中國夜間燈光指數與PM2.5的時空相關性分析

王桂林 高昉 逯改

摘要：運用夜間燈光指數表征城市化水平，進而探索城市化進程對PM2.5污染的影響機制，分析二者的時空關系。結果表明，2000年中國夜間燈光指數為7.49%，2010年增長至11.05%，2015年增長至16.21%，夜間燈光指數呈快速增長趨勢;2000年PM2.5質量濃度為32.10 μg/m3，2010年增長至37.54 μg/m3，2015年為37.44 μg/m3，PM2.5質量濃度與夜間燈光指數增長趨勢保持一致。基于405個城市區域統計數據，2000年夜間燈光指數為22.48%，2010年增長至48.11%，2015年增長至62.78%，增長率為179.27%，是全國的1.54倍;2000年PM2.5質量濃度為28.99 μg/m3，2010年增長至53.51 μg/m3，2015年增長至58.53 μg/m3，增長率為101.90%，是全國平均水平的6.12倍。城市區域夜間燈光指數和PM2.5污染的增長均顯著高于非城市區域，二者呈顯著正相關（R2=0.582 8）。研究表明中國城市化進程，尤其是粗放式經濟發展對城市空氣污染的影響巨大，直接加劇了PM2.5污染。

關鍵詞：城市擴張;夜間燈光指數;PM2.5污染;時空關系

Abstract： Nighttime light index was taken as a measurable spatial index to represent the level of urbanization， and its impact on PM2.5 pollution was explored， meanwhile the spatial and temporal relationship between them was analyzed. The results showed that Chinas nighttime light index increased from 7.49% in 2000 to 11.05% in 2010 and 16.21% in 2015， showing a rapid growth trend. Accordingly， the concentration of PM2.5 increased from 32.10 μg/m3 in 2000 to 37.54 μg/m3 in 2010 and 37.44 [μ]g/m3 in 2015. The growth trend of the two was highly consistent. Based on 405 typical urban areas， the nighttime light index increased from 22.48% in 2000 to 48.11% in 2010 and 62.78% in 2015， with growth rate of 179.27%， 1.54 times of the national average. The PM2.5 concentration in 405 typical cities increased from 28.99 μg/m3 to 53.51 μg/m3 in 2010 and 58.53 μg/m3 in 2015， with growth rate of 101.90%， 6.12 times of the national average. The increase of nighttime light index and PM2.5 pollution in typical urban areas was significantly higher than that in non-urban areas， with a significant positive correlation （R2=0.582 8）. Research shows that Chinas urbanization process， especially economic development， has a huge impact on urban air pollution， directly exacerbating PM2.5 pollution.

Key words： urban expansion; nighttime light index; PM2.5 pollution; spatial and temporal relationship

世界衛生組織（WHO）的數據顯示，全球90%的城市人口暴露于大氣污染中，空氣污染威脅到人們的生命、生產力和國家經濟[1]。中國跟世界各國一樣，面臨著經濟發展和環境保護的雙重挑戰，破解城市化與城市生態環境承載關系已成為區域、國家乃至世界的重要任務之一，是城市轉型發展的必經之路[2]。中國政府高度重視大氣污染防治工作，制定出臺了一系列法律、法規和政策，采取強有力的措施和行動。2013年，國務院發布了《大氣污染防治行動計劃》，制定相關政策措施和污染物排放標準，空氣污染，尤其是PM2.5污染，得到一定控制，但是空氣污染依舊嚴重[3]。中國快速城市化發展，尤其是粗放型的經濟增長導致了城市空氣污染加劇，影響城市可持續發展。夜間燈光指數能夠從宏觀視角表征城市化水平，是經濟發展水平的一個重要指標。夜間燈光數據具有時效性和經濟性，采用它來探究城市化過程即城市時空演變過程，能夠很好地反映城市經濟發展水平[4]，運其來分析中國城市化過程經濟快速增長對PM2.5污染的影響研究也具有前瞻性和實效性[5]。很多研究表明，嚴重的PM2.5污染主要來源于城市化進程中能源結構、產業結構和運輸結構的不合理，中國單位GDP能耗過高即粗放型的發展方式導致了嚴重污染[6-13]。利用夜間燈光強度影像數據構建綜合燈光指數模型來反映城市化水平，有利于對地區城市化發展狀況進行有效的監測[14，15]。因此，分析夜間燈光指數與PM2.5污染的關系能夠間接分析中國經濟發展對PM2.5帶來的影響，避免了獲取中國能源結構和產業結構數據困難的問題，以及記錄數據中可能存在的非主觀因素的誤差等弊端，且夜間燈光指數可以大范圍、長時間跨度地分析中國城市化對PM2.5帶來的影響。

1 數據與方法

1.1 研究區概況和數據來源

中國面臨經濟發展和環境保護的雙重任務。在日益惡化的生態環境下，中國已把生態文明建設作為一項基本國策和重大戰略，正在拉開全國范圍內生態環境防治攻堅戰。自2013年華北上空暴發高濃度PM2.5污染以來，中國出臺了一系列大氣污染治理行動計劃，包括先后出臺的《大氣十條》《三年大氣污染防治行動計劃》等，并開始在全國范圍內部署空氣質量自動監測站，以實時監測、管控空氣質量。雖然大氣污染治理有了一定的成效[16-19]，但PM2.5污染仍然嚴峻，遠高于世界衛生組織標準水平（10 μg/m3）。2018年冬季，京津冀、長三角、華北平原等區域持續暴發高濃度污染天氣，污染治理任重道遠。

研究所用數據包括城市分類數據、夜間燈光指數和PM2.5污染數據。城市分類數據來源于世界銀行，夜間燈光指數來源于NOAA NGDC，空間分辨率為1 km，PM2.5質量濃度數據采用時空地理加強回歸模型結合遙感衛星AOD、地面監測數據和GEOS-Chem模擬數據反演所得[20，21]。將地理空間數據的地理坐標和投影坐標全部轉換到GCS_ WGS_1984地理坐標系和WGS_1984_UTM_Zone_47N投影坐標系，研究區示意圖如圖1所示。

1.2 研究方法

基于時空統計分析、數量統計方法，采用空間數據分析2000—2015年中國城市夜間燈光指數的時空變化規律以及1998—2015年城市PM2.5質量濃度的變化趨勢，并分析二者的時空關系。分別從2個空間尺度上展開，第一個空間尺度是對全國范圍夜間燈光指數和PM2.5質量濃度的時空關系進行分析;第二個空間尺度是對重點城市的城市區域和非城市區域的時空關聯進行對比分析。重點城市的界定與大多直接采用行政區劃研究城市化對大氣環境污染的影響不同，采用世界銀行2015年的東亞城市分類數據來劃分城區與非城區（圖2），具體借鑒Larkin等[21]、Van等[22]的城市區域界定方法，見式（1）。

式中，編碼1為城市區，0為非城市區。選取2015年人口總數大于10萬人的城市區域作為研究對象，共有405個城區，即把城市人口總數大于10萬人的城市區域作為重點城市來分析中國城市化帶來的生態環境效應，城市人口總數是城市區域面積與城市人口網格密度均值乘積。

2 結果與分析

2.1 中國2000—2015年夜間燈光指數時空變化特征

中國2000—2015年的夜間燈光指數變化存在明顯的時空差異（圖3）。從時間分異上看，夜間燈光指數呈持續上升趨勢，2000年為7.49%，2010年增長到11.05%，2015年則飆升至16.21%，增長率為116.42%。從空間分異上看，典型城市區域與非城市區域的夜間燈光指數增長存在明顯差異。405個典型城市區域的夜間燈光指數從2000年的22.48%增長至2010年的48.11%，2015年又增長至62.78%，增長率為179.27%，是全國的1.54倍。城市區域增長顯著快于全國平均水平。

采用ArcGIS分區統計分析各省（市、自治區）的夜間燈光指數變化特征與規律，結果見圖4。夜間燈光指數增長速度最快的是長江三角洲和珠江三角洲，其次是京津冀城市群，與實際相符。其中，長江三角洲的夜間燈光指數在全國增長速度最快，其次增長速度較快的城市有西安、成都、武漢、長沙、重慶、昆明等。結果表明，中國城市化水平發展迅速，人口數量大于10萬的405個大型城市區域發展尤其快。

中國夜間燈光指數分布符合“胡煥庸線”分布格局，即從黑龍江黑河市到云南省騰沖連線以東的東部地區夜間燈光指數增長顯著高于以西的西北地區。以“胡煥庸線”為界限，基于405個典型區域數據分析得出，西北城區面積加權城均夜間燈光指數增長了34.67%，東部地區面積加權城均夜間燈光指數增長了39.58%，增長率高出西北地區4.91個百分點。

2.2 中國1998—2015年PM2.5污染時空演變過程

中國PM2.5污染與夜間燈光指數類似，存在明顯的時空差異。從時間分異上看，PM2.5污染最高值從1998年的100.90 μg/m3增長至2015年的129.10 μg/m3，增長率為27.95%，PM2.5污染加劇。從PM2.5中位數（圖5）來看，1999—2003年PM2.5污染處于第一個快速增長階段，從27.92 μg/m3增長至38.18 μg/m3，增長了10.26 μg/m3，增長率為36.75%;第二個增長階段為2004—2006年，2004年PM2.5質量濃度為35.58 μg/m3，2006年增長至39.88 μg/m3;2006—2012年進入負增長階段，從2006的39.88 μg/m3減少至2012年31.48 μg/m3;2012—2015年，PM2.5污染處于波動增長階段，由于2013年國家開始出臺一系列的空氣污染控制政策，PM2.5增長趨勢得到一定遏制，從2013年的35.51 μg/m3減少到2014年35.19 μg/m3，雖然到2015年又開始增長，但是其增長速度（4.03%）是1999—2003年期間（8.03%）的一半。

從空間分異來看，中國PM2.5污染空間分布上總體呈倒T的分布型態，且呈東南高、西北低的時空分布態勢（圖6）。縱向污染帶是從東北三省—華北平原—長江中下游平原—川渝—湖南—貴州—廣西等東南區域，主要由人類活動導致，快速的粗放型經濟增長方式、機動車排放等因素形成東南重度污染區。橫向污染帶為華北平原—山西—甘肅—寧夏—西寧—新疆塔克拉瑪干沙漠等西北區域，該區主要是由環境惡劣（風沙、揚塵）等引起的。近20年PM2.5污染沿著倒T型的分布格局往外擴散及加劇，縱、橫污染帶交接處華北平原污染最為嚴重，污染面積最大，同時是人類活動最為集中的地區。擴散趨勢由華北地區向西南方向擴散至湖南、江西、廣東、廣西等地。新疆塔克拉瑪干沙漠污染帶、寧夏污染帶、川渝地區、華北平原污染帶形成穩定的四大污染帶，其中華北平原污染帶面積最大、污染最為嚴峻。全國主要以京津冀、河南、山東、江蘇、安徽、湖北為主，呈向周圍擴散的形態。依據1998—2015年PM2.5的時空變化可知，20世紀90年代，中國還有條“綠色通道”，為內蒙古東北—山西—陜西—重慶—貴州—云南，把西北地區的污染帶和東南地區的污染帶隔離開來。截至2015年，該“綠色通道”已經被PM2.5污染覆蓋，PM2.5污染從原有的污染帶不斷加劇，并逐步向各個方向擴散加劇。

從另外一個空間尺度，城市區域與非城市進行對比分析。2000年，405個城區PM2.5平均質量濃度（28.99 μg/m3）低于中國平均水平（32.10 μg/m3），鄉村的空氣污染比城市區域嚴重。這是因為20世紀初中國農村落后，劣質煤廣泛使用且農村耕作居多，生物質燃燒、非硬化道路揚塵等導致農村PM2.5污染嚴重。城市區域主要污染來源為機動車排放，工業源排放在2000年還不突出，使得2000年的農村PM2.5質量濃度高于城市區域。2015年中國城市區域PM2.5質量濃度為58.53 μg/m3，是中國平均水平（37.44 μg/m3）的1.56倍，顯著高于非城市區域。這是隨著中國城市化進程推進，城市區域機動車排放、重工業的化工燃料燃燒排放急劇增長，導致城市區域空氣污染越來越嚴重，且隨著大量人口從農村流動到城市，有限的城市空間承載著越來越多的人口生活需求，進而導致城市生態環境惡化，空氣污染嚴重加劇，形成遠超環境承載的污染排放形勢。而農村隨著城市化進程推進，耕作人口減少，生物質燃燒相應減少，道路地面硬化等使得農村空氣污染加劇速度變緩，農村人口驟減也減輕了農村空氣污染的加劇程度。

2.3 夜間燈光指數與PM2.5污染相關性分析

2.3.1 夜間燈光指數與PM2.5污染的空間自相關性 夜間燈光指數符合“胡煥庸線”分布格局，呈東高、西低特征，與PM2.5分布一致。對比夜間燈光指數與PM2.5質量濃度變化趨勢得出，華北平原地區夜間燈光指數增長最快，PM2.5污染最嚴重。華北平原、京津冀、長江三角洲、珠江三角洲、川渝等城市群PM2.5污染加劇最為嚴重，與夜間燈光指數時空分布高度一致。

由表1可知，中國平均夜間燈光指數和PM2.5質量濃度呈快速增長趨勢，2000—2015年夜間燈光指數增長了116.42%，PM2.5質量濃度從2000年的32.10 μg/m3增長至2015年的37.44 μg/m3，增長率為16.63%，在演變過程中，二者保持高度一致。從405個典型城市區域來分析，夜間燈光指數以及增長率都顯著高于全國平均水平，表明城市區域的夜間燈光指數增長顯著快于非城市區域。2000—2015年城市區域PM2.5質量濃度增長率為101.90%，是全國平均水平的3.28倍。該結論表明大型城市區域的夜間燈光指數和PM2.5質量濃度及其增長率都高于非城市區域。

為了更加準確地分析中國城市化進程對空氣污染的影響，把PM2.5成分中揚塵和海鹽等自然源產生的成分去掉，分析二者時空相關關系。去除揚塵和海鹽后中國PM2.5平均質量濃度從2000年的24.90 μg/m3增長至2010年的30.39 μg/m3，增長了5.49 μg/m3，增長率為22.05%;而405個城市區域的去除揚塵和海鹽的PM2.5平均質量濃度從2000年的24.64 μg/m3增長至2010年47.39 μg/m3，增長值為22.75 μg/m3，增長率為92.33%，是全國平均水平的4.19倍。

采用ArcGIS空間分區統計各省（市、自治區）的夜間燈光指數（圖3）以及PM2.5質量濃度（圖7），分析各省（市、自治區）夜間燈光指數與PM2.5質量濃度之間的空間分布狀況。分析顯示沿海省市的夜間燈光指數較高，上海、北京、天津夜間燈光指數最高，其次為河北、遼寧、山東、江蘇、山西、河南、浙江、廣東。2015年各省市夜間燈光指數升高，北京、天津、上海提升1個級別，河北、江蘇、山東、浙江、廣東夜間燈光指數比2000年升高了1個級別。隨著中國經濟的快速發展，東北三省、西南地區、中部省份的夜間燈光指數都發生了1個級別的增長。華北平原地區夜間燈光指數增長最大，PM2.5污染也最為嚴重，二者在時空變化趨勢上保持一致。

2.3.2 夜間燈光指數與PM2.5污染的定量相關性分析 以“胡煥庸線”為界限，人口數量大于10萬的城市區域有5.93%（24/405）位于西北，94.07%（381/405）位于東部。2000—2015年，面積加權的夜間燈光指數城均增長了34.67%，而以“胡煥庸線”以東的94.07%（381/405）的城市區域夜間燈光指數增長了39.58%，增長速度高出西北城市區域4.91個百分點。東部區域（包括城區與非城區）PM2.5面積加權質量濃度從2000年14.58 μg/m3增長至2010年的54.63 μg/m3，增長了40.05 μg/m3，增長率為274.69%，是西北城市區域的1.29倍。除去PM2.5污染成分中揚塵和海鹽，東部區域PM2.5面積加權質量濃度均值從2000年的8.08 μg/m3增長至2010年的23.99 μg/m3，增長了15.91 μg/m3，增長率為196.91%。除去揚塵和海鹽的PM2.5增長率明顯大于含所有成分的PM2.5，說明城市化產生的PM2.5增長顯著，自然環境產生的揚塵等影響的變化不顯著。東部城市隨著較高的城市化發展，同時也伴隨著更嚴峻的PM2.5污染，PM2.5面積加權質量濃度從2000年的14.58 μg/m3增長至2010年的54.63 μg/m3，增長了40.05 μg/m3，增長率為274.69%。此外，除去揚塵和海鹽的東部城市區域PM2.5面積加權質量濃度從2000年的12.86 μg/m3增長至2010年的50.03 μg/m3，其PM2.5質量濃度增加了37.17 μg/m3，增長率為289.04%。

把城市區域2000—2015年夜間燈光指數變化與PM2.5質量濃度變化進行回歸分析，得出二者呈強相關性，R2=0.582 8，即相關系數為0.76，相關函數為y=1.070 3x-2.924 8（圖8）。

由表2可知，405個城市區域只有0.74%（3/405）的城市區域夜間燈光指數降低，且下降幅度很低，為1%左右，其余99.26%（402/405）的城市區域都呈顯著增長的趨勢。7.16%（29/405）的城市區域PM2.5質量濃度下降，92.84%（376/405）的城市PM2.5質量濃度呈顯著加劇。

2000—2015年，中國長江三角洲夜間燈光指數增長的最快，增長了59.30個百分點，其次是北京和天津，分別增長了57.63、56.22個百分點;第三為珠江三角洲，增長了55.36個百分點。另外，寧波、成都、杭州、武漢、南京、沈陽、撫順等夜間燈光指數增長值在50～60個百分點，處于較高水平。把2000—2015年的夜間燈光指數增長值從高到低劃分為7個等級來分析各等級城市的PM2.5變化值情況，得出隨著夜間燈光指數變化值增長，PM2.5質量濃度不斷加劇。夜間燈光指數變化值處于-3.00～0.00個百分點（3/409）的城市的PM2.5濃度平均增長值為0.49 μg/m3，夜間燈光指數增長值每升高1個級別，PM2.5濃度增長值也大幅增長。現有數據分析得出，東部城市污染重于西部區域，與二者經濟發展水平保持高度一致。過去20年，東部城市快速的經濟發展很大程度上是以犧牲環境為代價的。因此，在西部大開發的進程中，需借鑒東部城市經濟發展的經驗，取其精華，去其糟粕，權衡好經濟發展與環境保護關系，走可持續綠色發展道路。

3 結論

中國城市化進程經濟增長方式是導致空氣污染的主要原因，采用夜間燈光指數來表征城市化水平，得出城市夜間燈光指數與PM2.5污染的相關關系顯著（r=0.76），呈強相關關系。2000年中國夜間燈光指數為7.49%，2010年為11.05%，2015年增長至16.21%，夜間燈光指數呈快速增長趨勢。PM2.5質量濃度2000年為32.10 μg/m3，2010年為37.54 μg/m3，2015年為37.44 μg/m3。夜間燈光指數與PM2.5污染增長趨勢保持一致。基于405個典型城市區域，夜間燈光指數從2000年的22.48%增長至2010年的48.11%，2015年再增長至62.78%，增長率為179.27，是全國的1.54倍。典型城市區域PM2.5質量濃度從28.99 μg/m3增長至2010年的53.51 μg/m3，2015年再增長至58.53 μg/m3，增長率為101.90%，是全國平均水平的3.28倍。典型城市區域的夜間燈光指數和PM2.5污染的增長均顯著高于非城市區域。研究表明中國城市化進程，尤其是經濟發展對城市空氣污染的影響巨大，直接加劇了PM2.5污染。因此，要實現高質量綠色發展就要下大力氣調整產業結構、能源結構、運輸結構、用地結構，全面整治空氣污染。

參考文獻：

[1] 中國-東盟環境保護合作中心. 大氣環境管理國際經驗研究[M]. 北京：中國環境出版社，2017.

[2] 李偉峰. 長三角區域城市化過程及其生態環境效益[M]. 北京：科學出版社，2017.

[3] 郝吉明，尹偉倫，岑可法. 中國大氣PM2.5污染防治策略與技術途徑[M]. 北京：科學出版社，2016.

[4] 李惠琴. 基于DMSP/OLS夜間燈光指數及土地利用數據的浙江省GDP空間化研究[D]. 杭州：浙江大學，2018.

[5] 李 珂，劉朝順，焦鵬龍. 基于NPP/VIIRS夜間燈光遙感數據估算上海地區PM2.5濃度的研究[J].? 環境科學學報， 2019，39（6）：1913-1922.

[6] BRAUER M， FREEDMAN G， FROSTAD J， et al. Ambient air pollution exposure estimation for the global burden of disease in 2013 [J].? Environmental science & technology， 2016，50（1）：79-88.

[7] HAN L， ZHOU W， PICKETT S T， et al. An optimum city size？The scaling relationship for urban population and fine particulate （PM2.5） concentration [J]. Environmental pollution， 2016， 208：96-101.

[8] 王桂林，楊 昆，楊 揚. 京津冀地區不透水表面擴張對PM2.5污染的影響研究[J]. 中國環境科學，2017，39（7）：2470-2481.

[9] 王桂林，張 煒. 中國城市擴張及空間特征變化對PM2.5污染的影響[J]. 環境科學，2019，40（8）：1-12.

[10] 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.

[11] 韓立建. 城市化與PM2.5時空格局演變及其影響因素的研究進展[J]. 地理科學進展，2018，37（8）：1011-1021.

[12] LU X， LIN C， LI W， et al. Analysis of the adverse health effects of PM2.5 from 2001 to 2017 in China and the role of urbanization in aggravating the health burden[J]. Science of the total environment， 2019，652：683-695.

[13] 許 珊，鄒 濱，宮俊霞. 2001～2015年中國城鎮化與PM2.5濃度時空關聯特征[J]. 中國環境科學， 2019，39（2）：469-477.

[14] 廖李紅，戴文遠，黃華富，等. 基于DMSP/OLS和Landsat數據的城市化與生態環境耦合協調分析[J]. 福建師范大學學報（自然科學版）， 2018，34（6）：94-103.

[15] 陳穎彪，鄭子豪，吳志峰，等. 夜間燈光遙感數據應用綜述和展望[J]. 地理科學進展，2019，38（2）：205-223.

[16] LIN Y， ZOU J， YANG W. A review of recent advances in research on PM2.5 in China[J]. International journal of environmental research & public health， 2018，15（3）：438.

[17] ZHAO Z， LV S， ZHANG Y， et al.Characteristics and source apportionment of PM2.5 in Jiaxing， China[J].? Environmental science and pollution research， 2019，2：1-15.

[18] 賀晉瑜，燕 麗，王彥超，等. 我國PM2.5濃度分階段改善目標情景分析[J].? 環境科學， 2019，40（5）：2036-2042.

[19] 歐陽正午，廖婷婷，陳科藝，等. 2014—2017年四川盆地與京津冀地區冬季空氣停滯特征及大氣質量改善評估對比分析[J].? 環境科學學報， 2019，39（7）：2353-2361.

[20] YANG Y， LUO L， SONG C， et al. Spatiotemporal assessment of PM2.5 related economic losses from health impacts during 2014-2016 in China[J].? Int J Environ Res Public Health， 2018，15（6）：1278.

[21] LARKIN A， VAN D A，GEDDES J A， et al. Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010 [J].? Environmental science & technology， 2016， 50（17）：9142-9149.

[22] 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 & technology，2016，50（7）：3762-3772.