基于LUR模型模擬汾渭平原PM2.5濃度空間分布

黃翰林，朱慧敏，李 陽，滕坤儒，張 平

(西安工程大學(xué) 環(huán)境與化學(xué)工程學(xué)院，陜西 西安 710600)

1 引言

隨著城市化的快速發(fā)展，經(jīng)濟(jì)的飛速增長(zhǎng)、工業(yè)發(fā)展和能源消耗帶來大氣污染不斷增加，細(xì)顆粒物PM2.5污染日益嚴(yán)重。PM2.5顆粒由于本身特點(diǎn)，富含有毒有害物質(zhì)，影響人類健康，社會(huì)經(jīng)濟(jì)發(fā)展，并會(huì)帶來相關(guān)的環(huán)境問題。因此，全面掌握PM2.5的空間分布，提高PM2.5污染模擬精度，了解時(shí)空分布規(guī)律十分必要，對(duì)于PM2.5污染防治措施的制定、降低人體暴露于高濃度PM2.5污染的風(fēng)險(xiǎn)、減少經(jīng)濟(jì)損失具有重要作用，對(duì)大氣環(huán)境中綠水藍(lán)天的保護(hù)具有一定的借鑒意義。

目前，國(guó)內(nèi)外學(xué)者在PM2.5污染、健康風(fēng)險(xiǎn)、源解析、監(jiān)測(cè)方法、模擬預(yù)測(cè)、空間分布特征等方面開展了大量工作[1～5]。其中對(duì)于PM2.5濃度的空間預(yù)測(cè)模擬方法眾多，主要方法有空間插值法[6]、MODIS遙感影像反演[7]、大氣擴(kuò)散模型[8]，但是這些方法還存在模擬精度不高、模型構(gòu)建復(fù)雜、建模數(shù)據(jù)需求多、數(shù)據(jù)不易獲取等問題。土地利用回歸模型具有很強(qiáng)的模擬污染物濃度空間分布的能力，而且考慮因素周全，操作簡(jiǎn)單，適用范圍廣，能夠?qū)崿F(xiàn)相對(duì)高分辨率、高精度的大氣污染空間分布制圖，得到了廣大學(xué)者的認(rèn)可。1997年，Briggs等[9]在流行病學(xué)研究中針對(duì)小區(qū)域空氣質(zhì)量和健康風(fēng)險(xiǎn)進(jìn)行探索,利用LUR模型對(duì)4個(gè)研究區(qū)的大氣污染狀況進(jìn)行空間分析，是首次在GIS環(huán)境中開發(fā)了一種基于回歸的方法來繪制與交通有關(guān)的空氣污染情況，對(duì)研究區(qū)的大氣污染濃度空間分布進(jìn)行模擬預(yù)測(cè)，相關(guān)系數(shù)R2為0.51。2009年，陳莉等[10]是中國(guó)最早利用LUR模型來模擬預(yù)測(cè)大氣污染情況，以天津市PM2.5和NO2為因變量，道路、人口、風(fēng)速、距海遠(yuǎn)近等為自變量進(jìn)行空間模擬預(yù)測(cè)，其中相關(guān)系數(shù)R2分別達(dá)到0.946和0.691，模擬結(jié)果與實(shí)際相符合。近年來,我國(guó)LUR模型已經(jīng)廣泛的運(yùn)用于重慶市、武漢市、杭州市、北京市等地區(qū)空氣污染分布研究中，分別進(jìn)行了PM2.5、PM10、NO2等污染物的模擬預(yù)測(cè)，其中模擬預(yù)測(cè)的相關(guān)系數(shù)R2>0.7，而調(diào)整后R2>0.6表明LUR模型模擬預(yù)測(cè)效果較好[11～14]。

因此，本文在前人的研究基礎(chǔ)上，采用土地利用回歸模型(LUR)，借助LUR模型揭示汾渭平原2018年P(guān)M2.5污染空間分布特征，可為區(qū)域大氣污染預(yù)警機(jī)制建立和城市大氣污染防控提供參考依據(jù)。

2 研究?jī)?nèi)容與方法

2.1 研究區(qū)概況

汾渭平原地處黃河流域汾河和渭河平原及其周邊臺(tái)塬階地等，是我國(guó)第四大平原，西起山西省陽曲縣，南到陜西省秦嶺山脈，西達(dá)陜西省寶雞市，呈東北-西南方向延伸。地跨三省，陜西省、山西省、河南省。氣候類型為溫帶季風(fēng)半濕潤(rùn)氣候，一年四季各不相同，夏季酷熱降水相對(duì)與其他季節(jié)較多，冬季冷而干燥。地形以平原為主；人口密集、交通便利、農(nóng)業(yè)比較發(fā)達(dá)；同時(shí)南部，東部被山脈環(huán)繞，北部和西部為黃土高原，不利于PM2.5的擴(kuò)散，一定程度上會(huì)影響大氣的污染濃度。

2.2 數(shù)據(jù)源與研究方法

2.2.1 LUR模型

土地利用回歸[15～17](Land use regression，LUR)模型以地理學(xué)中的自然，人文，社會(huì)經(jīng)濟(jì)等多種因素為研究對(duì)象，在流行病學(xué)，大氣污染物的空間分布模擬預(yù)測(cè)等研究中應(yīng)用較多。利用LUR模型模擬污染物的空間分布，不僅可以了解污染物的空間分布的影響因素，還能對(duì)未來大氣濃度空間分布的模擬預(yù)測(cè)提供一定的參考依據(jù)。LUR模型的構(gòu)建取決于監(jiān)測(cè)站點(diǎn)數(shù)量與分布及對(duì)地理相關(guān)變量的選取，并且決定模型模擬大氣污染物濃度的可靠性。本文以地理變量中的道路交通，土地利用類型，人口密度，NDVI等為自變量，PM2.5濃度為因變量進(jìn)行回歸分析。以研究區(qū)61個(gè)監(jiān)測(cè)站點(diǎn)為中心建立100～5000 m為半徑的緩沖區(qū)分析，對(duì)自變量進(jìn)行初步篩選，再利用SPSS進(jìn)行各個(gè)變量在不同緩沖區(qū)下是否會(huì)構(gòu)成共線性分析，將未共線的因素進(jìn)行皮爾遜相關(guān)分析，篩選出相關(guān)性顯著(P>0.6)的影響因子。將顯著性較強(qiáng)的影響因子進(jìn)行逐步多元回歸分析模擬PM2.5濃度預(yù)測(cè)值，公式如下：

y=a+b1x1+b2x2+…+bnxn

(1)

式(1)中，a為常數(shù)，bn是各預(yù)測(cè)變量對(duì)應(yīng)的系數(shù)，xn是各預(yù)測(cè)變量。將最終5類相關(guān)性較強(qiáng)的變量進(jìn)行線性回歸，檢驗(yàn)?zāi)Ｐ湍M效果，證明LUR模型的可行性。

2.2.2 數(shù)據(jù)來源

本文采用2018年1月1日至12月31日的全國(guó)空氣質(zhì)量檢測(cè)數(shù)據(jù)來自中國(guó)環(huán)境監(jiān)測(cè)總站的全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)(http:www.mee.gov.cn/hjzl/dqhj/qgkqzlssfb/)，該數(shù)據(jù)包括PM2.5濃度，NO2，SO2等大氣污染物數(shù)據(jù)；氣象數(shù)據(jù)有降水、溫度、濕度、風(fēng)向、風(fēng)速等來源自ECMWF歐洲中期天氣預(yù)報(bào)中心；道路交通數(shù)據(jù)來自O(shè)penStreetMap的矢量路網(wǎng)；NTL數(shù)據(jù)來源于美國(guó)國(guó)防氣象衛(wèi)星計(jì)劃(DefenseMeteorologicalSatelliteProgram，DMSP)；GDP和人口數(shù)據(jù)來自陜西、山西、河南三省統(tǒng)計(jì)年鑒2018；從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)得到汾渭平原30m空間分辨率DEM數(shù)據(jù)；從中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn/)得到30 m空間分辨率的土地利用數(shù)據(jù)和NDVI。在數(shù)據(jù)預(yù)處理中使用ENVI5.3得到土地利用類型(耕地、草地、林地、建設(shè)用地、水域、未利用地)；利用ArcGIS10.2對(duì)不同變量進(jìn)行緩沖區(qū)分析，對(duì)氣象數(shù)據(jù)，NDVI，人口等進(jìn)行無量綱處理，代入SPSS中進(jìn)行雙變量相關(guān)性分析，篩選出顯著性較強(qiáng)的因素，進(jìn)入逐步多元線性回歸分析；利用ArcGIS對(duì)研究區(qū)進(jìn)行均勻布點(diǎn)，得出各個(gè)網(wǎng)格相互對(duì)應(yīng)地理變量的PM2.5濃度的模擬預(yù)測(cè)值，進(jìn)行Kriging插值，最終得到汾渭平原2018年P(guān)M2.5濃度模擬預(yù)測(cè)空間分布。

3 研究結(jié)果與分析

3.1 雙變量相關(guān)分析

在相關(guān)分析中，首先分析不同的地理變量與PM2.5平均濃度的相關(guān)性。將具有相關(guān)性的影響因素，進(jìn)行皮爾遜相關(guān)分析，篩選出顯著性較強(qiáng)的影響因子(a<0.05和a<0.01)，最終得到相關(guān)性較強(qiáng)的12個(gè)影響因子。由表1可知，100 m緩沖區(qū)內(nèi)的NTL、SO2、NO2、蒸發(fā)等因素與PM2.5呈顯著正相關(guān)，其中，NO2相關(guān)系數(shù)最高，達(dá)到0.690；4000 m緩沖區(qū)內(nèi)的林地面積、3000 m緩沖區(qū)內(nèi)的NDVI、5000 m緩沖區(qū)內(nèi)的草地面積，濕度，風(fēng)向和降水等因素與PM2.5呈顯著負(fù)相關(guān)。表明汾渭平原各地區(qū)經(jīng)濟(jì)的發(fā)展主要是以重工業(yè)為主，導(dǎo)致NO2和SO2的污染排放較多，對(duì)人類的生活生產(chǎn)、動(dòng)植物生長(zhǎng)、環(huán)境產(chǎn)生不同程度的影響。

表1 PM2.5濃度與影響因子雙變量相關(guān)分析

3.2 逐步多元線性回歸

利用SPSS將相關(guān)分析中的12個(gè)影響因子與PM2.5進(jìn)行皮爾遜相關(guān)分析，剔除產(chǎn)生共線性和相關(guān)性不顯著的變量，最終留下SO2、NO2、3000 m緩沖區(qū)內(nèi)的NDVI、邊界層高度、風(fēng)向、濕度等7個(gè)相關(guān)性最強(qiáng)的因子作為自變量輸入模型，得到的模型結(jié)果如表2所示。

表2 2018年逐步多元線性回歸結(jié)果

通過逐步多元線性回歸得到的LUR模型R2為0.852，調(diào)整后的R2為0.844。說明影響因子與PM2.5濃度具有密切的相關(guān)性，模型的模擬效果較好，解釋能力強(qiáng)。

3.3 模型模擬與預(yù)測(cè)

通過逐步多元線性回歸檢驗(yàn)?zāi)M，得到標(biāo)準(zhǔn)化系數(shù)表，構(gòu)建LUR回歸模型，將各個(gè)自變量的數(shù)值代入到模型中計(jì)算2018年1～12月份PM2.5濃度的預(yù)測(cè)值，構(gòu)建汾渭平原PM2.5濃度散點(diǎn)圖(圖1)，分析兩者之間的線性關(guān)系，以此來直觀分析模型的擬合程度。

由圖1可知，各個(gè)數(shù)值分散程度較小，擬合后方程斜率為0.8776，數(shù)值比較接近y=x直線斜率，表明模型擬合較好。整體上模擬精度較高，監(jiān)測(cè)值與預(yù)測(cè)值之間的線性相關(guān)性R2為0.8095，可解釋80.95%的PM2.5濃度，說明構(gòu)建LUR模型可以對(duì)實(shí)際中的PM2.5濃度有較好估計(jì)。

圖1 汾渭平原2018年P(guān)M2.5監(jiān)測(cè)值-預(yù)測(cè)值散點(diǎn)圖

3.4 PM2.5模擬預(yù)測(cè)空間分布

利用ArcGIS10.2結(jié)合相關(guān)變量分析數(shù)據(jù)進(jìn)行制圖，通過構(gòu)建LUR模型模擬PM2.5濃度分布圖與實(shí)際監(jiān)測(cè)站點(diǎn)監(jiān)測(cè)得到的PM2.5濃度分布圖之間的差異，由此驗(yàn)證本研究構(gòu)建的LUR模型是否與實(shí)際模擬相符合。

在汾渭平原的南部和東部地區(qū)PM2.5污染較嚴(yán)重，西北部地區(qū)PM2.5污染相對(duì)較低(圖2)。高值區(qū)大多分布在陜西省西安、咸陽、渭南西南部、寶雞東部地區(qū)，PM2.5濃度值為53.56 μg/m3；低值區(qū)主要集中在山西省臨汾、呂梁、運(yùn)城地區(qū)，PM2.5濃度值為24.28 μg/m3。LUR模型對(duì)研究區(qū)PM2.5濃度空間分布具有一定程度的解釋能力，與實(shí)際PM2.5濃度空間分布基本一致。PM2.5污染濃度從南向北逐漸降低；污染嚴(yán)重的南部與東部地區(qū)地形以平原為主，經(jīng)濟(jì)發(fā)展迅速，交通設(shè)施齊全，人口分布密集，而陜西、山西冬季燃煤，天然氣供暖也會(huì)導(dǎo)致空氣污染嚴(yán)重，而且汾渭平原南部，東部分別為秦嶺和太行山山脈，北部和西部為黃土高原，“四面高中間低”不利于污染物的自然擴(kuò)散；污染較輕的地區(qū)，海拔相對(duì)較高，多山地，人口稀疏，經(jīng)濟(jì)水平相對(duì)低，空氣質(zhì)量?jī)?yōu)良。

圖2 汾渭平原2018年P(guān)M2.5濃度空間分布

4 結(jié)論與討論

本研究基于2018年汾渭平原61個(gè)監(jiān)測(cè)站點(diǎn)PM2.5濃度數(shù)據(jù)，考慮自然氣象，社會(huì)經(jīng)濟(jì)等多種因素，考察PM2.5污染的最優(yōu)驅(qū)動(dòng)因子，構(gòu)建了土地利用回歸模型，對(duì)PM2.5的空間分布進(jìn)行了模擬預(yù)測(cè)。結(jié)果表明：

(1)人類活動(dòng)、社會(huì)經(jīng)濟(jì)和自然氣象因素都對(duì)PM2.5污染有顯著影響，其中夜間燈光、污染源、蒸發(fā)和氣溫與PM2.5濃度呈正相關(guān)；濕度、風(fēng)向、邊界層高度、降水和土地利用的林地、草地與PM2.5濃度呈負(fù)相關(guān)。人類活動(dòng)的相關(guān)性最強(qiáng)，NO2達(dá)到0.690。

(2)土地利用回歸模型對(duì)汾渭平原地區(qū)的PM2.5污染具有較好的模擬預(yù)測(cè)效果，通過模擬值與真實(shí)值的線性回歸檢驗(yàn)，R2為0.8095。

(3)由土地利用回歸模型反演汾渭平原PM2.5污染濃度分布可知，陜西省西安、咸陽、寶雞東部、渭南西南部地區(qū)的PM2.5污染比較嚴(yán)重；山西省臨汾、呂梁，運(yùn)城地區(qū)污染程度較輕，整體上PM2.5濃度呈南向北逐漸降低的趨勢(shì)。

LUR模型被認(rèn)為是預(yù)測(cè)空氣污染物濃度空間變化的合適方法之一，本文對(duì)汾渭平原2018年P(guān)M2.5濃度的模擬預(yù)測(cè)與實(shí)際情況基本一致。說明了LUR模型對(duì)于跨區(qū)域研究的可行性。但LUR模型的使用過于單一，未來可以結(jié)合機(jī)器學(xué)習(xí)，深度神經(jīng)網(wǎng)絡(luò)，隨機(jī)森林算法等進(jìn)行模型的完善與改進(jìn)。LUR模型對(duì)大氣污染模擬預(yù)測(cè)的研究全面且準(zhǔn)確，可以為未來大氣污染治理提供更精準(zhǔn)的參考依據(jù)。