象因子對(duì)湖北省PM2.5的驅(qū)動(dòng)特征。

分異及因子探測(cè)能夠探測(cè)屬性Y的空間分異性,以及探測(cè)某因子X多大程度上解釋了Y的空間分異,用q值度量,表達(dá)式為

(4)

式(4)中,q為影響因子的解釋能力;h為影響因子分層;Nh和N分別為影響因子h和影響因子總數(shù);σ2和σh2分別為研究區(qū)域整體樣本和分層h的方差。

2 結(jié)果與討論

2.1 湖北省PM2.5濃度時(shí)間序列特征

2001—2020年湖北省PM2.5年均濃度的時(shí)間序列呈現(xiàn)出顯著的倒“U”型特征(圖1),符合環(huán)境庫(kù)茲涅茨曲線,以峰值出現(xiàn)年份為界可將其分為2個(gè)階段。第一階段為2001—2013年,該階段內(nèi)湖北省各地級(jí)市PM2.5年均濃度呈快速上升趨勢(shì),全省PM2.5年均濃度由2001年的42.47 μg·m-3上升至2013年的62.94 μg·m-3,第一階段末期比初期上漲48.2%。第二階段為2013—2020年,該階段內(nèi)湖北省各地級(jí)市PM2.5年均濃度呈明顯下降趨勢(shì),全省PM2.5年均濃度由2013年的62.94 μg·m-3減少至2020年的32.85 μg·m-3,第二階段末期比初期下降47.8%?？傮w來看,2020年湖北省PM2.5年均濃度相較于2001年下降22.7%。分析其主要原因,2013年前湖北省經(jīng)濟(jì)快速發(fā)展,能源消耗增加,污染排放也隨之增加,大氣污染防治成效不顯著,表現(xiàn)為PM2.5濃度上升。2013年國(guó)務(wù)院印發(fā)《大氣污染防治行動(dòng)計(jì)劃》,湖北省發(fā)布《湖北省大氣污染防治行動(dòng)計(jì)劃實(shí)施細(xì)則》,各城市積極響應(yīng)落實(shí)。此外,隨著技術(shù)的進(jìn)一步發(fā)展,能源的使用效率得到提高,環(huán)保技術(shù)大量投入運(yùn)用,改善了生產(chǎn)要素對(duì)環(huán)境的影響。碳交易等市場(chǎng)機(jī)制的更新與法律法規(guī)等環(huán)保規(guī)制的完善也給予企業(yè)清潔生產(chǎn)的動(dòng)力與強(qiáng)制力,大氣質(zhì)量進(jìn)一步改善,使得PM2.5濃度在2013年后呈下降趨勢(shì)。

圖1 湖北省各城市PM2.5年均濃度變化趨勢(shì)Fig.1 Trends in annual average PM2.5 concentrations by city in Hubei Province

參考GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》,PM2.5年均濃度的一級(jí)、二級(jí)標(biāo)準(zhǔn)限值分別為15、35 μg·m-3。圖2表明,2001—2020年湖北省PM2.5污染情況總體向好發(fā)展,但尚有較大提升空間。2001—2004年,湖北省有3個(gè)城市符合二級(jí)標(biāo)準(zhǔn),14個(gè)城市超過二級(jí)標(biāo)準(zhǔn)限值。2005—2015年,湖北省僅有1個(gè)城市符合二級(jí)標(biāo)準(zhǔn),16個(gè)城市超過二級(jí)濃度限值。2015年后,湖北省符合二級(jí)標(biāo)準(zhǔn)的城市數(shù)穩(wěn)步增加,由2015年的1個(gè)增至2020年的8個(gè),證明湖北省PM2.5污染治理效果顯著。湖北省尚未有城市符合一級(jí)標(biāo)準(zhǔn),表明污染治理尚有較大提升空間。

圖2 湖北省PM2.5年均濃度不同污染等級(jí)城市數(shù)量Fig.2 Number of cities in Hubei Province with different pollution levels for each year

核密度曲線圖能夠更直觀地表現(xiàn)2001—2020年湖北省PM2.5整體污染情況。該研究涉及年份較多,選擇較有代表性的2001、2005、2009、2013、2017及2020年P(guān)M2.5年均濃度繪制核密度曲線(圖3)。各年份曲線均存在唯一峰值,極化現(xiàn)象顯著。從不同年份的曲線波峰高度(核密度)來看,由高到低依次為2020、2001、2017、2005、2009、2013年,即2013年以前波峰高度逐漸降低,2013年后波峰高度逐漸升高。波峰越高的曲線對(duì)應(yīng)的寬度越小,表明2013年以前各城市PM2.5年均濃度值隨時(shí)間推移逐漸分散,2013年后各城市PM2.5年均濃度值隨時(shí)間逐漸推移逐漸集中。從不同年份的曲線波峰對(duì)應(yīng)的橫坐標(biāo)(PM2.5年均濃度)來看,由高到低依次為2001、2020、2017、2005、2009、2013。2013年以前波峰對(duì)應(yīng)的橫坐標(biāo)逐漸向右移動(dòng),表明各城市PM2.5年均濃度逐漸向更高的區(qū)間集中。2013年后波峰對(duì)應(yīng)的橫坐標(biāo)逐漸向左移動(dòng),表明各城市PM2.5年均濃度逐漸向更低的區(qū)間集中。

圖3 湖北省不同年份PM2.5年均濃度的核密度曲線Fig.3 Kernel density curves of annual average PM2.5 concentrations in different years in Hubei Province

2.2 湖北省PM2.5濃度空間分布特征

2.2.1空間差異及演化情況

2001—2020年湖北省各城市PM2.5年均濃度空間分布如圖4?？傮w來看,不同年份湖北省PM2.5年均濃度的空間格局既存在一致性也存在差異性。以中部的武漢市、孝感市、天門市、仙桃市、潛江市為中心,PM2.5濃度向東、西2個(gè)方向下降,形成由高向低的濃度梯度,最西邊的十堰市、神農(nóng)架林區(qū)、恩施土家族苗族自治州及最東邊的黃岡市、黃石市、咸寧市濃度較低,且西面濃度小于東面,整體呈現(xiàn)出四面拱衛(wèi)的不對(duì)稱金字塔形。2011—2013年,中部地區(qū)形成污染較嚴(yán)重的核心污染區(qū),其污染效應(yīng)向四周輻射[35],呈現(xiàn)PM2.5濃度整體較高的空間格局。2013年后PM2.5濃度下降,且濃度值相近的區(qū)域擴(kuò)大,表明中部城市的污染效應(yīng)有所減弱。

圖4 2001—2020年湖北省年均PM2.5濃度的空間分布Fig.4 Spatial distribution of annual average PM2.5 concentrations in Hubei Province from 2001 to 2020

湖北省空間格局的形成來源于諸多因素的影響。從經(jīng)濟(jì)發(fā)展情況來看,以武漢市為代表的中部城市工業(yè)化水平較高,社會(huì)經(jīng)濟(jì)發(fā)展領(lǐng)先于周邊城市,排放濃度較高。從自然環(huán)境來看,湖北省橫跨我國(guó)第二階梯與第三階梯。西部多山地,包括大巴山東部、巫山山脈、武當(dāng)山、荊山和七曜山等山脈,地形崎嶇不平,地勢(shì)較高,風(fēng)力較大,顆粒物沉降效果較好;東部多平原,地處亞熱帶季風(fēng)氣候區(qū),降水豐富,對(duì)顆粒物也有一定的去除效果。

2.2.2全局空間自相關(guān)特征

表1為2001—2020年湖北省PM2.5年均濃度的全局Moran′sI指數(shù)。表1顯示,全局Moran′sI指數(shù)均為正值且通過顯著性檢驗(yàn),表明湖北省PM2.5年均濃度存在顯著正相關(guān)性,有明顯的空間集聚效應(yīng),濃度高的城市與濃度高的城市鄰近,濃度低的城市與濃度低的城市鄰近。全局Moran′sI指數(shù)在2004年達(dá)最大值,表明該年份空間集聚現(xiàn)象最為明顯。其他年份的全局Moran′sI指數(shù)總體呈穩(wěn)定波動(dòng)狀態(tài),表明湖北省空間集聚效應(yīng)較穩(wěn)定。

表1 2001—2020年湖北省PM2.5年均濃度的全局空間自相關(guān)指數(shù)Table 1 Global spatial autocorrelation index of annual average PM2.5 concentration in Hubei Province

2.2.3局部空間自相關(guān)特征

利用各年份LISA圖表征湖北省PM2.5年均濃度的空間集聚特征(圖5)。圖5表明,研究期內(nèi)湖北省PM2.5年均濃度空間集聚特征較為穩(wěn)定,相鄰年份的空間集聚性質(zhì)基本一致。

圖5 2001—2020年湖北省PM2.5年均濃度的空間集聚特征Fig.5 Spatial clustering characteristics of annual average PM2.5 concentrations in Hubei Province from 2001 to 2020

2001—2020年,湖北省中部的潛江市、仙桃市、天門市基本表現(xiàn)出高-高聚集特征,成為湖北省“核心污染區(qū)”。其污染效應(yīng)向四周輻射,在部分年份影響孝感市、武漢市及荊門市,共同表現(xiàn)出高-高聚集特征。

經(jīng)濟(jì)最發(fā)達(dá)的武漢市并不屬于“核心污染區(qū)”,這可能是由于以下原因?qū)е碌?第一,武漢市地形以平原為主,有利于空氣污染物擴(kuò)散;第二,武漢市近年來承接產(chǎn)業(yè)轉(zhuǎn)移,逐漸將高污染、高能耗產(chǎn)業(yè)轉(zhuǎn)移至周邊城市,使其能源結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)得到優(yōu)化。

恩施土家族苗族自治州、神農(nóng)架林區(qū)均表現(xiàn)出低-低聚集特征。受西部低-低聚集區(qū)與中部高-高聚集區(qū)的共同影響,襄陽(yáng)市在部分年份表現(xiàn)出高-低聚集特征。僅2001—2004年黃岡市表現(xiàn)出低-高聚集特征,極少出現(xiàn)空間負(fù)相關(guān)性的區(qū)域,這是因?yàn)镻M2.5存在較強(qiáng)的流動(dòng)擴(kuò)散性,較難出現(xiàn)孤立的高值或低值。

2.2.4氣象驅(qū)動(dòng)因子特征

利用地理探測(cè)器中分異及因子探測(cè)器分析湖北省不同年份氣象因子(風(fēng)速、溫度、濕度、日照、降雨量)對(duì)PM2.5濃度的解釋程度,結(jié)果見表2?？傮w而言,各氣象因子在不同年份對(duì)PM2.5濃度均具有較顯著影響。

表2 氣象因子解釋程度分析結(jié)果Table 2 Analysis result of meteorological factor explanation degree

2001—2020年間,各氣象因子平均解釋程度大小順序?yàn)轱L(fēng)速(0.798)>溫度(0.752)>濕度(0.727)>日照(0.694)>降水(0.639)。

為直觀判斷不同年份氣象因子影響程度演化特征,對(duì)不同年份各因子影響強(qiáng)度進(jìn)行大小比較,結(jié)果見表3。

表3 2001—2020年湖北省氣象驅(qū)動(dòng)因子影響強(qiáng)度排序Table 3 Influence intensity of meteorological driving factors in Hubei Province from 2001 to 2020

表3顯示,2001—2010年,溫度在大多數(shù)年份影響強(qiáng)度最大,為主導(dǎo)驅(qū)動(dòng)因子;2010—2020年,風(fēng)速在大多數(shù)年份影響強(qiáng)度最大,為主導(dǎo)驅(qū)動(dòng)因子,這與WESTERVELT等[36]及MA等[37]的研究結(jié)論 (PM2.5濃度對(duì)溫度與風(fēng)速的敏感程度較高)一致。溫度主要通過復(fù)雜的物理化學(xué)反應(yīng)對(duì)PM2.5濃度產(chǎn)生影響。 溫度較高時(shí),大氣湍流擴(kuò)散加劇,光化學(xué)反應(yīng)增強(qiáng),有利于顆粒物擴(kuò)散稀釋作用和二次氣溶膠的形成[38]。

風(fēng)速主要通過輸送擴(kuò)散作用對(duì)PM2.5濃度產(chǎn)生影響,風(fēng)速較低時(shí),顆粒物不易輸送擴(kuò)散,容易發(fā)生局部累積,使PM2.5濃度升高[39]。2011—2016年風(fēng)速解釋程度逐漸增大,而2017—2020年風(fēng)速解釋程度逐漸減小,可見風(fēng)速解釋程度變化趨勢(shì)與PM2.5濃度變化趨勢(shì)幾乎一致。

此外,由于研究跨度(20 a)內(nèi)自然條件并不足以產(chǎn)生顯著改變,有理由將2010年前后主導(dǎo)氣象因子的改變歸因于人為排放的大幅變化。當(dāng)人為排放增加,PM2.5濃度升高,風(fēng)速擴(kuò)散作用更強(qiáng)烈,使風(fēng)速成為主導(dǎo)因子;當(dāng)人為排放受到有效控制,PM2.5濃度降低,風(fēng)速擴(kuò)散作用減弱,解釋程度逐步降低。蔡子穎等[40]對(duì)天津市的研究表明,2013—2020年人為排放下降與大氣擴(kuò)散條件轉(zhuǎn)好是PM2.5質(zhì)量濃度持續(xù)下降的絕對(duì)主導(dǎo)因素,筆者的研究結(jié)論與其相符。

3 結(jié)論

基于PM2.5濃度空間分布數(shù)據(jù),利用空間自相關(guān)、核密度估計(jì)等方法分析了2001—2020年湖北省PM2.5濃度時(shí)空變化特征,利用地理探測(cè)器對(duì)影響PM2.5濃度的氣象驅(qū)動(dòng)因子進(jìn)行分析,主要結(jié)論如下:

(1)2001—2020年間湖北省PM2.5年均濃度整體表現(xiàn)出以2013年為分界線的倒“U”型特征。2001—2013年,湖北省各城市PM2.5年均濃度均值由42.47逐步上升至62.94 μg·m-3;2013—2020年,湖北省各城市PM2.5年均濃度均值由62.94減少至32.85 μg·m-3。2001—2020年,湖北省PM2.5污染情況總體向好發(fā)展,符合二級(jí)限值標(biāo)準(zhǔn)的城市由1個(gè)增至8個(gè),與大氣污染防治攻堅(jiān)戰(zhàn)政策落實(shí)具有較高的響應(yīng)性。核密度估計(jì)顯示,2001—2013年各城市PM2.5年均濃度值隨時(shí)間推移逐漸分散;2013—2020年各城市PM2.5年均濃度值隨時(shí)間推移逐漸集中。2013年后濃度較高地區(qū)的擴(kuò)散效應(yīng)逐漸減小。

(2)以武漢市等中部城市為分界線,湖北省PM2.5向東西2個(gè)方向均存在由高至低的濃度梯度,且西面濃度小于東面,整體呈現(xiàn)出四面拱衛(wèi)的不對(duì)稱金字塔形,這與湖北省地勢(shì)西高東低的走向有一定相關(guān)性。2001—2020年湖北省PM2.5空間分布存在顯著的正相關(guān)性,且集聚效應(yīng)比較穩(wěn)定。湖北省中部的潛江市、仙桃市、天門市基本表現(xiàn)出高-高聚集特征,恩施土家族苗族自治州、神農(nóng)架林區(qū)均表現(xiàn)出低-低聚集特征。

(3)氣象因子在不同年份對(duì)PM2.5濃度均具有較顯著影響。2001—2020年間不同氣象因子對(duì)PM2.5濃度平均解釋程度排序?yàn)轱L(fēng)速(0.798)>溫度(0.752)>濕度(0.727)>日照(0.694)>降水(0.639)。2010年前溫度為主導(dǎo)驅(qū)動(dòng)因子,2010年后風(fēng)速為主導(dǎo)驅(qū)動(dòng)因子。