吉林省縣域霧霾污染空間演化格局及其因素分析

(吉林建筑大學 建筑與規劃學院,吉林 長春 130118)

1 引言

霧霾污染對生態環境、人體健康、道路交通和人們的生產生活方式等方面產生了嚴重影響,區域生態環境保護面臨重大挑戰[1]。PM2.5作為城市地區大氣的重要污染物,是造成城市霧霾最重要的“元兇”之一[2]。我國提出要注重對霧霾污染的防控工作,出臺了《大氣污染防治行動計劃》,進一步推動大氣環境治理的進程,這標志著大氣環境治理已成為我國生態文明建設的重要內容,是實現區域可持續發展的重要途徑之一。

大氣污染逐步成為限制城市與區域可持續發展的重要瓶頸,學術界基于不同空間尺度對霧霾污染進行了大量實證研究。高歌對全國霧霾的時空分布特征及其變化趨勢進行了分析,得到長江中下游、華南和華北地區是霧霾天氣集中多發區,全國平均霾日數呈明顯增加趨勢[3];吳兌等利用氣象資料分析了全國霧霾的長期變化趨勢,著重指出20世紀80年代以后,霾日出現的頻數呈明顯上升趨勢,且霾日多集中在我國東部、南部經濟和工業發展較好的地區[4]。城市群逐步成為拉動區域發展的增長極,城市群尺度的霧霾研究大量涌現,馬曉倩等[5]、李欣等[6]、曾浩等[7]分別就京津冀、長三角、長江經濟帶霧霾污染時空演化進行了相關研究。在城市尺度層面,于淑秋等[8]、錢峻屏等[9]對北京市、汕尾市霧霾的時空分布進行了探討;陳鈺彬等通過對合肥市霧霾污染的定性和定量分析,得到工業發達地區的污染程度高于其他地區的結論[10]。在系列時空特征分析基礎上,地理學者開始注重霧霾污染這一現象背后的成因與機理分析,學者們普遍認為霧霾污染不僅受區域地形、氣候等自然要素影響,還受到來自于城鎮化、工業化等帶來的人類活動增強的影響[11]。安興琴等利用GIS分析了蘭州市霧霾污染狀況,指出大氣污染物空間擴散與分布受高原典型盆地城市地貌特征影響[12];孟小絨等研究指出由于西安市特殊的地形、季風是霧霾時空變化的重要影響因素[13];王立平采用省際霧霾污染面板數據,從經濟、人口、政策三方面探討了霧霾污染的影響因素,分析發現產業結構、能源消費結構、城市建設施工、人口規模等因素對霧霾污染具有抗干擾性的“穩健性”影響[14];熊超、邵帥等從經濟、能源視角揭示了重工業為主的產業結構、煤炭為主的能源結構、機動車數量與房地產市場升溫等對霧霾爆發產生重要影響[15,16];冷艷麗等通過研究2001—2015年省際面板數據,發現城市化對霧霾污染具有正向影響,而產業結構與霧霾污染之間存在正相關關系[17]。

吉林省作為我國東北地區重要的老工業基地,資源枯竭型城市數量多、產業結構偏重、經濟發展對重工業剛性生產模式依賴性較強[18],高能耗、高污染的粗放型經濟發展方式未能得到根本性的轉變,環境污染日趨嚴重。同時,受“東北振興”戰略驅動,吉林省經濟發展也經歷了“黃金十年”,城市發展具有顯著階段性特征,其快速發展進一步加大了資源消耗需求,生態足跡持續提升。在經濟發展模式與經濟增速階段性背景下,從縣域尺度認知老工業基地地區的霧霾污染時空特征，探究霧霾污染的影響因素,對老工業基地的霧霾治理具有重要借鑒意義,為霧霾治理的差異化策略提供理論依據。

2 數據來源與研究方法

2.1 數據來源與處理

Atmospheric Composition Analysis Group利用化學SeaWiFS儀器與GEOS-Chem輸送模式,計算并校準了1998—2016年全球PM2.5年均濃度值,數據精度可達到0.01經緯度。相較于我國實時監測數據,該類數據具有時間序列長、清晰度相對較高的優點。本文基于該數據提取2000年、2008年和2016年吉林省范圍內的PM2.5(圖1),利用ArcGIS軟件平臺將其采樣為100m×100m,并利用區域統計分析功能計算各縣域的PM2.5平均值。

圖1 吉林省PM2.5年均濃度值分布

各時間斷面下的縣域總人口、工業總產值、第二產業產值占比、人均國內生產總值、森林(綠化)面積等社會經濟指標分別來源于2001年、2009年和2017年的《吉林統計年鑒》;表征城鎮活力的夜間燈光指數被廣泛應用于經濟、城市發展研究中,數據來源于NOAA。

2.2 標準差指數、變異系數與相對發展率

本文利用標準差指數和變異系數對縣域霧霾污染程度進行差異分析,計算公式為:

(1)

相對發展率(Nich)能較好地測度子區域在一定時期內相對于大區域的發展速度[19]。本文借鑒相對發展率測度吉林省霧霾污染的相對增減狀況,計算公式為:

Nichi=(y2i-y1i)/(y2-y1)

(2)

式中,y2i、y1i分別表示i縣域在時間2和時間1的霧霾污染平均指數;y2、y1分別表示吉林省域在時間2和時間1的霧霾污染平均指數。

2.3 空間自相關

空間自相關是一種空間統計分析方法,空間分布特征可通過空間自相關的全局和局域兩個指標來度量。全局自相關系數是用來驗證整個研究區域的空間模式和度量屬性值在整個區域空間上的分布態勢或集聚狀況,表示全局空間自相關的指標和方法很多,最常用的是Moran′s I。局域空間關聯性指標Getis-Ord Gi*是用來揭示空間地域單元與其臨近空間單元屬性特征值之間的相似性或相關性[20]。

2.4 地理加權回歸

地理加權回歸模型(GWR)主要用于研究空間數據復雜性、自相關性和變異性的新方法[21]。該模型相較于最小二乘法模型,充分考慮了影響因素的地理空間位置,并允許進行局部回歸的參數估計[22]。GWR模型公式為:

(3)

式中,(ui,υi)為第i個采樣點的坐標;β0為模型的常數;βk為第i個采樣點第k個回歸參數;εi為第i個采樣點的殘差;β為地理坐標(ui,υi)的函數,如果β與地理坐標無關,上式就轉換為一般線性回歸。每個采樣點的參數估計與加權距離矩陣相關,加權距離矩陣通過空間權函數構建;空間權函數在實證分析中一般采用高斯距離權重。

3 結果及分析

3.1 吉林省縣域霧霾污染的時間演化特征

2000—2016年,吉林省縣域霧霾污染平均水平由19.42ug/m3快速增長至35.59ug/m3,年均增長達到4.2%,平均霧霾污染超越二級濃度限值,霧霾污染整體趨于嚴重。2000—2008年,霧霾污染水平呈快速增長狀態,年均增幅達到8.6%。在“東北振興”戰略驅動下,吉林經歷了經濟發展的“黃金十年”,工業的快速發展和大氣環境治理的滯后導致其霧霾污染水平呈現出快速提升狀況。2008—2016年,“生態文明”建設提出經濟與生態系統協調發展要求,生態治理初現成效,霧霾污染的平均水平雖稍有上升,但年均增幅較小，僅為0.4%。

霧霾污染的值域區間顯示,研究期內霧霾污染的值域區間由[11.5,28]持續提升至[18.1,58.4],縣域霧霾污染的整體差異呈現出迅速擴大的現象。吉林省縣域霧霾污染的標準差指數由4.71持續上升至12.18,表明縣域霧霾污染的絕對差異呈逐步拉大趨勢。從相對差異看,縣域霧霾污染的變異系數由0.24逐步擴大至0.34,整體呈現出增長狀態。絕對差異和相對差異增加的態勢表明,吉林省縣域霧霾污染水平差異正逐步拉大。無論是絕對差異還是相對差異,在時間尺度上的階段性特征與平均水平變化幅度呈現出高度相關性，即2000—2008年縣域差異快速擴大,2008—2016年縣域差異增速趨于平緩。

3.2 吉林省縣域霧霾污染的空間演變特征

基于縣域霧霾污染平均指數,依據《中華人民共和國環境空氣質量標準(GB3059-2012)》對PM2.5濃度限值標準為臨界值進行等級劃分、繪制專題圖(圖2),以探討吉林省縣域霧霾污染的空間演化過程。吉林省縣域霧霾污染程度的空間異質性顯著,各時間斷面下均呈現出“中部高、兩端低”的峰型分布特征;吉林省中部的長春市、吉林市、松原市所轄部分縣市形成相對穩定的高度霧霾污染區,并隨著時間推移而逐步加深。2000年,吉林省僅德惠市、扶余市、吉林市、榆樹市、長春市等中北部縣市的PM 2.5值超過25ug/m3,原因在于該類型城市均屬于老工業城市或資源型城市，經濟水平整體較高,霧霾污染的“差生”源較多。同時,城市多位于東北大平原中部并臨近哈爾濱,霧霾污染的空間擴散效應普遍較弱。在“東北振興”戰略政策驅動下,吉林省縣域霧霾污染不僅快速提升,且其空間影響范圍顯著擴展。2008年,以長春市、吉林市、松原市、四平市和遼源市為核心形成中部重度霧霾污染組團區,空間范圍呈現出迅速擴張狀態。這一時期,霧霾污染對經濟發展帶來的能源消耗與污染治理的空間響應關系顯現。“生態文明”建設為吉林省霧霾污染治理提供了良好契機,縣域霧霾污染程度及速度出現明顯放緩趨勢。2016年,重度污染區(PM2.5>35)空間變化不大,蛟河市上升為重度污染區,中度污染區范圍有所擴張。整體來看,吉林省中部地區經濟發展、城市等級與規模均處于省域前列,而“中部低、東西部高”的地形進一步促使了該地區霧霾污染的擴散效應不足,霧霾污染的降解能力較弱。吉林省東西部縣域多處于山地、丘陵地帶,產業結構以旅游、農業等為主,工業發展相對不足,霧霾污染相對較少。

圖2 吉林省縣域霧霾污染的空間水平

從霧霾污染的相對增長程度來看,2000—2016年吉林省形成以榆樹市、長春市、四平市等為核心的高速增長軸帶區,該軸帶區霧霾污染的相對增長率均在1.5以上,遠超吉林省平均污染水平。以該軸帶區為核心,相對增長率變化呈排列分布特征并由中心向東、西方向上出現距離衰減現象,東部的延吉市、白山市和通化市均遠低于全省平均排放水平,霧霾污染相對較小。其空間分布格局表明長春市、吉林市、四平市、遼源市等地級城市是吉林省霧霾污染產生的重要源地,同時霧霾污染具有空間溢出效應。2000—2008年,以吉林省中南部的長春市、四平市、遼源市等為核心形成團塊狀的增長快速區,并呈圈層式擴展,地域分異規律十分顯著;2008—2016年,省域西部的白城市、東南部的通化市與白山市等霧霾污染治理明顯好轉,PM2.5排放量出現下降趨勢，而吉林省中部、東北部等眾多縣域的霧霾污染均高于全省平均水平,空氣污染治理任重而道遠。

3.3 吉林省縣域霧霾污染空間關聯特征

為了進一步探討吉林省縣域霧霾的空間關聯演化特征,本文基于Geoda軟件平臺和縣域平均霧霾指數進行了空間自相關分析,得到2000年、2008年和2016年吉林省縣域霧霾的空間關聯格局圖(圖3)。2000—2016年,吉林省縣域霧霾污染的全局空間自相關系數在0.81以上,霧霾污染在地域空間內呈現出正相關,表明污染水平相似的縣域(高—高或低—低)在空間上呈集聚趨勢。全局空間自相關系數由2000年的0.81上升至2008年的0.90,發展到2016年則下降至0.87，吉林省縣域霧霾污染在地域內的空間集聚趨勢由增強逐步減弱。霧霾污染的Lisa分布顯示,“高—高”和“低—低”污染集聚區逐步由三大組團向兩大組團轉變,“高—高”集聚區范圍相對穩定，空間范圍出現先擴張后收縮的變化狀況,而“低—低”集聚區則出現空間位移、擴張與收縮等發展特征。

圖3 吉林省縣域霧霾污染的空間關聯格局

從不同時間斷面來看,2000年縣域霧霾污染的“高—高”集聚區與霧霾重度污染區呈顯著正相關性,均分布在省域中部地帶,主要包括長春市、德惠市、吉林市等周邊地區;而“低—低”集聚區在省域東、西部分別形成一個組團,其中東部組團主要以延吉市為核心形成軸帶狀,西部組團則以白城市為核心形成組團式。2008年,霧霾污染的“高—高”集聚區向省域南部、西部地帶擴張,四平市、長嶺縣、公主嶺市等均為“高—高”集聚區;而“低—低”集聚區由東、西部“兩翼齊飛”轉向東部集聚發展,基本覆蓋延邊州、白山市兩個市(州)域,縣域霧霾污染的動態演化表現出明顯的空間臨近效應。發展至2016年,受大氣治理政策影響,省域中部的“高—高”和東部的“低—低”集聚區均呈現出明顯的收縮現象,長嶺縣、東遼縣和四平市的霧霾擴散效應下降,而長白縣則退出“低—低”集聚區。

3.4 吉林省縣域霧霾污染影響因素分析

霧霾污染是人類社會經濟活動在地域空間內的綜合反映。一般來說,人口密度越高,人類社會經濟活動越活躍,對能源消耗的需求量相對較多，同時人口密集城鎮所排放的污染也處于相對較高的水平。城鎮經濟發展與霧霾污染呈顯著相關性,如經濟發展所消耗的能源及其排放的污染在一定程度上造成了霧霾加重。產業結構差異往往對霧霾污染具有重要影響,工業型城市主要以第二產業為主,耗能最高、污染物排放最嚴重;農業型和旅游型城市則以第一產業和第三產業為主,主要依托技術或勞動力投入實現經濟增長,耗能與污染物排放相對較小。眾所周知,城鎮綠化水平可實現空氣凈化、降解污染、降低能耗,從而實現霧霾污染的減少;城鎮活力可綜合反映人類社會經濟活動強度大小,社會活動強度越大，霧霾污染程度往往越高。通過霧霾污染的時空尺度特征分析,發現吉林省縣域霧霾污染具有顯著的空間異質性。為進一步探究社會經濟活動對霧霾污染的影響作用,本文從人口、產業、經濟、綠化、城鎮活力等維度出發,選取縣域總人口、工業總產值、第二產業產值占比、人均國內生產總值、森林(綠化)面積占比、夜間燈光指數平均值等具體指標的相對增長率,作為吉林省縣域霧霾污染影響因子進行歸因分析。

本文以2000—2016年縣域霧霾污染相對增長率為因變量,以上述指標的相對增長率為自變量,利用ArcGIS 10.1和Geoda軟件平臺計算地理加權回歸(GWR)模型與普通最小二乘法(OLS)模型的相關參數(表1),并進行比較分析。模型帶寬選擇為AICc方法、核密度類型選擇為FIXED。

表1 吉林省縣域霧霾污染影響因素的OLS與GWR模型對比

結果顯示:OLS模型中，各影響因素對霧霾污染增長的解釋力僅為48.61%,而GWR模型的擬合優度要明顯高于OLS模型，其解釋力達到81.52%,對縣域霧霾污染增長的影響因素具有較好的解釋力(圖4)。GWR模型的Residual Squares小于OLS模型,表明GWR模型更加擬合觀測數據。按照Fotheringhan的評價標準,即如果AICc下降值大于3就可比較不同種類的模型擬合顯著程度的顯著性,AICc越小，表明模型的擬合優度越好。GWR模型中的Sigma和AICc低于OLS模型,AICc統計量的適當收斂表明GWR模型擬合性更好,大大增強了模型的擬合強度。因此,即使將GWR模型的復雜性考慮在內,其模型精確度仍然比OLS模型更優。

圖4 吉林省縣域霧霾污染的GWR回歸系數空間分布

人均GDP增長回歸系數呈由省域中部向東部和西部逐步提升的階梯狀分布格局,其中白城市大部分縣域的回歸系數均為正值,表明人均GDP增長對白城市域內的霧霾污染加重具有正向促進作用,而在省域中部地區的吉林市、長春市、德惠市等地區呈現出顯著的負相關關系,經濟增長在一定程度上緩解了霧霾污染。分析其原因，主要是經濟增長促使更多資金投入到環境治理中,作為吉林中部經濟圈地帶,環境治理的協同作用和重視程度更加突出。縣域人口、縣域夜間燈光指數提升回歸系數的空間分布格局大體相似,均由省域西部縣域向東部縣域逐級遞減,正相關區均分布在白城、松原等市域內,該市域人口或活力對霧霾污染加重具有促進效應,而延邊州、白山市域人口或活力提升對霧霾增長則顯示出較強的抑制作用。第二產業占比、工業總產值的回歸系數則與人口、活力呈現出基本相反的空間布局,大體由東部縣域向西部縣域逐級下降,其中第二產業比例提升的促進作用主要分布在吉林市、延邊州西部、白山和通化市域;工業總產值增長的促進作用則突出表現在延邊州、白山市東部等地區;顯著負向關系縣域分布在白城市、松原市等西部市域內。從森林(綠化)面積增長的回歸系數來看,霧霾污染對森林面積增長的敏感性整體較弱,其空間影響的地域分布相對復雜,除白城市大部分縣域外,吉林省縣域霧霾與森林面積呈負相關關系,表明綠化建設對霧霾污染的緩解具有一定的作用,加強松原市、四平市等工業城市的綠化建設有利于提升省域整體霧霾降解水平。

4 結論與討論

4.1 結論

主要結論:①2000—2016年,吉林省霧霾污染整體趨于嚴重,2000—2008年霧霾污染水平呈快速增長狀態,而在2008—2016年霧霾污染的平均水平雖稍有上升但年均增幅較小。吉林省縣域霧霾污染水平的絕對差異和相對差異均呈現出逐步拉大趨勢,階段性特征與平均水平變化幅度呈現出高度相關性。②吉林省縣域霧霾污染程度在各時間斷面下均呈現出“中部高、兩端低”的峰型分布特征,“長春經濟圈”成為相對穩定的高度霧霾污染區,東西部縣域霧霾污染整體較少;以“哈大軸帶”為核心,相對增長率變化呈排列分布特征并向東西方向上出現逐級下降現象。③吉林省霧霾污染在地域內呈現出正相關關系,空間集聚趨勢由增強逐步減弱,“高—高”和“低—低”污染集聚區逐步由三大組團向兩大組團轉變,“高—高”集聚區范圍相對穩定,其空間范圍出現先擴張后收縮的變化狀況,而“低—低”集聚區則出現空間位移、擴張與收縮等發展特征。④各因素對縣域霧霾污染具有明顯的方向性與異質性;人均GDP增長的回歸系數由省域中部向東、西部逐步提升的階梯狀分布格局,縣域人口、縣域夜間燈光指數則由省域西部向東部縣域逐級遞減,第二產業占比、工業總產值的回歸系數大體由東部向西部縣域逐級下降;霧霾污染對森林面積增長的敏感性整體較弱,其地域分布相對復雜。

4.2 討論

本文認為，在深入推行吉林省城鎮化和生態文明建設過程中,應從以下三個方面加強霧霾綜合治理:①加強長吉一體化、長春經濟圈內的霧霾污染監測體系建設。長吉一體化、長春經濟圈是吉林省經濟發展的增長極,也屬于省域內重要的老工業基地集聚區,加強該地區環境空氣質量新標準監測能力對整體推動吉林省縣域乃至東北經濟發達地區霧霾治理均具有經驗和示范作用。②加強縣域產業結構轉型。作為老工業基地,經濟發展對工業存在明顯依賴性,立足縣域特色資源,實現產業差異化、協同化發展。東部縣域應加強旅游資源開發,形成省域特色旅游產業圈;西部縣域則以農業與工業為主,加強綠色農業、工業智能化發展;中部縣域則應形成產業多元化發展,如文化產業、旅游業等,逐步降低經濟發展對工業產業的依賴,從而降低縣域資源能耗、減少污染排放。③區域可持續發展與生態足跡顯著相關,促進人口結構的合理化布局有利于實現資源消耗的均衡化,吉林省應合理控制長春市、吉林市等大城市的人口增長,同時以綠色生活生產方式實現資源能耗下降;積極促進延吉、白山、白城等東西部城市經濟發展,在生態環境保育基礎上提升人口集聚能力,實現環境與經濟、人口的協調發展。