多尺度時(shí)空PM2.5分布特征、影響要素、方法演進(jìn)的綜述及城市規(guī)劃展望*

劉 超 金夢(mèng)怡 朱星航 彭仲仁

1 PM2.5時(shí)空格局的影響因素研究背景與意義

1.1 研究背景

隨著中國(guó)城市發(fā)展建設(shè)從重“量”轉(zhuǎn)向提“質(zhì)”，精細(xì)化治理PM2.5成為新階段改善城市環(huán)境工作的重點(diǎn)之一。隨著中國(guó)城市化的快速發(fā)展，以PM2.5為代表的空氣污染問(wèn)題受到政府機(jī)構(gòu)和城市居民的重點(diǎn)關(guān)注。城市空氣中PM2.5濃度的升高會(huì)導(dǎo)致能見(jiàn)度下降，威脅公共健康[1]。我國(guó)過(guò)去幾年的減排措施取得初步成果，但大部分地市的PM2.5平均濃度仍高于世界衛(wèi)生組織空氣質(zhì)量指南關(guān)于細(xì)顆粒物的健康標(biāo)準(zhǔn)（WHOAQG）10μg/m3，且極端污染天氣仍時(shí)有發(fā)生[2]。以上海市為例，2020年P(guān)M2.5年均濃度值約為32μg/m3，是WHO-AQG健康標(biāo)準(zhǔn)的3倍以上。基于人民對(duì)生態(tài)健康城市的向往和需求，許多城市在“國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃”中提出要加強(qiáng)城市空氣污染協(xié)同控制，強(qiáng)化精細(xì)化城市管理。在控制排放源的基礎(chǔ)上，結(jié)合城市環(huán)境進(jìn)行時(shí)空精細(xì)化治理是進(jìn)一步提升城市空氣質(zhì)量的重要途徑，對(duì)人居環(huán)境和公共健康的改善有重要意義。因此，研究PM2.5時(shí)空格局的影響因素對(duì)于把控環(huán)境規(guī)劃政策非常必要。

1.2 理論與實(shí)踐意義

目前對(duì)PM2.5等污染物的濃度在城市中的演變機(jī)理的研究主要從環(huán)境學(xué)科切入，缺乏城市總體布局與規(guī)劃治理的視角，需要進(jìn)行文獻(xiàn)梳理和前沿趨勢(shì)確定。通過(guò)研究PM2.5的時(shí)空格局及其影響因素，探索建成環(huán)境、土地格局、交通行為等要素與空氣污染物排放、擴(kuò)散在特定時(shí)間與空間的關(guān)聯(lián)機(jī)制，具有填補(bǔ)PM2.5時(shí)空特征研究文獻(xiàn)綜述空缺的意義。

研究PM2.5的城市時(shí)空格局和影響因素并理清其研究發(fā)展方向，可以在傳統(tǒng)控制排放源的基礎(chǔ)上，結(jié)合城市規(guī)劃進(jìn)行時(shí)空精細(xì)化治理，對(duì)城市中的空氣污染水平及其影響因素進(jìn)行深入挖掘和規(guī)律探究，可以高效預(yù)測(cè)污染物濃度的時(shí)空變化特征，構(gòu)建精細(xì)化環(huán)境時(shí)空數(shù)據(jù)網(wǎng)絡(luò)，對(duì)人居環(huán)境和公共健康水平的改善有重要實(shí)踐意義。

1.3 研究目標(biāo)

本文通過(guò)總結(jié)PM2.5時(shí)空格局及其影響因素的相關(guān)研究，厘清了PM2.5近年來(lái)在不同時(shí)間尺度上的變化情況與內(nèi)在機(jī)理，總結(jié)了PM2.5濃度在空間分布上的一般規(guī)律，結(jié)合PM2.5的排放源頭與擴(kuò)散途徑，達(dá)到分析PM2.5在不同時(shí)空?qǐng)鼍爸械闹饕绊懸蛩?、發(fā)掘PM2.5濃度研究盲點(diǎn)的目標(biāo)。同時(shí)，通過(guò)總結(jié)PM2.5傳統(tǒng)與新興的研究方法以及趨勢(shì)前沿，一方面對(duì)PM2.5的研究手段與原理提出新的發(fā)展展望，另一方面結(jié)合實(shí)際，對(duì)PM2.5治理政策的實(shí)施與城市環(huán)境規(guī)劃提出建議。

2 PM2.5時(shí)空格局特征

作為霧霾的重要組成部分，城市大氣中PM2.5受到社會(huì)的持續(xù)關(guān)注。2019年，在中國(guó)337個(gè)地級(jí)市中，以PM2.5為首要污染物的大氣污染超標(biāo)天數(shù)占總超標(biāo)天數(shù)的45.0%，高于其他污染物（O3、PM10、NO2和CO分別占41.7%、12.8%、0.7%和不足0.1%）[3]。通過(guò)減排控制措施，PM2.5污染治理初見(jiàn)成效。但隨著城市高質(zhì)量發(fā)展的推進(jìn)和空氣污染治理進(jìn)入精細(xì)化階段，識(shí)別城市PM2.5濃度的時(shí)空格局以及通過(guò)協(xié)同規(guī)劃管理來(lái)降低PM2.5濃度成為推進(jìn)下一階段空氣質(zhì)量全面達(dá)標(biāo)的重要內(nèi)容。

我國(guó)城市治理工作新的發(fā)展階段對(duì)空間多要素的精細(xì)化治理提出了更高的要求。研究人員開(kāi)始在不同的時(shí)空維度深入探究城市中PM2.5的分布規(guī)律，從城市規(guī)劃管理角度更高效精準(zhǔn)地應(yīng)對(duì)空氣污染。識(shí)別城市PM2.5濃度的時(shí)空格局可以在時(shí)間和空間維度上精準(zhǔn)施策。PM2.5濃度的時(shí)空格局包括時(shí)間維度、空間維度和時(shí)空融合的綜合維度。

時(shí)間維度上，以往研究對(duì)國(guó)內(nèi)外城市在不同時(shí)間尺度的PM2.5濃度變化有豐富的研究積累?？傮w來(lái)說(shuō)，城市PM2.5濃度冬春季高，夏秋季低，按月呈U形分布[4]；PM2.5的日變化呈現(xiàn)雙峰特征，早峰值在上午7:00—9:00，晚峰值在19:00—21:00[5-6]。針對(duì)空間維度的研究可以分為國(guó)家、區(qū)域、城市、社區(qū)各個(gè)層級(jí)，各層級(jí)呈現(xiàn)出不同的分布特點(diǎn)。已有研究發(fā)現(xiàn)，PM2.5濃度在發(fā)達(dá)國(guó)家城市通常呈現(xiàn)出中心城區(qū)高、郊區(qū)低的空間特征，在中國(guó)由于城市發(fā)展階段不同，特征較多樣復(fù)雜[4,7]。近年逐漸出現(xiàn)了從時(shí)空融合的視角研究空氣污染物的時(shí)空分布特征與來(lái)源[8]，這樣的研究更有利于從不同維度研判城市空氣治理和排放源特征格局，可以針對(duì)性地開(kāi)展環(huán)境污染防控。總結(jié)現(xiàn)有研究的進(jìn)展，高精度的時(shí)空格局在微觀尺度實(shí)現(xiàn)得較多，由于數(shù)據(jù)和算法的限制，城市和區(qū)域尺度的研究比較困難。隨著城市管理日趨精細(xì)，了解PM2.5的時(shí)空分布特征及其影響因素進(jìn)而展開(kāi)城市規(guī)劃設(shè)計(jì)和優(yōu)化管理是城市“質(zhì)量發(fā)展”和“精細(xì)化城市管理”的優(yōu)先選擇[9]。

2.1 中國(guó)PM2.5時(shí)空格局特征

我國(guó)頻繁發(fā)生空氣污染，PM2.5是主要污染源。隨著2012年P(guān)M2.5環(huán)境監(jiān)測(cè)站網(wǎng)絡(luò)的建成與環(huán)境政策的實(shí)施，中國(guó)PM2.5的年平均值逐年下降，1—12月的月平均值呈U形曲線。中國(guó)PM2.5濃度的變化有明顯的季節(jié)性，由于冬季燃煤量高、降雨量減少且植被稀疏，PM2.5濃度為一年中的高峰。夏季由于氣候氣象和能源使用情況與冬季相反，是PM2.5濃度最低的季節(jié)。在更精細(xì)的時(shí)間尺度上，中國(guó)城市PM2.5日濃度變化呈雙峰分布且具有小時(shí)差異，以2017年為例，10:00PM2.5年平均小時(shí)濃度達(dá)到日平均峰值51.79μg/m3，16:00則降至谷值40.22μg/ m3，相差11.57μg/ m3[10]，這主要是由于人口日常出行活動(dòng)與上下班交通高峰帶來(lái)的影響。

2019年我國(guó)各省市PM2.5年平均濃度顯示，華北平原地區(qū)包括河北、山西、山東、陜西與河南等地比較嚴(yán)重。同時(shí)，長(zhǎng)江以北地區(qū)由于人口密集、經(jīng)濟(jì)發(fā)達(dá)， PM2.5濃度也較高（表1）。長(zhǎng)江以南地區(qū)、西藏、云南在西南地區(qū)和東南沿海地區(qū)由于地理區(qū)位和氣象特征等原因，年平均PM2.5濃度較低[11]。河北省是中國(guó)PM2.5污染最嚴(yán)重的省份之一，主要是因?yàn)槭艿綒庀笠蛩?、某些土地用途和重工業(yè)的影響：華北平原的地貌特征有利于PM2.5污染的擴(kuò)散和相互影響。同時(shí)，河北省內(nèi)密集的工業(yè)排放、農(nóng)田的土壤結(jié)構(gòu)、地表植被的人為破壞以及生物質(zhì)的大量燃燒導(dǎo)致PM2.5濃度進(jìn)一步增加[12]。已有研究表明，污染物在季風(fēng)的影響下可長(zhǎng)距離傳輸至偏遠(yuǎn)地區(qū)。PM2.5污染不是單一區(qū)域的問(wèn)題，其在城市群間和城市群內(nèi)的傳輸路徑和影響機(jī)制將是今后研究的重點(diǎn)[13]。

在國(guó)家尺度上，人口聚集、工業(yè)發(fā)展、外國(guó)投資、運(yùn)輸和污染排放是PM2.5濃度增加的主要因素。PM2.5的時(shí)間變化格局由于國(guó)家運(yùn)轉(zhuǎn)的常態(tài)化難以發(fā)生較大改變。但隨著國(guó)家空氣治理能力的提升以及污染狀況的明顯改善，PM2.5空間格局將隨著污染范圍的逐步縮小而更新，城市群增加趨勢(shì)的分化也將使PM2.5空間格局進(jìn)一步變化[14]。因此，構(gòu)建精細(xì)化的PM2.5時(shí)空網(wǎng)絡(luò)對(duì)于精準(zhǔn)實(shí)施環(huán)境政策會(huì)產(chǎn)生較大助力。

2.2 主要城市PM2.5時(shí)空格局特征

北京市作為中國(guó)政治文化中心，地處華北平原，由于排放源較多、工業(yè)因素影響較大以及三面環(huán)山的特殊地理位置和典型的大尺度環(huán)流形勢(shì)，在市內(nèi)累積與外地輸送情況下PM2.5濃度較大，大范圍重霾污染事件頻發(fā)。在時(shí)空格局上，北京市PM2.5濃度由高到低的季節(jié)依次是冬季、春季、秋季和夏季。分地區(qū)來(lái)看，2013年年均PM2.5濃度由高到低依次是東南部、西南部、城六區(qū)、東北部和西北部，濃度越高的季節(jié)空間分布的差異越大，同時(shí)，濃度越高的地區(qū)時(shí)間分布的差異也越大（圖1）。但隨著機(jī)動(dòng)車政策的出臺(tái)與排放源治理，北京市2019年平均PM2.5濃度值為42μg/ m3，較2018年下降9μg/ m3，治理成果初顯成效[15-16]。

表1 2019年全國(guó)主要城市PM2.5年平均濃度值Tab 1 annual average concentration of PM2.5 in major cities in 2019

上海市PM2.5濃度季節(jié)上同樣呈春冬高、夏秋低的特點(diǎn)，且冬季濃度差異大于夏季。2019年上海市平均PM2.5濃度值為35μg/m3。上海市各季節(jié)與全年的PM2.5濃度日變化呈雙峰型，高峰時(shí)間對(duì)應(yīng)城市上下班時(shí)間，汽車尾氣與人流擾動(dòng)對(duì)PM2.5濃度的影響很大?？臻g上，上海市PM2.5分布呈西高東低、臨海區(qū)域低于內(nèi)陸區(qū)域的特點(diǎn)（圖2）。上海市PM2.5時(shí)空分布格局主要在跨省傳輸、海洋大氣影響以及本地排放等因素的影響下形成，反映了中國(guó)沿海發(fā)達(dá)城市典型的時(shí)空分布特點(diǎn)[4]。

與中國(guó)城市的時(shí)空格局不同，從2000年至今，紐約市PM2.5年平均濃度不斷降低，季節(jié)分布上呈夏季高、冬季次之、春秋季最低的特點(diǎn)[17-18]。紐約市PM2.5空間分布市區(qū)和郊區(qū)存在明顯差異，城市PM2.5的污染水平明顯高于農(nóng)村地區(qū)，這一特點(diǎn)在中國(guó)并不明顯，主要原因?yàn)榧~約市城鄉(xiāng)市內(nèi)交通和人口密度的差異。

不同城市由于地理位置、人口分布與氣候特征的不同顯示出不同的時(shí)空格局，但城市內(nèi)部的污染源分布、交通行為以及藍(lán)綠面積都是影響城市PM2.5濃度的主要原因。隨著PM2.5污染治理政策的不斷提出，針對(duì)不同城市PM2.5的定點(diǎn)研究不斷涌現(xiàn)，但總體上缺乏精細(xì)化尺度下的時(shí)空格局構(gòu)建，PM2.5時(shí)空變化的內(nèi)在關(guān)聯(lián)有待進(jìn)一步發(fā)掘。同時(shí)，由于目前全國(guó)范圍內(nèi)尤其是中小型城市的環(huán)境監(jiān)測(cè)站較少，且監(jiān)測(cè)數(shù)據(jù)在時(shí)間分辨率上精度不夠（多為小時(shí)值），因此在對(duì)PM2.5時(shí)空特征的反映上，現(xiàn)有研究的精確性仍比較缺乏。

2.3 社區(qū)尺度下的PM2.5時(shí)空格局特征

因社區(qū)中人群密集的出行和居住，社區(qū)尺度的PM2.5時(shí)空分布越來(lái)越受到關(guān)注。社區(qū)尺度一般指5 km×5 km大小范圍內(nèi)較精細(xì)的空間尺度。2005年初，中國(guó)疾病預(yù)防控制中心環(huán)境所提出了在社區(qū)建立環(huán)境污染與疾病監(jiān)測(cè)點(diǎn)的想法和工作框架，被納入國(guó)家“環(huán)境與健康行動(dòng)規(guī)劃”[19]。社區(qū)尺度的PM2.5受城市背景濃度、區(qū)域排放源和局地排放源的共同影響[20]，分布不均，一個(gè)城市街區(qū)中的變化有時(shí)會(huì)相差5~8倍[21]。通常來(lái)說(shuō)，城市中交通和人群活動(dòng)密集的區(qū)域會(huì)有更高的PM2.5濃度[22]。研究表明，在中心城區(qū)，PM2.5的變化主要與交通流量有關(guān)，建筑高度、當(dāng)?shù)亟煌ê蜕虡I(yè)污染源也有顯著影響。在城郊區(qū)域，PM2.5的變化主要與PM2.5背景濃度有關(guān)，區(qū)域排放源的影響是關(guān)鍵（圖3）。在城市中，污染最嚴(yán)重的地方往往是高速公路附近，高速公路的緩沖寬度達(dá)到100~300 m[22]。時(shí)間方面，社區(qū)PM2.5的分布規(guī)律與城市尺度的PM2.5時(shí)間分布規(guī)律相似，這也是由于社區(qū)所處的PM2.5環(huán)境受城市大背景的影響，雖為局部仍反應(yīng)了城市的整體特征。

3 PM2.5格局的影響因素

研判城市PM2.5時(shí)空濃度的影響要素可以支撐空間布局優(yōu)化、交通以及行為的精細(xì)化治理。國(guó)內(nèi)外學(xué)者對(duì)PM2.5的理化性質(zhì)[23]、來(lái)源解析[24-25]、建成環(huán)境影響[26-27]等方面的研究表明，城市的PM2.5濃度主要受土地格局、交通網(wǎng)絡(luò)、排放源分布、藍(lán)綠開(kāi)放空間和氣象因子的制約。交通干道、工業(yè)用地等對(duì)空氣質(zhì)量有負(fù)面影響，而水體和綠地等通常有正面影響[28]。綠色生態(tài)空間通過(guò)城市尺度的風(fēng)道網(wǎng)絡(luò)、綠地系統(tǒng)規(guī)劃以及街區(qū)尺度的公園綠地、湖泊濕地、道路綠帶、城市森林對(duì)顆粒物污染有消減作用[29]；建筑形態(tài)布局對(duì)周邊環(huán)境中PM2.5濃度的時(shí)空分布也有很大影響[28]。另外，我國(guó)城市的PM2.5污染明顯受到大區(qū)域背景濃度影響[30]。表2列舉了在不同城市尺度上對(duì)PM2.5時(shí)空格局影響因素的研究。在區(qū)域、城市等宏觀上尺度上，PM2.5時(shí)空格局主要受城市空間結(jié)構(gòu)、土地利用格局、用地建設(shè)強(qiáng)度、藍(lán)綠生態(tài)空間、通風(fēng)廊道布局以及產(chǎn)業(yè)結(jié)構(gòu)、人口規(guī)模等社會(huì)經(jīng)濟(jì)因素的影響。在社區(qū)、街道等微觀尺度上，PM2.5格局主要受局地建筑布局、景觀格局以及交通設(shè)施規(guī)劃建設(shè)的影響。隨著城市管理日趨精細(xì)，了解影響城市PM2.5時(shí)空分布的主要因素的復(fù)雜性、因地制宜地推進(jìn)精細(xì)化城市空氣治理、開(kāi)展基于空氣質(zhì)量的城市規(guī)劃設(shè)計(jì)的優(yōu)化評(píng)估是城市高質(zhì)量發(fā)展的必然選擇?？偨Y(jié)各區(qū)域尺度下的PM2.5研究，方法論上多采用數(shù)值分析與關(guān)系比較，缺乏對(duì)不同影響要素的基本理論的闡述。同時(shí)，現(xiàn)有研究選擇的影響要素不夠全面，在更復(fù)雜的城市建成環(huán)境中難以適用。

圖1 2012年北京PM2.5空間分布圖Fig. 1 the PM2.5 spatial distribution in Beijing (2012)

圖2 2013年上海PM2.5空間分布圖Fig. 2 the PM2.5 spatial distribution in Shanghai (2013)

圖3 基于GAM的PM2.5在上海社區(qū)尺度（2 km × 2 km）的空間分布(a. 閔行區(qū)； b. 徐匯區(qū))Fig.3 the spatial distribution of PM2.5 based on GAM at the Shanghai community scale (2 km × 2 km, a. Minhang District; b. Xuhui District)

4 研究方法與前沿

目前研究城市尺度的PM2.5濃度的時(shí)空特征有三類常用方法：以區(qū)域空氣質(zhì)量模式（WRF-Chem）和氣象—空氣質(zhì)量模型（WRF-CMAQ）等模型為代表的大氣化學(xué)傳輸模式，遙感反演方法與以土地利用回歸（LUR）為代表的空間統(tǒng)計(jì)學(xué)模型。過(guò)程模型可以幫助理解污染過(guò)程中的物理和化學(xué)機(jī)制，如溫維（Wen）等運(yùn)用WRF-CAMQ對(duì)北京市的PM2.5進(jìn)行來(lái)源解析，結(jié)果顯示一次組分和二次有機(jī)氣溶膠的外來(lái)區(qū)域貢獻(xiàn)分別為29.6%和60.6%[43]。遙感反演是指借助遙感影像，通過(guò)反演對(duì)象和模型定量推算出研究區(qū)域的實(shí)際數(shù)據(jù)。通過(guò)遙感影像反演顆粒物濃度有助于動(dòng)態(tài)監(jiān)測(cè)顆粒物的空間分布狀況，為城市空間規(guī)劃提供重要的基礎(chǔ)信息[44]?？臻g統(tǒng)計(jì)模型也經(jīng)許多學(xué)者驗(yàn)證，能較好地發(fā)掘城市尺度PM2.5濃度的空間特征，適用于中長(zhǎng)期污染物空間特征的靜態(tài)評(píng)估。其中，土地回歸模型（LUR）的使用最為廣泛[45]。LUR模型將空間不同監(jiān)測(cè)點(diǎn)的PM2.5濃度作為因變量、表征城市用地和形態(tài)特性的因子作為自變量，通過(guò)回歸方法獲得城市用地形態(tài)和PM2.5濃度的定量關(guān)系[17]。

然而，這些方法存在過(guò)程復(fù)雜、不易遷移或解釋性不足等問(wèn)題，人工智能算法（AI）的發(fā)展提供了挖掘非線性關(guān)聯(lián)機(jī)制和快速高效迭代時(shí)空演變機(jī)制的新技術(shù)方法，可以部分彌補(bǔ)上述問(wèn)題?！度斯ぶ悄軜?biāo)準(zhǔn)化白皮書(shū)（2018年）》規(guī)定，人工智能算法（AI）是利用數(shù)字計(jì)算機(jī)或由數(shù)字計(jì)算機(jī)控制的機(jī)器，模擬、延伸和擴(kuò)展人類的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)和應(yīng)用系統(tǒng)，常用模型有神經(jīng)網(wǎng)絡(luò)模型、集成學(xué)習(xí)模型等。從時(shí)間與空間兩個(gè)維度衍生出的城市空氣質(zhì)量預(yù)測(cè)模擬的AI方法也為解決實(shí)際問(wèn)題提供了較多的時(shí)序數(shù)據(jù)模型和空間數(shù)據(jù)模型，持續(xù)助力完備的城市時(shí)空數(shù)據(jù)預(yù)測(cè)網(wǎng)絡(luò)的組建。

污染物時(shí)序數(shù)據(jù)主要探索長(zhǎng)短期內(nèi)城市特定區(qū)域的污染物濃度規(guī)律，發(fā)掘污染物間的相關(guān)性，有助于城市環(huán)境預(yù)測(cè)與建成環(huán)境評(píng)估的開(kāi)展，推動(dòng)城市整體建設(shè)與發(fā)展[17,46-48]。污染物空間數(shù)據(jù)建立了污染物空間維度的擴(kuò)散規(guī)律與關(guān)聯(lián)網(wǎng)絡(luò)，為城市區(qū)域規(guī)劃與環(huán)境治理聯(lián)防聯(lián)控提供決策依據(jù)[49-50]。結(jié)合時(shí)間、空間兩方面的特征，經(jīng)過(guò)進(jìn)一步的發(fā)展AI方法還能實(shí)現(xiàn)更高精度尺度下的時(shí)空復(fù)雜特征的融合分析，發(fā)掘環(huán)境數(shù)據(jù)中更復(fù)雜的內(nèi)在聯(lián)系[51]。根據(jù)大量數(shù)據(jù)的特征與分析，AI模型可以將PM2.5的時(shí)間研究精度提升至分鐘、空間研究精度提升至1 km×1 km。在數(shù)據(jù)量符合模型標(biāo)準(zhǔn)的情況下，人工智能方法適用于全國(guó)、城市和社區(qū)等各個(gè)尺度的PM2.5時(shí)空數(shù)據(jù)分析，且適應(yīng)性較好。

同時(shí)，基于計(jì)算機(jī)交互可視化與AI技術(shù)的進(jìn)一步發(fā)展，城市PM2.5濃度的展現(xiàn)手段也逐漸從數(shù)值表征發(fā)展為圖像表征。PM2.5實(shí)時(shí)可視化平臺(tái)支持瀏覽、查詢、分析、統(tǒng)計(jì)、預(yù)警等多種使用功能，一方面實(shí)現(xiàn)大規(guī)模分析與精細(xì)化研判的協(xié)同，另一方面基于各類多源城市數(shù)據(jù)的更新自動(dòng)調(diào)整結(jié)果，實(shí)現(xiàn)現(xiàn)狀PM2.5濃度的歷時(shí)性分析。PM2.5實(shí)時(shí)可視化平臺(tái)將成為數(shù)字城市體系的有機(jī)組成部分，從而有效推進(jìn)城市綜合管理的精細(xì)化和全覆蓋，提升城市智慧化治理能力。

目前，人工智能研究也存在一定缺陷：由于AI模型追求與實(shí)際結(jié)果吻合，較難避免在對(duì)PM2.5進(jìn)行特征挖掘與時(shí)空預(yù)測(cè)時(shí)出現(xiàn)參數(shù)過(guò)擬合現(xiàn)象，即為了得到一致的假設(shè)而使假設(shè)變得過(guò)度嚴(yán)格，導(dǎo)致模型失去延用性。因此，如何保證模型結(jié)果的適度合理，人工智能仍需進(jìn)一步探究。

5 規(guī)劃應(yīng)用展望

現(xiàn)有的評(píng)價(jià)城市PM2.5時(shí)空特征理論的研究，宏觀尺度多為年度/季度/月度均值的評(píng)估計(jì)算，缺乏更高的時(shí)空頻度上的探索，限制了精準(zhǔn)施策與因地施策，還需進(jìn)一步提升。一般地，對(duì)不同時(shí)段和氣象條件的分類工作只出現(xiàn)在相對(duì)簡(jiǎn)單的微觀街道與社區(qū)以下范圍。另外，在以城市與區(qū)域大尺度為對(duì)象的相關(guān)研究中，空間分辨率往往大于1 km/m2。因此，多要素耦合推演市域高精度PM2.5濃度分布格局、精準(zhǔn)診斷現(xiàn)狀生活便利度的薄弱區(qū)域并針對(duì)性地給出最有效的提升策略是目前PM2.5研究的難點(diǎn)和熱點(diǎn)。

表2 城市中PM2.5排放與消影響因素的研究Tab.2 research on PM2.5 emission and elimination factors in Cities

PM2.5研究結(jié)合城市發(fā)展痛點(diǎn)與規(guī)劃實(shí)踐支撐，逐步走向應(yīng)用化。目前PM2.5的時(shí)空格局研究應(yīng)用主要體現(xiàn)在戰(zhàn)略性和常規(guī)性的規(guī)劃管理范圍中，缺乏對(duì)于不同時(shí)段的精確應(yīng)對(duì)策略和對(duì)空氣污染事件的緊急應(yīng)對(duì)機(jī)制。在新冠病毒持續(xù)影響應(yīng)對(duì)方面，對(duì)PM2.5時(shí)空格局的研究對(duì)疫情常態(tài)化背景下的空氣治理也有一定的方法和政策借鑒意義。

5.1 基于緩解空氣污染視角的城市規(guī)劃經(jīng)驗(yàn)

對(duì)于城市空氣污染問(wèn)題，以往的治理經(jīng)驗(yàn)主要集中在提高交通尾氣排放標(biāo)準(zhǔn)、調(diào)整區(qū)域土地利用布局、優(yōu)化建筑空間結(jié)構(gòu)以及建設(shè)城市通風(fēng)廊道等方面[52]。其中，提高交通排放標(biāo)準(zhǔn)和調(diào)整土地利用布局是從降低區(qū)域大氣污染物排放強(qiáng)度的角度提升空氣質(zhì)量，而優(yōu)化建筑結(jié)構(gòu)和建設(shè)通風(fēng)廊道是從加快污染消散的角度改善空氣質(zhì)量[9]。

隨著我國(guó)城市治理工作進(jìn)入新的發(fā)展階段，粗放型的環(huán)境治理模式難以滿足高質(zhì)量城市發(fā)展的需求，用基于空間多要素的空氣質(zhì)量治理方式來(lái)指導(dǎo)城市規(guī)劃實(shí)踐是精細(xì)化城市管理的必然選擇。研究人員逐漸從不同的時(shí)空維度深入探究城市中PM2.5的分布規(guī)律，從城市規(guī)劃管理角度更高效精準(zhǔn)地應(yīng)對(duì)空氣污染[53-54]。

區(qū)域尺度上，中國(guó)部分地區(qū)通過(guò)區(qū)域協(xié)同的方式進(jìn)行環(huán)境治理，突破了單一的地區(qū)治理模式，構(gòu)建好區(qū)域生態(tài)環(huán)境共建共享機(jī)制，如京津冀區(qū)域生態(tài)環(huán)境的協(xié)同治理[55]。楊懷奎等[56]結(jié)合PM2.5的擴(kuò)散特征與中國(guó)各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)，將全國(guó)劃分為多個(gè)聯(lián)防聯(lián)控區(qū)域，提出了跨區(qū)域聯(lián)合治理的對(duì)策建議。闞海東[57]將PM2.5污染歸為公共衛(wèi)生事件，從公共衛(wèi)生事件防治的角度提出“實(shí)施多污染物協(xié)同控制，強(qiáng)化多污染源綜合管理，開(kāi)展城市與區(qū)域聯(lián)防聯(lián)控”。

城市尺度上，研究和實(shí)踐提出優(yōu)化藍(lán)綠開(kāi)放空間、構(gòu)建城市通風(fēng)廊道是改善城市環(huán)境的有效途徑[52]。這對(duì)于緩解城市熱島效應(yīng)一般具有積極影響，但是否能促進(jìn)城市空氣流動(dòng)還需要更科學(xué)的研究，劉超的博士論文發(fā)現(xiàn)通風(fēng)廊道也可能會(huì)降低豎向風(fēng)速?gòu)亩黾拥孛娴奈廴緷舛萚58-59]。同時(shí)，機(jī)動(dòng)車尾氣是城市中PM2.5的重要排放源，有研究利用斷點(diǎn)回歸模型評(píng)判機(jī)動(dòng)車排放標(biāo)準(zhǔn)更新后的PM2.5治理效果，提出還需進(jìn)一步嚴(yán)格機(jī)動(dòng)車排放指標(biāo)，著力改善公共交通體系，大力開(kāi)發(fā)和推廣新能源燃料[60]。

社區(qū)尺度的研究中，苗世光等[61]對(duì)已建城市小區(qū)進(jìn)行了氣象和污染擴(kuò)散評(píng)估，提出了一套環(huán)境影響評(píng)估指標(biāo)與方法。陳宏[62]以街區(qū)形態(tài)為出發(fā)點(diǎn)，研究其中各項(xiàng)熱量的流動(dòng)與傳遞特征，分析城市微氣候的形成機(jī)理與改善城市微氣候的設(shè)計(jì)策略。史遠(yuǎn)等[63]將PM2.5數(shù)據(jù)與形態(tài)學(xué)數(shù)據(jù)（17個(gè)建筑物形態(tài)因子）進(jìn)行多元統(tǒng)計(jì)分析，找出影響PM2.5濃度的關(guān)鍵建筑形態(tài)設(shè)計(jì)因素，為城市規(guī)劃的優(yōu)化提供科學(xué)依據(jù)。徐望悅和王蘭[64]基于上海兩個(gè)社區(qū)的模擬，分析特定空間要素的改變對(duì)顆粒物濃度和分布的影響，提出了呼吸健康導(dǎo)向的健康社區(qū)規(guī)劃設(shè)計(jì)優(yōu)化原則。

5.2 城市規(guī)劃建議與展望

綜上所述，隨著中國(guó)城市對(duì)高質(zhì)量人居環(huán)境需求的不斷提高，精細(xì)化治理空氣污染正成為改善城市品質(zhì)的重點(diǎn)方向。利用多源大數(shù)據(jù)和多種人工智能方法精細(xì)化分析城市PM2.5污染的高精度時(shí)空特征，解析建成環(huán)境、氣象、交通行為對(duì)城市PM2.5濃度時(shí)空變化的影響與關(guān)聯(lián)機(jī)制，動(dòng)態(tài)精準(zhǔn)導(dǎo)控土地格局、交通行為和開(kāi)放空間等規(guī)劃要素，為精細(xì)化的城市規(guī)劃管理提供輔助。

5.2.1 AI探索城市高時(shí)空分辨率PM2.5污染的特征與源圖譜

AI能識(shí)別PM2.5在不同空間和時(shí)間尺度的高精度分布特征與演變規(guī)律，通過(guò)PM2.5時(shí)空格局的可視化掌握污染暴露高風(fēng)險(xiǎn)區(qū)域在不同時(shí)空維度的分布情況；解析不同類型的城市排放源的分布和強(qiáng)度對(duì)PM2.5濃度的關(guān)聯(lián)影響，結(jié)合排放源的區(qū)位要素，獲得精細(xì)化的污染源空間圖譜。

5.2.2 城市PM2.5濃度空間分布的影響因子判定

解析不同時(shí)間段PM2.5濃度空間分布的影響因素及其重要度與敏感度，特別是城市土地利用類型、藍(lán)綠生態(tài)空間、各類用地的空間組合格局、交通路網(wǎng)結(jié)構(gòu)以及動(dòng)態(tài)交通流量對(duì)污染濃度空間分布的影響。影響因子的判定是定量化和精細(xì)化空間規(guī)劃管理決策的依據(jù)，影響因子可以循環(huán)驗(yàn)證不同決策的效果，對(duì)決策進(jìn)行評(píng)估和優(yōu)化。

5.2.3 優(yōu)化城市空間結(jié)構(gòu)與精細(xì)化分時(shí)分區(qū)管理策略

耦合多要素推演高精度城市PM2.5濃度分布格局，針對(duì)性地分時(shí)分區(qū)給出最有效的提升策略。宏觀上調(diào)整土地利用格局與用地建設(shè)強(qiáng)度、促進(jìn)藍(lán)綠生態(tài)空間與通風(fēng)廊道設(shè)計(jì)、輔助交通出行管控與道路網(wǎng)絡(luò)優(yōu)化；微觀上優(yōu)化交通設(shè)施建設(shè)與周邊建筑的相互作用關(guān)系，改善建筑布局和景觀格局，以降低污染暴露。

在十四五規(guī)劃要求持續(xù)改善環(huán)境質(zhì)量的新階段，控制PM2.5在城市空氣中的濃度、強(qiáng)化PM2.5與其他多種污染物的協(xié)同控制和區(qū)域協(xié)同治理成為打好污染防治攻堅(jiān)戰(zhàn)的重要工作。通過(guò)人工智能的方法精確研判城市中PM2.5的時(shí)空格局及影響要素的耦合關(guān)聯(lián)，結(jié)合精細(xì)化城市治理的經(jīng)驗(yàn)和要求，從降低PM2.5濃度、緩解城市居民污染暴露的視角對(duì)城市用地規(guī)劃、交通設(shè)施建設(shè)等提出針對(duì)性的精細(xì)規(guī)劃導(dǎo)控，為城市空氣污染規(guī)劃治理、改善城市人居環(huán)境提供科學(xué)支撐，是實(shí)現(xiàn)城市高質(zhì)量發(fā)展的必然選擇。

6 總結(jié)

本文從全國(guó)（區(qū)域）、城市和社區(qū)出發(fā)，總結(jié)已有文獻(xiàn)研究中PM2.5時(shí)空特征的規(guī)律性，通過(guò)精確化數(shù)字與可視化圖像展現(xiàn)多尺度下PM2.5的不同時(shí)空分布特征。同時(shí)，本文對(duì)PM2.5的時(shí)空分布影響因素進(jìn)行了梳理與歸納，分析了特定尺度下的主要因素類別。本文還對(duì)PM2.5時(shí)空特征研究的傳統(tǒng)與新興方法進(jìn)行了對(duì)比闡述，著重探討了人工智能技術(shù)的應(yīng)用前景。結(jié)合以上三個(gè)部分的詳細(xì)討論，本文在已有的城市PM2.5環(huán)境治理經(jīng)驗(yàn)基礎(chǔ)上，提出了針對(duì)各尺度的精細(xì)化規(guī)劃建議，具有總結(jié)與延展PM2.5研究以及指導(dǎo)城市政策實(shí)踐的雙重意義。

本文還存在一定局限。一是僅針對(duì)PM2.5進(jìn)行討論，忽略了包括O3、NO2等對(duì)城市環(huán)境水平的提升比較重要的污染物種類，研究對(duì)象有局限性；二是缺乏原理解釋，多從城市治理角度出發(fā)，忽略了PM2.5的理化分析，研究?jī)?nèi)容也有局限性。后續(xù)會(huì)將協(xié)同治理研究與污染物的物理化學(xué)機(jī)理進(jìn)行結(jié)合研究，力求達(dá)到更全面、融合更多學(xué)科的綜述結(jié)果。