慕石雷， 楊玉歡， 烏日陶克套胡

（1.內(nèi)蒙古師范大學(xué)民族學(xué)人類學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010022；2.西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127)

黃河流域是我國重要的生態(tài)安全屏障，在構(gòu)筑“兩屏三帶”生態(tài)安全戰(zhàn)略格局中居于重要地位［1］。黃河流域也被譽(yù)為“能源流域”，是我國重要的能源、化工和原材料基地，巨大的以煤為主的能源消耗在推動流域工業(yè)化和城鎮(zhèn)化進(jìn)程中，也給生態(tài)環(huán)境帶來巨大的壓力，其中由工業(yè)污染蔓延的大氣污染形勢依然嚴(yán)峻［2］。生態(tài)環(huán)境部通報(bào)的2021年1—12 月168 個重點(diǎn)城市空氣質(zhì)量排名后20 位城市名單中，有多達(dá)17 個位于黃河流域5 大城市群［3］。城市群不僅是新型城鎮(zhèn)化的主體形態(tài)和現(xiàn)代化建設(shè)的重要載體，在支撐區(qū)域經(jīng)濟(jì)增長、促進(jìn)區(qū)域協(xié)調(diào)發(fā)展和參與國際競爭合作等方面發(fā)揮帶動引領(lǐng)作用，也是空氣污染的重災(zāi)區(qū)，城市群日益演變成“污染群”［4］。PM2.5（空氣動力學(xué)等效直徑等于和小于2.5 μm 的細(xì)顆粒物）是造成大氣污染的主要因素，以PM2.5為首要污染物的重污染天氣不僅危害公眾身體與心理健康，影響人民群眾對藍(lán)天的獲得感和幸福感，也成為制約黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展的瓶頸［5］。

國內(nèi)外學(xué)者在環(huán)境細(xì)顆粒物PM2.5相關(guān)的研究上做了大量工作。在PM2.5標(biāo)準(zhǔn)方面，美國在1997年制定PM2.5的國家大氣質(zhì)量標(biāo)準(zhǔn)，西班牙、加拿大等國也做了相關(guān)工作［6］。中國大氣污染控制技術(shù)與研究發(fā)軔于20 世紀(jì)80 年代［7］。2012 年2 月，出臺的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）首次將PM2.5納入環(huán)境空氣質(zhì)量新標(biāo)準(zhǔn)，并于2016 年1 月1 日起實(shí)施，推動我國空氣質(zhì)量標(biāo)準(zhǔn)與國際逐步接軌［8-9］。在PM2.5特性方面，主要分析了化學(xué)特征［10］、空間集聚性［11］和變異性［12］等。在影響因素方面，主要涉及煤炭消費(fèi)［13-14］、經(jīng)濟(jì)增長［15-16］、城市化［17-18］、工業(yè)化［19-20］、技術(shù)水平［21-22］、進(jìn)出口貿(mào)易［23-24］、外商直接投資（FDI）［25］、機(jī)動車尾氣排放［26-27］等社會經(jīng)濟(jì)因素和氣溫［4］、降水量［28］、植被覆蓋指數(shù)［29］等自然地理因素。在分析方法方面，有空間杜賓模型［4］、STIRPAT模型［30］、地理探測器［28］、地理加權(quán)回歸［31］等。在研究區(qū)域方面，主要以全國［14,16,30］、省域［24-25］、市域［32-34］尺度和城市群［4,28,35-36］為主，對長江經(jīng)濟(jì)帶［18,29,36］的研究較為豐富，但對黃河流域［28,37］的研究相對薄弱。

在黃河流域城市群PM2.5時空演變及影響因素的研究進(jìn)展方面，主要運(yùn)用標(biāo)準(zhǔn)差橢圓［38］、空間自相關(guān)［39］揭示黃河流域PM2.5的異質(zhì)性特征；在影響因素方面，主要強(qiáng)調(diào)技術(shù)創(chuàng)新對PM2.5的影響及其空間溢出效應(yīng)［40］；在研究尺度方面，僅在黃河流域部分城市群，如蘭州-西寧城市群［37］、關(guān)中平原城市群［28］和沿黃少數(shù)城市如濟(jì)南［32］、太原［33］、蘭州［34］等展開研究，對黃河流域5 大城市群整體PM2.5時空演變格局的研究較少，尤其對影響因素多角度展開的討論較為匱乏。綜上所述，本文以黃河流域5 大城市群的82個城市為研究區(qū)域，選取2016—2020年中國環(huán)境監(jiān)測總站發(fā)布的PM2.5數(shù)據(jù)，綜合運(yùn)用空間自相關(guān)、地理探測器和地理加權(quán)回歸等方法，探測PM2.5的時空分布特征和空間異質(zhì)性的主要驅(qū)動影響因素及因子間的互耦互饋關(guān)系，為黃河流域5 大城市群大氣污染防治和環(huán)境規(guī)制完善提供決策依據(jù)，助推黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展。

1 材料與方法

1.1 研究區(qū)概況

本文選取黃河流域從上游至下游的蘭州-西寧城市群、黃河“幾”字彎都市圈、關(guān)中平原城市群、中原城市群和山東半島城市群5大城市群作為研究對象（圖1）。蘭州-西寧城市群是黃河上游首個跨省域的城市群，既是維護(hù)國家生態(tài)安全的戰(zhàn)略屏障，也是支撐西北地區(qū)發(fā)展的重要增長極［37］。黃河“幾”字彎都市圈擁有雄厚的能源工業(yè)，橫跨黃河部分上游和全部中游區(qū)域，主要包括寧夏、內(nèi)蒙古、陜西、山西的19個城市［41］。關(guān)中平原城市群以西安市為中心，是亞歐大陸橋的重要支點(diǎn)，是西部地區(qū)面向東中部地區(qū)的重要門戶，橫跨甘肅、陜西、山西3省11 個城市［28］。中原城市群地處全國“兩橫三縱”城市化戰(zhàn)略格局陸橋通道與京廣通道交匯區(qū)域，是現(xiàn)代陸路交通的重要樞紐之一［42］，是我國經(jīng)濟(jì)由東向西梯次推進(jìn)發(fā)展的中間地帶，包括河南、山西、河北、山東、安徽5 省29 座城市。山東半島城市群覆蓋山東全域16市，對內(nèi)承接南北，對外毗鄰日韓、聯(lián)通“一帶一路”，是黃河流域的主要出海門戶［43］。

圖1 黃河流域5大城市群示意圖Fig.1 Schematic diagram of five urban agglomerations in the Yellow River Basin

1.2 數(shù)據(jù)來源

本文PM2.5數(shù)據(jù)來源于生態(tài)環(huán)境部中國環(huán)境監(jiān)測總站（http://www.cnemc.cn）。影響PM2.5時空分布的自然地理因素中的地形起伏度、植被覆蓋指數(shù)和凈第一性生產(chǎn)力數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn），氣溫和降水量數(shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)中心（https://data.cma.cn）。社會經(jīng)濟(jì)因素中的經(jīng)濟(jì)增長、城市化、人口規(guī)模、工業(yè)規(guī)模、科技創(chuàng)新、能源效率、煙塵和粉塵排放量與城市綠化率數(shù)據(jù)來源于2017—2021 年的《中國城市統(tǒng)計(jì)年鑒》，公眾環(huán)境關(guān)注度：百度霧霾搜索指數(shù)（2016—2020 年）數(shù)據(jù)來源于百度指數(shù)（https://index.baidu.com）。

1.3 研究方法

1.3.1 空間自相關(guān)

（1）全局莫蘭指數(shù)：檢驗(yàn)不同空間鄰近區(qū)域單元PM2.5的平均相似程度，具體見參考文獻(xiàn)［44］。

（2）局部莫蘭指數(shù)：衡量一個區(qū)域空間單元的PM2.5污染與鄰近單元的PM2.5污染特征的相關(guān)程度［4,36］，計(jì)算公式為：

式中：Ii為黃河流域5 大城市群內(nèi)i城市的局部莫蘭指數(shù)；xˉ為所有研究單元對應(yīng)屬性值的均值；n為城市數(shù)量；m為與i城市空間上相鄰近的城市數(shù)量；xi和xj分別為城市群內(nèi)i和j城市的PM2.5年均值；Wij為鄰近城市i和j的空間權(quán)重矩陣。在95%置信區(qū)間內(nèi)，Ii>0時表示i城市與鄰近單元的PM2.5污染呈空間正相關(guān)（“高-高”或“低-低”關(guān)聯(lián)），Ii<0時表示i城市與鄰近單元的PM2.5污染呈空間負(fù)相關(guān)（“高-低”或“低-高”關(guān)聯(lián)）。

1.3.2 地理探測器地理探測器是探測空間分異格局及影響機(jī)制的一種分析工具。本文采用分異探測黃河流域5大城市群PM2.5空間分異影響因子的解釋力大小，交互探測識別不同因子間交互作用的影響力強(qiáng)弱，具體見參考文獻(xiàn)［45］。

1.3.3 地理加權(quán)回歸地理加權(quán)回歸是Brunsdon 等1996 年提出的將空間關(guān)系異質(zhì)性和多相性納入回歸分析方法。它引入對不同區(qū)域的影響因素進(jìn)行估計(jì)，能夠有效捕獲各要素對PM2.5污染的非平穩(wěn)影響，描述變量關(guān)系隨空間變化的特征。本文采用地理加權(quán)回歸模型探測PM2.5空間分異影響因子在局部空間上的作用特征［46］。計(jì)算公式為：

式中：i為觀測單位數(shù)；（ui,vi）為第i個樣本觀測的地理中心坐標(biāo)；參數(shù)β為ui和vi的函數(shù)，即任何一個具體空間位置的估計(jì)參數(shù)β是通過局域估計(jì)獲得的，它隨著空間地理位置的不同而變化；Xik（k=1,2,…,5）為i城市的自變量解釋值；βk()ui,vi為位置i第k個變量的回歸參數(shù)；β0()ui,vi、εi分別為位置i的截距項(xiàng)和隨機(jī)誤差項(xiàng)。

2 結(jié)果與分析

2.1 時空格局分析

2.1.1 時間分布特征通過對比黃河流域5 大城市群“十三五”時期（2016—2020 年）PM2.5年均值的變化（圖2a），發(fā)現(xiàn)城市群的PM2.5變化大體呈倒“N”型，從2016—2018 年連續(xù)3 a 一直處于下降趨勢，2019年出現(xiàn)反彈升高，2020 年又出現(xiàn)下降趨勢，總體呈現(xiàn)逐步下降態(tài)勢。其中，相較于2016 年，2020 年蘭州-西寧城市群PM2.5下降了31%，黃河“幾”字彎都市圈PM2.5下降了21%，關(guān)中平原城市群PM2.5下降了33%，中原城市群PM2.5下降了28%，山東半島城市群PM2.5下降了30%，“十三五”時期PM2.5整體下降了29%。2019 年出現(xiàn)反彈升高的原因?yàn)槔淇諝饣顒悠?、平均風(fēng)速偏小、小風(fēng)日數(shù)增多和有效降水日數(shù)偏少［47］。按照《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）二級標(biāo)準(zhǔn)（35 μg·m-3）的限定，“十三五”期間黃河流域5大城市群中僅有2018—2020年的蘭州-西寧城市群和2019年的黃河“幾”字彎都市圈達(dá)標(biāo)，其余年份的城市群均未達(dá)標(biāo)。

圖2 2016—2020年黃河流域5大城市群PM2.5年均值和季均值變化Fig.2 Changes of annual and seasonal mean PM2.5 in the five urban agglomerations in the Yellow River Basin from 2016 to 2020

5 大城市群PM2.5季均值變化總體呈先降后升的周期規(guī)律性的“U”型，存在第一、四季度高，第二、三季度低的變化特征（圖2b）。其中，峰值為中原城市群2019 年第1 季度的96.24 μg·m-3，低谷為蘭州-西寧城市群2020年第3季度的17.15 μg·m-3?？傊?，黃河流域城市群總體呈冬高夏低、春秋居中的季節(jié)變化態(tài)勢。主要因?yàn)辄S河流域地處北方，冬季受冷空氣西北風(fēng)影響，氣候干燥寒冷，需要燃煤取暖，再加上溫度低，風(fēng)力小等氣象條件，導(dǎo)致排放在空氣中的細(xì)顆粒物積蓄不散，PM2.5濃度隨之升高［48］。

2.1.2 空間分布特征黃河流域PM2.5的分布呈現(xiàn)出顯著的空間異質(zhì)性（圖3）：（1）PM2.5的空間分布格局明顯，5 大城市群PM2.55 a 均值由大到小的排序?yàn)椋褐性鞘腥海?35.14 μg·m-3）>山東半島城市群（211.93 μg·m-3）>關(guān)中平原城市群（194.22 μg·m-3）>黃河“幾”字彎都市圈（150.92 μg·m-3）>蘭州-西寧城市群（125.93 μg·m-3）?？梢?，PM2.5污染程度大致形成了黃河流域下游>中游>上游的梯度遞減空間差異格局。其中，下游的中原城市群和山東半島城市群已形成大面積連片重度污染區(qū)。（2）2016—2020年P(guān)M2.5變化明顯升高的城市有：關(guān)中平原城市群的臨汾市、慶陽市、西安市和寶雞市；黃河“幾”字彎都市圈的呂梁市、忻州市；中原城市群的宿州市、阜陽市、淮北市和亳州市；蘭州-西寧城市群的臨夏回族自治州、定西市。這些城市PM2.5污染情況未見明顯好轉(zhuǎn)，除了燃煤和工業(yè)排放外，區(qū)域的地形和氣候特征也是導(dǎo)致PM2.5污染嚴(yán)重的主要因素［49］。PM2.5變化明顯降低的城市有：中原城市群的濟(jì)源市、商丘市；黃河“幾”字彎都市圈的晉中市、烏蘭察布市、大同市、阿拉善盟和中衛(wèi)市。除關(guān)中平原城市群外，其他4 大城市群PM2.5變化有逐漸下降的趨勢，表明“十三五”時期黃河流域大氣污染防治取得較好效果。

圖3 2016—2020年黃河流域5大城市群PM2.5濃度變化率Fig.3 Change rate of PM2.5 concentration in the five urban agglomerations in the Yellow River Basin from 2016 to 2020

2.2 空間自相關(guān)分析

以莫蘭指數(shù)為指標(biāo)，分別對“十三五”規(guī)劃的開局和收官之年即2016 年和2020 年黃河流域5 大城市群的PM2.5均值進(jìn)行空間自相關(guān)檢驗(yàn)，PM2.5分布影響因素也主要對這2個年份進(jìn)行演變分析。空間自相關(guān)對比分析（表1）可知，5 大城市群PM2.5經(jīng)過5 a的演變表現(xiàn)出空間自相關(guān)性各不同，但整體上Moran’sI均大于0，且均通過了0.01 顯著性檢驗(yàn)。其中，蘭州-西寧城市群PM2.5在空間上呈負(fù)自相關(guān)離散分布，2020年趨近于0，趨于空間隨機(jī)分布。黃河“幾”字彎都市圈PM2.5在空間上雖然呈正自相關(guān)集聚分布，但2020年也趨近于0，呈隨機(jī)分布態(tài)勢。關(guān)中平原城市群、中原城市群和山東半島城市群的Moran’sI均大于0，表明PM2.5在空間上呈正自相關(guān)集聚分布。

表1 黃河流域5大城市群PM2.5全局莫蘭指數(shù)Tab.1 Global Moran index of PM2.5 in the five urban agglomerations in the Yellow River Basin

使用局部空間自相關(guān)進(jìn)一步探測5 大城市群PM2.5空間分布的區(qū)域差異。由圖4 可知，PM2.5濃度集聚類型主要為高-高集聚、低-低集聚和低-高集聚類型，未出現(xiàn)高-低集聚。2個年份的高-高和低-低集聚的區(qū)域變化不大，僅晉中市、駐馬店市和南陽市3 個城市由高污染區(qū)演變?yōu)榭諝鈨?yōu)良區(qū)，淮北市卻演變?yōu)楦呶廴緟^(qū)。從演變趨勢來看，高污染區(qū)范圍在不斷縮小。低-低集聚區(qū)主要位于黃河流域中上游的蘭州-西寧城市群和黃河“幾”字彎都市圈，表明這些區(qū)域PM2.5值較低，是黃河流域長期穩(wěn)固的PM2.5空氣質(zhì)量優(yōu)良區(qū)。高-高集聚區(qū)主要分布在下游地區(qū)，其中主要分布在中原城市群和山東半島城市群中西部地區(qū)，表明這些區(qū)域是黃河流域長期穩(wěn)固的PM2.5高污染區(qū)。

圖4 2016、2020年黃河流域5大城市群PM2.5局部空間自相關(guān)對比分析Fig.4 Comparative analysis of local spatial autocorrelation of PM2.5 in the five urban agglomerations in the Yellow River Basin in 2016 and 2020

3 黃河流域5 大城市群PM2.5時空分異的影響因素

PM2.5污染的形成與演變、空間分布等受自然地理與社會經(jīng)濟(jì)2大方面影響因素的相互交織作用（表2），自然地理因素主要有地形起伏度［28］、氣溫［4,28-29,36］、降水量［4,28-29,36］、植被覆蓋指數(shù)［28-29］和凈第一性生產(chǎn)力5個因子，社會經(jīng)濟(jì)因素主要有經(jīng)濟(jì)增長［4,28-29,35］、城市化［4,29,36］、工業(yè)化［4,29,35-36］、人口規(guī)模［28-29,35］、工業(yè)規(guī)模［36］、科技創(chuàng)新［30］、能源效率［4,29,31］、煙塵和粉塵排放量［35］、公眾環(huán)境關(guān)注度和城市綠化率［35］10 個因子。利用地理探測器的分異和交互作用探測，測算不同驅(qū)動因子對黃河流域5大城市群PM2.5空間分布格局的影響程度，并選擇2016 年和2020 年影響因子分異探測差異變化較大的前5 個因素，探究PM2.5影響因素的空間作用特征。

表2 黃河流域5大城市群PM2.5空間分布影響因素、因子解釋力與分異探測結(jié)果Tab.2 Influencing factors,explanatory power and differentiation detection results of PM2.5 spatial distribution in the five urban agglomerations in the Yellow River Basin

3.1 分異探測分析

不同因素對黃河流域5大城市群PM2.5的空間分異格局影響程度不同。2016 年，PM2.5排名前8 強(qiáng)的因子為：凈第一性生產(chǎn)力（X5）>地形起伏度（X1）>氣溫（X2）>植被覆蓋指數(shù)（X4）>人口規(guī)模（X9）>工業(yè)規(guī)模（X10）>經(jīng)濟(jì)增長（X6）=公眾環(huán)境關(guān)注度（X14）。2020 年，排名前8 強(qiáng)的因子為：凈第一性生產(chǎn)力（X5）>氣溫（X2）>地形起伏度（X1）>植被覆蓋指數(shù)（X4）>能源效率（X12）>人口規(guī)模（X9）>公眾環(huán)境關(guān)注度（X14）>城市綠化率（X15）。“十三五”開局和收官之年共同反映出自然地理因素比社會經(jīng)濟(jì)因素的驅(qū)動力更強(qiáng)，自然地理因素對PM2.5污染變化有著顯著性影響力。

3.1.1 自然地理因素黃河流域所處的區(qū)域自然地理環(huán)境為PM2.5污染的擴(kuò)散、傳輸和稀釋提供基礎(chǔ)性支撐作用。從表2可知，2016年和2020年P(guān)M2.5污染的驅(qū)動力前4強(qiáng)的因子相同，均是自然地理因素，其中影響力最強(qiáng)的均是凈第一性生產(chǎn)力，植物在單位面積和單位時間上通過光合作用吸附PM2.5，具有顯著消減空氣中PM2.5的含量，有效改善城市群環(huán)境質(zhì)量的功能，是地表碳循環(huán)的關(guān)鍵組分［50］。地形起伏度、氣溫和植被覆蓋指數(shù)也是驅(qū)動力較強(qiáng)的自然地理因子。其中，地形起伏度與PM2.5總體上呈負(fù)相關(guān)，黃河流域中西部城市群由于地形等原因不利于人口和工業(yè)聚集，對外來PM2.5污染阻礙作用突出，而下游城市群地勢平坦，利于開展大規(guī)模工業(yè)活動，也易造成PM2.5污染的擴(kuò)散［51］。地形起伏度還影響著地表風(fēng)速和環(huán)流場，使所受的氣流容易形成逆溫層。當(dāng)環(huán)流場靜穩(wěn)天氣條件時，大氣邊界層無風(fēng)或小風(fēng)速對北方城市冬季逆溫層和霧霾重污染天氣的形成都有直接關(guān)系［52］。氣溫對PM2.5的影響主要表現(xiàn)在時空兩方面：時間上表現(xiàn)為對PM2.5擴(kuò)散和稀釋，空間上表現(xiàn)為促進(jìn)不同污染物間的轉(zhuǎn)化和二次污染物的產(chǎn)生［53］。較高的植被覆蓋有利于PM2.5的沉降、阻滯、吸附和吸入［54］。

3.1.2 社會經(jīng)濟(jì)因素城市是PM2.5污染的主要來源地，因此PM2.5具有人口分布與經(jīng)濟(jì)發(fā)展的指向性，在2016年和2020年影響因子分異探測結(jié)果差異變化較大的前5 個因素中，其中前4 強(qiáng)均為社會經(jīng)濟(jì)因子，表明社會經(jīng)濟(jì)因素提供PM2.5空間分布的導(dǎo)向性驅(qū)動特征。2016 年社會經(jīng)濟(jì)主控驅(qū)動因子是人口規(guī)模，而2020 年為能源效率，但人口規(guī)模驅(qū)動影響力依然很大，緊隨其后。隨著城市群規(guī)模的擴(kuò)張，首先表現(xiàn)在城市人口規(guī)模的急劇膨脹，導(dǎo)致更多能源消耗的增加，且黃河流域各城市群能源消費(fèi)中的煤炭占比較大，導(dǎo)致煙塵和粉塵排放量增多，更加劇了PM2.5污染［55］。公眾環(huán)境關(guān)注度有效發(fā)揮了非正式環(huán)境規(guī)制的約束作用，形成政府、企業(yè)、公眾良性互動的環(huán)境治理結(jié)構(gòu)［56］。

3.2 交互探測分析

利用地理探測器的交互作用探測，得到因子間互耦互饋關(guān)系對黃河流域5大城市群PM2.5空間分布的影響解釋力，結(jié)果為雙因子增強(qiáng)或非線性增強(qiáng)2種類型（圖5）。如圖5 所示，交互作用探測結(jié)果2016 年排在前3 的組合為：X3∩X5（0.833）、X5∩X13（0.801）、X2∩X13（0.792）。2020 年排在前3 的組合為：X5∩X7（0.794）、X2∩X6（0.776）、X2∩X5（0.747）。其中，X5分別與其他因子交互作用探測的解釋力均大于其單因子分異探測的影響力，這也與其在分異探測中影響力最強(qiáng)相一致。2016 年和2020 年的雙因子交互增強(qiáng)類型均為：X5∩X3、X5∩X4。在分異探測中，對PM2.5空間分布影響最大的因子為X5，但在雙因子增強(qiáng)類型中，解釋力最強(qiáng)的組合為X5∩X3，解釋力明顯提高。總之，當(dāng)X5分別與其他因子交互作用探測后對PM2.5空間分布的解釋力均明顯提高，當(dāng)兩因子具有明顯的空間分異時就會顯著增強(qiáng)PM2.5分布的空間異質(zhì)性。這也表明X5對PM2.5空間分布變化具有極為重要的影響解釋力，因?yàn)槌鞘袌@林綠植可以吸附、吸收PM2.5等顆粒物，是降低空氣中氮氧化合物含量的有效措施，是凈化空氣的有效途徑，對消減近地表的PM2.5發(fā)揮著重要作用［57］。

圖5 黃河流域5大城市群PM2.5空間分布影響因子間交互作用探測結(jié)果Fig.5 Interaction detection results of influencing factors of PM2.5 spatial distribution in the five urban agglomerations in the Yellow River Basin

3.3 地理加權(quán)回歸分析

2016 年和2020 年分異探測結(jié)果差距較大的前5個因子為：X12>X15>X10>X13>X5。本文對地理探測器中分異探測解釋力5 a 間變化最大的前5 個因子進(jìn)行地理加權(quán)回歸模型擬合，通過地理加權(quán)回歸中的回歸系數(shù)來分析影響因子作用方向和強(qiáng)度的時空差異（圖6）。

圖6 2016、2020年黃河流域5大城市群PM2.5影響因子回歸系數(shù)分布Fig.6 Distribution of regression coefficients of PM2.5 impact factors in the five urban agglomerations in the Yellow River Basin in 2016 and 2020

（1）2016 年，X10和X13系數(shù)整體上為正，對5 大城市群PM2.5污染起到增強(qiáng)的正效應(yīng)。X5、X12和X15的回歸系數(shù)整體上為負(fù)，對PM2.5污染起到了抑制的負(fù)效應(yīng)；2020年，X5和X12對PM2.5污染起到了抑制的負(fù)效應(yīng)，X10和X13對PM2.5污染具有增強(qiáng)的正效應(yīng)，X15對黃河流域城市群東部PM2.5污染起到了抑制的負(fù)效應(yīng)，對西部地區(qū)有微弱增強(qiáng)的正效應(yīng)?？傮w上看，5 a間各因子對5大城市群PM2.5污染的負(fù)效應(yīng)不斷提高、正效應(yīng)呈下降趨勢。

（2）社會經(jīng)濟(jì)因子方面，2016—2020 年5 a 間X12對PM2.5污染發(fā)揮的抑制作用呈現(xiàn)以黃河流域中部向外圍擴(kuò)散的勢態(tài)，說明5 大城市群在“雙碳”目標(biāo)下，進(jìn)行能源綠色低碳轉(zhuǎn)型發(fā)展取得了階段性成效。X15對PM2.5污染的影響效應(yīng)呈兩極反轉(zhuǎn)趨勢，2016 年對黃河流域城市群的西部城市固碳減排具有突出貢獻(xiàn)，而對東部城市并不顯著，但這一特征在2020 年發(fā)生了反轉(zhuǎn)，在自然地理環(huán)境加持下，東部的城市比西部更利于通過城市景觀改善提升固碳減排效應(yīng)。X10的回歸系數(shù)由負(fù)轉(zhuǎn)正的區(qū)域逐漸擴(kuò)大，說明目前工業(yè)增長依賴高能耗高污染行業(yè)未從根本扭轉(zhuǎn)。X13回歸系數(shù)5 a 內(nèi)總體為正，說明燃煤、土壤塵、機(jī)動車排放、生物質(zhì)燃燒、二次硫酸鹽、硝酸鹽等產(chǎn)生的煙塵和粉塵一直是城市PM2.5的主要貢獻(xiàn)源未得到明顯改善［58］，這一因子對關(guān)中平原城市群PM2.5污染的增強(qiáng)正效應(yīng)表現(xiàn)明顯。

（3）自然地理因子方面，X5回歸系數(shù)2個年份對PM2.5污染的影響在空間上整體均為負(fù)向，特別是在蘭州-西寧城市群和黃河“幾”字彎城市群，對PM2.5的抑制作用更加顯著。

PM2.5導(dǎo)致的空氣污染由自然地理因素（外因）與社會經(jīng)濟(jì)因素（內(nèi)因）共同作用，黃河流域5 大城市群內(nèi)部污染物排放是PM2.5污染的內(nèi)因，凈第一性生產(chǎn)力、地形起伏度、氣溫、植被覆蓋指數(shù)、降水量等自然地理因素是黃河流域5大城市群PM2.5污染集聚與擴(kuò)散的外因。由于不同區(qū)域下PM2.5污染的主導(dǎo)因素差異較大，導(dǎo)致沒有一個標(biāo)準(zhǔn)統(tǒng)一的答案。雖然通過本文的定量分析，自然地理因素的影響驅(qū)動力略大，但很難進(jìn)行大范圍的變動。社會經(jīng)濟(jì)因素則可以根據(jù)黃河流域5大城市群每個地區(qū)實(shí)際制定有針對性的宏觀調(diào)控政策，例如蘭州-西寧城市群制定推動工業(yè)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)鏈延伸政策；黃河“幾”字彎都市圈優(yōu)化調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，降低煤炭消費(fèi)比重；關(guān)中平原城市群提高使用清潔能源比例，優(yōu)化臨汾和運(yùn)城等城市的能源產(chǎn)業(yè)結(jié)構(gòu)；中原城市群優(yōu)化人口分布、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、出臺嚴(yán)格的生態(tài)環(huán)境保護(hù)條例等；山東半島城市群調(diào)整優(yōu)化產(chǎn)業(yè)、能源和運(yùn)輸結(jié)構(gòu)，加強(qiáng)PM2.5和臭氧協(xié)同控制。

4 結(jié)論與建議

4.1 結(jié)論

（1）2016—2020年5大城市群的PM2.5年均值的變化大體呈倒“N”型，總體呈現(xiàn)逐步下降態(tài)勢。PM2.5季均值變化總體呈先降后升的周期規(guī)律性的“U”型，總體呈冬高夏低、春秋居中的季節(jié)變化態(tài)勢。

（2）在空間分布上，大致形成了黃河流域下游>中游>上游的梯度遞減空間分布格局。除關(guān)中平原城市群外，其他4 大城市群PM2.5變化均有逐漸下降的趨勢，表明“十三五”時期黃河流域大氣污染防治取得較好效果。

（3）5 大城市群PM2.5經(jīng)過5 a 的演變表現(xiàn)出的空間自相關(guān)性各不同，但整體上呈正自相關(guān)集聚分布。使用局部空間自相關(guān)進(jìn)一步探測5 大城市群PM2.5空間集聚類型主要為高-高集聚、低-低集聚和低-高集聚類型。從演變趨勢來看，高污染區(qū)范圍在不斷縮小。

（4）利用地理探測器的分異探測，得出2016 年和2020 年影響因子驅(qū)動力共同反映出自然地理因素比社會經(jīng)濟(jì)因素的驅(qū)動力更強(qiáng)。利用交互作用探測，得到的結(jié)果為雙因子增強(qiáng)或非線性增強(qiáng)2 種類型。

（5）通過地理加權(quán)回歸中的回歸系數(shù)對地理探測器中分異探測解釋力最強(qiáng)的前5個因子進(jìn)行地理加權(quán)回歸模型擬合，分析影響因子作用方向和強(qiáng)度的時空差異。社會經(jīng)濟(jì)因子方面，工業(yè)規(guī)模、煙塵和粉塵排放量是PM2.5污染的主要來源，能源效率發(fā)揮的負(fù)效應(yīng)呈現(xiàn)以黃河流域中部向外圍擴(kuò)散的勢態(tài)，城市綠化率的影響效應(yīng)呈兩極反轉(zhuǎn)趨勢。自然地理因子方面，凈第一性生產(chǎn)力回歸系數(shù)2 個年份對PM2.5污染的影響在空間上整體均為負(fù)向，說明該因子對5 大城市群PM2.5污染起到了顯著的抑制效應(yīng)。

4.2 建議

黨的二十大報(bào)告提出，深入推進(jìn)環(huán)境污染防治，持續(xù)深入打好藍(lán)天、碧水、凈土保衛(wèi)戰(zhàn)，基本消除重污染天氣。雖然“十三五”黃河流域PM2.5污染呈持續(xù)改善態(tài)勢，但部分城市群以重化工為主的產(chǎn)業(yè)結(jié)構(gòu)、以煤為主的能源結(jié)構(gòu)、以公路為主的交通結(jié)構(gòu)還未根本扭轉(zhuǎn)，實(shí)現(xiàn)“雙碳”目標(biāo)任務(wù)艱巨?！笆奈濉币堰M(jìn)入大氣污染治理的深水區(qū)，PM2.5污染防治工作任重道遠(yuǎn)。對此，提出如下建議：

（1）建立黃河流域上中下游5 大城市群應(yīng)對PM2.5污染聯(lián)建聯(lián)防聯(lián)控聯(lián)治的合作機(jī)制。根據(jù)上中下游5 大城市群不同大氣污染物排放源，因地制宜制定不同的防治政策，同時增強(qiáng)城市群之間分工協(xié)作、協(xié)調(diào)發(fā)展，形成高效合力的城市群治理新格局。

（2）構(gòu)建政府主導(dǎo)、企業(yè)履責(zé)和公民參與的PM2.5污染治理體系。發(fā)揮政府生態(tài)職能，通過環(huán)境規(guī)制推動經(jīng)濟(jì)社會全面綠色轉(zhuǎn)型；利用市場機(jī)制和輿論監(jiān)督，強(qiáng)化新時代高耗能高排放企業(yè)履約社會責(zé)任；增強(qiáng)公民參與環(huán)保的主體意識，形成節(jié)能減排的良好社會氛圍。

（3）落實(shí)“雙碳”目標(biāo)，分類施策，精準(zhǔn)推進(jìn)，深化PM2.5污染治理工作。上游蘭州-西寧城市群推動工業(yè)綠色轉(zhuǎn)型發(fā)展，提高資源利用水平，禁止高能耗高污染高排放產(chǎn)業(yè)和低端制造業(yè)發(fā)展；中上游黃河“幾”字彎都市圈推動能源結(jié)構(gòu)實(shí)現(xiàn)低碳轉(zhuǎn)型，嚴(yán)控煤炭消費(fèi)增長；中游關(guān)中平原城市群和下游中原城市群優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)布局，持續(xù)推動鋼鐵、化工等行業(yè)強(qiáng)制性清潔生產(chǎn)；下游山東半島城市群積極推進(jìn)大氣污染排污權(quán)市場化交易，探索拓展建立跨流域或全國性的大氣污染物排污權(quán)交易制度。5大城市群協(xié)力持續(xù)推動冬季清潔取暖改造，普及集中供暖，建設(shè)生物質(zhì)能等分布式新型供暖方式，改變PM2.5污染較強(qiáng)的季節(jié)性變化特征。

（4）堅(jiān)持生態(tài)優(yōu)先、綠色發(fā)展，構(gòu)建黃河流域“五極”發(fā)展動力格局。5大城市群是區(qū)域經(jīng)濟(jì)發(fā)展增長極和黃河流域人口、生產(chǎn)力布局的主要載體，扎實(shí)推動黃河流域成為我國生態(tài)優(yōu)先綠色發(fā)展的主戰(zhàn)場，促進(jìn)“五極”間要素合理流動和高效集聚，持續(xù)深入打好打贏藍(lán)天保衛(wèi)戰(zhàn)，以高品質(zhì)生態(tài)環(huán)境支撐黃河流域高質(zhì)量發(fā)展。