2016—2019年长江中游城市群空气质量时空变化特征及影响因素分析

郭雯雯 ，陈永金，刘阁，宋开山，陶宝先

1. 聊城大学环境与规划学院，山东 聊城 252000；2. 中国科学院湿地生态与环境重点实验室/中国科学院东北地理与农业生态研究所，吉林 长春 130102

1978年改革开放以来，中国的城镇化和经济发展进程取得了举止瞩目的成就（李通屏，2018；方创琳，2018），在经济快速增长、城市化水平推进的过程中，也伴随着大量资源的消耗以及环境的破坏，长期以来高污染、高能耗、低效率、粗放型的经济发展模式加剧了中国生态环境的脆弱性，导致了一系列环境问题的产生，尤其是灰霾、光化学污染等大气污染问题更为严峻（Wang et al.，2014；王振波等，2018；Wang et al.，2019）。2013年1月，北京雾霾天竟达26 d之多（Tian et al.，2014），空气污染对民众生产生活以及身体健康都带来严重影响，尤其是哮喘病等呼吸性疾病、精神性疾病以及心脑血管病在冬季明显增多（Wang et al.，2012；Santibañez et al.，2013；Massimiliano et al.，2018）。科学认识空气污染演变的特征以及时空变化规律，深入研究造成空气污染的污染物来源以及影响因素十分重要。

目前已有许多学者对空气质量变化进行了一定的研究，主要集中在空气质量指数及主要大气污染物的时空变化规律以及造成空气污染的影响因素两方面。首先对空气质量时空规律的研究分为不同的空间尺度，全国尺度上，如张向敏等（2020）对全国343个地区空气质量指数（AQI）数据的时空变化研究；省份尺度上，丁镭等（2016）对湖北省17个地市2004—2013年的城市环境空气质量时空演化格局的研究；对典型地区的研究，如黄小刚等（2020）对长江经济带2015—2018年AQI值变化特征及影响因素的研究；陈优良等（2017）对长江三角洲城市群2015—2016年AQI及其他空气质量污染物时空分布特征的研究。有些学者还对影响空气质量的主要污染物进行了研究，如齐梦溪等（2019）对北京市2014—2016年PM2.5污染时空分布特征的研究；黄小刚等（2019）对中国城市O3浓度时空分布变化特征的研究。空气污染影响驱动因素的研究主要包括人文因素与自然因素两方面，人文因素主要是指社会经济因素，如城镇化建设驱动、工业化水平以及能源消耗驱动、机动车尾气排放驱动以及秸秆燃烧驱动等（周亮等，2017；朱婧等，2018）；自然因素对空气质量的影响主要包括地形、风速、气温、降水量、日照时数、空气湿度以及土地利用等方面（李玉玲等，2016；吕桅桅等，2018；刘昕等，2019；张亚茹等，2020）。

城市群是城镇化发展到高级阶段的产物（方创琳，2014），城市群城市化水平较高、人口分布相对集中、区域资源消耗量大、大气污染物排放集中，因此环境问题更为突出，空气污染状况更为严峻（王振波等，2015）。目前已有学者对城市群空气质量进行了一定的研究（程钰等，2019；叶建刚等，2019），但主要集中于京津冀城市群和长江三角洲城市群，长江中游城市群作为中国最早获批的国家级城市群，有关长江中游城市群空气质量变化的研究相对较少。随着城市化和工业化进程的加快，人口和社会经济活动范围的不断扩大，空气质量也出现一定程度的下降。了解长江中游城市群空气质量环境的时空变化特征，是区域大气污染治理的基础和前提。本文选取 2016—2019年各城市空气质量指数数据以及6项主要污染物浓度数据，运用克里金插值和统计分析的方法，分析其空间分布特征和时间变化趋势，以及影响空气质量指数的因素，为该地区未来空气污染防治提供一定的理论基础。

1 研究区域、数据与方法

1.1 研究区概况

长江中游城市群位于长江经济带中部，跨越湖北、湖南和江西3个省份，包括28个地级市以及仙桃市、潜江市和天门市3个省辖县级市，是以武汉为中心，以武汉都市圈、环长株潭城市群、环鄱阳湖城市群为主体形成的特大型国家级城市群，是唯一一个地跨三省的跨区域城市群，也是国务院最早批复的国家级城市群（图1）。长江中游城市群土地面积约为32.61×104km2，占全国的3.4%；总人口1.25亿人，占全国总人口的9%；2017年区域经济总值为7.9万亿元，创造了全国9.6%的经济总量，是中国中部地区战略崛起的重点区域，在中国的区域发展格局中占有重要的地位。

1.2 数据来源

研究区28个地级市AQI值与6项主要污染物空气质量数据来源于中国空气质量在线监测分析平台发布的日值数据（https://www.aqistudy.cn/），仙桃市、潜江市和天门市3个省辖县级市空气质量数据来源于湖北省生态环境厅发布的环境空气质量月报。气象因子数据来源于中国气象数据网（http://data.cma.cn）（2016—2019年），2017年社会经济因子数据来源于湖南省、湖北省、江西省2018年统计年鉴以及各地级市2018年统计年鉴。以上资料均通过质量检验。

1.3 研究方法

根据中国空气质量在线监测分析平台发布的日历史数据，计算出研究区28个地级市AQI值与6项主要污染物空气质量数据月均值、季均值和年均值；根据湖北省环境厅发布的环境空气质量月报，计算3个省辖县级市（仙桃、潜江、天门）季均值和年均值。在季节划分上，春季为 3—5月，夏季为6—8月，秋季为9—11月，冬季为12月至次年2月。空气质量指数（AQI）及6项主要污染物分级根据《环境空气质量标准》（GB 3095—2012）（中国环境科学研究院，2012）将空气质量划分为6个等级（见表1）。各主要空气污染物质量浓度划分标准按照《环境空气质量评价技术规范（试行）》（HJ 663—2013）（中华人民共和国生态环境部，2013）执行，具体见表1。

图1 研究区域Fig. 1 Location of the studied area

表1 空气质量指数及各污染物划分标准Table 1 Air quality index and classification standards of pollutants

空间插值分析常用的方法主要有反距离权重法、克里金法、样条函数法。为了更好地表征空气质量的空间分布特点，根据已有研究所采用的方法进行对比实验，发现克里金法对表征空气质量空间分布效果最好（柏玲等，2018；许燕婷等，2019）。克里金法是包含自相关统计模型的插值方法，可以根据已知样本点赋权重获得未知样本点的数值，计算公式为：

式中，Z(S0)为插值点S0的估计值；z(Si)为第i位置处的测量值；λi为测量值对应的权重；N为已知样本点的数目。

AQI值与气象因子和社会经济因子的相关分析是借助Excel和SPSS软件，利用统计学的知识对数据进行整理，然后利用SPSS软件中Spearman相关分析确定相关系数，分析单因素变量与AQI值变化的关系。

2 结果与分析

2.1 空气质量时空变化特征

2.1.1 时间变化

2016—2019年长江中游城市群空气质量指数（AQI）年平均值分别为79、78、68、75，2019年空气质量指数出现小幅度上升，但总体呈现下降趋势。根据国家《环境空气质量指数（AQI）技术规定（试行）》（HJ 633—2012）标准（表1），研究区 2016—2019年空气质量指数均达到国家二级标准，空气质量状况属于良。

2016—2019年长江中游城市群空气质量指数月变化如图2所示。由图可以看出，长江中游城市群空气质量指数各月份之间差异明显，不同年份之间各月变化又具有一定的规律性，呈明显的比较对称“U”型形状，并且表现出月峰值和月谷底的特点。2016—2019年空气质量指数逐月变化一般是1月或12月值最高，7月或8月空气质量指数值最小，如2016年和2017年空气质量指数最大值出现在12月和1月，为空气质量指数的峰值，最小值出现在7月和8月；空气质量指数月值也会出现小的峰值，称为次峰值，一般出现在5月或9月，如2017年在5月出现次峰值，2016年和2019年空气质量指数在9月出现次高峰。

图2 2016—2019年空气质量指数逐月变化Fig. 2 Monthly changes of air quality index from 2016 to 2019

根据图2的变化结果，将空气质量指数从季节变化的角度进行分析，季节变化特征明显，即夏季指数值低，冬季偏高。全年空气质量指数的峰值一般出现在11月至次年2月，并且在5月或9月也会出现次峰值；低值区出现在 6—8月，即夏季空气质量最优。

2.1.2 空间变化

利用克里金插值法进行分析，2016—2019年长江中游城市群空气质量指数（AQI值）逐年空间变化结果如图3所示。由图3可知，长江中游城市群AQI值空间分布差异性明显，除潜江市、天门市、仙桃市低于周围地区外，整体上呈现“东南低、西北高”的特点。襄阳市和宜昌市为工业型城市，人口密集、工业基础雄厚，是研究区AQI值较高的地区；除此之外，还有一些小型的污染集中片区，如武汉、黄冈和鄂州片区、长株潭片区，2016—2019年的AQI值相对于周围其他地区具有明显的凸起；研究区的东南部AQI值相对较低，空气质量较好，主要分布于景德镇市、鹰潭市、上饶市和抚州市地区，AQI值较低的地区还包括天门市、潜江市和仙桃市。

图3 2016—2019年AQI值空间变化结果Fig. 3 Spatial change results of AQI value from 2016 to 2019

利用克里金插值法对长江中游城市群 2016—2019年各城市站点逐月AQI值进行空间插值分析，空间变化结果如图4所示。由图4可知，各月AQI值空间分布差异明显。1月AQI值变化范围最大，为 68.12—177.56，1月最高值出现在襄阳市为176.25；2—7月AQI值的最低值开始逐渐降低，由2月的65.05降低到7月28.84，降低了55.7%，并且AQI值的峰值也逐渐变小，7月AQI值的峰值仅为 71.52，为全年月份峰值的最低值，主要出现于仙桃市、潜江市和天门市地区，其中仙桃市的空气质量指数值仅为29。6—8月为全年AQI值的波谷期，最小值和峰值都相对低于其他月份，6月AQI值的范围为39.15—84.78，7月介于28.84—71.52，8月介于33.76—80.7之间。8—12月AQI值开始出现波动上升的情况，空气质量污染出现加重，最小值和峰值都出现上升情况，最小值由33.76上升至65.05，峰值由80.7上升至120.05，12月份研究区西北部宜昌市和襄阳市地区AQI值大于100，出现轻度污染的情况。

2.2 污染物浓度时空变化特征

2.2.1 时间变化

表2所示为大气主要污染物的年际变化情况，2016—2019年长江中游城市群大气主要污染物浓度呈现波动变化趋势。ρ(PM2.5)呈现下降趋势，由2016 年的 51 μg·m-3下降到 2019 年的 42 μg·m-3，总体下降了 17.6%；ρ(PM10)从 2016 年的 82 μg·m-3下降到 68 μg·m-3，下降了 17.1%；ρ(SO2)的年均值也表现出下降的趋势，2019年为 11 μg·m-3，2016—2019年下降了42.1%；ρ(CO)总体呈波动下降的趋势，2017年平均浓度出现反弹，上升到1.108 mg·m-3，2018年和2019年年平均浓度又连续下降，2016—2019年总体下降了15.6%；ρ(NO2)呈波动式变化，先升高后降低，最后2019年平均浓度又与2016年持平；ρ(O3)呈上升的趋势，从 2016 年的 88 μg·m-3上升到98 μg·m-3，上升了11.4%。按照《环境空气质量评价技术规范 (试行)》（HJ663—2013）（中华人民共和国生态环境部，2013），2019年长江中游城市群大气主要污染物ρ(SO2)、ρ(CO)、ρ(O3)达到一级标准，ρ(PM10)、ρ(NO2)符合国家二级标准，只有ρ(PM2.5)尚未达到国家二级标准（≤35 μg·m-3）。

表2 2016—2019年大气主要污染物年平均浓度变化Table 2 Changes in the annual average concentration of main atmospheric pollutants from 2016 to 2019

图4 2016—2019年AQI值逐月空间分布变化结果Fig. 4 Monthly spatial distribution change results of AQI value from 2016 to 2019

从季节变化的尺度对2016—2019年AQI值的空间变化结果进行分析，由图5所示，AQI值季节变化的平均值大小排列为冬季 (92)＞秋季 (73)＞春季 (69)＞夏季 (60)，冬季空气污染最严重，AQI值变化范围为60.13—142.99，西北部地区都处于轻度污染状态，这与当地工业企业数量较多、污染物排放有关，再加上冬季气温低，受下垫面的影响不利于污染物的扩散；春季AQI值变化范围为65.18—76.18，空气质量相对于冬季来说有所改善；夏季空气质量状况最好，AQI值范围为33.79—76.74，天门市、仙桃市和潜江市地区，空气质量指数为优，并且所有地区都位于二级标准限值以下，空气质量状况为良；秋季AQI值范围为56—83.99，污染面积有所扩大，大部分地区都属于二级标准（51—100）以内。

图5 2016—2019年AQI值季节空间分布变化结果Fig. 5 seasonal spatial distribution change results of AQI value from 2016 to 2019

图6 2016—2019年大气主要污染物浓度月变化Fig. 6 Monthly changes in main atmospheric pollutant concentrations from 2016 to 2019

2016—2019年大气主要污染物浓度月变化结果如图6所示，由图可知，长江中游城市群主要大气污染物各月份浓度具有明显的差异特征。ρ(PM2.5)、ρ(PM10)、ρ(CO)和ρ(NO2)都呈“U”型分布，均是以 6—8月浓度较低，11月至次年2月浓度较高，从季节变化的特点上，也表现出冬季污染物浓度高、夏季较低的特点；ρ(O3)变化呈倒“U”型分布，与上述污染物浓度月变化趋势相反，表现出5—9月浓度较高，12月至次年1月浓度较低的特点，从季节变化的角度进行分析，发现夏季ρ(O3)高，冬季相对较低；ρ(SO2)结果不像上述污染物月变化具有明显的特征，呈波动变化，但不同年份各月间也具有一定的规律性，整体上6—8月是浓度较低的时候，但是某些月份也会出现一些波动，如2016年10—11月浓度也比较低，2019年2月浓度也比较低，与同年6—8月的浓度基本持平。

2.2.2 空间变化

长江中游城市群2016—2019年6项污染物质量浓度空间分布结果如图7所示，由图可知，各项污染物空间分布具有明显的差异性。ρ(PM2.5)呈西北向东南递减的趋势，西北部地区浓度较高，ρ(PM10)分布趋势与ρ(PM2.5)大致相同，高值区集中分布在西北部地区，即襄阳市和宜昌市两个工业城市，第二产业占比较高，工业发达，对能源的需求量大，固体废气物和工业废气排放到大气中使其浓度相对于其他地区较高。ρ(SO2)整体分布范围较小，均达到国家二级标准（≤60），并且大部分地区达到国家一级标准（≤20），高值区主要分布于荆州市以及江西省东南部地区，SO2主要来源于化石燃料燃烧以及汽车尾气的排放，江西省的鹰潭市、萍乡市和新余市能源消耗总量较多，并且仍以传统的煤炭为主，这也是造成区域ρ(SO2)相对较高的原因；ρ(CO)空间分布呈自西向东逐层递减的趋势，中西部浓度高，尤其以武汉都市圈最为明显，区域人口密集，机动车尾气排放引起区域的ρ(CO)较高；ρ(NO2)集中分布在武汉都市圈、环长株潭城市群、南昌市以及荆州市这些城市人口数量较多、经济发达地区；ρ(O3)呈由北向南逐渐减小的趋势，高值区主要分布在研究区内的湖北地区，化石燃料燃烧和汽车尾气排放产生的氮氧化物和硫化物在紫外线照射下可氧化成O3，造成区域ρ(O3)的增加。

2.3 空气质量影响因素分析

2.3.1 AQI值与各主要大气污染物相关分析

为了研究各主要大气污染物对AQI值的影响，分别从年和春夏秋冬4个季节的尺度上，利用SPSS中的 Spearman相关性分析分别计算了 AQI值与PM2.5、PM10、SO2、CO、NO2和 O3的相关系数，结果如表 3所示。在年尺度上，AQI值与PM2.5、PM10和NO2呈显著正相关，相关系数分别为0.794、0.528、0.713；从季节尺度上进行分析，夏季和冬季各污染物浓度与AQI值的相关性最强；从AQI值与各污染物的角度上分析，AQI值与PM2.5和NO2的相关性最强（α＜0.01）。PM2.5是空气质量的主要污染物，对AQI值的影响作用最大，根据已有的研究，长江中游城市群位于冬季风的下风带，北风携带的西北地区沙尘物质经过长距离运输到此，使得空气中细颗粒物质增加（刘晟东等，2020），人口密度、人均 GDP产值以及大气污染物排放也会对区域PM2.5浓度的增加产生一定的影响（王振波等，2019；许艳玲等，2019）；NO2污染通常会伴随着PM2.5污染的出现，主要来源于工业生产中化石燃料燃烧以及汽车尾气排放等，在空气中经强氧化剂氧化后会形成酸雾或气溶胶而吸附更多的粉尘或其他物质，导致空气质量变差，甚至在冬天形成雾霾天气。

图7 2016—2019年各污染物质量浓度空间分布特征Fig. 7 Spatial distribution characteristics of mass concentration of various pollutants from 2016 to 2019

表3 AQI与各主要大气污染物相关性检验Table 3 Correlation test between AQI and major air pollutants

2.3.2 AQI值与气象因子的相关分析

气象因子对空气污染物的扩散及沉降起着重要的作用，在污染物排放量一定的条件下，气象状况对空气质量有着重要的影响，因此选取 2016—2019年研究区各城市降水量、平均气压、平均风速、平均气温、平均相对湿度、日照时数6项气象指标，与AQI在年以及春夏秋冬各季节作相关性分析（见表4）。从年尺度上看，AQI与降水量、平均气温和日照时数相关性显著，相关系数分别为-0.332、-0.674、-0.236，其中降水量和平均气温的相关性都通过α＜0.01的显著性检验；AQI与平均气压、平均风速和平均相对湿度的相关系数依次为-0.123、0.158、-0.061，相关性不显著。

气温对于研究区空气质量具有显著影响，在全年及各个季节都与 AQI呈显著相关性，高温状态下空气对流强烈，大气的水平输送和垂直扩散能力增强，有利于减少地面污染物浓度，但是在冬春季节，研究区气温相对较低，大气运动减弱，不利于污染物扩散，因此会造成空气污染状况加剧。降水量对当地空气质量也具有一定影响，降水对污染的的冲刷和沉降作用明显，尤其是在冬季污染相对严重时期，短时降水能对大气污染起到一定程度的缓解作用（刘昕等，2019）。日照时数与AQI变化呈显著负相关（α＜0.05），日照有利于加速污染物的扩散速度，日照时数越长，污染物浓度越低，另外当污染状况加剧时，也会导致大气能见度降低，减少日照时数（王海畅等，2015）。一般情况下，风速与空气污染呈负相关，风速越大越有利于污染物的扩散，污染程度越轻，但该相关性结果显示平均风速与AQI呈正相关，与柏玲等（2018）得到的长江中游城市群PM2.5浓度与风速相关性结果一致，因此也从一定程度反映了长江中游城市群空气质量污染可能与外来污染物的输送具有一定的关系。另外结果显示，平均相对湿度与AQI值的相关性并不十分明显，杨兴川等（2017）研究中认为相对湿度较高时有利于气溶胶粒子的聚集，会加剧污染，而研究区冬春季节平均相对湿度与AQI呈负相关，可能与当地湿度的本底值较高有关，颗粒物吸湿后反而有利于污染物的沉降（樊建勇等，2020）。

表4 AQI与各气象因子的相关性检验Table 4 Correlation test between AQI and meteorological factors

2.3.3 社会经济因子影响分析

人类的社会经济活动是空气质量状况发生污染的主要驱动因素，随着人类活动范围逐渐加大，城市人口数量的增加，城市建成区面积不断扩大，城市化进程加快，民用汽车数量增加，工业废弃物的排放以及能源消耗量的增加等，使得人工向大气中排放污染物的浓度不断增加。为研究社会经济因子对研究区AQI的影响，选取了2017年研究区各城市人均GDP、城市化水平、城市绿化率、工业企业单位数、能源消耗总量、电力消耗总量、第二产业产值、民用汽车拥有量 8项指标进行相关性分析，根据相关系数得出与 AQI具有显著相关性的有4个，其中工业企业单位数（P=0.660）、能源消耗总量（P=0.456）、第二产业产值（P=0.652）、民用汽车拥有量（P=0.514）均通过显著性α＜0.01的检验，呈显著正相关，电力消耗总量（P=0.385）在α＜0.05水平上呈显著正相关，人均 GDP（P=0.272）、城市化水平（P=0.247）也呈正相关，城市绿化率（P= -0.291）呈负相关。

4个显著相关的社会经济因子与AQI的影响分析如图 8所示，工业企业单位数的决定系数（R2=0.542）最大，最接近于1，说明工业企业单位数与AQI的相关性最强，影响也最大；其次是能源消耗总量（R2=0.484）、第二产业产值（R2=0.464），民用汽车拥有量的决定系数（R2）最小，为0.341。工业企业单位数对空气质量的影响最大，工业企业单位数越多意味着污染源也就越多，尤其是宜昌市和襄阳市这种工业型城市，工业企业单位数多，AQI值越大。第二产业产值反映了各地第二产业对当地经济发展的贡献，各城市产业结构不同，工业企业单位的数量也不一样，因此各城市在发展的过程中要合理调整当地的产业结构和工业布局，减少高污染高能耗工业企业单位的数量，控制污染产业部门SO2、NOx以及烟尘等颗粒物质向空气中的排放，切实抓好各污染排放单位的排放量。能源消耗总量对 AQI值也具有一定影响，因此在生产生活中也要调整好能源结构，尤其是煤炭等化石能源的使用，推进农村地区煤改气进程，推进清洁能源的使用。随着居民生活条件的改善，民用汽车数量的增加也成为空气质量不可忽视的影响因素之一，齐梦溪等（2019）研究中发现北京市非采暖期城市道路机动车尾气的排放对大气细颗粒污染有着不可忽视的影响，大气污染程度空间分布与城市道路交通线具有明显的相关性。减少社会经济活动对空气质量的影响，关键要在源头上加以控制，切断污染物源头，对高污染产业进行整治，尤其在冬季大气质量欠佳的情况下制定一些弹性措施，加大宣传力度，提高公民的环境意识，共同打好蓝天保卫战。

3 结论

（1）在年尺度上，2016—2019年AQI值总体呈现下降趋势。季节上表现为夏季指数值低，冬季偏高。在月尺度上呈比较对称的“U”型形状，AQI值一般是在1月或12月值最高，7月或8月指数值最小。在空间上，除仙桃市、潜江市和天门市低于周围地区外，长江中游城市群2016—2019年AQI值整体上呈现“东南低、西北高”的特点，各月AQI值空间分布差异明显，1月AQI值区域差异最大。

（2）6种主要污染物在时空分布上也表现出显著的差异。在年时间尺度，除ρ(NO2)和ρ(O3)外，其他污染物浓度均呈下降趋势；在月尺度上，ρ(PM2.5)、ρ(PM10)、ρ(CO)和ρ(NO2)都呈“U”型分布，6—8 月浓度较低，11月至次年2月浓度较高。空间上，ρ(PM2.5)、ρ(PM10)、ρ(CO)、ρ(O3)都呈西北高、东南低的特点；ρ(SO2)高值区主要分布于荆门市与江西省鹰潭、萍乡和新余；ρ(NO2)集中分布在武汉都市圈、环长株潭城市群、南昌市以及荆州市。

（3）AQI值在年尺度上与 PM2.5、PM10、NO2呈显著正相关，并且在春季和冬季相关性较强。PM2.5和NO2浓度对AQI值在年尺度以及各季节都呈显著正相关（α＜0.01），对AQI值影响最大。

（4）气象因子中平均气温和降水量与 AQI呈显著负相关（α＜0.01），其次是日照时数（α＜0.05），呈显著负相关，与平均气压、平均风速和平均相对湿度的相关性不显著。AQI与各气象要素在季节变化上表现出一定的差异性。

图8 2017年AQI值与社会经济因子影响分析Fig. 8 Analysis of the impact of AQI value and socioeconomic factors in 2017

（5）社会经济因子中，AQI与工业企业单位数（P=0.660）、能源消耗总量（P=0.456）、第二产业总值（P=0.652）、民用汽车拥有量（P=0.514）呈显著正相关（α＜0.01），电力消耗总量（P=0.385）在α＜0.05水平上呈显著正相关。工业企业的决定系数（R2=0.542）最大，对空气质量的影响最大。