山西省PM2.5時空特征及其影響因素的地理探測

田 苗， 鄭浩浩， 易文利，2， 馮詩格， 劉引鴿，2

（1.寶雞文理學院地理與環境學院，陜西寶雞 721013；2.陜西省災害監測與機理模擬重點實驗室，陜西寶雞 721013）

PM2.5在環境科學研究領域里表示空氣動力學等效直徑≤2.5 μm的細顆粒物，是導致空氣環境污染，對人體健康危害最嚴重的一類大氣污染物［1］. 自20世紀80年代以來，國外歐美及日本開始關注PM2.5的監測，1997年美國率先將PM2.5列為空氣質量檢測的監測指標之一并制定了相關標準，以加利福尼亞地區為出發點對顆粒物展開研究，研究內容主要包括污染特征、源解析、影響因素及對人體危害的影響等［2-3］. 我國對于PM2.5的研究起步較晚，環保部2012年首次將PM2.5列入環境空氣質量標準，同時出臺規定，用空氣質量指數（AQI）代替空氣污染指數（API）. 隨后眾多學者對其來源、組成、污染特征及影響因素等方面做了大量工作［4-6］. 另外PM2.5的時空分布特征與驅動因素［7-11］、模型估算與預測等［12-13］研究也成為該領域關注的熱點.

山西省是內陸省，是我國重要的能源重化工基地，也是我國霧霾的高發區之一［14］. 其中呂梁、晉中、臨汾和運城也是我國大氣污染治理重點區域汾渭平原的主要城市［15］. 目前，山西省PM2.5污染相關研究主要集中在晉中、晉南地區［16-17］，研究內容多為PM2.5組分構成、時空分布和源解析［8，18-19］，其影響因素所采用的方法主要包括相關分析、主成分分析法、正定矩陣因子分解法等，這些方法都只是分析自變量對因變量的單一影響，對多因子影響及其交互作用影響研究較少，而地理探測器可通過揭示地理現象的空間異質性來揭示其背后的驅動力，可探測兩因子交互作用對響應變量的影響［20］. 因此，為了定量探究山西省2016—2019 年PM2.5污染時空分布特征及驅動影響因素，本文基于山西省11 個地級市59 個國家空氣質量自動監測位點2016—2019年全年的逐時監測數據，通過地理空間可視化（ArcGIS）得出PM2.5的時空分布特征，運用地理探測器方法分析各影響因子與PM2.5濃度的關系及其變化的影響機制，以期為山西省各地區大氣污染防控和生態文明建設提供參考依據.

1 數據來源與方法

1.1 數據來源及預處理

文中山西省行政邊界矢量數據來源于中國科學院資源環境科學與數據中心（https：//www.resdc.cn/），PM2.5濃度數據來源于全國空氣質量發布平臺（http：//106.37.208.233：20035/），選取山西省境內11 個地級市59個國家空氣質量自動監測點位2016—2019年PM2.5逐日濃度值數據進行分析；其中太原設有監測點位9個，大同、晉城、陽泉、長治及臨汾各6個，朔州與運城各5個，晉中4個，忻州與呂梁各3個（圖1）. 2016—2019年降水量、年均相對濕度來源于中國氣象科學數據共享服務網（http：//cdc.cma.gov.cn），山西省社會經濟發展指標（包括人均GDP、人口密度、城市綠化率、第二產業產值占比、工業用電量、規模以上工業產品量、民用車數量、道路密度）來源于山西省各縣區統計局統計年鑒（http：//tjj.shanxi.gov.cn/）. 依據環保部發布的最新制定的《環境空氣質量標準》（GB 3095—2012）中第二級（類）標準和《環境空氣質量指數（AQI）技術規定》（HJ 633—2012）中PM2.5濃度污染等級劃分進行評價分析.

圖1 山西省行政區劃及監測點分布Fig.1 Administrative division and distribution of monitoring points in Shanxi Province

1.2 研究方法

1.2.1 空間插值

空間插值以范圍內的已知點來估計待插值點屬性值的方法，已經成為環境污染研究的一個重要工具［21］. 常見的克里金插值方法有普通克里金（ordinary Kriging）、協同克里金（co-Kriging）、泛克里金（universal Kriging）、析取克里金（disjunctive Kriging）等，不同情況各種方法的插值結果也不同，經作者比較驗證，普通克里金法標準均方根預測誤差（RMSE）最接近于1，故選擇其作為本文空間插值方法.

1.2.2 地理探測器

空間分異性是地理現象的基本特點之一，地理探測器是探測空間分異性以及揭示其背后驅動力的一組統計學方法［20］，主要包括分異及因子探測、交互作用探測、風險區探測和生態探測［22］. 其中因子探測模塊可用來檢測某種地理要素對某個指標值空間分異的影響力，使用q值度量，表達式為：

式中：q為PM2.5驅動因素的解釋力，值域為［0，1］，q值越大表示各影響因子對PM2.5濃度的空間分異解釋力越強，反之則越弱；SSW、SST 分別為層內方差之和、全區總方差；h為影響PM2.5濃度的各影響因子；N與σ2分別為研究區域整體樣本量與方差.

交互作用探測：識別不同影響因子之間的交互作用，即兩個影響因子共同作用時是否會增加或減弱對PM2.5濃度的空間分異的解釋力，或這些因子對PM2.5濃度的空間分異的影響是相互獨立的.

關于參與地理探測器運行影響因素的選擇，基于數據的可獲取性和選取影響因素應具有代表性，選取年均降雨量、年均相對濕度、地形為自然環境因子；人均GDP、人口密度、城市綠化率為社會經濟因子；第二產業產值占比、工業用電量、規模以上工業產品量為能源因子；民用車數量和道路密度為交通因子.

2 結果與分析

2.1 PM2.5年際空間維度變化規律

利用ArcGIS 中普通克里金插值法，基于PM2.5年均濃度值數據，對山西省PM2.5污染狀況進行空間分析，得到2016—2019年山西省PM2.5年均值空間分布圖（圖2）. 由圖2可知，2016—2019年山西省污染空間格局相似，總體分布格局呈東北向西南階梯狀上升的分布特征，晉南與晉東南地區為PM2.5污染高值中心，晉北地區為PM2.5污染低值中心. 2016年和2017年PM2.5污染程度最為嚴重，山西省各監測城市PM2.5年平均濃度均超過了《環境空氣質量標準》（GB 3095—2012）所規定PM2.5年平均濃度的二級標準限值（35 μg/m3），其中臨汾、運城與長治市PM2.5污染程度最高，大同市污染程度最低. 2016 年臨汾與長治市PM2.5年均濃度值達到72.67 μg/m3與68.92 μg/m3，而大同市濃度值僅為38.58 μg/m3；2017年，整個研究區PM2.5年均濃度高值中心由“臨汾—長治”向南擴散至“臨汾—運城”，PM2.5年均濃度分別達到了82.42、72.75 μg/m3；2018年，研究區整體環境空氣質量有所改善，PM2.5污染高值中心區縮小，大同市達到清潔水平，污染區域仍集中在臨汾市與運城市. 2019年研究區空氣質量繼續得到好轉，所有監測城市PM2.5年均濃度均降至65 μg/m3以下.

圖2 2016—2019年山西省PM2.5年均值空間分布特征Fig.2 Spatial distribution of annual mean value of PM2.5 in Shanxi Province from 2016 to 2019

整體而言，位于汾渭平原腹地的臨汾、運城市由于其東、西、北三面環山的地形條件，對氣流產生阻擋作用，受季風的影響較弱，易于形成逆溫層，使污染物的垂直擴散受到抑制，二次污染物轉化效率增加，且臨近關中平原城市群，污染物區域傳輸擴散條件差，成為污染中心［23］. 而位于晉北地區的大同、朔州、忻州市地形復雜，山地丘陵盆地相間分布，受北方氣團的影響強烈，污染物大氣擴散條件好，成為污染低值中心［14］.2016—2017年，受人類活動和天氣狀況影響，中國微高濃度以上（＞35 mg/m3）的城市數量整體呈現增加的態勢，且逐步向西部地區擴展［24-25］. 2018年開始各監測城市空氣質量迅速好轉，這可能與2018年藍天保衛戰三年行動計劃的提出，山西省以及汾渭平原等地區的諸多城市成為重點整治對象，采取調整優化產業結構、能源結構，有效推進北方地區清潔取暖，積極調整運輸結構，發展綠色交通體系等一系列舉措有一定聯系.

2.2 PM2.5逐月和季節變化特征

利用日數據統計得到2016—2019年山西省11個地級市PM2.5逐月、季節變化規律圖（圖3）. 如圖3所示，2016—2019年PM2.5月均濃度變化曲線呈“單峰”型，各地級市歷年PM2.5濃度高值時間段主要分布在11月至次年3月，即從11月采暖期開始，PM2.5濃度急劇上升，至12月、次年2月底達到峰值，說明采暖是PM2.5濃度值高的重要影響因素［17］，且北方地區冬季氣溫低，空氣對流弱，逆溫、靜風等不利氣象條件和特殊的地形使得污染物難以擴散［26］. 而4月初至10月底，PM2.5濃度值基本控制在日均限值以下. 11月底至次年2月底PM2.5濃度波動幅度較大，且波動頻率高，這可能與短時間內天氣變化有關；而3月初至4月中旬、10月初至11月中旬波動幅度明顯降低，4月底至9月底最低，波動幅度保持穩定且波動頻率弱.

圖3 不同地區PM2.5月均濃度值變化圖Fig.3 Monthly average concentration changes of PM2.5 in different regions

各個地區2016年冬季PM2.5濃度值最高，劉芷君等［27］發現2016年冬季東亞地區季風減弱，出現“暖冬”現象，大氣擴散條件差，是造成PM2.5濃度值偏高的主要原因. 2017年冬季最低，2018年冬季PM2.5濃度不降反升，氣象資料顯示全省各地區冬季氣溫和濕度偏高，風速偏小，總體大氣污染擴散氣象條件偏差，這是2019年1月全省大部分城市空氣質量下降的主要原因. 春季隨著氣溫回升，采暖強度下降，PM2.5濃度值逐漸下降，在4 月底采暖期結束達到最低值. 而大同、朔州和忻州市在5月PM2.5濃度值又略微上升，因該地區位于山西省北部，降水少，且緊鄰內蒙古，春季沙塵影響明顯偏重，使得濃度值上升［28］. 夏季氣溫高，空氣對流強，季風和降雨有助于抑制PM2.5生成和其他污染物沉降與消減，濃度值減小. 秋季高溫低濕、降水偏少的不利氣象條件和局部生產建設排污強度變化等因素綜合影響，造成了污染天氣的出現［14］.

2.3 影響因素分析

2.3.1 因子探測

研究表明，PM2.5污染程度受自然地理條件和經濟社會發展水平等多種因素的影響，難以在時間和空間上定量分析影響因素［29-30］. 而地理探測器可以客觀反映各影響因素對解釋因子的影響力及空間異質性作用，參考姚榮鵬、楊文濤等［31-32］研究結果，選取山西省PM2.5污染過程中各地區自然和社會經濟因素11 個主要影響因子，利用地理探測器中的因子探測模塊分析2016—2019 年各因子對PM2.5年均濃度空間分異的影響程度. 由表1 可知，2016—2019 年山西省各影響因子的解釋力分別為人口密度（0.728 5～0.819 7）＞民用車數量（0.739 8～0.785 5）＞人均GDP（0.713 2～0.758 8）＞規模以上工業產品量（0.595 5～0.825 6）＞第二產業產值占比（0.471 5～0.717 9）＞工業用電量（0.417 5～0.523 0）＞年均相對濕度（0.088 2～0.423 4）＞道路密度（0.130 0～0.339 9）＞地形（0.145 0～0.320 5）＞年均降雨量（0.120 1～0.309 5）＞城市綠化率（0.060 6～0.173 0），表明人類生活和生產活動是造成PM2.5空間分異的主要驅動因素.

表1 山西省2016—2019年地理探測結果Tab.1 Results of geographical detector in Shanxi Province from 2016 to 2019

2016—2019年，人均GDP、人口密度、第二產業產值占比、工業用電量、規模以上工業產品量、民用車數量、道路密度、地形因子解釋力呈上升趨勢，年均降雨量與年均相對濕度呈倒“U”型，城市綠化率呈逐年下降趨勢. 其中，人口密度、人均GDP和民用車數量在歷年所有影響因子中解釋力均超過0.7，對PM2.5濃度值影響最大. 隨著人口數量不斷增加，頻繁的人類活動，汽車尾氣排放以及冬季取暖等其他生活方式引起復合型污染，對環境造成更大負擔，從而導致更為嚴重的污染. 在產業與耗能因素中，規模以上工業產品量解釋力最強，其主要包括鋼鐵冶金、煤炭焦化等高耗能、高污染的工礦業，工業聚集，污染排放強度大，導致PM2.5濃度值嚴重超標［31］. 第二產業產值占比解釋力伴隨著產業值的增加而逐年上漲，表明該地區產業結構與布局不合理，工業生產過程中存在污染現象，且防治措施不到位. 當PM2.5年均濃度逐漸降低，自然因素影響逐漸增強. 2017—2019年山西省各地區降雨量普遍減少，而降水的沉降作用可以對大氣中顆粒物產生清除效果［33］.地形因子的解釋力逐漸上升，表明在較低濃度下地形對PM2.5的擴散有較強的抑制作用. 綜上所述，山西省大氣顆粒物污染防治應以加強人民環保意識、控制機動車尾氣排放為主，調整能源結構、推行清潔生產為輔，綜合運用各種污染防治的法律法規與技術措施.

2.3.2 交互探測

區域大氣污染通常是多種因素的共同作用的結果，利用地理探測器交互探測模塊探測11個影響因子對PM2.5濃度空間分布變化的作用，選取時間較近的2019年為例，進行交互探測分析. 表2為兩種影響因子交互作用下對PM2.5的解釋力，解釋力越大，表明交互影響作用越強，而非線性增強表示兩種影響因子交互作用的結果大于兩種影響因子的獨立作用之和. 由表3可知，任何兩種影響因子對PM2.5變化的交互作用均大于單獨一種因子的獨立影響. 年均降水量與相對濕度和道路密度呈非線性增加，這表明天氣狀況和道路密度對PM2.5的生成和空間分布變化影響較大. 降水后一定時段內空氣濕度也變大，隨著氣溫回升，在高溫高濕的氣象條件，汽車尾氣排放中的SO2、NO2極易轉化成硫酸鹽、硝酸鹽加重PM2.5污染，還會加重顆粒物吸水性導致消光系數增加而加重污染［34］. 城市綠化率與道路密度、第二產業產值占比交互探測結果也呈非線性增加，表明城市綠化率對人類生產生活的PM2.5有一定的吸收作用.

表2 2019年污染因子交互探測Tab.2 Interactive detection of pollution factors in 2019

3 結論

1）時間維度上，2016—2019年山西省PM2.5年均濃度值先增后減，各地級市冬季PM2.5濃度值最高，夏季最低，PM2.5月均濃度值呈“單峰”型變化規律. 空間維度上，總體分布格局呈東北向西南階梯狀上升的分布特征，晉南與晉東南地區為PM2.5污染高值中心，晉北地區為PM2.5污染低值中心.

2）因子探測分析表明，人類生活和生產活動是造成PM2.5空間分異的主要驅動因素，且人口密度、人均GDP、第二產業產值占比與民用車數量影響程度逐年增加，城市綠化率則呈相反趨勢.

3）交互探測結果表明，任何兩種影響因子對PM2.5濃度變化的交互作用均大于單一影響因子對PM2.5濃度的獨立作用，其中年均降水量與相對濕度和道路密度呈非線性增加，城市綠化率與道路密度、第二產業產值占比交互探測結果也呈非線性增加，表明天氣狀況是影響PM2.5濃度的重要因素.