李 聰 李代超# 劉雪冰 梁建琴 謝曉葦 許芳年 曾 展

(1.福州大學空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室,福建 福州 350002;2.福州大學數(shù)字中國研究院(福建),福建 福州 350002;3.中國科學院地理科學與資源研究所,資源與環(huán)境信息系統(tǒng)國家重點實驗室,北京 100101;4.中國科學院大學,北京 100049;5.湖南地圖出版社,湖南 長沙 410007)

細顆粒物(PM2.5)污染是廣東省主要的大氣污染問題之一?！?019年廣東省環(huán)境狀況公報》顯示,廣東省PM2.5年均質量濃度為27 μg/m3,高于世界衛(wèi)生組織《全球空氣質量指南》的PM2.5過渡期二級標準(25 μg/m3)。“十四五”時期,廣東省PM2.5對污染治理提出了更高的要求,《廣東省生態(tài)環(huán)境保護“十四五”規(guī)劃》提出到2025年將全省PM2.5年均質量濃度控制在22 μg/m3以下。因此,找到一條實現(xiàn)PM2.5污染控制達標的路徑對于廣東省各級政府制定環(huán)境污染治理相關政策有著重要意義。

目前,針對PM2.5污染控制路徑的研究主要從3個方面展開:PM2.5影響因素的探討、PM2.5預測模型的構建和PM2.5治理情景的構建[1]1-10。產業(yè)結構、能源消耗等社會經濟因素會對PM2.5產生影響[2],但實際上PM2.5的影響因素非常紛繁復雜,本研究將結合《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》等有關政策,從產業(yè)結構、能耗強度、道路交通、貨運結構、城市綠化和污染排放6個方面構建PM2.5影響因素的指標體系。常見的PM2.5預測模型都存在一定的局限性,如經典統(tǒng)計模型和空氣質量模型預測效果不是很好[3-4];機器學習模型雖然預測效果較好,但需要大量樣本[5-7]。將多個預測模型進行耦合可以實現(xiàn)模型間的優(yōu)勢互補[8-10],因此本研究耦合經典統(tǒng)計模型和機器學習模型進行PM2.5預測,經典統(tǒng)計模型中的Ridge回歸模型可以在保留所有變量的同時解決變量間的多重共線性問題[11],機器學習模型中的支持向量機(SVM)模型可以有效避免非線性、小樣本、高維度數(shù)據(jù)過擬合問題[12]。本研究在PM2.5治理情景構建時還將考慮目標城市社會經濟特征[13-15]。

因此,本研究結合《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》等有關政策,全面選取合理的PM2.5影響因素,在此基礎上構建耦合Ridge回歸模型和SVM模型的Ridge-SVM混合模型,實現(xiàn)對PM2.5濃度預測,根據(jù)廣東省的城市發(fā)展特征構建“十四五”時期的PM2.5治理情景,最終確定廣東省“十四五”時期PM2.5污染防治達標路徑,以期為廣東省制定PM2.5污染防治措施提供參考。

1 數(shù)據(jù)與方法

1.1 PM2.5影響因素指標體系構建及數(shù)據(jù)來源

由于廣東省2013年才開始開展PM2.5監(jiān)測,因此PM2.5監(jiān)測數(shù)據(jù)不是很完善。本研究選用WEI等[16]基于地面測量、衛(wèi)星遙感產品等數(shù)據(jù)生成的1 km分辨率的ChinaHighPM2.5數(shù)據(jù)集,使用ArcGIS軟件提取廣東省的PM2.5數(shù)據(jù),以地級市為單位,時間跨度為2010—2019年。

眾所周知,第二產業(yè)占國內生產總值(GDP)比例(SGDP)越高,PM2.5濃度越高,但隨著第三產業(yè)比例增加,第三產業(yè)對第二產業(yè)的追趕和反超在一定程度上可以遏制空氣污染[17],因此在產業(yè)結構方面選擇SGDP和第三產業(yè)占GDP比例(TGDP)作為指標,并用SGDP/TGDP(STIR)表征產業(yè)結構;降低單位GDP能源消耗量(ECPG)有助于提升經濟效益和改善空氣質量[18],因此選用ECPG作為能耗強度方面的指標來表征;控制民用汽車保有量增長有助于緩解城市交通擁堵和汽車尾氣排放,因此選取民用汽車保有量增長率(GROC)作為道路交通方面的指標來表征;由于廣東省公路貨運量與水路貨運量總和占到總貨運量的95%以上,因此選取公路貨運量占總貨運量比例(HFTF)和水路貨運量占總貨運量比例(WFTF)來表征貨運結構方面的指標,并用HFTF/WFTF(WHFR)表征貨運結構;在城市綠化方面,選擇城市人均綠地面積(GAPC)作為指標;在污染排放方面,選擇城市工業(yè)二氧化硫排放量(ISDE)作為指標來表征。

SGDP、TGDP、GROC和GAPC數(shù)據(jù)來源于歷年廣東省統(tǒng)計年鑒,HFTF、WFTF數(shù)據(jù)來源于歷年中國城市統(tǒng)計年鑒,ECPG、ISDE來源于廣東省政府信息依申請公開系統(tǒng)。

1.2 灰色關聯(lián)分析方法

將各地級市2010—2019年每年的PM2.5年均濃度作為參照的特征序列,8個PM2.5影響因素作為被比較的因素序列,若各因素的量綱不同,則先進行標準化處理,然后計算每年的關聯(lián)系數(shù),分辨率取為0.5,10年的關聯(lián)系數(shù)平均值即為灰色關聯(lián)度,當灰色關聯(lián)度大于0.3時,認為該影響因素對PM2.5變化有重要作用,具體方法詳見文獻[19]。

1.3 PM2.5預測模型構建方法

首先,基于各地級市2010—2019年每年的PM2.5年均濃度和6個社會經濟方面數(shù)據(jù),使用Python語言Sklearn包中Ridge模塊構建Ridge回歸模型,將得到的2010—2019年每年PM2.5結果作為SVM模型的輸入變量之一,用于解釋PM2.5與6個方面的線性關系部分。

在構建SVM模型時,將Ridge回歸模型預測結果與原始的6個社會經濟方面設定為模型的特征變量,將PM2.5年均濃度設置為模型預測變量,并以單一SVM模型作為對照組。盡管SVM模型適用于小樣本數(shù)據(jù),但廣東省每個地級市只有10年的數(shù)據(jù),還是偏少,為此,將廣東省21個地級市數(shù)據(jù)同時作為模型的訓練數(shù)據(jù),有效提高了模型的樣本數(shù)量和穩(wěn)定性,避免了過擬合[1]6。為了使模型達到理想效果,采用粒子群優(yōu)化算法(PSO)對正則化參數(shù)和核函數(shù)參數(shù)進行優(yōu)化。

最后,用均方根誤差(RMSE)、平均絕對誤差(MAE)和擬合度(R2)評價模型精度。

1.4 情景構建方法

由于不同地級市的社會經濟特征存在差異性,采用統(tǒng)一情景進行模擬顯然不甚合理,因此本研究先根據(jù)不同地級市的社會經濟特征進行分類,再對各類地級市構建以2025年PM2.5達標為目標的PM2.5污染控制情景。主要步驟如下:

(1) 根據(jù)《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》《中共中央國務院關于深入打好污染防治攻堅戰(zhàn)的意見》《廣東省國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》《廣東省生態(tài)環(huán)境保護“十四五”規(guī)劃》和《廣東省生態(tài)文明建設“十四五”規(guī)劃》的有關目標要求,為各影響因素構建低、中、高3種等級的治理情景庫,并且每種等級再分成寬、強和嚴(見表1),以匹配不同城市的社會經濟發(fā)展程度。

表1 治理情景庫1)

(2) 采用自然斷點法對2019年各地級市6個社會經濟方面數(shù)據(jù)進行分級,利用K-means算法對各地級市的分級特征進行聚類。

(3) 根據(jù)各類地級市的社會經濟發(fā)展程度,選擇相匹配的治理情景,構建出2020—2025年各地級市的PM2.5污染治理情景。

2 結果與分析

2.1 指標相關性分析

灰色關聯(lián)度計算結果表明,廣東省各地級市的PM2.5與所選的8個影響因素之間的灰色關聯(lián)度都大于0.3,也就是說,所選8個影響因素都對PM2.5變化具有重要作用。

2.2 PM2.5預測結果

如表2所示,Ridge回歸模型的R2為0.867 1～0.959 5,說明Ridge回歸模型的預測值與實際值已經較為吻合,較好地解釋了PM2.5與6個社會經濟方面的線性關系部分。Ridge-SVM混合模型的R2為0.931 3～0.994 8,MAE為0.324 6～1.253 1 μg/m3,RMSE為0.365 4～1.635 2 μg/m3,相對于單一模型,Ridge-SVM混合模型的R2明顯提高,MAE和RMSE明顯降低。因此,Ridge-SVM混合模型的預測效果明顯優(yōu)于Ridge回歸模型和SVM模型兩個單一模型。

表2 PM2.5預測模型精度對比

2.3 PM2.5治理情景

自然斷點法對2019年廣東省各地級市社會經濟方面數(shù)據(jù)分級結果如表3所示,其中STIR分為5級,ECPG、WHFR、GROC和ISDE分為4級,GAPC分為3級。

表3 社會經濟方面數(shù)據(jù)分級

利用K-means算法對各地級市的社會經濟指標分級特征聚類結果如表4所示,廣東省21個地級市劃分為4類。廣州市、梅州市、清遠市、韶關市、深圳市和云浮市為第一類,以第三產業(yè)為主導,產業(yè)結構優(yōu)化空間有限,能耗強度較低但仍有優(yōu)化空間,水路貨運開發(fā)承載能力較高,汽車保有量適中,ISDE較高。河源市、揭陽市、茂名市、汕尾市和陽江市為第二類,SGDP總體低于TGDP,可以適當?shù)剡M行產業(yè)結構轉移,能耗強度略高,水路貨運承載能力較弱,汽車保有量增長快,GAPC低,ISDE較高。潮州市、東莞市、佛山市、汕頭市和中山市為第三類,SGDP較大,應促進第三產業(yè)發(fā)展,能耗強度低,水路貨運承載能力適中,汽車保有量增長略慢,GAPC接近廣東省平均水平,ISDE略高?；葜菔小⒔T市、湛江市、肇慶市和珠海市為第四類,SGDP和TGDP較接近,也需要促進第三產業(yè)發(fā)展,能耗強度遠高于廣東省平均水平,具有較強的水路運輸承載能力,汽車保有量增長較慢,GAPC高,ISDE大。

表4 各地級市社會經濟方面分級及聚類結果

根據(jù)各類地級市的指標分級劃定各指標的調控等級,結果如表5所示。

表5 各類地級市可選PM2.5治理情景

基于表5的可選PM2.5治理情景計算得到廣東省各地級市2020—2025年8個影響因素數(shù)據(jù),并用作PM2.5預測模型的輸入數(shù)據(jù)得到PM2.5預測濃度,各地級市可在各自的類別中達到PM2.5污染控制目標前提下選擇寬、強、嚴情景。結果表明,按表6對社會經濟發(fā)展影響最小的PM2.5污染控制達標路徑,廣東省21個地級市均可以到2025年實現(xiàn)將PM2.5年均質量濃度控制在22 μg/m3以下。

表6 各地級市PM2.5污染控制達標路徑1)

圖1展示了在表6的PM2.5污染控制達標路徑下2020—2025年廣東省PM2.5年均質量濃度預測結果?？梢钥吹?肇慶市、茂名市、揭陽市和汕頭市在2023年率先達標;2024年,除陽江市、江門市、云浮市、佛山市、廣州市和梅州市外,其他地級市均已實現(xiàn)達標;2025年,廣東省21個地級市全部完成達標。

圖1 2020—2025年廣東省PM2.5年均質量濃度預測結果

2.4 政策建議

(1) “十四五”期間,廣州市、梅州市、深圳市、韶關市、云浮市和清遠市在治理PM2.5污染時應優(yōu)先考慮調整貨運結構和減少城市工業(yè)污染物排放。就貨運結構而言,廣州市、深圳市、韶關市、云浮市和清遠市都位于珠江流域,可通過開拓航道提高航運能力、采用水路運輸推進多式聯(lián)運等方式來調整貨運結構;梅州市則可通過推進梅州港建設發(fā)展公水聯(lián)運。在減少城市工業(yè)污染物排放方面,可制定更加嚴格的企業(yè)污染物排放標準,通過加大環(huán)保檢查力度和升級污染治理設備等措施來減少污染物的排放。

(2) 河源市、揭陽市、茂名市、汕尾市和陽江市應從城市道路交通和城市綠化入手,輔以調整產業(yè)結構、降低能源消耗強度和減少污染物排放等治理手段。控制城市道路交通污染可采用新能源車代替?zhèn)鹘y(tǒng)燃油車、改善公共交通基礎設施等方法。在城市綠化方面,可在道路兩側和中央建設綠化帶,提高綠色植物吸附率。同時,還可通過調整產業(yè)結構、降低能源消耗強度和減少污染物排放等輔助手段來治理PM2.5污染。

(3) 潮州市、東莞市、佛山市、汕頭市和中山市的主要治理方向應為優(yōu)化產業(yè)結構、調整貨運結構和提高城市綠化率。在優(yōu)化產業(yè)結構方面,由于這5個地級市以第二產業(yè)為主導,第三產業(yè)發(fā)展緩慢,因此需要鼓勵傳統(tǒng)第二產業(yè)升級改造,通過稅收優(yōu)惠、補貼等政策推動高端服務業(yè)發(fā)展。在調整貨運結構方面,東莞市、佛山市和中山市位于珠三角入?？?可融入珠江水系運輸網(wǎng)絡,推進公路運輸向水路運輸轉移;潮州市和汕頭市可以通過海洋運輸來推進大宗貨物“公轉水”。在提高城市綠化率方面,可以通過建設城市綠色走廊或公園,構建綠地網(wǎng)絡。

(4) 對于湛江市、惠州市、江門市、肇慶市和珠海市,除了城市綠化對空氣質量的提升較小外,產業(yè)結構、能耗強度、貨運結構和工業(yè)污染物排放等方面都存在著較大的提升空間。在產業(yè)結構方面,除珠海市外,湛江市、惠州市、江門市和肇慶市都以重工業(yè)為主導產業(yè),所以應推進高新技術產業(yè)發(fā)展,鼓勵傳統(tǒng)產業(yè)轉型升級或改進生產工藝。在能耗強度方面,這些地級市應實施節(jié)能減排政策,改進能源管理,識別耗能原因并加以整頓。在貨運結構方面,湛江市和珠海市都是海濱城市,可以通過發(fā)展海洋物流、拓展港口功能等方式,推動貨物運輸由公路向海路及鐵路運輸轉移;惠州市、江門市和肇慶市則可通過加強物流中心建設和發(fā)展多式聯(lián)運等方式來實現(xiàn)貨運結構的調整。在工業(yè)污染物排放方面,可以制定更加嚴格的企業(yè)污染物排放標準,加大環(huán)保檢查力度,鼓勵企業(yè)采用清潔生產技術和先進治污設備來減少工業(yè)污染物排放。

3 結 論

(1) 在小樣本情況下,耦合經典統(tǒng)計模型Ridge回歸模型與機器學習模型SVM模型的Ridge-SVM混合模型能夠精準地對廣東省21個地級市的PM2.5進行預測。

(2) 2020—2025年PM2.5預測結果表明,廣東省21個地級市均可以到2025年實現(xiàn)將PM2.5年均質量濃度控制在22 μg/m3以下,達到《廣東省生態(tài)環(huán)境保護“十四五”規(guī)劃》的預期目標。

(3) 根據(jù)廣東省21個地級市的社會經濟特征提出了“十四五”時期各地級市的PM2.5污染控制達標路徑并給出政策建議。