南京都市圈空气质量时空分布特征分析

晏王波，谢 燕，刘斯琦

（1.江苏省测绘研究所，江苏 南京210098； 2.江苏省基础地理信息中心，江苏 南京210098；3.江苏省地产发展中心，江苏 南京210000）

随着社会经济的发展，城市工业建设和居民日常生活水平有了显著提高，工厂建设、能源消耗等人类活动也愈加频繁，由此引发的空气污染问题不容乐观，尤以雾霾污染最为常见，严重影响了人们的工作生活。城市大气环境质量直接影响生态系统和人类健康，对其进行研究已成为大气污染研究和城市气候研究领域的主要课题之一[1-2]。因此，预防和治理空气污染是关键。

南京都市圈位于长江中下游沿江城市地带核心区，以南京为中心，地跨苏皖两省。覆盖范围大，经济总量优势明显，但空气污染依然突出。学者一般以空气质量指数（AQI）作为评价空气质量的指标[3]，其评价结果能充分反映实际空气情况，同时测量结果也更接近人们的真实感受。2012年我国正式出台《环境空气质量指数AQI技术规定（试行）》，明确了我国空气质量测量的标准。定目标，有选择地访问互联网上的网页和相关链接，获取需要信息。网页中全国城市空气质量小时报如表1所示。利用正则表达式分别匹配城市、时间、AQI指数、空气质量级别和首要污染物5列属性，以获取具体所匹配的属性值。

表1 全国城市空气质量小时报

正则表达式的匹配过程大致为（图1）：①依次将表达式和文本中的字符进行比较；②若每一个字符都能匹配，则匹配成功，否则匹配失败；③若表达式中有量词或边界，这个过程将稍有不同。

1 研究过程

本文的研究范围是南京都市圈中的马鞍山、滁州、宣城、南京、镇江、扬州6个城市，需搜集该研究区的空气质量指数。环保部每小时都会公开发布空气质量指数，涉及全国300多个城市 （http://datacenter.mep. gov.cn/report/air_daily/airDairyCityHour.jsp?city=&startdate=2016-01-01%2000:00&enddate=2016-01-29%2020:00&page），以网页表格的形式定时发布监测结果。笔者利用爬虫技术搜集了研究区内6个城市的空气质量信息并进行处理，再结合这些数据，对空气质量时空特征进行深入研究。

1.1 数据采集

一般采用爬虫技术定向抓取网页资源，即根据既

图1 正则表达式

将城市设定为南京都市圈中的6个城市，利用Python的re正则模块匹配城市字段，爬取所需实验数据，最终得到完整的小时空气质量数据。

1.2 重心迁移分析

与几何图形的重心不同，这里的重心是指不同城市的空气质量加权平均重心，即研究区内某一时间点空气质量在空间平面上力矩达到平衡的点。假设中国是一个质地均匀的平面，每个城市的空气质量相等，那几何重心就是空气质量的重心；但实际上每个城市的空气质量不等，所以赋予研究区各城市的权重不同，将空气质量作为权重，计算加权平均重心，以此直观地表现不同时间段空气质量的区域差异。

重心计算原理为：设某区域由N个基本单元/点组成，各基本单元的地理或行政重心为(xi, yi)，该基本单元/点的某一属性值（人口、GDP等）为P，则该区域基于属性P的重心为：

1.3 空间自相关分析

空间自相关分析可确定某一变量是否在空间上相关，其相关程度如何。空间自相关的指标可分为全局指标和局部指标[4-7]。

全局空间自相关是根据要素位置和要素值来度量空间自相关，用于验证整个研究区域某一要素的空间模式。在给定一组要素以及相关属性的情况下，空间自相关将评估表达的模式是聚集模式、离散模式还是随机模式，并通过计算Moran's I指数来表示聚集度，其公式为：

式中，N为空间单元总数；n为研究区域的子区域个数；xi为观测值；x¯为xi的平均值；Wij为研究范围内空间单元i与空间单元j （i, j=1,2,3,4,…,n）的空间连接矩阵。

局部空间自相关分析可反映局部小区域单元内的某种地理现象或某一属性值与相邻局部小区域单元内同一现象或属性值的相关程度，一般用Local Moran's I表示其数值，计算公式为：

局部空间自相关指数实际上是把全局Moran's I指数分配到各个空间单元[8]。正值I表示要素具有包含同样高或同样低属性值的邻近要素，该要素是聚类的一 部分；负值I表示要素具有包含不同值的邻近要素，为异常值。一般局部空间自相关分析输出包括高值（HH）聚类、低值（LL）聚类、高值主要由低值围绕的异常值（HL）以及低值主要由高值围绕的异常值（LH）等聚集形式。

2 时空特征研究结果与分析

2.1 空气质量重心迁移规律

根据重心算法，本文研究了6个城市空气质量重心在监测时间内的变化规律。监测时间为2016年2月18日～2016年4月18日，并对数据进行了整理和清洗。将监测周期分为4个阶段，第一阶段为2月18日～3 月3日，第二阶段为3月4日～3月18日，第三阶段为3 月19日～4月2日，第四阶段为4月3日～4月18日。

经计算可知，第一阶段的重心为（31.958 3 E，118.654 6 N），第二阶段的重心为（31.925 3 E，118.644 6 N），第三阶段的重心为（31.901 4 E，118.662 9 N），第四阶段的重心为（31.948 7 E，118.666 6 N），4个阶段的空气质量重心迁移如图2所示。

2.2 空间自相关分析结果

通过全局空间自相关和局部空间自相关指标，评价研究区时空分布特征。

2.2.1 全局空间自相关

利用Luc Anselin教授团队研发的Geoda软件进行全局空间自相关分析，对上述4个阶段的Moran's I指数进行计算（图3）。结果表明，4个阶段的Moran's I指数均为负值，第一阶段Moran's I指数为-0.258，第 二阶段Moran's I指数为-0.148，第三阶段Moran's I指数为-0.334，第四阶段Moran's I指数为-0.252。

在5%的显著水平下，当Moran's I指数大于1.96时，研究区内空气质量有显著关联性，相邻地区的类似特征值呈聚集趋势；当介于1.96～ -1.96之间，表示其分布的关联性不明显；当小于-1.96时，表示研究区内空气质量呈离散趋势。因此，第二阶段的空气质量分布关联性不明显，而第一、三、四阶段均呈离散趋势。

2.2.2 局部空间自相关

本文同时进行局部空间自相关分析，得到4个阶段的结果（图4）。第一阶段，南京、镇江呈HH聚类，滁州呈HL聚类，芜湖、宣城呈LH聚类；第二阶段，南京、马鞍山、滁州呈HL聚类，其余呈LH聚类；第 三阶段，南京、宣城呈HL聚类，镇江、马鞍山、滁州呈LL聚类；第四阶段，扬州呈HH聚类，滁州呈HL聚类，其余呈LH聚类。

3 结 语

本文着重研究了南京都市圈空气质量时空分布特征，监测周期为2016年2月18日～2016年4月18日；通过研究重心迁移规律以及分析空间自相关特征，综合评价了南京都市圈空气质量。

1）南京都市圈空气质量重心均位于南京市雨花台区，在监测周期的4个阶段内，第一阶段至第二阶段，重心向西南方向迁移；第二阶段至第三阶段，重心继续向南，迁移至雨花区和江宁区结合部；第三阶段至第四阶段，重心向北回归。重心的变化说明各行政区在4个阶段内空气质量的变化，南移说明南面地区比北面地区空气质量差，北归则情况相反。

图4 局部空间自相关结果

2）4个阶段内南京都市圈的小时空气质量都呈负相关，且第一阶段至第二阶段呈降低趋势，第二阶段至第三阶段呈上升趋势，第三阶段至第四阶段呈降低趋势。

[1] 周淑贞,束炯.城市气候学[M].北京:气象出版社,2002

[2] LEI X E, HAN Z W, ZHANG M G. Physical, Chemical,Biological Processes and Mathmatical Model on Air Pollution[M].Beijing:China Meteorological Press,1998

[3] 于淑秋,林学椿,徐祥德.北京市区大气污染的时空特征[J].应用气象学报,2002,13(增刊1):92-99

[4] 晏王波,张晓祥,姚静,等.基于GIS的盐城市区域发展时空特征研究[J].地理空间信息,2013,11(2):104-106

[5] 朱晨曦,晏王波.基于微博签到的地理空间信息研究[J].地理空间信息,2016,14(5):28-30

[6] 王劲峰.空间分析[M]. 北京:科学出版社,2006

[7] 谢花林.基于景观结构和空间统计学的区域生态风险分析[J].生态学报,2008,28(10):5 020-5 026

[8] Anselin L. From SpaceStat to CyberGIS, Twenty Years of Spatial Data Analysis Software[J]. International Regional Science Review,2012,35(2):131-157