陳昌維 楊煒明
(重慶工商大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院,重慶 400067)
臭氧(O3)作為一種強(qiáng)氧化劑,對人類、動植物和生態(tài)環(huán)境具有極大的危害。世界衛(wèi)生組織研究表明,臭氧濃度的高低,人在高濃度臭氧環(huán)境中的時長,均與對人體健康的危害顯著相關(guān)。與細(xì)顆粒物(PM2.5)造成的環(huán)境污染相比,臭氧污染更具隱蔽性。臭氧污染通常發(fā)生在晴朗天氣,人們因感覺空氣質(zhì)量較好,從而少有防范意識。因此研究臭氧污染,對保護(hù)人身體健康和生態(tài)環(huán)境具有重要意義。臭氧污染是典型的二次污染,由空氣中的揮發(fā)性有機(jī)物、氮氧化物等前體污染物在高溫天氣下光化學(xué)反應(yīng)生成,因此控制其前體污染物的排放是治理臭氧的重要手段。
近年來,全國臭氧污染呈逐年加重趨勢,呈現(xiàn)連片式、區(qū)域性污染特征。主要分布在遼寧中南部、京津冀及周邊、長江三角洲、武漢城市群、陜西關(guān)中地區(qū)及成渝城市群、珠江三角洲區(qū)域。
目前,重慶正在由以顆粒物污染為主向以臭氧污染為主轉(zhuǎn)變。重慶市臭氧污染主要集中在主城區(qū)及渝西片區(qū)。臭氧是重慶市除PM2.5以外的第二大大氣污染物,具有較強(qiáng)的季節(jié)特征。數(shù)據(jù)顯示近幾年以臭氧為首要污染物的超標(biāo)天數(shù)在逐年增加,2018年首次超過PM2.5,成為第一大污染物,且臭氧年平均濃度呈現(xiàn)逐年增加的趨勢。隨著重慶城市化快速發(fā)展,人類活動排放的氮氧化物、揮發(fā)性有機(jī)物等污染物經(jīng)光化學(xué)反應(yīng)過程可引起臭氧的產(chǎn)生,并進(jìn)一步引發(fā)城市嚴(yán)重光化學(xué)煙霧事件。
本文根據(jù)2017—2019年重慶市主城區(qū)16個監(jiān)測點(diǎn)的臭氧8小時移動平均(O3-8h)濃度和二氧化氮(NO2)濃度數(shù)據(jù)分析臭氧污染分布規(guī)律及影響因素。結(jié)果表明近三年的O3-8h濃度具有顯著的空間相關(guān)性,且監(jiān)測點(diǎn)之間呈現(xiàn)出低高和高低兩種集聚結(jié)構(gòu)。因此,我們建立了臭氧8小時移動平均和二氧化氮(NO2)的空間杜賓模型。并根據(jù)分析結(jié)果總結(jié)了重慶主城區(qū)臭氧污染的特征,提出了相關(guān)政策建議。
1.全局空間自相關(guān)
統(tǒng)計學(xué)上通常用“莫蘭指數(shù)I”研究空間相關(guān)性,它的值介于-1到1之間。建立空間序列,計算公式如下:
當(dāng)I>0時,表示空間具有正自相關(guān)性,即高值與高值相鄰,低值與低值相鄰;當(dāng)I<0時,表示空間具有負(fù)自相關(guān)性,即高值與低值相鄰;而若I=0,則表示空間呈隨機(jī)性,不存在空間自相關(guān)。
2.局部空間自相關(guān)
要研究某區(qū)域附近的空間集聚情況,則使用“局部莫蘭指數(shù)I”。計算公式如下:
局部莫蘭指數(shù)I的含義與全局莫蘭指數(shù)I相似。正的Ii表示區(qū)域i的高(低)值被周圍的高(低)值所包圍,負(fù)的Ii表示區(qū)域i的高(低)值被周圍的低(高)值所包圍,即表示該地區(qū)與其鄰近地區(qū)出現(xiàn)了高值與低值集聚的現(xiàn)象,如果該地區(qū)實(shí)際觀測值較高,則為高-低集聚,反之為低-高集聚。
1.空間截面數(shù)據(jù)模型
空間橫截面模型是Anselin(1988b)在整合前期研究基礎(chǔ)上,建立從“一般”到“特殊”的模型頂層設(shè)計。首先設(shè)定包含因變量的空間滯后、自變量的空間滯后、誤差的空間滯后的廣義嵌套式空間模型(GNS模型),通過不斷增加限制條件,演變?yōu)榭紤]自變量空間滯后與誤差滯后的廣義空間自回歸(SAC)。如考慮因變量空間滯后項(xiàng)的空間滯后模型(SLM),考慮空間誤差滯后的空間誤差模型(SEM),考慮空間因變量滯后與自變量滯后的空間杜賓模型(SDM),考慮自變量滯后項(xiàng)與誤差滯后項(xiàng)的空間杜賓誤差模型(SDEM)等模型。
2.空間面板數(shù)據(jù)模型
空間面板滯后模型和空間面板誤差模型為:
其中,ρ是空間自回歸系數(shù),W為空間權(quán)重矩陣,WYit是自變量之間的空間交互作用,ut為空間個體效應(yīng)(不隨時間改變的固定性因素),如果不考慮空間滯后項(xiàng)ρWYit,則式(3)為標(biāo)準(zhǔn)的靜態(tài)面板模型,進(jìn)一步,如果ut與Xit相關(guān),則為固定效應(yīng)模型,反之,則為隨機(jī)效應(yīng)模型,εit為誤差項(xiàng)。
其中,εit通過沖擊影響周圍地區(qū),λ是空間誤差相關(guān)系數(shù),協(xié)方差陣的對角線元素表示空間結(jié)構(gòu)。
Greene(2005)認(rèn)為外生變量的空間滯后容易導(dǎo)致有偏非一致,Pace和LeSage(2009)提出空間面板杜賓模型(SDPM):
式(5)中,β和γ分別為外生變量的回歸系數(shù)與外生變量的交互效應(yīng)的回歸系數(shù)。
面板數(shù)據(jù)模型分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型,固定效應(yīng)模型又分為個體固定效應(yīng)模型和時間固定效應(yīng)模型與雙固定效應(yīng)模型。對于固定效應(yīng)的空間自回歸模型,可以先做組內(nèi)離差變換,去掉個體效應(yīng),然后使用類似于橫截面空間自回歸模型的極大似然估計。對于隨機(jī)效應(yīng)的空間自回歸模型,則可先做廣義離差變換,然后再進(jìn)行極大似然估計。
選取中國環(huán)境監(jiān)測總站全國城市空氣質(zhì)量實(shí)時發(fā)布平臺提供的2017年1月1日—2019年12月31日重慶市主城區(qū)16個監(jiān)測站點(diǎn)的經(jīng)緯度、O3-8h濃度和NO2濃度數(shù)據(jù),其中北碚區(qū)包括縉云山、天生,渝北區(qū)包括兩路、空港和禮嘉,沙坪壩區(qū)包括虎溪和龍井灣等16個采集點(diǎn),然后根據(jù)O3-8h濃度分析重慶主城區(qū)臭氧(O3)污染情況,以及O3和NO2的空間效應(yīng)。再根據(jù)16個站點(diǎn)的經(jīng)緯度利用歐式距離的倒數(shù)生成空間權(quán)重矩陣,在原空間權(quán)重矩陣的基礎(chǔ)上標(biāo)準(zhǔn)化得到最終的空間權(quán)重矩陣。
1.重慶市主城區(qū)臭氧時間變化特征
為了解近三年重慶主城區(qū)臭氧濃度隨時間的變化特征,畫出三年的濃度時序變化圖(見圖1)。
圖1 2017—2019年重慶主城區(qū)O3-8h濃度時序變化圖
從圖1可看出,臭氧濃度具有較強(qiáng)的周期性,其周期為1年,周期內(nèi)臭氧濃度均呈現(xiàn)出中間高、兩邊低的倒U型,較高的月份主要集中在6月、7月和8月,其次是4月和5月,而最低的幾個月主要集中在1月和2月,其次是11月和12月??梢姡瑢τ谥貞c主城區(qū)來說夏季臭氧濃度是最高的,其次是春季,說明重慶主城區(qū)春季和夏季的臭氧污染要比秋季和冬季嚴(yán)重,其中最嚴(yán)重的在夏季,其次是春季和秋季,冬季臭氧污染最輕。
由圖2可知,2017年和2018年,主城區(qū)春季和夏季的臭氧濃度明顯高于秋季和冬季,此外,在圖中可以明顯看出夏季的平均臭氧濃度比其余三個季節(jié)高,冬季最低,可見對于重慶主城區(qū)來說,夏季的臭氧污染最嚴(yán)重。根據(jù)2017年和2018年的季度平均臭氧濃度對比分析,2018年春季和夏季的臭氧濃度比2017年高,而秋季和冬季臭氧濃度比2017年低。另外,2017年和2018年縉云山監(jiān)測站點(diǎn)、龍井灣監(jiān)測站點(diǎn)的夏季臭氧平均濃度最大。除2017年夏季外,新山村監(jiān)測點(diǎn)獲得的臭氧平均濃度是最低的。
圖2 2017年和2018年重慶主城區(qū)季度平均臭氧濃度對比圖
從圖3可看出,重慶主城區(qū)臭氧平均濃度在2017—2019年都是較高的,說明臭氧污染比較嚴(yán)重;縉云山監(jiān)測點(diǎn)的臭氧濃度最高,南坪、龍井灣、龍洲灣監(jiān)測點(diǎn)臭氧濃度也比較高,反映出這幾個監(jiān)測點(diǎn)的臭氧污染是最為嚴(yán)重的。
圖3 2017—2019年重慶主城區(qū)平均臭氧濃度對比圖
2.重慶市主城區(qū)臭氧空間變化特征
為研究重慶主城區(qū)臭氧污染在空間上的變化特征,本文利用ArcGIS軟件得到主城區(qū)的臭氧年平均濃度空間分布圖和2018年季節(jié)空間變化圖(見圖4和圖5)。圖中,不同的顏色分別表示不同的臭氧污染情況,顏色越深表示臭氧污染越嚴(yán)重。
圖4 2017—2019年重慶主城區(qū)臭氧年平均濃度空間分布圖
圖5 2018年重慶主城區(qū)臭氧季度平均濃度空間分布圖
從圖4可看出,2017年重慶主城區(qū)的臭氧污染比2018年和2019年嚴(yán)重,且在逐年減弱??N云山監(jiān)測點(diǎn)所采集的地區(qū)臭氧污染最嚴(yán)重,其次是龍井灣監(jiān)測點(diǎn);另外,除2017年外,新山村、禮嘉和唐家沱監(jiān)測點(diǎn)所采集的地區(qū)臭氧污染最小。
對于整個主城區(qū)來說,縉云山監(jiān)測點(diǎn)臭氧污染最嚴(yán)重,反映出重慶主城區(qū)臭氧污染主要以北碚區(qū)西北方向?yàn)椤拔廴驹础毕蛩闹苤饾u擴(kuò)散,越靠近新山村監(jiān)測點(diǎn)臭氧污染越小。2017—2019年重慶主城區(qū)臭氧污染整體有減緩的趨勢。
由圖5可知,2018年北碚區(qū)西邊的臭氧污染最為嚴(yán)重;主城區(qū)西南方向的臭氧濃度由春季到冬季顏色逐漸變淺,秋季和冬季顏色最淺,即九龍坡區(qū)和大渡口區(qū)秋季和冬季污染比較小。整體來看,重慶主城區(qū)西南方向的臭氧污染情況要比其他城區(qū)嚴(yán)重,春季和夏季的臭氧污染比秋季和冬季嚴(yán)重。
綜合2017—2019年臭氧平均濃度空間分布圖可知,重慶主城區(qū)大體呈現(xiàn)出西邊臭氧污染大于東邊,北碚區(qū)西北方向監(jiān)測點(diǎn)的臭氧污染最為嚴(yán)重,其次是渝中區(qū)西南方向監(jiān)測點(diǎn)的臭氧污染比較嚴(yán)重,如龍井灣、龍洲灣和南坪監(jiān)測點(diǎn)。沙坪壩區(qū)東南方向和巴南區(qū)西北方向的臭氧污染比其他地區(qū)嚴(yán)重,新山村監(jiān)測點(diǎn)污染最小,越靠近大渡口區(qū)北邊污染越小。圖1和圖5都反映出春季和夏季的臭氧污染比秋季和冬季嚴(yán)重。
通過對主城區(qū)監(jiān)測點(diǎn)2017—2019年臭氧濃度的時空分析,可看出重慶主城區(qū)在臭氧污染方面表現(xiàn)出了很強(qiáng)的空間相關(guān)性。利用全局莫蘭指數(shù)I和局部莫蘭指數(shù)I對臭氧污染的空間相關(guān)性進(jìn)行檢驗(yàn)。
1.全局空間自相關(guān)分析
為了解重慶主城區(qū)的整體自相關(guān)性,本文利用GeoDa軟件,計算出三年來重慶主城區(qū)臭氧污染的莫蘭指數(shù)I(見表1)。由表1可知,全局莫蘭指數(shù)I均為負(fù)值,且由莫蘭指數(shù)檢驗(yàn)結(jié)果可知2017年和2018年各指數(shù)均在5%的水平下通過顯著性檢驗(yàn),2017年的莫蘭指數(shù)絕對值最大,說明2017年具有很強(qiáng)的自相性。此外,2017—2019年的莫蘭指數(shù)均為負(fù)值,表示重慶主城區(qū)監(jiān)測點(diǎn)臭氧濃度高的地方,其周圍的監(jiān)測點(diǎn)臭氧濃度低。
表1 2017—2019年重慶主城區(qū)臭氧濃度全局莫蘭指數(shù)
通過對重慶主成區(qū)臭氧污染空間分布特征分析可知,臭氧污染具有明顯的空間分布區(qū)域性。為明確空氣污染狀況的局部空間相關(guān)特征,利用LISA集聚圖檢驗(yàn)各監(jiān)測點(diǎn)的空間相關(guān)程度,根據(jù)臭氧濃度在不同地區(qū)的數(shù)值大小來區(qū)分空間集聚模式,樣本區(qū)域分為四種集聚模式:H-H區(qū)域代表高污染區(qū)域與高污染區(qū)域相鄰,L-L區(qū)域代表低污染區(qū)域與低污染區(qū)域相鄰,H-L區(qū)域代表高污染區(qū)域與低污染區(qū)域相鄰,L-H區(qū)域代表低污染區(qū)域與高污染區(qū)域相鄰,代表集聚效應(yīng)不顯著。
2.局部空間自相關(guān)分析
本文利用局部空間自相關(guān)分析研究空間個體間的空間分布特征,通過LISA集聚圖來展示空間個體間的集聚關(guān)系。依據(jù)重慶主城區(qū)監(jiān)測點(diǎn)的經(jīng)緯度形成泰森多邊形(見圖6),然后利用GeoDa軟件繪制了2018年各季度的LISA集聚圖(見圖7),圖中從上到下,從左到右依次為春、夏、秋、冬。
圖6 重慶主城區(qū)監(jiān)測點(diǎn)在主城區(qū)的空間分布及形成的泰森多邊形位置圖
從圖7可看出,2018年臭氧濃度在天生監(jiān)測點(diǎn)呈現(xiàn)出低高集聚效應(yīng),在春季和夏季茶園、新山村監(jiān)測點(diǎn)以及春季的歇臺子監(jiān)測點(diǎn)也呈現(xiàn)出低高集聚效應(yīng),在秋季和冬季龍井灣監(jiān)測點(diǎn)則呈現(xiàn)了高低集聚效應(yīng)。說明2018年,重慶北碚區(qū)天生監(jiān)測點(diǎn)臭氧濃度低,而與其相鄰監(jiān)測點(diǎn)的臭氧濃度高,如縉云山監(jiān)測點(diǎn);龍井灣監(jiān)測點(diǎn)臭氧濃度比較高,其相鄰的新山村監(jiān)測點(diǎn)臭氧濃度比較低。這與2018年重慶主城區(qū)臭氧濃度年平均空間分布圖所呈現(xiàn)出的特征是一致的。
圖7 2018年重慶主城區(qū)各季度臭氧濃度LISA集聚圖
本文對重慶主城區(qū)16個監(jiān)測點(diǎn)每天的臭氧濃度計算全局莫蘭指數(shù),結(jié)果顯示均在5%的水平下通過顯著性檢驗(yàn),說明重慶主城區(qū)各監(jiān)測點(diǎn)之間存在顯著的空間效應(yīng),故本文采取空間面板模型分析近三年重慶主城區(qū)的臭氧濃度和二氧化氮濃度的關(guān)系,選取O3-8h濃度為被解釋變量,NO2濃度為解釋變量。
首先對數(shù)據(jù)進(jìn)行Hausman檢驗(yàn),結(jié)果表明在5%的顯著性水平下固定效應(yīng)優(yōu)于隨機(jī)效應(yīng),故本文選取固定效應(yīng)。進(jìn)一步研究發(fā)現(xiàn)時點(diǎn)固定效應(yīng)的R2略優(yōu)于個體固定效應(yīng),因此,本文最終選用空間杜賓模型時點(diǎn)固定效應(yīng),模型結(jié)構(gòu)見式(5),模型估計結(jié)果見表2。
表2 重慶主城區(qū)近三年臭氧空間杜賓模型估計結(jié)果
由表2可知,二氧化氮的回歸系數(shù)通過了5%的顯著性檢驗(yàn),且回歸系數(shù)(-0.5366)為負(fù),說明臭氧和二氧化氮具有負(fù)相關(guān)性;空間自回歸系數(shù)ρ(0.0928)在5%水平上顯著為正,說明本監(jiān)測點(diǎn)的臭氧濃度會受到相鄰監(jiān)測點(diǎn)臭氧濃度的影響;二氧化氮的交互效應(yīng)回歸系數(shù)(0.2170)也通過了5%的顯著性檢驗(yàn),說明本監(jiān)測點(diǎn)的臭氧濃度會受到鄰近地區(qū)的二氧化氮濃度的影響。從直接效應(yīng)看,模型通過了顯著性檢驗(yàn),說明二氧化氮濃度的變化會影響當(dāng)?shù)氐某粞鹾?;從間接效應(yīng)看,模型也通過了顯著性檢驗(yàn),說明某一地區(qū)二氧化氮濃度也會對鄰近地區(qū)的臭氧產(chǎn)生影響;此外,空間被解釋變量空間滯后項(xiàng)通過了顯著性檢驗(yàn),說明重慶主城區(qū)臭氧污染存在顯著的空間溢出效應(yīng),即鄰近地區(qū)的臭氧含量會影響本地區(qū)的臭氧含量。
綜上所述,重慶主城區(qū)臭氧污染嚴(yán)重且整體呈倒U型趨勢,主城區(qū)大體呈現(xiàn)西邊臭氧污染程度大于東邊,臭氧污染在北碚區(qū)西北方向,接著是在渝中區(qū)西南方向的監(jiān)測點(diǎn)臭氧污染比較嚴(yán)重,如龍井灣、龍洲灣和南坪監(jiān)測點(diǎn),越靠近大渡口區(qū)北邊污染越??;主城區(qū)臭氧濃度受季節(jié)變化影響較為顯著,夏季臭氧污染較為嚴(yán)重,冬季臭氧污染最輕;重慶主城區(qū)臭氧濃度和二氧化氮呈較強(qiáng)的負(fù)相關(guān)性,臭氧濃度變化的主要因素是溫度以及臭氧前體物氮氧化物的排放,隨著太陽輻射的增強(qiáng),光化學(xué)反應(yīng)加劇,二氧化氮光解速率增強(qiáng),加速二氧化氮向臭氧的轉(zhuǎn)化。
由于重慶主城區(qū)臭氧污染主要集中在縉云山、龍井灣、龍洲灣和南坪監(jiān)測點(diǎn),可根據(jù)其所處的地理位置有針對性地采取措施降低臭氧濃度。臭氧濃度在溫度較高時比較高,且多發(fā)生在夏季午后,建議公眾在午后一兩個小時內(nèi)盡量減少外出,特別是身體條件較弱的老人和小孩。氮氧化物的排放對于臭氧污染有較大的影響,可通過工業(yè)企業(yè)升級改造,鍋爐提標(biāo)改造,減少機(jī)動車尾氣排放,開展水泥、磚瓦行業(yè)錯峰生產(chǎn)和煤電企業(yè)超低排放改造,加大餐飲油煙治理力度等降低二氧化氮排放。由于重慶主城區(qū)臭氧濃度具有顯著的空間關(guān)聯(lián)性,并且呈現(xiàn)較大的區(qū)域性差異,所以應(yīng)加大對臭氧含量比較高的地區(qū)治理力度。二氧化氮濃度不僅直接影響臭氧濃度,還能由外部性增加臭氧濃度。因此,政府部門在制定二氧化氮減排量時,應(yīng)考慮各地區(qū)之間的關(guān)聯(lián)及空間溢出效應(yīng)。