长江中游PM2.5时空演化及与能源消费总量关系研究*

2019-12-02田秋莉杨玉莲杨昆

云南师范大学学报（自然科学版） 2019年6期

田秋莉，杨玉莲，3，杨昆，3

(1.西部资源环境地理信息技术教育部工程研究中心，云南昆明 650500；2.云南师范大学旅游与地理科学学院，云南昆明 650500； 3.云南师范大学信息学院，云南昆明 650500)

1 引言

城市化和经济快速发展带来了一系列环境问题，尤其是PM2.5(大气中空气动力学当量直径≤2.5 μg/m3的颗粒物)，已经成为影响生态、环境以及人类活动[1-2]的重要污染物之一.研究表明长期暴露在高浓度PM2.5环境下，会增加患癌的风险[3-4]，缩短人的寿命.因此，减少PM2.5污染刻不容缓.

长江中游综合经济区是中国八大经济区之一，包括湖北省、湖南省、江西省和安徽省四个省份，人口众多且经济发达，是研究的热点区域.近年来，很多学者进行了PM2.5与能源消费之间的研究，例如马忠玉等人[5]利用地理加权回归模型(GWR)考察了能源消费等对PM2.5年均浓度影响的区域空间差异；徐艺武[6]研究了京津冀地区PM2.5浓度与能源消费结构的相关关系；赵吉林等人[7]通过1998-2015年省级面板数据分析了全国与区域层面雾霾污染和能源消费等之间的关系；Jing C[8]采用平衡面板数据和计量经济学方法，研究了全球PM2.5浓度与能源消耗和能源强度等因素之间的关系.

研究分析了长江中游综合经济区1998-2016年年均PM2.5污染时空演化特征，探究了该区域年均PM2.5浓度值与不同类型能源消费总量之间的灰色关联关系.

2 数据来源与方法

2.1 数据来源与处理

年均PM2.5浓度遥感影像数据：采用美国国家航空航天局(NASA)发布的1998-2016年全球表面年均PM2.5浓度数据作为基础数据(http://earthdata.nasa.gov)，该数据结合了来自中分辨率成像光谱仪(MODIS)、多角度成像光谱辐射计(MISR)和宽视场水色扫描仪(SeaWiFS)卫星仪器的气溶胶产品(AOD)，利用大气化学传输模型(GEOS-Chem)和GWR方法反演得到全球年均PM2.5浓度，可用于大规模健康和环境研究，数据分辨率为0.01°.研究验证表明[9]，反演得到的PM2.5卫星影像数据与实测PM2.5浓度值相关性较高(R2=0.817)，可应用于环境研究.不同类型能源消费总量数据：包括煤炭消费总量(X1)、焦炭消费总量(X2)、原油消费总量(X3)、汽油消费总量(X4)、煤油消费总量(X5)、柴油消费总量(X6)、燃料油消费总量(X7)和电力消费总量(X8)，数据来源于国家统计局国家数据(http://data.stats.gov.cn/).

2.2 研究方法

2.2.1 Sen+Mann-Kendall趋势分析

Sen趋势度估算[10]是Sen在1968年提出的非参数检验长时序趋势检测方法，但本身不能对序列数据趋势进行显著性判断，因此常与Mann-Kendall[11-12]趋势度检验结合来判断时序数据总体发展趋势.

(1)

xj和xi分别是j和i(j>i)的数据值，Median为取中值函数.斜率β表示年均PM2.5浓度的平均变化率及发展趋势. 当β>0时，PM2.5浓度变化呈上升趋势；β<0时呈下降趋势.

Mann-Kendall趋势检验统计量S如下：

(2)

(3)

(4)

(5)

显著性统计量S因n值的大小不同而不同，当n<10时，用S进行双边趋势检验；当n≥10时，使用检验统计量Z进行趋势检验.在给定显著性水平α下，当-Z1-α/2≤Z≤Z1-α/2时，趋势变化不显著；当Z>Z1-α/2或Z<-Z1-α/2时，趋势变化显著.研究时间序列长度为19，故采用检验统计量Z来进行趋势检验，当取显著水平α=0.05，Z1-α/2=Z0.975=1.96.即当β>0，Z>1.96或Z<-1.96时序列呈显著上升趋势，当β>0，-1.96≤Z≤1.96时序列呈上升趋势但不显著；同理当β<0，Z>1.96或Z<-1.96时序列呈显著下降趋势，当β<0，-1.96≤Z≤1.962时序列呈不显著下降趋势.

2.2.2 灰色关联分析

灰色关联分析是应用比较广泛的多因素统计分析方法，由邓聚龙首创[13-14].灰色关联分析是对动态过程发展态势的量化分析.研究将长江中游综合经济区年均PM2.5浓度值记为X0，不同类型能源消费总量数据记为X1～X8.灰色关联分析的表达式如下：

(6)

(7)

式中，k=1,2,…,m，i=0,1,2,…,n(m=19,i=8)，ρ为分辨系数，在(0,1)内取值，ρ越小，关联系数间差异越大，也即区分能力越强，显著性越高，通常取ρ=0.5[15].

3 结果

3.1 年均PM2.5浓度时空变化

图1显示1998-2016年长江中游综合经济区年均PM2.5浓度值最高出现在2007年，为45.71 μg/m3(是环境空气质量标准规定的年均一级浓度限值(15 μg/m3)的3倍，是环境空气质量标准规定的年均二级浓度限值(35 μg/m3)的1.3倍).安徽省在长江中游综合经济区中年均PM2.5浓度值最高，江西省年均PM2.5浓度值最低.安徽省年均PM2.5浓度值最高出现在2007年，为56.66 μg/m3，是当年长江中游综合经济区年均PM2.5浓度值的1.3倍.江西省年均PM2.5浓度值最高也出现在2007年，为39.07 μg/m3，低于当年长江中游综合经济区年均PM2.5浓度值.长江中游综合经济区各个省份年均PM2.5浓度值最高均出现在2007年，同年我国也发布了关于节能减排和遏制高能耗行业等一系列通知.

图1 1998-2016年长江中游综合经济区年均PM2.5浓度值变化

Fig.1Annual average PM2.5concentration change in the comprehensive economic zone of the middle reaches of the Yangtze River in 1998-2016

图2显示了长江中游综合经济区1998年、2001年、2004年、2007年、2010年、2013年、2016年以及研究时段19年年均值PM2.5浓度空间分布.长江中游综合经济区年均PM2.5浓度高污染区域主要分布在安徽省和湖北省.2007年污染最严重，2007年后污染情况有所改善，但仍高于国家规定的年均二级浓度限值.年均PM2.5浓度区划面积占比变化显示，年均PM2.5浓度值小于15 μg/m3的区域面积最大值出现在2000年，面积占比为14.87%；年均PM2.5浓度值在25-35 μg/m3的区域面积最大值出现在1998年，面积占比为48.71%；年均PM2.5浓度值在35-50 μg/m3的区域面积最大值出现在2006年，面积占比为49.60%；年均PM2.5浓度值在50-70 μg/m3的区域面积最大值出现在2007年，面积占比为33.70%；年均PM2.5浓度值大于70 μg/m3的区域面积最大值出现在2007年，面积占比为2.48%.

图2 长江中游综合经济区年均PM2.5浓度时空分布

Fig.2Spatial-temporal distribution of annual average PM2.5concentration in the comprehensive economic zone of the middle reaches of the Yangtze River

图3 1998-2016年长江中游综合经济区年均PM2.5浓度各区划面积占比

Fig.3The average annual PM2.5concentration area ratio of the middle reaches of the Yangtze River Comprehensive Economic Zone from 1998 to 2016

3.2 年均PM2.5浓度变化趋势分析

Sen趋势度分析(图4(a))和Mann-Kendall趋势度检验(图4(b))结果显示，β<0为研究时段内年均PM2.5浓度变化呈下降趋势，β>0为研究时段内年均PM2.5浓度变化呈上升趋势.长江中游综合经济区年均PM2.5变化呈下降趋势的区域面积占总面积的0.35%，呈上升趋势的区域面积占总面积的99.65%.Mann-Kendall检验年均PM2.5浓度变化趋势显著性情况，变化显著的区域面积占总面积的40.23%，变化不显著的区域面积占总面积的59.77%.综合Sen+Mann-Kendall法趋势(图4(c))分析得出，研究时段内长江中游综合经济区年均PM2.5浓度变化呈不显著上升趋势，区域面积占比为40.16%，主要分布在安徽省和湖北省；其次是呈显著上升趋势，区域面积占比为0.08%，零星分布在安徽省、湖北省和江西省的接壤处；不存在年均PM2.5浓度呈显著下降趋势的情况；59.77%区域没有通过Sen+Mann-Kendall趋势分析检验，表明这些区域在研究时段内年均PM2.5浓度没有明显变化.

表1 Sen+Mann-Kendall法趋势分析结果

图4 Sen+Mann-Kendall法趋势分析结果

3.3 不同类型能源消费总量变化

长江中游综合经济区不同类型能源消费总量变化如图5所示，可以看出长江中游综合经济区能源消费主要以煤炭为主，近乎指数增长的煤炭消费情况短时间内不会改变.同时较明显的是电力消费总量呈逐年增加的态势.

图5 1998-2016年长江中游综合经济区不同类型能源消费总量变化

Fig.5Changes in the total energy consumption of different types in the comprehensive economic zone of the middle reaches of the Yangtze River from 1998 to 2016

3.4 灰色关联分析

关联度值在0-1之间，值越接近1，表明分析的二者之间发展趋势越接近.长江中游综合经济区年均PM2.5浓度值与不同类型能源消费总量关联度值均在0.5以上，说明与PM2.5的发展趋势具有较高的一致性.湖北省与PM2.5浓度值关联度最大的是焦炭消费总量，长江中游综合经济区、安徽省、湖南省和江西省与PM2.5浓度值关联度最大的都是原油消费总量，揭示了焦炭和原油消费总量与PM2.5浓度之间发展趋势相近.故在治理长江中游综合经济区PM2.5污染过程中，应着力控制炭类及油类产品的使用，加大清洁能源使用力度.