中美城市群颗粒物岛现象与健康暴露风险对比

彭自强，曹诗颂，杜明义

北京建筑大学 测绘与城市空间信息学院，北京 102616

0 引 言

PM2.5指空气动力学直径小于或等于2.5 μm的空气颗粒，也被称为肺颗粒。PM2.5作为一项常见的、典型的空气污染，对人类的生活有着较大的影响。世界卫生组织（WHO）指出，在发达国家和发展中国家中都有PM2.5空气中微粒存在并影响公共卫生的证据[1]。许多研究表明PM2.5污染对公众健康有着较大的影响，应当受到更多重视[2-3]。

PM2.5浓度在不同地区之间存在着一定的差异，特别是在城市与郊区之间。由于人类活动与区域气候的多样性，不同城市及其周边地区中PM2.5浓度的空间分布具有一定的异质性。同时，人类活动对环境具有多方面的影响。一方面，人类活动产生的大量污染物会加剧生态环境破坏，导致PM2.5浓度升高[4]、植被破坏[5]、城市热岛效应[6]、空气污染[7]、全球气候变化[8]等环境问题，PM2.5污染可能会与城市化指标呈现显著正相关[9]。另一方面，人类对环境的保护或可以控制甚至降低PM2.5浓度[10]。

在研究全球的PM2.5污染现象方面，遥感具有一定的优势。主要表现在：相比于地面数据采集，遥感数据便于快速地提供大面积范围的气溶胶浓度[11]；更有利于解决不同国家和地区采用不同空气质量评价标准导致的问题，进而分析不同国家之间的PM2.5浓度时空特征。

颗粒物岛（UPI）现象指城区PM2.5浓度由高到低向周边地区递减的现象[12]。Huang等[12]的研究发现UPI现象在中国的城市中是普遍存在的，并对UPI现象进行了定性与定量研究。1998—2012年，发展中国家的PM2.5浓度迅速上升，而一些发达地区则有所下降[13]。PM2.5污染的暴露风险与时空分布方面，发达国家与发展中国家之间存在较为明显的差异[14]。聚集了大量人口的城市群在PM2.5污染的排放与治理中占据着较为重要的地位。城市群的空间结构可能对其生态环境产生积极或消极的影响，特别是当城市群的规模扩大时生态环境会受到更大的影响[15-16]。中美两国城市群中不同城市的发展水平和土地利用类型之间均存在差异，对环境的影响也有所不同[17]。因此，进一步对比中美两国的城市是否存在UPI现象有利于进一步理解这一现象的影响因素与特征。世界上最大的发展中国家中国和世界上最大的发达国家美国的城市发展水平是有差异的，PM2.5污染情况也存在差异，在这种情况下比较两国城市的UPI现象与接触PM2.5的风险，对于各国治理PM2.5污染，特别是城市的污染问题有着较大的意义。

基于上述分析，本文主要研究以下3个问题：中美两国是否存在UPI现象？若存在UPI现象，两国UPI现象的时空变化有何特征？中美两国城市受UPI现象和PM2.5暴露健康风险的影响。

1 研究区域与数据来源

1.1 研究区域

本文选择京津冀、珠三角、长三角3个城市群作为中国的研究区域。选择五大湖、圣圣、波士华3个城市群作为美国的研究区域。这6个城市群是中美两国较为典型的超大城市群。

京津冀、长三角、珠三角3个城市群是中国人口规模最大、产业群最集中的区域，在经济总量快速增长的同时污染问题日益严重，是中国极具代表性的大型城市群[18]。

五大湖城市群、圣圣城市群、波士华城市群在美国政治经济中占据重要地位，制造业产值与GPD总量在美国都占据相当大的比例[19]，在美国具有较大的代表性（图1）。

图1 中美两国研究区示意图Fig.1 Overview of the study area in China and the US

1.2 数据来源

本文研究主要用到以下3种数据（表1）：

表1 数据来源Tab.1 Data sources

1）PM2.5浓度数据使用达尔豪斯大学大气成分分析小组（http://fizz.phys.dal.ca/～atmos/martin/）发布的遥感数据。空间分辨率为1 km，时间跨度为1998-2015年，该数据主要用于各城市、各地区的PM2.5浓度计算。

2）全球土地利用数据使用欧洲航天局气候变化倡议（CCI，https://www.esa-landcover-cci.org/）发布的2000年到2015年的土地利用数据，利用该数据提取城市群各城市城区与郊区的空间范围。

3）人口数据使用国际地球科学信息网中心（http://sedac.ciesin.columbia.edu/data/set/gpw-v4-population-count/data-download）发布的2000、2005、2010、2015年人口数据对中美城市群人口进行暴露于PM2.5健康风险的分析。

2 研究方法

本文为了分析UPI现象，首先提取了各大城市群不同城市的空间范围；然后对每个城市的范围生成缓冲区，计算城区和郊区的PM2.5浓度差，分析UPI强度（UPII）和UPI覆盖区（UPIFP)；最后分析人群对于PM2.5浓度的暴露风险（图2）。

图2 计算并分析UPI现象的技术流程图Fig.2 Workflow for calculation and analysis of UPI phenomena

颗粒物岛现象会同时受城区PM2.5浓度与郊区PM2.5浓度影响，郊区PM2.5浓度的升高与城区PM2.5浓度的降低均会导致颗粒物岛现象的减弱，反之亦然。因此仅仅使用UPII与UPIFP两个指标会影响对UPI现象时间特征及其变化规律的分析判断。为了避免这一问题，本文使用线性斜率法计算PM2.5浓度的时间变化趋势，同时对研究区域内各城市的城区与郊区PM2.5暴露风险进行分析，以此判断UPI现象的时间特征和UPI现象对居民的影响。

根据WHO的空气质量指标，PM2.5年平均浓度10 μg/m³是较为安全的，但是这个标准对于多数发展中国家来说难以达到。所以，WHO将35 μg/m³的PM2.5浓度作为发展中国家第一阶段的目标浓度。为了对中美两国的暴露风险进行分析，本文参考WHO的空气质量指标[1]，对PM2.5数据进行了重分类，将PM2.5数据划分为4个级别，＜ 10 μg/m3、10 ～ 35 μg/m3、35 ～ 75 μg/m3、＞75 μg/m3。结合中美两国的人口栅格数据，分别对每个城市的UPI覆盖区内与UPI覆盖区外进行暴露风险分析。

2.1 提取城市范围和郊区范围

本文通过欧空局土地覆盖数据与区划数据结合来确定城市。之后参考了Huang等[12]所使用的方法，对每个城市从城市区域向外生成了8层缓冲区，缓冲区的距离为1 km。在每一个城市的缓冲区中，将距离市区最远的3个缓冲区PM2.5浓度的最小值视为PM2.5浓度的背景值。

2.2 PM2.5浓度差

为了量化UPI现象，以变量ΔCi来表示第i层缓冲区的PM2.5浓度与背景PM2.5的浓度之差，计算公式为[12]：

式中，Ci为第i层缓冲区的PM2.5浓度；Cb为PM2.5的背景浓度，即在理想状态下不受城市影响的郊区PM2.5浓度，在实际计算分析过程中将距离城市最远的3个缓冲区的PM2.5浓度记为Cb。

为了描述每个城市ΔCi的变化趋势，本文采用了以下模型[12]：

式中，i为缓冲区的层数；A为PM2.5最大浓度差；s为衰减率；Ca为指数趋势的渐近值。本文使用F检测（检验水平p=0.05）判断ΔCi的变化趋势是否符合公式（2）所显示的指数趋势，以此判断UPI现象是否存在。F检测，也被称为联合假设检验、方差比率检验、方差齐性检验，主要是通过比较样本的方差来检验样本的显著性和相关性。

2.3 UPI的指标

为了衡量UPI现象，本文使用UPI强度（UPII）和UPI覆盖区（UPIFP）两个指标来对UPI现象的明显与否进行比较[12]。UPII表示如下：

式中，C0为城区的PM2.5浓度；Cb为PM2.5的背景浓度。

UPIFP为城区之外受颗粒物岛现象影响的区域范围，本文选择PM2.5浓度比背景浓度大5%的区域为颗粒物岛区域，并选择颗粒物岛区域边界与城区边界之间的距离作为UPIFP指标。对于任何一个UPIFP＞0的城市而言，UPIFP越小表示城区的PM2.5污染向周边地区扩散程度越小，污染越集中于城区；UPIFP越大，则表示城区的PM2.5污染对周边的影响与扩散程度越高。

本文中，满足UPIFP＞0且F检验合格的城市为显著的UPI现象；UPIFP≤0且F检验合格的城市存在不显著的UPI现象；F检测不合格的城市为不存在UPI现象。

2.4 PM2.5随时间的浓度变化

为研究中美两国PM2.5浓度2000-2015年的变化趋势，采用线性斜率法进行分析研究[11]，公式如下：

式中，n为时间跨度；i为时间单位；PM2.5i为第i年的PM2.5浓度；slope为PM2.5浓度的变化趋势，slope＞0时，slope越大则表示增长趋势越明显，当slope＜0时，slope越小表示下降趋势越明显，当slope趋近于0时，表示趋势不明显，几乎没有变化。

根据slope值的大小，本文将PM2.5浓度的变化趋势划分为5类，快速增长slope值＞1、缓慢增长slope值为0.6～1、基本持平slope值为-0.6～0.6、缓慢下降slope值为-0.6～-1、快速下降slope值＜-1。

2.5 暴露风险

根据WHO的空气质量指标，PM2.5年平均浓度10 μg/m³是较为安全的，但是这一标准对于很多国家来说是较为严格的。同时，WHO将35 μg/m³的PM2.5浓度作为第一阶段的目标浓度。本文通过分析中美两国6个城市群的PM2.5数据与人口数据，对6个城市群居民暴露在不同水平的PM2.5污染下的情况进行分析。在分析6个城市群居民的暴露风险时，将PM2.5的浓度划分4个级别：＜10 μg/m³、10 ～35 μg/m³、35 ～ 75 μg/m³、＞ 75 μg/m³。

3 中美两国城市群对比分析

3.1 PM2.5浓度对比分析

图3为2015年中美6个城市群浓度频率直方图，两国在PM2.5污染方面存在着较为明显的差异，中国的3个城市群PM2.5污染要比美国的3个城市群严重。中国3个城市群的PM2.5浓度值相比美国城市群具有峰值低、分布广的特点，PM2.5浓度大多位于20～90 μg/m3。美国的3个城市群则呈现出相反的特征，峰值高，分布范围较窄，PM2.5浓度大多集中在1～15 μg/m3之间。

图3 2015年6个城市群PM2.5浓度频数直方图Fig.3 Frequency polygons of the PM2.5 concentrations for the six urban agglomerations in 2015

图4为2000-2015年6个城市群的PM2.5浓度变化趋势，美国大部分地区PM2.5浓度较为稳定，少数地区甚至出现PM2.5浓度缓慢下降的趋势。中国的3个城市群，特别是京津冀和珠三角城市群PM2.5浓度的增长速度较快，只有少数地区呈现较为明显的下降趋势。

图4 中国和美国2000-2015年城市群PM2.5浓度变化趋势Fig.4 The changes of PM2.5 concentrations in China and US agglomerations from 2000 to 2015

3.2 UPI现象的空间特征分析

表2为中美两国6个城市群中不同级别UPI所占比例。2000-2015年，中国的3个城市群中存在UPI现象的城市始终超过70%，其中具有显著UPI现象的城市始终占城市总数的50%以上，仅少数城市明显无UPI现象。

表2 中美两国不同级别UPI占比Tab.2 Different levels of UPI in China and the US

中国3个城市群中，京津冀城市群PM2.5污染浓度较高，UPI现象显著。京津冀城市群11座城市中，城郊PM2.5浓度差较大，普遍在5 μg/m³以上，具有污染严重、城乡差异大的特征。长三角城市群14个城市中有7个城市在较长时间内不存在UPI现象，不同城市的PM2.5浓度空间分布规律相对而言更复杂，说明城郊差异并不是影响PM2.5污染空间分布的唯一因素。珠三角城市群的9个作为研究对象的城市中，均存在UPI现象，但PM2.5浓度的城郊差异较小。

在3个美国的城市群中，研究区的12个城市均存在UPI现象。但与中国的城市群相比存在PM2.5浓度低，城郊差异较小，UPI现象更不明显的特征。3个美国的城市群中，圣圣城市群的UPI现象最明显，其中洛杉矶作为研究区域内UPII最大的城市，UPII最大为6.72 μg/m³，远低于京津冀城市群与长三角城市群中存在UPI现象的城市，仅高于珠三角城市群。

3.3 UPI现象时间分析

1）具有UPI现象的城市时间分析。从时间角度来看，UPI现象并不是一成不变的，且在不同城市群中可能存在着不同的变化趋势。图5、图6分别为中美两国UPII和UPIFP随时间的变化。

图5 2000-2015年中国3个城市群UPII和UPIFP变化趋势Fig.5 Changes of UPII and UPIFP in three urban agglomerations in China from 2000 to 2015

图6 2000-2015年间美国3个城市群UPII和UPIFP变化趋势Fig.6 Changes of UPII and UPIFP in three urban agglomerations in the US from 2000 to 2015

2000-2015年，京津冀城市群存在UPI现象的城市数量增加，UPII和UPIFP呈现出下降趋势，考虑京津冀地区PM2.5污染明显呈增长趋势，UPII与UPIFP的下降趋势表明京津冀城市群郊区的污染增长速度快于城区。长三角城市群UPI现象的时间变化较为复杂，UPII波动较大，UPIFP略有波动但变化不大，近半数的城市城郊差异对PM2.5污染的影响不大。珠三角城市群UPII基本不变，UPIFP先降低后升高，综合来看UPI现象变化不大，城郊之间的PM2.5浓度增长趋势相对一致。3个美国城市群的UPII均呈小幅度下降趋势，而UPIFP则基本保持不变，这一结果与图6显示的美国PM2.5浓度变化一致，美国PM2.5浓度的减轻导致了美国UPI现象的减弱与颗粒物岛范围的收缩。

2）无UPI现象的城市特征分析。无UPI现象的城市中，不同城市之间PM2.5污染的时间和空间分布特征差异较大，图7展示了3个不同的无UPI现象的城市与北京的对比。

图7 不同年度城市PM2.5浓度差随距市区距离的变化Fig.7 Variation of ΔC in different years with distance from urban area

北京的UPI现象在2000-2015年始终存在，且呈现出减小趋势，城区的PM2.5浓度差呈降低趋势，是较为典型的存在UPI现象的城市。天津在2000-2015年从无UPI现象变为有UPI现象，其中2000年城区PM2.5浓度明显小于周边地区，2005年开始，天津的UPI相比之前较为明显。无锡在2000-2015年城市PM2.5浓度始终低于周边地区，且城区的PM2.5浓度差的波动相对较大，与其他3种类型的城市呈现出不同的特征。嘉兴在2000-2011年始终存在UPI现象，2010年后城区的PM2.5浓度差快速降低，直到2015年出现城区PM2.5浓度与周边地区基本持平的现象。

无UPI现象的城市中，部分城市会出现空间分布呈盆地状，越远离城区PM2.5浓度越高的现象，PM2.5污染在空间分布上形成城区低郊区高的颗粒物盆地。2000-2002年，京津冀城市群的天津市城区PM2.5存在较为明显的颗粒物盆地现象。长三角城市群的无锡市在2000-2015年存在城区PM2.5浓度低于远郊区的现象。长三角城市群中无UPI现象的城市较为常见，上海、常州、无锡、苏州、泰州、扬州、镇江等城市均出现过城区PM2.5浓度呈盆地状分布，仅上海、无锡、扬州、镇江在较长时间内存在颗粒物盆地现象，其他城市则在较少时间内出现。这一现象反映出长三角城市群各城市PM2.5浓度在空间与时间上变化相对较大，与前文的结论一致。

3.4 暴露风险

如图8所示，从2000-2015年，3个中国城市群的PM2.5污染加剧较为明显，当地居民暴露在高浓度的PM2.5污染下的风险逐渐增高。2000年，京津冀城市群中有78.22%的居民暴露在高于35 μg/m³的PM2.5污染中，其中有2.99%的居民暴露在75 μg/m³的PM2.5环境下。同年，珠三角城市群所有居民都暴露在浓度为10～35 μg/m³的PM2.5污染中。2015年，京津冀城市群中有94.46%的居民暴露在高于35 μg/m³的PM2.5污染中，其中有68.34%的居民暴露在75 μg/m³的PM2.5环境下。同年，珠三角城市群有66.82%的居民暴露在浓度为35～75 μg/m³的PM2.5污染中。长三角城市群的暴露风险数值相对稳定，没有明显增加也没有明显降低，2000年有95.64%的居民暴露在35～75 μg/m3的PM2.5污染中，2015年这一数据变为93.61%，整体上基本不变。

图8 2000-2015年城市群暴露于不同浓度PM2.5的人口比例Fig.8 Proportion of population exposed to different PM2.5 concentrations in urban agglomerations from 2000 to 2015

与中国不同，2000-2015年美国的PM2.5污染状况有所改善，美国3个城市群中居民暴露在高浓度PM2.5下的风险有所降低。从2000-2015年，美国五大湖城市群、波士华城市群与圣圣城市群的PM2.5浓度均小于35 μg/m³。2000年，波士华城市群、五大湖城市群与圣圣城市群中暴露在10～35 μg/m³的PM2.5污染中的人口比例分别为87.26%、99.89%、90.98%。2015年，波士华城市群、五大湖城市群、圣圣城市群中，暴露在10～35 μg/m³的PM2.5污染中的人口比例分别为57.08%、89.15%、84.74%。

相比郊区居民，颗粒物岛内的居民暴露在高浓度PM2.5污染的风险更高，6个城市群中均表现出这一现象。特别是对北京、广州、圣地亚哥、洛杉矶等规模较大、人口密集的城市来说，集中在城区内的居民绝大多数位于UPI覆盖区中，面临着更高的健康风险，UPI现象对居民的健康可能有更大的影响。

4 分析讨论

4.1 中美两国之间UPI现象的异同

以往对PM2.5污染问题的研究大多将目光集中在特定的国家与地区，特别是发展中国家和具有代表性的大城市，很少以城郊差异作为对象研究PM2.5污染的空间分布。本文围绕着中美两国城市中UPI现象的异同与暴露风险，以中国的京津冀城市群、长三角城市群、珠三角城市群和美国的五大湖城市群、波士华城市群、圣圣城市群为研究对象进行了时间与空间分布上的研究分析。

实验所选取的6个城市群中，中国的3个城市群UPI现象的时空特征区别较大。京津冀城市群UPI现象明显，且在PM2.5浓度升高的情况下UPI现象呈随时间变化逐年减弱趋势，原因在于郊区的PM2.5浓度升高速度更快，郊区污染严重。长三角城市群多数城市具有UPI现象，但是与其他5个城市群相比PM2.5浓度分布在空间与时间上变化较大，这表明长三角地区影响PM2.5浓度分布的因素较多，影响因素较为复杂。珠三角城市群UPI现象变化幅度较小，城区与郊区的PM2.5浓度变化基本一致，这可能是因为城郊发展速度接近，城郊变化相对一致。

与中国的3个城市群不同，3个美国城市群的UPI现象均呈减弱趋势，这一趋势与美国的3个城市群PM2.5浓度降低的趋势一致，原因很可能是美国产业转移与产业结构变化导致的重工业外迁、低空气污染的产业的兴起。

4.2 中美PM2.5暴露风险的评价

UPI现象在暴露风险方面有着较明显的影响，城区居民暴露在更高浓度的PM2.5污染下的风险高于城郊的居民。特别是在京津冀城市群，这一现象格外明显。

从国家角度来看，中美两国PM2.5暴露风险随时间变化的趋势不同。中国的京津冀城市群与珠三角城市群的暴露风险呈增长趋势，长三角城市群暴露风险保持稳定。京津冀城市群与珠三角城市群与以往中国PM2.5污染加剧的趋势是一致的，长三角城市群的暴露风险时间变化趋势则表明长三角地区的PM2.5空间与时间变化较为复杂，时空分布可能同时受多种不同因素的影响。

美国3个城市群的PM2.5暴露风险均呈下降趋势，主要原因是美国的PM2.5浓度持续降低。这一现象很可能与美国产业结构和能源结构调整、污染治理政策等多方面因素有关。PM2.5污染的治理是一个长期的过程，美国在制定PM2.5标准之前就已经通过了一系列的环保政策，并在1997年制定了PM2.5标准。随着美国产业结构的调整以及多种不同的环保法案的通过，美国对高污染产业的吸引力逐渐下降，高污染产业逐渐外迁与破产，第三产业占比上升[29]。多种因素共同作用，才有了美国PM2.5污染治理的成果。

5 结 论

以中美特大城市群为研究对象，选择中国的京津冀、长三角、珠三角城市群，以及美国的波士华、圣圣、五大湖城市群为例，对比分析了中美两国UPI现象的异同，并分析了6个城市群的PM2.5对人群健康暴露风险，主要结论如下。

1）在6个城市群中，所有城市群中都有较为明显现的UPI现象，但长三角城市群中没有UPI现象的城市相对较多。2000-2015年中美两国的UPI现象呈现出减弱的趋势。中美之间不同的是中国城市的UPI现象在减弱的同时PM2.5浓度上升，美国城市UPI现象减弱的同时PM2.5浓度降低。

2）在暴露风险方面中美两国呈现出更大的差异，但在UPI的层面上呈现出相似性。中国的长三角城市群暴露风险基本不变，珠三角城市群与京津冀城市群中暴露风险随时间有所提高，特别是京津冀城市群中暴露风险较高。美国的3个城市群中暴露风险则随着时间变化呈现出下降趋势，PM2.5污染有所减轻。城区内暴露风险明显高于郊区，这一现象在中美两国的城市中是都存在。

本文的研究仍然存在一定的局限性，如对UPI现象的成因、影响因素的探索研究不足；对UPI现象的评价标准与模型需进一步优化，以保证评价标准能够更好地适应不同国家的不同PM2.5污染。