华北平原地区PM2.5浓度时空变化特征及其影响因素研究

宋方旭， 孙希华， 王欣瑶， 徐发昭

(1.山东师范大学 地理与环境学院， 山东 济南 250358；2.西北师范大学 地理与环境科学学院， 甘肃 兰州 730070)

改革开放以来，我国经济总量快速增长，但初期粗放的发展模式势必会造成严重的环境污染问题，其中大气污染尤为突出[1]。随着2018年《打赢蓝天保卫战三年行动计划》的实施，我国的大气污染状况有所好转，但仍面临许多挑战[2]，而大气PM2.5的污染防治问题就是其重要内容之一。PM2.5作为主要的致癌物质之一，会严重影响人们的身体健康[3]，甚至影响社会的整体运转[4]。因此，分析大气PM2.5的污染浓度空间格局演化特征对促进城市可持续发展和加强大气污染治理具有重要意义。

目前，国内外学者采用不同的方法，在不同视角和不同尺度上对PM2.5进行了研究。在研究尺度上，不同的学者在全球[5,6]、国家[7-9]、城市群[10,11]、单个城市[12,13]等尺度上进行了研究；在研究视角上，有关PM2.5的研究涉及时空变化特征[14,15]、影响因素[16-18]、化学成分[19,20]、健康风险[21,22]、扩散与输送[23,24]、浓度反演[25,26]等方面；在研究方法上，标准差椭圆、空间自相关、局部空间自相关、地理探测器、变异函数法、正交经验分解法等是研究PM2.5时空变化特征的常用方法。本研究将综合各方法的优缺点，选用标准差椭圆和局部空间自相关来分析PM2.5的时空变化，并使用地理探测器分析其浓度影响因素。

尽管有关PM2.5的研究已经十分丰富，但大部分研究都是以不连续的地面站点数据作为基础数据，这便导致其数据精度易受站点地理位置及空间插值的影响。此外，针对人口、城市高密度聚集和工业发达的华北平原地区的研究较少，并且缺乏长时间序列的研究。因此，本研究拟运用遥感反演的PM2.5数据，对华北平原地区2000—2018年的PM2.5浓度的时空变化特征进行研究。

1 研究区域与数据源

1.1 研究区域

华北平原是中国第二大平原，位于黄河下游区域，西起太行山脉和豫西山地，东至黄海、渤海和山东丘陵，北起燕山山脉，西南至桐柏山和大别山，东南至苏、皖北部，与长江中下游平原相连，跨越黄河、海河、淮河等流域，属于温带季风气候，四季变化明显。华北平原是中国人口、城市聚集和工农业较为发达的地区，也是中国PM2.5污染较为严重的区域。本研究以华北平原涉及的北京市、天津市、山东省、河北省、河南省、安徽省、江苏省作为研究区域，如图1所示。

图1 研究区域概况Fig.1 Overview of the study area

1.2 数据源

本研究以华北平原地区的两市、五省作为研究对象，研究时段为2000—2018年，从中截取2000年、2006年、2012年、2018年四个时间断面进行详细分析。研究使用的PM2.5数据来自加拿大达尔豪斯大学大气成分分析小组(Atmospheric Composition Analysis Group)提供的2000—2018年大气PM2.5遥感反演数据集(V4.CH.03)，该数据集是以0.01°×0.01°的栅格数据为基准，在获得每个栅格的PM2.5年均浓度数值后，再采用ArcGIS软件中的分区统计功能获得每个城市的PM2.5年均浓度值。

本研究的影响因素分为自然因素和社会经济因素两类。自然因素包括温度(℃)、降水(mm)、风速(knots)，均采用平均值，数据来自中国气象数据网提供的华北平原54个气象站点2000—2018年的逐日气象观测资料。社会经济因素主要选择人均GDP(元/人)、人口密度(人/km2)、人均公园绿地面积(m2/人)、公共交通(辆)、城市建成区面积(km2)、工业用电(万kW·h)、规模以上工业企业数量。以上数据均来自CEIC数据库和《中国城市统计年鉴》，并以各地市的统计年鉴对部分缺失数据进行了插补。

2 研究方法

2.1 标准差椭圆

标准差椭圆(standard deviation ellipse， SDE)，是分析空间要素分布方向性特征的经典方法之一[27]。该方法可获得椭圆的长短半轴长度、方位角、椭圆面积和中心位置等参数。椭圆空间分布范围表示要素(本文为PM2.5浓度)在空间分布的主体区域，中心表示其分布的重心位置，长半轴表示其在主趋势方向的分布特征，短半轴则表示其分布的离散化程度[28]。长半轴越长，表示其方向性分布越明显；短半轴越长，说明其离散化程度越明显。由于该公式较为复杂，此处不再赘述，详情参见文献[27]、[28]。

2.2 局部空间自相关

本文采用局部空间自相关进行空间自相关分析，局部空间自相关(local indicators of spatial association，LISA)指数可以反映某一区域单元的属性值与其周围单元同一属性的相关程度[29]，可以识别变量的空间聚类和异常值情况。其聚集类型共有四类：HH(高高聚集)、LL(低低聚集)、HL(高低聚集)和LH(低高聚集)。常用的局部空间分析指标是莫兰指数[30]，用以度量某空间单元的观测值与其相邻区域观测值之间的空间相关程度，并识别其空间聚集类型。公式如下：

(1)

式中：n为研究区包含空间单元(本文为地级市)的数量；Zi与Zj分别表示空间单元i与j的PM2.5年均浓度的标准化值；wij为空间权重系数，若空间单元i与j存在空间邻近关系，则wij=1，否则wij=0。

2.3 地理探测器

地理探测器是探测空间分异性并揭示其背后驱动因子的一种新的统计学方法[31]，其基本思想是：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；如果两变量的空间分布趋于一致，则两者存在统计关联性。地理探测器共有四个子探测器，本文仅对因子探测器和交互探测器的结果进行分析。

因子探测器：探索Y的空间分异性，并探测因子X对Y空间分异的解释程度[31]。用q值度量，其表达式为：

(2)

式中：h=1,2,3, …,L为变量Y或因子X的分层，本文中变量分为五类；Nh和N分别为层h和全区的单元数，本文中分别表示华北平原全地区单元数和每类中地级市的单元数；σh2和σ2分别是层h和全区的Y值的方差。

交互探测器：用来判断不同影响因子之间的相互作用。两个自变量之间交互作用的类型分为非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强。

3 PM2.5时空演变分析

3.1 PM2.5基本变化特征

为研究华北平原地区PM2.5浓度的时空变化特征，根据世界卫生组织和中国《环境空气质量标准》(GB 3095—2012)的PM2.5浓度限值，将华北平原地区的PM2.5年均浓度重新分为六类。最终获得华北平原地区2000年、2006年、2012年、2018年的PM2.5浓度分布图，如图2所示。

由图2可知，2000年，华北平原地区各城市的PM2.5浓度均未超过75 μg/m3，PM2.5浓度低于35 μg/m3的区域主要集中于山东半岛(青岛市、威海市和日照市等)、河北省北部(张家口市、承德市、保定市及秦皇岛市等)、北京市、江苏省东部(盐城市、泰州市、南通市)，而河南省(三门峡市、洛阳市、济源市除外)、安徽省中北部(合肥市、毫州市、宿州市等)及山东西部(枣庄市、菏泽市、聊城市等)等地区PM2.5浓度均超过50 μg/m3，形成了一整片的高污染区域。随着经济快速发展，2006年，华北平原地区污染程度明显加重，华北平原各地市的PM2.5浓度均有不同程度的上升。由于河南省、河北省和山东省人口密集、能源需求量大，经济发展更迅猛，故污染情况也更加严重。河南省中北部地区、河北省南部地区及山东省西部地区PM2.5浓度均超过了75 μg/m3，形成了严重污染区域，而PM2.5浓度小于35 μg/m3的地区仅剩河北的张家口市、承德市及山东的威海市。随着国家对环境污染的不断重视，到2012年，华北平原地区的PM2.5污染程度开始有所下降。2012年，PM2.5浓度在50～75μg/m3的城市仍有48个，但其中10个城市的PM2.5浓度相对于2006年是下降的；PM2.5浓度超过75μg/m3的城市主要集中于山东西部、河南北部及河北南部，与2006年相比，城市数量减少了33%。可见，2012年华北平原地区PM2.5污染情况虽仍然严重，但已有所改善。在2014年《大气污染防治行动计划》和2018年《蓝天保卫战三年行动计划》等一系列大气污染防控措施实施后，华北平原地区的PM2.5污染得到了有效治理。2018年，整个华北平原地区的PM2.5浓度均小于75 μg/m3，而河北省的张家口市和承德市PM2.5浓度甚至低于15 μg/m3，但河南省大片地区依旧是连片的高污染区域。

图2 2000—2018年华北平原地区PM2.5年均浓度分布特征Fig.2 Distribution characteristics of PM2.5 annual average concentration in North China Plain from 2000 to 2018

综上，在空间分布上，华北平原地区PM2.5污染较为严重的区域主要集中分布于人口密集和经济较发达的河南省、河北省南部及山东省西部，PM2.5浓度整体上呈现出西高东低、中部高南北低的空间分布特征；在时间分布上，华北平原地区PM2.5污染状况呈现出先快速加重后逐渐改善的特征，这主要是由于人们的思想观念由初期的经济优先发展逐步转变为可持续发展，且国家对大气污染治理越发重视所致。

3.2 标准差椭圆分析

基于标准差椭圆对2000年、2006年、2012年、2018年的PM2.5年均浓度进行分析，解释华北平原地区PM2.5年均浓度时空分布的空间形态、中心性、方向性及延展性，详细信息如表1和图3所示。

表1 2000—2018年华北平原地区PM2.5年均浓度标准差椭圆参数Tab.1 Elliptic parameters of standard deviation of PM2.5 average annual concentration in NorthChina Plain from 2000 to 2018

图3 2000-2018年华北平原地区PM2.5年均浓度标准差椭圆分析Fig.3 Ellipse analysis of standard deviation of PM2.5 average annual concentration in North China Plain from 2000 to 2018

从方位角及长短半轴长度来看，华北平原地区PM2.5浓度分布呈现出明显的“西北-东南”方向分布格局。椭圆方位角由2000年的167.24°波动减少到2018年的166.13°，说明其PM2.5浓度空间分布格局正在向“正北-正南”方向缓慢偏移；2000—2018年，长半轴长度由465.46 km波动增长至474.39 km，说明华北平原地区PM2.5年均浓度在主方向上呈现出扩张态势，而短半轴长度则先由2000年的351.53 km缩短为2006年的348.69 km，2012年又增加到350.27 km，随后2018年又缩短至344.94 km，呈现“缩短-增加-再缩短”的变化过程。由此可知，2000—2018年，华北平原地区PM2.5浓度在地理空间上呈现出“聚集-扩散-聚集”的演变过程。

从标准差椭圆面积来看，椭圆面积先由2000年的51.40万km2增加至2006年的51.99万km2，后又略微减少至2012年的51.95万km2，最终减少至2018年的51.41万km2，体现了华北平原地区PM2.5污染范围先扩大后减小的过程；从标准差椭圆的覆盖范围来看，其范围主要包括河南省东部及北部、山东省西部、河北省南部、江苏省及安徽省北部的部分地区，这些地区均是PM2.5污染较为严重的区域，也是未来PM2.5污染防治的主要对象。

从重心转移情况来看，华北平原地区PM2.5浓度重心由2000年安徽省宿州市向北转移至2006年山东省济宁市境内，在2012年又向南转移至江苏省徐州市，随后PM2.5浓度重心便保持在江苏省徐州市境内。徐州市能源富集，是江苏省唯一的煤炭产地，作为典型的资源型及老工业城市，产业结构不合理和初期粗放的经济发展模式是其PM2.5污染严重的主要原因。

3.3 局部空间自相关分析

本研究采用莫兰指数的局部空间自相关分析，分别得到2000年、2006年、2012年、2018年华北平原地区PM2.5年均浓度的聚集情况，如图4所示。

由图4可知，分析结果未出现HL(高低)和LH(低高)的聚集现象，说明PM2.5浓度分布具有明显的分异性。2000年，华北平原地区HH(高高)聚集区域主要分布在河南省境内及其周边城市(山东菏泽市、江苏阜阳市)，而LL(低低)聚集区域主要分布在华北平原地区北部和东部的部分沿海城市(山东青岛、江苏盐城等)；2006年，HH聚集区域明显向北移动，河南省南部城市污染状况减弱，而河北省南部及山东省西部的部分城市成为新的HH聚集区域，LL聚集区域分布位置基本不变，且在安徽省南部形成了一个新的LL聚集区域；2012年，位于HH聚集区域的城市较2006年减少了3个，HH聚集区域处于收缩状态，而华北地区北部的北京市、秦皇岛市重新加入了LL聚集区域；与2012年相比，2018年HH聚集区域的城市数目不变，但河南部分地区退出了HH聚集区域(郑州、焦作、安阳市等)，而河南省东部、安徽省部分城市(宿州、淮北、毫州市)及江苏省徐州市加入了HH聚集区域，HH聚集区域向华北平原地区的中心位置移动。

图4 2000-2018年华北平原地区PM2.5年均浓度局部空间自相关分析结果Fig.4 Local spatial autocorrelation analysis of PM2.5 annual average concentration in North China Plain from 2000 to 2018

总之，华北平原地区的HH聚集区域主要分布于河南省、河北省南部、山东省西部的平原地带，因为平原地带是人口高度聚集及工业发达的区域，这些地区经济发展速度普遍较快，能源与资源消耗量大、消耗速度快，故污染物排放量较多，而平原地区地势开阔，没有山脉阻挡，所以PM2.5的区域传输较为容易，易形成连片的污染区域，导致PM2.5污染问题较难治理；而LL聚集区域主要分布于东部沿海城市及华北平原北部，其分布主要受空间地理位置的影响，东部LL聚集区域的形成主要是由于海风的扩散作用及海水的吸附作用，北部LL聚集区域的形成则主要是由于北部山谷的狭管效应及南部太行山脉阻挡了PM2.5由南向北的传播路径，并且为了推动京津冀协同发展，张家口市和承德市牺牲了重工业的发展，转而发展其旅游业，所以其本身的PM2.5排放量较少[32]。PM2.5浓度分布的异质性说明，华北平原地区的大气污染具有区域性，因此，在制定PM2.5污染防治措施时，河南、河北及山东三省应该统筹兼顾、联防联控，因地制宜地制定统筹防治措施，周边城市应在完善自身PM2.5防治措施的基础上，防范由中心污染区域带来的污染传输扩散危害。

3.4 华北平原地区PM2.5浓度影响因素分析

本研究以华北平原地区77个地级市行政区为研究单元，以2018年为时间断面；考虑的自然和社会经济因素共10个，分别为温度(x1)、降水(x2)、风速(x3)、人均GDP(x4)、公共交通(x5)、人口密度(x6)、人均公园绿地面积(x7)、城市建成区面积(x8)、工业用电(x9)、规模以上工业企业数量(x10)。由于地理探测器处理的数据为离散化数据，因此在GeoDa软件中采用K-means聚类方法将各因子离散化并分为5类，将聚类后的数据导入地理探测器中进行分析。

3.4.1因子探测结果

地理探测器中，因子探测器的结果是以q值来体现，q值越高，说明该因子对其因变量的影响程度越大。由因子探测器结果图5可知，各因子的q值由大到小依次为降水(0.45)、人口密度(0.42)、人均公园绿地面积(0.30)、风速(0.26)、温度(0.16)、人均GDP(0.09)、城市建成区面积(0.08)、规模以上工业企业数量(0.06)、工业用电(0.04)、公共交通(0.03)，其中降水、人口密度、人均公园绿地面积及风速对PM2.5浓度的解释力较大。

图5 PM2.5浓度影响因子的q值Fig.5 q values of each influencing factor of PM2.5 concentration

从自然影响因子来看，温度、降水、风速的q值均大于0.15，故其对华北平原地区的PM2.5浓度影响较大。PM2.5作为一种大气污染物，必然受到各种气象因素的影响[33]。温度通过对大气环流产生影响，间接地对大气中PM2.5的分布产生影响；降水对PM2.5等大气污染物具有一定的清除作用，在降雨过程中，大气中的PM2.5被大气水成物清除并降落到地面；风在PM2.5扩散、传输的过程中起到了重要作用，风向和风速影响着PM2.5的传输方向和速度，对PM2.5的分布具有直接影响。

从社会经济影响因子来看，人口密度和人均公园绿地面积对PM2.5的浓度有较大的解释力，而其他因子的影响程度较小，公共交通和工业用电的q值甚至小于0.05。人口密度与PM2.5浓度有较高的相关性，该结果与李衡[34]、李光勤[35]等人的研究结论相符。人类在满足自身需求时，必然会对环境造成污染，人口密度越高，人类对物质生活的需求就越大，进而给周边环境造成的压力也就越大，最终可能导致严重的环境污染。同时，人均公园绿地面积对PM2.5浓度的解释力也较大。人均公园绿地面积代表城市内的植被覆盖情况。植物可以覆盖地表，减少PM2.5的来源，植物叶面可以吸附并捕获PM2.5，起到滞尘作用，此外，高大的树木还可以降低风速，促进PM2.5的沉降。综上，植物对大气中的PM2.5浓度具有一定的消减作用。

3.4.2交互探测结果

由交互探测器探测各因子的交互结果，如表2所示。探测结果表明，华北平原地区PM2.5浓度的影响因子之间的交互作用均为增强，任何两种影响因子交互作用的q值均大于原本的单一因子的q值。其中，人均GDP和人口密度交互作用后的q值达到了0.75，对PM2.5浓度的影响程度最大，而温度和降水交互作用后的q值为0.69，远大于温度因子的q值0.16；此外，相较于其他影响因子的交互作用，城市建成区面积与规模以上工业企业数量交互作用的q值最小，仅为0.15。

表2 PM2.5浓度影响因子的交互探测结果Tab.2 Interactive detection results of PM2.5 concentration influence factors

4 结论与讨论

4.1 结 论

1) 由PM2.5浓度的时空分布格局及演化趋势可知，华北平原地区的PM2.5浓度在2000—2006年间迅速增加，2012年后得到有效控制，到2018年，PM2.5浓度基本恢复到2000年的状态。

2) 由标准差椭圆分析结果可知，PM2.5浓度的分布方向为“西北-东南”，并且正朝着“正北-正南”方向移动；PM2.5浓度的重心先向北方移动后又南移，并最终稳定在徐州境内；由椭圆面积可知，PM2.5浓度的影响范围是先增加后减少。

3) 由局部空间自相关分析结果可知，PM2.5大气污染的分布具有明显的地域性。HH聚集区域主要分布在山东、河南、河北三省的交界部分，而LL聚集区域主要分布于东部沿海地区及华北平原北部。

4) 由因子探测结果可知，降水、人口密度、人均公园绿地面积、风速4个因子对PM2.5浓度的解释力(q值)较大；由交互探测结果可知，影响因子之间的交互作用均为增强。

4.2 建 议

目前，我国大气污染尤其是PM2.5污染状况虽整体上得到了控制，但在华北平原等经济发达地区，其污染形势仍非常严峻，严重的空气污染事件仍时有发生。对于PM2.5的污染防治，河南、河北及山东三省既要统筹兼顾、联防联控，又要对症下药、因地制宜地制定污染防治措施；周边污染较轻的城市应在完善自身PM2.5防治措施的基础上，防范由中心污染区域带来的污染传输扩散危害。此外，各级政府应积极响应党中央提出的“要加快推动绿色低碳发展，持续改善环境质量，提升生态系统质量和稳定性，全面提高资源利用效率”的要求，大力发展绿色低碳经济，加快新旧动能转换步伐，打好2021年“蓝天保卫战”的收官之战。

4.3 讨 论

本文采用PM2.5浓度遥感反演数据，对2000—2018年华北平原地区PM2.5浓度的时空变化特征及其影响因素进行了研究，可在一定程度上为华北平原地区的大气污染防治提供参考。但受研究数据及方法所限，本文未对短期内PM2.5浓度的时空特征进行分析，对其影响因素之间的交互作用机制也未深入研究。此外，本文还缺少对PM2.5浓度影响因子的综合分析，这将是下一步研究的主要方向。