中国夜间灯光指数与PM2.5的时空相关性分析

王桂林 高昉 逯改

摘要：运用夜间灯光指数表征城市化水平，进而探索城市化进程对PM2.5污染的影响机制，分析二者的时空关系。结果表明，2000年中国夜间灯光指数为7.49%，2010年增长至11.05%，2015年增长至16.21%，夜间灯光指数呈快速增长趋势;2000年PM2.5质量浓度为32.10 μg/m3，2010年增长至37.54 μg/m3，2015年为37.44 μg/m3，PM2.5质量浓度与夜间灯光指数增长趋势保持一致。基于405个城市区域统计数据，2000年夜间灯光指数为22.48%，2010年增长至48.11%，2015年增长至62.78%，增长率为179.27%，是全国的1.54倍;2000年PM2.5质量浓度为28.99 μg/m3，2010年增长至53.51 μg/m3，2015年增长至58.53 μg/m3，增长率为101.90%，是全国平均水平的6.12倍。城市区域夜间灯光指数和PM2.5污染的增长均显著高于非城市区域，二者呈显著正相关（R2=0.582 8）。研究表明中国城市化进程，尤其是粗放式经济发展对城市空气污染的影响巨大，直接加剧了PM2.5污染。

关键词：城市扩张;夜间灯光指数;PM2.5污染;时空关系

Abstract： Nighttime light index was taken as a measurable spatial index to represent the level of urbanization， and its impact on PM2.5 pollution was explored， meanwhile the spatial and temporal relationship between them was analyzed. The results showed that Chinas nighttime light index increased from 7.49% in 2000 to 11.05% in 2010 and 16.21% in 2015， showing a rapid growth trend. Accordingly， the concentration of PM2.5 increased from 32.10 μg/m3 in 2000 to 37.54 μg/m3 in 2010 and 37.44 [μ]g/m3 in 2015. The growth trend of the two was highly consistent. Based on 405 typical urban areas， the nighttime light index increased from 22.48% in 2000 to 48.11% in 2010 and 62.78% in 2015， with growth rate of 179.27%， 1.54 times of the national average. The PM2.5 concentration in 405 typical cities increased from 28.99 μg/m3 to 53.51 μg/m3 in 2010 and 58.53 μg/m3 in 2015， with growth rate of 101.90%， 6.12 times of the national average. The increase of nighttime light index and PM2.5 pollution in typical urban areas was significantly higher than that in non-urban areas， with a significant positive correlation （R2=0.582 8）. Research shows that Chinas urbanization process， especially economic development， has a huge impact on urban air pollution， directly exacerbating PM2.5 pollution.

Key words： urban expansion; nighttime light index; PM2.5 pollution; spatial and temporal relationship

世界衛生组织（WHO）的数据显示，全球90%的城市人口暴露于大气污染中，空气污染威胁到人们的生命、生产力和国家经济[1]。中国跟世界各国一样，面临着经济发展和环境保护的双重挑战，破解城市化与城市生态环境承载关系已成为区域、国家乃至世界的重要任务之一，是城市转型发展的必经之路[2]。中国政府高度重视大气污染防治工作，制定出台了一系列法律、法规和政策，采取强有力的措施和行动。2013年，国务院发布了《大气污染防治行动计划》，制定相关政策措施和污染物排放标准，空气污染，尤其是PM2.5污染，得到一定控制，但是空气污染依旧严重[3]。中国快速城市化发展，尤其是粗放型的经济增长导致了城市空气污染加剧，影响城市可持续发展。夜间灯光指数能够从宏观视角表征城市化水平，是经济发展水平的一个重要指标。夜间灯光数据具有时效性和经济性，采用它来探究城市化过程即城市时空演变过程，能够很好地反映城市经济发展水平[4]，运其来分析中国城市化过程经济快速增长对PM2.5污染的影响研究也具有前瞻性和实效性[5]。很多研究表明，严重的PM2.5污染主要来源于城市化进程中能源结构、产业结构和运输结构的不合理，中国单位GDP能耗过高即粗放型的发展方式导致了严重污染[6-13]。利用夜间灯光强度影像数据构建综合灯光指数模型来反映城市化水平，有利于对地区城市化发展状况进行有效的监测[14，15]。因此，分析夜间灯光指数与PM2.5污染的关系能够间接分析中国经济发展对PM2.5带来的影响，避免了获取中国能源结构和产业结构数据困难的问题，以及记录数据中可能存在的非主观因素的误差等弊端，且夜间灯光指数可以大范围、长时间跨度地分析中国城市化对PM2.5带来的影响。

1 数据与方法

1.1 研究区概况和数据来源

中国面临经济发展和环境保护的双重任务。在日益恶化的生态环境下，中国已把生态文明建设作为一项基本国策和重大战略，正在拉开全国范围内生态环境防治攻坚战。自2013年华北上空暴发高浓度PM2.5污染以来，中国出台了一系列大气污染治理行动计划，包括先后出台的《大气十条》《三年大气污染防治行动计划》等，并开始在全国范围内部署空气质量自动监测站，以实时监测、管控空气质量。虽然大气污染治理有了一定的成效[16-19]，但PM2.5污染仍然严峻，远高于世界卫生组织标准水平（10 μg/m3）。2018年冬季，京津冀、长三角、华北平原等区域持续暴发高浓度污染天气，污染治理任重道远。

研究所用数据包括城市分类数据、夜间灯光指数和PM2.5污染数据。城市分类数据来源于世界银行，夜间灯光指数来源于NOAA NGDC，空间分辨率为1 km，PM2.5质量浓度数据采用时空地理加强回归模型结合遥感卫星AOD、地面监测数据和GEOS-Chem模拟数据反演所得[20，21]。将地理空间数据的地理坐标和投影坐标全部转换到GCS_ WGS_1984地理坐标系和WGS_1984_UTM_Zone_47N投影坐标系，研究区示意图如图1所示。

1.2 研究方法

基于时空统计分析、数量统计方法，采用空间数据分析2000—2015年中国城市夜间灯光指数的时空变化规律以及1998—2015年城市PM2.5质量浓度的变化趋势，并分析二者的时空关系。分别从2个空间尺度上展开，第一个空间尺度是对全国范围夜间灯光指数和PM2.5质量浓度的时空关系进行分析;第二个空间尺度是对重点城市的城市区域和非城市区域的时空关联进行对比分析。重点城市的界定与大多直接采用行政区划研究城市化对大气环境污染的影响不同，采用世界银行2015年的东亚城市分类数据来划分城区与非城区（图2），具体借鉴Larkin等[21]、Van等[22]的城市区域界定方法，见式（1）。

式中，编码1为城市区，0为非城市区。选取2015年人口总数大于10万人的城市区域作为研究对象，共有405个城区，即把城市人口总数大于10万人的城市区域作为重点城市来分析中国城市化带来的生态环境效应，城市人口总数是城市区域面积与城市人口网格密度均值乘积。

2 结果与分析

2.1 中国2000—2015年夜间灯光指数时空变化特征

中国2000—2015年的夜间灯光指数变化存在明显的时空差异（图3）。从时间分异上看，夜间灯光指数呈持续上升趋势，2000年为7.49%，2010年增长到11.05%，2015年则飙升至16.21%，增长率为116.42%。从空间分异上看，典型城市区域与非城市区域的夜间灯光指数增长存在明显差异。405个典型城市区域的夜间灯光指数从2000年的22.48%增长至2010年的48.11%，2015年又增长至62.78%，增长率为179.27%，是全国的1.54倍。城市区域增长显著快于全国平均水平。

采用ArcGIS分区统计分析各省（市、自治区）的夜间灯光指数变化特征与规律，结果见图4。夜间灯光指数增长速度最快的是长江三角洲和珠江三角洲，其次是京津冀城市群，与实际相符。其中，长江三角洲的夜间灯光指数在全国增长速度最快，其次增长速度较快的城市有西安、成都、武汉、长沙、重庆、昆明等。结果表明，中国城市化水平发展迅速，人口数量大于10万的405个大型城市区域发展尤其快。

中国夜间灯光指数分布符合“胡焕庸线”分布格局，即从黑龙江黑河市到云南省腾冲连线以东的东部地区夜间灯光指数增长显著高于以西的西北地区。以“胡焕庸线”为界限，基于405个典型区域数据分析得出，西北城区面积加权城均夜间灯光指数增长了34.67%，东部地区面积加权城均夜间灯光指数增长了39.58%，增长率高出西北地区4.91个百分点。

2.2 中国1998—2015年PM2.5污染时空演变过程

中国PM2.5污染与夜间灯光指数类似，存在明显的时空差异。从时间分异上看，PM2.5污染最高值从1998年的100.90 μg/m3增长至2015年的129.10 μg/m3，增长率为27.95%，PM2.5污染加剧。从PM2.5中位数（图5）来看，1999—2003年PM2.5污染处于第一个快速增长阶段，从27.92 μg/m3增长至38.18 μg/m3，增长了10.26 μg/m3，增长率为36.75%;第二个增长阶段为2004—2006年，2004年PM2.5质量浓度为35.58 μg/m3，2006年增长至39.88 μg/m3;2006—2012年进入负增长阶段，从2006的39.88 μg/m3减少至2012年31.48 μg/m3;2012—2015年，PM2.5污染处于波动增长阶段，由于2013年国家开始出台一系列的空气污染控制政策，PM2.5增长趋势得到一定遏制，从2013年的35.51 μg/m3减少到2014年35.19 μg/m3，虽然到2015年又开始增长，但是其增长速度（4.03%）是1999—2003年期间（8.03%）的一半。

从空间分异来看，中国PM2.5污染空间分布上总体呈倒T的分布型态，且呈东南高、西北低的时空分布态势（图6）。纵向污染带是从东北三省—华北平原—长江中下游平原—川渝—湖南—贵州—广西等东南区域，主要由人類活动导致，快速的粗放型经济增长方式、机动车排放等因素形成东南重度污染区。横向污染带为华北平原—山西—甘肃—宁夏—西宁—新疆塔克拉玛干沙漠等西北区域，该区主要是由环境恶劣（风沙、扬尘）等引起的。近20年PM2.5污染沿着倒T型的分布格局往外扩散及加剧，纵、横污染带交接处华北平原污染最为严重，污染面积最大，同时是人类活动最为集中的地区。扩散趋势由华北地区向西南方向扩散至湖南、江西、广东、广西等地。新疆塔克拉玛干沙漠污染带、宁夏污染带、川渝地区、华北平原污染带形成稳定的四大污染带，其中华北平原污染带面积最大、污染最为严峻。全国主要以京津冀、河南、山东、江苏、安徽、湖北为主，呈向周围扩散的形态。依据1998—2015年PM2.5的时空变化可知，20世纪90年代，中国还有条“绿色通道”，为内蒙古东北—山西—陕西—重庆—贵州—云南，把西北地区的污染带和东南地区的污染带隔离开来。截至2015年，该“绿色通道”已经被PM2.5污染覆盖，PM2.5污染从原有的污染带不断加剧，并逐步向各个方向扩散加剧。

从另外一个空间尺度，城市区域与非城市进行对比分析。2000年，405个城区PM2.5平均质量浓度（28.99 μg/m3）低于中国平均水平（32.10 μg/m3），乡村的空气污染比城市区域严重。这是因为20世纪初中国农村落后，劣质煤广泛使用且农村耕作居多，生物质燃烧、非硬化道路扬尘等导致农村PM2.5污染严重。城市区域主要污染来源为机动车排放，工业源排放在2000年还不突出，使得2000年的农村PM2.5质量浓度高于城市区域。2015年中国城市区域PM2.5质量浓度为58.53 μg/m3，是中国平均水平（37.44 μg/m3）的1.56倍，显著高于非城市区域。这是随着中国城市化进程推进，城市区域机动车排放、重工业的化工燃料燃烧排放急剧增长，导致城市区域空气污染越来越严重，且随着大量人口从农村流动到城市，有限的城市空间承载着越来越多的人口生活需求，进而导致城市生态环境恶化，空气污染严重加剧，形成远超环境承载的污染排放形势。而农村随着城市化进程推进，耕作人口减少，生物质燃烧相应减少，道路地面硬化等使得农村空气污染加剧速度变缓，农村人口骤减也减轻了农村空气污染的加剧程度。

2.3 夜间灯光指数与PM2.5污染相关性分析

2.3.1 夜间灯光指数与PM2.5污染的空间自相关性 夜间灯光指数符合“胡焕庸线”分布格局，呈东高、西低特征，与PM2.5分布一致。对比夜间灯光指数与PM2.5质量浓度变化趋势得出，华北平原地区夜间灯光指数增长最快，PM2.5污染最严重。华北平原、京津冀、长江三角洲、珠江三角洲、川渝等城市群PM2.5污染加剧最为严重，与夜间灯光指数时空分布高度一致。

由表1可知，中国平均夜间灯光指数和PM2.5质量浓度呈快速增长趋势，2000—2015年夜间灯光指数增长了116.42%，PM2.5质量浓度从2000年的32.10 μg/m3增长至2015年的37.44 μg/m3，增长率为16.63%，在演变过程中，二者保持高度一致。从405个典型城市区域来分析，夜间灯光指数以及增长率都显著高于全国平均水平，表明城市区域的夜间灯光指数增长显著快于非城市区域。2000—2015年城市区域PM2.5质量浓度增长率为101.90%，是全国平均水平的3.28倍。该结论表明大型城市区域的夜间灯光指数和PM2.5质量浓度及其增长率都高于非城市区域。

为了更加准确地分析中国城市化进程对空气污染的影响，把PM2.5成分中扬尘和海盐等自然源产生的成分去掉，分析二者时空相关关系。去除扬尘和海盐后中国PM2.5平均质量浓度从2000年的24.90 μg/m3增长至2010年的30.39 μg/m3，增长了5.49 μg/m3，增长率为22.05%;而405个城市区域的去除扬尘和海盐的PM2.5平均质量浓度从2000年的24.64 μg/m3增长至2010年47.39 μg/m3，增长值为22.75 μg/m3，增长率为92.33%，是全国平均水平的4.19倍。

采用ArcGIS空間分区统计各省（市、自治区）的夜间灯光指数（图3）以及PM2.5质量浓度（图7），分析各省（市、自治区）夜间灯光指数与PM2.5质量浓度之间的空间分布状况。分析显示沿海省市的夜间灯光指数较高，上海、北京、天津夜间灯光指数最高，其次为河北、辽宁、山东、江苏、山西、河南、浙江、广东。2015年各省市夜间灯光指数升高，北京、天津、上海提升1个级别，河北、江苏、山东、浙江、广东夜间灯光指数比2000年升高了1个级别。随着中国经济的快速发展，东北三省、西南地区、中部省份的夜间灯光指数都发生了1个级别的增长。华北平原地区夜间灯光指数增长最大，PM2.5污染也最为严重，二者在时空变化趋势上保持一致。

2.3.2 夜间灯光指数与PM2.5污染的定量相关性分析 以“胡焕庸线”为界限，人口数量大于10万的城市区域有5.93%（24/405）位于西北，94.07%（381/405）位于东部。2000—2015年，面积加权的夜间灯光指数城均增长了34.67%，而以“胡焕庸线”以东的94.07%（381/405）的城市区域夜间灯光指数增长了39.58%，增长速度高出西北城市区域4.91个百分点。东部区域（包括城区与非城区）PM2.5面积加权质量浓度从2000年14.58 μg/m3增长至2010年的54.63 μg/m3，增长了40.05 μg/m3，增长率为274.69%，是西北城市区域的1.29倍。除去PM2.5污染成分中扬尘和海盐，东部区域PM2.5面积加权质量浓度均值从2000年的8.08 μg/m3增长至2010年的23.99 μg/m3，增长了15.91 μg/m3，增长率为196.91%。除去扬尘和海盐的PM2.5增长率明显大于含所有成分的PM2.5，说明城市化产生的PM2.5增长显著，自然环境产生的扬尘等影响的变化不显著。东部城市随着较高的城市化发展，同时也伴随着更严峻的PM2.5污染，PM2.5面积加权质量浓度从2000年的14.58 μg/m3增长至2010年的54.63 μg/m3，增长了40.05 μg/m3，增长率为274.69%。此外，除去扬尘和海盐的东部城市区域PM2.5面积加权质量浓度从2000年的12.86 μg/m3增长至2010年的50.03 μg/m3，其PM2.5质量浓度增加了37.17 μg/m3，增长率为289.04%。

把城市区域2000—2015年夜间灯光指数变化与PM2.5质量浓度变化进行回归分析，得出二者呈强相关性，R2=0.582 8，即相关系数为0.76，相关函数为y=1.070 3x-2.924 8（图8）。

由表2可知，405个城市区域只有0.74%（3/405）的城市区域夜间灯光指数降低，且下降幅度很低，为1%左右，其余99.26%（402/405）的城市区域都呈显著增长的趋势。7.16%（29/405）的城市区域PM2.5质量浓度下降，92.84%（376/405）的城市PM2.5质量浓度呈显著加剧。

2000—2015年，中国长江三角洲夜间灯光指数增长的最快，增长了59.30个百分点，其次是北京和天津，分别增长了57.63、56.22个百分点;第三为珠江三角洲，增长了55.36个百分点。另外，宁波、成都、杭州、武汉、南京、沈阳、抚顺等夜间灯光指数增长值在50～60个百分点，处于较高水平。把2000—2015年的夜间灯光指数增长值从高到低划分为7个等级来分析各等级城市的PM2.5变化值情况，得出随着夜间灯光指数变化值增长，PM2.5质量浓度不断加剧。夜间灯光指数变化值处于-3.00～0.00个百分点（3/409）的城市的PM2.5浓度平均增长值为0.49 μg/m3，夜间灯光指数增长值每升高1个级别，PM2.5浓度增长值也大幅增长。现有数据分析得出，东部城市污染重于西部区域，与二者经济发展水平保持高度一致。过去20年，东部城市快速的经济发展很大程度上是以牺牲环境为代价的。因此，在西部大开发的进程中，需借鉴东部城市经济发展的经验，取其精华，去其糟粕，权衡好经济发展与环境保护关系，走可持续绿色发展道路。

3 结论

中国城市化进程经济增长方式是导致空气污染的主要原因，采用夜间灯光指数来表征城市化水平，得出城市夜间灯光指数与PM2.5污染的相关关系显著（r=0.76），呈强相关关系。2000年中国夜间灯光指数为7.49%，2010年为11.05%，2015年增长至16.21%，夜间灯光指数呈快速增长趋势。PM2.5質量浓度2000年为32.10 μg/m3，2010年为37.54 μg/m3，2015年为37.44 μg/m3。夜间灯光指数与PM2.5污染增长趋势保持一致。基于405个典型城市区域，夜间灯光指数从2000年的22.48%增长至2010年的48.11%，2015年再增长至62.78%，增长率为179.27，是全国的1.54倍。典型城市区域PM2.5质量浓度从28.99 μg/m3增长至2010年的53.51 μg/m3，2015年再增长至58.53 μg/m3，增长率为101.90%，是全国平均水平的3.28倍。典型城市区域的夜间灯光指数和PM2.5污染的增长均显著高于非城市区域。研究表明中国城市化进程，尤其是经济发展对城市空气污染的影响巨大，直接加剧了PM2.5污染。因此，要实现高质量绿色发展就要下大力气调整产业结构、能源结构、运输结构、用地结构，全面整治空气污染。

参考文献：

[1] 中国-东盟环境保护合作中心. 大气环境管理国际经验研究[M]. 北京：中国环境出版社，2017.

[2] 李伟峰. 长三角区域城市化过程及其生态环境效益[M]. 北京：科学出版社，2017.

[3] 郝吉明，尹伟伦，岑可法. 中国大气PM2.5污染防治策略与技术途径[M]. 北京：科学出版社，2016.

[4] 李惠琴. 基于DMSP/OLS夜间灯光指数及土地利用数据的浙江省GDP空间化研究[D]. 杭州：浙江大学，2018.

[5] 李 珂，刘朝顺，焦鹏龙. 基于NPP/VIIRS夜间灯光遥感数据估算上海地区PM2.5浓度的研究[J].  环境科学学报， 2019，39（6）：1913-1922.

[6] BRAUER M， FREEDMAN G， FROSTAD J， et al. Ambient air pollution exposure estimation for the global burden of disease in 2013 [J].  Environmental science & technology， 2016，50（1）：79-88.

[7] HAN L， ZHOU W， PICKETT S T， et al. An optimum city size？The scaling relationship for urban population and fine particulate （PM2.5） concentration [J]. Environmental pollution， 2016， 208：96-101.

[8] 王桂林，杨 昆，杨 扬. 京津冀地区不透水表面扩张对PM2.5污染的影响研究[J]. 中国环境科学，2017，39（7）：2470-2481.

[9] 王桂林，张 炜. 中国城市扩张及空间特征变化对PM2.5污染的影响[J]. 环境科学，2019，40（8）：1-12.

[10] 吴 浪，周廷刚，温 莉，等. 基于遥感数据的PM2.5与城市化的时空关系研究——以成渝城市群为例[J]. 长江流域资源与环境，2018，27（9）：2142-2152.

[11] 韩立建. 城市化与PM2.5时空格局演变及其影响因素的研究进展[J]. 地理科学进展，2018，37（8）：1011-1021.

[12] LU X， LIN C， LI W， et al. Analysis of the adverse health effects of PM2.5 from 2001 to 2017 in China and the role of urbanization in aggravating the health burden[J]. Science of the total environment， 2019，652：683-695.

[13] 许 珊，邹 滨，宫俊霞. 2001～2015年中国城镇化与PM2.5浓度时空关联特征[J]. 中国环境科学， 2019，39（2）：469-477.

[14] 廖李红，戴文远，黄华富，等. 基于DMSP/OLS和Landsat数据的城市化与生态环境耦合协调分析[J]. 福建师范大学学报（自然科学版）， 2018，34（6）：94-103.

[15] 陳颖彪，郑子豪，吴志峰，等. 夜间灯光遥感数据应用综述和展望[J]. 地理科学进展，2019，38（2）：205-223.

[16] LIN Y， ZOU J， YANG W. A review of recent advances in research on PM2.5 in China[J]. International journal of environmental research & public health， 2018，15（3）：438.

[17] ZHAO Z， LV S， ZHANG Y， et al.Characteristics and source apportionment of PM2.5 in Jiaxing， China[J].  Environmental science and pollution research， 2019，2：1-15.

[18] 贺晋瑜，燕 丽，王彦超，等. 我国PM2.5浓度分阶段改善目标情景分析[J].  环境科学， 2019，40（5）：2036-2042.

[19] 欧阳正午，廖婷婷，陈科艺，等. 2014—2017年四川盆地与京津冀地区冬季空气停滞特征及大气质量改善评估对比分析[J].  环境科学学报， 2019，39（7）：2353-2361.

[20] YANG Y， LUO L， SONG C， et al. Spatiotemporal assessment of PM2.5 related economic losses from health impacts during 2014-2016 in China[J].  Int J Environ Res Public Health， 2018，15（6）：1278.

[21] LARKIN A， VAN D A，GEDDES J A， et al. Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010 [J].  Environmental science & technology， 2016， 50（17）：9142-9149.

[22] VAN D A， MARTIN R V， BRAUER M， et al. Global estimates of fine particulate matter using a combined geophysical-statistical method with information from satellites， models， and monitors[J].  Environmental science & technology，2016，50（7）：3762-3772.