中國(guó)PM2.5空間分布特征及影響因素

牛曦辰

（長(zhǎng)安大學(xué)理學(xué)院，陜西 西安 710064）

隨著城市的發(fā)展，大氣污染問(wèn)題日趨嚴(yán)重，尤其是以顆粒物（PM2.5）為特征污染物的區(qū)域性大氣問(wèn)題更加突出，目前嚴(yán)重影響到人們的生活環(huán)境、身體健康，對(duì)城市的可持續(xù)發(fā)展造成了影響[1]。目前，如何緩解城市空氣污染問(wèn)題，實(shí)現(xiàn)城市的可持續(xù)發(fā)展，是政府和公民共同關(guān)注的重點(diǎn)之一。

隨著遙感技術(shù)的發(fā)展，許多研究者從城市、區(qū)域、國(guó)家或全球的尺度來(lái)研究城市PM2.5的時(shí)空分布特征、影響因素或影響特征。從全球來(lái)看，中國(guó)、印度和東南亞是目前PM2.5污染最為嚴(yán)重的國(guó)家和地區(qū)[2-4]；從國(guó)家來(lái)看，PM2.5污染嚴(yán)重的地方多集中于東部平原地區(qū)，尤其是京津冀城市群，四川省東部以及塔克拉瑪干沙漠地區(qū)[5-7]；從城市來(lái)看，郊區(qū)或農(nóng)村的PM2.5質(zhì)量濃度大多低于城區(qū)。大多學(xué)者從社會(huì)、經(jīng)濟(jì)、空間結(jié)構(gòu)、環(huán)境等方面來(lái)了解城市PM2.5污染的成因。從社會(huì)經(jīng)濟(jì)角度看，PM2.5質(zhì)量濃度的增加與城市人口及GDP 的增長(zhǎng)呈線性關(guān)系[8]，城市的第二產(chǎn)業(yè)占比也會(huì)顯著增加PM2.5質(zhì)量濃度[9-10]；從空間結(jié)構(gòu)看，城市規(guī)模、聚集程度、城市空間均會(huì)對(duì)PM2.5質(zhì)量濃度產(chǎn)生影響[11]；從環(huán)境角度看，綠地面積[12]、降水量、風(fēng)速[13]等均會(huì)影響PM2.5質(zhì)量濃度。然而，PM2.5質(zhì)量濃度的變化往往不是由單一的社會(huì)因素或生態(tài)因素引起的，綜合考慮不同地理?xiàng)l件下社會(huì)和生態(tài)的共同特征，方能發(fā)現(xiàn)影響城市空氣污染物的因素。并且，PM2.5是城市的主要污染物，如何理解PM2.5在城市化的背景下的形成特征，針對(duì)污染物進(jìn)行調(diào)控，是目前有待解決的問(wèn)題。本文利用2020 年中國(guó)1 762 個(gè)縣（區(qū)）級(jí)監(jiān)測(cè)站點(diǎn)的PM2.5日均質(zhì)量濃度數(shù)據(jù)，分析了PM2.5空間分布特征，進(jìn)一步從社會(huì)生態(tài)角度探究了其時(shí)空分布的影響因素和特征，可為了解中國(guó)的大氣污染狀況、大氣污染防治以及城市規(guī)劃與布局提供數(shù)據(jù)支撐和理論依據(jù)。

1 研究區(qū)域及方法

在全國(guó)尺度和區(qū)域尺度上，PM2.5監(jiān)測(cè)數(shù)據(jù)來(lái)源于中國(guó)環(huán)境檢測(cè)總站：在本文的研究時(shí)段（2020 年），全國(guó)各城市范圍內(nèi)共選出1 762 個(gè)縣（區(qū)）級(jí)監(jiān)測(cè)站點(diǎn)，監(jiān)測(cè)站分布如圖1 所示。

圖1 監(jiān)測(cè)站點(diǎn)圖

社會(huì)經(jīng)濟(jì)數(shù)據(jù)來(lái)自統(tǒng)計(jì)年鑒，氣溫、降水量數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)。PM2.5質(zhì)量濃度數(shù)據(jù)均按照《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》中的規(guī)定進(jìn)行質(zhì)量控制，剔除無(wú)數(shù)據(jù)或異常值。分別采用ArcGIS、SPSS、R 等對(duì)原始數(shù)據(jù)進(jìn)行整理分析、圖形繪制、相關(guān)性分析。由于本文中的PM2.5是站點(diǎn)數(shù)據(jù)，在本研究中，在ArcGIS中將PM2.5年均值空間分布柵格數(shù)據(jù)進(jìn)行市級(jí)劃分，使用克里金插值法計(jì)算每個(gè)城市的PM2.5質(zhì)量濃度，如圖2 所示。

圖2 PM2.5質(zhì)量濃度圖

2 中國(guó)PM2.5空間分布特征

地理學(xué)第一定律指出，任何事物之間都是相關(guān)的，離得較近的事物比離得遠(yuǎn)的事物相關(guān)性要更高。通過(guò)Moran'sI指數(shù)計(jì)算了相鄰城市各典型污染物質(zhì)量濃度在空間上的自相關(guān)特征，基于此指標(biāo)探究各典型污染物污染是否存在顯著的空間聚集性特征，即相鄰城市的污染之間是否存在顯著影響。

Moran'sI指數(shù)為：

檢驗(yàn)統(tǒng)計(jì)量Z值為：

本文進(jìn)一步用冷熱點(diǎn)分析（Getis-OrdGi*）識(shí)別污染及其變化的高風(fēng)險(xiǎn)區(qū)域和低風(fēng)險(xiǎn)區(qū)域。該工具使用Z得分度量統(tǒng)計(jì)上的顯著性。表達(dá)式如下：

根據(jù)冷熱點(diǎn)分析，將變量空間分布聚集的程度通過(guò)冷點(diǎn)和熱點(diǎn)體現(xiàn)。污染物PM2.5熱點(diǎn)（高/高聚集）區(qū)域主要在河南、河北、山東、山西、吉林、黑龍江6個(gè)省份的交界處。污染物PM2.5冷點(diǎn)（低/低聚集）區(qū)域主要分布在廣東省及沿海城市、新疆的邊界地段。深層探究影響原因，首先是由于空氣的流通性導(dǎo)致相鄰省份受到了影響，其次由于氣候、地理?xiàng)l件、經(jīng)濟(jì)條件等原因，導(dǎo)致污染程度不相同。綜上可知，空氣污染物的分布與地理位置有關(guān)。

冷熱點(diǎn)如圖3 所示。

圖3 冷熱點(diǎn)圖

3 中國(guó)PM2.5影響因素研究

根據(jù)文獻(xiàn)[8]—文獻(xiàn)[13]，可知影響PM2.5質(zhì)量濃度的因素為社會(huì)、經(jīng)濟(jì)、空間結(jié)構(gòu)、環(huán)境等。因此，本文從社會(huì)經(jīng)濟(jì)、空間結(jié)構(gòu)、環(huán)境來(lái)考慮影響PM2.5的因素，共20 個(gè)可能因素，如圖4 所示。

圖4 影響因素分析圖

4 主成分分析及空間自回歸模型

4.1 主成分分析

4.1.1 主成分分析的適用性檢驗(yàn)

首先對(duì)數(shù)據(jù)進(jìn)行KMO 檢驗(yàn)和Bartlett's 球體檢驗(yàn)，結(jié)果如表1 所示。由表1 知KMO 檢驗(yàn)值為0.754，滿足主成分分析的條件。Bartlett's 球形檢驗(yàn)結(jié)果顯示各變量間具有相關(guān)性，可進(jìn)行主成分分析。

表1 KMO 和Bartlett's 球形檢驗(yàn)結(jié)果

4.1.2 主成分的提取

運(yùn)用SPSS 對(duì)所選取的226 個(gè)城市的影響PM2.5質(zhì)量濃度的指標(biāo)進(jìn)行主成分分析，得到各個(gè)成分的特征值及累加貢獻(xiàn)率。解釋的總方差如表2 所示，前7 個(gè)主成分的特征值大于1，累積貢獻(xiàn)率為65.254。說(shuō)明前7 個(gè)主成分能充分代表原數(shù)據(jù)，對(duì)總體起到概括作用，因子分析效果比較理想，因此本文提取前7 個(gè)主成分進(jìn)行研究。

表2 解釋的總方差

成分得分系數(shù)矩陣如表3 所示。

表3 成分得分系數(shù)矩陣

根據(jù)系數(shù)得分矩陣表，分別用F1、F2、F3、F4、F5、F6、F7表示7 個(gè)主成分，根據(jù)表中的數(shù)據(jù)可以得到各個(gè)主成分的表達(dá)式，如第一個(gè)主成分的表達(dá)式為：F1=-0.147x1-0.113x2+0.047x3+0.115x4+0.293x5-0.071x6+0.021x7-0.013x8+0.089x9-0.153x10+0.161x11+0.076x12-0.021x13+0.115x14-0.111x15+0.285x16+0.148x18-0.081x19+0.119x20，同理可以得到F2、F3、F4、F5、F6、F7主成分的表達(dá)式。

4.2 空間自回歸模型

4.2.1 模型的構(gòu)建

空間數(shù)據(jù)往往存在空間依賴性，若此時(shí)仍然采用傳統(tǒng)的回歸模型，通常會(huì)忽略這種依賴性而使回歸結(jié)果產(chǎn)生偏差。PM2.5質(zhì)量濃度具有顯著的空間自相關(guān)性，本文考慮空間依賴性對(duì)PM2.5質(zhì)量濃度的影響。

空間滯后模型通過(guò)引入空間滯后變量表示空間單元的因變量的觀測(cè)值受到其相鄰空間單元的觀測(cè)值的影響，空間滯后模型表明個(gè)體的值會(huì)受到其周?chē)貐^(qū)的直接影響，基本形式如下：

式（4）中：ρ為空間回歸相關(guān)系數(shù)；w為標(biāo)準(zhǔn)化的空間權(quán)重矩陣；y為因變量；x為自變量；β為待估系數(shù)；b為截距。

空間誤差模型通過(guò)引入空間誤差變量表示存在于誤差中的空間依賴作用，空間依賴作用體現(xiàn)于誤差項(xiàng)之中，基本形式如下：

式（5）（6）中：y為因變量；x為自變量；β為待估系數(shù)；ε為隨機(jī)誤差項(xiàng)；b為截距；λ為空間誤差系數(shù)；w為標(biāo)準(zhǔn)化的空間權(quán)重矩陣。

空間杜賓模型是SLM 模型和SEM 模型的組合擴(kuò)展形式，基本形式如下：

式（7）中：y為因變量；ρ為空間回歸相關(guān)系數(shù)；w為標(biāo)準(zhǔn)化的空間權(quán)重矩陣；b為截距；x為自變量；β為待估系數(shù)，表示自變量對(duì)因變量的影響程度；θ為待估系數(shù)。

空間杜賓誤差模型的基本形式如下：

式（8）（9）中：y為因變量；b為截距；x為自變量；β為待估系數(shù)，表示自變量對(duì)因變量的影響程度；w為標(biāo)準(zhǔn)化的空間權(quán)重矩陣；θ為待估系數(shù)。

嵌套的空間模型是具有所有類型的交互效應(yīng)的完整模型，形式如下：

式（10）（11）中：y為因變量；ρ為空間回歸相關(guān)系數(shù)；w為標(biāo)準(zhǔn)化的空間權(quán)重矩陣；b為截距；x為自變量；β為待估系數(shù)，表示自變量對(duì)因變量的影響程度；θ為待估系數(shù)。

模型關(guān)系如圖5 所示。

圖5 模型關(guān)系圖

4.2.2 模型判別

回歸模型結(jié)果如表4 所示。

表4 回歸模型結(jié)果

為比較各個(gè)模型在PM2.5質(zhì)量濃度影響因子分析中的結(jié)果，本文建立了OLS 模型，結(jié)果如表4 所示；此外本文考慮了由于不同地區(qū)的PM2.5質(zhì)量濃度之間存在空間相關(guān)性，需要考慮建立空間回歸模型，如SLM模型、SEM 模型、SDM 模型、SDEM 模型、GNS 模型。由表4 可知，成分3 和成分7 對(duì)PM2.5質(zhì)量濃度產(chǎn)生了負(fù)影響；而成分3 和成分7 表明環(huán)境的治理能力越強(qiáng)、城市污染度越低，PM2.5質(zhì)量濃度會(huì)降低；而成分2、成分4 和成分6 給PM2.5質(zhì)量濃度帶來(lái)了很大的正影響，這些成分主要為工業(yè)污染因素、城市空間結(jié)構(gòu)因素、環(huán)境污染因素，因此政府應(yīng)該減少工業(yè)污染，提高城市空間結(jié)構(gòu)的合理性，提高環(huán)境治理能力。

赤池信息準(zhǔn)則（Akaike Information Criterion，AIC）和貝葉斯信息準(zhǔn)則（Bayesian Information Criterion，BIC）通常用于判別模型的優(yōu)劣，其值越小表示模型的擬合效果越好，得到每個(gè)模型的AIC、BIC 值如表5所示。最后為了判別模型的空間依賴性，得到模型殘差的空間依賴性檢驗(yàn)結(jié)果如表6 所示。

表5 模型擬合效果對(duì)比

表6 模型殘差的空間依賴性檢驗(yàn)

式（12）（13）中：k為模型參數(shù)個(gè)數(shù)；L為似然函數(shù)；n為樣本數(shù)量。

在最小二乘法中，似然函數(shù)為：

在SLM 模型中，似然函數(shù)為式（14）。

在SEM 模型中，似然函數(shù)為式（15）。

在SDM 模型中，似然函數(shù)為式（16）。

在SDEM 模型中，似然函數(shù)為式（17）。

在GNS 模型中，似然函數(shù)為式（18）。

由表5 可知，SDEM 模型的AIC 和BIC 值最小，GNS 模型的AIC 值和BIC 值次之，可見(jiàn)SDEM 模型的擬合效果是6 個(gè)模型中擬合效果最好的。此外，根據(jù)表6 的結(jié)果，OLS 模型殘差都具有顯著的空間正相關(guān)性，而考慮了PM2.5質(zhì)量濃度具有空間依賴性的SLM、SEM、SDM、SDEM、GNS 回歸模型則在一定程度上削弱了這種空間相關(guān)性的影響。因此在上述6個(gè)模型中，考慮了PM2.5質(zhì)量濃度的空間效應(yīng)的空間杜賓誤差模型效果是最優(yōu)的。

4.2.3 PM2.5質(zhì)量濃度影響因子分析

根據(jù)表4 中SDEM 模型結(jié)果，主成分2、主成分4、主成分6 對(duì)PM2.5的質(zhì)量濃度都產(chǎn)生了顯著的正相關(guān)性，而主成分2、主成分4、主成分6 里所包含的主要因素有工業(yè)二氧化硫排放量、工業(yè)二氧化氮排放量、工業(yè)煙塵排放量、城市建設(shè)用地面積、可吸入顆粒物濃度、第二產(chǎn)業(yè)數(shù)目、工業(yè)數(shù)目，這些因素都會(huì)影響城市PM2.5質(zhì)量濃度，因此政府應(yīng)該控制城市中工業(yè)廢氣、煙塵的排放量，對(duì)排放的廢氣中的污染物含量進(jìn)行實(shí)時(shí)監(jiān)控，對(duì)于超出國(guó)家標(biāo)準(zhǔn)排放廢氣的工廠進(jìn)行罰款等處理；其次，城市應(yīng)該對(duì)建設(shè)用地進(jìn)行合理規(guī)劃，盡量合理利用城市的空間結(jié)構(gòu)；城市為了發(fā)展經(jīng)濟(jì)，可能會(huì)不斷引入企業(yè)，政府應(yīng)該合理管控城市企業(yè)的數(shù)目、企業(yè)的類型，多引入科技開(kāi)發(fā)型企業(yè)，減少污染類企業(yè)的入駐。

主成分3 和主成分7 對(duì)PM2.5質(zhì)量濃度產(chǎn)生了顯著的負(fù)相關(guān)作用，包含的主要因素有污水處理率、生活垃圾處理率、綠化覆蓋率、第三產(chǎn)業(yè)數(shù)目等，政府應(yīng)該提高城市污水、垃圾處理率，呼吁市民保護(hù)環(huán)境，增加城市的綠化帶，適當(dāng)提高第三產(chǎn)業(yè)數(shù)目及服務(wù)業(yè)數(shù)目。

綜合上述分析，只有管控影響PM2.5質(zhì)量濃度的相關(guān)因子，才有利于控制城市空氣污染物質(zhì)量濃度。

5 結(jié)論

本文通過(guò)構(gòu)建空間回歸模型對(duì)2020 年空氣污染物PM2.5進(jìn)行了時(shí)空分布特征及集聚特征分析，采用主成分分析法提取出反映原始數(shù)據(jù)大部分信息的因子，再利用OLS 模型、OLS 模型、SLM 模型、SEM 模型、SDM 模型、SDEM 模型、GNS 模型構(gòu)建出了PM2.5質(zhì)量濃度模型。

主要研究結(jié)果如下：①在中國(guó)，城市空間結(jié)構(gòu)、社會(huì)經(jīng)濟(jì)及環(huán)境及其交互作用會(huì)對(duì)PM2.5質(zhì)量濃度產(chǎn)生明顯影響。通過(guò)主成分分析法，將20 個(gè)因素降維成7 個(gè)主要因素，在這7 個(gè)因素中，對(duì)PM2.5質(zhì)量濃度產(chǎn)生負(fù)相關(guān)的因素有主成分3 和主成分7，而主成分1、主成分2、主成分4、主成分5 和主成分6 對(duì)PM2.5質(zhì)量濃度產(chǎn)生了極大的正影響，因此政府在空氣污染治理過(guò)程中，首先應(yīng)該呼吁人們保護(hù)環(huán)境、減少工業(yè)污染量，對(duì)工業(yè)廢氣、廢水、生活垃圾等進(jìn)行處理，呼吁市民保護(hù)環(huán)境，愛(ài)護(hù)環(huán)境；其次應(yīng)該合理利用和設(shè)計(jì)城市空間結(jié)構(gòu)。②本文比較了OLS 模型、SLM 模型、SEM 模型、SDM 模型、SDEM 模型、GNS 模型，發(fā)現(xiàn)SDEM 模型是6 個(gè)模型中擬合效果最好的，且OLS模型殘差具有顯著的空間正相關(guān)性，而其他回歸模型則在一定程度上削弱了空間相關(guān)性的影響。