安徽省PM2.5污染時空分布特征及影響因素分析

程煜 黃薇薇 沈非 羅耀 陳銘楊 任雅茹

摘 要：隨著城市化和工業(yè)化的逐漸深化，以PM2.5為首要污染物的空氣質(zhì)量問題尤為凸顯，嚴重危害著人們的身心健康和區(qū)域可持續(xù)發(fā)展?；?017年安徽省136個PM2.5濃度監(jiān)測站點數(shù)據(jù)，分析了全省PM2.5污染的時空分布特征;利用地理探測器分析了影響因子的影響力以及彼此的交互作用。結(jié)果表明：安徽省PM2.5濃度時空特征差異明顯，在時間上，冬季>春季>秋季>夏季;在空間上，皖北>皖中>皖南;各風(fēng)險因子的影響力中，年均氣溫最高，社會用電量次之，人口密度和一產(chǎn)占比也相對較高。交互作用顯示，各影響因子關(guān)系均為雙因子增強。

關(guān)鍵詞：PM2.5;安徽省;時空特征;影響因素;地理探測器

中圖分類號 X513文獻標識碼 A文章編號 1007-7731（2021）02-0144-04

Temporal and Spatial Distribution Characteristics and Influencing Factors Analysis of PM2.5 Pollution in Anhui Province

CHENG Yu1 et al.

（1School of Geography and Tourism， Anhui Normal University， Wuhu 241003， China）

Abstract： Along with the progress of urbanization and industrialization， primary pollutants for PM2.5 air quality problems were highlighted， seriously endangering people's physical and mental health and regional sustainable development. Based on the data of 136 PM2.5 concentration monitoring stations in Anhui Province in 2017， this paper analyzes the spatial and temporal distribution characteristics of PM2.5 pollution in the province. The geographic detector is used to analyze the influence of influence factors and their interaction. The results showed that the PM2.5 concentration in Anhui was significantly different in time and space. The results show that： the temporal and spatial characteristics of PM2.5 concentration in Anhui Province are significantly different. In terms of time， winter>spring>autumn>summer; in space， north Anhui>central Anhui>South Anhui. Among all risk factors， the annual average temperature was the highest， the social electricity consumption was the second， the population density and the proportion of primary production were also relatively high. The interaction showed that the relationship among the influencing factors was enhanced by two factors.

Key words： PM2.5; Anhui province; Spatio-temporal characteristics; Influencing factors; Geographic detector

1 引言

自改革開放以來，我國經(jīng)濟快速發(fā)展，但與此同時，也帶來了不可忽視的環(huán)境問題。2013年，我國首次出現(xiàn)了持續(xù)時間久、波及范圍廣的霧霾污染現(xiàn)象，全國多個省市幾乎都受到了霧霾的籠罩[1]。2016年底，包括京津冀、山東、山西、安徽、陜西等多個省市在內(nèi)的地區(qū)受到了大范圍重污染天氣的影響，河北地區(qū)多個城市甚至出現(xiàn)PM2.5濃度過千的情況。全國各地大規(guī)模的霧霾污染事件頻繁發(fā)生，越來越引起全社會的關(guān)注與政府部門的高度重視。

PM2.5是一種懸浮在空氣當(dāng)中，直徑≤2.5μm的大氣細顆粒物，它是霧霾的主要組分[2]。PM2.5主要來自自然源和人為源二大類，自然源包括火山噴發(fā)、森林火災(zāi)等，而人為源包括化學(xué)燃料的燃燒、工業(yè)污染排放、汽車尾氣、道路和建筑揚塵等[3]。PM2.5粒徑小，比表面積大，使得有害物質(zhì)容易集聚，隨空氣進入到人體后，對人們的呼吸系統(tǒng)、心血管系統(tǒng)、內(nèi)分泌系統(tǒng)等均造成了嚴重的破壞，長時間暴露在高濃度的PM2.5下，將會導(dǎo)致死亡風(fēng)險的增加[4-7]。研究表明，PM2.5會直接導(dǎo)致大氣對光線的吸收和散射發(fā)生變化，從而影響大氣能見度，形成光化學(xué)煙霧[8];對地表輻射的影響也會間接地“干預(yù)”氣候的變化[9]。因此，PM2.5不僅會對人體健康造成危害，也會造成諸多的環(huán)境與氣候問題。

目前，對于PM2.5的研究多集中在污染較為嚴重或觀測條件較好的地區(qū)，而對中部地區(qū)的研究較少[10]。安徽省地處華東腹地，是我國中部的重要省份，同時也是長三角城市群的重要組成部分，是大氣污染防治的重要研究區(qū)域[11]。本文以安徽省為例，采用16個地級市的空氣質(zhì)量監(jiān)測站點數(shù)據(jù)、氣象及社會經(jīng)濟數(shù)據(jù)，對安徽省PM2.5的時空分布與影響因素進行了研究，以期為安徽省大氣污染防控治理提供有益借鑒。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源 研究數(shù)據(jù)為2017年安徽省全省范圍內(nèi)134個國控監(jiān)測點PM2.5濃度監(jiān)測數(shù)據(jù)，來源于安徽省空氣質(zhì)量監(jiān)測站的城市空氣質(zhì)量實時發(fā)布平臺（http：//sthjt.ah.gov.cn）。監(jiān)測站點的空間分布見圖1。氣象要素包括氣溫、降水，數(shù)據(jù)均來自歐洲中期天氣預(yù)報中心（http：//apps.ecmwf.int/datasets），分辨率為0.125°×0.125°。社會要素包括2017年年底社會用電總量數(shù)據(jù)、人口密度數(shù)據(jù)、民用汽車總量數(shù)據(jù)，來源于國家統(tǒng)計年鑒（http：//www.stats.gov.cn/）和安徽省統(tǒng)計年鑒（htttp：//tjj.ah.gov.cn/）。

2.2 研究方法 地理探測器是探測地理要素空間分異性并揭示其背后驅(qū)動因子的一種統(tǒng)計學(xué)方法。作為一種空間數(shù)據(jù)分析技術(shù)，地理探測器既可以檢驗單變量的空間分異性，也可以通過檢驗2個變量空間分布的一致性來探測2變量可能的因果關(guān)系，包括因子探測器、交互作用探測器等探測器類型[12]。其中：因子探測器用于探測影響因子對空間污染的影響強度。其表達式為：

[q=1-k=1nNkσ2k/Nσ2] （1）

式中：q為某影響因子對空間污染分異的影響力。k=1，...，n為該影響因子的分類數(shù)，NK，N為子區(qū)和全區(qū)第K類的單元數(shù)，[σ2k]、[σ2]分別為子區(qū)域和全區(qū)的因變量的離散方差。用q值可以衡量因子對因變量的影響強度，q的值域為[0，1]，期數(shù)值越大則表明該因子對PM2.5濃度的變化解釋能力越強[13]。

交互作用探測器是探測不同風(fēng)險因子在影響因變量的空間分布方面是否有交互作用，該方法包含以下5種關(guān)系，詳見表1[14]。

3 結(jié)果與分析

3.1 PM2.5時間變化特征 2017年安徽省16個地級市的PM2.5月均濃度統(tǒng)計如表2所示。由表2可知，安徽省各市當(dāng)中，PM2.5月均濃度最高值為宿州市1月份的118.8μg/m3，最低值為黃山8月份的9.9μg/m3。依據(jù)中國環(huán)境保護部《環(huán)境空氣質(zhì)量標準》（GB3095-2012），將PM2.5濃度值劃分為以下6個等級：優(yōu)（0～35μg/m3），良（35～75μg/m3），輕度污染（75～115μg/m3），中度污染（115～150μg/m3），重度污染（150～250μg/m3），嚴重污染（>250μg/m3）[16]。按此標準，對各市監(jiān)測站點PM2.5不同等級進行分類匯總，得出全年污染水平在各個等級的月數(shù)?？梢钥闯觯焊魇芯晕廴镜燃墶傲肌睘橹鳎S山、宣城、蕪湖3市較好，月平均值基本為優(yōu)良狀態(tài);宿州、淮北、亳州整體較差，其中宿州冬季月份出現(xiàn)中度污染（圖2）。

從圖3可以看出，2017年全省PM2.5月均濃度值較高的月份為1月、2月、11月和12月，其中12月月均濃度為91.40μg/m3，1月的濃度與12月相當(dāng)，達到85.47μg/m3;7月、8月、9月的PM2.5 濃度值最低，依次為31.02μg/m3、29.70μg/m3、37.01μg/m3。從季節(jié)變化來看，2017年安徽省PM2.5季均濃度值冬季>春季>秋季>夏季，全省PM2.5 濃度具有明顯的季節(jié)差異性。

3.2 PM2.5空間分布特征 依據(jù)安徽省2017年各個站點PM2.5的季均濃度數(shù)據(jù)，對濃度值進行反距離權(quán)重插值法，得到安徽省PM2.5的季均濃度分布見圖4。由圖4可知，春季，安徽省各市PM2.5濃度值在18～83μg/m3?；幢逼皆徒辞鹆隄舛绕?，沿江平原濃度次之，皖西大別山和皖南山區(qū)濃度偏低。其中，宿州、蚌埠、淮北、阜陽、合肥、銅陵等地PM2.5濃度值偏高，黃山PM2.5濃度最低。夏季，安徽省各市PM2.5濃度值在7～57μg/m3。淮北平原和皖西大別山濃度偏高，江淮丘陵、沿江平原次之，皖南山區(qū)濃度偏低。其中，安慶、蚌埠、滁州、淮南等地PM2.5濃度偏高，宣城、黃山PM2.5濃度偏低。秋季，安徽省各市PM2.5濃度值在16～73μg/m3?；幢逼皆脱亟皆瓭舛绕?，江淮丘陵、皖西大別山次之，皖南山區(qū)濃度偏低。其中，阜陽、亳州、淮北濃度值偏高，宣城、黃山PM2.5濃度偏低。冬季，安徽省各市PM2.5濃度值在28～111μg/m3。亳州、淮北、合肥濃度最高，皖南山區(qū)濃度最低。

3.3 PM2.5污染影響因素 為了明晰各個影響因子與PM2.5濃度的關(guān)系，利用地理探測器展開分析。鑒于數(shù)據(jù)的可獲取性，選擇年均氣溫、年均降水量、人口密度、一產(chǎn)占比、二產(chǎn)占比、三產(chǎn)占比、社會用電量、民用汽車總量、農(nóng)用地占比和建設(shè)用地占比的10個影響因子。地理探測器的計算結(jié)果分為2個部分，第1部分為因子探測，表示因子的影響力大?。ū?）;第2部分為因子交互探測，反映因子間交互作用力與單因子影響力的關(guān)系（表4）。從表3可以看出，安徽省地區(qū)10個影響因子對PM2.5污染的影響力排序為：年均氣溫（0.86）>社會用電量（0.77）>人口密度（0.73）>一產(chǎn)占比（0.72）>建設(shè)用地占比（0.71）>三產(chǎn)占比（0.67）>年均降水量（0.62）=農(nóng)用地占比（0.62）>二產(chǎn)占比（0.45）>民用汽車總量（0.40）。從交互檢測器顯示來看（表4），研究中的10個PM2. 5影響因子兩兩交互作用較強，為雙因子增強作用。其中社會經(jīng)濟因子與氣象因子的交互作用最為明顯，民用汽車總量與一產(chǎn)占比的交互作用對PM2.5的影響最低。

4 結(jié)論

（1）安徽省PM2.5濃度隨時間變化顯著。12月月均濃度最高，8月月均濃度最低，月均濃度呈現(xiàn)“U”型變化特征。PM2.5季均濃度表現(xiàn)為冬季>春季>秋季>夏季，季節(jié)差異性明顯。

（2）安徽省PM2.5濃度空間分布差異明顯。整體上，PM2.5年均濃度值由北向南呈遞減趨勢，濃度值由高到低依次為淮北平原、江淮丘陵、沿江平原、皖西大別山和皖南山區(qū)。不同季節(jié)的PM2.5濃度空間分布有所變化。

（3）安徽省PM2.5濃度的時空分布特征與氣象要素、社會生產(chǎn)生活密切相關(guān)。其中，年均氣溫的影響力最大，民用汽車總量的影響力最小。交互作用顯示，各變量間的作用呈現(xiàn)出雙因子增強。

參考文獻

[1]Tian S，Pan Y，Liu Z，et al. Size-resolved aerosol chemical analysis of extreme haze pollution events during early 2013 in urban Beijing，China[J]. Journal of Hazardous Materials，2014，279：452-460。

[2]肖琴，陸鈺婷.基于復(fù)雜網(wǎng)絡(luò)的區(qū)域空氣污染PM2.5分析[J].應(yīng)用技術(shù)學(xué)報，2019，19（01）：77-83.

[3]洪綱，周靜博，姜建彪，等.空氣細顆粒物PM2.5的污染特征及其來源解析研究進展[J].河北工業(yè)科技，2015，32（01）：64-71.

[4]趙冬婷，劉遠鳳，彭文儀，等.大氣PM2.5影響心血管健康的潛在機制[J].生命的化學(xué)，2020，40（08）：1228-1234.

[5]張亮，張秋平，譚愛軍.珠海市空氣污染對人群死亡的影響[J].實用預(yù)防醫(yī)學(xué)，2019，26（04）：446-449.

[6]何曉慶，王祚懿，盛微，等.金華市大氣PM2.5對兒童呼吸系統(tǒng)疾病門診量的影響研究[J].實用預(yù)防醫(yī)學(xué)，2019，26（03）：271-273.

[7]高廣闊，王佳書，吳世昌，等.上海市霧霾污染物對人群健康影響的統(tǒng)計研究[J].環(huán)境監(jiān)測管理與技術(shù)，2019，31（06）：17-22.

[8]魏哲，侯立泉，魏巍，等.結(jié)合WRF/Chem和PMF方法的邯鄲市PM2.5源解析[J].環(huán)境科學(xué)與技術(shù)，2017，40（11）：67-74.

[9]李麗平.青島大氣PM2.5中水溶性無機離子及其前體氣體的濃度特征和氣—粒平衡關(guān)系[D].青島：中國海洋大學(xué)，2014.

[10]裘閱，汪家權(quán)，胡淑恒.2015—2016年安徽省PM2.5和PM10-2.5時空分布特征[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2020，43（01）：113-118.

[11]楊鵬，張紅，汪水兵，等.安徽省PM2.5分布特征及區(qū)域輸送來源分析[J].環(huán)境科學(xué)與技術(shù)，2020，43（02）：52-59.

[12]王勁峰，徐成東.地理探測器：原理與展望[J].地理學(xué)報，2017，72（1）：116-134.

[13]郭春穎，施潤和，周云云，等.基于遙感與地理探測器的長江三角洲空氣污染風(fēng)險因子分析[J].長江流域資源與環(huán)境，2017，26（11）：1805-1814.

[14]馬小雯，章笑藝，來麗芳，等.基于地理探測器的浙江省空氣質(zhì)量風(fēng)險因子分析[J].浙江大學(xué)學(xué)報（理學(xué)版），2018，45（3）：350-362.

[15]周亮，周成虎，楊帆，等.2000—2011年中國PM2.5時空演化特征及驅(qū)動因素解析[J].地理學(xué)報，2017，72（11）：2079-2092.

[16]張海霞，程先富，陳冉慧.安徽省PM2.5時空分布特征及關(guān)鍵影響因素識別研究[J].環(huán)境科學(xué)學(xué)報，2018，38（3）：1080-1089.

（責(zé)編：張宏民）