京津冀大气污染传输通道区大气污染时空格局研究

彭 玏,赵媛媛*,赵吉麟,高广磊,丁国栋



京津冀大气污染传输通道区大气污染时空格局研究

彭 玏1,2,赵媛媛1,2*,赵吉麟1,2,高广磊1,2,丁国栋1,2

(1.北京林业大学水土保持学院,水土保持国家林业局重点实验室,北京 100083；2.宁夏盐池毛乌素沙地生态系统国家定位观测研究站,宁夏 盐池 751500)

客观理解京津冀大气污染传输通道城市(“2+26”城市)空气污染时空格局对于区域大气污染联合防治具有重要意义.本研究采用遥感数据反演的PM2.5浓度产品,利用趋势分析法和重心分析法,揭示了京津冀城市大气污染传输通道区2000~2015年大气污染时空格局演化特征.结果表明:(1)区域PM2.5平均浓度整体呈现出太行山脉区域较低,太行山脉以东较高的格局,城镇地区明显高于周边地区.(2)2000~2015年区域PM2.5年均浓度总体呈增加趋势,主要表现在2000~2007年,呈显著增加趋势的面积占全区的88.48%,之后呈稳定状态.(3)区域PM2.5污染重心位于衡水、邢台和德州3市交界处,区域北部大气污染较严重.本研究可为京津冀及周边地区大气污染防治政策制定和措施实施提供参考与支持.

京津冀大气污染传输通道；“2+26”城市；PM2.5；时空格局

近年来,大气污染已成为许多城市面临的严重环境问题之一[1].京津冀及周边地区是我国核心经济区的重要组成部分,在经济发展中占有重要地位[2],雾霾问题也逐渐引起关注.2017年5月,环境保护部发布《关于京津冀及周边地区执行大气污染物特别排放限值的公告(征求意见稿)》,并确定北京市、天津市、河北省石家庄等28个城市为京津冀大气污染传输通道城市(以下简称“2+26”城市),在京津冀大气污染传输通道城市的行政区域范围内全面执行大气污染物特别排放限值,并对其空气质量改善情况进行考核.2018年3月25~27日,京津冀及周边地区经历了一次大气污染过程,多个城市PM2.5小时浓度达到重度污染,再一次将大气污染问题带入人们的视野,引发社会广泛关注.

颗粒物特别是细颗粒物PM2.5的积累是引发雾霾天气的重要因素[3-5].大气污染物的区域传输是影响空气质量的重要原因[6-8],区域性大气污染已成为中国的主要大气污染问题[9].当前中国形成了京津冀及周边地区、四川盆地、长江三角洲和珠江三角洲4大雾霾区[10-11].目前PM2.5污染格局研究主要采用监测站点观测资料空间插值、遥感影像反演大气气溶胶厚度(AOD)估算PM2.5浓度、加权回归模型或混合模型的方法[12].研究区的大气污染格局研究也主要集中在京津冀及周边少数城市.李名升等[13]采用161个城市2014年的PM2.5监测数据,对中国大陆PM2.5污染进行分析,结果表明京津冀及周边地区污染较重.李珊珊等[14]采用模式(CAMx)模拟结合监测站点观测资料,分析了2014年京津冀地区PM2.5时空分布和污染来源,结果显示区域PM2.5浓度春夏高、秋冬低,日变化呈双峰型分布,平原区污染浓度高于太行山区,且区域输送对PM2.5污染具有重要影响.Yan等[15]采用2016年京津冀13个城市的空气质量监测PM2.5浓度数据,通过空间自相关发现PM2.5浓度从晚秋到初冬由东南向西北扩展,而从晚冬到早春由西北向东南逐渐缩小,且区域内PM2.5浓度具有显著的空间溢出效应.Wu等[16]结合遥感数据和VIRS仪器监测数据,运用地理回归加权模型评估2014年京津冀PM2.5分布时空格局,结果显示区域PM2.5污染格局呈现较强的季节异质性和东南-西北空间异质性.尽管已有诸多学者对京津冀地区的PM2.5问题进行了研究,但由于缺乏连续可靠的数据,我们对于该区域的PM2.5污染时空格局的了解还不够全面.

美国大气成分分析组织(ACAG)于2016年发布了全球地面PM2.5数据[17].该数据由美国国家航天局(NASA)的中等分辨率成像光谱仪(MODIS)、多角度成像光谱仪(MISR)和海洋观测宽视场传感仪(SeaWIFS)反演得到的气溶胶光学厚度(AOD)数据,与GEOS-Chem化学传输模型结合,模拟得到年均PM2.5浓度数据,再与地面监测数据相结合,采用地理加权回归模型得到1998~2016年逐年的全球地面年均PM2.5的浓度,分辨率有0.1°´0.1°和0.01°´0.01°2种,是迄今精度最高、覆盖率最大、时间跨度最大的PM2.5卫星数据集[17].该数据已在南亚、东南亚和中国等地得到广泛验证和有效应用[18-20].该数据的发布为我们揭示京津冀大气污染通道区PM2.5时空格局提供了扎实的数据基础.

本研究基于由卫星遥感数据反演的PM2.5浓度数据,采用趋势分析法和重心分析法,系统分析了“2+26”城市——京津冀大气污染传输通道区2000~2015年PM2.5的时空动态格局,以期为北京及周边地区的大气污染防控提供思路.

1 研究区和数据

1.1 研究区概况

京津冀大气污染传输通道包括北京市,天津市,河北省石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸,山西省太原、阳泉、长治、晋城,山东省济南、淄博、济宁、德州、聊城、滨州、菏泽市,河南省郑州、开封、安阳、鹤壁、新乡、焦作、濮阳共28个城市,行政区划面积约为27´104km2,约占全国陆地总面积的2.84%(图1).北面为东西走向的燕山山脉,西面为南北走向的太行山脉,东临渤海、黄海,地势由西北向东南倾斜.属暖温带亚湿润季风气候,年降水量450~700mm.土壤属于棕壤、褐土带.植被类型为暖温带落叶阔叶林.2015年,该区域总人口约1.8亿,占同期全国的13.09%,地区生产总值约10.8万亿元,约占全国的15.67%.

图1 研究区域

1.2 数据来源

本研究采用的2000~2015年PM2.5年均浓度卫星数据从大气成分分析组织网站(http://fizz.phys. dal.ca/~atmos/martin/?page_id=140)下载,利用我国“2+26”城市行政边界数据进行裁剪,得到区域2000~ 2015年的年均PM2.5浓度,空间分辨率为0.01°×0.01°,再定义投影为GCS_Krasovsky_1940坐标系,分辨率为1km.各城市2015年PM2.5地面监测数据来自中国空气质量监测分析平台(https://www.aqistudy.cn/ historydata/index.php).

气象数据来自国家气象科学数据共享服务平台(http://data.cma.cn/),包括2000~2013年研究区内气象站点的年平均风速和日最大风速风向.

社会经济统计数据包括人口和地区工业总产值.2000~2015年人口空间数据来源于全球环境历史数据库(http://dx.doi.org/10.17026/dans-znk-cfy3).地区工业总产值来源于2001~2016年《中国城市统计年鉴》[21].

2 研究方法

2.1 趋势分析法

采用一元线性趋势分析法揭示区域PM2.5的时间变化格局,对2000~2015年“2+26”城市PM2.5年际变化趋势进行拟合,计算公式如下[22]:

2.2 重心分析法

根据中国环境空气质量标准(GB3095-2012)[25]对于二类环境空气功能区(即居住区、商业交通混合区、文化区、工业区和农村地区)的空气质量要求,提取PM2.5年均浓度大于二级浓度限值(35μg/m³)的区域,并采用重心分析法识别了“2+26”城市2000~ 2015年空气污染重心,从而分析“2+26”城市PM2.5浓度重心的转移情况.

几何重心法的原理是通过这个次级区域的地理方位与某种共有属性来计算重心点的位置,计算公式如下:

3 结果分析

3.1 区域PM2.5浓度时空格局

2000~2015年,区域PM2.5年均浓度整体呈现出太行山脉区域较低,太行山脉以东较高的格局,城镇核心区PM2.5年均浓度总体高于周边地区(图2).太行山脉区域PM2.5年均浓度小于35μg/m3;太行山脉沿线PM2.5年均浓度为35~50μg/m3;东部大部分区域PM2.5浓度为50~80μg/m3;太行山脉外围污染较重,PM2.5浓度在80μg/m3以上的区域在2006、2007、2009、2013和2015年范围显著扩大,主要出现在北京、天津和河北地区.

2000~2015年,区域PM2.5年均浓度变化总体呈增加趋势(2=0.33,<0.05),主要表现在2000~2007年(2=0.78,<0.05),年均增加3.71μg/m3,2008年之后呈现出稳定的状态(图3).

2000~2007年,PM2.5年均浓度的变化强度具有空间异质性(图4).研究区PM2.5浓度呈显著增加(<0.05)的面积为242910km2,占区域总面积的88.48%;年均增量较高(增量大于5.5μg/(m3×a))的区域面积为6884km2,主要分布在山东省滨州市、济南市和淄博市,其中滨州市所占面积最大为2859km2,占该等级总面积的41.53%;年均增量在4.0~5.5μg/(m3×a)的区域较广,面积为100012km2,占全区的36.43%,主要分布在河北、天津和山东,其中山东省济宁市所占面积最大,占该等级总面积的11.12%;年均增量为2.5~4.0μg/ (m3×a)的区域最大,面积为113220km2,占全区的41.24%,主要分布在河北省保定市(面积为11549km2,占该等级总面积的10.20%);年均增量小于2.5μg/ (m3×a)的区域面积为22794km2,占全区的8.30%,主要分布在山西省长治市(面积为4627km2,占该等级总面积的20.30%);年均增量不显著的区域面积为31626km2,占全区的11.52%,主要分布在河南省安阳市(面积为4493km2,占该等级总面积的14.21%).

图2 2000~2015年PM2.5浓度空间分布

图3 2000~2015年区域PM2.5浓度变化

3.2 区域PM2.5污染重心变化特征

2000~2015年,区域PM2.5污染重心位于河北省衡水市、河北省邢台市和山东省德州市3市交界处(图5),重心格局变化较显著.2000~2004年,污染重心位于山东省德州市,区域东部相对西部大气污染较重.2005~2007年,污染重心呈现出快速向西移动的态势,表明该时段内区域西部的PM2.5浓度显著升高.2008年,污染重心迅速向东北方向移动到河北省衡水市,说明这一年区域北部,即北京、天津和河北省的PM2.5污染程度明显增加.2009年后,区域污染重心略有浮动,但基本保持在河北省衡水市,呈现较为稳定的状态,表明区域北部的北京、天津和河北省的污染程度均保持在相对较严重的状态.

图4 2000~2007年区域PM2.5浓度变化趋势

图5 2000~2015年区域PM2.5污染总体重心迁移轨迹

4 讨论

4.1 空气污染格局驱动因素

4.1.1 土地利用与PM2.5浓度的关系 目前已有许多关于土地利用与空气污染关系的讨论,证实土地利用类型对PM2.5存在影响[27-31].“2+26”城市总体PM2.5浓度在2000~2015年增加,各土地利用类型上的PM2.5浓度也均有所增加(图6).到2015年,建设用地、未利用地、水体和耕地上的PM2.5浓度较高,草地和林地上的PM2.5浓度较低.未利用地上的PM2.5浓度提高最多,从43.9μg/m³提高到67.4μg/m³,提高了23.53μg/m³;林地上的PM2.5浓度增加量最少,仅增加了15.79μg/m³.

而2000~2015年区域各土地利用类型面积变化较显著(图7).全区耕地所占面积比例最高(62.77%~61.02%),未利用地所占面积比例最低(0.61%~0.54%).15年间,仅有水体与建设用地2种土地利用类型面积比例增加,分别提高了1.96%和16.32%.耕地、林地、草地和未利用地面积均减少,其中未利用地面积减少的比例最多,降低了11.53%.从以上结果可以看出,建设用地上的PM2.5浓度较高,其面积增加将导致PM2.5浓度的增加.耕地、林地和草地的面积减少,PM2.5浓度增加,说明植被对PM2.5浓度有一定的削减作用.这与许多学者的研究结果是相似的[32-35],也证明了土地利用对PM2.5浓度的影响.

图6 不同土地利用类型上PM2.5浓度

4.1.2 风速与PM2.5浓度的关系 大气中的颗粒物浓度主要受到污染源以及大气对颗粒物的扩散作用的影响,而污染源在一定的地理环境和时间上相对稳定,但大气对于颗粒物的扩散和稀释能力则会有变化[36].气象因子通过影响大气污染物的扩散、稀释、积聚和滞留过程来影响其污染程度[37],并且不同时段的影响存在显著差异[38],连续静稳的天气情况可能导致强污染的发生和持续[39].影响大气污染的气象因子主要有风速、风向、气温和空气湿度等,本文重点讨论风速和风向对PM2.5浓度的影响.

图7 2000~2015年区域各土地利用类型变化

a. 年均风速b. 风向玫瑰图

a. wind speed b. wind rose map

基于区域内气象站年均风速数据,发现2000~ 2013年区域年均风速呈下降趋势(2=0.73,<0.01) (图8a).风速较大的条件下,有利于PM2.5的扩散,从而降低PM2.5浓度.研究期间,区域年均风速从2000年的2.50m/s降低到2015年的2.24m/s,年均降低0.02m/s.风速降低不利于PM2.5扩散,可能是PM2.5浓度增加的原因之一.

我们进一步选择了研究期间PM2.5浓度显著增加区域内的3个典型城市,即唐山、邢台和济南,统计其2000~2013年每日的风向,结果如图8b所示.唐山的主要风向为西和西北西,多发生在冬季,春季盛行风向为东南东和东南南;邢台在冬季的盛行风向为东北北,春季的盛行风向为南和西南南;济南的主要风向为东,多出现在冬季,而春季盛行风向为南.区域北部和西部山脉环绕,东部和南部地势平坦,形成半封闭的地形,污染物容易积累,加重大气污染程度.雾霾天气主要发生在冬春两季,区域冬季近地面高度以上以西北气流为主,输送气流主要来自西北内陆地区,形成由西北向东南的大气输送通道[40],大气污染物可能由区域西北部向东南部转移.严格控制京津冀及周边地区的污染排放,能有效降低北京地区的大气污染.所以,为了更有效地治理京津冀地区的大气污染问题,应全面考虑“2+26”城市的整体情况,统筹规划,共同治理.

4.2 工业总产值与PM2.5浓度的相关性

大气污染与经济发展有着密不可分的关系[41].何枫等[42]对中国30个省市的研究表明,大气污染与经济发展呈N型曲线关系,且由于区域发展的不平衡,东部、中部和西部大气污染与经济发展的关系曲线和拐点不同.经济发展的各因素中,工业产业是对大气污染贡献较大的[43],因此我们分析了全区各城市工业总产值与PM2.5浓度的相关性(图9).北京、天津、唐山、邢台、邯郸、济南、淄博、济宁8个城市的工业总产值与PM2.5浓度呈显著正相关.济南市的相关系数最高,达0.69(<0.01),天津市最低为0.52(<0.05).工业总产值与PM2.5浓度显著相关的城市,其年均PM2.5增量也较高.城市的工业化促进了经济增长,却也因为经济发展过程中不合理的资源利用和排放方式,加剧了大气污染.

图9 “2+26”城市工业总产值与PM2.5浓度的相关性

4.3 PM2.5污染的损失与风险

大气污染可能造成一定程度的经济损失.一方面,大气污染会严重影响人们的健康,增加额外健康支出,甚至在一些欠发达的地区,PM2.5污染控制的投资可能高于GDP的增长[44];另一方面,大气污染会导致过早死亡和劳动时间减少,进而对经济产生负面影响[45-46].Matus等[47]的研究表明,中国因为空气污染造成的经济损失在1995年、2000年和2005年分别达GDP的8.7%、6.9%和5.9%.大气污染不仅对健康有不利影响,而且带来巨大的经济损失[48].控制PM2.5污染,可在一定程度上带来健康改善和经济效益[49].

图10 2000~2015年PM2.5污染暴露人口空间分布

PM2.5在大气边界层内,与人类活动关系密切,严重影响人体健康[50-52].世界卫生组织(WHO)于2005年提出了PM2.5的指导限值,如果长期暴露在年均浓度35μg/m³的环境下,死亡风险比最低水平10μg/m³高出15%[53].本文分析了2000~2015年研究区内暴露在年均PM2.5浓度高于35μg/m³的区域的人口变化情况,以此评估区域人口暴露风险.2000~2015年区域PM2.5污染人口暴露水平增加(图10).2000年暴露于PM2.5污染影响的城市有19个,人口为11096万人,占全区人口的67.40%.2005年,仅有山西省的太原、阳泉和长治未受到PM2.5污染,北京和保定受PM2.5污染影响的人口最多,暴露于PM2.5污染的人口为16126万人,高达全区总人口的95.15%.2010年,山西省的太原、长治、阳泉和晋城4个城市未暴露于PM2.5污染,受PM2.5污染影响的人口总数增加到16356万人,主要集中在北京、天津和保定,但占全区的比例略有降低,达93.82%.2015年,暴露于PM2.5污染的人口进一步增多,达16569万人,占全区的93.79%.人口暴露风险较高的北京、天津、保定等城市,其PM2.5年均浓度也较高,大量的人口暴露于高浓度的PM2.5污染威胁之下.而这些城市人口污染暴露风险的增加,是由污染范围扩大和城市化引发的人口迁移导致的[54].城市人口增多,一方面增加了PM2.5污染的暴露风险,另一方面还可能提高PM2.5浓度[55-56],扩大污染.

4.4 局限性与展望

本研究基于PM2.5卫星产品分析了PM2.5浓度时空格局.自2013年,中国环境监测总站在全国空气质量实时发布平台公布了全国2100余个空气质量监测站点的空气质量数据,包括AQI、PM2.5、PM10、SO2、NO2、O3和CO.中国空气质量在线分析平台根据监测总站公布的各站点每小时PM2.5浓度数据求平均,得到每月各城市PM2.5平均浓度,为我们认识PM2.5格局提供了更为准确的资料.然而,该数据在长时间变化趋势的监测上较卫星产品仍有不足.为了验证本文PM2.5卫星产品数据的准确性,我们将2015年28个城市PM2.5平均浓度卫星产品与对应的地面监测数据做相关性分析,结果显示两者显著相关(=0.55,<0.01).可见,本研究基于PM2.5平均浓度卫星产品的区域大气污染总体格局与过程的分析是可靠和有效的.

大气污染是土地利用、气象和经济发展等多方面因素综合作用的结果,密切关注京津冀大气污染发展变化,进一步探求不同因素对大气污染的贡献,将是未来研究的一个重点.

5 结论

5.1 2000~2015年京津冀大气污染传输通道区PM2.5年均浓度的变化强度具有空间异质性,整体呈现出太行山脉区域低,太行山脉以东较高的格局,城镇地区明显高于周边地区.2000~2015年区域PM2.5年均浓度变化总体呈增加趋势,主要表现在2000~ 2007年,之后呈稳定状态.

5.2 区域PM2.5污染重心位于衡水、邢台和德州三市交界处.污染重心从德州市快速西移到邢台市,随后向东北移动,最后稳定在衡水市,表明2009年后,研究区北部,即北京、天津和河北省的大气污染较严重.

5.3 建设用地的增加和植被面积的减少,风速的降低,以及不利于PM2.5扩散的风向,都可能导致PM2.5浓度提高.北京、天津和唐山等8个城市的工业总产值与PM2.5浓度相关.PM2.5污染会造成一定程度的经济损失,区域人口污染暴露风险加剧.因此,需严格控制“2+26”城市的污染排放,统筹全区大气污染防治.

[1] Geng G, Zhang Q, Martin R V, et al. Estimating long-term PM2.5concentrations in China using satellite-based aerosol optical depth and a chemical transport model [J]. Remote Sensing of Environment, 2015,166:262-70.

[2] 陆大道.京津冀城市群功能定位及协同发展 [J]. 地理科学进展, 2015,34(3):265-70. Lu D D. Functional orientation and cooperative development of Beijing-Tianjin-Hebei urban agglomeration [J]. Progress in Geography, 2015,34(3):265-70.

[3] Hsu C Y, Chiang H C, Chen M J, et al. Ambient PM2.5in the residential area near industrial complexes: Spatiotemporal variation,source apportionment,and health impact [J]. Science of the Total Environment, 2017,590-591:204-214.

[4] Li Z Q, Gu X, Wang L,et al. Aerosol physical and chemical properties retrieved from ground-based remote sensing measurements during heavy haze days in Beijing winter [J]. Atmospheric Chemistry and Physics, 2013,13(20):10171-10183.

[5] Zhai S, An X, Zhao T, et al. Detecting critical PM2.5emission sources and their contributions to a heavy haze episode in Beijing,China by using an adjoint model [J]. Atmospheric Chemistry and Physics, 2016: 1-20.

[6] Li P, Yan R, Yu S, et al. Reinstate regional transport of PM2.5as a major cause of severe haze in Beijing [J]. Proceedings of the National Academy of Sciences of the United States of America, 2015,112(21): 2739-2740.

[7] 蒋永成,赵天良,王 宏,等.福州市PM2.5污染过程中大气边界层和区域传输研究 [J]. 中国环境科学, 2015,35(2):347-355. Jiang Yong-cheng, Zhao Tian-liang, Wang Hong, et al. Study on atmospheric boundary layer and regional transport of PM2.5pollution process in Fuzhou [J]. China Environmental Science, 2015,35(2): 347-355.

[8] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究 [J]. 中国环境科学, 2014,34(6):1361-1368. Xue wen-bo, Fu Fei, Wang Jin-nan, et al. Numerical simulation of transreglonal transmission characteristics of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[9] 王金南,宁 淼,孙亚梅.区域大气污染联防联控的理论与方法分析 [J]. 环境与可持续发展, 2012,37(5):5-10. Wang Jin-nan, Ning miao, Sun Ya-mei.Analysis of the theory and method of joint prevention and control of regional air pollution [J]. Environment and Sustainable Development, 2012,37(5):5-10.

[10] Guo J P, Zhang X Y, Wu Y R, et al. Spatio-temporal variation trends of satellite-based aerosol optical depth in China during 1980~2008 [J]. Atmospheric Environment, 2011,45(37):6802-6811.

[11] 吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012, 32(2):257-269. Wu Dui. A summary of studies on China's ember weather in recent ten years [J]. Acta Scientiae Circumstantiae, 2012,32(2):257-269.

[12] Chu H J, Huang B, Lin C Y. Modeling the spatio-temporal heterogeneity in the PM10-PM2.5relationship [J]. Atmospheric Environment, 2015,102(2):176-182.

[13] 李名升,任晓霞,于 洋,等.中国大陆城市PM2.5污染时空分布规律 [J]. 中国环境科学, 2016,36(3):641-650. Li Ming-sheng, Ren Xiao-xia, Yu Yang,et al. Temporal and spatial distribution of PM2.5pollution in Chinese cities [J]. Chian Environmental Science, 2016,36(3):641-650.

[14] 李珊珊,程念亮,徐 峻,等.2014年京津冀地区PM2.5浓度时空分布及来源模拟 [J]. 中国环境科学, 2015,35(10):2908-2916. Li Shan-shan, Cheng Nian-liang, Xu Jun, et al. Temporal and spatial distribution and source simulation of PM2.5concentration in Beijing- Tianjin-Hebei region in 2014 [J]. Chian Environmental Science, 2015, 35(10):2908-2916.

[15] Yan D, Lei Y, Shi Y, et al. Evolution of the spatiotemporal pattern of PM2.5concentrations in China-A case study from the Beijing-Tianjin- Hebei region [J]. Atmospheric Environment, 2018,183:225-233.

[16] Wu J, Yao F, Li W, et al. VIIRS-based remote sensing estimation of ground-level PM2.5concentrations in Beijing–Tianjin–Hebei: A spatiotemporal statistical model [J]. Remote Sensing of Environment, 2016,184:316-328.

[17] 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 and Technology, 2016,50(7):3762-3787.

[18] He C, Gao B, Huang Q, et al. Environmental degradation in the urban areas of China: Evidence from multi-source remote sensing data [J]. Remote Sensing of Environment, 2017,193:65-75.

[19] Shi Y, Matsunaga T, Yamaguchi Y, et al. Long-term trends and spatial patterns of satellite-retrieved PM2.5concentrations in South and Southeast Asia from 1999 to 2014 [J]. Science of The Total Environment, 2018,615:177-186.

[20] Xie R, Sabel C E, Lu X, et al. Long-term trend and spatial pattern of PM2.5induced premature mortality in China [J]. Environment International, 2016,97:180-186.

[21] 国家统计局城市社会经济调查司. 中国城市年鉴 [M]. 中国统计出版社, 2016. State Environmental Protection Administration. China city yearbook [M]. China Statistics Press, 2016.

[22] 徐建华.现代地理学中的数学方法(第二版) [M]. 北京:高等教育出版社, 2002. Xu Jianhua. Mathematical methods in modern geography [M]. 2nd. Higher Education Press, 2002.

[23] 张元栋,尚晓鹏,杜芬玲,等.宁夏植被动态变化及其对降水的响应 [J]. 西安科技大学学报, 2017,37(01):84-89. Zhang Yuandong, Shang Xiaopeng, Du Fenling, et al. Dynamic change of vegetation and its response to precipitation in Ningxia [J]. Journal of Xi'an University of Science and Technology, 2017,37(01):84-89.

[24] 李 宁,郭 健,王 倩,等.趋势分析法评价苯系物标准气体的时间稳定性 [J]. 中国环境监测, 2012,28(5):130-133. Li Ning, Guo Jian, Wang Qian, et al. Time analysis method for evaluating the time stability of benzene standard gas [J]. China Environmental Monitoring, 2012, 28(5):130-133.

[25] 国家环保总局. GB3095-2012环境空气质量标准 [S]. 国家环保总局, 2012. Ministry of Environmental Protection. Ambient air quality standard (GB3095-2012) [S]. Ministry of Environmental Protection, 2012.

[26] 周 亮,周成虎,杨 帆,等.2000~2011年中国PM2.5时空演化特征及驱动因素解析 [J]. 地理学报, 2017,72(11):2079-2092. Zhou Liang, Zhou Chenghu, Yang Fan, et al. Analysis of Temporal and Spatial Evolution Characteristics and Driving Factors of PM2.5in China from 2000 to 2011 [J]. Acta Geographica Sinica, 2017,72(11):2079- 2092.

[27] Chen L, Peng S, Liu J, et al.Dry deposition velocity of total suspended particles and meteorological influence in four locations in Guangzhou,China [J]. Journal of Environmental Sciences, 2012,24(4):632-639.

[28] Nowak D J, Hirabayashi S, Bodine A, et al. Modeled PM2.5removal by trees in ten U.S. cities and associated health effects [J]. Environmental Pollution, 2013,178(1):395-402.

[29] Xu W, Wu Q, Liu X, et al.Characteristics of ammonia, acid gases,and PM2.5for three typical land-use types in the North China Plain [J]. Environmental Science and Pollution Research, 2016,23(2):1158- 1172.

[30] Yang H, Chen W, Liang Z. Impact of Land Use on PM2.5Pollution in a Representative City of Middle China [J]. International Journal of Environmental Research and Public Health, 2017,14(5):462-476.

[31] 阳海鸥,陈文波,梁照凤.LUR模型模拟的南昌市PM2.5浓度与土地利用类型的关系 [J]. 农业工程学报,2017,33(6):232-239. Yang Haiou, Chen Wenbo, Liang Zhaofeng. Relationship between PM2.5concentration and land use type simulated by LUR model in Nanchang [J]. Transactions of the Chinese Society of Agricultural Engineering, 2017,33(6):232-239.

[32] Ding A J, Fu C B, Yang X Q, et al. Ozone and fine particle in the western Yangtze River Delta: an overview of 1yr data at the SORPES station [J]. Atmospheric Chemistry and Physics, 2013,13(11):5813- 5830.

[33] 李玉玲,刘红玉,娄彩荣,等.江苏省PM2.5时空变化及土地利用影响研究 [J]. 环境科学与技术, 2016,39(8):10-15. Li Yuling, Liu Hongyu, Lou Cairong, et al. Study on temporal and spatial changes of PM2.5and land use impact in Jiangsu province [J]. Environmental Science & Technology, 2016,39(8):10-15.

[34] 唐昀凯,刘胜华.城市土地利用类型与PM2.5浓度相关性研究——以武汉市为例 [J]. 长江流域资源与环境, 2015,24(9):1458-1463. Tang Yunkai, Liu Shenghua. Study on the correlation between urban land use type and PM2.5concentration——taking Wuhan as an example [J]. Resources and Environment in The Yangtze Basin, 2015, 24(9):1458-1463.

[35] 谢舞丹,吴健生.土地利用与景观格局对PM2.5浓度的影响——以深圳市为例 [J]. 北京大学学报(自然科学版), 2017,53(1):160-170. Xie Wudan, Wu Jiansheng. The impact of land use and landscape pattern on PM2.5concentration: A case study of Shenzhen [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017,53(1):160-170.

[36] 张 南,熊黑钢,葛秀秀,等.北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应 [J]. 环境科学, 2016,37(7):2419-2427. Zhang Nan, Xiong Heigang, Ge Xiuxiu, et al. Response of PM2.5variation characteristics of human snorkeling height to meteorological factors in winter smog days in Beijing [J]. Environmental Science, 2016,37(7):2419-2427.

[37] 曾 静,王美娥,张红星.北京市夏秋季大气PM2.5浓度与气象要素的相关性 [J]. 应用生态学报, 2014,25(9):2695-2699. Zeng Jing, Wang Meie, Zhang Hongxing. Correlation between atmospheric PM2.5concentration and meteorological elements in summer and autumn in Beijing [J]. Chinese Journal of Applied Ecology, 2014,25(9):2695-2699.

[38] 张存厚,李福胜,朝鲁门,等.呼和浩特市空气质量状况及与气象因子的相关性分析 [J]. 干旱区资源与环境, 2018,32(2):87-93. Zhang Cunhou, Li Fusheng, Chao Lumen, et al.Analysis of air quality status and correlation with meteorological factors in Hohhot [J]. Journal of Arid Land Resources and Environment, 2018,32(2):87-93.

[39] 杨 欣,陈义珍,刘厚凤,等.北京2013年1月连续强霾过程的污染特征及成因分析 [J]. 中国环境科学, 2014,34(2):282-288. Yang Xin, Chen Yizhen, Liu Houfeng, et al.Pollution characteristics and causes of continuous intensive process in Beijing in January 2013 [J]. China Environmental Science, 2014,34(2):282-288.

[40] 杨庆周.京津渤地区大气污染物区域输送研究 [D]. 济南:山东师范大学, 2009. Yang Qinzhou.Study on regional transportation of air pollutants in Beijing-Tianjin-Hebei Region [D]. Jinan: Shandong Normal University, 2009.

[41] Fodha M, Zaghdoud O.Economic growth and pollutant emissions in Tunisia: An empirical analysis of the environmental Kuznets curve [J]. Energy Policy, 2010,38(2):1150-1156.

[42] 何 枫,马栋栋,祝丽云.中国雾霾污染的环境库兹涅茨曲线研究——基于2001-2012年中国30个省市面板数据的分析 [J]. 软科学, 2016,30(4):37-40. He Feng, Ma Dongdong, Zhu Liyun. Study on the Environmental Kuznets Curve of China's haze pollution——Based on the analysis of panel data of 30 provinces and cities in China from 2001to 2012 [J]. Soft Science, 2016,30(4):37-40.

[43] 孙建如,钟 韵.我国大城市PM2.5影响因素的经济分析——基于市级面板数据的实证研究 [J]. 生态经济(中文版), 2015,31(3):62-65. Sun Jianru, Zhong yun. Economic Analysis of Factors Affecting PM2.5in Big Cities of China——An Empirical Study Based on Municipal Panel Data [J]. Ecological Economy (Chinese Version), 2015,31(3): 62-65.

[44] Xie Y, Dai H, Dong H, et al. Economic impacts from PM2.5pollution- related health effects in China: A provincial-level analysis [J]. Environmental Science and Technology, 2016,115(9):220-229.

[45] 曹彩虹,韩立岩.雾霾带来的社会健康成本估算 [J]. 统计研究, 2015, 32(7):19-23. Cao Caihong, Han Liyan. Estimation of social health costs from smog [J]. Statistical Research, 2015,32(7):19-23.

[46] 谢 杨,戴瀚程,花岡達也,等.PM2.5污染对京津冀地区人群健康影响和经济影响 [J]. 中国人口·资源与环境, 2016,26(11):19-27. Xie Yang, Dai Hancheng, Hanaoka Tatsuya, et al. Health and economic impacts of PM2.5pollution on population in Beijing- Tianjin-Hebei region [J]. China Population Resources and Environment, 2016,26(11):19-27.

[47] Matus K, Nam K M, Selin N E,et al. Health damages from air pollution in China [J]. Global Environmental Change, 2012,22(1): 55-66.

[48] Wang G, Gu S J, Chen J, et al.Assessment of health and economic effects by PMpollution in Beijing: a combined exposure–response and computable general equilibrium analysis [J]. Environmental Technology, 2016,37(24):1-8.

[49] 黄德生,张世秋.京津冀地区控制PM2.5污染的健康效益评估 [J]. 中国环境科学, 2013,33(1):166-1674. Huang Desheng, Zhang Shiqiu. Health benefit assessment of PM2.5pollution control in Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2013,33(1):166-1674.

[50] Atkinson R W, Kang S, Anderson H R, et al.Epidemiological time series studies of PM2.5and daily mortality and hospital admissions: a systematic review and meta-analysis [J]. Journal of Exposure Science and Environmental Epidemiology, 2015,25(2):208-214.

[51] Brauer M, Freedman G, Frostad J, et al. Ambient Air Pollution Exposure Estimation for the Global Burden of Disease 2013 [J]. Environmental Science and Technology, 2015,50(1):79-88.

[52] Liang Y, Fang L, Pan H, et al.PM2.5in Beijing - temporal pattern and its association with influenza [J]. Environmental Health A Global Access Science Source, 2014,13(1):102-110.

[53] WHO. Air quality guidelines: global update 2005 [J]. Bonn: WHO Reginal Office for Europe, 2005:9-13.

[54] 别 同,韩立建,田淑芳,等.人口城市化对空气污染人群暴露贡献的定量方法研究 [J]. 生态学报, 2018,38(13):1-13. Bie Tong, Han Lijian, Tian Shufang, et al. Quantitative methodology of population urbanization's contribution to air polluted population exposure [J]. Acta Ecologica Sinica, 2018,38(13):1-13.

[55] Han L, Zhou W, Li W, et al. Impact of urbanization level on urban air quality: a case of fine particles (PM2.5) in Chinese cities [J]. Environmental Pollution, 2014,194(1):163-170.

[56] 张淑平,韩立建,周伟奇,等.城市规模对大气污染物NO2和PM2.5浓度的影响 [J]. 生态学报, 2016,36(16):5049-5057. Zhang Shuping, Han Lijian, Zhou Weiqi, et al. Influence of city scale on the concentration of atmospheric pollutants NO2and PM2.5[J]. Acta Ecologica Sinica, 2016,36(16):5049-5057.

Spatiotemporal patterns of air pollution in air pollution transmission channel of Beijing-Tianjin-Hebei from 2000 to 2015.

PENG Le1,2, ZHAO Yuan-yuan1,2*, ZHAO Ji-lin1,2, GAO Guang-lei1,2, DING Guo-dong1,2

(1.Key Laboratory of soil and water conservation State Forestry Administration, College of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China；2.Yanchi Ecology Research Station of the Mu Us Desert, Yanchi, Ningxia 751500, China)., 2019,39(2)：449~458

It is of great significance for preventing and controlling regional air pollution to understand spatiotemporal patterns of air pollution in air pollution transmission channel (also known as “2+26” cities) of the Beijing-Tianjin-Hebei area. Spatial pattern and temporal variation of air pollution in “2+26” cities was revealed with the satellite-derived PM2.5concentration data from 2000 to 2015 and the linear trend analysis and the barycenter analysis. The main findings are as follows: PM2.5concentration was lower in the west and higher in the east with the Taihang Mountain as the demarcation. And that in the center of the city was higher than that in surrounding regions. The concentration of PM2.5generally showed an increasing trend from 2000 to 2015, especially during 2000~2007. The area with significant increasing trend during 2000~2007 accounted for 88.48% of the total area. The gravity center of PM2.5pollution was located at the junction of Hengshui, Xingtai and Dezhou, which indicated that the pollution in the north of the study area was more serious. This study could provide reference and support for policy formulation and implementation of air pollution control measures in Beijing-Tianjin-Hebei regions.

air pollution transmission channel of Beijing-Tianjin-Hebei；“2+26” cities；PM2.5；spatiotemporal pattern

X513

A

1000-6923(2019)02-0449-10

彭 玏(1995-),女,江西吉安人,北京林业大学硕士研究生,主要从事荒漠化防治相关研究.发表论文1篇.

2018-06-25

国家重点研发计划项目(2016YFC0500802);大气重污染成因与治理攻关项目(DQGG020804);国家自然科学基金资助项目(41401095)

* 责任作者,讲师,yuanyuan0402@126.com