華北平原地區PM2.5濃度時空變化特征及其影響因素研究

宋方旭， 孫希華， 王欣瑤， 徐發昭

(1.山東師范大學 地理與環境學院， 山東 濟南 250358；2.西北師范大學 地理與環境科學學院， 甘肅 蘭州 730070)

改革開放以來，我國經濟總量快速增長，但初期粗放的發展模式勢必會造成嚴重的環境污染問題，其中大氣污染尤為突出[1]。隨著2018年《打贏藍天保衛戰三年行動計劃》的實施，我國的大氣污染狀況有所好轉，但仍面臨許多挑戰[2]，而大氣PM2.5的污染防治問題就是其重要內容之一。PM2.5作為主要的致癌物質之一，會嚴重影響人們的身體健康[3]，甚至影響社會的整體運轉[4]。因此，分析大氣PM2.5的污染濃度空間格局演化特征對促進城市可持續發展和加強大氣污染治理具有重要意義。

目前，國內外學者采用不同的方法，在不同視角和不同尺度上對PM2.5進行了研究。在研究尺度上，不同的學者在全球[5,6]、國家[7-9]、城市群[10,11]、單個城市[12,13]等尺度上進行了研究；在研究視角上，有關PM2.5的研究涉及時空變化特征[14,15]、影響因素[16-18]、化學成分[19,20]、健康風險[21,22]、擴散與輸送[23,24]、濃度反演[25,26]等方面；在研究方法上，標準差橢圓、空間自相關、局部空間自相關、地理探測器、變異函數法、正交經驗分解法等是研究PM2.5時空變化特征的常用方法。本研究將綜合各方法的優缺點，選用標準差橢圓和局部空間自相關來分析PM2.5的時空變化，并使用地理探測器分析其濃度影響因素。

盡管有關PM2.5的研究已經十分豐富，但大部分研究都是以不連續的地面站點數據作為基礎數據，這便導致其數據精度易受站點地理位置及空間插值的影響。此外，針對人口、城市高密度聚集和工業發達的華北平原地區的研究較少，并且缺乏長時間序列的研究。因此，本研究擬運用遙感反演的PM2.5數據，對華北平原地區2000—2018年的PM2.5濃度的時空變化特征進行研究。

1 研究區域與數據源

1.1 研究區域

華北平原是中國第二大平原，位于黃河下游區域，西起太行山脈和豫西山地，東至黃海、渤海和山東丘陵，北起燕山山脈，西南至桐柏山和大別山，東南至蘇、皖北部，與長江中下游平原相連，跨越黃河、海河、淮河等流域，屬于溫帶季風氣候，四季變化明顯。華北平原是中國人口、城市聚集和工農業較為發達的地區，也是中國PM2.5污染較為嚴重的區域。本研究以華北平原涉及的北京市、天津市、山東省、河北省、河南省、安徽省、江蘇省作為研究區域，如圖1所示。

圖1 研究區域概況Fig.1 Overview of the study area

1.2 數據源

本研究以華北平原地區的兩市、五省作為研究對象，研究時段為2000—2018年，從中截取2000年、2006年、2012年、2018年四個時間斷面進行詳細分析。研究使用的PM2.5數據來自加拿大達爾豪斯大學大氣成分分析小組(Atmospheric Composition Analysis Group)提供的2000—2018年大氣PM2.5遙感反演數據集(V4.CH.03)，該數據集是以0.01°×0.01°的柵格數據為基準，在獲得每個柵格的PM2.5年均濃度數值后，再采用ArcGIS軟件中的分區統計功能獲得每個城市的PM2.5年均濃度值。

本研究的影響因素分為自然因素和社會經濟因素兩類。自然因素包括溫度(℃)、降水(mm)、風速(knots)，均采用平均值，數據來自中國氣象數據網提供的華北平原54個氣象站點2000—2018年的逐日氣象觀測資料。社會經濟因素主要選擇人均GDP(元/人)、人口密度(人/km2)、人均公園綠地面積(m2/人)、公共交通(輛)、城市建成區面積(km2)、工業用電(萬kW·h)、規模以上工業企業數量。以上數據均來自CEIC數據庫和《中國城市統計年鑒》，并以各地市的統計年鑒對部分缺失數據進行了插補。

2 研究方法

2.1 標準差橢圓

標準差橢圓(standard deviation ellipse， SDE)，是分析空間要素分布方向性特征的經典方法之一[27]。該方法可獲得橢圓的長短半軸長度、方位角、橢圓面積和中心位置等參數。橢圓空間分布范圍表示要素(本文為PM2.5濃度)在空間分布的主體區域，中心表示其分布的重心位置，長半軸表示其在主趨勢方向的分布特征，短半軸則表示其分布的離散化程度[28]。長半軸越長，表示其方向性分布越明顯；短半軸越長，說明其離散化程度越明顯。由于該公式較為復雜，此處不再贅述，詳情參見文獻[27]、[28]。

2.2 局部空間自相關

本文采用局部空間自相關進行空間自相關分析，局部空間自相關(local indicators of spatial association，LISA)指數可以反映某一區域單元的屬性值與其周圍單元同一屬性的相關程度[29]，可以識別變量的空間聚類和異常值情況。其聚集類型共有四類：HH(高高聚集)、LL(低低聚集)、HL(高低聚集)和LH(低高聚集)。常用的局部空間分析指標是莫蘭指數[30]，用以度量某空間單元的觀測值與其相鄰區域觀測值之間的空間相關程度，并識別其空間聚集類型。公式如下：

(1)

式中：n為研究區包含空間單元(本文為地級市)的數量；Zi與Zj分別表示空間單元i與j的PM2.5年均濃度的標準化值；wij為空間權重系數，若空間單元i與j存在空間鄰近關系，則wij=1，否則wij=0。

2.3 地理探測器

地理探測器是探測空間分異性并揭示其背后驅動因子的一種新的統計學方法[31]，其基本思想是：假設研究區分為若干子區域，如果子區域的方差之和小于區域總方差，則存在空間分異性；如果兩變量的空間分布趨于一致，則兩者存在統計關聯性。地理探測器共有四個子探測器，本文僅對因子探測器和交互探測器的結果進行分析。

因子探測器：探索Y的空間分異性，并探測因子X對Y空間分異的解釋程度[31]。用q值度量，其表達式為：

(2)

式中：h=1,2,3, …,L為變量Y或因子X的分層，本文中變量分為五類；Nh和N分別為層h和全區的單元數，本文中分別表示華北平原全地區單元數和每類中地級市的單元數；σh2和σ2分別是層h和全區的Y值的方差。

交互探測器：用來判斷不同影響因子之間的相互作用。兩個自變量之間交互作用的類型分為非線性減弱、單因子非線性減弱、雙因子增強、獨立、非線性增強。

3 PM2.5時空演變分析

3.1 PM2.5基本變化特征

為研究華北平原地區PM2.5濃度的時空變化特征，根據世界衛生組織和中國《環境空氣質量標準》(GB 3095—2012)的PM2.5濃度限值，將華北平原地區的PM2.5年均濃度重新分為六類。最終獲得華北平原地區2000年、2006年、2012年、2018年的PM2.5濃度分布圖，如圖2所示。

由圖2可知，2000年，華北平原地區各城市的PM2.5濃度均未超過75 μg/m3，PM2.5濃度低于35 μg/m3的區域主要集中于山東半島(青島市、威海市和日照市等)、河北省北部(張家口市、承德市、保定市及秦皇島市等)、北京市、江蘇省東部(鹽城市、泰州市、南通市)，而河南省(三門峽市、洛陽市、濟源市除外)、安徽省中北部(合肥市、毫州市、宿州市等)及山東西部(棗莊市、菏澤市、聊城市等)等地區PM2.5濃度均超過50 μg/m3，形成了一整片的高污染區域。隨著經濟快速發展，2006年，華北平原地區污染程度明顯加重，華北平原各地市的PM2.5濃度均有不同程度的上升。由于河南省、河北省和山東省人口密集、能源需求量大，經濟發展更迅猛，故污染情況也更加嚴重。河南省中北部地區、河北省南部地區及山東省西部地區PM2.5濃度均超過了75 μg/m3，形成了嚴重污染區域，而PM2.5濃度小于35 μg/m3的地區僅剩河北的張家口市、承德市及山東的威海市。隨著國家對環境污染的不斷重視，到2012年，華北平原地區的PM2.5污染程度開始有所下降。2012年，PM2.5濃度在50～75μg/m3的城市仍有48個，但其中10個城市的PM2.5濃度相對于2006年是下降的；PM2.5濃度超過75μg/m3的城市主要集中于山東西部、河南北部及河北南部，與2006年相比，城市數量減少了33%?？梢?，2012年華北平原地區PM2.5污染情況雖仍然嚴重，但已有所改善。在2014年《大氣污染防治行動計劃》和2018年《藍天保衛戰三年行動計劃》等一系列大氣污染防控措施實施后，華北平原地區的PM2.5污染得到了有效治理。2018年，整個華北平原地區的PM2.5濃度均小于75 μg/m3，而河北省的張家口市和承德市PM2.5濃度甚至低于15 μg/m3，但河南省大片地區依舊是連片的高污染區域。

圖2 2000—2018年華北平原地區PM2.5年均濃度分布特征Fig.2 Distribution characteristics of PM2.5 annual average concentration in North China Plain from 2000 to 2018

綜上，在空間分布上，華北平原地區PM2.5污染較為嚴重的區域主要集中分布于人口密集和經濟較發達的河南省、河北省南部及山東省西部，PM2.5濃度整體上呈現出西高東低、中部高南北低的空間分布特征；在時間分布上，華北平原地區PM2.5污染狀況呈現出先快速加重后逐漸改善的特征，這主要是由于人們的思想觀念由初期的經濟優先發展逐步轉變為可持續發展，且國家對大氣污染治理越發重視所致。

3.2 標準差橢圓分析

基于標準差橢圓對2000年、2006年、2012年、2018年的PM2.5年均濃度進行分析，解釋華北平原地區PM2.5年均濃度時空分布的空間形態、中心性、方向性及延展性，詳細信息如表1和圖3所示。

表1 2000—2018年華北平原地區PM2.5年均濃度標準差橢圓參數Tab.1 Elliptic parameters of standard deviation of PM2.5 average annual concentration in NorthChina Plain from 2000 to 2018

圖3 2000-2018年華北平原地區PM2.5年均濃度標準差橢圓分析Fig.3 Ellipse analysis of standard deviation of PM2.5 average annual concentration in North China Plain from 2000 to 2018

從方位角及長短半軸長度來看，華北平原地區PM2.5濃度分布呈現出明顯的“西北-東南”方向分布格局。橢圓方位角由2000年的167.24°波動減少到2018年的166.13°，說明其PM2.5濃度空間分布格局正在向“正北-正南”方向緩慢偏移；2000—2018年，長半軸長度由465.46 km波動增長至474.39 km，說明華北平原地區PM2.5年均濃度在主方向上呈現出擴張態勢，而短半軸長度則先由2000年的351.53 km縮短為2006年的348.69 km，2012年又增加到350.27 km，隨后2018年又縮短至344.94 km，呈現“縮短-增加-再縮短”的變化過程。由此可知，2000—2018年，華北平原地區PM2.5濃度在地理空間上呈現出“聚集-擴散-聚集”的演變過程。

從標準差橢圓面積來看，橢圓面積先由2000年的51.40萬km2增加至2006年的51.99萬km2，后又略微減少至2012年的51.95萬km2，最終減少至2018年的51.41萬km2，體現了華北平原地區PM2.5污染范圍先擴大后減小的過程；從標準差橢圓的覆蓋范圍來看，其范圍主要包括河南省東部及北部、山東省西部、河北省南部、江蘇省及安徽省北部的部分地區，這些地區均是PM2.5污染較為嚴重的區域，也是未來PM2.5污染防治的主要對象。

從重心轉移情況來看，華北平原地區PM2.5濃度重心由2000年安徽省宿州市向北轉移至2006年山東省濟寧市境內，在2012年又向南轉移至江蘇省徐州市，隨后PM2.5濃度重心便保持在江蘇省徐州市境內。徐州市能源富集，是江蘇省唯一的煤炭產地，作為典型的資源型及老工業城市，產業結構不合理和初期粗放的經濟發展模式是其PM2.5污染嚴重的主要原因。

3.3 局部空間自相關分析

本研究采用莫蘭指數的局部空間自相關分析，分別得到2000年、2006年、2012年、2018年華北平原地區PM2.5年均濃度的聚集情況，如圖4所示。

由圖4可知，分析結果未出現HL(高低)和LH(低高)的聚集現象，說明PM2.5濃度分布具有明顯的分異性。2000年，華北平原地區HH(高高)聚集區域主要分布在河南省境內及其周邊城市(山東菏澤市、江蘇阜陽市)，而LL(低低)聚集區域主要分布在華北平原地區北部和東部的部分沿海城市(山東青島、江蘇鹽城等)；2006年，HH聚集區域明顯向北移動，河南省南部城市污染狀況減弱，而河北省南部及山東省西部的部分城市成為新的HH聚集區域，LL聚集區域分布位置基本不變，且在安徽省南部形成了一個新的LL聚集區域；2012年，位于HH聚集區域的城市較2006年減少了3個，HH聚集區域處于收縮狀態，而華北地區北部的北京市、秦皇島市重新加入了LL聚集區域；與2012年相比，2018年HH聚集區域的城市數目不變，但河南部分地區退出了HH聚集區域(鄭州、焦作、安陽市等)，而河南省東部、安徽省部分城市(宿州、淮北、毫州市)及江蘇省徐州市加入了HH聚集區域，HH聚集區域向華北平原地區的中心位置移動。

圖4 2000-2018年華北平原地區PM2.5年均濃度局部空間自相關分析結果Fig.4 Local spatial autocorrelation analysis of PM2.5 annual average concentration in North China Plain from 2000 to 2018

總之，華北平原地區的HH聚集區域主要分布于河南省、河北省南部、山東省西部的平原地帶，因為平原地帶是人口高度聚集及工業發達的區域，這些地區經濟發展速度普遍較快，能源與資源消耗量大、消耗速度快，故污染物排放量較多，而平原地區地勢開闊，沒有山脈阻擋，所以PM2.5的區域傳輸較為容易，易形成連片的污染區域，導致PM2.5污染問題較難治理；而LL聚集區域主要分布于東部沿海城市及華北平原北部，其分布主要受空間地理位置的影響，東部LL聚集區域的形成主要是由于海風的擴散作用及海水的吸附作用，北部LL聚集區域的形成則主要是由于北部山谷的狹管效應及南部太行山脈阻擋了PM2.5由南向北的傳播路徑，并且為了推動京津冀協同發展，張家口市和承德市犧牲了重工業的發展，轉而發展其旅游業，所以其本身的PM2.5排放量較少[32]。PM2.5濃度分布的異質性說明，華北平原地區的大氣污染具有區域性，因此，在制定PM2.5污染防治措施時，河南、河北及山東三省應該統籌兼顧、聯防聯控，因地制宜地制定統籌防治措施，周邊城市應在完善自身PM2.5防治措施的基礎上，防范由中心污染區域帶來的污染傳輸擴散危害。

3.4 華北平原地區PM2.5濃度影響因素分析

本研究以華北平原地區77個地級市行政區為研究單元，以2018年為時間斷面；考慮的自然和社會經濟因素共10個，分別為溫度(x1)、降水(x2)、風速(x3)、人均GDP(x4)、公共交通(x5)、人口密度(x6)、人均公園綠地面積(x7)、城市建成區面積(x8)、工業用電(x9)、規模以上工業企業數量(x10)。由于地理探測器處理的數據為離散化數據，因此在GeoDa軟件中采用K-means聚類方法將各因子離散化并分為5類，將聚類后的數據導入地理探測器中進行分析。

3.4.1因子探測結果

地理探測器中，因子探測器的結果是以q值來體現，q值越高，說明該因子對其因變量的影響程度越大。由因子探測器結果圖5可知，各因子的q值由大到小依次為降水(0.45)、人口密度(0.42)、人均公園綠地面積(0.30)、風速(0.26)、溫度(0.16)、人均GDP(0.09)、城市建成區面積(0.08)、規模以上工業企業數量(0.06)、工業用電(0.04)、公共交通(0.03)，其中降水、人口密度、人均公園綠地面積及風速對PM2.5濃度的解釋力較大。

圖5 PM2.5濃度影響因子的q值Fig.5 q values of each influencing factor of PM2.5 concentration

從自然影響因子來看，溫度、降水、風速的q值均大于0.15，故其對華北平原地區的PM2.5濃度影響較大。PM2.5作為一種大氣污染物，必然受到各種氣象因素的影響[33]。溫度通過對大氣環流產生影響，間接地對大氣中PM2.5的分布產生影響；降水對PM2.5等大氣污染物具有一定的清除作用，在降雨過程中，大氣中的PM2.5被大氣水成物清除并降落到地面；風在PM2.5擴散、傳輸的過程中起到了重要作用，風向和風速影響著PM2.5的傳輸方向和速度，對PM2.5的分布具有直接影響。

從社會經濟影響因子來看，人口密度和人均公園綠地面積對PM2.5的濃度有較大的解釋力，而其他因子的影響程度較小，公共交通和工業用電的q值甚至小于0.05。人口密度與PM2.5濃度有較高的相關性，該結果與李衡[34]、李光勤[35]等人的研究結論相符。人類在滿足自身需求時，必然會對環境造成污染，人口密度越高，人類對物質生活的需求就越大，進而給周邊環境造成的壓力也就越大，最終可能導致嚴重的環境污染。同時，人均公園綠地面積對PM2.5濃度的解釋力也較大。人均公園綠地面積代表城市內的植被覆蓋情況。植物可以覆蓋地表，減少PM2.5的來源，植物葉面可以吸附并捕獲PM2.5，起到滯塵作用，此外，高大的樹木還可以降低風速，促進PM2.5的沉降。綜上，植物對大氣中的PM2.5濃度具有一定的消減作用。

3.4.2交互探測結果

由交互探測器探測各因子的交互結果，如表2所示。探測結果表明，華北平原地區PM2.5濃度的影響因子之間的交互作用均為增強，任何兩種影響因子交互作用的q值均大于原本的單一因子的q值。其中，人均GDP和人口密度交互作用后的q值達到了0.75，對PM2.5濃度的影響程度最大，而溫度和降水交互作用后的q值為0.69，遠大于溫度因子的q值0.16；此外，相較于其他影響因子的交互作用，城市建成區面積與規模以上工業企業數量交互作用的q值最小，僅為0.15。

表2 PM2.5濃度影響因子的交互探測結果Tab.2 Interactive detection results of PM2.5 concentration influence factors

4 結論與討論

4.1 結 論

1) 由PM2.5濃度的時空分布格局及演化趨勢可知，華北平原地區的PM2.5濃度在2000—2006年間迅速增加，2012年后得到有效控制，到2018年，PM2.5濃度基本恢復到2000年的狀態。

2) 由標準差橢圓分析結果可知，PM2.5濃度的分布方向為“西北-東南”，并且正朝著“正北-正南”方向移動；PM2.5濃度的重心先向北方移動后又南移，并最終穩定在徐州境內；由橢圓面積可知，PM2.5濃度的影響范圍是先增加后減少。

3) 由局部空間自相關分析結果可知，PM2.5大氣污染的分布具有明顯的地域性。HH聚集區域主要分布在山東、河南、河北三省的交界部分，而LL聚集區域主要分布于東部沿海地區及華北平原北部。

4) 由因子探測結果可知，降水、人口密度、人均公園綠地面積、風速4個因子對PM2.5濃度的解釋力(q值)較大；由交互探測結果可知，影響因子之間的交互作用均為增強。

4.2 建 議

目前，我國大氣污染尤其是PM2.5污染狀況雖整體上得到了控制，但在華北平原等經濟發達地區，其污染形勢仍非常嚴峻，嚴重的空氣污染事件仍時有發生。對于PM2.5的污染防治，河南、河北及山東三省既要統籌兼顧、聯防聯控，又要對癥下藥、因地制宜地制定污染防治措施；周邊污染較輕的城市應在完善自身PM2.5防治措施的基礎上，防范由中心污染區域帶來的污染傳輸擴散危害。此外，各級政府應積極響應黨中央提出的“要加快推動綠色低碳發展，持續改善環境質量，提升生態系統質量和穩定性，全面提高資源利用效率”的要求，大力發展綠色低碳經濟，加快新舊動能轉換步伐，打好2021年“藍天保衛戰”的收官之戰。

4.3 討 論

本文采用PM2.5濃度遙感反演數據，對2000—2018年華北平原地區PM2.5濃度的時空變化特征及其影響因素進行了研究，可在一定程度上為華北平原地區的大氣污染防治提供參考。但受研究數據及方法所限，本文未對短期內PM2.5濃度的時空特征進行分析，對其影響因素之間的交互作用機制也未深入研究。此外，本文還缺少對PM2.5濃度影響因子的綜合分析，這將是下一步研究的主要方向。