京津冀地區(qū)PM2.5時空變異性規(guī)律研究*

程 蕊 許甜甜 朱 琳,3** 鄭麗萍 李蕙君

(1. 首都師范大學(xué)地球空間信息科學(xué)與國際化示范學(xué)院，北京 100048； 2. 首都師范大學(xué)城市環(huán)境過程和數(shù)字模擬國家重點實驗室培育基地，北京 100048； 3. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048)

0 引 言

隨著我國經(jīng)濟(jì)的迅速發(fā)展，工業(yè)化程度進(jìn)一步加深，工礦業(yè)發(fā)展、機(jī)動車尾氣排放等產(chǎn)生大量PM2.5、SO2等空氣污染物，其中PM2.5是導(dǎo)致城市空氣質(zhì)量下降的主要污染物之一[1-5].京津冀地區(qū)是我國PM2.5高污染典型區(qū)，2014—2017年環(huán)境公報顯示全國空氣污染最嚴(yán)重的十個城市中京津冀地區(qū)城市個數(shù)占60%以上，同時PM2.5也是2014—2017年京津冀地區(qū)空氣主要污染物，能夠直接影響其空氣質(zhì)量狀況.PM2.5會對人類生產(chǎn)生活產(chǎn)生嚴(yán)重影響，如形成的灰霾、霧霾會影響交通運輸、誘發(fā)呼吸系統(tǒng)疾病等[6-8].人口眾多、經(jīng)濟(jì)發(fā)達(dá)、產(chǎn)業(yè)多樣的京津冀地區(qū)在交通運輸、人類健康等方面受PM2.5危害更加嚴(yán)重.因此開展京津冀地區(qū)不同尺度下PM2.5時空分布研究變得更有必要，對其大氣質(zhì)量聯(lián)防治理措施的制定與實施、經(jīng)濟(jì)社會發(fā)展、生態(tài)環(huán)境安全等具有積極意義.

PM2.5已成為國內(nèi)大氣質(zhì)量、生態(tài)安全等諸多領(lǐng)域的研究熱點，受到各界學(xué)者的重視.吳建生等[9]基于AOD數(shù)據(jù)反演得到PM2.5濃度，但并未對其時空分布進(jìn)行深入分析.Lee等[10]結(jié)合前人研究結(jié)果，校正了MODIS數(shù)據(jù)反演得到的PM2.5濃度，對局部地區(qū)進(jìn)行了預(yù)測.王占山等[1]研究分析了2013年北京市PM2.5時空分布特征.王振波等[11]對2014年190個城市PM2.5監(jiān)測數(shù)據(jù)進(jìn)行空間分析，得到了中國PM2.5的時空分布特征.熊歡歡等[12]則在王振波等人的研究基礎(chǔ)上[11]，將數(shù)據(jù)的時間長度拓寬為兩年(2014—2015年).目前，區(qū)域尺度上PM2.5時空變化分析主要包括兩類，一類是基于傳統(tǒng)的遙感反演方法，結(jié)合相關(guān)模型揭示PM2.5空間分布特征，在揭示近地面小尺度PM2.5空間分布精度方面略有不足，對不同時間尺度上PM2.5的變化規(guī)律刻畫也具有較大局限性；另一類是基于地面監(jiān)測站數(shù)據(jù)，得到不同時間、空間下的PM2.5時序演變規(guī)律與空間分布信息，但研究時間跨度多為1年，基于長時間序列數(shù)據(jù)開展的研究較少.

本文針對這些問題，選取京津冀為研究區(qū)，采用2014—2017年京津冀地區(qū)PM2.5站點監(jiān)測數(shù)據(jù)，利用數(shù)理統(tǒng)計方法與空間分析工具獲取PM2.5的時間變化與空間分異特征，以期為監(jiān)測防控PM2.5危害提供科學(xué)合理的借鑒性依據(jù).

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)源

京津冀地區(qū)位于113°27′～119°50′E，36°05′～42°05′N之間，東臨渤海，北枕燕山，西倚太行，地勢西北高、東南低，由西北向東南呈半環(huán)狀逐級下降.屬溫帶大陸性氣候，降水量集中于夏季，冬季寒冷干燥.PM2.5濃度數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站(http://www.cnemc.cn/)全國空氣質(zhì)量實時發(fā)布平臺發(fā)布的站點監(jiān)測數(shù)據(jù).

京津冀13個城市80個國控空氣質(zhì)量監(jiān)測站點(北京市12個、天津市15個、河北省53個)于2013年開始對外發(fā)布數(shù)據(jù).為保證不同時間尺度下的數(shù)據(jù)完整性，本文收集、整理了2014年6月—2017年8月京津冀地區(qū)國控站點監(jiān)測數(shù)據(jù).同時根據(jù)《環(huán)境空氣質(zhì)量監(jiān)測規(guī)范(試行)(GB3095—2012)》中大氣污染物濃度數(shù)據(jù)的相關(guān)規(guī)定，剔除部分因日常維護(hù)行為或儀器故障、停電等原因造成數(shù)據(jù)缺失的站點，參照王振波等[11]數(shù)據(jù)質(zhì)量控制方法，對PM2.5站點數(shù)據(jù)進(jìn)行篩選，獲得符合質(zhì)量要求的69個站點(北京市12個、天津市10個、河北省47個)數(shù)據(jù)(站點位置分布見圖1).同時將0—23時平均值作為日均值，基于日均值獲得月均值，根據(jù)月均值獲得季均值.

圖1 京津冀地區(qū)監(jiān)測站點分布位置圖

1.2 分析方法

1.2.1空間插值方法

空間數(shù)據(jù)插值是用已知點數(shù)值來估算其他位置數(shù)值的方法，常用于將離散點的測量數(shù)據(jù)轉(zhuǎn)換為連續(xù)的數(shù)據(jù)曲面處理中，以便獲取空間變量在區(qū)域面上的分布信息.Lee等[13]指出區(qū)域尺度上插值結(jié)果精度比遙感反演精度更準(zhǔn)確.PM2.5監(jiān)測站數(shù)據(jù)常用插值方法為反距離權(quán)重法與克里金插值法[14].反距離權(quán)重插值僅以距離為權(quán)重，忽略了方位等其他因素，易產(chǎn)生“牛眼”現(xiàn)象[15]；克里金插值法基于半變異函數(shù)理論，對有限區(qū)域范圍變量取值進(jìn)行無偏最優(yōu)估計[16]，可以反映空間變量的相關(guān)性和變異性，能夠補(bǔ)充站點分布較少的問題.王振波等[11]采用交叉驗證法證明克里金插值結(jié)果優(yōu)于反距離加權(quán)插值結(jié)果.國家布控的空氣質(zhì)量監(jiān)測站點密度較小，考慮到京津冀區(qū)域面積尺度較大，為獲取PM2.5科學(xué)合理的空間分布信息，本次選用普通克里金插值法對其進(jìn)行插值處理.

1.2.2全局Moran′sI

空間自相關(guān)是通過統(tǒng)計方法分析對象的空間分布特性，得到空間對象自相關(guān)性的強(qiáng)弱情況.空間自相關(guān)統(tǒng)計量是度量一定區(qū)域內(nèi)，鄰近位置上數(shù)據(jù)間的相互依賴程度.已有很多研究將空間自相關(guān)引入到人口、大氣、資源環(huán)境等多個學(xué)科領(lǐng)域，證明了其對大氣環(huán)境等方面研究的科學(xué)性與可用性.近鄰區(qū)域PM2.5濃度會受大氣流通性影響而存在一定相關(guān)性[17]，因此本文使用空間自相關(guān)統(tǒng)計量分析PM2.5空間分異情況.

莫蘭指數(shù)(Moran′sI)是應(yīng)用最為廣泛的一種空間自相關(guān)統(tǒng)計量[17]，分為全局Moran′sI和局部Moran′sI兩類.前者用于分析整個研究區(qū)空間變量的關(guān)聯(lián)程度，探明空間變量之間是否存在顯著的空間分布模式[18]；后者則用于分析局部地區(qū)空間單元與鄰近單元就空間變量的相關(guān)程度.本文旨在獲取研究區(qū)PM2.5整體的空間分布模式，故選用全局Moran′sI進(jìn)行相關(guān)運算.全局Moran′sI用公式(1)表示：

(1)

式中：n為監(jiān)測站點個數(shù)；xi和xj分別為監(jiān)測站點i和j的觀測值(單位為μg·m-3)；Wij是權(quán)重矩陣.其中：

(2)

(3)

I的取值一般在[-1，1]之間，小于0表示負(fù)相關(guān)，等于0表示不相關(guān)，大于0表示正相關(guān).Moran′sI是否具有顯著性，通常用標(biāo)準(zhǔn)化統(tǒng)計量Z(I)來檢驗：

(4)

E(I)與Var(I)與分別是Moran′sI的期望與方差；當(dāng)Z(I)為正且顯著時，表明存在正的空間自相關(guān)性，即相似的觀測值(高值或者低值)趨于空間集聚；當(dāng)Z(I)為負(fù)且顯著時，表明存在負(fù)的空間自相關(guān)，相似的觀測值趨于分散分布；當(dāng)Z(I)為0時，觀測值呈獨立隨機(jī)分布.

2 結(jié)果與分析

2.1 PM2.5濃度時序變化

2.1.1季節(jié)變化

按照氣象學(xué)劃分，春季為3—5月、夏季為6—8月，秋季為9—11月、冬季為12月到次年2月.利用origin對PM2.5季均值進(jìn)行繪圖，得到季均值箱形圖(圖2).由圖可知季均值呈連續(xù)的U型起伏變化，表現(xiàn)為冬高夏低，春秋居中的周期變化規(guī)律.對比研究時段內(nèi)各季節(jié)濃度增降情況，明顯看出除2016年冬季較上一年濃度反彈增高(123.2 μg·m-3)外，春、夏、秋3季PM2.5濃度均呈下降趨勢.根據(jù)《2016年中國氣候公報》知，2016年受超強(qiáng)厄爾尼諾現(xiàn)象影響，秋冬京津冀及周邊地區(qū)霾天氣頻繁，故2016年冬季出現(xiàn)反彈增高現(xiàn)象.此外，京津冀地區(qū)各季標(biāo)準(zhǔn)差相差較大，由高到低依次為冬、秋、春、夏，表明PM2.5在時序變化上呈現(xiàn)明顯的非均勻性分布，在不同季節(jié)出現(xiàn)不同特征.冬、秋季PM2.5標(biāo)準(zhǔn)差大(離散程度大)，說明PM2.5濃度變化劇烈，短時間內(nèi)容易出現(xiàn)大的濃度波動，形成霧霾天氣；春、夏季標(biāo)準(zhǔn)差較小且上下四分位間距小，表明其濃度較低且變化較為穩(wěn)定，不易在短時間內(nèi)出現(xiàn)污染天氣.

圖2 京津冀2014—2017年P(guān)M2.5濃度季節(jié)變化箱形圖

經(jīng)上述分析可知，京津冀PM2.5濃度冬季最高、波動最大，為典型污染季節(jié)；夏季濃度最低，起伏較小，為污染最輕季節(jié)，故對冬、夏季PM2.5變化特征做進(jìn)一步分析(圖3(a)、(b)).由圖3(a)可知，2014—2017年間PM2.5夏季濃度逐漸降低且呈穩(wěn)定趨勢，2015年夏北京、天津各出現(xiàn)一次異常值，2016年夏天津出現(xiàn)一次異常值，說明研究區(qū)內(nèi)夏季PM2.5濃度變化平緩，不易出現(xiàn)劇烈變化；分析圖3(b)知，冬季先降后增、波動較大，各地區(qū)在2014年冬濃度最低，2016年冬濃度最高，且三年冬季異常值出現(xiàn)次數(shù)較多，表明其PM2.5濃度變化較為劇烈.

圖3 京津冀2014—2017年夏、冬季PM2.5濃度變化圖

2.1.2月變化與逐日變化

了解和掌握PM2.5月變化規(guī)律，有利于研究區(qū)針對不同月份采取相應(yīng)的污染防治措施.由研究區(qū)PM2.5月變化(圖4)知，2014—2017年間京津冀地區(qū)PM2.5月濃度呈平緩連續(xù)的U型循環(huán)變化模式，逐日濃度呈尖峰深谷交替的鋸齒狀周期性變化.整體上，月變化與逐日變化的趨勢相似，每年10月濃度逐漸升高至12月或次年1月左右達(dá)到峰值，隨后下降至8月達(dá)到一年的最低值.每年10月到次年3月相鄰峰值濃度遠(yuǎn)高于谷值濃度，表明其波動較大，主要受冬季供暖影響.每年7—8月間會出現(xiàn)峰值異常高于谷值、夏季均值的情況，主要受夏季逆溫等氣候因素影響[19].

圖4 京津冀PM2.5濃度逐日、月變化

經(jīng)統(tǒng)計，2014—2017年京、津、冀PM2.5濃度變化劇烈.天津地區(qū)PM2.5濃度最大值為376.2 μg·m-3，最小值9.2 μg·m-3，濃度差為367.0 μg·m-3；河北PM2.5濃度最大值為338.4 μg·m-3，最小值10.8 μg·m-3，濃度差為327.6 μg·m-3；對比津、冀兩地，北京日變化波動更大，規(guī)律性差，最高值達(dá)471.3 μg·m-3，最小值5.7 μg·m-3，濃度差達(dá)465.6 μg·m-3，突出表現(xiàn)在2014年7月、2015年6月、2017年5月.

2.1.3日變化

基于京、津、冀三地各月0—23時PM2.5數(shù)據(jù)，利用origin處理得到PM2.5月度日變化(如圖5所示).分析圖5可知，天津、河北日變化特征相似.冬季月整體的日濃度最高，夏季月整體的日濃度最低.夏季全天濃度較低、波動小，峰值出現(xiàn)在7—8點，谷值出現(xiàn)在16—17點或23點左右，與夏季降雨量大、多風(fēng)天氣、無供暖因素有關(guān)；春、秋、冬季第1個谷值出現(xiàn)在6—7點；隨溫度升高，污染物經(jīng)二次轉(zhuǎn)化濃度上升，9—10點出現(xiàn)第1個峰值；污染物發(fā)生擴(kuò)散效應(yīng)，第2個谷值出現(xiàn)在下午16—18點；晚高峰產(chǎn)生大量污染物，受PM2.5傳播滯后性影響，晚間22—23點出現(xiàn)第2個峰值.北京PM2.5日變化規(guī)律性較差，但其早晚高峰值及下午最低值同津、冀規(guī)律相似.

2.2 PM2.5濃度空間分布變化

2.2.1PM2.5空間變異性

基于監(jiān)測數(shù)據(jù)插值得到2014—2017年各季節(jié)PM2.5濃度空間分布情況，結(jié)果如圖6所示.空間上各季PM2.5濃度呈現(xiàn)南高北低分布，由高到低依次為冬、秋、春、夏.季節(jié)上，春、夏季PM2.5濃度逐年降低，秋、冬季濃度總體呈降低趨勢(具體為先降低后增高)，高濃度值逐漸向中南部轉(zhuǎn)移，除張家口、承德、秦皇島外，其余城市PM2.5濃度均較高，尤以中部地區(qū)的石家莊、保定、邢臺最為突出.2015—2017年的3個春季，PM2.5高濃度的地區(qū)(>75 μg·m-3)逐年縮減至基本消失，PM2.5濃度<75 μg·m-3的地區(qū)逐漸變大.2014—2017年的4個夏季，PM2.5濃度較高的地區(qū)逐漸減小至消失.2014—2016年的3個秋季，高值分布范圍明顯縮減后有所增大.2014—2016年的3個冬季，高濃度分布區(qū)域逐漸縮小、向西南轉(zhuǎn)移，表現(xiàn)為以石家莊為高值中心向外逐漸降低的階梯式分布.

2.2.2PM2.5空間自相關(guān)分析

利用全局Moran′sI對站點數(shù)據(jù)進(jìn)行空間自相關(guān)分析，分別得到置信度99.9%(p=0.001)下各監(jiān)測站點在不同季節(jié)和不同月份的Moran′sI、Z(I)值(表1、表2).由表1可知，2014—2017年間各季Moran′sI最小值為2017年夏季的0.673，其余季節(jié)Moran′sI均大于0.800，表明在季節(jié)尺度上京津冀地區(qū)PM2.5呈明顯的正空間自相關(guān)；Z(I)最小值、最大值分別為夏季的7.541和冬季的24.536，均大于臨界值2.600，表明其呈現(xiàn)顯著的空間集聚現(xiàn)象.

分析京津冀地區(qū)PM2.5月均濃度空間自相關(guān)性(表2)可知，2014—2017年間各月Moran′sI最小值為2017年6月的0.203，其余月份Moran′sI均大于0.485，表明在月尺度上京津冀地區(qū)PM2.5呈現(xiàn)正空間自相關(guān)關(guān)系；Z(I)值最小值、最大值分別為2017年6月的5.723和2016年5月的25.247，均大于臨界值2.600，研究區(qū)呈現(xiàn)明顯的空間集聚現(xiàn)象.

圖5 京津冀三地PM2.5日變化

圖6 京津冀PM2.5季節(jié)濃度變化空間分布圖

季節(jié)2014年Moran′sIZ(I)2015年Moran′sIZ(I)2016年Moran′sIZ(I)2017年Moran′sIZ(I)春季0.95617.0690.94017.3710.96517.442夏季0.97515.4130.90721.6870.98412.7030.6737.541秋季0.90220.3160.97118.1950.98613.910冬季0.95016.2550.80124.5360.97317.824

綜上可知，研究區(qū)PM2.5在空間上呈現(xiàn)較為明顯的正空間自相關(guān)，空間集聚現(xiàn)象顯著，表現(xiàn)為區(qū)域之間污染的關(guān)聯(lián)性，即該地區(qū)PM2.5濃度的大小對其周邊地區(qū)呈正相關(guān)影響.總結(jié)京津冀PM2.5空間分布的主要特征：一是隨時間推移整體上PM2.5濃度逐漸降低;二是季節(jié)性明顯;三是城市間關(guān)聯(lián)性顯著.高濃度范圍明顯縮減，污染程度顯著減輕，呈向南移動趨勢；濃度由低到高依次為夏春秋冬；中南部城市濃度顯著高于北部，石家莊、保定、邢臺等地污染最為嚴(yán)重，張家口、承德、秦皇島等地污染較輕.

表2 2014—2017年京津冀地區(qū)PM2.5月均濃度空間自相關(guān)值(p=0.001)

3 討 論

PM2.5濃度高低與諸多因子相關(guān)，其中氣象因子、人為活動(冬季取暖、限制污染物排放等)是最為主要的兩類因素.一般PM2.5濃度與風(fēng)速、溫度呈反比.夏季炎熱干燥，近地面氣壓較低，四周氣流向中間流動形成向上的氣流，對流運動強(qiáng)，降水增多，帶動污染物的擴(kuò)散與轉(zhuǎn)移，故PM2.5濃度低且波動小[19].冬季與之相反，空氣流動慢，在人為供暖燃煤的影響下，PM2.5濃度易增高、波動變化大，易在短時間內(nèi)產(chǎn)生高濃度污染.

21世紀(jì)以來中國經(jīng)濟(jì)的迅速發(fā)展，促使京津冀等以工業(yè)產(chǎn)業(yè)為主的地區(qū)出現(xiàn)PM2.5異常增高、霧霾頻發(fā)等現(xiàn)象，在此之前中國并未發(fā)現(xiàn)大規(guī)模霧霾天氣，因而表明人類活動對PM2.5污染的影響十分嚴(yán)重.各種人類活動以不同形式，對PM2.5的升高“貢獻(xiàn)”“源”動力.一是以“固定污染源”形式，如發(fā)電、冶金、石油、化學(xué)、紡織印染等各種工業(yè)過程產(chǎn)生工業(yè)氣體；供熱、烹調(diào)過程中燃煤、燃?xì)馀欧诺臒焿m.二是以“流動源”形式進(jìn)行的污染，主要是各類交通工具向大氣中排放的尾氣.因此，合理頒布相關(guān)人為措施與政策對PM2.5濃度升高具有一定抑制作用.2013—2017年間國家發(fā)布的相關(guān)政策(表3)表明，近年來京津冀地區(qū)對空氣污染治理尤為重視，在政策層面限制相關(guān)污染行為活動，主要從企業(yè)工業(yè)污染排放、清潔能源使用、機(jī)動車尾氣排放、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等方面控制污染物的產(chǎn)生和排放，對區(qū)域空氣質(zhì)量控制起到了一定作用.

因此，在對PM2.5分布成因機(jī)理進(jìn)行研究時，需綜合考慮分析氣象因子與人類活動對其產(chǎn)生的影響，進(jìn)而得到切實合理的分析結(jié)果.

表3 2013—2017年環(huán)境保護(hù)相關(guān)政策

此外，本文對研究區(qū)PM2.5空間分布分析發(fā)現(xiàn)，遙感反演估算得到的PM2.5結(jié)果[21-23]與利用監(jiān)測站數(shù)據(jù)插值得到的PM2.5結(jié)果相比，二者在空間分布趨勢上相似，但數(shù)值上相差較大，主要受反演算法影響.如，使用普通回歸模型反演京津冀高污染區(qū)PM2.5濃度會在數(shù)值上產(chǎn)生很大誤差，秋、冬季體現(xiàn)尤為顯著.因此利用監(jiān)測數(shù)據(jù)進(jìn)行空間插值得到的數(shù)值結(jié)果更為準(zhǔn)確，但相比而言遙感反演AOD結(jié)果的空間連續(xù)性及可視化效果更好[21-24].因此，在對PM2.5空間分布情況進(jìn)行展示與分析時，可進(jìn)一步結(jié)合遙感反演與地面監(jiān)測二者優(yōu)勢開展研究.

4 結(jié)論與建議

4.1 結(jié)論

本文基于2014—2017年京津冀地區(qū)PM2.5站點監(jiān)測數(shù)據(jù)，統(tǒng)計獲得不同時間尺度下研究區(qū)PM2.5濃度的變化特征，利用ArcGIS、OpenGeoda空間分析軟件的數(shù)理統(tǒng)計、空間插值和Moran′sI工具獲得其空間分布信息，進(jìn)而綜合分析PM2.5污染現(xiàn)狀及空間分異特征，結(jié)果表明：

(1)時間上，PM2.5季均值與月均值呈連續(xù)U型起伏變化，冬季高夏季低，春秋居中；日均值表現(xiàn)為峰、谷值交替變化，每日最低值出現(xiàn)在下午16點左右，夏季整體濃度偏低.

(2)空間上，南高北低，京津冀中南部城市PM2.5濃度遠(yuǎn)高于北部城市.隨時間推移，高濃度值中心逐漸向南轉(zhuǎn)移，由張家口、承德、秦皇島等低濃度城市向南過渡到邯鄲、邢臺、石家莊等高濃度地區(qū)(尤以秋冬季最為明顯)，最終形成以石家莊為高值中心向外輻射降低的階梯式分布模式.

(3)空間分布差異較大，全局Moran′sI均大于0且接近1，且通過99.9%的置信水平檢驗知，PM2.5具有顯著的空間自相關(guān)性和聚類特征，表現(xiàn)為PM2.5空氣污染的區(qū)域關(guān)聯(lián)性，即某地區(qū)PM2.5濃度值對其周邊地區(qū)PM2.5濃度大小影響較大.如，京津冀中南部城市PM2.5濃度呈現(xiàn)高值集聚，北部城市PM2.5濃度呈低值集聚.

4.2 建議

文章分析研究2014—2017年京津冀地區(qū)PM2.5污染狀況及時空分布信息，以期為京津冀地區(qū)空氣質(zhì)量區(qū)域聯(lián)合治理提供科學(xué)借鑒基礎(chǔ).但數(shù)據(jù)獲取方面，國控監(jiān)測站點一般分布于城區(qū)、城郊等地，今后的研究需要進(jìn)一步結(jié)合遙感氣溶膠反演PM2.5等方法，在提高近地面PM2.5濃度精度的基礎(chǔ)上獲得分布連續(xù)的面狀數(shù)據(jù)，獲得更加符合實際的PM2.5時空分布信息.

此外，結(jié)合近年來京津冀地區(qū)環(huán)境保護(hù)政策的頒布情況，以及本文分析結(jié)果可知，相關(guān)政策的合理制定與嚴(yán)格實施，對京津冀地區(qū)PM2.5濃度變化影響較大.表明政府可以通過人為治理的方式在一定程度上降低區(qū)域PM2.5濃度，進(jìn)而保護(hù)空氣質(zhì)量.因此，建立健全京津冀區(qū)域聯(lián)防聯(lián)控協(xié)作機(jī)制是當(dāng)前階段控制空氣污染的有效手段和方式.