成渝城市群PM2.5時空分布及影響因素研究

孫繼平 侯蘭功

摘要：PM2.5是霧霾污染的主要成因，對其時空分布和影響因素展開研究，可為城市PM2.5防治提供空間信息和社會經濟政策層面的科學依據，對相應地區的生產組織和城市管理具有一定的現實意義。基于空間杜賓模型，利用Stata統計軟件和地理信息系統（GIS）分析技術，結合2015—2018年成渝城市群16個城市的相關數據對該地區PM2.5時空分布特征和影響因素進行研究。研究結果表明：（1）在空間分布上，研究區間內PM2.5濃度整體表現為中部低，西部和北部邊緣地區偏高，西南部偏低，在時間變化上，2015—2018年成渝城市群年均PM2.5濃度整體呈下降趨勢;（2）在2015—2018年期間成渝城市群PM2.5濃度在空間上正向自相關，高值集聚區域發生明顯變化，在2017年增多2018年減少，低值集聚范圍穩定。（3）基于空間杜賓模型的回歸分析結果可知，對PM2.5濃度起正向影響的社會經濟因素相關系數表現為能源強度>人口密度>建筑施工面積>私人汽車擁有量>建筑業產值>人均GDP，對PM2.5濃度起負向影響的社會經濟因素相關系數表現為第三產業產值占GDP比重>第二產業產值占GDP比重>綠化覆蓋率>環境規制>工業產值>城市全年公共汽（電）車客運總量。在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負相關關系，與濕度呈正相關關系。

關鍵詞：PM2.5;霧霾污染;時空分布;空間自相關;空間杜賓模型;成渝城市群

中圖分類號： X51文獻標志碼： A文章編號：1002-1302（2020）13-0297-06

收稿日期：2019-11-25

基金項目：國家自然科學基金（編號：41701172）;四川省教育廳自然科學（編號：15ZA0123）。

作者簡介：孫繼平（1995—），女，河南洛陽人，碩士研究生，主要從事區域發展與規劃研究。E-mail：473243910@qq.com。

通信作者：侯蘭功，博士，副教授，主要從事區域發展與規劃研究。E-mail：soundskyhlg@163.com。城市化和工業化的快速發展推動了社會前進，但也產生了一系列環境問題，其中就包括霧霾污染，造成社會經濟損失的同時亦嚴重威脅城鄉居民的健康。國內外已有的研究表明，大氣污染程度和肺癌等呼吸道疾病的發病率和死亡率密切相關[1]，此外，霧霾污染的區域性特征與空間交互影響日益顯著，空間溢出效應明顯[2]。對城市群層面霧霾污染主要成分之一PM2.5的時空分布及影響因素進行研究可為城市化發展過程中的污染風險規避提供一定依據，為城市群大氣污染聯動治理提供空間信息和政策建議參考。

霧霾污染成因比較復雜，現有研究指出，人類社會經濟活動是導致霧霾污染的根源[3-4]，同時，氣象因素也與PM2.5濃度緊密相關[5-7]。在霧霾污染頻發區域社會經濟層面影響因素的研究方面，張生玲等認為，第二產業產值占國內生產總值（GDP）比重過高和民用汽車保有量增多對霧霾污染有顯著正向促進作用[8]。Zhang等認為，人口密度和工業廢氣及汽車尾氣等人為氣體排放可造成PM2.5濃度偏高[9]。王嫣然等指出，增加植被面積對PM2.5濃度下降有著積極的影響[10]。在氣象影響因素方面，相關學者研究指出，溫度、濕度和風速等是影響PM2.5濃度的主要因素。王慧麗等研究發現，陜西省霧霾污染程度與溫度、風力呈負相關[5]。毛卓成等指出，上海地區PM2.5的氣象成因是溫度和風力[6]。馬曉倩等通過統計分析得出，京津冀地區PM2.5濃度與降水量、氣溫、濕度、氣壓和風速相關[7]。總的來說，除特殊地形地貌條件外，氣溫、降水、濕度、風力等氣象條件和人口、經濟發展、產業結構的比例、化石燃料的燃燒、汽車尾氣的排放、建筑施工的揚塵等諸多社會經濟問題是影響霧霾污染的主要因素。

現有對城市群范圍內霧霾污染的研究大多集中在京津冀城市群[6-11]、長三角城市群[12]等經濟發達地區，對中西部經濟發展較為快速，近年來，霧霾污染較為突出的城鎮密集區的關注還有待提高。成渝城市群位于我國西部地區，近年來區內經濟發展快速、城鎮人口規模擴張明顯，城市化和人類活動引起PM2.5等污染物的排放量顯著增加。因此，本研究綜合運用地理統計、空間自相關和空間計量模型，分析成渝城市群16個城市PM2.5的時空分布特征，對成渝城市群霧霾污染的主要影響因素及其影響程度進行甄別和量化，以期為該地區城市發展和環境質量改善提供參考。

1材料與方法

1.1研究區概況

本研究以《成渝城市群發展規劃》中確定的成渝城市群作為研究區域，包括重慶市和四川省成都市、自貢市、瀘州市、德陽市、綿陽市、遂寧市、內江市、樂山市、南充市、眉山市、宜賓市、廣安市、達州市、雅安市、資陽市等，研究范圍見圖1。成渝城市群位于我國西南部，總面積為18.5萬km2，占全國總國土面積的1.92%;2017年城鎮常住人口為 10 664.31萬人，占全國總人口（不含港澳臺地區）的7.67%;2017年地區GDP為53 841.48億元，占全國（不含港澳臺地區）的6.56%。

1.2研究方法

1.2.1空間相關性檢驗本研究采用Morans I指數來測度成渝城市群的PM2.5全局和局部空間自相關性。其中，全局空間自相關表達式為

式中：k是樣本數;xi和xj分別為城市i和城市j的PM2.5濃度觀測值;x為研究區域內所有城市PM2.5濃度觀測值的平均值;Wij是空間權重矩陣。I值范圍是[-1，1]，I值大于0表示觀測值在地區內正相關，小于0則表示負相關，等于0表示空間上不相關。

局部空間自相關表達式為

若I值大于0，表示高值與高值集聚或低值與低值集聚，空間正相關;若I值小于0，則表示高值被低值包圍或低值被高值包圍，空間關聯為負。

1.2.2空間杜賓模型地區環境污染不僅受自身社會經濟發展的影響，還會受到周邊地區環境的影響。本研究選用空間杜賓模型分析各因素對成渝城市群PM2.5的影響，基本形式如下：

Y=ρWY+βX+WXθ+ε。（3）

式中：X、Y為自變量和因變量;ρ表示內生交互效應系數，其數值大小反映其他地區因變量變化空間擴散或空間溢出程度;β表示回歸系數;W表示空間權重矩陣;θ表示外生交互效應系數，其數值大小反映自變量交互作用強弱;ε表示誤差項。

引入空間權重矩陣是傳統計量模型和空間計量模型的主要區別之一，在進行模型計算時需要量化空間單元的位置，根據“距離”而定，通常采用鄰接距離、地理距離、經濟距離、產業距離和技術距離等，本研究選用鄰接距離，將所有地理單元列成一個二維表，用0或1表示，即“1”表示空間相鄰，“0”表示空間不相鄰[13]。對于一個具有n個空間單元的系統，空間矩陣W表達為n×n的二值矩陣，具有對稱性，對角線元素為0，相鄰元素為1。

1.3研究變量及數據來源

1.3.1被解釋變量本研究中的PM2.5濃度數據來源于第三方網站真氣網（https：//www.aqistudy.cn/），計算2015—2018年研究區范圍內16個城市的年均PM2.5數據即單位面積內PM2.5濃度來分析成渝城市群PM2.5的時空分布和影響因素。

1.3.2解釋變量本研究中的解釋變量數據來源于《四川統計年鑒》《重慶統計年鑒》。考慮到數據的可獲取性，選取溫度、濕度、降水量作為影響PM2.5濃度的氣象影響因素，選取人均地區生產總值、人口密度、城鎮化率、第二產業產值占GDP比重、第三產業產值占GDP比重、建筑業產值、工業產值、建筑施工面積、城市綠化覆蓋率、能源強度、環境規制（用城市環境和公共設施管理業從業人員人數與城市總就業人數比值表示）、城市全年公共汽（電）車客運總量、民用汽車擁有量共13個變量作為影響PM2.5濃度的社會經濟因素。通過SPSS 17.0進行多重共線性分析可知，變量城鎮化率的方差膨脹系數（VIF）為22，大于7.5，說明它可能與人口密度和地區生產總值存在多重共線，所以在進行模型分析時去掉此變量，保留剩下的12個變量。

2結果與分析

2.1成渝城市群PM2.5時空分布特征與空間自相關分析

運用ArcGIS 10.2克里金插值法對16個城市年均PM2.5濃度進行空間插值分析，分別得到成渝城市群地區不同年份年均PM2.5濃度空間分布（圖2）。從圖2可以看出，2015—2018年期間，研究區內PM2.5濃度的空間分布表現為中部低，西部和北部邊緣地區偏高，偏高地區主要包括成都市、樂山市、自貢市、宜賓市、瀘州市和達州市等，其中自貢市地區年均PM2.5濃度在2015—2018年期間保持研究區內最高。

在時間上，成渝城市群整體年均PM2.5濃度呈現下降趨勢（圖3、圖4）。成都市、瀘州市、樂山市、資陽市、綿陽市5個市的年均PM2.5濃度值在2016年上升到最高值后開始下降。雅安市在2015—2017年年均PM2.5濃度呈上升趨勢，在2017年達到最高值后開始下降。重慶市、德陽市、遂寧市、內江市、眉山市、自貢市、南充市7個市的PM2.5濃度在2015—2018年呈持續下降趨勢。

結合時間和空間分析可以發現，成渝城市群年均PM2.5濃度整體呈下降趨勢，高值分布空間范圍也在逐漸縮減，表明當地空氣質量有所改善。

通過ArcGIS10.2軟件計算得出，2015—2018年成渝城市群Morans I指數均為正，且通過了0.01水平的顯著性檢驗，表明該地區內PM2.5分布存在空間正相關。繪制2015—2018年研究區年均PM2.5濃度LISA聚集分布圖。從圖5可以看出，2015—2018年4年間遂寧市持續呈現明顯的PM2.5濃度高值集聚，即“高-高”集聚，成都市在研究時段內分別與不同城市呈現PM2.5濃度低值集聚，即“低-低”集聚。其他地級市在研究時段內PM2.5濃度局部聚集

情況不明顯。總體來看，高值集聚區域逐漸由研究區內西部向東部轉移。

2.2空間杜賓模型估計結果分析

對表1中空間杜賓模型估計結果進行分析。變量人均GDP、能源強度、人口密度、建筑業產值、建筑施工面積和私人汽車擁有量、濕度回歸系數為正，回歸系數絕對值表現為能源強度>人口密度>建筑施工面積>私人汽車擁有量>建筑業產值>人均GDP>濕度;變量第二產業產值占GDP比重、工業產值、綠化覆蓋率、環境規制、城市全年公共汽（電）車客運總量、降水量、氣溫回歸系數為負，回歸系數絕對值表現為氣溫>第三產業產值占GDP比重>第二產業產值占GDP比重>綠化覆蓋率>環境規 制> 工業產值>降水量>城市全年公共汽（電）車客運總量。

在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負相關關系，與濕度呈正相關關系。分析原因可能是PM2.5的擴散與大氣流動聯系緊密，氣溫高時，大氣流動性強，氣流不穩定，有利于PM2.5的擴散，從而降低空氣中PM2.5的濃度，低溫狀態則不利于PM2.5的擴散;穩定的氣象條件不利于PM2.5的擴散，而降水的沖刷作用會使得空氣中PM2.5濃度降低;有些地區受降水和地面水蒸發的影響，近地面空氣的相對濕度越來越大，卻極少降水，因此，在這種穩定的天氣形勢下，PM2.5不易向外擴散，使得污染物在大氣的淺層積聚，從而導致PM2.5濃度升高。這些氣象因素與PM2.5濃度的相關系數對大氣污染防治具有參考意義。

在社會經濟影響因素方面，能源強度對成渝城市群地區PM2.5濃度存在最大正向影響，其次是該地區人口密度、建筑施工面積和私人汽車擁有量，人均GDP（經濟發展水平）對PM2.5濃度的影響較弱，說明加劇成渝城市群PM2.5濃度的主要因素是能源強度、人口密度和建筑施工產生的粉塵。能源強度高表示所消耗能源數量多，對于原油、原煤等一次能源消耗量大，燃燒產生的廢氣多，對空氣污染程度高。人口密度大即人口集聚程度高，人口消費和出行需求增加，引起汽車尾氣排放和能源消耗增加，從而加重該地區的霧霾污染。建筑行業產生的粉塵是PM2.5的主要來源。此外，機動車尾氣排放也是造成研究區PM2.5濃度高的原因之一。

變量第二產業產值占GDP比重對成渝城市群PM2.5濃度的負向影響顯著，這與相關文獻研究結果[13-16]不同。將第二產業進一步分為工業和建筑業，計算其產值相關系數，發現建筑業產值相關系數為正（0.087 6），而工業產值相關系數為負（-0.014 3），工業產值占第二產業產值比重遠大與建筑業產值，所以對PM2.5濃度起決定性負向影響的是成渝城市群的工業發展。本研究認為，主要原因為成渝城市群工業以煙草制品業、酒、飲料和精制茶制造業、食品制造業等輕工業為主，而這類工業產生的工業廢物對PM2.5產生影響并不顯著。變量第三產業產值占GDP比重對成渝城市群PM2.5濃度的負向影響高于變量第二產業產值占GDP比重，說明提高產業結構中第三產業比重，發展服務業對抑制霧霾污染有幫助。變量綠化覆蓋率對變量PM2.5濃度的影響顯著為負，說明綠地有凈化空氣、降低空氣中PM2.5濃度的作用[17]。環境規制對PM2.5濃度的負向影響體現在有效的環境規制能夠促進產業結構變革，加速企業綠色產業鏈構建，減少工業廢氣的排放。城市全年公共汽（電）車客運總量對PM2.5濃度的影響雖然在統計上不顯著，但統計結果對霧霾污染防治具有參考意義。

3結論

本研究通過分析成渝城市群PM2.5的時空分布特征和系統甄別對其產生影響的社會經濟因素，得出如下結論： （1）空間上在研究區間內PM2.5濃度整體表現為中部低，西部和北部邊緣地區偏高，西南部偏低，2015—2018年期間成渝城市群年均PM2.5濃度整體呈下降趨勢。（2）在2015—2018年期間成渝城市群PM2.5濃度在空間上正向自相關，呈現高值集聚區域發生明顯變化，高濃度集聚區域在2017年增多2018年減少，低值集聚范圍穩定。（3）基于空間杜賓模型的回歸分析結果可知，對PM2.5濃度起正向影響的社會經濟因素貢獻強度為能源強度>人口密度>建筑施工面積>私人汽車擁有量>建筑業產值>人均GDP，對PM2.5濃度起負向影響的社會經濟因素相關系數表現為第三產業產值占GDP比重>第二產業產值占GDP比重>綠化覆蓋率>環境規制>工業產值>城市全年公共汽（電）車客運總量，第二產業產值占GDP比重對PM2.5濃度的負面影響較大，這與其他文獻研究結果不同。在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負相關關系，與濕度呈正相關關系。

根據上述結論提出以下參考建議：（1）調整成渝城市群能源結構，降低能源結構中煤炭所占的比重，減少化石燃料的使用，推廣使用清潔能源。（2）優化成渝城市群工業結構，優先承接發展電子信息、輕工、紡織、醫藥等行業，同時優化產業結構，增加第三產業所占的比重。合理增加高新技術研發投入，發展綠色生產，推進節能減排。提高城市綠化水平，增加城市綠化覆蓋面積。加大環境規制力度，減少工業三廢排放。

參考文獻：

[1]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.

[2]劉曉紅，江可申. 我國城鎮化、產業結構與霧霾動態關系研究——基于省際面板數據的實證檢驗[J]. 生態經濟，2016，32（6）：19-25.

[3]劉華軍，裴延峰. 經濟發展與中國城市霧霾污染——基于空間關聯網絡情形下的考察[J]. 城市與環境研究，2018（3）：15-41.

[4]馬麗梅，張曉. 中國霧霾污染的空間效應及經濟、能源結構影響[J]. 中國工業經濟，2014（4）：19-31.

[5]王慧麗，趙蕓，胡素. 陜西省霧霾污染時空分布特征及相關性分析[J]. 環境工程，2019，37（4）：122-125，162.

[6]毛卓成，馬井會，瞿元昊，等. 2015年上海地區空氣質量狀況及其與氣象條件的關系[J]. 氣象與環境學報，2018，34（2）：52-60.

[7]馬曉倩，劉征，趙旭陽，等. 京津冀霧霾時空分布特征及其相關性研究[J]. 地域研究與開發，2016，35（2）：134-138.

[8]張生玲，王雨涵，李躍，等. 中國霧霾空間分布特征及影響因素分析[J]. 中國人口·資源與環境，2017，27（9）：15-22.

[9]Zhang T X，Zang L，Wan Y C，et al. Ground-level PM2.5 estimation over urban agglomerations in China with high spatiotemporal resolution based on Himawari-8[J]. Science of the Total Environment，2019，676：535-544.

[10]王嫣然，張學霞，趙靜瑤，等. 2013—2014年北京地區PM2.5時空分布規律及其與植被覆蓋度關系的研究[J]. 生態環境學報，2016，25（1）：103-111.

[11]劉海猛，方創琳，黃解軍，等. 京津冀城市群大氣污染的時空特征與影響因素解析[J]. 地理學報，2018，73（1）：177-191.

[12]李廉水，王長源，石喜愛. 長三角城市群霧霾排放效率分析與提升策略[J]. 管理現代化，2018，38（5）：116-121.

[13]吳浪，周廷剛，溫莉，等. 基于遙感數據的PM2.5與城市化的時空關系研究——以成渝城市群為例[J]. 長江流域資源與環境，2018，27（9）：2142-2152.

[14]李雪梅，許東明. 京津冀城市群PM2.5的空間分布及相關性分析[J]. 生態與農村環境學報，2019，35（2）：174-179.

[15]任毅，郭豐. 長江經濟帶霧霾污染空間效應與影響因素分析[J]. 經濟與管理，2019，33（1）：43-50.

[16]祝麗云，李彤，馬麗巖，等. 產業結構調整對霧霾污染的影響——基于中國京津冀城市群的實證研究[J]. 生態經濟，2018，34（10）：141-148.

[17]張建設，馮萬富，史曉海，等. 不同綠地結構對PM2.5和PM10的消減作用[J]. 江蘇農業科學，2019，47（21）：302-304.張頌心. 環杭州灣城市群城郊畜牧業面源污染負荷及防治對策研究[J]. 江蘇農業科學，2020，48（13）：303-308.doi：10.15889/j.issn.1002-1302.2020.13.060