京津冀大氣污染傳輸通道區大氣污染時空格局研究

彭 玏,趙媛媛*,趙吉麟,高廣磊,丁國棟

?

京津冀大氣污染傳輸通道區大氣污染時空格局研究

彭 玏1,2,趙媛媛1,2*,趙吉麟1,2,高廣磊1,2,丁國棟1,2

(1.北京林業大學水土保持學院,水土保持國家林業局重點實驗室,北京 100083；2.寧夏鹽池毛烏素沙地生態系統國家定位觀測研究站,寧夏 鹽池 751500)

客觀理解京津冀大氣污染傳輸通道城市(“2+26”城市)空氣污染時空格局對于區域大氣污染聯合防治具有重要意義.本研究采用遙感數據反演的PM2.5濃度產品,利用趨勢分析法和重心分析法,揭示了京津冀城市大氣污染傳輸通道區2000~2015年大氣污染時空格局演化特征.結果表明:(1)區域PM2.5平均濃度整體呈現出太行山脈區域較低,太行山脈以東較高的格局,城鎮地區明顯高于周邊地區.(2)2000~2015年區域PM2.5年均濃度總體呈增加趨勢,主要表現在2000~2007年,呈顯著增加趨勢的面積占全區的88.48%,之后呈穩定狀態.(3)區域PM2.5污染重心位于衡水、邢臺和德州3市交界處,區域北部大氣污染較嚴重.本研究可為京津冀及周邊地區大氣污染防治政策制定和措施實施提供參考與支持.

京津冀大氣污染傳輸通道；“2+26”城市；PM2.5；時空格局

近年來,大氣污染已成為許多城市面臨的嚴重環境問題之一[1].京津冀及周邊地區是我國核心經濟區的重要組成部分,在經濟發展中占有重要地位[2],霧霾問題也逐漸引起關注.2017年5月,環境保護部發布《關于京津冀及周邊地區執行大氣污染物特別排放限值的公告(征求意見稿)》,并確定北京市、天津市、河北省石家莊等28個城市為京津冀大氣污染傳輸通道城市(以下簡稱“2+26”城市),在京津冀大氣污染傳輸通道城市的行政區域范圍內全面執行大氣污染物特別排放限值,并對其空氣質量改善情況進行考核.2018年3月25~27日,京津冀及周邊地區經歷了一次大氣污染過程,多個城市PM2.5小時濃度達到重度污染,再一次將大氣污染問題帶入人們的視野,引發社會廣泛關注.

顆粒物特別是細顆粒物PM2.5的積累是引發霧霾天氣的重要因素[3-5].大氣污染物的區域傳輸是影響空氣質量的重要原因[6-8],區域性大氣污染已成為中國的主要大氣污染問題[9].當前中國形成了京津冀及周邊地區、四川盆地、長江三角洲和珠江三角洲4大霧霾區[10-11].目前PM2.5污染格局研究主要采用監測站點觀測資料空間插值、遙感影像反演大氣氣溶膠厚度(AOD)估算PM2.5濃度、加權回歸模型或混合模型的方法[12].研究區的大氣污染格局研究也主要集中在京津冀及周邊少數城市.李名升等[13]采用161個城市2014年的PM2.5監測數據,對中國大陸PM2.5污染進行分析,結果表明京津冀及周邊地區污染較重.李珊珊等[14]采用模式(CAMx)模擬結合監測站點觀測資料,分析了2014年京津冀地區PM2.5時空分布和污染來源,結果顯示區域PM2.5濃度春夏高、秋冬低,日變化呈雙峰型分布,平原區污染濃度高于太行山區,且區域輸送對PM2.5污染具有重要影響.Yan等[15]采用2016年京津冀13個城市的空氣質量監測PM2.5濃度數據,通過空間自相關發現PM2.5濃度從晚秋到初冬由東南向西北擴展,而從晚冬到早春由西北向東南逐漸縮小,且區域內PM2.5濃度具有顯著的空間溢出效應.Wu等[16]結合遙感數據和VIRS儀器監測數據,運用地理回歸加權模型評估2014年京津冀PM2.5分布時空格局,結果顯示區域PM2.5污染格局呈現較強的季節異質性和東南-西北空間異質性.盡管已有諸多學者對京津冀地區的PM2.5問題進行了研究,但由于缺乏連續可靠的數據,我們對于該區域的PM2.5污染時空格局的了解還不夠全面.

美國大氣成分分析組織(ACAG)于2016年發布了全球地面PM2.5數據[17].該數據由美國國家航天局(NASA)的中等分辨率成像光譜儀(MODIS)、多角度成像光譜儀(MISR)和海洋觀測寬視場傳感儀(SeaWIFS)反演得到的氣溶膠光學厚度(AOD)數據,與GEOS-Chem化學傳輸模型結合,模擬得到年均PM2.5濃度數據,再與地面監測數據相結合,采用地理加權回歸模型得到1998~2016年逐年的全球地面年均PM2.5的濃度,分辨率有0.1°′0.1°和0.01°′0.01°2種,是迄今精度最高、覆蓋率最大、時間跨度最大的PM2.5衛星數據集[17].該數據已在南亞、東南亞和中國等地得到廣泛驗證和有效應用[18-20].該數據的發布為我們揭示京津冀大氣污染通道區PM2.5時空格局提供了扎實的數據基礎.

本研究基于由衛星遙感數據反演的PM2.5濃度數據,采用趨勢分析法和重心分析法,系統分析了“2+26”城市——京津冀大氣污染傳輸通道區2000~2015年PM2.5的時空動態格局,以期為北京及周邊地區的大氣污染防控提供思路.

1 研究區和數據

1.1 研究區概況

京津冀大氣污染傳輸通道包括北京市,天津市,河北省石家莊、唐山、廊坊、保定、滄州、衡水、邢臺、邯鄲,山西省太原、陽泉、長治、晉城,山東省濟南、淄博、濟寧、德州、聊城、濱州、菏澤市,河南省鄭州、開封、安陽、鶴壁、新鄉、焦作、濮陽共28個城市,行政區劃面積約為27′104km2,約占全國陸地總面積的2.84%(圖1).北面為東西走向的燕山山脈,西面為南北走向的太行山脈,東臨渤海、黃海,地勢由西北向東南傾斜.屬暖溫帶亞濕潤季風氣候,年降水量450~700mm.土壤屬于棕壤、褐土帶.植被類型為暖溫帶落葉闊葉林.2015年,該區域總人口約1.8億,占同期全國的13.09%,地區生產總值約10.8萬億元,約占全國的15.67%.

圖1 研究區域

1.2 數據來源

本研究采用的2000~2015年PM2.5年均濃度衛星數據從大氣成分分析組織網站(http://fizz.phys. dal.ca/~atmos/martin/?page_id=140)下載,利用我國“2+26”城市行政邊界數據進行裁剪,得到區域2000~ 2015年的年均PM2.5濃度,空間分辨率為0.01°×0.01°,再定義投影為GCS_Krasovsky_1940坐標系,分辨率為1km.各城市2015年PM2.5地面監測數據來自中國空氣質量監測分析平臺(https://www.aqistudy.cn/ historydata/index.php).

氣象數據來自國家氣象科學數據共享服務平臺(http://data.cma.cn/),包括2000~2013年研究區內氣象站點的年平均風速和日最大風速風向.

社會經濟統計數據包括人口和地區工業總產值.2000~2015年人口空間數據來源于全球環境歷史數據庫(http://dx.doi.org/10.17026/dans-znk-cfy3).地區工業總產值來源于2001~2016年《中國城市統計年鑒》[21].

2 研究方法

2.1 趨勢分析法

采用一元線性趨勢分析法揭示區域PM2.5的時間變化格局,對2000~2015年“2+26”城市PM2.5年際變化趨勢進行擬合,計算公式如下[22]:

2.2 重心分析法

根據中國環境空氣質量標準(GB3095-2012)[25]對于二類環境空氣功能區(即居住區、商業交通混合區、文化區、工業區和農村地區)的空氣質量要求,提取PM2.5年均濃度大于二級濃度限值(35μg/m3)的區域,并采用重心分析法識別了“2+26”城市2000~ 2015年空氣污染重心,從而分析“2+26”城市PM2.5濃度重心的轉移情況.

幾何重心法的原理是通過這個次級區域的地理方位與某種共有屬性來計算重心點的位置,計算公式如下:

3 結果分析

3.1 區域PM2.5濃度時空格局

2000~2015年,區域PM2.5年均濃度整體呈現出太行山脈區域較低,太行山脈以東較高的格局,城鎮核心區PM2.5年均濃度總體高于周邊地區(圖2).太行山脈區域PM2.5年均濃度小于35μg/m3;太行山脈沿線PM2.5年均濃度為35~50μg/m3;東部大部分區域PM2.5濃度為50~80μg/m3;太行山脈外圍污染較重,PM2.5濃度在80μg/m3以上的區域在2006、2007、2009、2013和2015年范圍顯著擴大,主要出現在北京、天津和河北地區.

2000~2015年,區域PM2.5年均濃度變化總體呈增加趨勢(2=0.33,<0.05),主要表現在2000~2007年(2=0.78,<0.05),年均增加3.71μg/m3,2008年之后呈現出穩定的狀態(圖3).

2000~2007年,PM2.5年均濃度的變化強度具有空間異質性(圖4).研究區PM2.5濃度呈顯著增加(<0.05)的面積為242910km2,占區域總面積的88.48%;年均增量較高(增量大于5.5μg/(m3×a))的區域面積為6884km2,主要分布在山東省濱州市、濟南市和淄博市,其中濱州市所占面積最大為2859km2,占該等級總面積的41.53%;年均增量在4.0~5.5μg/(m3×a)的區域較廣,面積為100012km2,占全區的36.43%,主要分布在河北、天津和山東,其中山東省濟寧市所占面積最大,占該等級總面積的11.12%;年均增量為2.5~4.0μg/ (m3×a)的區域最大,面積為113220km2,占全區的41.24%,主要分布在河北省保定市(面積為11549km2,占該等級總面積的10.20%);年均增量小于2.5μg/ (m3×a)的區域面積為22794km2,占全區的8.30%,主要分布在山西省長治市(面積為4627km2,占該等級總面積的20.30%);年均增量不顯著的區域面積為31626km2,占全區的11.52%,主要分布在河南省安陽市(面積為4493km2,占該等級總面積的14.21%).

圖2 2000~2015年PM2.5濃度空間分布

圖3 2000~2015年區域PM2.5濃度變化

3.2 區域PM2.5污染重心變化特征

2000~2015年,區域PM2.5污染重心位于河北省衡水市、河北省邢臺市和山東省德州市3市交界處(圖5),重心格局變化較顯著.2000~2004年,污染重心位于山東省德州市,區域東部相對西部大氣污染較重.2005~2007年,污染重心呈現出快速向西移動的態勢,表明該時段內區域西部的PM2.5濃度顯著升高.2008年,污染重心迅速向東北方向移動到河北省衡水市,說明這一年區域北部,即北京、天津和河北省的PM2.5污染程度明顯增加.2009年后,區域污染重心略有浮動,但基本保持在河北省衡水市,呈現較為穩定的狀態,表明區域北部的北京、天津和河北省的污染程度均保持在相對較嚴重的狀態.

圖4 2000~2007年區域PM2.5濃度變化趨勢

圖5 2000~2015年區域PM2.5污染總體重心遷移軌跡

4 討論

4.1 空氣污染格局驅動因素

4.1.1 土地利用與PM2.5濃度的關系 目前已有許多關于土地利用與空氣污染關系的討論,證實土地利用類型對PM2.5存在影響[27-31].“2+26”城市總體PM2.5濃度在2000~2015年增加,各土地利用類型上的PM2.5濃度也均有所增加(圖6).到2015年,建設用地、未利用地、水體和耕地上的PM2.5濃度較高,草地和林地上的PM2.5濃度較低.未利用地上的PM2.5濃度提高最多,從43.9μg/m3提高到67.4μg/m3,提高了23.53μg/m3;林地上的PM2.5濃度增加量最少,僅增加了15.79μg/m3.

而2000~2015年區域各土地利用類型面積變化較顯著(圖7).全區耕地所占面積比例最高(62.77%~61.02%),未利用地所占面積比例最低(0.61%~0.54%).15年間,僅有水體與建設用地2種土地利用類型面積比例增加,分別提高了1.96%和16.32%.耕地、林地、草地和未利用地面積均減少,其中未利用地面積減少的比例最多,降低了11.53%.從以上結果可以看出,建設用地上的PM2.5濃度較高,其面積增加將導致PM2.5濃度的增加.耕地、林地和草地的面積減少,PM2.5濃度增加,說明植被對PM2.5濃度有一定的削減作用.這與許多學者的研究結果是相似的[32-35],也證明了土地利用對PM2.5濃度的影響.

圖6 不同土地利用類型上PM2.5濃度

4.1.2 風速與PM2.5濃度的關系 大氣中的顆粒物濃度主要受到污染源以及大氣對顆粒物的擴散作用的影響,而污染源在一定的地理環境和時間上相對穩定,但大氣對于顆粒物的擴散和稀釋能力則會有變化[36].氣象因子通過影響大氣污染物的擴散、稀釋、積聚和滯留過程來影響其污染程度[37],并且不同時段的影響存在顯著差異[38],連續靜穩的天氣情況可能導致強污染的發生和持續[39].影響大氣污染的氣象因子主要有風速、風向、氣溫和空氣濕度等,本文重點討論風速和風向對PM2.5濃度的影響.

圖7 2000~2015年區域各土地利用類型變化

a. 年均風速b. 風向玫瑰圖

a. wind speed b. wind rose map

基于區域內氣象站年均風速數據,發現2000~ 2013年區域年均風速呈下降趨勢(2=0.73,<0.01) (圖8a).風速較大的條件下,有利于PM2.5的擴散,從而降低PM2.5濃度.研究期間,區域年均風速從2000年的2.50m/s降低到2015年的2.24m/s,年均降低0.02m/s.風速降低不利于PM2.5擴散,可能是PM2.5濃度增加的原因之一.

我們進一步選擇了研究期間PM2.5濃度顯著增加區域內的3個典型城市,即唐山、邢臺和濟南,統計其2000~2013年每日的風向,結果如圖8b所示.唐山的主要風向為西和西北西,多發生在冬季,春季盛行風向為東南東和東南南;邢臺在冬季的盛行風向為東北北,春季的盛行風向為南和西南南;濟南的主要風向為東,多出現在冬季,而春季盛行風向為南.區域北部和西部山脈環繞,東部和南部地勢平坦,形成半封閉的地形,污染物容易積累,加重大氣污染程度.霧霾天氣主要發生在冬春兩季,區域冬季近地面高度以上以西北氣流為主,輸送氣流主要來自西北內陸地區,形成由西北向東南的大氣輸送通道[40],大氣污染物可能由區域西北部向東南部轉移.嚴格控制京津冀及周邊地區的污染排放,能有效降低北京地區的大氣污染.所以,為了更有效地治理京津冀地區的大氣污染問題,應全面考慮“2+26”城市的整體情況,統籌規劃,共同治理.

4.2 工業總產值與PM2.5濃度的相關性

大氣污染與經濟發展有著密不可分的關系[41].何楓等[42]對中國30個省市的研究表明,大氣污染與經濟發展呈N型曲線關系,且由于區域發展的不平衡,東部、中部和西部大氣污染與經濟發展的關系曲線和拐點不同.經濟發展的各因素中,工業產業是對大氣污染貢獻較大的[43],因此我們分析了全區各城市工業總產值與PM2.5濃度的相關性(圖9).北京、天津、唐山、邢臺、邯鄲、濟南、淄博、濟寧8個城市的工業總產值與PM2.5濃度呈顯著正相關.濟南市的相關系數最高,達0.69(<0.01),天津市最低為0.52(<0.05).工業總產值與PM2.5濃度顯著相關的城市,其年均PM2.5增量也較高.城市的工業化促進了經濟增長,卻也因為經濟發展過程中不合理的資源利用和排放方式,加劇了大氣污染.

圖9 “2+26”城市工業總產值與PM2.5濃度的相關性

4.3 PM2.5污染的損失與風險

大氣污染可能造成一定程度的經濟損失.一方面,大氣污染會嚴重影響人們的健康,增加額外健康支出,甚至在一些欠發達的地區,PM2.5污染控制的投資可能高于GDP的增長[44];另一方面,大氣污染會導致過早死亡和勞動時間減少,進而對經濟產生負面影響[45-46].Matus等[47]的研究表明,中國因為空氣污染造成的經濟損失在1995年、2000年和2005年分別達GDP的8.7%、6.9%和5.9%.大氣污染不僅對健康有不利影響,而且帶來巨大的經濟損失[48].控制PM2.5污染,可在一定程度上帶來健康改善和經濟效益[49].

圖10 2000~2015年PM2.5污染暴露人口空間分布

PM2.5在大氣邊界層內,與人類活動關系密切,嚴重影響人體健康[50-52].世界衛生組織(WHO)于2005年提出了PM2.5的指導限值,如果長期暴露在年均濃度35μg/m3的環境下,死亡風險比最低水平10μg/m3高出15%[53].本文分析了2000~2015年研究區內暴露在年均PM2.5濃度高于35μg/m3的區域的人口變化情況,以此評估區域人口暴露風險.2000~2015年區域PM2.5污染人口暴露水平增加(圖10).2000年暴露于PM2.5污染影響的城市有19個,人口為11096萬人,占全區人口的67.40%.2005年,僅有山西省的太原、陽泉和長治未受到PM2.5污染,北京和保定受PM2.5污染影響的人口最多,暴露于PM2.5污染的人口為16126萬人,高達全區總人口的95.15%.2010年,山西省的太原、長治、陽泉和晉城4個城市未暴露于PM2.5污染,受PM2.5污染影響的人口總數增加到16356萬人,主要集中在北京、天津和保定,但占全區的比例略有降低,達93.82%.2015年,暴露于PM2.5污染的人口進一步增多,達16569萬人,占全區的93.79%.人口暴露風險較高的北京、天津、保定等城市,其PM2.5年均濃度也較高,大量的人口暴露于高濃度的PM2.5污染威脅之下.而這些城市人口污染暴露風險的增加,是由污染范圍擴大和城市化引發的人口遷移導致的[54].城市人口增多,一方面增加了PM2.5污染的暴露風險,另一方面還可能提高PM2.5濃度[55-56],擴大污染.

4.4 局限性與展望

本研究基于PM2.5衛星產品分析了PM2.5濃度時空格局.自2013年,中國環境監測總站在全國空氣質量實時發布平臺公布了全國2100余個空氣質量監測站點的空氣質量數據,包括AQI、PM2.5、PM10、SO2、NO2、O3和CO.中國空氣質量在線分析平臺根據監測總站公布的各站點每小時PM2.5濃度數據求平均,得到每月各城市PM2.5平均濃度,為我們認識PM2.5格局提供了更為準確的資料.然而,該數據在長時間變化趨勢的監測上較衛星產品仍有不足.為了驗證本文PM2.5衛星產品數據的準確性,我們將2015年28個城市PM2.5平均濃度衛星產品與對應的地面監測數據做相關性分析,結果顯示兩者顯著相關(=0.55,<0.01).可見,本研究基于PM2.5平均濃度衛星產品的區域大氣污染總體格局與過程的分析是可靠和有效的.

大氣污染是土地利用、氣象和經濟發展等多方面因素綜合作用的結果,密切關注京津冀大氣污染發展變化,進一步探求不同因素對大氣污染的貢獻,將是未來研究的一個重點.

5 結論

5.1 2000~2015年京津冀大氣污染傳輸通道區PM2.5年均濃度的變化強度具有空間異質性,整體呈現出太行山脈區域低,太行山脈以東較高的格局,城鎮地區明顯高于周邊地區.2000~2015年區域PM2.5年均濃度變化總體呈增加趨勢,主要表現在2000~ 2007年,之后呈穩定狀態.

5.2 區域PM2.5污染重心位于衡水、邢臺和德州三市交界處.污染重心從德州市快速西移到邢臺市,隨后向東北移動,最后穩定在衡水市,表明2009年后,研究區北部,即北京、天津和河北省的大氣污染較嚴重.

5.3 建設用地的增加和植被面積的減少,風速的降低,以及不利于PM2.5擴散的風向,都可能導致PM2.5濃度提高.北京、天津和唐山等8個城市的工業總產值與PM2.5濃度相關.PM2.5污染會造成一定程度的經濟損失,區域人口污染暴露風險加劇.因此,需嚴格控制“2+26”城市的污染排放,統籌全區大氣污染防治.

[1] Geng G, Zhang Q, Martin R V, et al. Estimating long-term PM2.5concentrations in China using satellite-based aerosol optical depth and a chemical transport model [J]. Remote Sensing of Environment, 2015,166:262-70.

[2] 陸大道.京津冀城市群功能定位及協同發展 [J]. 地理科學進展, 2015,34(3):265-70. Lu D D. Functional orientation and cooperative development of Beijing-Tianjin-Hebei urban agglomeration [J]. Progress in Geography, 2015,34(3):265-70.

[3] Hsu C Y, Chiang H C, Chen M J, et al. Ambient PM2.5in the residential area near industrial complexes: Spatiotemporal variation,source apportionment,and health impact [J]. Science of the Total Environment, 2017,590-591:204-214.

[4] Li Z Q, Gu X, Wang L,et al. Aerosol physical and chemical properties retrieved from ground-based remote sensing measurements during heavy haze days in Beijing winter [J]. Atmospheric Chemistry and Physics, 2013,13(20):10171-10183.

[5] Zhai S, An X, Zhao T, et al. Detecting critical PM2.5emission sources and their contributions to a heavy haze episode in Beijing,China by using an adjoint model [J]. Atmospheric Chemistry and Physics, 2016: 1-20.

[6] Li P, Yan R, Yu S, et al. Reinstate regional transport of PM2.5as a major cause of severe haze in Beijing [J]. Proceedings of the National Academy of Sciences of the United States of America, 2015,112(21): 2739-2740.

[7] 蔣永成,趙天良,王 宏,等.福州市PM2.5污染過程中大氣邊界層和區域傳輸研究 [J]. 中國環境科學, 2015,35(2):347-355. Jiang Yong-cheng, Zhao Tian-liang, Wang Hong, et al. Study on atmospheric boundary layer and regional transport of PM2.5pollution process in Fuzhou [J]. China Environmental Science, 2015,35(2): 347-355.

[8] 薛文博,付 飛,王金南,等.中國PM2.5跨區域傳輸特征數值模擬研究 [J]. 中國環境科學, 2014,34(6):1361-1368. Xue wen-bo, Fu Fei, Wang Jin-nan, et al. Numerical simulation of transreglonal transmission characteristics of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[9] 王金南,寧 淼,孫亞梅.區域大氣污染聯防聯控的理論與方法分析 [J]. 環境與可持續發展, 2012,37(5):5-10. Wang Jin-nan, Ning miao, Sun Ya-mei.Analysis of the theory and method of joint prevention and control of regional air pollution [J]. Environment and Sustainable Development, 2012,37(5):5-10.

[10] Guo J P, Zhang X Y, Wu Y R, et al. Spatio-temporal variation trends of satellite-based aerosol optical depth in China during 1980~2008 [J]. Atmospheric Environment, 2011,45(37):6802-6811.

[11] 吳 兌.近十年中國灰霾天氣研究綜述 [J]. 環境科學學報, 2012, 32(2):257-269. Wu Dui. A summary of studies on China's ember weather in recent ten years [J]. Acta Scientiae Circumstantiae, 2012,32(2):257-269.

[12] Chu H J, Huang B, Lin C Y. Modeling the spatio-temporal heterogeneity in the PM10-PM2.5relationship [J]. Atmospheric Environment, 2015,102(2):176-182.

[13] 李名升,任曉霞,于 洋,等.中國大陸城市PM2.5污染時空分布規律 [J]. 中國環境科學, 2016,36(3):641-650. Li Ming-sheng, Ren Xiao-xia, Yu Yang,et al. Temporal and spatial distribution of PM2.5pollution in Chinese cities [J]. Chian Environmental Science, 2016,36(3):641-650.

[14] 李珊珊,程念亮,徐 峻,等.2014年京津冀地區PM2.5濃度時空分布及來源模擬 [J]. 中國環境科學, 2015,35(10):2908-2916. Li Shan-shan, Cheng Nian-liang, Xu Jun, et al. Temporal and spatial distribution and source simulation of PM2.5concentration in Beijing- Tianjin-Hebei region in 2014 [J]. Chian Environmental Science, 2015, 35(10):2908-2916.

[15] Yan D, Lei Y, Shi Y, et al. Evolution of the spatiotemporal pattern of PM2.5concentrations in China-A case study from the Beijing-Tianjin- Hebei region [J]. Atmospheric Environment, 2018,183:225-233.

[16] Wu J, Yao F, Li W, et al. VIIRS-based remote sensing estimation of ground-level PM2.5concentrations in Beijing–Tianjin–Hebei: A spatiotemporal statistical model [J]. Remote Sensing of Environment, 2016,184:316-328.

[17] Van D A, Martin R V, Brauer M, et al. Global Estimates of Fine Particulate Matter using a Combined Geophysical-Statistical Method with Information from Satellites,Models,and Monitors [J]. Environmental Science and Technology, 2016,50(7):3762-3787.

[18] He C, Gao B, Huang Q, et al. Environmental degradation in the urban areas of China: Evidence from multi-source remote sensing data [J]. Remote Sensing of Environment, 2017,193:65-75.

[19] Shi Y, Matsunaga T, Yamaguchi Y, et al. Long-term trends and spatial patterns of satellite-retrieved PM2.5concentrations in South and Southeast Asia from 1999 to 2014 [J]. Science of The Total Environment, 2018,615:177-186.

[20] Xie R, Sabel C E, Lu X, et al. Long-term trend and spatial pattern of PM2.5induced premature mortality in China [J]. Environment International, 2016,97:180-186.

[21] 國家統計局城市社會經濟調查司. 中國城市年鑒 [M]. 中國統計出版社, 2016. State Environmental Protection Administration. China city yearbook [M]. China Statistics Press, 2016.

[22] 徐建華.現代地理學中的數學方法(第二版) [M]. 北京:高等教育出版社, 2002. Xu Jianhua. Mathematical methods in modern geography [M]. 2nd. Higher Education Press, 2002.

[23] 張元棟,尚曉鵬,杜芬玲,等.寧夏植被動態變化及其對降水的響應 [J]. 西安科技大學學報, 2017,37(01):84-89. Zhang Yuandong, Shang Xiaopeng, Du Fenling, et al. Dynamic change of vegetation and its response to precipitation in Ningxia [J]. Journal of Xi'an University of Science and Technology, 2017,37(01):84-89.

[24] 李 寧,郭 健,王 倩,等.趨勢分析法評價苯系物標準氣體的時間穩定性 [J]. 中國環境監測, 2012,28(5):130-133. Li Ning, Guo Jian, Wang Qian, et al. Time analysis method for evaluating the time stability of benzene standard gas [J]. China Environmental Monitoring, 2012, 28(5):130-133.

[25] 國家環保總局. GB3095-2012環境空氣質量標準 [S]. 國家環保總局, 2012. Ministry of Environmental Protection. Ambient air quality standard (GB3095-2012) [S]. Ministry of Environmental Protection, 2012.

[26] 周 亮,周成虎,楊 帆,等.2000~2011年中國PM2.5時空演化特征及驅動因素解析 [J]. 地理學報, 2017,72(11):2079-2092. Zhou Liang, Zhou Chenghu, Yang Fan, et al. Analysis of Temporal and Spatial Evolution Characteristics and Driving Factors of PM2.5in China from 2000 to 2011 [J]. Acta Geographica Sinica, 2017,72(11):2079- 2092.

[27] Chen L, Peng S, Liu J, et al.Dry deposition velocity of total suspended particles and meteorological influence in four locations in Guangzhou,China [J]. Journal of Environmental Sciences, 2012,24(4):632-639.

[28] Nowak D J, Hirabayashi S, Bodine A, et al. Modeled PM2.5removal by trees in ten U.S. cities and associated health effects [J]. Environmental Pollution, 2013,178(1):395-402.

[29] Xu W, Wu Q, Liu X, et al.Characteristics of ammonia, acid gases,and PM2.5for three typical land-use types in the North China Plain [J]. Environmental Science and Pollution Research, 2016,23(2):1158- 1172.

[30] Yang H, Chen W, Liang Z. Impact of Land Use on PM2.5Pollution in a Representative City of Middle China [J]. International Journal of Environmental Research and Public Health, 2017,14(5):462-476.

[31] 陽海鷗,陳文波,梁照鳳.LUR模型模擬的南昌市PM2.5濃度與土地利用類型的關系 [J]. 農業工程學報,2017,33(6):232-239. Yang Haiou, Chen Wenbo, Liang Zhaofeng. Relationship between PM2.5concentration and land use type simulated by LUR model in Nanchang [J]. Transactions of the Chinese Society of Agricultural Engineering, 2017,33(6):232-239.

[32] Ding A J, Fu C B, Yang X Q, et al. Ozone and fine particle in the western Yangtze River Delta: an overview of 1yr data at the SORPES station [J]. Atmospheric Chemistry and Physics, 2013,13(11):5813- 5830.

[33] 李玉玲,劉紅玉,婁彩榮,等.江蘇省PM2.5時空變化及土地利用影響研究 [J]. 環境科學與技術, 2016,39(8):10-15. Li Yuling, Liu Hongyu, Lou Cairong, et al. Study on temporal and spatial changes of PM2.5and land use impact in Jiangsu province [J]. Environmental Science & Technology, 2016,39(8):10-15.

[34] 唐昀凱,劉勝華.城市土地利用類型與PM2.5濃度相關性研究——以武漢市為例 [J]. 長江流域資源與環境, 2015,24(9):1458-1463. Tang Yunkai, Liu Shenghua. Study on the correlation between urban land use type and PM2.5concentration——taking Wuhan as an example [J]. Resources and Environment in The Yangtze Basin, 2015, 24(9):1458-1463.

[35] 謝舞丹,吳健生.土地利用與景觀格局對PM2.5濃度的影響——以深圳市為例 [J]. 北京大學學報(自然科學版), 2017,53(1):160-170. Xie Wudan, Wu Jiansheng. The impact of land use and landscape pattern on PM2.5concentration: A case study of Shenzhen [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017,53(1):160-170.

[36] 張 南,熊黑鋼,葛秀秀,等.北京市冬季霧霾天人體呼吸高度PM2.5變化特征對氣象因素的響應 [J]. 環境科學, 2016,37(7):2419-2427. Zhang Nan, Xiong Heigang, Ge Xiuxiu, et al. Response of PM2.5variation characteristics of human snorkeling height to meteorological factors in winter smog days in Beijing [J]. Environmental Science, 2016,37(7):2419-2427.

[37] 曾 靜,王美娥,張紅星.北京市夏秋季大氣PM2.5濃度與氣象要素的相關性 [J]. 應用生態學報, 2014,25(9):2695-2699. Zeng Jing, Wang Meie, Zhang Hongxing. Correlation between atmospheric PM2.5concentration and meteorological elements in summer and autumn in Beijing [J]. Chinese Journal of Applied Ecology, 2014,25(9):2695-2699.

[38] 張存厚,李福勝,朝魯門,等.呼和浩特市空氣質量狀況及與氣象因子的相關性分析 [J]. 干旱區資源與環境, 2018,32(2):87-93. Zhang Cunhou, Li Fusheng, Chao Lumen, et al.Analysis of air quality status and correlation with meteorological factors in Hohhot [J]. Journal of Arid Land Resources and Environment, 2018,32(2):87-93.

[39] 楊 欣,陳義珍,劉厚鳳,等.北京2013年1月連續強霾過程的污染特征及成因分析 [J]. 中國環境科學, 2014,34(2):282-288. Yang Xin, Chen Yizhen, Liu Houfeng, et al.Pollution characteristics and causes of continuous intensive process in Beijing in January 2013 [J]. China Environmental Science, 2014,34(2):282-288.

[40] 楊慶周.京津渤地區大氣污染物區域輸送研究 [D]. 濟南:山東師范大學, 2009. Yang Qinzhou.Study on regional transportation of air pollutants in Beijing-Tianjin-Hebei Region [D]. Jinan: Shandong Normal University, 2009.

[41] Fodha M, Zaghdoud O.Economic growth and pollutant emissions in Tunisia: An empirical analysis of the environmental Kuznets curve [J]. Energy Policy, 2010,38(2):1150-1156.

[42] 何 楓,馬棟棟,祝麗云.中國霧霾污染的環境庫茲涅茨曲線研究——基于2001-2012年中國30個省市面板數據的分析 [J]. 軟科學, 2016,30(4):37-40. He Feng, Ma Dongdong, Zhu Liyun. Study on the Environmental Kuznets Curve of China's haze pollution——Based on the analysis of panel data of 30 provinces and cities in China from 2001to 2012 [J]. Soft Science, 2016,30(4):37-40.

[43] 孫建如,鐘 韻.我國大城市PM2.5影響因素的經濟分析——基于市級面板數據的實證研究 [J]. 生態經濟(中文版), 2015,31(3):62-65. Sun Jianru, Zhong yun. Economic Analysis of Factors Affecting PM2.5in Big Cities of China——An Empirical Study Based on Municipal Panel Data [J]. Ecological Economy (Chinese Version), 2015,31(3): 62-65.

[44] Xie Y, Dai H, Dong H, et al. Economic impacts from PM2.5pollution- related health effects in China: A provincial-level analysis [J]. Environmental Science and Technology, 2016,115(9):220-229.

[45] 曹彩虹,韓立巖.霧霾帶來的社會健康成本估算 [J]. 統計研究, 2015, 32(7):19-23. Cao Caihong, Han Liyan. Estimation of social health costs from smog [J]. Statistical Research, 2015,32(7):19-23.

[46] 謝 楊,戴瀚程,花岡達也,等.PM2.5污染對京津冀地區人群健康影響和經濟影響 [J]. 中國人口·資源與環境, 2016,26(11):19-27. Xie Yang, Dai Hancheng, Hanaoka Tatsuya, et al. Health and economic impacts of PM2.5pollution on population in Beijing- Tianjin-Hebei region [J]. China Population Resources and Environment, 2016,26(11):19-27.

[47] Matus K, Nam K M, Selin N E,et al. Health damages from air pollution in China [J]. Global Environmental Change, 2012,22(1): 55-66.

[48] Wang G, Gu S J, Chen J, et al.Assessment of health and economic effects by PMpollution in Beijing: a combined exposure–response and computable general equilibrium analysis [J]. Environmental Technology, 2016,37(24):1-8.

[49] 黃德生,張世秋.京津冀地區控制PM2.5污染的健康效益評估 [J]. 中國環境科學, 2013,33(1):166-1674. Huang Desheng, Zhang Shiqiu. Health benefit assessment of PM2.5pollution control in Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2013,33(1):166-1674.

[50] Atkinson R W, Kang S, Anderson H R, et al.Epidemiological time series studies of PM2.5and daily mortality and hospital admissions: a systematic review and meta-analysis [J]. Journal of Exposure Science and Environmental Epidemiology, 2015,25(2):208-214.

[51] Brauer M, Freedman G, Frostad J, et al. Ambient Air Pollution Exposure Estimation for the Global Burden of Disease 2013 [J]. Environmental Science and Technology, 2015,50(1):79-88.

[52] Liang Y, Fang L, Pan H, et al.PM2.5in Beijing - temporal pattern and its association with influenza [J]. Environmental Health A Global Access Science Source, 2014,13(1):102-110.

[53] WHO. Air quality guidelines: global update 2005 [J]. Bonn: WHO Reginal Office for Europe, 2005:9-13.

[54] 別 同,韓立建,田淑芳,等.人口城市化對空氣污染人群暴露貢獻的定量方法研究 [J]. 生態學報, 2018,38(13):1-13. Bie Tong, Han Lijian, Tian Shufang, et al. Quantitative methodology of population urbanization's contribution to air polluted population exposure [J]. Acta Ecologica Sinica, 2018,38(13):1-13.

[55] Han L, Zhou W, Li W, et al. Impact of urbanization level on urban air quality: a case of fine particles (PM2.5) in Chinese cities [J]. Environmental Pollution, 2014,194(1):163-170.

[56] 張淑平,韓立建,周偉奇,等.城市規模對大氣污染物NO2和PM2.5濃度的影響 [J]. 生態學報, 2016,36(16):5049-5057. Zhang Shuping, Han Lijian, Zhou Weiqi, et al. Influence of city scale on the concentration of atmospheric pollutants NO2and PM2.5[J]. Acta Ecologica Sinica, 2016,36(16):5049-5057.

Spatiotemporal patterns of air pollution in air pollution transmission channel of Beijing-Tianjin-Hebei from 2000 to 2015.

PENG Le1,2, ZHAO Yuan-yuan1,2*, ZHAO Ji-lin1,2, GAO Guang-lei1,2, DING Guo-dong1,2

(1.Key Laboratory of soil and water conservation State Forestry Administration, College of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China；2.Yanchi Ecology Research Station of the Mu Us Desert, Yanchi, Ningxia 751500, China)., 2019,39(2)：449~458

It is of great significance for preventing and controlling regional air pollution to understand spatiotemporal patterns of air pollution in air pollution transmission channel (also known as “2+26” cities) of the Beijing-Tianjin-Hebei area. Spatial pattern and temporal variation of air pollution in “2+26” cities was revealed with the satellite-derived PM2.5concentration data from 2000 to 2015 and the linear trend analysis and the barycenter analysis. The main findings are as follows: PM2.5concentration was lower in the west and higher in the east with the Taihang Mountain as the demarcation. And that in the center of the city was higher than that in surrounding regions. The concentration of PM2.5generally showed an increasing trend from 2000 to 2015, especially during 2000~2007. The area with significant increasing trend during 2000~2007 accounted for 88.48% of the total area. The gravity center of PM2.5pollution was located at the junction of Hengshui, Xingtai and Dezhou, which indicated that the pollution in the north of the study area was more serious. This study could provide reference and support for policy formulation and implementation of air pollution control measures in Beijing-Tianjin-Hebei regions.

air pollution transmission channel of Beijing-Tianjin-Hebei；“2+26” cities；PM2.5；spatiotemporal pattern

X513

A

1000-6923(2019)02-0449-10

彭 玏(1995-),女,江西吉安人,北京林業大學碩士研究生,主要從事荒漠化防治相關研究.發表論文1篇.

2018-06-25

國家重點研發計劃項目(2016YFC0500802);大氣重污染成因與治理攻關項目(DQGG020804);國家自然科學基金資助項目(41401095)

* 責任作者,講師,yuanyuan0402@126.com