汾渭平原PM2.5时空分布与演变特征分析

2022-11-01王慧丽

地域研究与开发 2022年5期

王慧丽，毛静

(西安财经大学统计学院，西安 710100)

0 引言

近年来，城市化、工业化进程的迅猛发展使得我国能源消耗与日剧增，以煤炭为主体的能源消耗结构使得大气污染较为严重。汾渭平原南北狭长，山脉众多，空间上不利于大气污染物PM2.5的扩散。作为全国空气污染最严重区域之一，2018年国家环保部将“汾渭平原”作为整体概念，首次纳入“蓝天保卫战”大气污染防治重点区域。大气污染治理必须要抓住污染发生的重要源头，并开展源区治理和联防联治。因此，全面分析汾渭平原大气污染演变特征是大气环境可持续治理需要着力解决的重要问题，对空气质量提升和实现区域联防联控具有重要意义。

国内外学者对不同区域PM2.5的时空分布特征、驱动因素以及成因分析等内容开展研究。X.Querol等分析了西班牙PM2.5浓度的空间差异性[1]。F.Shen等分析了中国大气污染物的时空变化规律[2]。也有学者对我国及陆地表层系统九大区域、省域、城市群等空气质量的时空变化特征进行分析[3-7]。张勇等探讨汉中秋季PM2.5浓度昼夜变化特征[8]。王圣等对比了汾渭平原采暖期与非采暖期大气环境质量的时空变化特征[9]。L.Huang等认为随着距离的增大，环境污染逐渐减弱了空间溢出效应[10]。邓中慈等分析了四川盆地PM2.5浓度的时空分布特征及影响因素[11]。陈楠等分析了公众雾霾敏感度的差异性[12]。曾德珩等利用空间回归模型探讨自然、经济、社会等因素对PM2.5浓度的影响[13]。A.Salcido等发现污染物的流动状况取决于其浓度的空间分布及区域的风循环模式[14]。J.Yang等使用三维概念模型分析建筑物高度、体积、形状和密度变化而引起的风速、风向和空气污染物流量的变化[15]。J.Shmool等发现污染物的空间分布受地形、海拔和季节的影响[16]。刘华军等认为中国城市大气污染存在显著的空间非均衡及地理集聚特征，大气污染呈现出显著的空间自相关结构[17]。王慧丽等借助空间马尔科夫链提出PM2.5浓度转移状态不仅与地区自身PM2.5浓度相关，还受其相邻区域PM2.5浓度影响[18]；汪克亮等发现京津冀大气环境效率的动态演化呈明显的“马太效应”特征，且落后城市与发达城市之间的效率差距在不断扩大[19]。

国内关于空气质量的研究区域主要集中于长三角、珠三角、京津冀等区域及全国城市或特殊省份，有关汾渭平原大气污染的研究主要侧重于SO2，NO2和气溶胶的时空分布特征及其污染来源，且其研究尺度以城市为主，难以全面体现不同城市不同区域间空气质量的差异。本研究在已有研究基础上，基于不同环境监测点的监测数据，探讨汾渭平原PM2.5时空变化规律，分析其空间集聚特征，并探讨其动态演变规律，以期为汾渭平原大气污染防治的区域决策制定、环境的可持续健康发展提供相关建议。

1 研究对象、数据来源与研究方法

1.1 研究对象与数据来源

汾渭平原是黄河流域汾河平原、渭河平原及台塬阶地的总称，行政区划分上包括山西省的晋中市、运城市、临汾市、吕梁市和陕西省的西安市、铜川市、宝鸡市、咸阳市、渭南市以及河南省的洛阳市、三门峡市共11个地级市。以汾渭平原11个城市为研究对象。研究所涉及的空气质量数据来源于空气质量网(https://www.aqistudy.cn/)，主要统计了2015—2020年汾渭平原11个城市62个环境监测站每日PM2.5监测数据。由于空气质量监测站点的更替和减少，本研究选择2015—2020年均存在的55个空气质量监测站点。其中，晋中3个，运城4个，临汾5个，吕梁2个，西安13个，铜川4个，宝鸡8个，咸阳3个，渭南4个，洛阳6个，三门峡3个。根据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)[20]中的中国24小时环境污染等级划分标准，PM2.5浓度划分为6个等级，即优(0,35]、良(35,75]、轻度污染(75,115]、中度污染(115,150]、重度污染(150,250]以及严重污染(250,500]，单位为μg/m3。

1.2 研究方法

1.2.1空间自相关。不同地域间的某些事物或现象存在着相关关系，表现为集聚、随机或规则分布，并且相关性随距离增加而减小，这种现象称为空间自相关[15]，主要包括全局自相关和局部自相关两种方式。全局自相关分析聚焦于整个区域内变量在空间分布上的集聚性，通过Moran’sI来表示[6]；而局部自相关分析从特定区域内探究变量间在空间分布上的集聚性，并且能够得到具体的聚集类型和聚集区域位置。

1.2.2空间马尔科夫链。空间马尔科夫链是由传统马尔科夫链引入空间滞后变量构建而来，通过分析不同区域空间背景类型对目标城市转移的影响揭示污染物的时空演变与区域背景之间的联系。

假定随机过程{Xn，n=1,2,3,…}的每个状态有有限个或可列个值{0,1,2,3,…}，并且对任意状态都有：

P{Xn+1=j|Xn=i,Xn-i=in-1,…,X1=i1,X0=i0}=
P{Xn-1=j|xn=i} 。

式中：P表示概率；Xn=i表示随机过程在时刻n处于状态i；Xn+1=j表示随机过程在时刻n+1处于状态j。

传统的马尔科夫链模型是基于研究区域地理位置相互独立的假设下对PM2.5的转移路径展开分析，未考虑相邻区域的PM2.5浓度变化给研究对象带来的影响。因此，为衡量相邻区域相互影响的程度，在空间马尔科夫链模型中引入空间滞后算子，公式如下：

式中：Sk表示空间滞后算子；wkl为空间权重因子，当区域k与区域l相邻时取值为1，不相邻时取值为0；N表示研究区域总数；yk为区域单元k的属性值。

2 结果与分析

2.1 PM2.5的时空分布特征

2.1.1PM2.5的时间变化规律。分别从年度、季度和月度3个时间维度对汾渭平原不同城市PM2.5浓度的时间变化规律展开探析(图1)。由图1可知，2015—2020年汾渭平原PM2.5浓度呈波动式下降趋势，空气质量有所改善，2016年PM2.5年均浓度值有所上升，汾渭平原平均浓度达到最高峰，2016—2018年PM2.5浓度整体有所下降，但2019年又有所提升，之后呈下降趋势。同时，汾渭平原PM2.5浓度变化也存在明显的季节趋势(以2019年为例)，整体上呈现冬高夏低、春秋居中的变化规律。冬季的PM2.5平均浓度为99.64 μg/m3，夏季PM2.5的平均浓度为45.26 μg/m3，春季和秋季PM2.5平均浓度分别为46.3 μg/m3和53.56 μg/m3。不同城市不同季节PM2.5浓度有所不同，在春季，吕梁的PM2.5浓度最低，环境质量最好，咸阳和洛阳的PM2.5浓度最高；在夏季，宝鸡的PM2.5浓度最低，洛阳和运城的PM2.5浓度最高；在秋季，吕梁和铜川的环境质量最好，而咸阳和渭南的污染最为严重；在冬季，依旧是吕梁的环境质量最好，咸阳和临汾污染最为严重。从月度变化分布(图1c)可以发现，11个城市的月均空气质量整体呈先降后升的“U”型趋势，1月的汾渭平原PM2.5平均浓度最高，为115.56 μg/m3，2月均值下降至79.23 μg/m3，7月PM2.5平均浓度达到最小值33.76 μg/m3，8—12月PM2.5平均浓度逐渐上升，12月上升至95.94 μg/m3。纵观2015—2020年月度PM2.5浓度数据，汾渭平原PM2.5的平均浓度最小值出现在6—8月，介于33.56～34.70 μg/m3，低于35 μg/m3的标准线；最大值出现在1月和12月，平均浓度介于95.79～109.58 μg/m3。

图1 汾渭平原不同城市PM2.5时间变化

整体来看，汾渭平原居住人口众多，产业和能源结构以煤炭为主，重化工业聚集，运输结构以公路为主，PM2.5排放总量一直居高不下。同时，汾渭平原属于河谷地带，其特殊地形不利于污染物的扩散，PM2.5污染较其他地区严重[21]。另外，汾渭平原属于温带季风性半湿润区气候，冬季盛行偏西和偏北风，静风频次和逆温频次增多，天气晴寒，这样的气象条件不利于污染物的扩散[22]，再加上冬季采暖期供暖燃煤量增多使得PM2.5浓度升高，因此，冬季是汾渭平原PM2.5污染最严重的时期。夏季在太平洋副热带高压的影响下，汾渭平原盛行偏东和偏南风为主的夏季风，大风及降水天气居多，季度气温整体升高，不易发生逆温，气象条件有利于PM2.5的扩散和清除，因此，夏季PM2.5污染相比较其他3个季节有所减缓。

2.1.2PM2.5时间维度聚类分析。在分析汾渭平原PM2.5时间变化规律的基础上，借助邻近传播算法，采用欧氏距离(Euclidean distance)对2015—2020年各个城市PM2.5年均浓度进行聚类分析，将所有的样本看作是潜在的聚类中心点，同时，把每个样本点都看作网络中的1个节点，通过迭代找到最优类的代表点集合。最终将汾渭平原的11个城市聚类为3组:吕梁、晋中与铜川属于第1组，宝鸡、洛阳和三门峡属于第2组，临汾、渭南、西安、咸阳和运城属于第3组。为进一步探究不同组间的差异与同组之间的相同之处，本研究将空气质量等级优、良、轻度污染、中度污染、重度污染和严重污染依次用Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅴ，Ⅵ表示。2015—2020年各组不同污染等级天数的统计如图2所示。

图2 2015—2020年汾渭平原不同污染等级天数统计

由图2可知，2015—2020年汾渭平原空气质量优良的天气逐年递增，中度污染以上的天气逐渐递减。其中，第1组，2015—2020年吕梁、晋中和铜川优良天气稳定波动，空气质量等级为良的天气占主导，中度污染以上等级的恶劣天气占比较少，该组城市空气质量稳定在优、良和轻度污染等级间波动，空气质量整体较好；第2组，2015—2020年宝鸡、洛阳和三门峡中度污染及以上等级的恶劣天气占比增大，整体以空气质量等级为良的天气为主，轻度污染天气次之，中度污染以上等级的恶劣天气逐年转少，空气质量逐年变好，该类城市的空气质量处于中等水平；第3组的5个城市中优良天气呈现波动状态，2015—2017年优良天气逐年递减，2017—2020年优良天气缓慢增长，且期间中度污染及以上等级污染等级越高，其天气越少，第3组空气质量整体较差，污染比较严重。

2.1.3PM2.5空间浓度分布特征。在对汾渭平原PM2.5浓度的时间维度分析的基础上，进一步探析其空间分布。将2015—2020年汾渭平原11个城市不同监测点的数据进行空间可视化分析，得到PM2.5浓度的地理空间分布(图3)。图3显示，2015年PM2.5污染最严重的城市是洛阳、西安、三门峡和运城，宝鸡、临汾及渭南为中等污染，吕梁、晋中、渭南、铜川和咸阳PM2.5污染较轻。2016年PM2.5污染整体严重，其中西安、洛阳、三门峡和运城依旧是污染较重的城市，而铜川和晋中污染程度加剧明显，吕梁依旧是污染程度较低的城市。2017年铜川和三门峡的PM2.5污染程度较2016年下降，但是其他城市污染程度较2016年均加重。2018年整体污染程度较2017年降低，其中西安、洛阳和临汾污染程度降低明显。但2019年西安、洛阳和临汾的污染程度相比于2018年又加重，吕梁、晋中和铜川继续保持低污染程度。2020年洛阳PM2.5污染程度明显降低，但西安和运城污染进一步扩散。

图3 2015—2020年汾渭平原空气质量空间分布变化

根据地形条件将汾渭平原11个城市分为4类，包括喇叭口地形区：宝鸡、咸阳、西安、渭南、临汾；山地地区：吕梁、晋中、铜川；峡谷地区：三门峡；平原地区：运城、洛阳[23]。整体上，山地地区和峡谷地区城市空气质量较好，平原地区城市空气质量逐年转好，喇叭口地形区城市污染较为严重。喇叭口地形区城市位于渭河下游的河谷冲积平原，地势西高东低，周围环山，污染物不易扩散。一方面，喇叭口地形区人口密度大，产业聚集，西安高新制造业较多，咸阳具有众多高污染企业，渭南工业支柱为能源化工和冶金工业，临汾钢铁企业集中[18]；另一方面，该地区还受来自西北方向的沙尘污染影响[22]。平原地区地形开阔，有利于污染物的扩散与输入，运城毗邻临汾和渭南，某种程度上受到二者影响，而洛阳与运城毗邻，PM2.5浓度的波动情况大致与运城保持同步，整体呈波动式下降趋势。山地地形和峡谷地形起伏较大，沟谷幽深，一般多呈脉状分布，这两种地形将吕梁、晋中、铜川和三门峡与周围城市隔开，便于阻挡外界PM2.5的输入，再加上这些城市本身PM2.5污染程度较轻，且远离污染重心，因此，该地区空气质量较好。

2.2 PM2.5集聚特征动态演变

2.2.1空间相关性分析。进一步对汾渭平原11个城市PM2.5浓度全局相关性的显著性进行分析，选取欧氏距离中的反距离为权重进行999次迭代分析。结果表明，2015—2020年全局相关性系数从0.41(2015年)增加到0.73(2018年)又降低到0.56(2020年)，在0.01显著性水平下高度显著。表明2015—2020年55个空气质量监测站的PM2.5浓度在空间上整体相关性先增大后减小，即PM2.5浓度在空间分布上呈现聚集的趋势，并且聚集程度先增大后减小。

为进一步探析空间上的聚集趋势，对汾渭平原11个城市进行PM2.5集聚特征动态演变分析，得到高值聚集、高低聚集、低高聚集、低值聚集以及不显著5种局部相关性结果(图4)。

2015年，洛阳和三门峡空气质量监测站PM2.5浓度值呈高值聚集，吕梁和宝鸡的空气质量监测站PM2.5浓度值呈低值聚集，临汾和宝鸡的PM2.5浓度呈高低聚集，其他城市没有显著的空间集聚或离散现象(图4a)。2016年，洛阳的PM2.5浓度依旧是高值聚集；西安草滩镇和经开区的PM2.5浓度出现高值聚集，但是在高新西区和临潼区PM2.5浓度值分布为低高聚集；铜川、吕梁以及宝鸡的空气质量监测站PM2.5浓度值呈低值聚集，但宝鸡陈仓环保局的PM2.5浓度为高低聚集(图4b)。2017年，咸阳、西安和临汾的PM2.5浓度是高值聚集，说明相对于其他城市，这3个城市PM2.5浓度较高，空气质量较差；宝鸡和铜川是低值聚集；其他城市空气质量监测站PM2.5浓度在空间上分布不显著(图4c)。2018年，汾渭平原11个城市的空气质量监测站PM2.5浓度空间相关性较一致(图4d)。但2019年，高值聚集的空气质量监测站减少，低值聚集的空气质量监测站增加。2019年临汾和西安的部分空气质量监测站PM2.5浓度为高值聚集，说明相比于其他城市，临汾和西安的污染加重，而吕梁、晋中和铜川为低值聚集，说明这3个城市的空气污染程度相对其他城市较轻(图4e)。2020年，吕梁、晋中和铜川空气质量监测站的PM2.5浓度依旧为低值聚集，西安、临汾和运城的PM2.5浓度为高值聚集，咸阳师范学院空气质量监测站PM2.5浓度是低高聚集(图4f)。

图4 汾渭平原PM2.5浓度集聚特征动态演变

局部自相关分析表明，吕梁、铜川空气质量监测站PM2.5浓度2015—2020年一直处于低值聚集状态，空气质量持续较好；洛阳、三门峡由2015年的高值聚集态势逐渐转变为不显著状态，说明其空气质量在逐渐好转；而西安、临汾、运城等城市在2020年却呈现高值聚集态势，说明较其他城市污染严重。整体来看，尽管PM2.5浓度分布存在局部差异，但高值聚集的空气质量监测站在逐渐减少，低值聚集空气质量监测站逐渐增多，说明汾渭平原的整体空气质量在稳步好转，也说明近年来环境污染治理举措起到一定的作用。

2.2.2PM2.5空间转移路径分析。根据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)[20]中的中国24小时环境污染等级划分标准和汾渭平原PM2.5浓度数据，将汾渭平原的PM2.5浓度划分为4个等级：低浓度(0,35]、较低浓度(35,75]、较高浓度(75,115]、高浓度(115,500]，单位为μg/m3。对2015—2020年汾渭平原11个城市的PM2.5月度数据进行传统马尔科夫概率转移矩阵计算，得到矩阵如表1所示。

表1 传统马尔科夫链概率转移矩阵 %

从表1可知，PM2.5浓度越低其保持原有状态的概率越大。低浓度、较低浓度、较高浓度、高浓度等级保持原有等级的概率分别为69.8%，68.3%，33.3%和38.9%，表明汾渭平原PM2.5月均浓度存在向低浓度类型收敛的趋势。

PM2.5浓度类型向高一级浓度转移的概率值小于其向低一级浓度转移的概率值，且PM2.5浓度状态转移主要发生在邻近浓度之间。当某一地区为较高浓度等级时，该地区向高浓度等级转移的概率为18.0%，向较低浓度等级转移的概率为47.7%，向低浓度等级转移的概率远小于向相近浓度转移的概率值，为0.9%。这表明在连续的时间内，浓度跳跃转移的概率值明显小于相近浓度转移的概率值。因此，区域PM2.5污染治理将是一个持续的、缓缓前进的过程，短时期内根治大气污染的现状是难以实现的。

传统的马尔科夫概率转移矩阵仅关注到PM2.5浓度类型在时间跨度上的转移，并未考虑到不同区域背景和不同时间阶段对PM2.5浓度转移的共同影响。因此，本研究在传统马尔科夫概率转移矩阵的基础上，加入空间权重矩阵，构建空间马尔科夫概率转移矩阵，并将2015年1月至2020年12月划分为两个阶段，2015年1月至2018年5月为阶段一，2018年6月至2020年12月为阶段二。在此基础上，利用马尔科夫链探析两个不同时间阶段、不同邻域背景下汾渭平原PM2.5浓度的动态转移特征，得到空间马尔科夫概率转移矩阵(表2)。

表2 两阶段空间马尔科夫概率转移矩阵 %

通过对比阶段一和阶段二的空间马尔科夫概率转移矩阵(表2)可知，相同邻域背景对不同阶段汾渭平原各城市的PM2.5浓度转移影响不尽相同。邻域为低浓度等级和较低浓度等级时，邻域PM2.5浓度的背景类型对阶段一和阶段二PM2.5浓度转移的影响相差不大。邻域为较高浓度等级和高浓度等级时，邻域PM2.5浓度的背景类型对阶段一和阶段二PM2.5浓度转移的影响差异显著。当邻域为高浓度等级时，阶段一由较高浓度等级向较低浓度等级、高浓度等级转移的概率分别为45.8%和12.5%；而阶段二由较高浓度等级向较低浓度等级、高浓度等级转移的概率分别为77.8%和0，说明汾渭平原阶段一与阶段二的PM2.5污染处于不同水平。

邻域为较高浓度等级和高浓度等级类型时，阶段二目标城市PM2.5浓度类型越高，其向下转移为低级浓度类型的概率越大，且存在浓度跳跃转移的概率值较大的情况。具体表现为当邻域背景是较高浓度等级时，阶段一与阶段二目标城市由高浓度等级转移为较低浓度等级的概率分别为26.7%和80.0%；当领域背景是高浓度等级时，阶段一目标城市由高浓度等级转移为较高浓度等级和较低浓度等级的概率值分别为31.8%和18.2%，而阶段二目标城市由高浓度等级类型转移为较高浓度等级和较低浓度等级概率值分别为50.0%和33.3%，表明阶段二PM2.5污染的治理效果要优于阶段一，说明2018年6月“蓝天保卫战”的投入治理取得了明显成效。

两阶段汾渭平原状态转移路径如图5所示。结合图5可知，阶段一汾渭平原高浓度地区保持原有状态的概率为48.65%，阶段二高浓度地区保持原有状态的概率明显低于阶段一，为17.65%，在阶段二期间，由高浓度转移为较低浓度等级的概率上升到了47.06%，而由较低浓度转移为低浓度的概率下降为20.46%。说明阶段二的PM2.5污染相较于阶段一有所改善，汾渭平原大气污染防控工作取得了重要的进展，但是治理重点主要集中在较高浓度地区和高浓度地区。因此，低浓度地区和较低浓度地区PM2.5污染治理成果相对没有那么显著。结合阶段二的空间马尔科夫概率转移矩阵(表2)可知，邻域为低浓度等级时，目标城市由较低浓度等级保持原有PM2.5浓度状态的概率为64.7%，由较低浓度等级向低浓度等级转移的概率为35.3%，说明低浓度类型地区有助于正向促进和带动周边城市PM2.5浓度转移的作用。因此，在汾渭平原大气污染的防控治理中不仅要重点抓高浓度和较高浓度地区，较低浓度和低浓度的PM2.5治理防控也不可懈怠。总的来看，2018年6月以来，汾渭平原大气污染的防控工作取得了重要进展，其大气污染治理效果相较于阶段一有重大突破。因此，环境污染的治理需要采取区域间联防联控的治理政策，建立大气污染联合治理体系，以促进区域大气环境质量持续健康发展。