長(zhǎng)三角城市群城市空間形態(tài)對(duì)PM2.5與O3污染空間異質(zhì)性特征的影響研究

葉深，王鵬,2*，黃祎，折遠(yuǎn)洋，丁明軍,2

1. 江西師范大學(xué) 地理與環(huán)境學(xué)院，江西 南昌 330022；2. 江西師范大學(xué)鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，江西 南昌 330022

21 世紀(jì)以來(lái)，全球城市化發(fā)展迅速，預(yù)計(jì)本世紀(jì)末全球城市建設(shè)用地同比擴(kuò)張1.8 倍（Li et al.，2022）。亞洲作為世界范圍內(nèi)城市化最迅速的大洲將面臨城市建設(shè)用地?cái)U(kuò)張和人口快速增長(zhǎng)引起的城市生態(tài)環(huán)境問(wèn)題（Gao et al.，2020）。長(zhǎng)三角城市群作為中國(guó)三大城市群之一，頻繁的人類活動(dòng)、密集的產(chǎn)業(yè)結(jié)構(gòu)及發(fā)達(dá)的交通運(yùn)輸給區(qū)域大氣污染提供了潛在排放源（Ma et al.，2019）。如何緩解大氣污染并改善區(qū)域大氣環(huán)境是城市生態(tài)學(xué)領(lǐng)域中的熱點(diǎn)話題（Tang et al.，2022），分析“十三五”規(guī)劃期間長(zhǎng)三角城市群PM2.5與O3污染特征及其相關(guān)性對(duì)區(qū)域大氣污染治理具有重要科學(xué)意義。

城市擴(kuò)張背景下，人類活動(dòng)引起的氮氧化物（NOx，nitrogen oxides）和揮發(fā)性有機(jī)物（VOCs，volatile organic compounds）濃度上升是PM2.5與O3污染問(wèn)題的形成原因之一（Shi et al.，2020）。近地面PM2.5質(zhì)量濃度的變化將影響氣溶膠光學(xué)厚度AOD（Aerosol Optical Depth）并改變O3光化學(xué)反應(yīng)速率（邵平等，2017）。O3的光解過(guò)程將增強(qiáng)大氣氧化性，促進(jìn)SO42-、NO3-等無(wú)機(jī)鹽離子生成并氧化VOCs 生成二次氣溶膠導(dǎo)致二次PM2.5濃度的升高（張涵等，2022）。目前針對(duì)PM2.5與O3污染問(wèn)題的研究主要從相關(guān)性、氣象驅(qū)動(dòng)因素及時(shí)空分布等多個(gè)角度進(jìn)行（Li et al.，2019；Duan et al.，2021；郝永佩等，2022）。如Chen et al.（2019）發(fā)現(xiàn)夏季PM2.5與O3質(zhì)量濃度呈正相關(guān)的一部分原因和O3濃度升高有關(guān)；Wang et al.（2019）指出光照、溫度及風(fēng)速等氣象要素通過(guò)影響污染物排放、物理傳輸及化學(xué)反應(yīng)過(guò)程來(lái)改變PM2.5與O3濃度；Chu et al.（2020）對(duì)全國(guó)范圍PM2.5與O3濃度相關(guān)性分析發(fā)現(xiàn)相關(guān)性系數(shù)隨著太陽(yáng)輻射強(qiáng)度沿南北緯度出現(xiàn)變化。然而在PM2.5與O3污染問(wèn)題研究中往往忽略了變量隨空間位置變化引起的空間異質(zhì)性問(wèn)題（Anselin et al.，1992）。因此，從長(zhǎng)三角城市群城市PM2.5與O3污染空間異質(zhì)性影響因素的角度分析將有助于改善區(qū)域PM2.5與O3污染現(xiàn)狀。

隨著“精明增長(zhǎng)模式（Smart Growth）”及“新城市主義（New urbanism）”等新城市化理論的提出（王國(guó)愛(ài)等，2009），人口密度、交通、經(jīng)濟(jì)等社會(huì)經(jīng)濟(jì)要素作為量化城市化的重要因子被應(yīng)用于分析城市化進(jìn)程對(duì)大氣污染物的影響（Wu et al.，2017；Chen et al.，2020；Mahady et al.，2020）。然而，以上研究未涉及城市化進(jìn)程對(duì)大氣污染空間異質(zhì)性的影響，也未考慮城市化過(guò)程中污染物轉(zhuǎn)換形成的PM2.5與O3污染問(wèn)題。作為城市用地外部幾何特征的外部空間格局及人文經(jīng)濟(jì)的內(nèi)部空間結(jié)構(gòu)聚合體（王新生等，2005；潘竟虎等，2015），城市空間形態(tài)反映了城市化進(jìn)程。城市連通性、城市緊密度、城市形狀等城市空間格局指數(shù)通過(guò)減少綠地面積、拉長(zhǎng)交通通勤距離、改變工業(yè)區(qū)布局可以削弱城市大氣環(huán)境的承載能力（Mu?iz et al.，2005；Jia et al.，2019；Huang et al.，2022）。城市空間結(jié)構(gòu)指數(shù)的增長(zhǎng)與不良的城市空間形態(tài)排列組合使城市空氣質(zhì)量惡化（Badach et al.，2023）。因此，研究不同類型城市空間形態(tài)及PM2.5與O3污染空間異質(zhì)性特征將為城市化背景下區(qū)域大氣污染治理提供科學(xué)經(jīng)驗(yàn)。

鑒于以上不足，針對(duì)PM2.5與O3污染空間異質(zhì)性問(wèn)題，有必要了解城市化背景下城市空間形態(tài)指數(shù)對(duì)其的影響過(guò)程。基于“十三五”規(guī)劃期間長(zhǎng)三角城市群環(huán)境監(jiān)測(cè)站PM2.5與MDA8 O3質(zhì)量濃度監(jiān)測(cè)數(shù)據(jù)，中國(guó)土地覆蓋數(shù)據(jù)集（CLCD）、LandScan人口數(shù)據(jù)、DMSP 夜間燈光遙感數(shù)據(jù)集等社會(huì)經(jīng)濟(jì)數(shù)據(jù)，并結(jié)合城市空間形態(tài)指數(shù)及地理探測(cè)器模型進(jìn)一步揭示城市空間形態(tài)對(duì)PM2.5與O3污染空間異質(zhì)性的影響。

1 研究數(shù)據(jù)與方法

1.1 研究區(qū)概況

長(zhǎng)三角城市群位于長(zhǎng)江中下游平原，瀕臨太平洋，地理范圍在32°34′—29°20′N、115°46′—113°25′間，氣候類型為亞熱帶季風(fēng)氣候，平均氣溫在13—18 ℃，城市化和工業(yè)化均位于全國(guó)前列（方創(chuàng)琳，2014）。長(zhǎng)三角城市群作為國(guó)務(wù)院最早批復(fù)的城市群在區(qū)域發(fā)展戰(zhàn)略地位中占據(jù)重要地位（寧越敏，2011）。此外，麗水市常住人口>200 萬(wàn)人，且空氣質(zhì)量位于全國(guó)前列，但郭云等（2021）發(fā)現(xiàn)該地O3污染對(duì)生態(tài)環(huán)境影響要大于PM2.5污染，故將其加入研究區(qū)（圖1）。

圖1 研究區(qū)地形、監(jiān)測(cè)站點(diǎn)、土地利用及平均夜光遙感指數(shù)的空間分布Figure 1 Spatial distribution of topography, monitoring stations, land use and mean nighttime light index values in the study area

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

2016—2020 年P(guān)M2.5與MDA8 O3（日最大8 h滑動(dòng)平均值）質(zhì)量濃度數(shù)據(jù)均來(lái)源于全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)（https://air.cnemc.cn:18007/）公布的長(zhǎng)三角城市群大氣環(huán)境監(jiān)測(cè)站連續(xù)時(shí)間序列日尺度空氣質(zhì)量數(shù)據(jù)（μg·m-3）；為減少柵格數(shù)據(jù)空間尺度不匹配產(chǎn)生的偏差，現(xiàn)將2016—2020 年長(zhǎng)三角城市群土地覆蓋數(shù)據(jù)（Yang et al.，2021）；1 000 m×1 000 m 分辨率 LandScan 人口密度數(shù)據(jù)（https://landscan.ornl.gov/）以及DMSP（Defense Meteorological Satellite Program）夜間燈光遙感數(shù)據(jù)（Zhang et al.，2021）轉(zhuǎn)化為Albers 投影坐標(biāo)系并通過(guò)ArcGIS 10.2 軟件重采樣到1 000 m 空間分辨率。考慮到大氣污染物成因，選取第三產(chǎn)業(yè)結(jié)構(gòu)占比Ind（%）及公共汽車保有量Bus（輛）作為社會(huì)經(jīng)濟(jì)數(shù)據(jù)。溫度t（℃）、降水PCP（mm）、相對(duì)濕度Hr（%）以及風(fēng)速Vw（m·s-1）四類氣象數(shù)據(jù)均來(lái)自于逐時(shí)國(guó)家氣象科學(xué)數(shù)據(jù)中心（http://data.cma.cn/），各項(xiàng)數(shù)據(jù)表征及來(lái)源見(jiàn)表1。

表1 各類城市指標(biāo)匯總Table 1 Urban spatial morphology index and significance

通過(guò)對(duì)長(zhǎng)三角城市群城市PM2.5與MDA8 O3質(zhì)量濃度值進(jìn)行統(tǒng)計(jì)并計(jì)算各地級(jí)市日均質(zhì)量濃度值，對(duì)缺失數(shù)值通過(guò)ArcGIS 10.2 軟件進(jìn)行反距離加權(quán)空間插值，得到空間全覆蓋數(shù)據(jù)；在此基礎(chǔ)上通過(guò)IBM SPSS Statistics 26 軟件計(jì)算PM2.5和MDA8 O3不同時(shí)間尺度質(zhì)量濃度均值（年、月、季）；最后通過(guò)R 語(yǔ)言軟件中“corrplot”包對(duì)污染物均值計(jì)算Pearson 相關(guān)系數(shù)，并判斷其對(duì)PM2.5與MDA8 O3質(zhì)量濃度的影響。若r>0 表示污染物間存在正相關(guān)。

1.3 城市空間形態(tài)表征及意義

作為反應(yīng)城市擴(kuò)張過(guò)程中社會(huì)及自然要素的城市景觀形態(tài)指數(shù)已被城市生態(tài)學(xué)領(lǐng)域應(yīng)用于量化城市空間布局模式。綜上，參考相關(guān)文獻(xiàn)（Stone Jr，2008）選取城市建設(shè)用地柵格數(shù)據(jù)通過(guò)ArcGIS10.2 及Fragstats 4.2 軟件分別計(jì)算城市建設(shè)用地緊湊度（CompactIndex，CI）（Alonso，1971）、邊緣密度（Edge density，ED）、斑塊密度（Patch density，PD）、最大斑塊占比（Largest patch index，LPI）作為城市空間格局（Shape）指數(shù)；此外，城市空間形態(tài)通過(guò)影響社會(huì)經(jīng)濟(jì)及人類活動(dòng)強(qiáng)度導(dǎo)致生態(tài)環(huán)境質(zhì)量改變（吳文坤等，2023）。故選取城市人口密度P、城市平均夜光遙感指數(shù)TNLI、第三產(chǎn)業(yè)結(jié)構(gòu)占比 Ind、交通通勤度（Transport Commuting，TC）作為城市空間結(jié)構(gòu)（Structure）指數(shù)（陳珍啟等，2016），具體意義及公式見(jiàn)表2。

表2 城市空間形態(tài)指數(shù)及意義Table 2 Urban spatial morphology index and significance

1.4 基于地理探測(cè)器分析城市空間形態(tài)、氣象要素對(duì)PM2.5與O3污染空間異質(zhì)性特征的影響

地理探測(cè)器是通過(guò)重新劃分區(qū)域單元并將各變量在空間上進(jìn)行重新疊加，借此評(píng)估變量空間關(guān)系的模型（王勁峰等，2017）。地理探測(cè)器數(shù)據(jù)預(yù)處理包括提取各類污染物及社會(huì)經(jīng)濟(jì)矢量數(shù)據(jù)并轉(zhuǎn)化為柵格數(shù)據(jù)；通過(guò)ArcGIS 10.2 軟件構(gòu)建1 000 m×1 000 m 分辨率格網(wǎng)數(shù)據(jù)；為消除絕對(duì)總量對(duì)計(jì)算產(chǎn)生的誤差影響，將各類柵格數(shù)據(jù)使用自然斷點(diǎn)法標(biāo)準(zhǔn)化后提取至格網(wǎng)數(shù)據(jù)；最后根據(jù)空間分析統(tǒng)計(jì)工具提取到點(diǎn)并導(dǎo)出至地理探測(cè)器模型運(yùn)算（圖2）。

圖2 基于地理探測(cè)器分析城市空間變量對(duì)PM2.5 與O3 污染空間異質(zhì)性特征的影響Figure 2 Geo-detector analysis of the spatial variable on the spatial heterogeneity characteristics of PM2.5 and O3 pollution

地理探測(cè)器的因子探測(cè)通過(guò)計(jì)算q值對(duì)長(zhǎng)三角城市群城市空間變量與PM2.5與O3空間異質(zhì)性進(jìn)行探究。具體公式如下：

式中：

q——長(zhǎng)三角城市群某種空間變量對(duì)長(zhǎng)三角城市群PM2.5與O3污染空間異質(zhì)性特征的探測(cè)力度，當(dāng)q值越接近1 時(shí)，可以說(shuō)明自變量主導(dǎo)驅(qū)動(dòng)了PM2.5與O3污染空間異質(zhì)性特征，反之q值越小自變量對(duì)PM2.5與O3污染的解釋性越弱；

n——長(zhǎng)三角城市群總計(jì)樣本數(shù)；

h——1, 2, …L為長(zhǎng)三角城市群內(nèi)部各地級(jí)市建立的空間格網(wǎng)層數(shù)；層表示的是長(zhǎng)三角城市群PM2.5與O3污染物在長(zhǎng)三角城市群內(nèi)部體現(xiàn)的相關(guān)性，但又在內(nèi)部各地級(jí)市呈現(xiàn)出明顯的空間差異性（Wang et al.，2016）；

σ2——長(zhǎng)三角城市群PM2.5與O3污染物年均質(zhì)量濃度值的方差。其中q值大小可作為長(zhǎng)三角城市群PM2.5與O3空間異質(zhì)性解釋率。

交互探測(cè)器為辨識(shí)城市空間變量指數(shù)間的交互作用，即主要因子x1和重要因子x2共同作用下對(duì)長(zhǎng)三角城市群PM2.5與O3污染特征的解釋率變化的影響。評(píng)估方法如表3：

表3 地理探測(cè)器交互探測(cè)Table 3 Geo-detector interaction detection

由于長(zhǎng)三角城市群空間單元內(nèi)城市空間形態(tài)指數(shù)x1和x2空間位置差異導(dǎo)致模型參數(shù)隨空間位置變化造成空間非平穩(wěn)（Spatial Non-stationarity）。故通過(guò)生態(tài)探測(cè)器F統(tǒng)計(jì)量判斷長(zhǎng)三角城市群空間單元內(nèi)x1和x2之和是否小于區(qū)域總方差來(lái)檢驗(yàn)PM2.5與O3污染空間分層差異特征。

式中：

Nx1和Nx2——長(zhǎng)三角城市群城市空間雙因子變量x1和x2的樣本量；

SSW——城市空間雙因子變量空間分層的方差之和（Within Sum of Squares）；零假設(shè)為H0為SSWx1=SSWx2。如果在顯著性水平拒絕零假設(shè)，則長(zhǎng)三角城市群城市空間變量在空間分層存在顯著空間差異。

2 長(zhǎng)三角城市群城市PM2.5與O3污染及城市空間形態(tài)指數(shù)時(shí)空變化特征

2.1 長(zhǎng)三角城市群PM2.5與O3時(shí)間變化特征

2020 年長(zhǎng)三角城市群城市PM2.5年均質(zhì)量濃度值較2016 年的47.7 μg·m-3下降15.3 μg·m-3，但近5 年P(guān)M2.5年均質(zhì)量濃度值（41.1 μg·m-3）仍未達(dá)到《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）（環(huán)境保護(hù)部等，2012）二級(jí)標(biāo)準(zhǔn)限值（35 μg·m-3）。長(zhǎng)三角城市群城市MDA8 O3質(zhì)量濃度值呈上升趨勢(shì)，2018—2019 年MDA8 O3年均質(zhì)量濃度值上升最明顯（5.82%），2020 年較2016 年增長(zhǎng)9.93%（圖3）。月尺度，PM2.5月均質(zhì)量濃度值呈“1 月下降，9—12月上升”的“V”型季節(jié)變化趨勢(shì)；MDA8 O3月均質(zhì)量濃度值夏季較高，冬季較低，但7 月左右存在局部谷值，表現(xiàn)出“M”型的趨勢(shì)。

圖3 長(zhǎng)三角城市群城市PM2.5與MDA8 O3質(zhì)量濃度時(shí)間變化特征Figure 3 Contrast between temporal changes of PM2.5 and MDA8 O3 in the Yangtze River Delta

2.2 長(zhǎng)三角城市群PM2.5與O3季節(jié)質(zhì)量濃度相關(guān)性時(shí)空演變特征

由圖4 可見(jiàn)，長(zhǎng)三角城市群PM2.5與O3污染質(zhì)量濃度存在明顯的季節(jié)變化規(guī)律。其中，夏季城市PM2.5與O3質(zhì)量濃度相關(guān)性大于其他季節(jié)，其季節(jié)質(zhì)量濃度相關(guān)系數(shù)位于0.495—0.704 區(qū)間；秋季PM2.5與O3質(zhì)量濃度相關(guān)性系數(shù)較夏季下降0.3—0.63；春季PM2.5與O3質(zhì)量濃度相關(guān)性系數(shù)介于秋、冬兩季（0.026—0.104）；冬季PM2.5與O3質(zhì)量濃度相關(guān)性系數(shù)最低。

圖4 長(zhǎng)三角城市群PM2.5 與O3 季節(jié)質(zhì)量濃度相關(guān)性時(shí)間變化特征Figure 4 Seasonal temporal changes of PM2.5 and O3 correlation in Yangtze River Delta

夏季各地級(jí)市PM2.5與O3質(zhì)量濃度相關(guān)性為正相關(guān)（如圖5 所示）。其中，寧波市（0.719）和紹興市（0.714）是夏季長(zhǎng)三角城市群城市中PM2.5與O3質(zhì)量濃度相關(guān)性系數(shù)最高的地級(jí)城市。冬季長(zhǎng)三角城市群城市PM2.5與O3質(zhì)量濃度相關(guān)性系數(shù)最低的地級(jí)城市分別為無(wú)錫市（-0.143）、合肥市（-0.112）滁州市（-0.072）及南京市（-0.049）。因此，PM2.5與O3季節(jié)質(zhì)量濃度相關(guān)性存在明顯的時(shí)空分異特征。

圖5 長(zhǎng)三角城市群PM2.5與O3季節(jié)質(zhì)量濃度相關(guān)性時(shí)空分布特征Figure 5 Spatial temporal changes of PM2.5 and O3 correlation in Yangtze River Delta

3 長(zhǎng)三角城市群城市空間形態(tài)及氣象要素時(shí)空演變特征

3.1 長(zhǎng)三角城市群城市空間形態(tài)及氣象要素時(shí)間變化特征

受疫情影響前，城市建設(shè)用地緊湊度由2016 年的1.07 上升至2019 年的1.21（圖6）。2020 年長(zhǎng)三角城市建設(shè)用地邊緣密度較2016 年增加0.203 m·hm-2。因此，長(zhǎng)三角城市群的城市建設(shè)用地緊湊度和邊緣密度增加將推動(dòng)城市化進(jìn)程加速；2016—2020 年長(zhǎng)三角城市群城市中心性加強(qiáng)、城市建設(shè)用地的規(guī)則度不斷獲得完善，城市建設(shè)用地最大斑塊占比指數(shù)從2016 年的1.2%上升至1.5%；目前長(zhǎng)三角城市群城市化進(jìn)程不斷向綠色可持續(xù)高質(zhì)量轉(zhuǎn)化，城市建設(shè)用地板塊密度的歷程由前期快速上升逐漸轉(zhuǎn)向后期漸緩趨勢(shì)。長(zhǎng)三角城市群空間結(jié)構(gòu)指數(shù)時(shí)間變化特征顯示：除交通通勤度外，其余各項(xiàng)內(nèi)部空間結(jié)構(gòu)指數(shù)均表現(xiàn)出持續(xù)上升趨勢(shì)。2019—2020 時(shí)間政府在全國(guó)范圍內(nèi)實(shí)施的疫情防控措施導(dǎo)致交通通勤度指數(shù)出現(xiàn)的短期下降（44.8%）的原因；人口密度、平均夜光遙感指數(shù)及第三產(chǎn)業(yè)結(jié)構(gòu)占比的逐年增強(qiáng)改變了人類活動(dòng)強(qiáng)度對(duì)城市空間形態(tài)的影響；氣象要素受人類活動(dòng)影響較小，年際間存在較大波動(dòng)，而相對(duì)濕度受氣候條件影響與降水時(shí)間變化特征相近。

圖6 長(zhǎng)三角城市群城市空間形態(tài)及氣象要素時(shí)間變化特征Figure 6 Temporal changes in the urban morphology and meteorological of the Yangtze River Delta

3.2 長(zhǎng)三角城市群城市空間形態(tài)及氣象要素時(shí)空演變特征

長(zhǎng)三角城市群城市空間形態(tài)指數(shù)存在顯著的空間異質(zhì)性特征（圖7）。長(zhǎng)三角城市群城市空間格局指數(shù)空間分布和城市化水平有關(guān)，城市化水平較高的中部城市如上海市、蘇州市及鹽城市等地級(jí)城市的空間格局指數(shù)出現(xiàn)空間集聚特征。受經(jīng)濟(jì)發(fā)展及人類活動(dòng)的強(qiáng)度影響，麗水市及舟山市的各類城市空間結(jié)構(gòu)指數(shù)的空間分布特征較中部城市出現(xiàn)了明顯轉(zhuǎn)變。從整體來(lái)看，長(zhǎng)三角城市群空間形態(tài)指數(shù)呈北高、中部次之、南低的空間特征。受太陽(yáng)輻射強(qiáng)度影響，長(zhǎng)三角城市群城市年均氣溫自麗水市（19.4 ℃）、臺(tái)州市（19.0 ℃）向鹽城市（12.1 ℃）遞減。而其余氣象要素空間分布特征不明顯。

4 長(zhǎng)三角城市群城市PM2.5與O3污染空間異質(zhì)性分析

4.1 長(zhǎng)三角城市群城市PM2.5與O3污染空間異質(zhì)性影響因素分析

圖8 顯示城市建設(shè)用地緊湊度、人口密度以及降水分別是長(zhǎng)三角城市群PM2.5與O3污染空間異質(zhì)性特征的最主要城市空間形態(tài)指數(shù)以及氣象要素。城市建設(shè)用地緊湊度是長(zhǎng)三角城市群PM2.5質(zhì)量濃度值（0.259）、MDA8 O3質(zhì)量濃度值（0.418）以及PM2.5與O3濃度相關(guān)性（0.258）解釋率靠前的城市空間格局影響因子；而城市建設(shè)用地邊緣密度對(duì)PM2.5與O3污染的解釋率相對(duì)較弱。從城市空間結(jié)構(gòu)視角分析發(fā)現(xiàn)人口密度對(duì)PM2.5與O3污染空間異質(zhì)性特征影響大于其他影響因子，而交通通勤度次之。氣象要素中，風(fēng)速對(duì)污染物空間異質(zhì)性的影響最小，其解釋率均小于0.1。

圖8 長(zhǎng)三角城市群城市PM2.5與O3空間異質(zhì)性單因子驅(qū)動(dòng)分析Figure 8 Factor analysis of PM2.5 and O3 spatial heterogeneity in the Yangtze River Delta

4.2 長(zhǎng)三角城市群PM2.5與O3污染空間異質(zhì)性交互機(jī)制分析

任意雙因子的交互作用將增強(qiáng)對(duì)長(zhǎng)三角城市群PM2.5與O3污染空間異質(zhì)性特征的解釋率，結(jié)果如圖9 所示。城市建設(shè)用地斑塊密度和城市建設(shè)用地最大斑塊占比對(duì)長(zhǎng)三角城市群PM2.5質(zhì)量濃度值（0.602）、MDA8 O3質(zhì)量濃度值（0.627）以及PM2.5與O3濃度相關(guān)性（0.608）均表現(xiàn)出較強(qiáng)的交互作用，是最強(qiáng)的城市空間格局交互組合。從長(zhǎng)三角城市群空間結(jié)構(gòu)分析發(fā)現(xiàn)，人口密度和第三產(chǎn)業(yè)結(jié)構(gòu)占比對(duì)PM2.5與O3污染空間異質(zhì)性的解釋率均大于0.3，證明了城市空間結(jié)構(gòu)指數(shù)在人口城市化過(guò)程中將推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)集聚導(dǎo)致PM2.5與O3污染物出現(xiàn)空間異質(zhì)性特征。除氣象要素自身外，風(fēng)速和溫度是所有氣象要素中對(duì)PM2.5與O3污染物空間異質(zhì)性解釋最弱的交互組合，其解釋率均小于0.3。

圖9 長(zhǎng)三角城市群PM2.5與O3交互分析Figure 9 Analysis of the interaction between PM2.5 and O3 in the Yangtze River Delta

城市空間形態(tài)因子的雙因子交互作用對(duì)長(zhǎng)三角城市群PM2.5與O3污染空間異質(zhì)性影響關(guān)系呈非線性增強(qiáng)和相互增強(qiáng)兩種趨勢(shì)（表4）。其中，PM2.5與MDA8 O3質(zhì)量濃度值的不同類型增強(qiáng)趨勢(shì)占比基本持平。人口密度和平均夜間燈光遙感指數(shù)（0.718）和人口密度和第三產(chǎn)業(yè)結(jié)構(gòu)占比（0.657）分別是對(duì)PM2.5與O3污染空間異質(zhì)性影響最強(qiáng)的兩組城市空間形態(tài)交互組合，而降水和相對(duì)濕度（0.095）是對(duì)PM2.5與O3污染影響最小的交互組合（除單因子外）。

表4 長(zhǎng)三角城市群城市空PM2.5與O3交互驅(qū)動(dòng)機(jī)制Table 4 Interactive driving mechanism between PM2.5 and O3 in the Yangtze River Delta

4.3 長(zhǎng)三角城市群城市PM2.5與O3污染主要影響因子的空間分層異質(zhì)性分析

主要城市布局指數(shù)同PM2.5與O3污染在空間分層上交互組合存在顯著差異的數(shù)量大于主要城市空間結(jié)構(gòu)指數(shù)以及主要?dú)庀笠乜臻g分層著差異數(shù)量，結(jié)果如圖10 所示。主要城市空間格局指數(shù)中，除城市建設(shè)用地邊緣密度和城市建設(shè)用地邊緣密度、城市建設(shè)用地最大斑塊占比和城市建設(shè)用地斑塊密度外，其余PM2.5質(zhì)量濃度值、MDA8 O3質(zhì)量濃度值以及PM2.5與O3濃度相關(guān)性的交互組合中均不存在顯著空間分層差異。城市空間結(jié)構(gòu)指數(shù)中，PM2.5與O3污染與各類主要影響因子間不存在明顯的空間分層差異特征。而影響MDA8 O3質(zhì)量濃度空間分層差異的主要?dú)庀蠼换ソM合是相對(duì)濕度和風(fēng)速。

圖10 長(zhǎng)三角城市群城市PM2.5與O3空間分層異質(zhì)性分析Figure 10 Significance analysis of the spatial interaction between PM2.5 and O3 in the Yangtze River Delta

5 討論

在城市擴(kuò)張背景下，氣象和社會(huì)經(jīng)濟(jì)要素影響了城市PM2.5與O3污染濃度值。《中國(guó)生態(tài)環(huán)境統(tǒng)計(jì)年鑒》顯示2020 年長(zhǎng)三角城市群城市PM2.5質(zhì)量濃度較2015 年下降39%，而以O(shè)3污染超標(biāo)天數(shù)占比將超過(guò)50%（生態(tài)環(huán)境部，2021）。這與該研究發(fā)現(xiàn)長(zhǎng)三角城市群地級(jí)城市PM2.5與O3質(zhì)量濃度的變化規(guī)律相符合。形成O3污染物濃度上升的部分原因是PM2.5濃度的降低減少了氣溶膠對(duì)HO2自由基和NOx的吸收（Lou et al.，2014）。夏季長(zhǎng)三角城市群與東部沿海城市均受氣象條件（林昕等，2023）影響導(dǎo)致臭氧出現(xiàn)“雙峰”現(xiàn)象。此外，臺(tái)風(fēng)經(jīng)西太平洋低緯地區(qū)北上，近地面受臺(tái)風(fēng)外圍下沉環(huán)流控制下的晴熱條件會(huì)促進(jìn)臭氧生成（Li et al.，2022）。副熱帶高壓以及臺(tái)風(fēng)外圍環(huán)流（Wang et al.，2022）是長(zhǎng)三角城市群八月份臭氧質(zhì)量濃度值較7 月出現(xiàn)上升的原因之一。長(zhǎng)三角城市群中部?jī)?nèi)陸工業(yè)化水平整體高于東南城市，但黎文勇（2023）證實(shí)長(zhǎng)三角城市群工業(yè)化對(duì)大氣污染物影響模式存在異質(zhì)性影響，這是引起長(zhǎng)三角城市群中部地區(qū)出現(xiàn)污蔑及大氣污染現(xiàn)象的原因之一。上海市作為長(zhǎng)三角城市群內(nèi)部經(jīng)濟(jì)最發(fā)達(dá)城市，其PM2.5與O3污染物相關(guān)性明顯高于其他中部地級(jí)城市，具有典型代表特征。這和孫金金等（2022）通過(guò)中國(guó)環(huán)境監(jiān)測(cè)總站數(shù)據(jù)結(jié)合大氣顆粒物檢測(cè)儀發(fā)現(xiàn)不同時(shí)間尺度下上海市PM2.5與O3污染物季節(jié)相關(guān)性均高于南京市PM2.5與O3污染物季節(jié)相關(guān)性的研究結(jié)論一致。因此，長(zhǎng)三角城市群PM2.5與O3污染物的濃度變化特征同城市群內(nèi)部城市化程度和氣候條件有關(guān)。

其次，城市空間形態(tài)指數(shù)從側(cè)面表征了城市化背景長(zhǎng)三角城市群地級(jí)城市建設(shè)用地面積擴(kuò)張、經(jīng)濟(jì)發(fā)展水平提高及人口密度的上升，這影響了長(zhǎng)三角城市群PM2.5與O3污染濃度值變化規(guī)律。Dong et al.（2023）對(duì)長(zhǎng)三角城市群PM2.5與O3污染物空間分布特征研究發(fā)現(xiàn)污染物高值區(qū)主要集中在中部地區(qū)，這與本研究中城市空間結(jié)構(gòu)指數(shù)的高值區(qū)吻合。人口密度作為衡量城市外部空間形態(tài)連通性的重要指標(biāo)是PM2.5與O3污染空間異質(zhì)性的最主要驅(qū)動(dòng)因子，城市群空間連通性越強(qiáng)（人口密度越高）、城市緊湊型越合理、城市化發(fā)展水平也越高。Lu et al.（2016）研究發(fā)現(xiàn)緊湊型城市空間形態(tài)通過(guò)提高交通通勤度及改變工業(yè)的集聚降低私家車能源消耗、減少運(yùn)輸和存儲(chǔ)能源消耗來(lái)改善城市空氣質(zhì)量。易嘉慧等（2022）和吳雅睿等（2023）發(fā)現(xiàn)疫情期間污染物和部分社會(huì)經(jīng)濟(jì)均出現(xiàn)波動(dòng)，這和2019—2020 年部分城市空間結(jié)構(gòu)指數(shù)的下降趨勢(shì)存在一致性。Chang et al.（2020）對(duì)疫情防控時(shí)間段內(nèi)汽車尾氣排放和污染物的相關(guān)性進(jìn)行研究發(fā)現(xiàn)2020 年交通運(yùn)輸量較同期減少了1/3，這證明了本文交通通勤度出現(xiàn)短期波動(dòng)的研究結(jié)論。因此，鼓勵(lì)城市群建設(shè)緊湊型城市空間形態(tài)、提倡公共交通出行、合理規(guī)劃城市擴(kuò)張進(jìn)程將有助于區(qū)域大氣污染治理。

主要城市空間形態(tài)指數(shù)同PM2.5與O3污染物在空間單元上存在明顯的空間異質(zhì)性特征。地理探測(cè)器結(jié)果表明，同一主要驅(qū)動(dòng)因子對(duì)PM2.5與O3污染物存在著不同的空間解釋性。現(xiàn)有研究表明城市不同類型功能街道近地面大氣污染物存在明顯的空間分異特征（王薇等，2022）。當(dāng)城市人口密度增加時(shí)，由于私家車尾氣、生活源排放及農(nóng)業(yè)活動(dòng)對(duì)大氣污染物在物理—化學(xué)傳輸過(guò)程中影響速率不同導(dǎo)致PM2.5與O3污染物出現(xiàn)空間差異（Han et al.，2018）。此外，“源-匯”景觀理論指出城市景觀內(nèi)部連通性同“源”存在關(guān)聯(lián)性（Bechle et al.，2011）。城市建設(shè)用地作為“源”景觀具有遮蔽效應(yīng)能阻礙太陽(yáng)輻射對(duì)地表的相互作用（Cilek et al.，2021），導(dǎo)致太陽(yáng)輻射對(duì)O3轉(zhuǎn)化效率存在差異（Qin et al.，2021），這造成了城市建設(shè)用地緊湊度分別對(duì)PM2.5與O3相關(guān)性空間異質(zhì)性特征解釋率出現(xiàn)13.7%—41.8%的差異。從城市空間形態(tài)來(lái)看，合理的城市空間形態(tài)將促進(jìn)污染物改善。因此，在今后的研究中，將通過(guò)高分辨率長(zhǎng)時(shí)間序列遙感影像重新審視城市空間形態(tài)指數(shù)并利用交叉學(xué)科知識(shí)明確城市變化進(jìn)程中污染物變化的拐點(diǎn)與閾值。

6 結(jié)論

基于“十三五”規(guī)劃期間，遙感和污染物監(jiān)測(cè)數(shù)據(jù)，利用景觀指數(shù)計(jì)算城市空間形態(tài)指數(shù)解析長(zhǎng)三角城市群城市擴(kuò)張程度，進(jìn)而對(duì)研究區(qū)PM2.5與O3污染的空間異質(zhì)性特征進(jìn)行分析，采用Pearson相關(guān)性系數(shù)計(jì)算PM2.5與O3污染相關(guān)性，通過(guò)地理探測(cè)器中的因子探測(cè)、交互探測(cè)及生態(tài)探測(cè)3 個(gè)模塊研究長(zhǎng)三角城市群城市空間形態(tài)對(duì)PM2.5與O3空間異質(zhì)性的影響關(guān)系，研究結(jié)果如下：

1）冬季是長(zhǎng)三角城市群城市PM2.5污染頻發(fā)時(shí)間段，MDA8 O3質(zhì)量濃度值高值出現(xiàn)在春末夏初；時(shí)間尺度上，PM2.5與O3濃度相關(guān)系數(shù)的季節(jié)變化規(guī)律為“夏季>秋季>春季>冬季”，其中夏季相關(guān)性系數(shù)為0.619；空間尺度上，PM2.5與O3濃度相關(guān)性系數(shù)自東南沿海城市向中北部?jī)?nèi)陸遞減。

2）城市空間形態(tài)指數(shù)除2019—2020 年交通通勤度（44.8%）及城市建設(shè)用地緊湊度（5.86%）出現(xiàn)波動(dòng)外，其余城市空間形態(tài)指數(shù)均逐年上升。受空間異質(zhì)性影響，長(zhǎng)三角城市群城市空間形態(tài)指數(shù)高值區(qū)位于中北部?jī)?nèi)陸地區(qū)，其城市內(nèi)部空間指數(shù)高值區(qū)出現(xiàn)在沿海地區(qū)。氣象要素影響因子年際間變化受人類活動(dòng)影響相對(duì)較小。其中，溫度受太陽(yáng)輻射影響呈明顯的“北高南低”特征。

3）城市建設(shè)用地緊湊度和人口密度是長(zhǎng)三角城市群城市PM2.5與O3污染空間異質(zhì)性主要城市空間形態(tài)的影響因子，而降水則是最主要的氣象影響因子。其中，人口密度及平均夜間燈光遙感指數(shù)（0.718）和第三產(chǎn)業(yè)結(jié)構(gòu)占比及平均夜間燈光遙感指數(shù)（0.669）作為最強(qiáng)的兩組多因子交互組合將增強(qiáng)PM2.5與O3污染空間異質(zhì)性特征。通過(guò)合理規(guī)劃城市布局，規(guī)劃市區(qū)人口分布將有助于實(shí)現(xiàn)生態(tài)城市環(huán)境格局優(yōu)化促進(jìn)城市區(qū)域大氣環(huán)境的改善。