江蘇省空氣質(zhì)量時(shí)空特征分析

摘要 為分析江蘇省空氣質(zhì)量時(shí)空特征，基于江蘇省各市2019—2021年空氣質(zhì)量指數(shù)（AQI）數(shù)據(jù)，建立時(shí)間序列模型，采用空間自相關(guān)等方法進(jìn)行研究。結(jié)果表明：江蘇省AQI在空間分布上大致呈現(xiàn)出由東向西遞增的趨勢(shì)，在時(shí)間變化上大致呈現(xiàn)出“W”形變化趨勢(shì)。每年冬季和夏季梅雨期間空氣質(zhì)量較差，且夏冬兩季AQI空間自相關(guān)性相較于春秋兩季更強(qiáng)。

關(guān)鍵詞 空氣質(zhì)量；時(shí)空特征；時(shí)間序列；空間自相關(guān)分析

中圖分類號(hào)：X823 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）04–0108-03

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人民對(duì)美好生活的需要日益增長(zhǎng)，空氣污染問(wèn)題作為目前較為突出的環(huán)境問(wèn)題，與人們的健康生活息息相關(guān)，也是影響生態(tài)文明建設(shè)的重要因素之一，愈加受到黨、國(guó)家和人民的重視。

空氣質(zhì)量問(wèn)題成為學(xué)術(shù)界研究的熱點(diǎn)話題，目前國(guó)內(nèi)學(xué)者對(duì)空氣質(zhì)量時(shí)空特征的研究，主要集中在空氣質(zhì)量指數(shù)（AQI）和主要污染物指標(biāo)的時(shí)空變化規(guī)律上。在研究尺度方面，有學(xué)者以全國(guó)城市為研究對(duì)象，研究大氣污染的空間格局與分布動(dòng)態(tài)演進(jìn)[1]。還有學(xué)者以長(zhǎng)江經(jīng)濟(jì)帶、長(zhǎng)江中游城市群、黃河生態(tài)經(jīng)濟(jì)帶等典型區(qū)域?yàn)檠芯繉?duì)象，研究空氣質(zhì)量時(shí)空分布變化特征[2-5]。有學(xué)者以安徽省、福建省、深圳市等具體省市為研究對(duì)象，進(jìn)行了空氣質(zhì)量空間統(tǒng)計(jì)分析[6-8]。在研究方法方面，隨著研究的深入，甘茂林等[9]提出了改進(jìn)傳統(tǒng)Moran's I指數(shù)，以適用于大樣本數(shù)據(jù)的空間自相關(guān)分析。賀冉冉等[10]提出了基于時(shí)間序列模型殘差進(jìn)行空間自相關(guān)特征分析，以排除原始數(shù)據(jù)中存在的空間趨勢(shì)的干擾。此外，許海超等[11]基于山東省近50年四季統(tǒng)計(jì)平均狀況的研究，具體界定了山東省各氣象地理區(qū)的入季時(shí)間，以分析山東省空氣質(zhì)量指數(shù)（AQI）的季節(jié)變化特征。而對(duì)江蘇省各地區(qū)的空氣質(zhì)量狀況目前尚未有較為系統(tǒng)的研究，因此，基于江蘇省13個(gè)城市2019—2021年的空氣質(zhì)量指數(shù)（AQI），利用時(shí)間序列建模、空間自相關(guān)分析等方法，對(duì)江蘇省空氣質(zhì)量時(shí)空特征進(jìn)行分析。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

依據(jù)研究對(duì)象，選擇江蘇省13個(gè)城市2019年1月1日—2021年12月31日的空氣質(zhì)量指數(shù)（AQI）數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來(lái)源于真氣網(wǎng)（https：//www.zq12369.com）。據(jù)《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》，空氣質(zhì)量指數(shù)（AQI）定義為定量描述空氣質(zhì)量狀況的無(wú)量綱指數(shù)，共分為6個(gè)等級(jí)：0～50為優(yōu)；51～100為良；101～150為輕度污染；151～200為中度污染；201～300為重度污染；＞300為嚴(yán)重污染。

1.2 研究方法

1.2.1 空間自相關(guān)分析 空間自相關(guān)性是指變量在同一個(gè)分布區(qū)內(nèi)觀測(cè)數(shù)據(jù)之間潛在的相互依賴性，一般由莫蘭指數(shù)（MoranI）度量。莫蘭指數(shù)又可分為全局莫蘭指數(shù)和局部莫蘭指數(shù)。全局莫蘭指數(shù)的取值范圍為[-1，1]，當(dāng)I＞0時(shí)，表示研究區(qū)的屬性值在空間上存在正相關(guān)性；當(dāng)I=0時(shí)，表示研究地區(qū)的屬性值不存在空間相關(guān)性；當(dāng)I＜0時(shí)，表示研究區(qū)的屬性值在空間上存在負(fù)相關(guān)性。當(dāng)全局莫蘭指數(shù)顯著時(shí)，可以認(rèn)為研究區(qū)上存在空間相關(guān)性，而局部莫蘭指數(shù)可以具體分析地區(qū)之間的相互影響。

1.2.2 時(shí)間序列建模 時(shí)間序列建模的一般步驟為模型識(shí)別、參數(shù)估計(jì)、模型檢驗(yàn)、模型優(yōu)化，在建模前，通常需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。

（1）數(shù)據(jù)預(yù)處理。時(shí)間序列的預(yù)處理包括平穩(wěn)性檢驗(yàn)和白噪聲檢驗(yàn)2個(gè)重要步驟。

（2）模型識(shí)別。ARMA模型是最常用的平穩(wěn)時(shí)間序列模型，全稱為自回歸移動(dòng)平均模型。

非平穩(wěn)時(shí)間序列可以在差分后使用ARIMA模型擬合，ARIMA模型的全稱是自回歸移動(dòng)平均求和模型。當(dāng)一個(gè)非平穩(wěn)時(shí)間序列經(jīng)過(guò)d次差分后，服從ARMA（p，q）模型，則可以對(duì)其建立ARIMA（p，d，q）模型。

（3）參數(shù)估計(jì)。確定擬合模型之后，通常采用最小二乘估計(jì)、極大似然估計(jì)等方法對(duì)模型的未知參數(shù)進(jìn)行估計(jì)。

（4）模型檢驗(yàn)。模型檢驗(yàn)包括對(duì)模型的顯著性檢驗(yàn)和對(duì)參數(shù)的顯著性檢驗(yàn)2個(gè)方面。對(duì)模型的顯著性檢驗(yàn)，主要是對(duì)模型殘差項(xiàng)再進(jìn)行白噪聲檢驗(yàn)；對(duì)參數(shù)的顯著性檢驗(yàn)，主要檢驗(yàn)?zāi)硞€(gè)參數(shù)是否顯著非零。

（5）模型優(yōu)化。通過(guò)檢驗(yàn)的有效模型并不是唯一的，通常需要充分考慮各種因素，利用AIC信息準(zhǔn)則或BIC信息準(zhǔn)則，從通過(guò)檢驗(yàn)的擬合模型中選擇最優(yōu)模型。

2 結(jié)果與分析

2.1 描述性統(tǒng)計(jì)分析

根據(jù)AQI類別劃分，對(duì)江蘇省各市2019—2021年AQI類別進(jìn)行劃分，再對(duì)比分析各市的年空氣污染天數(shù)比例（表1、2）。

從表1、表2可以看出，2019—2021年，在江蘇省各市中，南通市空氣質(zhì)量?jī)?yōu)良的總天數(shù)比例為全省最多，空氣質(zhì)量保持長(zhǎng)期穩(wěn)定良好，居全省最優(yōu)水平。而徐州市空氣質(zhì)量為優(yōu)良的總天數(shù)比例為全省最低，空氣質(zhì)量較差。另外，還有鹽城、蘇州、泰州的空氣質(zhì)量相比其他城市表現(xiàn)更優(yōu)，宿遷、常州的空氣質(zhì)量則較差。

江蘇省13個(gè)市的空氣質(zhì)量大多集中在優(yōu)、良、輕度污染3個(gè)類別。2019—2021年，江蘇省各市空氣質(zhì)量整體呈現(xiàn)好轉(zhuǎn)的趨勢(shì)。2019年，全省3座城市污染天數(shù)比例超過(guò)30%，而2021年，全省已有9個(gè)城市全年空氣污染天數(shù)比例不超過(guò)20%，全省13座城市的空氣污染天數(shù)比例均降至30%以下。其中，徐州市的空氣污染率同比下降20%，宿遷市的空氣污染率同比下降18.35%，污染治理工作取得顯著的成效。

2.2 空間分布特征

利用Geoda軟件，基于Queen鄰接構(gòu)造空間權(quán)重矩陣，繪制2019—2021年的AQI中位數(shù)分布地圖（圖1）。

相較于平均值，中位數(shù)不受分布數(shù)列的極值影響，在一定程度上提高了對(duì)分布數(shù)列的代表性。從圖1可以看出，江蘇省AQI中位數(shù)整體大致呈現(xiàn)出由東向西遞增的趨勢(shì)，東部沿海城市的空氣質(zhì)量普遍優(yōu)于西部?jī)?nèi)陸城市。

2.3 時(shí)間變化特征

AQI月度數(shù)據(jù)由每月的日AQI數(shù)據(jù)求平均值所得，利用Stata軟件繪制江蘇省各市AQI月度數(shù)據(jù)時(shí)序圖（圖2）。圖2中，橫軸月份所示數(shù)字1～12代表2019年1—12月，13～24代表2020年1—12月，25～36代表2021年1—12月。

依據(jù)“候平均氣溫”劃分四季法，參考江蘇省近年來(lái)入季時(shí)間，將4—5月劃分為春季，6—9月為夏季，10—11月為秋季，12—翌年3月為冬季。從時(shí)序圖可以看出，江蘇省各市AQI每年時(shí)間變化趨勢(shì)大致相似，整體呈現(xiàn)“W”形的變化趨勢(shì)：冬季向春季過(guò)渡時(shí)，AQI值下降；春季向夏季過(guò)渡時(shí)，AQI值上升；夏季向秋季過(guò)渡時(shí)，AQI值下降；秋季向冬季過(guò)渡時(shí)，AQI值上升?？梢钥闯雒磕甓?2月、1月左右，夏季6月、7月梅雨期左右AQI較大，空氣質(zhì)量較差。

2.4 空間自相關(guān)分析

基于2019—2021年江蘇省各市日AQI數(shù)據(jù)，利用R軟件進(jìn)行預(yù)處理、模型識(shí)別，建立ARMA模型，并根據(jù)模型檢驗(yàn)的結(jié)果不斷進(jìn)行優(yōu)化，最終得到擬合效果較好的模型，并提取通過(guò)白噪聲檢驗(yàn)的殘差項(xiàng)序列。時(shí)間序列模型所獲取的殘差是與自身序列不存在相關(guān)性的數(shù)據(jù)，無(wú)法解釋，而研究空間相關(guān)性需要排除數(shù)據(jù)在時(shí)間上的相關(guān)關(guān)系，因此，利用殘差項(xiàng)分析AQI之間的空間相關(guān)性更加客觀。對(duì)殘差項(xiàng)進(jìn)行標(biāo)準(zhǔn)化處理之后，再利用Stata軟件計(jì)算逐日全局莫蘭指數(shù)，各個(gè)季節(jié)莫蘭指數(shù)通過(guò)檢驗(yàn)（P=0.1）的折線圖（圖3）。每年度各季度通過(guò)檢驗(yàn)的趨勢(shì)接近，且夏冬兩季比春秋兩季通過(guò)檢驗(yàn)天數(shù)更多，說(shuō)明夏冬兩季的AQI空間自相關(guān)性更強(qiáng)。

3 結(jié)論

基于江蘇省2019—2021年各市空氣質(zhì)量指數(shù)（AQI）數(shù)據(jù)，通過(guò)AQI描述性統(tǒng)計(jì)表格、空間分布地圖、時(shí)序圖等分析江蘇省空氣質(zhì)量時(shí)空分布特征，并基于AQI日數(shù)據(jù)構(gòu)建ARMA模型，再利用模型殘差項(xiàng)計(jì)算逐日莫蘭指數(shù)進(jìn)行空間自相關(guān)分析。

在空間分布格局上，江蘇省AQI整體呈現(xiàn)由東向西遞增的趨勢(shì)，東部沿海城市空氣質(zhì)量?jī)?yōu)于西部?jī)?nèi)陸城市。

在時(shí)間變化格局上，江蘇省AQI呈現(xiàn)出“W”形變化趨勢(shì)，冬季12月、1月，以及夏季6月、7月梅雨時(shí)期，空氣質(zhì)量較差。

江蘇省AQI存在空間自相關(guān)性，且夏冬兩季比春秋兩季空間自相關(guān)性更強(qiáng)。究其原因在于地理位置、氣候等因素方面，例如：鹽城市有著中國(guó)沿海地區(qū)最大的灘涂面積，灘涂可以吸收部分污染源，降低污染程度，這可能是鹽城市空氣質(zhì)量較好的原因之一。而在社會(huì)經(jīng)濟(jì)發(fā)展等因素方面，徐州市是江蘇省唯一一座冬季供暖的城市，冬季燃煤會(huì)造成一定的空氣污染，這可能是徐州市空氣質(zhì)量較差的原因之一。政府在制定空氣污染防治政策時(shí)，需要考慮空氣質(zhì)量的時(shí)空分布特征和各城市之間存在的空間相關(guān)性，針對(duì)夏冬兩季空氣質(zhì)量較差、空間自相關(guān)性更強(qiáng)，充分考慮季節(jié)和城市聯(lián)動(dòng)因素，精準(zhǔn)治污，提高治理措施的針對(duì)性和有效性。

參考文獻(xiàn)

[1] 劉華軍，杜廣杰.中國(guó)城市大氣污染的空間格局與分布動(dòng)態(tài)演進(jìn)：基于161個(gè)城市AQI及6種分項(xiàng)污染物的實(shí)證[J].?經(jīng)濟(jì)地理，2016，36（10）：33-38.

[2] 陳優(yōu)良，陶天慧，丁鵬. 長(zhǎng)江三角洲城市群空氣質(zhì)量時(shí)空分布特征[J]. 長(zhǎng)江流域資源與環(huán)境，2017，26（5）：687-697.

[3] 黃小剛，邵天杰，趙景波，等. 長(zhǎng)江經(jīng)濟(jì)帶空氣質(zhì)量的時(shí)空分布特征及影響因素[J].中國(guó)環(huán)境科學(xué)，2020，40（2）：874-884.

[4] 郭雯雯，陳永金，劉閣，等.2016—2019年長(zhǎng)江中游城市群空氣質(zhì)量時(shí)空變化特征及影響因素分析[J].生態(tài)環(huán)境學(xué)報(bào)，2020，29（10）：2034-2044.

[5] 趙柄鑒，文傳浩，唐中林.黃河生態(tài)經(jīng)濟(jì)帶空氣質(zhì)量時(shí)空分異研究（2015—2018）[J].長(zhǎng)江流域資源與環(huán)境， 2021，30（4）：900-914.

[6] 呂鑫，郝連秀，郭慶彪.安徽省空氣質(zhì)量時(shí)空分布特征分析[J].長(zhǎng)江科學(xué)院院報(bào)，2016，33（12）：144-147，152.

[7] 牟敬鋒，趙星，樊靜潔，等. 2014—2016年深圳市空氣污染時(shí)空分布特征[J].衛(wèi)生研究，2018，47（2）：270-276.

[8] 陳淑真，朱建平，尤添革.基于空氣質(zhì)量指數(shù)AQI的空間自相關(guān)特征分析：以福建省為例[J].武夷科學(xué)，2020，36（1）：48-58.

[9] 甘茂林，呂王勇，符璐. 基于改進(jìn)Morans I指數(shù)的成都市PM2.5的空間統(tǒng)計(jì)分析[J].環(huán)境科學(xué)與技術(shù)，2016，39 （9）：187-193.

[10] 賀冉冉，朱蘭保，周開(kāi)勝. 基于時(shí)間序列模型殘差的中國(guó)東部地區(qū)空氣質(zhì)量指數(shù)（AQI）空間自相關(guān)特征分析[J]. 環(huán)境科學(xué)學(xué)報(bào)，2017，37（7）：2459-2467.

[11] 許海超，李子君，姜愛(ài)霞，等. 山東省空氣質(zhì)量指數(shù)的時(shí)空分布特征[J]. 濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，31（2）： 168-175.

責(zé)任編輯：黃艷飛

作者簡(jiǎn)介 火悅（1997—），女，江蘇鹽城人，主要從事經(jīng)濟(jì)統(tǒng)計(jì)研究。

AbstractIn order to analyze the spatial and temporal characteristics of air quality in Jiangsu Province， based on the air quality index （AQI） data of cities in Jiangsu Province from 2019 to 2021， a time series model was established， and spatial autocorrelation and other methods were used for research. It was found that the AQI in Jiangsu Province shows a trend of increasing from east to west in spatial distribution and a “W” type trend in temporal change. The air quality was poor in winter and during the plum rain in summer， and the spatial autocorrelation of AQI in summer and winter was stronger than that in spring and autumn.

Key words Air quality; Spatial and temporal characteristics; Time series; Spatial autocorrelation analysis