手機信令數據在粵港澳大灣區(qū)大氣環(huán)境風險管理中的應用研究——以江門市為例

葉 脈,張佳琳,張路路,黃秋森,汪元鳳,孫曉萌,董仁才,*

1 廣東省環(huán)境科學研究院, 廣州 510045

2 中國科學院生態(tài)環(huán)境研究中心 城市與區(qū)域生態(tài)國家重點實驗室, 北京 100085

工業(yè)化、城鎮(zhèn)化的加速發(fā)展以及高風險行業(yè)、企業(yè)及聚集性化工園區(qū)數量的與日俱增,在推動社會經濟發(fā)展的同時,也導致突發(fā)環(huán)境事件頻發(fā)、環(huán)境污染加劇,環(huán)境風險已對生態(tài)系統(tǒng)以及人類的健康造成了巨大的威脅[1- 4]。環(huán)境風險主要來源于各種生產、使用、存儲或釋放涉及突發(fā)環(huán)境事件風險物質的企業(yè),存儲和裝卸環(huán)境風險物質的港口碼頭,環(huán)境風險物質內陸水運及道路運輸載具,尾礦庫,石油天然氣開采設施,集中式污水處理廠,危險廢物經營單位,集中式垃圾處理設施,加油站,加氣站,石油天然氣及成品油長輸管道等。因此對區(qū)域進行空間網格化環(huán)境風險評估,能精確識別較高或高風險環(huán)境區(qū)域,為預測及管理區(qū)域環(huán)境風險提供準確參考,有助于相關部門由被動式環(huán)境風險應急管理向主動風險管理轉變,及時發(fā)現并解決環(huán)境風險區(qū)存在的問題[5- 6]。

國內在環(huán)境風險評估方面已經開展了大量研究。如楊宇、于露等利用環(huán)境風險指數法,對珠海、平潭市級行政區(qū)域進行了環(huán)境風險評估[7- 9],冷蘇婭等利用層次分析法對京津冀進行了區(qū)域綜合環(huán)境風險評估研究[10]。其中的評估數據來源(特別是與人口相關的數據)基本上都是來自于相關部門的年度統(tǒng)計數據,此類數據通常更新頻度較低,精度較低[11- 12],現勢性較差。隨著互聯網與移動通信技術的發(fā)展,信息數據量呈現出史無前例的爆發(fā)式增長[13],物聯網、電子地圖與移動通信行業(yè)為環(huán)境風險評估提供了新的數據源,也改變著環(huán)境風險評估的思路和方法。

手機信令數據可以用來獲取匿名用戶在某一時刻的空間位置以及其隨時間變化移動的情況,通過手機信令數據轉換來統(tǒng)計區(qū)域內人口空間分布,可為環(huán)境風險評估數據源提供新的思路[14- 17]?；浉郯拇鬄硡^(qū)建設作為國家重大戰(zhàn)略,其生態(tài)環(huán)境領域將對標國際一流灣區(qū)的生態(tài)環(huán)境質量和環(huán)境治理水平,而區(qū)域環(huán)境風險管理則是提升環(huán)境治理水平、保障區(qū)域環(huán)境安全的重要組成。江門市地處粵港澳大灣區(qū)承東啟西的關鍵節(jié)點,是連接珠三角地區(qū)與粵西地區(qū)重要的門戶樞紐,也是中國著名的“僑都”,對于研究粵港澳大灣區(qū)區(qū)域環(huán)境風險管理具有典型代表意義。因此,本研究將手機信令這一新型數據形式引入網格法,對江門市大氣環(huán)境風險進行評估,分析區(qū)域環(huán)境風險空間分布特征,以期精準識別高風險區(qū)域,科學開展環(huán)境風險管理。

1 研究區(qū)域概況

江門市地處廣東省的中南部、西江下游,珠江三角洲西部,位于21°27′—22°51′N,111°59′—113°15′E,是粵港澳大灣區(qū)重要節(jié)點城市,珠江三角洲西部地區(qū)的中心城市之一,毗鄰港澳[18]。全市總面積9505 km2,下轄3個區(qū),代管4個縣級市,海(島)岸線長615 km,占全省的五分之一,海洋資源豐富,開發(fā)潛力巨大。江門市境內地勢自西北向東南逐漸傾斜,平原開闊,低山丘陵錯落其間,屬亞熱帶季風氣候,冬短夏長,氣候宜人,雨量豐沛,光照充足,太陽輻射較強,有豐富的熱力資源。江門市境內河流分屬珠江水系和粵西沿海諸河兩大水系,全市境內河流縱橫交錯,西江是珠江流域的主流,流經江門市長度為91km,潭江是珠江三角洲水系的另一主流,干流全長248 km,在江門市境內流域面積5882 km2,占江門市行政區(qū)域總面積62%。江門市海域廣闊,岸線綿延曲折,全市領?；€以內海域面積2886 km2,大陸岸線414.8 km,海島岸線400.0 km。2018年,江門市統(tǒng)計常住人口459.82萬人,生產總值3146.64億元,人均生產總值63328元。

江門市大氣環(huán)境風險源主要分布在西江和潭江沿岸,由于大氣環(huán)境風險受體主要是通過空氣吸入、食品攝入、皮膚接觸等途徑而被危害,因此大氣環(huán)境風險受體主要與大氣環(huán)境風險源距離及風向有關。本研究中大氣環(huán)境風險受體主要考慮的是人[19]。這是由于江門市人口分布也集中在西江及潭江沿岸,且江門市冬季盛行東北季風,由于風向,大氣環(huán)境風險源會危害江門市內人們的健康,而夏季盛行西南季風,會將江門市內產生的大氣污染帶至江門東北部的佛山、中山及廣州,這不僅危害了江門市內的居民,還會對其他城市的居民產生危害。

2 研究方法

2.1 數據來源

本研究采用網格化環(huán)境風險分析法(網格法),這種方法是在對評估區(qū)域劃分網格的基礎上,按照風險場理論和環(huán)境風險受體易損性理論,分別量化每個網格環(huán)境風險場強度和環(huán)境風險受體易損性,并計算網格環(huán)境風險值的過程[19]。大氣環(huán)境風險場相關風險企業(yè)數據來源于《江門市2017年環(huán)境統(tǒng)計公報》及廣東省重點環(huán)境風險源與應急資源數據庫平臺[20](含企業(yè)突發(fā)環(huán)境事件應急預案備案資料)。大氣環(huán)境風險場計算中涉及人口空間分布的數據源有兩套：一套來源于中國科學院資源環(huán)境科學數據中心2015年全國1km網格的人口空間分布數據集[21],屬于傳統(tǒng)來源；另一套來源于中國聯通公司的手機用戶數量擴樣后的人口數據,屬于本次研究測試的新型數據源。這套手機信令數據獲取時間范圍為2019年10月份內三個典型時段：(1)平時4個工作日,分別是10月8日、15日、22日、29日；(2)平時2個周末,分別是10月19、20日和10月26日、27日；(3)國慶黃金周,是10月1日至7日,統(tǒng)計活躍人口、穩(wěn)定人口、居住人口、工作人口。為便于比較研究,僅選用其穩(wěn)定人口作為推算人口數據。其空間范圍為江門市全域,分辨率為250m×250m。

2.2 網格大氣環(huán)境風險場強度計算

環(huán)境風險場(Environmental risk field, ERF)可理解為大氣污染物的傳輸場,有學者認為其是環(huán)境風險因子在空間中形成的某種分布格局,是危害發(fā)生的前提[22]。在實際的環(huán)境風險評價中,通常關注的是環(huán)境風險場對風險受體能產生危害的能力和環(huán)境風險場產生強度的大小,將環(huán)境風險場的強度稱為環(huán)境風險場強度[22- 23]。環(huán)境風險場強度與環(huán)境風險物質的危害性、釋放量以及與風險源的距離有關,可視為環(huán)境風險源的環(huán)境風險物質最大存在量與臨界量的比值、計算點與風險源距離的函數[19]。假設評估區(qū)域地勢平坦開闊,且忽略人工建筑對氣體擴散的影響,區(qū)域內某一個網格的大氣環(huán)境風險場強度可表示為[19]：

(1)

(2)

式中：Ex,y為某一個網格的大氣環(huán)境風險場強度；μi為第i個風險源與某一個網格的聯系度；Qi為第i個風險源環(huán)境風險物質最大存在量與臨界量的比值；Px,y為風險場在某一個網格出現的概率,取10-5/a；li為網格中心點與風險源的距離,單位：km；n為風險源的個數；k、j分別為差異系數、對立系數,地勢平坦開闊的地區(qū)取k1=0.5、k2=-0.5、j=-1；s1、s2、s3、s4分別取1km、3km、5km、10km。

為便于各個網格大氣環(huán)境風險場強度的比較,對各個網格的大氣環(huán)境風險場強度進行標準化處理,公式[19]如下：

(3)

式中：Ex,y為某一個網格的大氣環(huán)境風險場強度；Emax為區(qū)域內網格的最大大氣環(huán)境風險場強度；Emin為區(qū)域內網格的最小大氣環(huán)境風險場強度。將江門市涉大氣環(huán)境風險物質量與臨界量比值大于100的企業(yè)其Qi值均設為100,以此有效識別評估區(qū)域內大氣環(huán)境風險單元。

評估利用Microsoft Excel 軟件進行函數編程計算,部分數據基礎處理及圖像處理通過ArcGIS軟件實現,基本操作過程：(1)利用ArcGIS對江門市行政區(qū)域、流域及企業(yè)點位等相關計算基礎數據進行數字化；(2)基于ArcGIS 數據分析功能,對大氣環(huán)境風險場計算參數進行分析計算；(3)根據網格大氣環(huán)境風險場計算公式,利用Microsoft Excel 進行函數編程,實現網格大氣環(huán)境風險場計算及數據整理；(4)將計算結果導入ArcGIS中,對計算結果進行圖像可視化操作；(5)根據網格大氣環(huán)境風險場初步計算結果及圖像呈現,分析其合理性并進行修正、驗證,最終完成江門市網格化大氣環(huán)境風險場計算。

2.3 網格大氣環(huán)境風險受體易損性計算

環(huán)境風險受體指環(huán)境風險源的潛在危害對象,即環(huán)境風險因子在通過環(huán)境場運轉的過程中,可能受到影響的人群或生態(tài)系統(tǒng),其中大氣環(huán)境風險源的危害對象主要是區(qū)域內工作和生活的居民[23- 24]。環(huán)境風險受體易損性可以被定義為受體對風險因子的敏感性,它是風險受體固有的特性[25- 26],大氣環(huán)境風險受體易損性計算模型[19]可表示為：

(4)

式中：Vx,y為某一個網格的大氣環(huán)境風險受體易損性指數；popx,y為某一個網格的人口數量；popmax為區(qū)域內網格的人口數量最大值；popmin為區(qū)域內網格的人口數量最小值。

根據公式(4),大氣環(huán)境風險受體易損性計算方法主要基于區(qū)域人口數據,再將人口數據進行標準化處理,最終獲得區(qū)域大氣環(huán)境風險受體易損性。其算法基礎為對區(qū)域人口進行網格化計算。

對人口空間分布公路網格(2015年1km網格)的數據集,將數據經ArcGIS處理后獲得3km網格人口數據,再對其進行標準化處理,最終獲得江門市網格大氣環(huán)境風險易損性(3km×3km)。

手機信令數據是由基站與進入其所屬覆蓋范圍內的移動設備之間發(fā)生的交互所產生[27]。目前手機信令測量網格大小為250m×250m,數據表征為該區(qū)域聯通用戶的使用人數,并由聯通用戶占比推測該區(qū)域手機使用總人數,得到江門市250m網格人口空間分布數據,再對其進行標準化處理,最終獲得江門市網格大氣環(huán)境風險易損性圖層(空間分辨率為250m×250m)。

2.4 網格環(huán)境風險值分析

環(huán)境風險由該處可能出現的風險場強和風險受體易損性共同決定[23],利用公式(5)進行各個網格環(huán)境風險值的計算,將通過兩種方式得到的大氣環(huán)境風險受體易損性圖分別利用ArcGIS 實現江門市網格環(huán)境風險值計算及圖像可視化表征。根據網格環(huán)境風險值的大小,將環(huán)境風險劃分為四個等級：高風險(R>80)、較高風險(60

(5)

這里將大氣風險場數據通過ArcGIS空間疊置分析(overlay)功能,用250m網格對3km網格的大氣環(huán)境風險場進行疊置分析,最終得到基于手機基站空間位置為中心點的250m網格大小的風險場數據。

3 結果與分析

3.1 網格化大氣環(huán)境風險場特征

根據大氣環(huán)境風險場計算結果(風險場計算結果僅體現江門市各區(qū)域相對值)(圖1)看出,江門市大氣環(huán)境風險場強度主要集中在0—10區(qū)間內,僅有少部分網格大氣環(huán)境風險場強度高于70。從空間分布情況分析,呈現以單個重大風險企業(yè)或重大及較大風險企業(yè)集中區(qū)為中心,向外輻射性遞減趨勢。高值中心為蓬江區(qū)與江海區(qū)交界處(潮連街道、白沙街道、江南街道及外海街道部分地區(qū)及周邊地區(qū)),新會區(qū)東南部(崖門鎮(zhèn)及古井鎮(zhèn)部分地區(qū)及周邊地區(qū))、開平市東北部(月山鎮(zhèn))及鶴山市北部部分地區(qū)(龍口鎮(zhèn))附近。

進一步分析可知,大氣環(huán)境風險場強高值區(qū)主要是因為這些企業(yè)大氣環(huán)境風險Qi(大氣環(huán)境風險物質最大存在量與臨界量的比值)值普遍偏高,導致企業(yè)周邊大氣環(huán)境風險場強度較其他區(qū)域偏高。

3.2 網格化大氣環(huán)境風險易損性特征

人口空間分布公路網格數據集和手機信令數據集處理后分別得到兩套江門市網格人口空間分布數據(圖2、圖3)。整體來看,兩套數據均表明江門市人口密集區(qū)主要為蓬江區(qū)及江海區(qū),其次為新會區(qū)、鶴山市及開平市,恩平市及臺山市人口相對較少。由于大氣環(huán)境風險受體易損性與人口分布直接相關,因此將兩種不同來源的人口分布轉換成大氣環(huán)境風險受體易損性,其分布特征與人口分布特征保持了一致(圖4、圖5)。共性特征為人口密集區(qū)大氣環(huán)境風險受體易損性較高,人口分散區(qū)大氣環(huán)境風險受體易損性較低。大氣環(huán)境風險受體易損性高值區(qū)主要集中在蓬江區(qū)及江海區(qū),其次為新會區(qū)、鶴山市及開平市,恩平市及臺山市大氣環(huán)境風險受體易損性相對較低。

圖2 江門市網格化人口分布圖(3km×3km)Fig.2 Population distribution map of Jiangmen city grid (3km × 3km)

圖3 江門市網格化人口分布圖(250m×250m)Fig.3 Population distribution map of Jiangmen city grid(250m×250)

圖4 江門市網格大氣環(huán)境風險易損性分布圖(3km×3km)Fig.4 Distribution map of atmospheric environmental risk vulnerability of Jiangmen city grid (3km × 3km)

圖5 江門市網格大氣環(huán)境風險易損性分布圖(250m×250m)Fig.5 Distribution map of atmospheric environmental risk vulnerability of Jiangmen city grid (250m×250m)

大氣環(huán)境風險源的危害對象主要是區(qū)域內工作和生活的居民,特別是人口密度超過評估區(qū)域平均人口密度的居民區(qū)、醫(yī)院、學校等,因此人口空間分布是核心問題。而目前國內大多數涉及到人口分布的環(huán)境風險評估數據都來自人口普查統(tǒng)計數據或統(tǒng)計年鑒[2,28- 30],這些數據一般都是以行政區(qū)為基本統(tǒng)計單元,綜合考慮與人口密切相關的土地利用類型、夜間燈光亮度、居民點密度等因素,利用多因子權重分配法將以行政區(qū)為基本統(tǒng)計單元的人口數據展布到空間格網上,從而實現人口的空間化[21]。這種方法雖能反映人口在某一區(qū)域的空間分布,但現勢性不強(全國人口普查間隔周期較長),空間分辨率受限。通過手機信令數據得到的人口空間分布,實時性較高,且能更精確的識別較小區(qū)域內的人口空間分布。針對某一區(qū)域的大氣環(huán)境風險受體易損性識別,手機信令數據250m的網格與統(tǒng)計數據3km的網格相比,分辨率提高了144倍。顯然,在預估某一區(qū)域的環(huán)境風險受體數量時,基于3km的網格會有較大誤差,而采用手機信令數據網格可提高環(huán)境應急管理時對受體判斷的精確程度。

此外,由于手機信令數據空間精度高,不但能清晰反映人口的空間分布,也更能刻畫細節(jié)。如蓬江區(qū)和江海區(qū)雖然都是江門市人口密度最大的區(qū)域,但人口統(tǒng)計數據參與評估的分析結果顯示蓬江區(qū)及江海區(qū)大氣環(huán)境受體易損性值都在30以上,而手機信令數據參與評估的分析結果顯示蓬江區(qū)及江海區(qū)大氣環(huán)境風險受體易損性值大于30的區(qū)域則主要集中在江海區(qū)北部以及蓬江區(qū)中部及南部,而其他地方人口密度相對較低。因此,總體上降低了全市域大氣環(huán)境風險受體易損性較低區(qū)域面積。

3.3 網格化大氣環(huán)境風險值特征

根據公式(5),計算江門市網格化大氣環(huán)境風險值結果得到(圖6,圖7),江門市大氣環(huán)境風險值網格大多為0—10區(qū)間內,其次為10—30區(qū)間內。東北部地區(qū)大氣環(huán)境風險值呈現以蓬江區(qū)及江海區(qū)為中心,向外輻射性遞減趨勢。除江門市東北部外,其他區(qū)域大部分為低值。高值中心主要為蓬江區(qū)與江海區(qū)交界處(潮連街道、環(huán)市街道、白沙街道、江南街道及外海街道交界處附近),蓬江區(qū)及江海區(qū)其他區(qū)域出現偏高值(大于50)。大氣環(huán)境風險值分布情況與大氣環(huán)境風險場及大氣環(huán)境風險受體易損性分布相關,高值主要出現在大氣環(huán)境風險場及大氣環(huán)境風險受體易損性高值疊加區(qū),基本趨勢與大氣環(huán)境風險受體易損性分布一致,人口及風險企業(yè)密集區(qū),大氣環(huán)境風險值較高。

圖6 江門市網格大氣環(huán)境風險值分布圖(3km×3km)Fig.6 Distribution map of atmospheric environmental risk value of Jiangmen city grid (3km × 3km)

圖7 江門市網格大氣環(huán)境風險值分布圖(250m×250m)Fig.7 Distribution map of atmospheric environmental risk value of Jiangmen city grid (250m×250m)

根據環(huán)境風險等級劃分,江門市大氣環(huán)境風險等級分級結果顯示(圖8,圖9),江門市大氣環(huán)境風險值集中在低風險區(qū)間,其次為中風險區(qū)、較高風險區(qū),無高風險區(qū)域。除蓬江區(qū)及江海區(qū)上述部分區(qū)域出現較高風險區(qū)以外,其他區(qū)域以低風險為主,中風險區(qū)集中在蓬江區(qū)、江海區(qū)、新會區(qū)和和鶴山市部分區(qū)域。較高風險區(qū)主要是由于網格周邊風險企業(yè)較多,且人口較為密集,綜合因素導致其大氣環(huán)境風險值相對較高。雖然兩種數據來源得到大氣環(huán)境風險等級結果總體趨勢一致,但是高分辨率的空間分布能更清晰的顯示高風險區(qū)域,能給突發(fā)環(huán)境風險應急管理及處置工作帶來極大的方便。

圖8 江門市網格大氣環(huán)境風險等級評估(3km×3km)Fig.8 Assessment of atmospheric environmental risk level of Jiangmen city grid (3km × 3km)

圖9 江門市網格大氣環(huán)境風險等級評估(250m×250m)Fig.9 Assessment of atmospheric environmental risk level of Jiangmen city grid(250m × 250m)

4 結論與討論

本研究通過比較傳統(tǒng)人口統(tǒng)計數據網格和手機信令數據網格兩種不同來源的數據在環(huán)境風險評估中的差異性,探索新型數據源作為支撐行政區(qū)域環(huán)境風險評估的新方法和新技術。研究表明,采用手機信令數據不僅提高了環(huán)境風險評估的準確性,也能刻畫更多市域環(huán)境風險細節(jié)。這樣能減少突發(fā)環(huán)境事件的應急管理成本,從而為科學決策、指揮突發(fā)環(huán)境事件應急處置提供更精確、更有效的指導方案。

4.1 手機信令數據在環(huán)境風險評估中的優(yōu)勢與不足

隨著互聯網的不斷發(fā)展,大數據已上升為國家戰(zhàn)略,將大數據應用于生態(tài)環(huán)境監(jiān)測網絡,能實現各級各類監(jiān)測數據系統(tǒng)互聯共享[33]。傳統(tǒng)的數據統(tǒng)計及管理,無法快速地獲取用于環(huán)境風險評估的數據,效率較低,且數據在時間和空間分辨率上的局限性較大。而利用手機信令數據得到的環(huán)境風險等級結果更精細化、分辨率更高、時效性更強、數據處理更高效。當然,進行研究時也應注意手機數據本身存在的一些問題,如數據精度上還存在缺陷,依賴于基站信號強弱的定位方式存在無法避免的空間誤差[32]。在研究數據的代表性方面,本研究僅通過聯通手機用戶數量擴樣全量用戶,以手機用戶數近似為實際人口規(guī)模,暫未考慮各通訊公司在不同區(qū)域市場使用率的差異和低齡幼兒、高齡老人等非潛在手機用戶群體對人口規(guī)模的影響[17]。

面對大數據國家戰(zhàn)略,應積極探索將衛(wèi)星遙感影像、出租車GPS數據、公交刷卡數據、興趣點(POI)等多源大數據應用于環(huán)境風險評估,實時、全面的進行環(huán)境風險評估與預測,更新環(huán)境數據的存儲、管理、索引和共享方式,不僅能分析風險發(fā)生的局部區(qū)域的特點,還能高效、快速地計算并預測區(qū)域內環(huán)境風險的時空分布狀況和變化規(guī)律,追蹤風險的來源[34]。總之,將多源大數據引入環(huán)境風險監(jiān)測、評估與應急管理中,是構建智慧化環(huán)境風險評估的必然選擇。

4.2 手機信令數據可優(yōu)化環(huán)境應急管理

精細尺度的環(huán)境風險評估對處理突發(fā)環(huán)境風險事件具有重要意義。手機信令數據記錄了城市人口分布特征,反映了環(huán)境風險受體的空間分布,為研究精細化的環(huán)境風險受體空間分布提供了新的方案。環(huán)境風險受體是環(huán)境風險管理與應急決策的重要組成部分,充分利用手機信令數據等多源大數據作為環(huán)境風險受體的分析來源,將大力助推主管部門篩選重點環(huán)境風險防控區(qū)域,科學推進城鎮(zhèn)人口密集區(qū)危險化學品生產企業(yè)的搬遷改造,降低區(qū)域結構性與布局性環(huán)境風險。在應急狀態(tài)下,也能更精準快速地識別突發(fā)環(huán)境事件發(fā)生時人口的空間分布,細化需要疏散的人群范圍。通過實現靶向通知受影響的受體人員,進而提升應對突發(fā)環(huán)境事件的科技水平和指揮能力。此外,不同時間段內發(fā)生的突發(fā)環(huán)境事件,受體人群特征也有所不同,可以對人群細分類后開展精細管理,這也將是未來研究的重點。