中國城市群臭氧時空分布特征分析

林文鵬,郭欣瞳

中國城市群臭氧時空分布特征分析

林文鵬*,郭欣瞳

(上海師范大學環(huán)境與地理科學學院,上海 200234)

為揭示我國主要城市群近地面臭氧的時空分布規(guī)律,使用空氣質(zhì)量監(jiān)測網(wǎng)站發(fā)布的2019年243個城市共計1215個站點的臭氧濃度數(shù)據(jù)對中國正在穩(wěn)步建設(shè)的19個城市群的臭氧時空分布特征進行分析,結(jié)果表明:臭氧污染高發(fā)期主要集中在夏季6、7月份,春末秋初次之,冬季基本不發(fā)生污染.城市群100μg/ m3以上的臭氧濃度占比變化趨勢大致表現(xiàn)為不規(guī)則的“V”和“W”兩大類.2019年我國19個城市群可明顯提取出北部和南部兩個濃度分布高值中心,分別出現(xiàn)在夏季和秋季,夏季根據(jù)污染嚴重程度又可將高值中心劃分為兩個層級.城市群臭氧濃度分布具有空間自相關(guān)特性,夏季熱點區(qū)域與北部高值中心重合,秋季則與南部高值中心位置一致,此時冷點區(qū)域面積達到最大.由于臭氧污染成因的復(fù)雜性,不能簡單以現(xiàn)有城市群等級劃分結(jié)果對其進行分級管理,需要根據(jù)實際分布情況對不同城市群制定相應(yīng)污染防控措施.

臭氧；城市群；時空特征；空間自相關(guān)

近地面臭氧(O3)已成為繼PM2.5之后對我國城市空氣質(zhì)量危害最大的氣體之一.城市群作為世界上發(fā)展最快的地域類型,其空氣質(zhì)量倍受矚目.臭氧具有強氧化性,與人體多種疾病尤其是心血管疾病顯著相關(guān),研究表明臭氧濃度的上升與我國人群非意外死亡總率、心血管系統(tǒng)疾病死亡率和呼吸系統(tǒng)疾病死亡率的增加關(guān)系密切[1-2].據(jù)2019年中國環(huán)境狀態(tài)公報顯示[3],全國337個地級市環(huán)境空氣質(zhì)量平均超標天數(shù)比例為18%,其中以臭氧為首要污染物的超標天數(shù)占總超標天數(shù)41.7%,僅次于PM2.5的45%.由此可見臭氧已經(jīng)成為繼PM2.5之后人們首先需要重點關(guān)注的大氣污染物之一.

通常認為臭氧濃度的變化趨勢受到前體物排放、氣象條件和化學反應(yīng)三方面因素的共同作用,有關(guān)污染成因的研究也多從這三方面及其相互作用展開.相關(guān)研究利用地面監(jiān)測站點數(shù)據(jù)或現(xiàn)場觀測資料從多種時間尺度,通過WRF模型[4-5]、CCM[6-7]模型、地理探測器模型[8]、GEOS-Chem化學傳輸模型[9-10]、多元性線性回歸[11]等方法在不同地域尺度分析了氣象因子與人為前體物排放對臭氧濃度變化的影響以及臭氧的跨區(qū)域傳輸模式,根據(jù)結(jié)果給出了一定的污染防治建議[12].通過對臭氧污染成因的探究可得不同氣候、經(jīng)濟條件的地區(qū)臭氧濃度分布存在較大差異,圍繞不同地域的臭氧時空分布研究正在逐漸展開.程麟鈞等[13]采用旋轉(zhuǎn)經(jīng)驗正交函數(shù)(REOF)分析了2016年中國城市臭氧時空分布特征,確定出10個具有明顯同比變化的區(qū)域,同時指出黃淮平原、華北平原、長江中下游地區(qū)等三個人口稠密且臭氧濃度較高區(qū)域應(yīng)作為臭氧污染控制的重點區(qū)域.之后彭超等[14]、郭一鳴等[15]分別使用時空演化樹模型、地理探測器模型對中國城市群臭氧時空分布及其影響因素進行了探究.閆慧等[16]則利用TECQ方法確定了各城市臭氧污染的主要來源,并根據(jù)臭氧超標情況和污染來源將全國城市劃分為四類.針對具體城市或城市群,Cheng等[17]基于城市站和背景站的觀測數(shù)據(jù)分析了北京市臭氧濃度的變化趨勢,并針對具體事件評估了不同時期減排措施的表現(xiàn).Xu等[18]從日變化模式角度將長三角城市群臭氧污染分為四種典型類型.余益軍等[19]采用K-Z濾波分析了京津冀地區(qū)臭氧序列,評估其污染趨勢并進行原因探討.張?zhí)煸赖萚20]通過Global Moran's和Getis-Ord G*指數(shù)等方法,分析了成渝城市群臭氧濃度的時空變化特征.地面監(jiān)測站點數(shù)據(jù)是目前使用較為廣泛的數(shù)據(jù),同時也可利用衛(wèi)星遙感數(shù)據(jù)進行大尺度的分析[20-23].

隨著臭氧污染問題的日益凸顯,針對全國各地的臭氧濃度分布研究逐漸展開,研究區(qū)域不斷縮小細化,時間尺度更為詳細[24-25],但關(guān)于全國不同地區(qū)之間特征對比分級的研究較少.城市群是指在特定地域范圍內(nèi),以1個以上特大城市為核心,由至少3個以上大城市為基本構(gòu)成單元,依托發(fā)達的交通通訊等基礎(chǔ)設(shè)施網(wǎng)絡(luò),所形成的空間組織緊湊、經(jīng)濟聯(lián)系緊密、并最終實現(xiàn)高度同城化和高度一體化的城市群體[26].過去40年來,城市群是世界上發(fā)展最快的地域類型,大部分國家的人口和經(jīng)濟活動都在持續(xù)向城市群集聚,目前,城市群已經(jīng)成為世界各國參與全球競爭與國際分工的全新地域單元[27-28].但與此同時,城市群又是一系列生態(tài)環(huán)境問題集中且激化的高度敏感地區(qū)[26],城市化進程的加快與環(huán)境保護之間的矛盾在城市群中突出明顯,其生態(tài)保護與環(huán)境污染問題較單個城市來說更為復(fù)雜和特殊.同時城市群也是大氣污染的集聚地,城市群臭氧污染與單個城市相比更為嚴重和典型.由此,本文以城市群為研究對象,對比我國不同地區(qū)的城市群臭氧濃度分布特征及其污染情況,探究依據(jù)人口、城市規(guī)模、經(jīng)濟發(fā)展水平等對城市群進行的分級對于城市大氣污染是否適用,為今后對待不同區(qū)域制定針對性的防控政策提供參考.

1 數(shù)據(jù)與方法

1.1 研究區(qū)域與數(shù)據(jù)來源

以目前國家正在穩(wěn)步建設(shè)的19個城市群為案例區(qū),從市域尺度分析臭氧濃度時空分布變化特征.城市群在我國東、中、西部均有分布,其劃分不僅是對人口和經(jīng)濟的劃分,在一定程度上對于自然地理環(huán)境的劃分也具有相當意義,不同城市群的經(jīng)濟發(fā)展、氣候條件、地形地貌等各不相同.19個城市群包括5個國家級的大城市群(京津冀城市群、長江三角洲城市群、珠江三角洲城市群、長江中游城市群、成渝城市群),8個區(qū)域性中等城市群(遼中南城市群、山東半島城市群、海峽西岸城市群、哈長城市群、中原城市群、關(guān)中城市群、北部灣城市群、天山北坡城市群)和6個地區(qū)性小城市群(晉中城市群、呼包鄂榆城市群、滇中城市群、黔中城市群、蘭西城市群、寧夏沿黃城市群).

表1 中國主要城市群城市及站點數(shù)量

臭氧濃度數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站的全國城市空氣質(zhì)量實時發(fā)布平臺.通過篩選整理最終選取2019年243個城市共計1215個站點的臭氧濃度記錄作為研究對象(表1).根據(jù)《環(huán)境空氣質(zhì)量標準》(GB 3095-2012)[29],臭氧日評價指標采用日最大8h(滑動)平均濃度,年評價指標為日最大8h(滑動)平均濃度第90百分位數(shù).文中濃度“月均值”指一個日歷月內(nèi)各日評價濃度的算數(shù)平均值,“季均值”指一個日歷季內(nèi)各日評價濃度的算數(shù)平均值,“年均值”指一個日歷年內(nèi)各日評價濃度的算數(shù)平均值;春季為3～5月,夏季為6～8月,秋季為9～11月,冬季為12月、1月和2月.《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ633-2012)[30]將臭氧濃度劃分為優(yōu)(0～100mg/m3)、良(100～160mg/m3)、輕度污染(160～215mg/m3)、中度污染(215～265mg/m3)、重度污染(265～800mg/m3)和嚴重污染(800mg/m3以上)六個等級,其中輕度污染及以上為超標.

1.2 研究方法簡介

1.2.1 全局空間自相關(guān)分析 由Tobler(1970)地理學第一定律“任何事物都是相關(guān)的,但距離近的事物比距離遠的事物相關(guān)性更強”,地理事物或?qū)傩栽诳臻g上互為相關(guān),且距離越近相關(guān)性越強,隨著距離的增大相關(guān)性減弱,該現(xiàn)象稱為空間自相關(guān).全局Moran’s是表征地理事物或現(xiàn)象空間自相關(guān)的一個常用且有效的指標.通過求解全局Moran’s指數(shù)進行檢驗并判斷中國城市群臭氧濃度的空間相似程度,計算公式如下:

式中:Z()為全局Moran’s的Z檢驗值;()為其數(shù)學期望;d()為其方差.

1.2.2 局部空間自相關(guān)分析 雖然全局Moran’s能從整體上反映研究區(qū)事物或現(xiàn)象的空間自相關(guān)性,但其不能揭示局部差異,對于局部區(qū)域單元的集聚狀態(tài)和程度無法識別.應(yīng)用局部Moran’s來確定區(qū)域內(nèi)不同空間位置臭氧濃度的冷點與熱點區(qū)域,計算公式如下:

式中:為監(jiān)測城市個數(shù);w為空間權(quán)重矩陣.局部Moran’s可以有多種表現(xiàn)形式,本文采用較為直觀的LISA集聚圖來對臭氧濃度分布進行聚類和異常值分析.

2 結(jié)果與討論

2.1 中國城市群臭氧濃度時空變化特征

2.1.1 時間變化特征分析 2019年中國城市群243個城市臭氧年評價值濃度范圍為101～211mg/m3,其中有95座城市濃度值高于160mg/m3,約占總城市數(shù)量的40.95%.由各城市群的具體城市臭氧年評價值(圖1)濃度散布范圍和分布形態(tài)可大致將城市群年際特征劃分為三種類型.

第一種為高值危險型,包括山東半島、京津冀、中原和晉中城市群.除山東半島的青島市之外四個城市群幾乎所有城市的臭氧濃度年評價值均在160mg/m3以上,城市群整體臭氧濃度較高,在污染高發(fā)時段容易遭受較大程度的臭氧污染侵害.此外,四個城市群中山東半島和晉中城市群城市年評價值分布中值位置明顯偏向于上四分位數(shù),位于中值以上城市數(shù)量多于中值以下,城市群初現(xiàn)臭氧污染一體化態(tài)勢,應(yīng)加強區(qū)域間合作,推進臭氧污染治理政策整體進行;而中原城市群城市則表現(xiàn)為中值位置明顯偏向于下四分位數(shù),說明少數(shù)深受臭氧污染危害的城市對城市群整體臭氧水平產(chǎn)生了較大影響,需要重點關(guān)注整治;京津冀城市群城市臭氧濃度年評價值分布態(tài)勢則基本符合正態(tài)分布,但其污染情況仍然不容忽視.第二類為中值預(yù)警型,包括珠三角、長三角、關(guān)中和長江中游城市群,該類型城市群城市年評價值的中值和均值在160mg/m3上下波動,要高度警惕臭氧污染事件的發(fā)生,積極采取政策降低城市群整體臭氧濃度.第三類為低值安全型,主要有遼中南、呼包鄂榆、寧夏沿黃、成渝、蘭西、北部灣、海峽西岸、哈長、滇中、天山北坡和黔中城市群,這些城市群所包含城市臭氧年評價濃度值均在160mg/m3以下,全年整體臭氧濃度較低.

圖1 2019年各城市群臭氧濃度年評價值BOX分布

由圖2可見臭氧污染高發(fā)期主要集中在夏季6、7月份,一些城市群在春末和秋初也有污染現(xiàn)象的發(fā)生,冬季各城市群臭氧濃度則均處于低值狀態(tài),鮮少出現(xiàn)污染情況.在這19個城市群中,晉中、京津冀、山東半島和中原城市群污染情況明顯較其他城市群嚴重,與年評價結(jié)果相一致.不同城市群臭氧濃度的時間變化規(guī)律不盡相同,有的城市群月均值濃度變化呈現(xiàn)“單峰”趨勢,有的則為“雙峰”.峰值出現(xiàn)的月份也有所區(qū)別,甚至于同一月份有的城市群月均濃度到達峰值而有的城市群則在低值范圍內(nèi)徘徊.差異的出現(xiàn)與各城市群的自然地理狀況、經(jīng)濟發(fā)展情況以及城市群內(nèi)部各城市之間的相互作用等均有很大關(guān)聯(lián).

將各城市群臭氧濃度日均值按照<100mg/m3、100～130mg/m3、130～160mg/m3、160～215mg/m3和>215mg/m3依次劃分為五個等級,圖3為各等級月度占比情況.由此可以較為清晰的獲知2019年我國19個城市群各自的臭氧濃度時間變化規(guī)律.除了部分小城市群(如天山北坡城市群、黔中城市群和蘭西城市群等)濃度穩(wěn)定較低,全年無臭氧污染狀況發(fā)生以外,其余城市群一年之中或多或少均會出現(xiàn)臭氧污染事件,部分城市群在夏季甚至出現(xiàn)臭氧中度污染情況.

各城市群100mg/m3以上的臭氧日均值濃度占比變化趨勢大致表現(xiàn)為不規(guī)則的“V”和“W”兩大類.“W”型變化趨勢的典型代表城市群有山東半島、中原、京津冀、遼中南和長江三角洲城市群,此類城市群一年之中臭氧濃度會出現(xiàn)兩個峰值,一般而言第一個峰值出現(xiàn)的月份即為本年度的污染高發(fā)時段.在上述五個城市群中京津冀臭氧日均濃度值位于160mg/m3以上的天數(shù)所占比例最多,6月份該比例達到最大值,5、6、7月均有中度污染事件的發(fā)生.該階段污染強度較大且持續(xù)時間相對較長,因此制定具體針對措施以控制城市群整體夏季污染十分必要.9月份出現(xiàn)第二個濃度峰值,此時污染情況與第一階段相比較輕,并且之后有明顯下降趨勢.其余四個城市群中山東半島和中原城市群的污染情況同樣不容樂觀,與京津冀相類似,濃度第一峰值出現(xiàn)在6月份,9月份出現(xiàn)第二峰值,之后呈現(xiàn)快速下降趨勢.山東半島城市群在5月份出現(xiàn)中度污染事件,而中原城市群則在7月份遭受了臭氧中度污染.剩余兩個城市群污染強度明顯較小,遼中南城市群日均值濃度第一峰值出現(xiàn)在5月份,城市群在該月持續(xù)遭受臭氧輕度和中度污染;長三角城市群則在6月出現(xiàn)第一個峰值,雖然沒有中度污染事件發(fā)生,但其5、6月份輕度污染天數(shù)明顯多于遼中南城市群.遼中南城市群9月出現(xiàn)第二個峰值但所占比例很小,污染情況一直綿延至10月,而長三角城市群8月份出現(xiàn)第二個峰值,之后濃度逐漸下降.

圖2 2019年各城市群臭氧濃度月變化趨勢

“V”型變化趨勢的典型代表城市群有晉中、呼包鄂榆、關(guān)中、珠三角和北部灣城市群.這類城市群一年之中臭氧濃度僅有一個峰值,峰值出現(xiàn)的時間即為該年臭氧污染的最強時段.由于不同城市群在我國地理位置的不同,其臭氧濃度變化情況也不盡相同.晉中城市群臭氧污染始于5月份春末,7月份濃度達到峰值,之后呈明顯下降趨勢.6月份中度污染天數(shù)占比最大,雖然污染天數(shù)不多但污染強度較大.與晉中城市群相比珠三角城市群污染情況較輕,兩者的臭氧日均值濃度變化趨勢有較大差異.位于我國東南沿海地區(qū)的珠三角城市群臭氧濃度在9月份達到峰值,之后逐漸下降,在此之前5～8月污染天數(shù)所占比例極少,城市群整體無明顯臭氧污染.與其處于相同地理位置的北部灣城市群臭氧濃度變化趨勢也與之大致相似,污染事件只在秋季9～11月發(fā)生.而位于我國北部內(nèi)陸地區(qū)的呼包鄂榆和關(guān)中城市群臭氧日均值濃度變化趨勢則與晉中城市群相類似,5月份初始,高發(fā)時段集中在夏季6～8月.

剩余有污染發(fā)生的城市群除寧夏沿黃之外其余日均濃度占比變化皆表現(xiàn)為不明顯的“W”型趨勢,寧夏沿黃城市群則表現(xiàn)為不規(guī)則的“V”型.與上文相對應(yīng)的,由于所處緯度帶不同,峰值出現(xiàn)的時間及其大小也不相同.成渝城市群4月即出現(xiàn)第一個濃度峰值,而第二個濃度峰值則出現(xiàn)在8月,污染主要集中在夏季;滇中城市群只在4月份出現(xiàn)短暫的臭氧污染情況,其余時間臭氧濃度水平良好;哈長城市群雖然在5、6月和9月均有污染事件的發(fā)生,但濃度第一峰值污染強度明顯大于第二峰值.寧夏沿黃城市群唯一峰值出現(xiàn)在8月,除春、夏兩季之外其他時間沒有臭氧污染困擾.而長江中游城市群雖然在6月和9月出現(xiàn)了兩個濃度峰值,但第二個濃度峰值出現(xiàn)的時段污染程度較第一個大,其污染主要集中在秋季;海峽西岸城市群也只在9月遭受臭氧污染危害.

臭氧濃度到達最大值的時間隨著城市群地理位置的不同有所差異,隨著城市群由北往南分布,到達最大值的時間從前往后推移,污染高發(fā)季節(jié)也從夏季向秋季轉(zhuǎn)變.同時從東向西城市群出現(xiàn)臭氧污染情況的時間不斷提前,說明臭氧污染是一個復(fù)雜的過程,需結(jié)合多因素進行綜合考慮.

圖3 2019年中國城市群臭氧濃度月度變化分級占比

圖4 2019年中國城市群年均臭氧濃度空間分布

基于國家測繪地理信息局標準地圖服務(wù)系統(tǒng)的標準底圖(審圖號:GS(2016)2884號)制作,底圖無修改,下同

2.1.2 空間變化特征分析 城鄉(xiāng)之間氣候、經(jīng)濟等條件不同使得臭氧濃度的分布存在著差異,因此僅憑城市數(shù)據(jù)使用空間插值方法將點數(shù)據(jù)插值成為連續(xù)數(shù)值表面可信度不高.本文使用監(jiān)測站點數(shù)據(jù)進行空間插值,監(jiān)測站點分布不僅在城市,在郊區(qū)也有一定的分布,并且站點數(shù)量較多,各站點之間距離較近,使用此數(shù)據(jù)進行插值結(jié)果較為準確,可信度更高.

采用普通克里金插值法(OKM)對監(jiān)測站點數(shù)據(jù)進行插值得到2019年中國城市群四季以及各個月份的臭氧濃度空間分布情況.為提高空間插值精度,具體操作由Arc GIS地統(tǒng)計向?qū)cgs+軟件結(jié)合進行.gs+結(jié)果顯示插值變量塊金系數(shù)均大于75%,空間自相關(guān)程度強烈,適宜使用插值方法進行空間插值.交叉驗證結(jié)果則表明所有插值結(jié)果精度良好,具有可靠性與準確性.以160mg/m3為臭氧日最大八小時平均濃度限值判定各城市每日污染達標情況,將其與臭氧濃度分布情況相結(jié)合更加全面的分析城市群臭氧濃度分布以及污染現(xiàn)象的空間變化特征.

臭氧濃度年評價指標為日最大8h(滑動)平均濃度第90百分位數(shù),2019年中國城市群臭氧污染整體趨勢為由中心向外圍擴散,以京津冀、晉中、山東半島和中原城市群受污染情況最為嚴重,長三角城市群和長江中游城市群的北部以及珠三角城市群南部情況同樣不容樂觀(圖4).與之相對應(yīng)的,臭氧污染最為嚴重的四個城市群中大部分城市的臭氧年均值超標率大于20%,中原城市群和山東半島城市群中的部分城市超標率甚至在25%以上,個別城市一年之中遭受污染的天數(shù)超過100d.而位于我國南方的城市群中長三角城市群和長江中游城市群的北部以及珠三角城市群南部雖然2019年整體表現(xiàn)為臭氧輕度污染狀態(tài),但其城市超標率較低,大部分在20%以下,僅珠三角城市群南部的一些城市超標率大于20%,需要引起注意.其余城市群臭氧年評價濃度在160mg/m3以下,城市超標率在15%以內(nèi).

圖5 2019年中國城市群季度臭氧濃度空間分布

隨著季節(jié)的變化臭氧濃度的空間分布格局也發(fā)生了相應(yīng)的改變,由圖5可明顯提取出我國19個城市群的兩個濃度分布高值中心,結(jié)合時間和分布位置可將其簡單劃分為夏季北部高值中心和秋季南部高值中心.夏季高值中心主要由京津冀、晉中、中原和山東半島城市群組成,而秋季高值中心則以珠江三角洲城市群為主體.春季整體臭氧季均值濃度在160mg/m3以下,北部高值中心污染情況初現(xiàn)端倪,位于區(qū)域中心的一些城市超標率已達到20%以上.此外,長江三角洲城市群在春季同樣也表現(xiàn)為臭氧季均值濃度高值區(qū),其內(nèi)大部分城市污染超標率大于15%.到了夏季北部高值中心完全形成,根據(jù)臭氧濃度以及各城市群城市超標率分布情況圍繞高值中心可將污染輕重程度劃分為兩個層級.第一級主要包括內(nèi)插結(jié)果顯示為輕度污染的區(qū)域,該區(qū)域內(nèi)整體所包含城市臭氧濃度最高,一些城市超標率甚至超過50%,已經(jīng)形成連片面狀污染,且位于四個城市交界中心,說明城市群之間的相互作用對從臭氧的分布也有一定的影響.第二級主要包括組成高值中心的四個城市群輕度污染之外的區(qū)域以及長三角和長江中游城市群的北部、呼包鄂榆城市群東部,雖未形成區(qū)域型污染,但其內(nèi)城市超標率均在20%以上,同樣應(yīng)該引起重視.秋季北部高值中心消失轉(zhuǎn)而在南部形成以珠三角城市群為主體的高值中心,此時超標率大于20%的城市大多集中在珠三角和長江中游城市群.而中原城市群、京津冀和山東半島城市群雖然整體臭氧濃度較低但大部分城市超標率仍在15%之上,部分城市依舊大于20%,根據(jù)上文推測出現(xiàn)臭氧濃度大于160mg/m3的污染天主要集中在9月即一些城市出現(xiàn)濃度第二峰值的時間段.冬季城市群整體季均值濃度低于100mg/m3,超標率在5%以內(nèi)且絕大部分城市超標率為0.值得注意的是春季滇中城市群表現(xiàn)為臭氧濃度高值區(qū),夏季東移至成渝和蘭西城市群,西南地區(qū)臭氧污染出現(xiàn)時間由前往后自西向東變化,但只在春夏兩季.

圖6 2019年中國城市群月度臭氧濃度空間分布

對臭氧濃度季均值變化的分析可得2019年中國城市群臭氧空間分布的整體情況,但由于各城市群氣象條件以及臭氧相關(guān)污染物排放強度具有明顯的月際變化特征,因此十分有必要對月度臭氧濃度空間分布進行研究(圖6).冬季即12月、1月和2月各城市群臭氧濃度月均值在100mg/m3以下,不會有污染事件的發(fā)生.3月份各城市群臭氧濃度略有上升但變化并不明顯.4～8月詳細展示了北部高值中心的形成變化過程,以9月為分水嶺,9月之后10月和11月高值中心轉(zhuǎn)移至南部.

4月各城市群臭氧濃度仍然處于相對低值狀態(tài),僅位于高值區(qū)中心的零星城市超標率大于20%;5月北部高值中心初具形態(tài),雖城市群整體濃度仍然低于160mg/m3,但高值中心四個城市群大部分城市月度日均值超標率都位于20%以上,對比4月濃度上升顯著.6月份北部高值中心完全形成,約占四個城市群面積的90%,即該月四個城市群幾乎所有城市都處于臭氧輕度污染狀態(tài).7月高值中心面積縮小,同樣超標率大于20%城市數(shù)減少,向中心聚集.夏末8月份之后城市群整體恢復(fù)臭氧濃度月均值低于160mg/m3狀態(tài),濃度值降低明顯,北部高值中心消失,超標率大于20%城市開始向南部擴散.9月份與8月份相比整體臭氧濃度稍高,超標率在20%以上的城市群數(shù)量增多且向南部城市群擴散明顯,與前文所述9月出現(xiàn)濃度第二峰值相符合.9月份之后形成以珠三角城市群南部為主體的南部高值中心,但與北部高值中心相比面積較小且污染較輕,除珠三角和北部灣城市群部分城市超標率超過20%以外,大部分城市超標率在10%以內(nèi).與季節(jié)變化特征相對應(yīng)的,滇中城市群只在4月和5月出現(xiàn)污染情況,6月份之后西移至成渝城市群,西南地區(qū)城市群臭氧污染只出現(xiàn)在春夏兩季.

2.2 中國城市群臭氧濃度空間集聚特征

2.2.1 空間自相關(guān)指數(shù)分析 臭氧污染在空間上表現(xiàn)為一個連續(xù)現(xiàn)象,污染強弱的分布與距離的關(guān)系值得進一步探究.通過Arc GIS空間模式分析工具對19個城市群243個城市臭氧濃度的年均值、季均值以及月均值空間自相關(guān)(Moran’s)指數(shù)進行計算,結(jié)果見表2和表3.

表2 2019年中國城市群臭氧濃度年、季均值空間自相關(guān)指數(shù)

表3 2019年中國城市群臭氧濃度月均值空間自相關(guān)指數(shù)

表4 置信度劃分

對于Moran’s的解讀首先應(yīng)利用、值判斷結(jié)果是否可靠,之后再讀取指數(shù)的值(表4).本文空間自相關(guān)指數(shù)計算中值均小于0.1,表明計算結(jié)果具有一定的準確性.在0.01的顯著性水平下,當-2.58<()<2.58時,說明分析要素的空間自相關(guān)性不顯著,即臭氧濃度呈現(xiàn)獨立隨機分布規(guī)律.當()<-2.58時,說明臭氧濃度在空間分布上具有負相關(guān)關(guān)系,且其屬性呈現(xiàn)分散分布,包括“高-低”關(guān)聯(lián)和“低-高”關(guān)聯(lián).當()>2.58時,說明臭氧濃度在空間上具有正相關(guān)關(guān)系,即高值和高值集聚,低值和低值集聚,形成明顯的冷熱點分區(qū).由表2和表3中2019年中國城市群臭氧濃度空間自相關(guān)指數(shù)計算結(jié)果可知,Moran’s指數(shù)均為正值且()全部大于2.58,通過了1%的顯著性水平檢驗,表明2019年全年、四季以及十二個月中國城市群城市臭氧濃度空間分布具有空間自相關(guān)特性.城市群以單個城市為基本單位,除不同城市群之間特征不同之外,同一城市群內(nèi)部不同城市的自然和人為條件同樣存在差別,而這些差別共同造成了城市群的空氣質(zhì)量變化.因此,對城市群內(nèi)各城市進行聚類和異常值分析,尋找臭氧濃度集聚冷、熱點區(qū)域以及空間異常值區(qū)域,以便進一步理解不同城市群臭氧污染機制,更好地制定針對性治理防控政策.

2.2.2 臭氧濃度空間集聚特征分析 與臭氧空間分布特征相對應(yīng),2019年中國城市群臭氧濃度分布熱點區(qū)域主要由京津冀、晉中、中原和山東半島城市群即北部高值中心組成.另長三角城市群的泰州和鎮(zhèn)江以及珠三角城市群的珠海和中山市也同樣表現(xiàn)為濃度高值集聚區(qū)(圖7).在這些區(qū)域中山東半島城市群熱點區(qū)域主要集中在魯西地區(qū),而經(jīng)濟較為發(fā)達的煙臺、威海、青島等市污染集聚特征反而不甚明顯.近年來隨著市場化改革的不斷深入,山東半島城鎮(zhèn)化與工業(yè)化水平不斷提高,但城市群內(nèi)部城市間發(fā)展不平衡,競爭激烈,跨區(qū)域環(huán)境污染問題嚴重,其臭氧污染問題復(fù)雜性可見一斑[31].中原城市群熱點區(qū)域則主要分布在北部經(jīng)濟較為發(fā)達地區(qū),只有城市群南部部分城市表現(xiàn)為無明顯特征區(qū)域.城市群年評價值冷點區(qū)域分布較為分散,主要集中在天山北坡、哈長、海峽西岸和黔中城市群,以及北部灣城市群西部、蘭西、成渝和滇中城市群的部分城市.此外成渝城市群的重慶市和長三角城市群的宣城市分別表現(xiàn)為低值包含高值異常和高值包含低值異常.宣城周圍城市均為無明顯特征區(qū)域,該市臭氧濃度出現(xiàn)明顯低值,全年處于臭氧安全狀態(tài).成渝城市群是西部經(jīng)濟最發(fā)達的地區(qū),也是五個國家級城市群中唯一位于西部的城市群,重慶市作為拉動其經(jīng)濟發(fā)展的重要城市之一,在發(fā)展經(jīng)濟的同時汽車尾氣和工業(yè)廢氣不斷排放,加之山谷風和城市熱島效應(yīng)的影響[32],氣象條件和人為前體物排放的共同作用使重慶市的臭氧濃度整體高于周圍城市.

圖7 2019年中國城市群臭氧濃度空間集聚特征

隨著時間的變化臭氧濃度在城市群的空間分布特征不同,其四季和月份的濃度值高低集聚區(qū)域也隨之發(fā)生變化(圖8、9).除冬季12月、1月和2月臭氧濃度處于絕對低值不予討論之外,其余季節(jié)和月份的臭氧濃度空間集聚特征各不相同,不同季節(jié)差異較大,同一季節(jié)不同月份也有所差別.春夏兩季高值集聚區(qū)主體仍然由北部高值中心組成,春季滇中城市群南部、長三角城市群少數(shù)城市也表現(xiàn)為濃度高值中心,而到了夏季高值區(qū)主體面積增大,相較于春季分布更為集中.春季低值集聚區(qū)域主要分布在我國南部城市群,包括黔中城市群和北部灣城市群,珠三角、海峽西岸以及長江中游城市群南部的部分城市.夏季冷點區(qū)域向東南沿海方向移動,面積有所增大,哈長城市群的部分城市臭氧濃度降低表現(xiàn)為低值集聚區(qū),同時滇中城市群季均值濃度降低明顯,由原來的高值集聚區(qū)轉(zhuǎn)變?yōu)榈椭导蹍^(qū).秋季臭氧濃度空間集聚特征與春夏兩季完全相反,熱點區(qū)域分布在我國南部城市群,包括長江中游城市群南部、珠三角城市群以及海峽西岸和北部灣城市群的部分城市,與上文所提到的南部高值中心分布區(qū)域相對應(yīng).而冷點區(qū)域則主要集中在我國西部和東北地區(qū)的城市群,主要有天山北坡、關(guān)中、成渝和黔中城市群,滇中和呼包鄂榆城市群部分城市,以及哈長城市群和遼中南城市群的大部分城市,此時低值集聚區(qū)域面積達到一年之中最大值.

圖8 2019年中國城市群季度臭氧濃度空間集聚特征

3～8月臭氧濃度高值集聚區(qū)的變化可大致分為初步形成、趨于穩(wěn)定、變化轉(zhuǎn)移三個階段,相應(yīng)的低值集聚區(qū)分布變化也可據(jù)此劃分為三個時段.3月和4月為高低值集聚區(qū)的初步形成階段,3月份高值區(qū)主要分布在我國北部山東半島和中原城市群以及西部滇中和蘭西城市群,此時京津冀和晉中城市群只有部分城市出現(xiàn)濃度高值,同時長三角城市群的南通市也表現(xiàn)為濃度高值區(qū).到了4月北部熱點區(qū)域面積略微縮小,西部城市群迎來濃度峰值,呼包鄂榆、寧夏沿黃、蘭西和成渝城市群的大部分城市以及整個滇中城市群均表現(xiàn)為臭氧濃度高值集聚區(qū).此時冷點區(qū)域主要集中在南部北部灣、珠三角、海峽西岸和長江中游城市群南部的部分城市.5～7月高值集聚區(qū)穩(wěn)定位于我國北部臭氧濃度高值中心,5月份長三角城市群部分城市同樣表現(xiàn)為熱點區(qū)域,6月面積減小向中心收縮,7月則轉(zhuǎn)化為無特征區(qū)域,同時呼包鄂榆城市群的鄂爾多斯市在7月迎來臭氧濃度第二峰值,表現(xiàn)為高值集聚區(qū).在此階段臭氧濃度低值集聚區(qū)即冷點區(qū)域主要位于我國南部海峽西岸、珠三角和北部灣城市群,另在長三角和長江中游城市群南部,成渝、滇中和黔中城市群部分城市也有分布.8月份熱點區(qū)域出現(xiàn)向南部轉(zhuǎn)移趨勢,主要集中在京津冀城市群南部、中原城市群和長江中游城市群,而之前一直為濃度低值區(qū)的成渝城市群的重慶市在8月達到濃度峰值,轉(zhuǎn)變?yōu)槌粞鯘舛雀咧导蹍^(qū).冷點區(qū)域除東南沿海地區(qū)的海峽西岸和北部灣城市群之外,東北地區(qū)的哈長和遼中南城市群也表現(xiàn)為低值集聚區(qū).秋季9月份濃度高值集聚區(qū)面積增大并持續(xù)向南轉(zhuǎn)移,熱點區(qū)域逐步蔓延至珠三角城市群.此時冷點區(qū)域分布在我國西部成渝、滇中、黔中和天山北坡城市群以及東北哈長和遼中南城市群.10月和11月高值集聚區(qū)穩(wěn)定在我國東南沿海珠三角、北部灣和海峽西岸城市群以及長三角和長江中游城市群南部的部分城市,低值集聚區(qū)則分散在西部天山北坡、成渝、滇中和關(guān)中城市群,京津冀和呼包鄂榆城市群部分城市以及東北地區(qū)的哈長和遼中南城市群.

2019年整體臭氧污染主要集中在我國北部地區(qū),形成了一個以京津冀、晉中、山東半島和中原城市群為主體的北部高值中心,南部地區(qū)以珠江三角洲城市群為中心的污染區(qū)域僅在秋季發(fā)生輕微污染.城市群等級劃分主要從人口、經(jīng)濟等人文因素角度出發(fā),而臭氧污染不僅受到人為污染源排放的影響,對氣象、地形等自然因素的變化也十分敏感,因此若以臭氧濃度高低對城市群等級進行劃分則必然與現(xiàn)有結(jié)果差異較大.同時也說明在制定相應(yīng)臭氧污染防治措施時應(yīng)考慮到實際污染分布情況,不能簡單地以現(xiàn)有劃分結(jié)果為依據(jù)進行管理.城市群地理位置不同,其溫度、濕度等自然條件也各不相同,此外,不同城市群處于NO敏感區(qū)或VOCs敏感區(qū)不定,再加上臭氧污染的跨區(qū)域傳輸、城市群內(nèi)部各城市之間的相互影響等因素,使得各城市群污染成因更為復(fù)雜,有待開展進一步研究.之后應(yīng)進行多方面試驗,尋找挖掘城市群臭氧污染成因的最適合方法,進一步深入對污染現(xiàn)象進行探究.

圖9 2019年中國城市群月度臭氧濃度空間集聚特征

3 結(jié)論

3.1 2019年中國19個城市群臭氧濃度年際特征按照年評價值散布范圍和分布形態(tài)可大致劃分為高值危險型、中值預(yù)警型和低值安全型三種類型,城市群污染特征各不相同,需根據(jù)具體特征制定相關(guān)針對性政策方能行之有效.

3.2 臭氧污染高發(fā)期主要集中在夏季6、7月份,春末秋初次之,冬季則基本沒有污染事件的發(fā)生.將城市群臭氧日均濃度值依次劃分為五個等級, 100mg/m3以上的臭氧濃度占比變化趨勢大致表現(xiàn)為不規(guī)則的“V”和“W”兩大類,即城市群臭氧濃度月變化有“單峰”和“雙峰”兩種情況.

3.3 對城市監(jiān)測站點數(shù)據(jù)進行插值并結(jié)合各城市臭氧濃度每日污染達標情況分析臭氧在城市群的空間分布特征.2019年我國19個城市群可明顯提取出南北兩個濃度分布高值中心.北部高值中心主體由京津冀、晉中、山東半島和中原城市群組成,春季初現(xiàn)端倪,夏季完全形成.南部高值中心出現(xiàn)在秋季,以珠三角城市群為主體,與北部高值中心相比面積較小且污染程度較輕.

3.4 空氣污染在空間上表現(xiàn)為連續(xù)現(xiàn)象, 3-8月臭氧濃度高值集聚區(qū)即熱點區(qū)域基本與北部高值中心重合,冷點區(qū)域則主要分布在我國南部海峽西岸、珠三角和北部灣城市群.8月份出現(xiàn)向南部轉(zhuǎn)移趨勢,9月份濃度高值集聚區(qū)面積增大并持續(xù)向南轉(zhuǎn)移,熱點區(qū)域逐步蔓延至珠三角城市群,之后穩(wěn)定集中在我國東南沿海以及長三角和長江中游城市群南部的部分城市,與南部高值中心重合.

[1] 曾賢剛,阮芳芳,姜藝婧.中國臭氧污染的空間分布和健康效應(yīng)[J]. 中國環(huán)境科學, 2019,39(9):4025-4032.

Zeng X G, Ruan F F, Jiang Y J, et al. Spatial distribution and health effects of ozone pollution in China [J]. China Environmental Science, 2019,39(9):4025-4032.

[2] Shang Y, Sun Z, Cao J, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality [J]. Environment International, 2013,54(4):100-111.

[3] 生態(tài)環(huán)境部.2019中國環(huán)境狀態(tài)公報[EB/OL]. http://www.mee. gov.cn/hjzl/sthjzk/zghjzkgb/,2020.

Ministry of Ecology and Environment of the People’s Republic of China. State of the Environment Bulletin of China 2019 [EB/OL]. http://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/,2020.

[4] Sun J, Shen Z X, Wang R, et al. A comprehensive study on ozone pollution in a megacity in North China Plain during summertime: Observations, source attributions and ozone sensitivity [J]. Environment International, 2020,146:106279.

[5] Zheng Y, Jiang F, Feng S, et al. Long-range transport of ozone across the eastern China seas: A case study in coastal cities in southeastern China [J]. Science of The Total Environment, 2021,768:144520.

[6] Chen Z, Yan, et al. Understanding long-term variations of meteorological influences on ground ozone concentrations in Beijing During 2006～2016 [J]. Environmental Pollution, 2018.

[7] Chen Z, Li R, Chen D, et al. Understanding the causal influence of major meteorological factors on ground ozone concentrations across China [J]. Journal of Cleaner Production, 2019,242:118498.

[8] Liu P, Song H, Wang T, et al. Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities [J]. Environmental Pollution, 2020,262.

[9] Lu X, Zhang L, Chen Y, et al. Exploring 2016～2017 surface ozone pollution over China: source contributions and meteorological influences [J]. Atmospheric Chemistry and Physics, 2019,19(12): 8339-8361.

[10] Jiang Z, Li J, Lu X, et al. Impact of western pacific subtropical high on ozone pollution over Eastern China [J]. Atmospheric Chemistry and Physics, 2020.

[11] Ke, Li, Daniel, et al. Anthropogenic drivers of 2013～2017 trends in summer surface ozone in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2018.

[12] Xu W Y, Zhao C S, Ran L, et al. Characteristics of pollutants and their correlation to meteorological conditions at a suburban site in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(9): 4353-4369.

[13] 程麟鈞,王 帥,宮正宇,等.中國臭氧濃度的時空變化特征及分區(qū)[J]. 中國環(huán)境科學, 2017,37(11):4003-4012.

Cheng L J, Wang S, Gong Z Y, et al. Spatial and seasonal variation and regionalization of ozone concentrations in China [J]. China Environmental Science, 2017,37(11):4003-4012.

[14] 彭 超,廖一蘭,張寧旭.中國城市群臭氧污染時空分布研究[J]. 地球信息科學學報, 2018,20(1):57-67.

Peng C, Liao Y L, Zhang N X. Temporal and spatial distribution of Ozone pollution in Chinese urban agglomerations [J]. Journal of Geo-information Science, 2018,20(1):57-67.

[15] 郭一鳴,藺雪芹,邊 宇.中國城市群空氣質(zhì)量時空演化特征及其影響因素[J]. 生態(tài)經(jīng)濟, 2019,35(11):167-175.

Guo Y M, Lin X Q, Bian Y. The spatial-temporal characteristics and influencing factors of air quality in China’s urban agglomerations [J]. Ecological Economy, 2019,35(11):167-175.

[16] 閆 慧,張 維,侯 墨,等.我國地級及以上城市臭氧污染來源及控制區(qū)劃分[J]. 環(huán)境科學, 2020,41(12):5215-5224.DOI:10.13227/ j.hjkx. 202005094.

Yan H, Zhang W, Hou M, et al. Sources and Control Area Division of Ozone Pollution in Cities at Prefecture Level and Above in China [J]. Environmental Science, 2020,41(12): 5215-5224. DOI: 10.13227/j.hjkx. 202005094.

[17] Cheng N, Chen Z, Sun F, et al. Ground ozone concentrations over Beijing from 2004 to 2015: Variation patterns, indicative precursors and effects of emission-reduction [J]. Environmental Pollution, 2018, 237:262-274.

[18] Xu J, Huang X, Wang N, et al. Understanding ozone pollution in the Yangtze River Delta of eastern China from the perspective of diurnal cycles [J]. Science of The Total Environment, 2020,752:141928.

[19] 余益軍,孟曉艷,王振,周崴,于紅霞.京津冀地區(qū)城市臭氧污染趨勢及原因探討 [J]. 環(huán)境科學, 2020,41(1):106-114.DOI:10.13227/j.hjkx. 201905222.

Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant Increase in Surface Ozone in the Beijing-Tianjin-Hebei Region, China, During 2013～2018 [J]. Environmental Science, 2020,41(01):106-114. DOI:10.13227/j.hjkx.201905222.

[20] 張?zhí)煸?沈楠馳,趙雪,王欣玉,趙文吉.2015—2019年成渝城市群臭氧濃度時空變化特征及人口暴露風險評價 [J]. 環(huán)境科學學報, 2021,41(10):4188-4199.DOI:10.13671/j.hjkxxb.2021.0053.

Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019 [J]. Acta Scientiae Circumstantiae, 2021,41(10):4188-4199.DOI:10. 13671/j.hjkxxb.2021.0053.

[21] 莊立躍,陳瑜萍,范麗雅,等.基于OMI衛(wèi)星數(shù)據(jù)和MODIS土地覆蓋類型數(shù)據(jù)研究珠江三角洲臭氧敏感性[J]. 環(huán)境科學學報, 2019, 39(11):3581-3592.

Zhuang L Y, Chen Y P, Fan L Y, et al. Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products [J]. Acta Scientiae Circumstantiae, 2019,39(11):3581-3592.

[22] 宋佳穎,劉旻霞,孫瑞弟,等.基于OMI數(shù)據(jù)的東南沿海大氣臭氧濃度時空分布特征研究[J]. 環(huán)境科學學報, 2020,40(2):438-449.

Song J Y, Liu M X, Sun R D, et al. Temporal and spatial distribution characteristics of atmospheric ozone concentration in Southeast Coast based on OMI data [J]. Acta Scientiae Circumstantiae, 2020,40(2): 438-449.

[23] Shen L, Jacob D J, Liu X, et al. An evaluation of the ability of the Ozone Monitoring Instrument (OMI) to observe boundary layer ozone pollution across China: Application to 2005～2017 ozone trends [J]. Atmospheric Chemistry and Physics, 2019,19(9):6551-6560.

[24] 解淑艷,霍曉芹,曾凡剛,等.2015～2019年汾渭平原臭氧污染狀況分析[J]. 中國環(huán)境監(jiān)測, 2021,37(1):49-57.

Xie S Y, Huo X Q Zeng F G, et al. Analysis of ozone pollution in Fenwei Plain from 2015 to 2019 [J]. Environmental Monitoring in China, 2021,37(1):49-57.

[25] 姚詩音,魏 巍,沈澤亞,等.我國典型鋼鐵工業(yè)城市夏季臭氧污染來源解析研究[J]. 中國環(huán)境科學, 2021,41(1):37-48.

Yao S Y, Wei W, Shen Z Y, et al. Source apportionment of ozone pollution in the typical steel industry city of China in summer [J]. China Environmental Science, 2021,41(1):37-48.

[26] 方創(chuàng)琳.中國城市群研究取得的重要進展與未來發(fā)展方向[J]. 地理學報, 2014,69(8):1130-1144.

Fang C L. Progress and the future direction of research into urban agglomeration in China [J]. Acta Geographica Sinica,2014,69(8): 1130-1144.

[27] 鄭艷婷.中國城市群的空間模式——分散性區(qū)域集聚的理論背景、形成機理及最新進展[J]. 地理科學進展, 2020,39(2):339-352.

Zheng Y T. Spatial pattern of China’s urban agglomerations: Theoretical background, formation mechanisms, and latest progress of research of dispersed regional concentration [J]. Progress in Geography, 2020,39(2):339-352.

[28] 王 婧,方創(chuàng)琳.中國城市群發(fā)育的新型驅(qū)動力研究[J]. 地理研究, 2011,30(2):335-347.

Wang J, Fang C L. New-type driving forces of urban agglomerations development in China [J]. Geographical Research, 2011,30(2):335- 347.

[29] GB 3095–2012 環(huán)境空氣質(zhì)量標準 [S].

GB 3095–2012 Ambient air quality standards [S].

[30] HJ633-2012 環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行) [S].

HJ633-2012 Technical Regulations on Ambient Air Quality Index (AQI) [S].

[31] 唐承輝,馬學廣.山東半島城市群協(xié)調(diào)發(fā)展評價與合作策略研究[J]. 地理與地理信息科學, 2020,36(6):119-126,133.

Tang C H, Ma X G. Study on the evaluation of coordinated development and cooperation strategy of Shandong peninsula urban agglomeration [J]. Geography and geo-information science, 2020, 36(6):119-126,133.

[32] 楊溟鋆,王詠薇,張 丹,等.重慶臭氧時空分布特征及其污染成因的初步分析[J]. 環(huán)境科學學報, 2021,41(12):5026-5037.DOI:10. 13671/j.hjkxxb.2021.0390.

Yang M J, Wang Y W, Zhang D, et al. A preliminary analysis of the characteristics of ozone and the cause of its pollution in Chongqing [J]. Acta Scientiae Circumstantiae, 2021,41(12):5026-5037.

Spatial and temporal distribution characteristics of ozone in Urban agglomerations in China.

LIN Wen-peng*, GUO Xin-tong

(School of Environmental and Geographical Sciences, Shanghai Normal University, Shanghai 200234, China)., 2022,42(6)：2481～2494

In order to reveal the temporal and spatial distribution law of ozone in major urban agglomerations, the concentration data of 1215 stations in 243 cities of 2019, released by air quality monitoring website were used. The results showed that ozone pollution mainly occurred in June and July in summer, followed by late spring and early autumn, and almost no ozone pollution occurred in winter. The variation trend of ozone concentration with increases above 100μg/m3in urban agglomerations roughly presented two categories of irregular "V" and "W". In 2019, two high-value concentration centers could be obviously extracted, which appeared in summer and autumn respectively. Further, the high-value concentration center in summer could be divided into two levels according to the severity of pollution. The concentration distribution of ozone in urban agglomeration showed autocorrelation characteristics: the hot spot area overlaping with the high value center in the north in summer, and being consistent with the high value center in the south in autumn, simultaneously, the area of the cold spot area reaching its maximum. Due to the complexity of the causes of ozone pollution, it is inappropriate to classify ozone pollution solely according to the existing circumstances of urban agglomerations classification. Formulating corresponding pollution prevention and control measures for different urban agglomerations according to the actual distribution is the key point.

ozone；urban agglomeration；the space-time characteristics；spatial autocorrelation

X511

A

1000-6923(2022)06-2481-14

林文鵬(1973-),男,福建漳州人,上海師范大學教授、博士生導師,博士,主要研究方向城市生態(tài)和環(huán)境遙感.發(fā)表論文18余篇.

2021-11-03

國家自然科學基金資助項目(41730642,41571047)

* 責任作者, 教授, linwenpeng@shnu.edu.cn