中國地級市PM2.5時空分異及影響因素分析

李松波，高家驥，田深圳，關(guān)瑩瑩

（1. 沈陽大學(xué)師范學(xué)院，遼寧 沈陽 110044；2. 遼寧師范大學(xué)人居環(huán)境研究中心，遼寧 大連 116029；3. 大連工業(yè)大學(xué)藝術(shù)設(shè)計學(xué)院，遼寧 大連 116000；4. 中央美術(shù)學(xué)院設(shè)計學(xué)院，北京 100105；5. 遼寧師范大學(xué)地理科學(xué)學(xué)院，遼寧 大連 116029）

2021年六五環(huán)境日中國主題為“人與自然和諧共生”，旨在堅定打好污染防治攻堅戰(zhàn)的信心和決心。其中PM2.5是威脅人類健康、降低能見度、影響區(qū)域和全球氣候的重要污染物。中國作為中等收入國家，居民所承受的室外空氣污染負(fù)擔(dān)更重。因此，分析人口基數(shù)龐大的中國PM2.5污染分布和發(fā)展趨勢，探討影響因素的空間異質(zhì)性，對個體和政府了解PM2.5污染現(xiàn)狀和制定治理措施有一定意義。

國內(nèi)外對細(xì)顆粒污染物（PM2.5）研究時序多選用 1 年數(shù)據(jù)進行季節(jié)、月度分析[1-3]，或?qū)Ρ冗B續(xù)幾年同一時段的 PM2.5數(shù)值變化[4-5]，分析其中化學(xué)成分、對人體健康的影響，解析污染來源[6-8]，進而選取相關(guān)因子，探索其影響機理機制[9-10]。除基本時序選擇，學(xué)者們對特殊時段，如COVID-19期間、農(nóng)業(yè)耕種期、政策計劃實施前后、中國北方冬季取暖以及 APEC 會議期間等也有針對性研究[11-14]。研究對象主要集中在經(jīng)濟區(qū)、城市群、城市、農(nóng)村[15-18]等不同層級。此外，對PM2.5排放量有抑制和提升作用的綠地、濕地、道路等小尺度區(qū)域[19-22]，也是學(xué)者們研究對象。在不同時段的不同地域，污染物數(shù)值的影響特征不盡相同，為促進區(qū)域內(nèi)自然環(huán)境和經(jīng)濟社會高質(zhì)量、良性發(fā)展，學(xué)者們選取數(shù)據(jù)從統(tǒng)計年鑒、問卷調(diào)查、遙感反演和大數(shù)據(jù)獲取逐漸擴展來源[23-25]，利用小波預(yù)測、LUR 模型、神經(jīng)網(wǎng)絡(luò)、iLME+Geoi-RF模型、GEOS-Chem以及各種模型方法結(jié)合研究高污染發(fā)生的機理機制、來源特征、治理措施評估等問題[26-31]。

綜上，國內(nèi)外研究中較少對大尺度、長時序的PM2.5濃度數(shù)據(jù)研究，多以省、城市群或某重點地區(qū)為對象，中國地級市整體研究較少，阻礙了對PM2.5濃度時空變化的全面了解。本文通過ArcGIS、GeoDa等軟件，根據(jù)世界衛(wèi)生組織規(guī)定的標(biāo)準(zhǔn)值，指導(dǎo)性地探索相對嚴(yán)格的中國地級市PM2.5年均濃度的時空分布特征，并采用地理探測器探討了其形成影響因素的空間異質(zhì)性，為空氣污染治理，建設(shè)人與自然和諧共生的宜居城市提供建議。

1 研究基礎(chǔ)

1.1 數(shù)據(jù)來源

1.1.1 行政區(qū)劃地圖 保持研究時序內(nèi)地級市一致性以及數(shù)據(jù)的可獲取性，確定研究區(qū)域為中國283個地級市，區(qū)劃圖基于標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)（http://bzdt.ch.mnr.gov.cn/）進行繪制。

1.1.2 PM2.5監(jiān)測數(shù)值 中國 PM2.5監(jiān)測數(shù)據(jù)來自于達爾豪斯大學(xué)大氣成分分析組(Atmospheric Composition Analysis Group(http://fizz.phys.dal.ca/～atmos/martin/?page_id=140))，由 NASA MODIS、MISR 和SeaWIFS產(chǎn)品的氣溶膠光學(xué)深度(AOD)反演與GEOS-Chem化學(xué)傳輸模型相結(jié)合來估算地表細(xì)顆粒物（PM2.5），利用地表PM2.5與AOD之間的地球物理關(guān)系模擬地表PM2.5濃度，最后使用地理加權(quán)回歸(GWR)進行校準(zhǔn)，最后經(jīng)柵格處理，匹配283地級市矢量地圖，利用ArcGIS 10.2中的制圖和空間分析工具，對PM2.5濃度變化的時空格局進行可視化顯示。

1.1.3 社會經(jīng)濟數(shù)據(jù) 影響因子：統(tǒng)計數(shù)據(jù)源自《中國城市統(tǒng)計年鑒》等（https://navi.cnki.net/knavi/yearbooks/index，https://data.stats.gov.cn/）；夜間燈光數(shù)據(jù)（https://www.ngdc.noaa.gov/eog/dmsp.html）；地理空間數(shù)據(jù)云（http://www.gscloud.cn/sources/index?pid=302&ptitle=DEM%20%E6%95%B0%E5%AD%97%E9%AB%98%E7%A8%8B%E6%95%B0%E6%8D%AE&rootid=1）和國家氣象科學(xué)數(shù)據(jù)中心（https://data.cma.cn/data/cdcindex/cid/0b9164954813c573.html）。

1.2 研究方法

1.2.1 全局自相關(guān) 全局空間自相關(guān)是對地理要素屬性值在整個區(qū)域的空間特征描述，本文選用GeoDa軟件單變量Moran’s I分析測量中國地級市PM2.5年均值的總體空間關(guān)聯(lián)程度指數(shù)[32]，見式（1～3）。

式（1～3）中：n 為研究區(qū)域數(shù)量；xi、xj分別代表城市i、城市j的PM2.5年均值；Wij則表示空間權(quán)重矩陣W中的元素， S2為觀測值方差。 zscore表示標(biāo)準(zhǔn)差的倍數(shù)，見式（4）。

式（4）中：E (I)表示Moran’s I的期望值；VAR(I)為方差；z得分反映中國地級市PM2.5數(shù)據(jù)集的離散程度，見表1。

表1 不同置信度下的p值和z得分

全局Moran’s I值在 [-1, 1]之間，如果Moran’s I>0，表明存在正的空間自相關(guān)，即高值（或低值）區(qū)域在空間內(nèi)呈顯著聚集；如果Moran’s I<0, 則呈離散趨勢，且絕對值越大，集聚（離散）效應(yīng)越強。

1.2.2 局部空間自相關(guān) 全局自相關(guān)僅對考察對象整體狀態(tài)進行評估，無法體現(xiàn)各區(qū)域與其周邊鄰近區(qū)域內(nèi)部具體的關(guān)聯(lián)程度，為了直觀反應(yīng)局部研究對象的空間相關(guān)性，利用局部自相關(guān)方法對中國地級市細(xì)顆粒物污染情況進行分析[33]。本文采用ArcGIS聚類和異常值分析(Anselin Local Moran’s I)，根據(jù)輸出字段分為顯著性高-高值聚類(H-H)、低-低值聚類(L-L)、由低值圍繞的異常值 (H-L)、被高值圍繞的異常值(L-H) 以及不顯著(NO)集聚特征5類。

1.2.3 地理探測器 產(chǎn)生空間分異性的原因是多樣的，地理探測器可以用于檢驗空間分異性，揭示某一屬性值在不同類型之間存在差異[32]。探測地級市間PM2.5數(shù)值是否存在空間異質(zhì)性，據(jù)此確定地理探測器的因子影響力（q值），見式（5）。

式（5）中，Ni為探測的單元數(shù)，N為全域單元數(shù)，是所探測要素和全域Y值的方差。q為因子的影響力值，取值范圍為[0,1]，q值越大，解釋力越強，PM2.5受該因子影響力越大。其中交互作用探測能夠識別不同風(fēng)險因子之間的交互作用。

2 PM2.5時空格局演化特征研究

2.1 中國地級市PM2.5時空分布特征

2005年世界衛(wèi)生組織（WHO）發(fā)布《空氣質(zhì)量準(zhǔn)則》，研究得出較理想、健康危險小的高標(biāo)準(zhǔn)濃度設(shè)定[34]。本文節(jié)選了 2003、2006、2009、2012、2015和2018年6年的PM2.5年均值，利用ArcGIS10.2進行空間可視化，參考世界衛(wèi)生組織設(shè)定準(zhǔn)則值，見表2，探索中國空氣PM2.5標(biāo)準(zhǔn)的空間分布格局，見圖1。

表2 WHO《空氣質(zhì)量準(zhǔn)則》中PM2.5年平均濃度值設(shè)定 μg·m?3

圖1 中國地級市PM2.5年均濃度分布格局

2003年中國PM2.5年均濃度空間分布圖中，僅云南省麗江市達到規(guī)定準(zhǔn)則值以下。大部分地級市處于IT-1的年平均濃度狀態(tài)，占據(jù)所有測量對象的59.01%。2006年P(guān)M2.5年均值高于35 μg/m3地級市明顯增多，達到全國地級市總數(shù)的71.02%。云南省PM2.5濃度有所上升，且無AQG狀態(tài)地級市。雖然北方有燃煤污染，但是與呼倫貝爾市相連的黑龍江省黑河市、伊春市、鶴崗市和雙鴨山市，出現(xiàn)小范圍年均濃度小于10 μg/m3的地級市集聚現(xiàn)象。2009年齊齊哈爾市取代雙鴨山市，達到PM2.5年均濃度最優(yōu)范圍值，污染低的城市數(shù)量不變的同時，年均濃度大于35 μg/m3的地級市有所減少，僅占全國的69.25%，2012年與此保持一致，有87個地級市處于IT-1狀態(tài)，達到空氣質(zhì)量準(zhǔn)則值城市仍分布于內(nèi)蒙古自治區(qū)和黑龍江省。

2015年起PM2.5年均濃度空間分布有明顯變化，雖然AQG水平城市僅有呼倫貝爾市，但全國呈現(xiàn)出高數(shù)值城市大量減少，地級市大部分處在過渡時期目標(biāo)?2之上狀態(tài)。2013年中國的霧霾事件引起了大量關(guān)注，國家高度重視大氣污染防治工作，同年發(fā)布《大氣污染防治行動計劃》并確定了10項具體措施。隨著產(chǎn)業(yè)升級、政府管制、居民意識等不同污染防治行動實施，使得污染城市大幅度減少。麗江市在2018年恢復(fù)至AQG水平，并且此水平城市增至4個。此外，IT-1從2015年的53.35%跌至40.76%，全國僅有不足一半的地級市具有長期暴露增加15%死亡風(fēng)險，大量地級市年均濃度處于 10～35 μg/m3之間。

2.2 全局自相關(guān)對比分析

在分析空間分布格局基礎(chǔ)之上，為進一步探究我國地級市PM2.5空間分布是否具有相關(guān)性特征，采用GeoDa測量中國283個地級市PM2.5年均值的全局集聚程度，見圖2。

圖2 全局Moran`s I散點圖

研究時序范圍內(nèi)p值通過99%置信度檢驗，全局Moran’s I指數(shù)均為正，z得分大于2.58，呈現(xiàn)明顯的集聚現(xiàn)象，見表3。

表3 PM2.5年均濃度值 Moran’s I和z得分

從2003～2018年數(shù)值整體從0.597升至0.669，呈現(xiàn)下降-上升-下降-上升的“W”走勢，均分布在[-1,1]之間，表明中國PM2.5地級市空間分布并非隨機，高污染地區(qū)與高污染城市相鄰，低污染與低污染城市相鄰，且對相鄰地區(qū)有強關(guān)聯(lián)性。

2009 年前，Moran’s I指數(shù)在 0.600 以下，PM2.5存在明顯的空間正相關(guān)溢出效應(yīng)。2011年1月1日開始，環(huán)保部發(fā)布的《環(huán)境空氣PM10和PM2.5的測定重量法》開始實施。并在2012年環(huán)保部公布了《空氣質(zhì)量新標(biāo)準(zhǔn)第一階段監(jiān)測實施方案》，自2013年中國74個城市先后完成PM2.5“國控點”監(jiān)測的試運行[35]。隨著《大氣污染防治行動計劃》的實施和居民意識提高、政府治理力度加大，污染的集聚程度有所下降，2018年P(guān)M2.5污染數(shù)值整體降低，空間再次呈現(xiàn)強關(guān)聯(lián)性。

2.3 局部自相關(guān)對比分析

采用Anselin Local Moran’s I方法繪制研究區(qū)域的局部集聚模式，見圖3。

圖3 中國PM2.5聚類和異常值分布

高-高型主要分布于四川、河北、天津、山東、河南、安徽、江蘇等省的大部分城市，并且長期為細(xì)顆粒物污染的高值區(qū)域。2003～2006年高-高型城市數(shù)量減少，此后不斷增多，至2009年有87個城市，為研究時序內(nèi)分布最多的1年，見表4。

表4 集聚類型結(jié)果統(tǒng)計

2009～2018 年高-高型城市逐漸減少，2018年僅有70個城市。低-低型城市以東北地區(qū)、內(nèi)蒙古-寧夏-甘肅南北一線、云南和福建為主要分布區(qū)，除2012年數(shù)量最多，其余年份低-低型城市數(shù)量較為平均。時序范圍內(nèi)中國唯一被高值圍繞的異常值——低-高型城市出現(xiàn)在河北的張家口市。不顯著型城市最多，可以占據(jù)所有城市的一半左右，以2012年為轉(zhuǎn)折點，城市數(shù)量減少至138個后遞增，大體呈現(xiàn)出U型。

中國高值集聚區(qū)整體分布于四川盆地、華北平原和長江中下游人居活動強、污染嚴(yán)重的地區(qū)。四川盆地雖然受靜、穩(wěn)等不利疏散的氣象條件影響，但從2015年后PM2.5年均值數(shù)值降低，不再有高值城市在此集聚。與云南、福建等地不同，黑龍江長期分布低值集聚區(qū)，雖冬季爆竹煙花、燃煤取暖和工業(yè)排放產(chǎn)生大量污染物，但是城市化水平低、地勢平坦、綠化覆蓋率高，成為東北地區(qū)低-低型城市分布的主要原因。唯一的低-高型城市，張家口常年風(fēng)速較大，污染物疏散快，不易集聚。優(yōu)秀的自然條件加之人文條件，與周圍省會城市相比，成為PM2.5年均值較低的城市。

3 影響因素探測結(jié)果

根據(jù)已有研究，PM2.5濃度值受人口、經(jīng)濟發(fā)展、自然條件、政策等多種因素影響，包括污染排放，能源使用，個人特征，城市化水平，技術(shù)進步，創(chuàng)新產(chǎn)出等人文因素[36-39]，以及地形，氣象因素等自然條件[23,40-41]。

以2018年為例，整理可獲取變量，選取建成區(qū)綠化覆蓋率、年平均氣溫、年均降水、平均坡度為自然因素；人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)高級化、第三產(chǎn)業(yè)從業(yè)人員比重、第二產(chǎn)業(yè)占GDP的比重、萬人擁有公共汽（電）車營運車輛數(shù)、公路客運量、公路貨運量影響城市社會經(jīng)濟發(fā)展進程中PM2.5的排放和控制；科教支出占公共總預(yù)算比重、萬人高等教育在校數(shù)衡量科技進步、創(chuàng)新對PM2.5的影響；人口自然增長率、居民活動強度為城市居民個體特征的影響因子。PM2.5為因變量（Y），16個自變量，見表5，應(yīng)用地理探測器測算影響因素空間異質(zhì)性，探究自然、經(jīng)濟、社會、人口因素4種變量類型對PM2.5的影響。

表5 驅(qū)動因子探測結(jié)果

地理探測器結(jié)果q值越大，解釋力越強，空間分異性越明顯，反之越弱。對數(shù)據(jù)進行離散化處理，利用自然間斷法對數(shù)據(jù)重新劃分為5個等級。由表5可知，引起PM2.5年均濃度空間變化的影響因素由大到小為：城市氣溫＞平均坡度＞科教投入＞第二產(chǎn)業(yè)占GDP的比重＞人口增長情況＞公路客運量＞城市綠化水平＞居民活動強度＞公路貨運量＞產(chǎn)業(yè)結(jié)構(gòu)高級化＞城鎮(zhèn)化水平＞第三產(chǎn)業(yè)從業(yè)人員比重＞城市降水＞教育水平＞經(jīng)濟實力＞公共服務(wù)。

其中，城市氣溫（0.257736）解釋力在 25% 以上，是影響地級市PM2.5空間變化差異的主導(dǎo)影響因素；其次，平均坡度（0.155005）、科教投入（0.148931）、第二產(chǎn)業(yè)占GDP的比重（0.122924）的決定力q值較大，解釋力均在10%以上，說明區(qū)域內(nèi)氣溫、地形起伏程度、第二產(chǎn)業(yè)是影響PM2.5空間變化的次要因素。且城市降水、經(jīng)濟實力、產(chǎn)業(yè)結(jié)構(gòu)高級化、教育水平、公共服務(wù)、公路客運量、公路貨運量、居民活動強度均未通過顯著性檢驗（p＞0.05），表明年均降水量、第二產(chǎn)業(yè)與第三產(chǎn)業(yè)比值的單個因子影響力很小，而PM2.5空間變化基本不受萬人擁有公共汽（電）車營運車輛數(shù)、人均地區(qū)生產(chǎn)總值、夜間居民活動強度、公路貨運量和公路客運量的影響。

生態(tài)探測器用來對比不同的影響因子在影響城市PM2.5濃度是否有顯著的差異、以及哪種因子對PM2.5分布更具有制約力。已知PM2.5影響因素是由多種因素共同作用形成的，因此對兩兩因素交互作用的分析十分必要。由交互探測結(jié)果可知，所有影響因子的兩兩交互作用的結(jié)果均為非線性增強和雙因子增強，交互作用中解釋力最強的模式前三依次為年平均氣溫和平均坡度（0.490841）、科教支出占公共總預(yù)算比重和平均坡度（0.370895）、第二產(chǎn)業(yè)占 GDP 的比重和平均氣溫（0.358306），此外，年平均氣溫與其他影響因子交互作用下產(chǎn)生的最大交互值次數(shù)最多，單因子q值在因子探測處于最高水平，因此地級市的年均氣溫在本研究所有影響因子中是更全面、決定力最大的單影響因子。

4 討論與結(jié)論

4.1 討論

選取中國地級市PM2.5濃度值數(shù)據(jù)，結(jié)合空間分析方法分析區(qū)域內(nèi)PM2.5的時空分異特征，運用地理探測器測度影響因子，探究不同因素的解釋力。

（1）對照世界衛(wèi)生組織（WHO）發(fā)布的《空氣質(zhì)量準(zhǔn)則》濃度限值，中國地級市PM2.5年均濃度值達到該準(zhǔn)則標(biāo)準(zhǔn)有4個地級市。絕大部分地級市在IT-3目標(biāo)值以上，但是隨著國家政策出臺，工業(yè)企業(yè)治理達標(biāo)，民間環(huán)保宣傳，中國地級市PM2.5年均濃度值大于35 μg/m3比重在研究范圍內(nèi)，由71.02%降至40.76%。

（2）中國地級市 PM2.5Moran’s I數(shù)值整體從0.597升至0.669，多數(shù)分布于第一象限和第三象限。表明PM2.5空間分布并非隨機，高污染地區(qū)與高污染城市相鄰，低污染與低污染城市相鄰，而且在我國2013年出臺政策，治理力度加大前后，分別呈現(xiàn)強關(guān)聯(lián)性。

（3）地級市PM2.5低-低型集聚模式分布于中國東南、西南、西北和東北地區(qū)，中心高值集聚區(qū)分布于四川盆地、華北平原和長江中下游地區(qū)的人居活動強、污染嚴(yán)重地區(qū)。唯一異常值城市（低-高型）出現(xiàn)在河北的張家口市。

（4）地理探測器影響因素分析結(jié)果顯示，城市氣溫、地形起伏程度和政府科研、教育支出額是影響PM2.5濃度的重要因子。PM2.5空間分異受到自然因素影響最大，其次為人口因素、社會因素和經(jīng)濟因素。因子交互探測結(jié)果說明因子之間的影響具有一定的交叉性，其中平均氣溫是對PM2.5空間格局演變產(chǎn)生影響的重要因子。

4.2 結(jié)論

中國地級市PM2.5有較強的空間相關(guān)性，華北平原以及長江中下游地區(qū)的主要地級市依舊為細(xì)顆粒物污染排放的重心，政策出臺以及民眾意識使影響污染物數(shù)值變化的重要因素。影響污染濃度的因素除法制管制外，其中自然因素占據(jù)首要位置，PM2.5的時空演變會隨著各種因素的變化而變化，不僅需要加強城市間的協(xié)同發(fā)展，還應(yīng)細(xì)化影響因素研究，有針對性強化大氣環(huán)境質(zhì)量。