2015年監測城市霧霾污染的時空分布特征及社會經濟原因分析

張慧琳，丁文廣，田莘冉，許丹陽

（蘭州大學資源環境學院，甘肅 蘭州730000）

從2013年起，以PM10（可吸入顆粒物）和PM2.5（可入肺顆粒物）為主要成分的霧霾污染在中國愈發嚴重[1]，其最直觀的現象是大氣能見度低[2-3]，這不僅會增加交通事故的發生頻率[4]，威脅到社會經濟生產，阻礙區域吸引投資、引進人才、發展旅游服務業[5]，還會影響人體健康，如PM2.5能夠吸附有害物質、越過防御屏障進入人體，引發心肺等疾病[6]，導致死亡率增加[7]。除此之外，大氣污染還可以通過影響地氣系統的輻射收支狀況，對地球環境年效應產生影響[8]。

PM2.5是霧霾污染的“罪魁禍首”，因此國家依據2012年頒布的《環境空氣質量標準》（GB 3095—2012）對74個城市首次進行PM2.5監測，此后，以地面監測數據為主的研究成為主流。對大氣污染的時空分布特征研究方面，李名升等[9]對我國2014年進行監測的161個城市進行分析，得出夏季及春末、初秋PM2.5相對較輕，冬季污染較重。部分學者在觀測條件較好的長三角、珠三角和京津冀地區展開了大氣污染時空分布特征的研究，如周磊等[10]對京津冀地區的6個城市2013年PM2.5數據進行研究，發現污染事件統計上存在保定—廊坊—北京—天津—承德—張家口的污染順序，污染在空間上呈河南?。ㄉ綎|?。颖笔　本┦校ㄌ旖蚴校€的帶狀分布特征，在單次污染事件中，城市間的PM2.5存在著空間運移關系[10]。也有部分學者對單個城市霧霾污染的進行研究[11]，如羊興等[12]對2015年喀什市大氣顆粒物的時空分布特征進行分析，發現PM2.5的濃度呈現冬季＞春季＞秋季＞夏季的特征。對大氣污染的產生原因進行研究，有利于為大氣污染的治理提供理論支持與依據，雖然低風速、高濕度、大氣緯向環流、大氣邊界層和逆溫層等不利的氣象現象都會促進大氣污染的形成[13]，但隨著經濟的發展，人類的社會經濟活動造成的大氣污染大于自然條件造成的大氣污染，因此眾多學者對霧霾污染的社會經濟條件進行研究，主要觀點有：（1）粗放的城市化發展方式。城市空間擴張的建筑污染、工業型城市產生的環境污染、人口急劇增加帶來的“生活效應”也是造成大氣污染的原因[14-15]。（2）能源結構不合理[16-18]。我國能源結構以煤炭為主，其在燃燒過程中產生的污染物是PM2.5的主要來源。（3）機動車尾氣排放[19-21]。機動車行使過程中既可直接排放、也可間接轉化產生PM2.5。（4）空間擴散效應[22]。由于水流、風向等自然地理因素的存在，某一地區的環境問題必然會受到鄰近地區的影響。（5）環境監管不到位。一方面，法律法規中缺乏生態安全保障的統領性法規，政策間缺乏協調，相關法規存在“碎片化”甚至相互抵消的情況[23]；另一方面，政策執行存在薄弱環節，甚至會出現執法違法，下位法違反上位法，使得法律的權威性大大降低。

以往學者對大氣污染成因的研究多是基于實驗數據或衛星監測數據，并以單因素、定性分析為主。本文結合現有文獻全面選取了16個變量，首次將氮肥對大氣污染的影響考慮在內，這主要是因為農業生產中氮肥的大量使用及畜牧養殖業會產生氨氣[27]，氨氣與空氣中氧化物結合形成的銨鹽的質量總和約占PM2.5中二次顆粒的50%[13]，甚至更高，從而進一步形成大氣污染[24]。采用定量與定性相結合的方法對大氣污染成因進行分析，提出建議措施，以期為政府制定大氣污染預防與治理政策提供依據。

1 數據來源和方法

1.1 數據來源

首先，本文從統計公報、中國環境監測總站及各省環境公報中選取我國首次進行環境質量監測的74個城市2015年逐月平均數據，進行克里金插值和空間自相關分析；其次，依據各省統計年鑒、統計公報及新聞報道，選取各省份（西藏除外）的社會經濟和PM2.5數據2015年度平均數據，建立多元線性回歸模型進行原因分析；從《2016年中國統計年鑒》、《2016年中國城市統計年鑒》、《2016年中國能源統計年鑒》、《2016年環境統計年鑒》、各省2016年統計年鑒、統計公報及環境統計公報中選取16個解釋變量2015年年平均數據，部分指標數據運用公式換算。

1.2 研究方法

為探討霧霾污染的空間分布特征，本文借助ArcGIS 10.2軟件，對各城市的PM2.5年均濃度進行普通克里金插值。采用空間自相關分析方法—全局莫蘭指數（Moran’I）和局部莫蘭指數（Moran），探索各城市的大氣污染是否具有空間集聚性，全局莫蘭指數以及局部莫蘭指數的計算方法及檢驗變量如表1所示。為確定影響大氣污染的社會經濟因素，采用多元回歸模型Y=ΣβiXi，用回歸系數βi來表示某一因素對大氣污染影響程度的大小。

2 霧霾污染的時空分布特征

2.1 時間變化情況

2.1.1 月度變化特征

2015年我國74個城市的PM2.5月度累計濃度值呈“U”字型分布（圖1），其中1月PM2.5累計濃度值最大，為6540 μg/m3，從該月起 PM2.5累計濃度值開始下降，6—9月趨于穩定，9月后逐步上升，并在12月達到下半年最大值，為6534 μg/m3。其中，11月—次年3月的月度累計濃度值高于全年平均累計濃度值，主要是由于北方大部地區供暖期是11月中旬至次年3月中旬，供暖期煤炭消耗量的增加使得PM2.5月度累計濃度值增高，而3月中旬后，北方各地停止供暖，且隨著副熱帶高壓帶的北移，我國華南等地區相繼進入雨季，使得空氣濕度不斷增加，氣溶膠顆粒隨雨水降落至地表，PM2.5月度累計濃度值降低。

2.1.2 季節變化特征

從圖2中的季節角度來看，冬季（12月—次年2月）的 PM2.5累計濃度值最高，為 6144 μg/m3，秋季（9—11月）次之，為 3 726.34 μg/m3，春季（3—5 月）的PM2.5累計濃度值（3 664.33 μg/m3）略低于秋季的PM2.5濃度值，而夏季的PM2.5月度累計濃度值（6—8月）最低，僅為 2 817.67 μg/m3，即呈現冬季＞秋季＞春季＞夏季的特征。這主要是因為我國受到副熱帶高壓帶的控制，秋冬季節干旱少雨且容易出現逆溫層，污染物常懸浮于空中不易擴散，加之，冬季北方地區以煤炭為主的采暖方式，使得秋冬季大氣污染累計濃度值高于夏春季。

表1 全局Moran’I和局部Moran指數的計算及檢驗

圖1 2015年中國74個城市月度PM2.5濃度值

圖2 2015年中國74個城市PM2.5季節累計濃度值

2.1.3 區域變化特征

中國幅員遼闊，南北地區氣候差異顯著，因此其PM2.5也存在差異性。根據圖3可以看出，2015年我國74個城市中，北方城市月度PM2.5的濃度值呈“深U”型分布，該地區12月—次年2月處于“U”字型的兩端，濃度極高，最高值出現在保定市，其12月濃度高達198 μg/m3，主要是此時北方地區處于高壓系統之下，天氣干燥寒冷，且近幾年冬季降水偏少，使得氣溶膠顆粒不易降落至地表，同時采暖期猛增的能源消耗，為大氣污染的產生提供了大量的污染源。而6—9月處于“U”字型的谷底，主要是此地區降水主要集中在夏季，集中降雨導致污染物顆粒物隨雨水下降，故濃度極低，最低值出現在西寧市，其9月濃度值均為31 μg/m3。相反，南方城市逐月PM2.5變化形態較北方變化小，主要南方地區相對濕度較高，且冬季最低氣溫一般高于0℃，無燃煤進行采暖的生活方式。

圖3 2015年我國74個城市PM2.5月度數據

圖4 2015年我國74個城市PM2.5年平均質量濃度范圍（b）及其分布（a）

2.2 空間變化特征

2.2.1 空間分布特征

2015年我國74個城市PM2.5的年均質量濃度范圍為 22.09～97.36 μg/m3， 均值為 55.24 μg/m3，略高于全國338個監測城市的年均濃度值。根據GB 3095—2012，我國一級功能區年均質量濃度的限值采用世界衛生組織（World Health Organization，WHO）最寬松的標準，其值為35 μg/m3，均大于美國（15 μg/m3）、日本（15 μg/m3）、歐盟（25 μg/m3）所使用的標準值，更是WHO所規定準則值10 μg/m3的2倍多。我國僅海口市、拉薩市、惠州市、廈門市、福州市、舟山市、深圳市、昆明市、珠海市、中山市、張家口市和江門市12個城市的PM2.5年均濃度值＜35 μg/m3（圖 4）；54 個城市的 PM2.5年均質量濃度值介于 35～75 μg/m3；PM2.5年均質量濃度最高的城市主要位于河北省及其周邊地區，分別是保定市、邢臺市、衡水市、濟南市、石家莊市、唐山市、廊坊市和北京市，8個城市的PM2.5年均質量濃度均超過 75 μg/m3，甚至超過了 100 μg/m3。 主要是由于河北省采用粗放型經濟發展方式，重工業、高耗能產業比重較大。根據相關資料，2015年河北省煤炭和焦煤消耗總量分別為 2.894×108t、7.726×107t，高居全國第三和第一，為大氣污染的產生提供大量的污染源。

根據克里金插值結果（圖5），從區域角度來看，2015年我國霧霾污染的空間分布以長江為界，長江以北霧霾污染比長江以南嚴重。從胡煥庸線兩側來看，東側污染重于西側。濃度高值主要分布在胡煥庸線以東的環渤海城市群、長江中游城市群及哈長城市群，濃度低值位于胡煥庸線以西及長江以南地區（新疆除外），主要為華南地區和珠三角地區及青藏高原地區。從省域尺度來看，濃度高值主要分布在河北省、山西省、山東省、河南省、湖北省、江蘇省、遼寧省以及新疆維吾爾族自治區的中部；濃度低值主要分布在福建省、廣東省、廣西省、云南省、黑龍江省的北部及內蒙古自治區的東北部。

圖5 2015年我國主要城市PM2.5年平均濃度空間插值

2.2.2 空間集聚特征

為確定2015年我國霧霾污染是否空間集聚特征，本文利用全局莫蘭指數（Moran’s I）和局部莫蘭指數（Moran）進行了空間自相關的測度，結果如表2和圖5所示。

表2 2015年全國主要城市PM2.5月均濃度全局莫蘭指數

從表2可以看出，2015年各月PM2.5濃度的全局莫蘭指數值都＞0，并通過了0.01的顯著性水平檢驗，其標準化統計量Z值均＞1.96，故PM2.5濃度存在著很強的空間正相關關系（高—高聚集、低—低聚集），即一個地區的霧霾污染會影響到周邊地區。

我國主要城市霧霾污染的高—高關聯（熱區），主要為華北地區，集中分布于河北、山西、山東、河南、湖北5省（圖6）。主要原因是這5個省為我國人口大省且人口稠密，工業化程度高，火電、鋼材、冶金等高污染行業大規?；透呙芗植糩25]。此外，冬季這些城市主要采用煤炭供暖，加之降水量少，污染物不易擴散，加劇了霧霾污染。我國霧霾污染低—低關聯（冷區）主要集中在廣東、廣西、云南、貴州、西藏以及黑龍江5省，西藏能源主要以生物質能（牛糞、薪柴等）和清潔能源（太陽能等）為主，煤炭等化石能源的使用量少，造成的霧霾污染少，而在廣東、廣西、云南、貴州全年降水量豐沛，空氣濕度高，且重工業基地較少，高污染產業集中度低，冬季氣候溫暖，無需取暖，故霧霾污染程度低。

圖6 2015年我國主要城市PM2.5年均濃度局部自相關

3 社會經濟原因分析

3.1 變量選擇

大氣污染中硫酸鹽是主要成分，在高濕度和高氨氣的條件下，空氣中的二氧化氮會促進硫酸鹽形成，且在這一過程中，氨氣起到促進作用[26]，而氨氣的主要來源是農業生產中氮肥的大量使用及畜牧養殖業[27]，基于此本文首次將氮肥使用量（NU）作為解釋大氣污染發生的變量，同時結合眾多學者的相關研究，選用以下16個變量來解釋大氣污染的成因（表 3）。

但在實際情況下，區域不同，不同的指標可能與大氣污染的形成無關或變量間存在自相關，因此本文采用SPSS 20統計分析軟件計算Xi與Y之間的相關性，剔除不相關或重疊的變量，結果如表4所示。

表3 社會經濟原因解釋變量

表4 各變量之間的相關系數

從表 4 可以看出，EC、CC、CN、TP、NU、PIP、DE 7個變量通過了顯著性檢驗，故將這些變量作為最終的解釋變量。

3.2 模型構建

本文構建多元線性回歸模型，用回歸系數的大小來表示變量對大氣污染的影響程度，但7個解釋變量之間存在著明顯的相關性，這樣會引起多重共線性問題，使偏回歸系數存在偏差，多元回歸結果的方差膨脹因子（Variance Inflation Factor，VIF）如表 5所示。 CC、CN 的 VIF均＞5，EC 的 VIF＞10，若仍使用最小二乘法來得到回歸模型，會降低精度。因此本文選用主成分回歸來消除多重共線問題。

表5 各變量之間的方差膨脹因子

3.2.1 主成分分析

對標準化后的變量進行因子分析，特征值和方差貢獻率如表6所示。

表6 主成分特征值以及方差貢獻率

從表6可以看出，前2個主成分的初始特征值＞1，且其累計方差貢獻率達到了80.806%，由此可將主成分確定為2，其對應的特征值分別為λ1=3.732，λ2=1.924，進一步得到主成分系數矩陣，如表7所示。

表7 主成分系數矩陣

3.2.2 多元線性回歸模型

以全國各省的PM2.5年均濃度數據為因變量，以上兩個主成分F1、F2為解釋變量建立多元線性回歸模型：

利用最小二乘法得到回歸系數的最小二乘估計分別為：α1=0.429，α2=-0.388，則：

將主成分F1、F2關于各解釋變量的表達式（1）、（2），帶入公式（4）中，得到關于 Y=ΣβiXi的表達式，即：

3.3 結果分析

由公式（5）可以得出，各個變量的偏回歸系數如表8所示。

表8 各變量的偏回歸系數

由表 8可知，EC、CC、CN、TP、UN 以及 DE 的偏回歸系數均為正值，表明變量與大氣污染之間呈現正相關關系。其中，交通壓力及私人汽車擁有量對霧霾污染的形成影響最大，這和眾多學者[28-29]的觀點一致，主要是汽車行駛時排放的NOx和PM超過90%，HC和CO超過70%，而這些化學成分都是大氣污染的主要污染物[30]；煤炭消費總量及煤炭消費量的影響次之，因煤炭燃燒會直接排放大量一次粒子和SO2等氣態污染物，一次粒子經反應后可形成二次粒子[31]，從而形成大氣污染；再則是煙（粉）塵排放總量，而工業生產又是造成DA存在的主要原因，這進一步表明工業源對大氣污染有著重要影響；最后，大氣污染的形成與氮肥有關，這主要是由于施入土壤中的氮肥，約35%被土壤吸收，13%在土壤中以無機氮或有機結合形態殘留，52%以各種形式發生損失，其中氨揮發損失的氨素占損失的21%[32-33]，而氨會影響到大氣中的PM2.5，加重大氣污染，造成環境污染[34-35]。第一產業比重的偏回歸系數為負值，其與大氣污染的形成呈現負相關關系，主要是由于產業結構中農業比重大的城市，其經濟發展水平相對低，工業化程度低，帶來的污染較小，故霧霾污染較小。

4 結論

（1）2015年我國霧霾污染具有明顯的時間變化特征。從月尺度來看，PM2.5月度累計數據呈“U”字型分布，1月累計濃度最高，為6540 μg/m3。從季節分布看，春季濃度（3 664.33 μg/m3）略低于秋季的濃度，而夏季濃度最低，僅為2 817.67 μg/m3。從地區分布來看，南北方地區逐月PM2.5變化形態存在差異，北方城市呈“深U”型分布，12月—次年2月處于“U”字型的兩端，濃度極高，而南方城市逐月PM2.5變化較北方變化小。一方面這主要是由于北方的工業化程度要高于南方，另一方面是北方冬季供暖結構以燃煤為主。要減少大氣污染的發生，就要改變能源消費結構，減少煤炭的高頻使用，大力發展“潔凈煤技術”，多使用清潔能源，減輕資源壓力，解決污染問題。

（2）2015年我國各城市霧霾污染濃度差異顯著。74個城市霧霾污染年均值為55.24 μg/m3，高于WHO最寬松的標準（35 μg/m3）。其中僅有16.22%城市的 PM2.5年均濃度值＜35 μg/m3；83.78%城市的年均濃度超過了35 μg/m3，甚至有10.81%的城市濃度超過 75 μg/m3，甚至超過了 100 μg/m3，這些城市主要分布在河北省及其周邊地區。

（3）2015年我國霧霾污染空間差異顯著。從區域尺度來看，長江以北霧霾污染重于長江以南地區，從胡煥庸線兩側來看，東側污染重于西側。從省域尺度來看，濃度高值分布在華北地區的河北、山西、山東、河南，以及湖北、江蘇、遼寧、新疆等；濃度低值主要分布在南方沿海地區的福建、廣東、廣西、云南，以及東北地區的黑龍江北部與內蒙古東北部。

（4）2015年我國霧霾污染具有空間集聚效應。高—高關聯（熱區）主要為華北地區，集中分布于河北、山西、山東、河南、湖北5省。低—低關聯（冷區）主要集中在廣東、廣西、云南、貴州、西藏以及黑龍江5省。正是由于空間聚集和交叉效應，多個省、市的霧霾污染相互影響，不僅會對阻礙當地的社會經濟發展，也對周邊地區產生輻射效應，單個省份、城市治理霧霾污染的難度是極大的，因此要構建綜合執法機構，發揮聯合防控作用，堅持全民共治，全域共治，積極動員環境社會組織、企業、媒體和公眾參與，從而形成一個“多元一體”的綜合執法機構，既節約環保成本，又能高效運轉，將環保成本社會化、責任分解化、目標集中化。

（5）霧霾污染的主要社會經濟因素有私人汽車擁有量、交通壓力、能源消費總量、煤炭消費總量、煙粉塵的排放總量、氮肥的使用量及第一產業比重。本文研究表明霧霾污染與私人汽車擁有量、交通壓力、能源消費總量、煤炭消費總量、煙粉塵的排放總量以及氮肥的使用量呈正相關，與第一產業比重呈負相關，特別需要注意的是，氮肥的使用量也是大氣污染形成的主要因素。因此要想緩解大氣污染，就要控制氮氧化物和氨氮的排放，通過對氨氣和二氧化氮的排放控制，干預二氧化硫的形成過程，從而有效地解決大氣污染問題。

受到數據獲取的限制，本文僅用監測城市2015年數據，在地域上也具有一定局限性，尤其是新疆、西藏、云南等地區監測城市較少，插值精度有限，因而與實際情況有一定偏差，未來將開展更多監測和長時間序列對比，并驗證本文的結論。