基于LUR模型模擬汾渭平原PM2.5濃度空間分布

黃翰林，朱慧敏，李 陽，滕坤儒，張 平

(西安工程大學 環(huán)境與化學工程學院，陜西 西安 710600)

1 引言

隨著城市化的快速發(fā)展，經(jīng)濟的飛速增長、工業(yè)發(fā)展和能源消耗帶來大氣污染不斷增加，細顆粒物PM2.5污染日益嚴重。PM2.5顆粒由于本身特點，富含有毒有害物質(zhì)，影響人類健康，社會經(jīng)濟發(fā)展，并會帶來相關的環(huán)境問題。因此，全面掌握PM2.5的空間分布，提高PM2.5污染模擬精度，了解時空分布規(guī)律十分必要，對于PM2.5污染防治措施的制定、降低人體暴露于高濃度PM2.5污染的風險、減少經(jīng)濟損失具有重要作用，對大氣環(huán)境中綠水藍天的保護具有一定的借鑒意義。

目前，國內(nèi)外學者在PM2.5污染、健康風險、源解析、監(jiān)測方法、模擬預測、空間分布特征等方面開展了大量工作[1～5]。其中對于PM2.5濃度的空間預測模擬方法眾多，主要方法有空間插值法[6]、MODIS遙感影像反演[7]、大氣擴散模型[8]，但是這些方法還存在模擬精度不高、模型構建復雜、建模數(shù)據(jù)需求多、數(shù)據(jù)不易獲取等問題。土地利用回歸模型具有很強的模擬污染物濃度空間分布的能力，而且考慮因素周全，操作簡單，適用范圍廣，能夠?qū)崿F(xiàn)相對高分辨率、高精度的大氣污染空間分布制圖，得到了廣大學者的認可。1997年，Briggs等[9]在流行病學研究中針對小區(qū)域空氣質(zhì)量和健康風險進行探索,利用LUR模型對4個研究區(qū)的大氣污染狀況進行空間分析，是首次在GIS環(huán)境中開發(fā)了一種基于回歸的方法來繪制與交通有關的空氣污染情況，對研究區(qū)的大氣污染濃度空間分布進行模擬預測，相關系數(shù)R2為0.51。2009年，陳莉等[10]是中國最早利用LUR模型來模擬預測大氣污染情況，以天津市PM2.5和NO2為因變量，道路、人口、風速、距海遠近等為自變量進行空間模擬預測，其中相關系數(shù)R2分別達到0.946和0.691，模擬結果與實際相符合。近年來,我國LUR模型已經(jīng)廣泛的運用于重慶市、武漢市、杭州市、北京市等地區(qū)空氣污染分布研究中，分別進行了PM2.5、PM10、NO2等污染物的模擬預測，其中模擬預測的相關系數(shù)R2>0.7，而調(diào)整后R2>0.6表明LUR模型模擬預測效果較好[11～14]。

因此，本文在前人的研究基礎上，采用土地利用回歸模型(LUR)，借助LUR模型揭示汾渭平原2018年PM2.5污染空間分布特征，可為區(qū)域大氣污染預警機制建立和城市大氣污染防控提供參考依據(jù)。

2 研究內(nèi)容與方法

2.1 研究區(qū)概況

汾渭平原地處黃河流域汾河和渭河平原及其周邊臺塬階地等，是我國第四大平原，西起山西省陽曲縣，南到陜西省秦嶺山脈，西達陜西省寶雞市，呈東北-西南方向延伸。地跨三省，陜西省、山西省、河南省。氣候類型為溫帶季風半濕潤氣候，一年四季各不相同，夏季酷熱降水相對與其他季節(jié)較多，冬季冷而干燥。地形以平原為主；人口密集、交通便利、農(nóng)業(yè)比較發(fā)達；同時南部，東部被山脈環(huán)繞，北部和西部為黃土高原，不利于PM2.5的擴散，一定程度上會影響大氣的污染濃度。

2.2 數(shù)據(jù)源與研究方法

2.2.1 LUR模型

土地利用回歸[15～17](Land use regression，LUR)模型以地理學中的自然，人文，社會經(jīng)濟等多種因素為研究對象，在流行病學，大氣污染物的空間分布模擬預測等研究中應用較多。利用LUR模型模擬污染物的空間分布，不僅可以了解污染物的空間分布的影響因素，還能對未來大氣濃度空間分布的模擬預測提供一定的參考依據(jù)。LUR模型的構建取決于監(jiān)測站點數(shù)量與分布及對地理相關變量的選取，并且決定模型模擬大氣污染物濃度的可靠性。本文以地理變量中的道路交通，土地利用類型，人口密度，NDVI等為自變量，PM2.5濃度為因變量進行回歸分析。以研究區(qū)61個監(jiān)測站點為中心建立100～5000 m為半徑的緩沖區(qū)分析，對自變量進行初步篩選，再利用SPSS進行各個變量在不同緩沖區(qū)下是否會構成共線性分析，將未共線的因素進行皮爾遜相關分析，篩選出相關性顯著(P>0.6)的影響因子。將顯著性較強的影響因子進行逐步多元回歸分析模擬PM2.5濃度預測值，公式如下：

y=a+b1x1+b2x2+…+bnxn

(1)

式(1)中，a為常數(shù)，bn是各預測變量對應的系數(shù)，xn是各預測變量。將最終5類相關性較強的變量進行線性回歸，檢驗模型模擬效果，證明LUR模型的可行性。

2.2.2 數(shù)據(jù)來源

本文采用2018年1月1日至12月31日的全國空氣質(zhì)量檢測數(shù)據(jù)來自中國環(huán)境監(jiān)測總站的全國城市空氣質(zhì)量實時發(fā)布平臺(http:www.mee.gov.cn/hjzl/dqhj/qgkqzlssfb/)，該數(shù)據(jù)包括PM2.5濃度，NO2，SO2等大氣污染物數(shù)據(jù)；氣象數(shù)據(jù)有降水、溫度、濕度、風向、風速等來源自ECMWF歐洲中期天氣預報中心；道路交通數(shù)據(jù)來自OpenStreetMap的矢量路網(wǎng)；NTL數(shù)據(jù)來源于美國國防氣象衛(wèi)星計劃(DefenseMeteorologicalSatelliteProgram，DMSP)；GDP和人口數(shù)據(jù)來自陜西、山西、河南三省統(tǒng)計年鑒2018；從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)得到汾渭平原30m空間分辨率DEM數(shù)據(jù)；從中國科學院資源環(huán)境科學與數(shù)據(jù)中心(http://www.resdc.cn/)得到30 m空間分辨率的土地利用數(shù)據(jù)和NDVI。在數(shù)據(jù)預處理中使用ENVI5.3得到土地利用類型(耕地、草地、林地、建設用地、水域、未利用地)；利用ArcGIS10.2對不同變量進行緩沖區(qū)分析，對氣象數(shù)據(jù)，NDVI，人口等進行無量綱處理，代入SPSS中進行雙變量相關性分析，篩選出顯著性較強的因素，進入逐步多元線性回歸分析；利用ArcGIS對研究區(qū)進行均勻布點，得出各個網(wǎng)格相互對應地理變量的PM2.5濃度的模擬預測值，進行Kriging插值，最終得到汾渭平原2018年PM2.5濃度模擬預測空間分布。

3 研究結果與分析

3.1 雙變量相關分析

在相關分析中，首先分析不同的地理變量與PM2.5平均濃度的相關性。將具有相關性的影響因素，進行皮爾遜相關分析，篩選出顯著性較強的影響因子(a<0.05和a<0.01)，最終得到相關性較強的12個影響因子。由表1可知，100 m緩沖區(qū)內(nèi)的NTL、SO2、NO2、蒸發(fā)等因素與PM2.5呈顯著正相關，其中，NO2相關系數(shù)最高，達到0.690；4000 m緩沖區(qū)內(nèi)的林地面積、3000 m緩沖區(qū)內(nèi)的NDVI、5000 m緩沖區(qū)內(nèi)的草地面積，濕度，風向和降水等因素與PM2.5呈顯著負相關。表明汾渭平原各地區(qū)經(jīng)濟的發(fā)展主要是以重工業(yè)為主，導致NO2和SO2的污染排放較多，對人類的生活生產(chǎn)、動植物生長、環(huán)境產(chǎn)生不同程度的影響。

表1 PM2.5濃度與影響因子雙變量相關分析

3.2 逐步多元線性回歸

利用SPSS將相關分析中的12個影響因子與PM2.5進行皮爾遜相關分析，剔除產(chǎn)生共線性和相關性不顯著的變量，最終留下SO2、NO2、3000 m緩沖區(qū)內(nèi)的NDVI、邊界層高度、風向、濕度等7個相關性最強的因子作為自變量輸入模型，得到的模型結果如表2所示。

表2 2018年逐步多元線性回歸結果

通過逐步多元線性回歸得到的LUR模型R2為0.852，調(diào)整后的R2為0.844。說明影響因子與PM2.5濃度具有密切的相關性，模型的模擬效果較好，解釋能力強。

3.3 模型模擬與預測

通過逐步多元線性回歸檢驗模擬，得到標準化系數(shù)表，構建LUR回歸模型，將各個自變量的數(shù)值代入到模型中計算2018年1～12月份PM2.5濃度的預測值，構建汾渭平原PM2.5濃度散點圖(圖1)，分析兩者之間的線性關系，以此來直觀分析模型的擬合程度。

由圖1可知，各個數(shù)值分散程度較小，擬合后方程斜率為0.8776，數(shù)值比較接近y=x直線斜率，表明模型擬合較好。整體上模擬精度較高，監(jiān)測值與預測值之間的線性相關性R2為0.8095，可解釋80.95%的PM2.5濃度，說明構建LUR模型可以對實際中的PM2.5濃度有較好估計。

圖1 汾渭平原2018年PM2.5監(jiān)測值-預測值散點圖

3.4 PM2.5模擬預測空間分布

利用ArcGIS10.2結合相關變量分析數(shù)據(jù)進行制圖，通過構建LUR模型模擬PM2.5濃度分布圖與實際監(jiān)測站點監(jiān)測得到的PM2.5濃度分布圖之間的差異，由此驗證本研究構建的LUR模型是否與實際模擬相符合。

在汾渭平原的南部和東部地區(qū)PM2.5污染較嚴重，西北部地區(qū)PM2.5污染相對較低(圖2)。高值區(qū)大多分布在陜西省西安、咸陽、渭南西南部、寶雞東部地區(qū)，PM2.5濃度值為53.56 μg/m3；低值區(qū)主要集中在山西省臨汾、呂梁、運城地區(qū)，PM2.5濃度值為24.28 μg/m3。LUR模型對研究區(qū)PM2.5濃度空間分布具有一定程度的解釋能力，與實際PM2.5濃度空間分布基本一致。PM2.5污染濃度從南向北逐漸降低；污染嚴重的南部與東部地區(qū)地形以平原為主，經(jīng)濟發(fā)展迅速，交通設施齊全，人口分布密集，而陜西、山西冬季燃煤，天然氣供暖也會導致空氣污染嚴重，而且汾渭平原南部，東部分別為秦嶺和太行山山脈，北部和西部為黃土高原，“四面高中間低”不利于污染物的自然擴散；污染較輕的地區(qū)，海拔相對較高，多山地，人口稀疏，經(jīng)濟水平相對低，空氣質(zhì)量優(yōu)良。

圖2 汾渭平原2018年PM2.5濃度空間分布

4 結論與討論

本研究基于2018年汾渭平原61個監(jiān)測站點PM2.5濃度數(shù)據(jù)，考慮自然氣象，社會經(jīng)濟等多種因素，考察PM2.5污染的最優(yōu)驅(qū)動因子，構建了土地利用回歸模型，對PM2.5的空間分布進行了模擬預測。結果表明：

(1)人類活動、社會經(jīng)濟和自然氣象因素都對PM2.5污染有顯著影響，其中夜間燈光、污染源、蒸發(fā)和氣溫與PM2.5濃度呈正相關；濕度、風向、邊界層高度、降水和土地利用的林地、草地與PM2.5濃度呈負相關。人類活動的相關性最強，NO2達到0.690。

(2)土地利用回歸模型對汾渭平原地區(qū)的PM2.5污染具有較好的模擬預測效果，通過模擬值與真實值的線性回歸檢驗，R2為0.8095。

(3)由土地利用回歸模型反演汾渭平原PM2.5污染濃度分布可知，陜西省西安、咸陽、寶雞東部、渭南西南部地區(qū)的PM2.5污染比較嚴重；山西省臨汾、呂梁，運城地區(qū)污染程度較輕，整體上PM2.5濃度呈南向北逐漸降低的趨勢。

LUR模型被認為是預測空氣污染物濃度空間變化的合適方法之一，本文對汾渭平原2018年PM2.5濃度的模擬預測與實際情況基本一致。說明了LUR模型對于跨區(qū)域研究的可行性。但LUR模型的使用過于單一，未來可以結合機器學習，深度神經(jīng)網(wǎng)絡，隨機森林算法等進行模型的完善與改進。LUR模型對大氣污染模擬預測的研究全面且準確，可以為未來大氣污染治理提供更精準的參考依據(jù)。