粵港澳大灣區(qū)秋冬季節(jié)PM2.5濃度時(shí)空模擬分析

李天翔, 蔣 超, 龔建周*

(1.廣州蘢騰園林景觀設(shè)計(jì)有限公司, 廣東 廣州 510520; 2.廣州大學(xué) 地理科學(xué)與遙感學(xué)院, 廣東 廣州 510006)

伴隨國(guó)家層面賦予了大灣區(qū)新的發(fā)展內(nèi)涵，大灣區(qū)正成為我國(guó)現(xiàn)代區(qū)域發(fā)展新的增長(zhǎng)極，但也需關(guān)注增長(zhǎng)給大灣區(qū)生態(tài)環(huán)境安全帶來的壓力[1-2]。廣東省政府聯(lián)合港、澳特區(qū)政府于2014年建立了我國(guó)首個(gè)區(qū)域空氣監(jiān)測(cè)網(wǎng)絡(luò)——粵港澳珠江三角洲區(qū)域空氣監(jiān)測(cè)網(wǎng)絡(luò)，網(wǎng)絡(luò)監(jiān)測(cè)數(shù)據(jù)顯示：①2015年P(guān)M2.5年均濃度值超過了國(guó)家《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)規(guī)定的二級(jí)質(zhì)量濃度限值35 μg·m-3;②2016-2018年連續(xù)3年的年均濃度均未超過二級(jí)質(zhì)量濃度限值[3-5];③2020年各子站相關(guān)達(dá)標(biāo)率在98.6%及以上，大灣區(qū)空氣質(zhì)量正逐年改善(資料來源于廣東省生態(tài)環(huán)境廳,網(wǎng)址為http://gdee.gd.gov.cn/kqjc/content/post_2725979.html)。

PM2.5能直接進(jìn)入呼吸道深部和肺泡，危害人體健康。同時(shí)，由于PM2.5對(duì)可見光具有消光作用，使能見度降低，導(dǎo)致城市環(huán)境健康水平下降。隨著城市高質(zhì)量發(fā)展和空氣污染治理進(jìn)入精細(xì)化階段，通過協(xié)調(diào)大灣區(qū)的規(guī)劃與管理降低超標(biāo)期PM2.5濃度將是下一階段空氣質(zhì)量全面達(dá)標(biāo)的重點(diǎn)內(nèi)容，因此，需要加強(qiáng)針對(duì)空氣污染超標(biāo)期、典型區(qū)的相關(guān)研究。在濃度監(jiān)測(cè)方面，因氣溶膠與PM2.5有相近的物理機(jī)制，衛(wèi)星遙感亦可大空間、多時(shí)相監(jiān)測(cè)氣溶膠[6-8]，因此，衛(wèi)星遙感監(jiān)測(cè)氣溶膠間接估測(cè)PM2.5濃度被廣泛應(yīng)用在大氣環(huán)境研究中[9]，相較于地表覆被、人類活動(dòng)等要素[10-11]，溫度[12]、濕度[13-14]和大氣壓[15]等氣象條件對(duì)單一城市尺度或城市群的PM2.5濃度影響更加顯著[16-17]。

2015年P(guān)M2.5年均濃度值超過了《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)規(guī)定的二級(jí)質(zhì)量濃度限值，若對(duì)全年的逐日濃度進(jìn)行數(shù)據(jù)分析，可獲取2015年逐日濃度超標(biāo)發(fā)生的日期，即可作為本次研究的超標(biāo)期。在此基礎(chǔ)上，本文將利用2015年超標(biāo)期的氣溶膠光學(xué)厚度與氣象要素?cái)?shù)據(jù)構(gòu)建多元回歸模型，采用逐步回歸模擬2015年日均濃度超標(biāo)時(shí)的PM2.5濃度空間特征。此外，濃度序列數(shù)據(jù)可識(shí)別濃度演變趨勢(shì)，對(duì)精準(zhǔn)防控具有重要意義，序列數(shù)據(jù)已揭示研究區(qū)秋冬月份為PM2.5濃度管控的重點(diǎn)時(shí)段[4]。在各類序列數(shù)據(jù)模擬方法中，ARIMA模型(AutoRegressive Integrated Moving Average model)能根據(jù)時(shí)序數(shù)據(jù)變量的自身特征構(gòu)建模型以實(shí)現(xiàn)短期模擬，具有精度高、易操作的優(yōu)勢(shì)[18]。彭斯俊等[19]、牟敬鋒等[20]運(yùn)用ARIMA模型分別對(duì)PM2.5濃度和空氣質(zhì)量指數(shù)(AQI)進(jìn)行分時(shí)段的短期預(yù)測(cè)，發(fā)現(xiàn)其預(yù)測(cè)模擬的結(jié)果均優(yōu)于灰色GM(1,1)模型和全年時(shí)間序列模型。對(duì)大灣區(qū)PM2.5濃度季節(jié)變化規(guī)律的研究表明，冬季和秋季是濃度最高的重點(diǎn)時(shí)段[21-22]，本文將利用2019年以來秋冬季節(jié)的濃度序列數(shù)據(jù)，通過構(gòu)建ARIMA模型模擬2021年11～12月的濃度狀況，進(jìn)而分析2019-2021年重點(diǎn)時(shí)段的濃度值演變、同期數(shù)值增減情況。從綜上兩方面識(shí)別超標(biāo)期下大灣區(qū)PM2.5濃度的時(shí)空演變，為粵港澳聯(lián)防、聯(lián)控區(qū)域大氣污染研究提供參考資料。

1 研究區(qū)域

粵港澳大灣區(qū)(111°21′～114°53′E，21°27′～24°24′N)大部分位于北回歸線以南，屬熱帶、亞熱帶氣候，年均溫在21 ℃～23 ℃，年平均降水量在1 300～2 500 mm，全年溫暖濕潤(rùn)[23]。灣區(qū)城市群由廣東省9市及2個(gè)特別行政區(qū)組成，總面積5.6萬km2(圖1)。截止2020年底，大灣區(qū)共有人口約7 000萬，區(qū)域經(jīng)濟(jì)總量達(dá)1.4萬億美元，是我國(guó)最具經(jīng)濟(jì)活力、創(chuàng)新氛圍最濃、人口素質(zhì)較高的地區(qū)之一。

圖1 研究區(qū)區(qū)位示意圖

2 數(shù)據(jù)及方法

2.1 數(shù)據(jù)及預(yù)處理

本文使用的數(shù)據(jù)包括PM2.5逐時(shí)濃度數(shù)據(jù)集、MODIS AOD和氣象數(shù)據(jù)。

(1)PM2.5逐時(shí)濃度數(shù)據(jù)集來源于中國(guó)環(huán)境監(jiān)測(cè)總站空氣質(zhì)量監(jiān)測(cè)發(fā)布平臺(tái)，該數(shù)據(jù)涵蓋了粵港澳區(qū)域空氣監(jiān)測(cè)網(wǎng)絡(luò)56個(gè)子站的常規(guī)空氣質(zhì)量監(jiān)測(cè)指標(biāo)。本研究所用為2015年以來56個(gè)子站的PM2.5逐時(shí)濃度數(shù)據(jù)，并于建模前采用濕度訂正的方法進(jìn)行PM2.5濕度訂正以提高模擬精度。濕度訂正的公式如下所示[24]：

(1)

(2)MODIS AOD是空氣污染研究中最為常用的AOD產(chǎn)品數(shù)據(jù)之一，在全球、區(qū)域大氣污染的宏觀分布方面具有很大潛力[14]。本研究所使用的MODIS數(shù)據(jù)L1B產(chǎn)品可從NASA官方遙感影像數(shù)據(jù)下載(https://ladsweb.modaps.eosdis.nasa.gov/search/)，并利用AERONET(AErosol RObotic NETwork)提供的監(jiān)測(cè)數(shù)據(jù)作為真實(shí)值，檢驗(yàn)AOD反演數(shù)據(jù)的精度[24]。

(3)PM2.5濃度相關(guān)的氣象要素[7]，包括各站點(diǎn)氣壓(P)、氣溫(T)、相對(duì)濕度(U)、風(fēng)向風(fēng)速(W)，以上要素通過克里金插值以生產(chǎn)與反演AOD數(shù)據(jù)空間分辨率一致的柵格數(shù)據(jù)集。氣象數(shù)據(jù)由中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供(http://www.resdc.cn/Default.aspx)。

2.2 研究方法

2.2.1 AOD數(shù)據(jù)反演

我國(guó)華南區(qū)域四季植被覆蓋度較高，適用“暗像元算法”反演氣溶膠光學(xué)厚度數(shù)據(jù)[17]，本文利用MODIS L1B數(shù)據(jù)反演大灣區(qū)氣溶膠光學(xué)厚度，包括輻射校正、幾何糾正、重采樣、角度數(shù)據(jù)的幾何校正、去云處理和氣溶膠光學(xué)厚度反演等流程，采用絕對(duì)百分比對(duì)反演AOD數(shù)據(jù)進(jìn)行誤差檢驗(yàn)[25]。

2.2.2 多元逐步回歸

逐步回歸的思路：將自變量逐個(gè)引入方程，每添加一個(gè)變量后，對(duì)已選入的原變量進(jìn)行顯著性檢驗(yàn)，若已引入變量因新引入變量而對(duì)被解釋變量的影響不再顯著時(shí)，將剔除已引入變量。在方程中引入新變量或剔除不顯著變量被稱為逐步回歸的一個(gè)步驟。對(duì)逐步回歸的每一個(gè)步驟反復(fù)進(jìn)行F檢驗(yàn)，確保顯著變量被引入，不顯著變量被刪除。

相較于其他多元線性回歸分析，逐步回歸分析優(yōu)勢(shì)表現(xiàn)為在多元線性回歸的基礎(chǔ)上，模型逐步引入、剔除變量，從而建立最優(yōu)的回歸模型，避免模型中變量的多重共線性，變量量綱不同也會(huì)影響分析結(jié)果，本研究使用歸一法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除數(shù)據(jù)量綱[26]。

2.2.3 基于ARIMA(AutoRegressive Integrated Moving Average)時(shí)序模擬模型

ARIMA模型是基于Box-Jenkins模型提出的一種針對(duì)時(shí)間序列的模擬模型，由自回歸模型(AR模型)和移動(dòng)平均模型(MA模型)構(gòu)成，即ARIMA(p,d,q)模型[27]。ARIMA模型的建模步驟如下：①序列平穩(wěn)性檢驗(yàn)；②根據(jù)自相關(guān)和偏相關(guān)圖對(duì)模型進(jìn)行定階，確定p,q值；③在保證SIC與AC最小的原則下，選擇最佳的p,q值。在此基礎(chǔ)上對(duì)所建模型進(jìn)行白噪音檢驗(yàn)，利用所建模型檢驗(yàn)其對(duì)原序列的擬合效果，最后利用模型ARIMA(p,d,q)進(jìn)行未來短期時(shí)間尺度模擬，并用雷達(dá)圖分析2019-2021年濃度高值月份下PM2.5濃度時(shí)序特征。

3 結(jié)果與分析

3.1 超標(biāo)期確定與AOD反演

表1顯示了2015年內(nèi)大灣區(qū)PM2.5日濃度超標(biāo)詳情，濃度最大值出現(xiàn)在2月11日，最大濃度為107.48 μg·m-3，超標(biāo)出現(xiàn)月份為1月、2月與12月。由于每月出現(xiàn)超標(biāo)的時(shí)間相對(duì)集中，將超標(biāo)時(shí)間進(jìn)行合并，然后下載超標(biāo)時(shí)間內(nèi)的遙感影像(T1、T2、T3)，利用絕對(duì)百分比誤差檢驗(yàn)本研究反演AOD數(shù)據(jù)，誤差通過檢驗(yàn)，可開展下一步研究。

表1 研究區(qū)PM2.5污染超標(biāo)詳情及AOD反演誤差檢驗(yàn)

3.2 2015年P(guān)M2.5濃度超標(biāo)時(shí)的空間模擬

利用ArcGIS的數(shù)據(jù)提取工具在各變量圖層分別提取建模所需變量數(shù)據(jù)，構(gòu)建多元逐步回歸模型，模型匯總見表2。逐步回歸分析逐次引入變量(大氣壓)X2，(AOD)X1，(風(fēng)速)X5，(相對(duì)濕度)X3，隨著模型中變量數(shù)量的增加，調(diào)整后R2逐漸增加，模型中變量X2，X1，X5，X3能共同解釋因變量變異的68.2%。

表2 模型匯總統(tǒng)計(jì)表

依據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)，將濃度低于35 μg·m-3(優(yōu))定義為第一級(jí)；鑒于污染等級(jí)為“良”的范圍較大，為進(jìn)一步細(xì)化濃度值結(jié)構(gòu)特征，將濃度介于(35～75]細(xì)分為4級(jí)，步長(zhǎng)為10，各濃度區(qū)間依次為(35～45]、(45～55]、(55～65]和(65～75]，濃度等級(jí)依次記為：良(1)、良(2)、良(3)和良(4)；將濃度高于75～115 μg·m-3(輕度污染)定義為第6級(jí)，以上共包括6個(gè)濃度等級(jí)。2015年超標(biāo)期內(nèi)PM2.5的濃度狀況模擬結(jié)果見圖2。

圖2 超標(biāo)期內(nèi)PM2.5濃度值空間模擬結(jié)果/(μg·m-3)

由圖2可知，濃度出現(xiàn)超標(biāo)時(shí)，模擬結(jié)果顯示區(qū)域的極小值為40.23 μg·m-3，極大值為107.75 μg·m-3，3次的極差分別為52.15 μg·m-3、62.74 μg·m-3和52.14 μg·m-3，超標(biāo)情況下，全域濃度值差異較大，大部分介于50～60 μg·m-3之間；3次濃度超標(biāo)中，濃度極大值與極差最大均發(fā)生在T2。濃度超標(biāo)時(shí)，空間上整體呈現(xiàn)“中心-外圍”濃度值遞減的特征，廣佛交界，中山以北為高濃度典型中心，此外，東莞等靠近該中心的區(qū)域會(huì)形成次級(jí)高值區(qū)；結(jié)合各濃度等級(jí)范圍占全域面積比例(表3)，可知當(dāng)中心濃度值顯著超標(biāo)發(fā)生時(shí)(超標(biāo)期T2)，濃度等級(jí)在良(4)及以上約占了全域3/4的范圍，此類情況下，次級(jí)高值區(qū)將會(huì)向外擴(kuò)散至更廣范圍(圖2(b))。

表3 各濃度等級(jí)占全域面積比例

3.3 時(shí)序濃度模擬結(jié)果

以廣州市建模過程為例，具體說明建模過程，濃度時(shí)序數(shù)據(jù)一階差分后序列的自相關(guān)圖(ACF)和偏自相關(guān)圖(PACF)見圖3。據(jù)圖可知序列基本位于置信區(qū)間，說明序列是平穩(wěn)的。由圖判斷自相關(guān)函數(shù)在K=8截尾，偏相關(guān)函數(shù)在K=3截尾，則p、q值分別為3和8。

圖3 一階差分后自相關(guān)、偏自相關(guān)函數(shù)

根據(jù)p、q值初步建立的模型，模型ARIMA(3,1,8)的模型擬合與模擬圖見圖4，ARIMA(3,1,8)R2為0.41，利用2021年10月觀測(cè)值進(jìn)行模擬精度檢驗(yàn)，10月觀測(cè)值為24.22 μg·m-3，模擬值為21.47 μg·m-3，相對(duì)誤差為0.11，精度檢驗(yàn)滿足模擬要求，說明ARIMA的短期模擬精度較高。模擬結(jié)果顯示，2021年11月和12月濃度值分別為25.88 μg·m-3和26.36 μg·m-3。

圖4 2019-2021年濃度高值月份濃度值擬合與模擬結(jié)果

繪制雷達(dá)圖來分析2019-2021年濃度高值易發(fā)月份的濃度值時(shí)序的演變與同期數(shù)值增減規(guī)律見圖5。根據(jù)圖5的結(jié)果，各子區(qū)域顯示1～2月的濃度值在全年較高，且1月濃度值明顯高于2月份濃度值，但進(jìn)入10月以后，相較于上一年同期，各市濃度值均呈現(xiàn)遞減的態(tài)勢(shì)。

圖5 粵港澳各市及特區(qū)2019-2021年濃度高值月份月均濃度狀況/(μg·m-3)

以廣州市為例具體分析，2019年1月和2021年1月濃度值分別為48.30 μg·m-3和46.58 μg·m-3，2020年1月濃度值為 34.20 μg·m-3，增減趨勢(shì)不穩(wěn)定，2月份濃度值變化幅度較小。 進(jìn)入10月份，2019年濃度值為40.51 μg·m-3，而2020年與2021年濃度值已降至21.86 μg·m-3和24.22 μg·m-3，變化幅度較大，據(jù)觀測(cè)數(shù)據(jù)，2020年11～12月濃度，相較2019年同期，呈現(xiàn)遞減的變化，變化幅度在5～10 μg·m-3之間，而根據(jù)模擬數(shù)據(jù)，2021年11～12月的濃度將繼續(xù)延續(xù)這一規(guī)律，濃度值繼續(xù)減小。

東莞、深圳和惠州濃度特征在時(shí)序上也呈現(xiàn)年初濃度高，增減幅度小的特征，但進(jìn)入10月后濃度值顯著減小，且降幅也強(qiáng)于廣州市。與珠三角各市相比，香港與澳門年初的濃度值也較高，在30 μg·m-3左右，10～12月數(shù)值穩(wěn)定保持在20 μg·m-3左右，低于同一時(shí)段的珠三角各市域。

4 結(jié)論與討論

本文以粵港澳大灣區(qū)超標(biāo)期的PM2.5濃度特征為研究對(duì)象，一方面，利用氣溶膠與氣象要素?cái)?shù)據(jù)模擬超標(biāo)期時(shí)大灣區(qū)的PM2.5濃度空間特征；另一方面，結(jié)合ARIMA模型分析了研究區(qū)2019-2021年秋冬季節(jié)的濃度值演變情況，得出了以下結(jié)果：

在2015年超標(biāo)期下，PM2.5濃度空間上呈現(xiàn)“中心-外圍”濃度值遞減的特征，全域濃度值介于50～60 μg·m-3之間。當(dāng)中心濃度值顯著超標(biāo)發(fā)生時(shí)，高值范圍會(huì)向外擴(kuò)散。

經(jīng)過檢驗(yàn)，ARIMA模型模擬短期城市群PM2.5濃度的精度較高，2019-2021年的觀測(cè)與模擬結(jié)果顯示，近年來，1～2月的濃度值增減不明顯，數(shù)值保持穩(wěn)定；1月的濃度值為全年最高，需在該時(shí)段重點(diǎn)管控PM2.5濃度，各市10～12月濃度值均呈現(xiàn)遞減的趨勢(shì)。地域上相鄰的單元其濃度值增減規(guī)律具有共性，如廣、肇、佛等市，又如莞、深、惠等市。

由此得到以下結(jié)論：相較于研究區(qū)全年濃度值在空間上呈“東南-西北”的三級(jí)梯度分異[27]，濃度發(fā)生超標(biāo)時(shí)，研究區(qū)濃度值呈現(xiàn)“中心-外圍”遞減，2019-2021年秋冬季節(jié)，研究區(qū)僅1月PM2.5濃度值相對(duì)較高，需要開展整治專項(xiàng)行動(dòng)，如綜合運(yùn)用熱點(diǎn)網(wǎng)格、移動(dòng)監(jiān)測(cè)車等科技執(zhí)法手段，在濃度重點(diǎn)防控區(qū)域逐步建立“監(jiān)測(cè)-通報(bào)-溯源-整改”的長(zhǎng)效機(jī)制。

盡管如此，由于研究認(rèn)知水平的局限，本文的研究還有待進(jìn)一步完善：①本研究選取了與PM2.5濃度具有關(guān)聯(lián)性的因子構(gòu)建多元回歸模型，但地形條件、時(shí)間序列變化等因素也會(huì)影響濃度值[28]。同時(shí)，由于粵港澳大灣區(qū)空間監(jiān)測(cè)站較少且分布不均衡，將此數(shù)據(jù)與AOD數(shù)據(jù)結(jié)合開展PM2.5濃度的反演可能會(huì)存在不確定性；②空間統(tǒng)計(jì)模型適用于中長(zhǎng)期的濃度空間靜態(tài)評(píng)估，而短期的濃度可能會(huì)受到各種因素影響，仍用空間統(tǒng)計(jì)模型來模擬濃度，可能會(huì)與真實(shí)情況出現(xiàn)偏差，研究結(jié)果對(duì)制定濃度管控措施的參考價(jià)值有限，因此，對(duì)PM2.5濃度空間模擬尚需長(zhǎng)期、深入研究。