環渤海地區空氣質量時空變化特征及動態預測

王宇蝶,滕澤宇,陳智文,張 清

吉林師范大學吉林省新型肥料研究中心,吉林 四平 136000

隨著我國工業化進程的加快,空氣質量問題逐漸步入大眾視野,并引起人們的重視[1]。工業企業排放的大氣污染物會直接影響空氣質量[2-3]。相關研究表明,人體攝入過量的大氣污染物會導致心腦血管疾病、呼吸道疾病等的發生概率增大[3-4]。為解決空氣污染問題,我國相繼出臺了一系列法規標準和行動計劃,各地據此采取了相應的治理措施,并取得了一定成效[3]。

近年來,眾多學者針對空氣質量的時空變化規律、污染物濃度變化趨勢及影響因素等,運用數學建模與統計方法進行了大量的分析與研究工作。張向敏等[3]將中國分為9個不同的地區,運用統計分析等方法研究了中國空氣質量時空變化特征,發現空氣質量在不同時間尺度上呈現不同的變化特征,季節變化呈“U”形,逐月變化呈“L”狀,而在空間尺度上呈現明顯的北高南低的分布格局;周兆媛等[1]發現氣象要素與京津冀地區空氣質量呈顯著相關,并對京津冀地區空氣質量進行了預測分析;黃小剛等[5]研究了長江經濟帶空氣質量的時空分異特征,發現氣象因素為該地區空氣質量變化的主要影響因素;魏旖夢等[6]采用地理加權回歸模型分析得出,西北五省(區)空氣質量指數(AQI)分布主要受自然和社會經濟因素的影響;萬遠洋[7]發現珠江-西江經濟帶各城市空氣質量隨季節變化波動大,主要表現為夏季優于冬季;張愛琳等[8]利用灰色模型對2023年鄭州市空氣污染物濃度進行了預測,指出未來應注重PM2.5、PM10污染防治;宋宇辰等[9]利用BP神經網絡與時間序列模型預測了包頭市2011年3月—2012年12月空氣污染物濃度,發現時間序列模型適用于短期預測;王鵬等[10]基于回歸分析與隨機森林模型對長三角地區PM2.5濃度進行了分析、預測及驗證,發現該模型對長三角中西部城市的預測效果優于東南部沿海城市。

環渤海地區生態環境保護和高質量發展對于提升區域生態文明建設水平,實現人與自然和諧共生具有重大意義。改革開放以來,環渤海地區工業化、城市化進程不斷加快,空氣質量發生明顯變化。周開鵬等[11]對環渤海地區大氣能見度影響因素進行了研究,發現PM2.5濃度與大氣能見度的相關系數最大,人口密集和工業排放量大是導致空氣污染的主要原因;郭歡[12]運用相關分析方法研究發現,廊坊市AQI與空氣PM2.5含量呈極強的線性相關關系;鄒旭東等[13]研究了沈陽市1951—2012年空氣污染變化及其影響因素,發現氣候變暖和風速降低是導致空氣污染加重的主要原因;劉樞等[14]研究了O3在遼寧省的空間分布特征,指出濃度高值區主要集中在遼寧省中部地區;劉雨華等[15]發現,環渤海地區氣溶膠光學厚度在空間上整體呈東南高、西北低的分布格局。上述學者主要針對沿海城市及地區的大氣能見度[11]、氣溶膠光學厚度[15]等進行了研究,而對環渤海地區整體空氣質量時空變化特征及發展趨勢的研究有待進一步加強。本研究利用數理統計、克里金插值及皮爾遜相關性分析等方法,對2017—2021年環渤海地區AQI和6項大氣污染物的時空變化特征進行了分析,探究空氣質量與社會經濟因素之間的相關性,模擬預測環渤海地區空氣質量變化趨勢,以期為該地區制定空氣污染防治措施提供理論依據。

1 數據來源與研究方法

1.1 研究區域

渤海是一個被華北平原、遼東半島、山東半島環繞的內海。環渤海地區(113°04′E～125°46′E,34°22′N～43°26′N)又稱環渤海經濟圈,主要是指環繞渤海的全部沿岸地區,包括河北、遼寧、山東三個省份及北京、天津兩個直轄市,空間格局呈“C”字形[16],地勢整體呈現西北高、東南低的特征,地形以山地、丘陵為主(圖1),屬于溫帶季風氣候,降水豐富且空氣相對濕潤。特殊的自然地理條件與區位優勢使該地區易出現能見度低的天氣現象[17-19]。

注：底圖下載自自然資源部標準地圖服務系統(http：//bzdt.ch.mnr.gov.cn/),審圖號為GS(2019)1822號,下載日期為2021-12-25。下同。圖1 環渤海地區行政區劃及地形特征

1.2 數據來源

本文選取2017年1月—2022年5月環渤海地區43個城市的AQI及PM2.5、PM10、CO、SO2、NO2、O36項大氣污染物指標為研究對象。空氣質量數據與6項污染物濃度數據(日均值)來源于中國空氣質量在線監測分析平臺(https：//www.aqistudy.cn/),社會經濟數據來源于研究區內的各省(市)統計年鑒(https：//www.stats.gov.cn/sj/ndsj/)及統計公報等。在社會經濟數據中選取城市年末總人口、城市園林綠地面積、民用車輛保有量和第二產業產值,分析其與AQI及各項污染物濃度的相關性。

1.3 研究方法

選取環渤海地區43個城市2017—2021年AQI、各項污染物濃度數據,對逐年和逐月AQI及各污染物濃度進行均值預處理,分別運用數理統計法和克里金插值法從時間、空間兩個尺度上分析其變化特征,運用皮爾遜相關性分析法對AQI與污染物濃度、社會經濟因素等進行相關分析,采用時間序列預測方法對2022年6月—2023年12月空氣質量及污染物濃度進行預測。

按《環境空氣質量指數(AQI)技術規定(試行)》(HJ 633—2012)將AQI劃分為6個類別(表1),AQI數值越高表明空氣質量狀況越差。分別算出PM2.5、PM10、O3、CO、SO2、NO26項污染物的空氣質量分指數(IAQI)。當AQI>50時,IAQI最大值對應的污染物即為當日空氣首要污染物。根據環渤海地區直轄市及地級市的第二產業產值排名,選取5個代表性城市開展空氣污染程度及首要污染物研究。

表1 空氣質量劃分標準

ARIMA模型又稱為差分整合移動平均自回歸模型,是一種基于線性回歸思想的時間序列預測方法。ARIMA模型的分析對象是平穩序列,若序列不平穩,則通過d階差分轉換為平穩時間序列[20]。ARIMA模型通過線性方法定階,一般把時間序列在某時刻的值視為過去若干時間值與一組白噪聲的線性疊加,即：

(1)

式中：t為時間變量,yt為待分析的平穩時間序列,εt為白噪聲序列,p為自回歸階數,q為移動平均階數,γi、θi為可確定系數。通過對序列自相關系數以及偏自相關系數的觀察,可以確定自回歸階數p和移動平均階數q。模型完成定階后,即可確定系數γi、θi[20]。ARIMA模型是當今最為成熟的時間序列模型,在捕捉數據的線性信息方面具有獨特的優勢,因此,本文選取ARIMA模型對AQI及污染物濃度進行預測。

2 結果與分析

2.1 空氣質量時間變化特征

環渤海地區2017—2021年AQI年均值分別為98、84、91、83、81。除2019年出現小幅上升外,其余年份AQI總體呈逐年下降趨勢。2017—2021年AQI月均值變化呈現顯著的差異性和一定的規律性(圖2)。其中,2017年、2019年及2021年AQI月均值的逐月變化較為頻繁,2018年和2020年AQI月均值的逐月變化整體呈“W”形。整體上,峰值普遍出現在1月與6月,谷值普遍出現在3—4月與8—10月。

圖2 2017—2021年環渤海地區AQI月變化

選取環渤海地區5個代表性城市(唐山市、北京市、大連市、青島市、天津市)的2017—2021年AQI數據進行AQI類別占比變化分析(圖3)。5個代表性城市的AQI類別均以良為主,優良類別占比呈逐年波動上升趨勢,其他類別占比整體呈下降趨勢。其中,大連市、青島市的優良率始終在70%以上。從逐年來看：2019年,輕度污染、重度污染占比稍有提高;2017年,唐山市、北京市、天津市嚴重污染類別占比較大,說明2017年污染較為嚴重。

圖3 2017—2021年5個代表性城市AQI類別占比變化

2017—2019年環渤海地區5個代表性城市逐月首要污染物變化(表2)顯示,O3為5—9月的首要污染物;PM2.5、PM10污染主要集中出現在1—3月及11—12月,為影響城市冬季空氣質量的首要污染物。這可能由于夏季的持續高溫有利于NOx及VOCs發生大氣光化學反應生成O3;冬季燃煤取暖導致污染物排放量增大,加之空氣流動性較差,造成PM2.5與PM10濃度升高。

表2 2017—2021年環渤海地區5個代表性城市逐月首要污染物

不同污染物濃度的年際變化特征顯示(圖4),2017—2021年,各項污染物的濃度整體呈逐年下降趨勢,部分指標在2018—2019年出現小幅上升。其中：SO2濃度大幅下降,由25.68 μg/m3下降至11.49 μg/m3,總體下降了55.3%;CO濃度由1.16 mg/m3下降至0.76 mg/m3,總體下降了34.5%;PM10濃度由96.52 μg/m3下降至63.19 μg/m3,總體下降了34.5%;PM2.5、NO2濃度分別下降了32.8%、25%;O3濃度下降幅度最小,由105.08 μg/m3下降至96.45 μg/m3,總體下降了8.2%。

圖4 2017—2021年污染物濃度值逐年變化

由各項污染物濃度的逐月變化可知(圖5),PM2.5、PM10、NO2、CO、SO2的逐月變化整體呈“V”形,其中1月、12月的濃度值較高,7月、8月的濃度值較低。O3濃度的逐月變化特征呈現倒“V”形,表現為1—6月逐漸升高,7—12月逐漸降低。

圖5 2017—2021年污染物濃度值逐月變化

2.2 空氣質量空間變化特征

對2017—2021年AQI監測數據進行空間插值分析(圖6),結果表明,環渤海地區AQI在空間上呈現由西南向東北逐漸減小的變化特征,AQI高值區主要分布在河北省西南部及山東省西部,低值區主要分布在遼寧省及山東半島。2017年,環渤海地區AQI具有顯著的空間異質性,AQI高值區主要集中在河北省石家莊市、邢臺市和邯鄲市;2018年,環渤海地區AQI相較2017年下降明顯;2019年,遼寧省中部及山東省中西部AQI進一步增大;2020年、2021年,環渤海地區AQI較2019年有所下降,天津市與遼寧省中部為AQI下降幅度較大的地區。

圖6 2017—2021年AQI逐年空間分布特征

從2017—2021年環渤海地區AQI逐月空間變化來看(圖7)：1月,整個地區的AQI較高,高值區主要分布在河北省西南部及山東省西部;2—4月,各地AQI逐漸下降,高值區向西南方向逐漸縮減;5—6月,AQI升高,其中邢臺市空氣質量相對較差;相比6月,河北省南部及山東省西部7月空氣質量有所好轉,環渤海地區AQI下降;8—10月,AQI空間差異較小,空氣質量相對較好;11—12月,AQI高值區逐漸向東北部擴張。

圖7 2017—2021年AQI逐月空間變化特征

由環渤海地區2017—2021年6項污染物的空間分布特征可知(圖8),各項污染物的分布具有顯著的空間異質性。其中：PM2.5與PM10的空間分布特征總體相似,兩種污染物均呈現西南高、東北低的分布特征;CO濃度高值區呈現沿西南-東北方向的條帶狀分布,高值中心為秦皇島市、石家莊市、鞍山市及3個城市的周邊地區,低值中心為山東半島;SO2濃度高值區集聚在遼寧省西部,低值區主要分布在北京市及其周邊地區;環渤海地區中南部的NO2濃度較高,高值區主要集聚在天津市、唐山市、石家莊市及3市的周邊區域;O3濃度整體呈現南部高、北部低的空間分布特征,高值區主要分布在山東省西部,低值區主要集中在遼寧省東部。

圖8 2017—2021年6項污染物濃度空間變化特征

2.3 空氣質量影響因素分析

選取環渤海地區6項污染物及AQI監測數據,利用皮爾遜相關系數探究不同時間尺度上的AQI與污染物濃度之間的相關性(表3)。結果表明：在年際尺度上,PM2.5、PM10、CO、NO2、O3與AQI呈顯著正相關,相關系數分別為0.956、0.942、0.377、0.743、0.778;在季節尺度上,PM2.5、PM10、NO2、O3與AQI之間具有顯著相關性,其中冬季O3與AQI呈顯著負相關。整體上,PM2.5、PM10對AQI的影響作用最大。研究顯示,PM2.5濃度變化主要是受人口密度、工業化和能源消耗的影響[21],而工業化、城市化等因素則對O3具有顯著的驅動作用[22]。

表3 污染物濃度與AQI的相關性檢驗結果

選取2019年環渤海地區43個城市統計年鑒數據中的年末總人口、城市園林綠地面積、民用車輛保有量及第二產業產值4個因素與AQI進行相關性分析(表4)。

表4 社會經濟因素與AQI的相關性檢驗結果

結果顯示：年末總人口、民用車輛保有量及第二產業產值與AQI呈顯著正相關,相關系數分別為0.593、0.484、0.436;城市園林綠地面積與AQI呈一定程度的負相關,但相關性不顯著。研究顯示,人口及車輛的增加會加劇空氣污染,工業企業排放的污染物也會導致空氣質量下降,而城市園林綠地則可在一定程度上減輕空氣污染。

2.4 AQI及污染物濃度預測

通過ARIMA(0,1,1)模型擬合2019年12月—2021年12月環渤海地區AQI及各項污染物濃度,結果(表5)顯示預測效果較好,模型擬合度較為理想,故選取此模型對2022年6月—2023年12月AQI及6項污染物濃度進行預測(圖9)。

表5 模型檢驗結果

圖9 2022年6月—2023年12月AQI及污染物濃度預測值變化

由預測結果可知,除O3外,相較于2017—2021年,2022年6月—2023年12月環渤海地區AQI及其余5項污染物濃度整體呈下降趨勢。9月份AQI較低,為空氣質量較好的時段;冬季受燃煤取暖影響較大,PM2.5、PM10濃度較高;夏季O3濃度較高,可能是由于汽車尾氣及工業廢氣中的NOx、VOCs在紫外線的作用下,加快了O3的形成。因此,未來應該重點針對PM2.5、PM10、O3污染提出有針對性的防治政策,以改善環渤海地區空氣質量。

3 討論與結論

3.1 討論

本文從時空角度分析了環渤海地區AQI及各項污染物的變化趨勢,發現AQI及各項污染物的時空分布均具有差異性。在時間上,O3與其他5項污染物相反,呈現夏季高、冬季低的變化特征。工業化、能源消耗是空氣質量的主要影響因素。人口密度、第二產業產值與民用車輛保有量的增加加劇了大氣污染,而園林綠地面積的增加會降低大氣污染程度,這與張向敏等[3]、郭雯雯等[23]、藺雪芹等[24]、肖悅等[25]等的研究結果一致。在空間上,河北省南部及山東省西部為環渤海地區空氣污染的重點地區,PM2.5、PM10、O3是該區域的主要污染物。本文在研究過程中還存在一定的不足：對年限及特殊時間節點的研究過少,對預測方法的組合運用不夠深入。因此,后續研究可開展多重影響因素共同分析,通過多種方法進行對比,并采用精度更高的模型。

3.2 結論

1)2017—2021年,環渤海地區除2019年AQI及6項污染物濃度同比有所提高外,總體呈下降趨勢。其中,PM2.5、PM10、NO2、SO2、CO濃度的逐月變化均呈“V”形,O3則呈現與之相反的變化趨勢。環渤海地區5個代表性城市的空氣質量等級以良為主,優良等級占比逐年遞增,其他污染等級占比整體呈降低趨勢。首要污染物中,PM2.5、PM10污染主要出現在冬季,O3污染集中出現在夏季。環渤海地區AQI大致呈現西南高、東北低的分布特征,不同月份的AQI空間分布差異較大。除PM2.5與PM10的空間分布具有相似性外,其余污染物的分布均具有明顯的空間異質性。

2)AQI與6項污染物之間整體呈正相關,其中與PM2.5、PM10、NO2、O3具有顯著相關性。AQI與年末總人口、民用車輛保有量、第二產業產值呈顯著正相關,與城市園林綠地面積呈一定程度的負相關。

3)2022年6月—2023年12月環渤海地區AQI及各項污染物濃度預測結果表明,除O3濃度呈現一定的季節性變化并逐步升高外,AQI及其余5項污染物濃度值整體呈下降趨勢,表明環渤海地區空氣質量逐漸好轉。其中,9月份是空氣質量較好的時段。