城市群空氣污染綜合評估范式與應用
——以京津冀城市群PM2.5污染為例

王 迪,韓立建,李世玉,李偉峰,錢雨果,周偉奇,5,譚曉芮,李國棟,6

1 云南大學國際河流與生態安全研究院,昆明 650500 2 中國科學院生態環境研究中心城市與區域生態國家重點實驗室,北京 100085 3 中國科學院大學,北京 100049 4 云南大學生態學與環境學院,昆明 650500 5 北京城市生態系統研究站,北京 100085 6 汕頭大學工學院,汕頭 515063

隨著我國城市化進程的加快,城市空間聚集和交往加深,城市群已成為中國新型城鎮化的主體形態[1],同時,城市化進程帶來的一系列環境污染問題,也將成為未來研究的熱點?？諝馕廴臼浅鞘谢M程所造的環境問題之一,也是直接影響人類生存發展的主要威脅之一[2]。空氣污染不僅會對自然經濟社會的發展造成影響,同時還威脅人的身體健康[3],例如PM2.5會對人體呼吸系統、心血管系統以及中樞神經系統等造成影響[4- 5]。由于在城市化發展中,人口排放、能源結構、景觀格局等自然經濟社會影響因素的改變[6],使我國對空氣污染影響的研究愈發復雜。與此同時,空氣污染影響的復雜程度也隨著研究尺度/區域的轉變不斷變化,傳統的針對某一城市地區進行細致研究,難以解決在城市聚集的城市群下形成的區域性空氣污染來源和影響機制等問題,使區域性空氣污染造成的負面效應難以評估[7]。近年來,以細顆粒物PM2.5為首要污染物的城市與區域空氣污染問題逐漸暴露出來[8-9]。國內外城市化與空氣污染物的研究相對獨立,兩者耦合性研究較少[10],區域尺度對空氣污染是以城市為中心,探討城市對區域的影響,但在城市群尺度下,此類探討具有局限性,無法量化評估空氣污染物對城市群的影響。

針對當前的研究現狀和空氣污染治理的緊迫性,本研究建立了區域空氣污染物的綜合評估模型范式,并以我國大氣污染最集中、最嚴重的區域-京津冀地區為例[11],選取當地空氣污染的首要污染物PM2.5[12],進行實證示范研究。從空氣污染的負面效應、人類活動貢獻情況與景觀格局源匯三個角度按縣域進行劃分,開展區域空氣污染評估范式的定量化研究,探索城市化與空氣質量的影響關系,為城市可持續性發展提供科學的參考。

1 城市群空氣污染綜合模式評估范式

1.1 綜合模式評估方法體系

空氣污染在城市群中具有明顯的區域性和集聚性特征[13]。為探究城市群與空氣污染之間的關系,可建立以下污染模型范式,即以空氣污染物PM2.5對城市群的污染影響、格局分布和源匯特征三個關系要素為參考,利用ArcGis對每個縣域內Xi(i種個數)關系因素進行空間分析,然后對多種關系因素進行加權,分析PM2.5污染在城市群之間的空間關系和綜合差異。

Y=f(X1、X2、X3……)

在本研究中,因沒有明確的應用場景,故將該模式簡化為了一般線性模式(如下)。后續研究中如針對具體的應用場景,可根據管理需求選取不同的函數組成關系、指標及其權重。

Y=aX1+bX2+cX3……

Y表示空氣污染綜合評估模式。其中,Xi因素可用多種方式表達,比如城市對周邊影響的模式[14]、城市人口暴露模式[15]、污染物影響或暴露模式等。這些內容在相關研究中都有了較為成熟的積累,本文為了避免重復,同時保障體系的完整性,從污染對人口的影響,人類活動對污染的貢獻和生態系統的源匯效應三個方面開展了相關的示范研究工作。

本研究關系因素X1、X2、X3從污染物影響、人類活動和生態活動三個方面考慮,選取人口暴露風險值X1、人類活動對PM2.5的貢獻度X2、源匯景觀貢獻度X3,a、b、c分別為X1、X2、X3所對應的權重因子。目前評價指標權重的方法有很多,比如主成分分析法、層次分析法、模糊評價法等,不同方法具有不同的優缺點,比如主成分分析法可客觀地確定指標權重,但存在一定的信息損失,適用于指標資料較全面和指標之間相關性強的指標體系；層次分析法的計算過程簡單,但評價過程主觀性強,適用于多種類型生態系統的評估；模糊評價法的計算方法簡單且不用考慮變量的相關關系,但參照系統選取主觀性強,只能反映相對大小,適用于初步的判定和不同大、小尺度的評價。為了體現綜合模式的地區差異性特征,這里選擇a、b為0.25,每種土地利用類型的c為0.1,總和為1,作為相關因素的權重值,對京津冀地區的“影響-格局-源匯”進行分析。利用以上公式,計算PM2.5綜合差異程度,從而探究城市群之間空氣污染物的空間作用關系,驗證模型范式的可行性。

1.1.1人口暴露風險

空氣污染不僅影響能見度[16],還威脅人體健康。長期/短期暴露在空氣污染中都會增加人類呼吸系統和心肺疾病的概率[17],同時,造成一定的健康經濟損失[18]。北京地區2014—2016年PM2.5污染的人口暴露風險強度是通過人口暴露風險評估模型進行計算[19]。本文選取此研究模型,對京津冀地區2000年、2005年、2010年、2015年人口暴露風險特征進行計算,用人口密度乘以PM2.5污染物質量濃度按縣域求其均值的結果作為評價指標,評估人口暴露于PM2.5污染物的風險。計算方法如下:

Ei=Pi×Ci

式中,Ei為像元i的人口暴露風險；Pi表示像元i內的人口密度值；Ci為像元i的PM2.5質量濃度值,計算單位為μg萬人m-3km-2。

1.1.2人類活動對PM2.5的貢獻度

空氣污染物的空間分布反映污染的區域差異性,時間分布反映污染的演變特征。WHO在PM2.5對人體健康影響程度的基礎上制定了相應的空氣質量標準。由于考慮到中國PM2.5濃度整體較高,因此我們放大了PM2.5濃度評價范圍,在此基礎上制定了對應的PM2.5濃度劃分標準。傳統的PM2.5污染暴露研究并不是具體的分析暴露人口的來源,而是僅將其歸因于PM2.5污染的加劇和面積增加,并未考慮城市化引發的人口遷移所產生的貢獻。本文人類活動對PM2.5的貢獻度,采用基于人口加權的大氣污染暴露模型[20],評估京津冀地區各縣域的人口加權PM2.5污染暴露水平。用不同濃度下的人口作為權重因子,能更好的貼合實際數值[21],計算方法如下：

式中,E為京津冀地區各縣域的人口加權污染物濃度,Ci為像元i的PM2.5質量濃度值,Pi為像元i內的人口數,n為研究區域的像元數量,P為研究區域的總人口數,單位為μg/m3。

1.1.3源匯景觀貢獻度

在格局與過程研究中,“源”景觀指能促進生態過程發展的景觀類型;“匯”景觀是阻礙或延緩生態過程發展的景觀類型[22]。區域源/匯景觀對城市熱島的貢獻程度反映區域城市熱島的強度[23]。在武漢城市熱島的研究中,水體比綠地更加具有緩解城市熱島效應的功能[24]。對于空氣污染而言,工業用地、道路、商業區和居民區屬于促進生態進程的“源”,城市的森林、草地、耕地、水體屬于阻礙污染發展的“匯”[25]?？梢钥闯?在不同的環境問題中相同的土地利用類型扮演不同的貢獻角色,源/匯角色和區域是相對動態變化的。在本文中,將基于遙感影像提取的不同土地利用類型分為森林、草地、水體、耕地、建成區5種,對5種土地利用類型進行空間相關分析,以探求其源匯空間分布特征和規律,公式如下：

式中,CI表示源區/匯區對空氣污染的貢獻度；Ci、Si分別表示某一區域匯區/源區的PM2.5質量濃度值與面積；CMean、S分別表示該區域的PM2.5質量平均濃度值和面積。一般源區其CI值>0,匯區其CI值<0。

2 典型研究區選擇與數據預處理

2.1 研究區域

城市化進程不僅會影響社會經濟與生態環境的協同發展,還會影響區域生態安全的構建[26]。京津冀城市群范圍包括北京市、天津市以及河北省的保定、廊坊、唐山、石家莊、秦皇島、張家口、承德、邢臺、滄州、衡水、邯鄲等11個地級市,其中北京、天津、保定、廊坊為中部核心功能區(圖1)。選取京津冀地區168個縣域單元作為研究對象,其中部分面積較小的地區合并計算,例如北京和天津的南部地區。京津冀城市群作為中國的“首都經濟圈”,是中國重要的經濟核心區,也是目前全球空氣污染最為嚴重的區域之一。在2019中國環境狀況公報中顯示,京津冀城市群2019年PM2.5的算術平均濃度為57μg/m3,比2018年變化減少了1.7%,離世界衛生組織WHO制定的第一階段空氣質量標準35μg/m3仍有一定距離。

圖1 京津冀地區圖Fig.1 The region of Beijing-Tianjin-Hebei

2.2 數據來源

本研究數據用到了2000、2005、2010、2015年京津冀城市群的PM2.5數據、人口柵格數據和土地覆蓋分類數據。PM2.5數據來源于達爾豪斯大學大氣成分分析組(Atmospheric Composition Analysis Group at Dalhousie University)(數據編號為V4.CH.03)。該數據是基于CEOS-Chem化學傳輸模型的模擬,通過中等分辨率成像光譜儀(MODIS)和多角度成像光譜儀(MISR)反演的氣溶膠光學深度數據(AOD)與氣溶膠垂直剖面和散射特性的結合進行估算而得到,并結合地理加權回歸模型和實測數據在我國范圍內進行了定制研究,r2=0.81；slope=0.68,具有較好的精度,解決了該數據產品前期在我國高污染區域的低估問題[14]。本研究所選用的是2000、2005、2010、2015年京津冀城市群PM2.5數據,其空間分辨率為0.01°×0.01°,約為1000 m×1000 m。

人口柵格數據來源于美國能源部的橡樹嶺國家實驗室(ORNL)開發的空間分辨率為1000 m×1000 m的LandScan全球人口分布數據(https://landscan.ornl.gov/)。該數據的空間分辨率與PM2.5濃度數據相同,本研究通過京津冀邊界數據進行裁剪,得到2000、2005、2010、2015年我國同期的京津冀城市群的人口柵格數據。

土地覆蓋分類數據來源與2000、2005、2010、2015年Landsat5、Landsat7、Landsat8遙感影像數據,通過對京津冀城市群進行遙感分類得到,該數據的空間分辨率為30 m×30 m,具有較好的精度,總體精度達到80%以上[14,27-28]。

3 主要結果討論

3.1 PM2.5污染的人口暴露特征分析

圖2為基于人口暴露強度的京津冀地區PM2.5縣域均值人口暴露空間分布。從分布上看,人口暴露風險呈北低南高分布,北京南部、天津東南部、石家莊東部以及邯鄲中部和東部地區具有較高的風險暴露特征,這些地區的人群易受到較高的健康風險威脅。張家口、承德和北京北部地區的暴露風險值相對較低,區域均值普遍小于1μg萬人m-3km-2,這些地區的人群幾乎沒有受到健康風險威脅。京津冀地區PM2.5人口暴露與其人口密度分布呈現高度的一致性,即人口密度較高的地區,受到的暴露風險也越高。從時間尺度上看,2000—2015年風險暴露嚴重性呈現不斷加劇的趨勢,2015年京津冀暴露風險最嚴重,多數地區存在高風險暴露的情況。從多年平均的結果來看,高風險暴露地區主要集中在北京、天津的主城區,保定、石家莊、衡水地區三者的交匯地帶以及邯鄲的南北地區。這些地區的居民將遭受較嚴重的 PM2.5污染影響。同時,隨著暴露于高污染區域的人口數增大,大部分人面對較高的健康風險威脅。

圖2 2000—2015年京津冀年均人口暴露風險Fig.2 Average annual PM2.5 population exposure risk in Beijing-Tianjin-Hebei region (2000—2015)

3.2 PM2.5人口加權濃度特征分析

從空間特征來看,人口加權的PM2.5分布呈明顯的南高北低的特點(圖3)。以張家口和承德地區往南,是人口加權PM2.5<75μg/m3的主要聚集區,張家口、承德地區與保定、北京、天津和唐山地區之間存在相對明顯的邊界特征,可能是污染物短距離傳輸而導致周邊縣域污染濃度較高。除此之外,2000—2015年人口加權PM2.5>75μg/m3區域范圍不斷擴大,尤其2015年保定市區的人口加權PM2.5>105μg/m3。這種重度污染現象造成原因有兩方面,一是不同區域位置氣候條件差異的影響,二是從北京南部以南,傳統重工業城市空間上較為密集,污染物排放量相對較大,且高密度的建筑集中,不利于污染物擴散,導致PM2.5污染范圍相對聚集[29]。時間特征上,2000—2015年污染程度隨時間變化上升,隨著我國城市化進程的發展,環境中的污染物總量超過了生態閾值,導致相鄰縣域邊界的污染不斷加劇。從多年平均結果來看,人口加權PM2.5>75μg/m3污染長期主要集中在石家莊東部地區,衡水西部和中部地區以及邢臺北部和中部地區,這些地區的污染長期難以緩解。

圖3 2000—2015年京津冀年均PM2.5空間分布Fig.3 Annual mean spatial pattern of PM2.5 in Beijing-Tianjin-Hebei region (2000—2015)

3.3 景觀類型“源匯”空間特征

不同土地利用類型具有不同的源匯特征。例如,森林主要以阻礙污染過程為主,而城市作為主要的污染貢獻源,常促進污染的發生。由圖4可知,京津冀北部地區的森林以為匯為主,但在2005—2015年承德市豐寧縣的森林是作為源區,京津冀地區南部的森林源匯分布破碎。隨時間變化,同一地區的相同土地利用類型扮演的源匯角色可能不同。從地區上來看,2000—2015年森林源匯分布呈現高度的一致性,森林的匯區主要集中在北京、天津北部、唐山、保定、石家莊、邢臺、邯鄲西部和西北部,京津冀地區呈現一條明顯的分割帶。在帶狀的東南方,森林源匯分布破碎,可能是當地人口排放結構和景觀格局所造成的。從時間上看,森林景觀源匯的貢獻分布多年變化不大,發展相對穩定；草地源匯的貢獻分布整體相比森林更為復雜,與森林分布不同的是2000—2015年承德地區豐寧縣的草地區域呈現匯的效應。從地區上看,草地主要源區集中在張家口、承德、北京、保定的地級市以及邊界地帶,并呈帶狀分布。帶狀以北,張家口和承德的草地源匯交錯,帶狀以南,草地區域以貢獻源為主,集中分布在邯鄲、邢臺、衡水、滄州等地區。從時間上來看,不同時期的草地景觀源匯分布具有較高的相似性；水體貢獻分布有相似規律,京津冀北部地區源效應較弱,南部地區源匯分布相對分散。從地區分布上看,張家口、承德地區水體主要為源效應,貢獻強度不大,北京地區的水體作為源區提供了較多的貢獻。水體的主要匯區集中在滄州的東部、天津的東南部以及唐山的南部,京津冀地區水體整體多以貢獻源為主。從時間上看,水體源匯分布特征變化不大,張家口、承德和北京之間仍呈現明顯的帶狀分布；耕地源匯分布與其他土地利用類型不同,京津冀地區北部耕地多作為源區,南部多為匯區。耕地源匯在張家口、承德和北京之間,以及保定、石家莊、邢臺、邯鄲的東部,出現了一條連續的的特征帶,特征帶以北,耕地多為源效應,特征帶以南,耕地以匯效應為主。從時間上看,耕地源匯格局變化不大,多年分布具有一定的相似性；京津冀人工表面的整體格局以貢獻源為主,對污染物貢獻較大的區域集中在京津冀的東部和中部,主要是北京的南部以及保定、石家莊、邢臺、邯鄲的東部,但張家口市尚義縣、黃驊市等地區的人工表面處于匯區。從時間上看,人工表面的貢獻程度有不斷擴大和加劇污染的趨勢。

圖4 2000—2015年京津冀不同源匯景觀貢獻度Fig.4 Contribution index of different source-sink landscape types in Beijing-Tianjin-Hebei region (2000—2015) CI表示源區/匯區對空氣污染的貢獻度

3.4 污染綜合評估模型

污染綜合評估結果具有一定的分布特征(圖5)。從空間上看,京津冀地區污染綜合影響北低南高,綜合影響高的地區有北京南部、石家莊、邢臺、邯鄲以及衡水,唐山和滄州市區,這些地方都是城市化的中心區域,其人口規模、景觀格局與生態環境之間的關系需重點關注。張家口和承德污染等級較低,這與當地的自然條件有關。除綜合影響外,還可適當關注污染物的來源與傳輸以及區間的相互作用與影響。從時間上看,污染模式的結果差異不大,這些高污染模式的地區是傳統重工業的集中地區,是關注的重點區域,同時受人類活動影響、景觀格局與空氣污染變化是也是這些區間需要重點討論與研究的方向。

圖5 2000—2015年京津冀綜合評估模型Fig.5 Comprehensive evaluation of PM2.5 pollution in Beijing-Tianjin-Hebei region (2000—2015)

4 結論與展望

為有效評估區域空氣污染物的空間差異,本研究建立了區域空氣污染物的綜合評估范式。并利用2000、2005、2010、2015年的京津冀地區的PM2.5數據、土地覆蓋類型數據以及人口柵格數據,開展了實證研究，得到以下結論：

(1)基于城市群研究建立區域中尺度上的綜合評估模型范式,可有效地評估區域尺度空氣污染的綜合效應,為空氣污染物的區域性研究,提供方法和拓展實例。

(2)京津冀城市群空氣污染空間差異化的示范結果表現為：

1)2000—2015年,京津冀城市群的人口暴露風險和空氣污染分布呈現北低南高的特征,這與當地的人口、工業分布以及自然條件有關。人口暴露風險和空氣污染總體上呈上升趨勢,2015年最為嚴重,污染和暴露風險主要分布在除張家口、承德、秦皇島的其他市域。

2)各縣域空氣污染物的空間分布和綜合評估：①各縣域的人口暴露風險和空氣污染的范圍、程度呈上升趨勢。②污染物不僅來自于人工生態系統,還來自于自然生態系統,森林、草地、耕地等土地利用類型作為主要的污染物匯區的同時,也可能是污染物的源區。同一種土地利用類型在不同污染現象中扮演的貢獻角色不同。比如水體在城市熱島問題中作為主要的匯區,在空氣污染中,水體吸收空氣污染物的能力相比吸收溫度的能力較弱,長時序的污染物停留導致水體周圍的空氣污染物濃度含量偏高,且以污染源的形式出現。區域空氣質量的研究應隨城市化的發展同步開展,并不斷協調。在注重空氣污染與生態格局關聯的同時,還需加強對區域內部相互作用影響的研究,為城市的可持續發展提供科學支撐。