渭河流域PM2.5时空演化及人口暴露风险
2023-09-06董洁芳邓椿张仲伍
董洁芳，邓椿，张仲伍
1. 运城学院黄河文化生态研究院/运城学院文化旅游系，山西 运城 044000；2. 西北大学城市与环境学院，陕西 西安 710127；2. 山西师范大学地理科学学院，山西 太原 030000
改革开放以来，中国工业化进程明显加快。伴随着经济持续增长，大气污染问题日益突出（Xu et al.，2020；郭雯雯等，2020）。近年来，雾霾等重污染天气频发，给公众健康造成了极大威胁，使经济高质量发展面临巨大挑战（谢杨等，2016）。研究表明，2010 年全球因长时间暴露于超标PM2.5空气环境而死亡人口超320 万人（Yan et al.，2022），中国因空气污染而诱发死亡人数高达125 万人（Han et al.，2015；Liu et al.，2020）。十三五、十四五期间，国家相继出台一系列环境保护法律法规，同时多措并举推动产业结构优化升级，促使中国PM2.5浓度明显下降。但由于中国目前采取的是2005 年World Health Organization 提出的PM2.5第一过渡期的及格标准（35 μg·m−3），环境污染与人体健康的矛盾在短期内依然比较突出（张亮林等，2020）。因此，探讨PM2.5时空变化特征及人口暴露风险，对于环境风险评价及人居环境改善研究以及国家环保部门制定针对性的空气污染防控政策均具有重要意义。
国内外学者对PM2.5时空演化开展广泛而深入的研究（Beckerman et al.，2013；Gao et al.，2015；Yang et al.，2015；Zhang et al.，2020），呈现出数据来源多元化、研究尺度综合化，研究方法多样化的趋势。研究所用数据来源主要为遥感数据（Donkelaar et al.，2011）和地面空气质量检测数据（周亮等，2017）两种。研究尺度包含全国尺度（肖嘉玉等，2021）、区域尺度（宓科娜等，2018）、省域尺度（赵辉等，2020；廖林渲等，2022）以及城市尺度（柯钊跃等，2011；林金煌等，2020）等。研究方法有时空数据可视化、空间自相关、时空过程建模法、地理探测器等。具体到PM2.5人口暴露风险的研究，学者们研究集中在暴露风险的污染来源、演化路径、政策制定等方面（慕航等，2021）。研究对象以老人、儿童以及特殊职业群体为主，且研究主要利用调查问卷以及个体追踪。如邓芙蓉等（2009）利用监测数据、活动日记等资料，以北京某城区儿童为对象，探究了PM2.5个体暴露水平及影响因素。同样基于监测及跟踪调查数据，柯钊跃等（2011）对广州市学龄儿童在校期间PM2.5暴露水平进行评价。王钊等（2013）对天津某社区101 位老年人PM2.5暴露痕量元素展开研究。近年来，随着研究的不断深入，大区域、大规模的群体暴露度研究逐渐涌现。如张亮林等（2021）对全球及中国PM2.5人口暴露风险的探究，肖嘉玉等（2021）对中国城市空气污染的人口暴露风险的研究，黄晓军等（2020）对关中地区PM2.5人口暴露风险的探讨等。总体来说，当前PM2.5人口暴露风险的评价尺度比较微观，宏观尺度的研究比较缺乏。而且多数研究利用地面监测数据作为PM2.5的数据基础，而这类数据由于空间上分布不均匀，存在监测盲区，影响大区域研究的连续性。基于遥感数据研究流域尺度的PM2.5人口暴露风险的案例较少。
渭河流域是西北地区重要灌溉农业和旱作农业区，也是全国重要的工业基地。伴随着经济的快速增长，空气污染问题日益凸显，给该区域社会经济发展和居民身体健康带来极大危害。基于此，以渭河流域作为研究区域，利用PM2.5遥感反演数据和人口格网分布数据，构建检验模型，识别长时间序列人口暴露风险指数变化规律，并利用空间分析工具揭示该区域PM2.5污染及人口暴露风险的时间演化和空间分布特征。
1 材料与方法
1.1 研究区域
渭河流域位于黄土高原东南地区，处于106°18′－110°37′E，33°42′－37°20′N 之间，地势西高东低，可分为西部黄土丘陵沟壑区和东部关中平原区。南有东西走向的秦岭横亘，北有六盘山屏障（陈登帅等，2018；徐宗学等，2021）。渭河主要流经甘肃省的定西市、平凉市、庆阳市、天水市，宁夏回族自治区的固原市，以及陕西省的宝鸡市、杨凌示范区、咸阳市、西安市、渭南市、榆林市、延安市、铜川市等13 市（区）。该区域是国家重要工业基地，也是国家级城市群和国家级经济区（关中－天水）的核心区域。近年来，随着经济的快速发展，渭河流域PM2.5污染严重，尤其是关中平原，该区域2017年被列为全国大气污染重点防控区。
1.2 数据来源与处理
1.2.1 PM2.5质量浓度数据
PM2.5质量浓度数据来源于国家科技基础条件平台—— 国家地球系统科学数据中心（http://www.geodata.cn）。该数据集基于CNEMC（http://www.cnemc.cn）、MODIS series products（https://search.earthdata.nasa.gov/）MEIC emission product（http://www.meicmodel.org/index.html）、SRTM （ http://srtm.csi.cgiar.org/ ）、 LandScanTM（https://landscan.ornl.gov/）的原始数据，利用时空—极端随机树模型，基于模式资料填补了卫星MODIS MAIACAOD 产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到全国空间分辨率为1km 无缝隙地面PM2.5数据（Wei et al.，2019）。该数据十折交叉验证决定系数r2为0.9，均方根误差RMSE 为10.8 µg·m−3，数据精度可靠。
1.2.2 人口数据
为了克服统计数据的缺陷，本研究采用LandScan 全球人口格网数据（https://landscan.ornl.gov），该数据是目前精度最高的人口格网数据，已广泛应用于城市扩张（刘修岩等，2016；董海燕等，2022）、人口分布（林丹淳等，2020）等方面研究。时间序列为2000－2020 年，空间分辨率为1 km。
1.2.3 行政边界数据
本研究共涉及渭河流域的13 市84 县（区）行政边界矢量数据。数据获取自国家基础地理信息中心（http://www.ngcc.cn/ngcc/）。
1.3 研究方法
1.3.1 人口暴露风险指数
现有分析模型无法直接区分某空间子单元内人口空气污染暴露相对于空间单元整体的严重程度（邹滨等，2013；李佳雯，2020）。为了更加科学地测算渭河流域人口暴露风险程度，本文采用邹滨等（2013）提出的方法，公式为：
式中：
i——网格编号；
Ri——渭河流域第i个格网的人口暴露风险指数；
Pi——格网i的人口数；
ci——格网i内的污染浓度值；
n——渭河流域的总网格数。
1.3.2 基于像元的Theil-Sen Median 趋势分析与Mann-Kendall 检验
Theil-Sen Median 对数据误差具有较强的抵抗能力，是一种稳健的非参统计方法（黄晓军等，2020）。因此，本文采用此方法分析像元尺度PM2.5质量浓度和人口暴露风险长时间序列的变化趋势。其计算公式如下：
式中：
β——拟合方程的斜率，当β<0 时，表示研究值呈下降趋势；当β>0 时，则为增加趋势。
xi和xj——PM2.5质量浓度或人口暴露风险指数第i年和第j年的对应值。
Mann-Kendall 方法适用于长时间序列数据的趋势显著性检验，广泛地应用于水文（周旗等，2020）、气象（张音等，2019）时间序列趋势分析和变异检验中，且该方法已被使用检验人口暴露风险时间序列趋势的显著性（郝永佩等，2022）。本文采用此方法检验PM2.5质量浓度以及人口暴露风险时间序列趋势变化的显著性。公式如下：
设定一组时间序列{Xi}，i=2000, 2001, …, 2020，其标准化的检验统计量公式为：
其中：
式中：
Z——检验统计量；
xi和xj——像元第i和j年的渭河流域像元值；
n——18；
sgn(W)——符号函数。采用双边趋势检验，在给定显著性水平α下，当|Z|>u1−α/2时，表明在α水平上存在显著变化，反之，则不显著。本文取α=0.05，表示趋势通过了信度为95%的显著性检验。Mann-Kendall检验趋势显著性类别（徐建华，2017）见表1。
表1 Mann-Kendall 检验趋势显著性类别Table 1 Mann-Kendall test trend categories
1.3.3 全局空间自相关
对渭河流域行政单元构建泰森多边形，采用全局自相关模型，从县级尺度描述PM2.5质量浓度和人口暴露风险的整体分布状况，以判断研究要素在空间上是否存在集聚性（杨晴青等，2019；么相姝等，2021）。一般采用Global Moran’sI指数，计算公式如下：
式中：
xi和xj——县域单元i和j的研究值；
n——空间单元数量；
Wij——空间权重矩阵，采用Rook 临界标准定义；
——x的平均值。
1.3.4 局部空间自相关
局部空间自相关度量局部空间单元相对于整体研究范围空间自相关的影响程度（黄小刚等，2020），本文采用局部Moran’sIi指数来判断PM2.5质量浓度和人口暴露风险在局部空间自相关程度。计算公式为：
式中：
xi和xj——地理空间单元（泰森多边形）的PM2.5质量浓度和人口暴露风险指数；
n——空间单元个数；
Wij——空间权重矩阵，采用Rook 邻接标准定义。
2 结果与分析
2.1 渭河流域PM2.5时空演化
2.1.1 渭河流域PM2.5时序变化
2000－2020 年PM2.5质量浓度年均变化呈先上升后下降的趋势，年均质量浓度为47.2 μg·m−3，最低值为2020 年的31.8 μg·m−3，最高值为2013 年的57.6 μg·m−3。为了揭示PM2.5超标区域面积变化特征，据世卫组织2005 年空气质量目标值及《环境空气质量指数 (AQI) 技术规定(试行)》（HJ 633—2012）（中华人民共和国环境保护部，2012）中规定（PM2.5年均浓度一级和二级限值分别为15 μg·m−3和35 μg·m−3，对应空气质量分别为优和良，超过35 μg·m−3为超标)。将PM2.5年均质量浓度值划分为[0, 15)、[15, 25)、[25, 35)、[35, 45)、[45, 55)、[55, 65)、[65, +∞)共7 个区间，并测算了7 个区间面积占比（图1）。从PM2.5年均质量浓度值超标（>35 μg·m−3）面积占比分析，由图1 可见，以2015 年为拐点，可分为两个阶段。第一阶段（2000－2014 年），此阶段PM2.5年均质量浓度值超标的栅格比例一直维持在95%以上，只有2000、2003、2004 年包含质量浓度值在25－35 μg·m−3范围的栅格区域，面积占比依次为0.2%、0.0%、0.2%。第二阶段（2015－2020 年），此阶段PM2.5年均质量浓度值超标（>35 μg·m−3）的栅格比例逐年下降，由2015 年的96.4%下降为2020 年的22.1%，尤其是2019 年和2020 年空气质量出现15－25 μg·m−3范围的栅格区域，其占比分别为1.4%、13.0%，但一直未达到空气质量优的标准（<15 μg·m−3）。
图1 2000－2020 年渭河流域PM2.5质量浓度分区间面积占比Figure 1 Area proportion of PM2.5 concentration in Weihe River Basin from 2000 to 2020
为了进一步探究渭河流域PM2.5质量浓度的长期变化趋势，依据表1，把渭河流域PM2.5年均质量浓度变化趋势进行分类（图2）。由图2 可知，（1）总体上，渭河流域PM2.5浓度长期变化趋势以不显著减少为主，但已出现极显著减少、显著减少、微显著减少区域，说明渭河流域PM2.5污染情况呈现好转趋势。（2）渭河流域中上游出现显著减少趋势，其中，流域上游出现显著减少、微显著减少区域；流域中游（泾河和北洛河的上游）出现明显的减少趋势，包含极显著减少、显著减少、微显著减少区域。（3）从流经城市来看，出现显著减少、微显著减少的城市主要是定西市、天水市、固原市、庆阳市、榆林市和延安市，其他城市为无显著增加和无显著减少类型。
图2 2000－2020 年渭河流域PM2.5质量浓度变化趋势Figure 2 Trends of PM2.5 concentration by types in the Weihe River basin from 2000 to 2020
2.1.2 渭河流域PM2.5空间格局
采用ArcGIS10.8 软件，将渭河流域PM2.5年均质量浓度值分为7 个区间并进行空间可视化呈现。限于篇幅所限，选择间隔期为5 年以展示该研究区PM2.5年均质量浓度空间分布格局（图3）。（1）从总体来看，渭河流域PM2.5年均质量浓度值空间分布呈东高西低特征。（2）从高值分布区域来看（PM2.5年均质量浓度>35 μg·m−3），2000、2005、2010 年空间分布格局大体类似，几乎所有区域PM2.5年均质量浓度值均大于35 μg·m−3，最高值（PM2.5年均质量浓度>65 μg·m−3）区域主要集中西安市、咸阳市和渭南市。（3）2015 年和2020 年空气质量均出现为良（PM2.5年均质量浓度<35 μg·m−3）的区域，且范围明显扩大，由2015 年天水市扩展为2020 年的定西市、平凉市、庆阳市、天水市，固原市、榆林市、延安市全部区域，以及宝鸡市、杨凌示范区、咸阳市、西安市、渭南市、铜川市的部分区域。
图3 2000－2020 年渭河流域PM2.5质量浓度空间分布Figure 3 Spatial distribution of PM2.5 annual concentration in the Weihe River basin from 2000 to 2020
对2000－2020 年渭河流域PM2.5年均质量浓度值进行全局空间自相关检验，计算得出历年PM2.5年均质量浓度在空间上呈现出显著的正自相关，空间集聚特征明显。进一步对2000、2005、2010、2015、2020 年PM2.5年均质量浓度进行局部空间自相关分析（图4），结果发现：渭河流域PM2.5年均质量浓度值呈现十分显著的局部空间正相关。PM2.5年均质量浓度值存在3 种空间关联模式，即H-H、L-L 空间集聚类型，L-H 空间离群类型。H-H 型指高-高集聚型，主要集中在流域下游，包含咸阳市、西安市、渭南市的大部分县（区），范围变化不大。该区域处于渭河盆地的中心地区，地势较低且城市集中，污染物容易集聚。L-L 型指低-低集聚型，主要分布在中上游地区，包含定西市、天水市、平凉市、固原市、延安市、榆林市、庆阳市。L-H 型指PM2.5年均质量浓度低值单元被高值单元包围。分布于下游地区，主要包含鄠邑区、蓝田县和耀州区。
图4 2000－2020 年渭河流域区PM2.5质量浓度空间集聚图Figure 4 Spatial clusters of PM2.5 annual concentration in the Weihe River basin from 2000 to 2020
2.2 渭河流域PM2.5人口暴露风险时空格局
2.2.1 时间演化特征
运用ArcGIS 10.8 软件，分别统计2000－2020年PM2.5年均质量浓度值划分7 个区间的人口暴露数量，并可视化其占比（图5）。由图5 可知，（1）渭河流域PM2.5人口暴露风险总体呈现减少趋势，但历年暴露于35 μg·m−3以上人数占比均值高达96.2%。除2019、2020 年，其余年份均有90%以上人口暴露于35 μg·m−3以上。（2）2000－2014 年为高暴露阶段，除2000、2004 年外，其余年份均为100%人口暴露于PM2.5超标浓度区域。（3）2015－2020 年空气质量逐年好转。自2015 年，人口暴露于PM2.5浓度值（25－35 μg·m−3）的面积占比逐年提升，由2015 年的0.7%上升为2020 年的25.9%。2020 年渭河流域出现了PM2.5浓度值在15－25 ug·m−3的区域，人口占比为7.2%，且大于65 μg·m−3的区域消失。表明渭河流域空气质量明显改善。
图5 2000－2020 年渭河流域PM2.5质量浓度分区间人口暴露数量占比Figure 5 The proportion of the population exposure risk to PM2.5 concentrations in the Weihe River basin from 2000 to 2020
为直接区分某空间子单元内人口空气污染暴露相对于空间单元整体的严重程度，借鉴已有文献（李佳雯，2020），根据公式 (1) 测算渭河流域空间子单元内人口空气污染暴露相对于空间单元整体的严重程度。为了便于分析，参考已有文献（张西雅等，2018），将人口暴露风险划分为6 个区间，分别为Ri=0、0
图6 2000－2020 年渭河流域人口暴露高等级风险区面积占比趋势Figure 6 Trend of area proportion of population exposure high-level risk to PM2.5 in the Weihe River basin from 2000 to 2020
采用Theil-Sen Median 和Mann Kendall 方法，将β值|Z|值进行叠加，探究渭河流域PM2.5人口暴露风险指数的长期变化趋势。依据表1，将渭河流域PM2.5人口暴露风险指数变化趋势进行分类（图7）。结果显示渭河流域PM2.5人口暴露风险指数存在显著变化趋势，显著减少的区域占比高，显著增加区域占比低。定西市、天水市、平凉市、固原市、庆阳市等区域PM2.5人口暴露风险呈现减少趋势；宝鸡市、咸阳市、西安市、铜川市、渭南市等区域呈现增加趋势。
图7 2000－2020 年渭河流域PM2.5人口风险暴露指数线性变化趋势Figure 7 Trend of population exposure risk to PM2.5 by type in the Weihe River basin from2000 to 2020
2.2.2 PM2.5人口暴露风险的空间格局
将渭河流域2000－2020 年及多年平均值的PM2.5人口暴露风险划分为6 个区间并进行空间可视化呈现，限于篇幅所限，选择间隔期为5 年，以展示该研究区2000－2020 年人口暴露风险指数空间分布格局（图8）。分析可知，（1）渭河流域PM2.5人口暴露风险等级空间格局较相似，呈现东高西低的特征。（2）较高风险（2 图8 2000－2020 年渭河流域PM2.5人口暴露风险等级空间格局Figure 8 Spatial pattern of population exposure risk to PM2.5 in the Weihe River basin from 2000 to 2020 2000－2020 年渭河流域PM2.5人口暴露风险指数的空间相关性分析结果发现，（1）历年全局Moran’sI指数均为正值，且在1%水平下显著，这说明渭河流域PM2.5人口暴露风险指数在空间分布上具有明显的正相关关系，PM2.5人口暴露风险指数高值与高值集聚，低值与低值相邻。（2）测算了2000、2005、2010、2015 和2020 年渭河流域PM2.5人口暴露风险指数局部空间集聚特征，如图9 所示。局部空间自相关存在H-H、L-L 空间集聚类型，LH 空间离群类型等3 种空间关联模式，且局部空间自相关格局基本相似。（3）H-H 型空间分布呈团聚状，且范围变化不大，主要集中在渭城区、秦都区、未央区、莲湖区、灞桥区、雁塔区等区域。这些区域是渭河流域人口最密集的城市建成区，地势平坦，污染气体排放量大且不易扩散，人口长期暴露在高风险区域内。L-L 型主要分布在流域中上游地区，包含定西市、天水市、平凉市、固原市、延安市、榆林市、庆阳市等区域。这与渭河上游海拔较高，通风系数高，且社会经济能源消耗小，污染排放量少有关。 图9 2000－2020 年渭河流域PM2.5人口暴露风险局部空间集聚类型Figure 9 Spatial clusters of population exposure risk to PM2.5 n the Weihe River basin from 2000 to 2020 评价PM2.5人口暴露风险对于改善人体健康效应和环境风险评价等意义重大。相较于传统研究依赖环境监测站点数据和人口普查数据（柯钊跃等，2011；宓科娜等，2018；赵辉等，2020），本文采用高分辨率空间连续PM2.5数据和人口密度数据，借助改进的人口暴露风险模型，测算渭河流域人口暴露于PM2.5污染的相对风险程度，全面揭示了渭河流域PM2.5质量浓度值和人口暴露风险指数时空变化特征。这对于评价国家《大气污染防治行动计划》政策实施效果具有重要意义，也对渭河流域协同制定生态保护和经济高质量发展政策具有较好参考作用。 研究发现，2000－2020 年间渭河流域PM2.5年均质量浓度自2013 年后呈现明显下降趋势，由57.6 μg·m−3下降至2020 年31.8 μg·m−3，年均下降速度为8.1%。图1 显示，2015 年后，渭河流域PM2.5年均质量浓度大于35 μg·m−3以上的面积明显减少，空气质量提升明显。趋势显著性检验发现（图2），2000－2020 年间渭河流域PM2.5浓度极显著减少、显著减少、微显著减少等类型区域面积占比逐步上升，同样表明渭河流域PM2.5污染情况呈现好转趋势。从区域分布来看，渭河流域PM2.5年均质量浓度高值区域主要集中在流域下游陕西省关中盆地，包含渭城区、秦都区、未央区、莲湖区、灞桥区、雁塔区等区域。这是由两方面原因造成。一方面，渭河下游地处秦巴山地和陕北黄土高原之间，地形条件不利于空气扩散，冬季易形成逆温天气，更使得PM2.5等污染物易聚难散（黄晓军等，2020）；另一方面，该区域人口密度较大、城镇化率高、工业比重高，导致污染排放量大。这一研究结论与已有研究（黄晓军等，2020；王睿哲，2021；郝永佩等，2022）基本一致。相较而言，地势较高的宁夏六盘山地区、陕西秦岭山脉一带PM2.5年均质量浓度明显较低。 研究时段内，渭河流域PM2.5人口暴露风险较大，历年暴露于35 μg·m−3以上人数占比均值高达96.2%。从图5 中可知，2000－2014 年为高暴露阶段，之后暴露风险等级显著降低。人口暴露于较低PM2.5浓度值25－35 μg·m−3间的人数占比由2015年的0.7%上升为2020 年的25.9%。图6 及图7 进一步表明人口暴露风险指数Ri>3 的区域自2000 年的20.6%下降为2020 年的17.1%。暴露风险显著减少的区域主要为甘肃定西市、平凉市以及宁夏固原市。相反，陕西省西安市、渭南市、咸阳市等区域人口暴露风险等级持续较高。这主要由自然及人文两方面因素共同作用导致。其中，关中平原城镇化的持续推动是造成渭河谷地人口聚集，从而导致人口暴露风险增高的重要原因之一。 空间自相关分析表明，渭河流域PM2.5年均质量浓度及PM2.5人口暴露风险指数在空间分布上具有明显的局部集聚特征，且两者高值区与低值区在空间上高度吻合。这说明两点，第一，人口密集区域同样也是PM2.5年均质量浓度较高区域。第二，空气污染边界模糊，存在明显“空间溢出”效应。以上发现对空气污染治理具有一定启示。人口集聚导致能源消费增加，如汽车尾气排放、冬季取暖及建筑工程的污染等均会导致PM2.5质量浓度上升，因此PM2.5污染治理重点为人口聚集区。由于空气污染存在明显的正向空间自相关，PM2.5污染治理需要不同行政区域进行联动防控。 本研究未对渭河流域PM2.5污染及人口暴露风险演化的影响因素及内在机制进行分析。进一步研究中，将结合研究区地形地貌、气象条件等自然条件以及产业结构、城镇化率等经济社会因素，深入探讨PM2.5污染及人口暴露风险演化内在机制，为大气污染治理精准施策提供更直接的科学依据。 本研究基于高分辨率遥感数据，采用改进的人口暴露风险模型，测算了2000－2020 年间像元尺度下渭河流域人口暴露风险指数。利用Theil-Sen Median 趋势分析、Mann-Kendall 检验及空间探索工具，识别渭河流域PM2.5质量浓度值和人口暴露风险指数时空变化特征。主要研究结论如下： （1）渭河流域PM2.5质量浓度年均值先上升，自2013 年呈显著下降趋势。这与国务院同年印发实施《大气污染防治行动计划》关系密切。趋势显著性检验发现，PM2.5质量浓度极显著减少、显著减少和微显著减少等类型区域面积逐步增加，进一步表明渭河流域空气质量显著改善。 （2）渭河流域PM2.5年均质量浓度值呈现东高西低的空间分布特征，具有明显的局部空间正相关性。高值区主要分布在下游城市建成区，这与渭河下游地处秦巴山地和陕北黄土高原之间，地形条件不利于空气扩散，冬季易形成逆温天气等因素有关。 （3）渭河流域PM2.5人口暴露风险指数呈逐年下降趋势。PM2.5人口暴露风险等级呈现东高西低的空间分布特征，且具有明显的空间集聚特征。其中，高风险区主要分布在下游城市建成区，低风险区主要分布在流域西部和北部黄土丘陵沟壑区及南部秦岭山区。这表明流域下游城市建成区PM2.5污染治理可有效降低人口暴露风险。
3 讨论
4 结论
