2001—2020年湖北省PM2.5时空分布特征及气象驱动因子分析

周靖承,姚 衡,曹艳晓,朱 熙,陈 宁 (.中南财经政法大学信息与安全工程学院,湖北 武汉 430073;.中南财经政法大学环境与政策研究所,湖北 武汉 430073)

随着我国社会经济不断发展,化石能源被不断消耗,带来了大量的空气污染问题[1]。PM2.5是指空气动力学直径≤2.5 μm的悬浮颗粒物,具有表面积大、吸附能力强等特点[2-3]。PM2.5使数以亿记的人群面临各类疾病风险[4-5],PM2.5能损伤各类生物的呼吸系统[6-7],对生态环境及气候变化造成不可忽视的影响[8]。我国幅员辽阔,PM2.5污染往往呈现出空间与时间上的区域性与异质性,即不同区域污染特征不同[9-10],同一区域不同时期污染特征也不同[11-12]。把握PM2.5污染的时空演变规律及成因成为对其进行针对性治理的基础与前提。

当前对PM2.5浓度时序特征的研究集中于对不同时间尺度下PM2.5浓度时间序列的特征分析,主要包括小时变化规律[13-14]、昼夜变化规律[15-16]以及季节变化规律[17-18];也有研究者对某些特殊日期进行研究,如春节[19-20]、周末[21]等节假日;PM2.5浓度空间特征的研究对象则包括典型城市、城市群及全国,其中又以污染较严重的城市及城市群为研究热点,如京津冀城市群[22-23]、长三角城市群[24]等。社会经济因素和自然因素是影响PM2.5浓度时空特征的主要因素[25],已有一系列经典的用以探究驱动机制的模型,如最小二乘模型[26]、地理加权回归模型[27]、空间回归模型[28]、土地利用回归模型[29]等,但该类模型可能忽视驱动因子本身的相互作用,缺少对驱动因子在长时间序列下变化特征的研究。我国中部地区近年发展迅速,其大气污染防治应受到重视。笔者利用空间自相关、核密度估计等方法对2001—2020年湖北省PM2.5浓度的时空特征进行分析,利用地理探测器探究气象因子驱动机制,为湖北省今后的可持续发展提供科学依据。

1 数据与方法

1.1 研究对象、数据来源与处理

PM2.5浓度数据来源于美国圣路易斯华盛顿大学大气成分分析组(Atmospheric Composition Analysis Group)发布的PM2.5地球表面浓度数据。该数据是将NASA MODIS、MISR和SeaWIFS仪器的气溶胶光学深度(AOD)反演结果与GEOS-Chem化学传输模型相结合,然后使用地理加权回归(GWR)对全球地面观测进行校准得出,时间序列跨度较长且准确性高。源数据为栅格数据,利用ArcGIS软件将其与湖北省行政区划矢量数据进行匹配处理,得到2001—2020年湖北省各地级市PM2.5年均值数据。湖北省地级市行政区划参考湖北省地图院编制的湖北省地图确定。气象因子数据(风速、温度、湿度、日照、降雨量)来源于国家气象信息中心发布的中国地面气候资料日值数据集(V3.0)。

1.2 研究方法

1.2.1空间自相关分析

地理学第一定律表明,地理事物或属性在空间分布上互为相关,且距离越近关系越密切[30],因此可利用空间自相关分析探究PM2.5浓度的空间特征。利用全局Moran′sI指数描述PM2.5浓度在整个湖北省范围内的空间分布及是否具有聚集效应[31],利用局部Moran′sI指数判断特定地级市与其相邻地级市的关联程度与关联性质[32]。

1.2.1.1全局空间自相关

全局自相关指数Moran′sI计算公式为

(1)

式(1)中,I为Moran′sI指数;n为样本空间内的样本数;yi、yj分别为样本i、j的属性值;Wi,j为空间权重矩阵。全局Moran′sI值为正,则说明样本空间内样本存在正相关联系;全局Moran′sI值为负,则说明样本空间内样本存在负相关联系;全局Moran′sI值为0,则样本随机分布。全局Moran′sI值的绝对值越大,则该联系越显著。

1.2.1.2局部空间自相关

局部空间自相关的显著性水平可利用Z值进行检验,Z值的表达式为

(2)

式(2)中,E(Ii)为局部Moran′sI指数的数学期望;VAR(Ii)为局部Moran′sI指数的方差。当显著性水平P<0.01时,可将局部空间关系分为4类:当I>0且Z(Ii)>0时为高-高聚集;当I>0且Z(Ii)<0时为低-低聚集;当I<0且Z(Ii)<0时为低-高聚集;当I<0且Z(Ii)>0时为高-低聚集。

1.2.2核密度估计

核密度通常用于估计随机变量的概率密度函数,该方法利用连续的密度曲线描述随机变量的分布形态,更加符合数据本身所呈现的特点。核密度的表达式[33]为

(3)

式(3)中,n为样本数;h为带宽;k为核函数;Xi为观测值;x为均值。

1.2.3地理探测器

地理探测器是探测和利用空间分异性的工具,共包含4个探测器,分别是分异及因子探测、交互作用探测、风险区探测和生态探测[34]。该研究主要使用分异及因子探测研究不同年份气象因子对湖北省PM2.5的驱动特征。

分异及因子探测能够探测属性Y的空间分异性,以及探测某因子X多大程度上解释了Y的空间分异,用q值度量,表达式为

(4)

式(4)中,q为影响因子的解释能力;h为影响因子分层;Nh和N分别为影响因子h和影响因子总数;σ2和σh2分别为研究区域整体样本和分层h的方差。

2 结果与讨论

2.1 湖北省PM2.5浓度时间序列特征

2001—2020年湖北省PM2.5年均浓度的时间序列呈现出显著的倒“U”型特征(图1),符合环境库兹涅茨曲线,以峰值出现年份为界可将其分为2个阶段。第一阶段为2001—2013年,该阶段内湖北省各地级市PM2.5年均浓度呈快速上升趋势,全省PM2.5年均浓度由2001年的42.47 μg·m-3上升至2013年的62.94 μg·m-3,第一阶段末期比初期上涨48.2%。第二阶段为2013—2020年,该阶段内湖北省各地级市PM2.5年均浓度呈明显下降趋势,全省PM2.5年均浓度由2013年的62.94 μg·m-3减少至2020年的32.85 μg·m-3,第二阶段末期比初期下降47.8%。总体来看,2020年湖北省PM2.5年均浓度相较于2001年下降22.7%。分析其主要原因,2013年前湖北省经济快速发展,能源消耗增加,污染排放也随之增加,大气污染防治成效不显著,表现为PM2.5浓度上升。2013年国务院印发《大气污染防治行动计划》,湖北省发布《湖北省大气污染防治行动计划实施细则》,各城市积极响应落实。此外,随着技术的进一步发展,能源的使用效率得到提高,环保技术大量投入运用,改善了生产要素对环境的影响。碳交易等市场机制的更新与法律法规等环保规制的完善也给予企业清洁生产的动力与强制力,大气质量进一步改善,使得PM2.5浓度在2013年后呈下降趋势。

图1 湖北省各城市PM2.5年均浓度变化趋势Fig.1 Trends in annual average PM2.5 concentrations by city in Hubei Province

参考GB 3095—2012《环境空气质量标准》,PM2.5年均浓度的一级、二级标准限值分别为15、35 μg·m-3。图2表明,2001—2020年湖北省PM2.5污染情况总体向好发展,但尚有较大提升空间。2001—2004年,湖北省有3个城市符合二级标准,14个城市超过二级标准限值。2005—2015年,湖北省仅有1个城市符合二级标准,16个城市超过二级浓度限值。2015年后,湖北省符合二级标准的城市数稳步增加,由2015年的1个增至2020年的8个,证明湖北省PM2.5污染治理效果显著。湖北省尚未有城市符合一级标准,表明污染治理尚有较大提升空间。

图2 湖北省PM2.5年均浓度不同污染等级城市数量Fig.2 Number of cities in Hubei Province with different pollution levels for each year

核密度曲线图能够更直观地表现2001—2020年湖北省PM2.5整体污染情况。该研究涉及年份较多,选择较有代表性的2001、2005、2009、2013、2017及2020年PM2.5年均浓度绘制核密度曲线(图3)。各年份曲线均存在唯一峰值,极化现象显著。从不同年份的曲线波峰高度(核密度)来看,由高到低依次为2020、2001、2017、2005、2009、2013年,即2013年以前波峰高度逐渐降低,2013年后波峰高度逐渐升高。波峰越高的曲线对应的宽度越小,表明2013年以前各城市PM2.5年均浓度值随时间推移逐渐分散,2013年后各城市PM2.5年均浓度值随时间逐渐推移逐渐集中。从不同年份的曲线波峰对应的横坐标(PM2.5年均浓度)来看,由高到低依次为2001、2020、2017、2005、2009、2013。2013年以前波峰对应的横坐标逐渐向右移动,表明各城市PM2.5年均浓度逐渐向更高的区间集中。2013年后波峰对应的横坐标逐渐向左移动,表明各城市PM2.5年均浓度逐渐向更低的区间集中。

图3 湖北省不同年份PM2.5年均浓度的核密度曲线Fig.3 Kernel density curves of annual average PM2.5 concentrations in different years in Hubei Province

2.2 湖北省PM2.5浓度空间分布特征

2.2.1空间差异及演化情况

2001—2020年湖北省各城市PM2.5年均浓度空间分布如图4。总体来看,不同年份湖北省PM2.5年均浓度的空间格局既存在一致性也存在差异性。以中部的武汉市、孝感市、天门市、仙桃市、潜江市为中心,PM2.5浓度向东、西2个方向下降,形成由高向低的浓度梯度,最西边的十堰市、神农架林区、恩施土家族苗族自治州及最东边的黄冈市、黄石市、咸宁市浓度较低,且西面浓度小于东面,整体呈现出四面拱卫的不对称金字塔形。2011—2013年,中部地区形成污染较严重的核心污染区,其污染效应向四周辐射[35],呈现PM2.5浓度整体较高的空间格局。2013年后PM2.5浓度下降,且浓度值相近的区域扩大,表明中部城市的污染效应有所减弱。

图4 2001—2020年湖北省年均PM2.5浓度的空间分布Fig.4 Spatial distribution of annual average PM2.5 concentrations in Hubei Province from 2001 to 2020

湖北省空间格局的形成来源于诸多因素的影响。从经济发展情况来看,以武汉市为代表的中部城市工业化水平较高,社会经济发展领先于周边城市,排放浓度较高。从自然环境来看,湖北省横跨我国第二阶梯与第三阶梯。西部多山地,包括大巴山东部、巫山山脉、武当山、荆山和七曜山等山脉,地形崎岖不平,地势较高,风力较大,颗粒物沉降效果较好;东部多平原,地处亚热带季风气候区,降水丰富,对颗粒物也有一定的去除效果。

2.2.2全局空间自相关特征

表1为2001—2020年湖北省PM2.5年均浓度的全局Moran′sI指数。表1显示,全局Moran′sI指数均为正值且通过显著性检验,表明湖北省PM2.5年均浓度存在显著正相关性,有明显的空间集聚效应,浓度高的城市与浓度高的城市邻近,浓度低的城市与浓度低的城市邻近。全局Moran′sI指数在2004年达最大值,表明该年份空间集聚现象最为明显。其他年份的全局Moran′sI指数总体呈稳定波动状态,表明湖北省空间集聚效应较稳定。

表1 2001—2020年湖北省PM2.5年均浓度的全局空间自相关指数Table 1 Global spatial autocorrelation index of annual average PM2.5 concentration in Hubei Province

2.2.3局部空间自相关特征

利用各年份LISA图表征湖北省PM2.5年均浓度的空间集聚特征(图5)。图5表明,研究期内湖北省PM2.5年均浓度空间集聚特征较为稳定,相邻年份的空间集聚性质基本一致。

图5 2001—2020年湖北省PM2.5年均浓度的空间集聚特征Fig.5 Spatial clustering characteristics of annual average PM2.5 concentrations in Hubei Province from 2001 to 2020

2001—2020年,湖北省中部的潜江市、仙桃市、天门市基本表现出高-高聚集特征,成为湖北省“核心污染区”。其污染效应向四周辐射,在部分年份影响孝感市、武汉市及荆门市,共同表现出高-高聚集特征。

经济最发达的武汉市并不属于“核心污染区”,这可能是由于以下原因导致的:第一,武汉市地形以平原为主,有利于空气污染物扩散;第二,武汉市近年来承接产业转移,逐渐将高污染、高能耗产业转移至周边城市,使其能源结构与产业结构得到优化。

恩施土家族苗族自治州、神农架林区均表现出低-低聚集特征。受西部低-低聚集区与中部高-高聚集区的共同影响,襄阳市在部分年份表现出高-低聚集特征。仅2001—2004年黄冈市表现出低-高聚集特征,极少出现空间负相关性的区域,这是因为PM2.5存在较强的流动扩散性,较难出现孤立的高值或低值。

2.2.4气象驱动因子特征

利用地理探测器中分异及因子探测器分析湖北省不同年份气象因子(风速、温度、湿度、日照、降雨量)对PM2.5浓度的解释程度,结果见表2。总体而言,各气象因子在不同年份对PM2.5浓度均具有较显著影响。

表2 气象因子解释程度分析结果Table 2 Analysis result of meteorological factor explanation degree

2001—2020年间,各气象因子平均解释程度大小顺序为风速(0.798)>温度(0.752)>湿度(0.727)>日照(0.694)>降水(0.639)。

为直观判断不同年份气象因子影响程度演化特征,对不同年份各因子影响强度进行大小比较,结果见表3。

表3 2001—2020年湖北省气象驱动因子影响强度排序Table 3 Influence intensity of meteorological driving factors in Hubei Province from 2001 to 2020

表3显示,2001—2010年,温度在大多数年份影响强度最大,为主导驱动因子;2010—2020年,风速在大多数年份影响强度最大,为主导驱动因子,这与WESTERVELT等[36]及MA等[37]的研究结论 (PM2.5浓度对温度与风速的敏感程度较高)一致。温度主要通过复杂的物理化学反应对PM2.5浓度产生影响。 温度较高时,大气湍流扩散加剧,光化学反应增强,有利于颗粒物扩散稀释作用和二次气溶胶的形成[38]。

风速主要通过输送扩散作用对PM2.5浓度产生影响,风速较低时,颗粒物不易输送扩散,容易发生局部累积,使PM2.5浓度升高[39]。2011—2016年风速解释程度逐渐增大,而2017—2020年风速解释程度逐渐减小,可见风速解释程度变化趋势与PM2.5浓度变化趋势几乎一致。

此外,由于研究跨度(20 a)内自然条件并不足以产生显著改变,有理由将2010年前后主导气象因子的改变归因于人为排放的大幅变化。当人为排放增加,PM2.5浓度升高,风速扩散作用更强烈,使风速成为主导因子;当人为排放受到有效控制,PM2.5浓度降低,风速扩散作用减弱,解释程度逐步降低。蔡子颖等[40]对天津市的研究表明,2013—2020年人为排放下降与大气扩散条件转好是PM2.5质量浓度持续下降的绝对主导因素,笔者的研究结论与其相符。

3 结论

基于PM2.5浓度空间分布数据,利用空间自相关、核密度估计等方法分析了2001—2020年湖北省PM2.5浓度时空变化特征,利用地理探测器对影响PM2.5浓度的气象驱动因子进行分析,主要结论如下:

(1)2001—2020年间湖北省PM2.5年均浓度整体表现出以2013年为分界线的倒“U”型特征。2001—2013年,湖北省各城市PM2.5年均浓度均值由42.47逐步上升至62.94 μg·m-3;2013—2020年,湖北省各城市PM2.5年均浓度均值由62.94减少至32.85 μg·m-3。2001—2020年,湖北省PM2.5污染情况总体向好发展,符合二级限值标准的城市由1个增至8个,与大气污染防治攻坚战政策落实具有较高的响应性。核密度估计显示,2001—2013年各城市PM2.5年均浓度值随时间推移逐渐分散;2013—2020年各城市PM2.5年均浓度值随时间推移逐渐集中。2013年后浓度较高地区的扩散效应逐渐减小。

(2)以武汉市等中部城市为分界线,湖北省PM2.5向东西2个方向均存在由高至低的浓度梯度,且西面浓度小于东面,整体呈现出四面拱卫的不对称金字塔形,这与湖北省地势西高东低的走向有一定相关性。2001—2020年湖北省PM2.5空间分布存在显著的正相关性,且集聚效应比较稳定。湖北省中部的潜江市、仙桃市、天门市基本表现出高-高聚集特征,恩施土家族苗族自治州、神农架林区均表现出低-低聚集特征。

(3)气象因子在不同年份对PM2.5浓度均具有较显著影响。2001—2020年间不同气象因子对PM2.5浓度平均解释程度排序为风速(0.798)>温度(0.752)>湿度(0.727)>日照(0.694)>降水(0.639)。2010年前温度为主导驱动因子,2010年后风速为主导驱动因子。