环渤海地区空气质量时空变化特征及动态预测

王宇蝶,滕泽宇,陈智文,张 清

吉林师范大学吉林省新型肥料研究中心,吉林 四平 136000

随着我国工业化进程的加快,空气质量问题逐渐步入大众视野,并引起人们的重视[1]。工业企业排放的大气污染物会直接影响空气质量[2-3]。相关研究表明,人体摄入过量的大气污染物会导致心脑血管疾病、呼吸道疾病等的发生概率增大[3-4]。为解决空气污染问题,我国相继出台了一系列法规标准和行动计划,各地据此采取了相应的治理措施,并取得了一定成效[3]。

近年来,众多学者针对空气质量的时空变化规律、污染物浓度变化趋势及影响因素等,运用数学建模与统计方法进行了大量的分析与研究工作。张向敏等[3]将中国分为9个不同的地区,运用统计分析等方法研究了中国空气质量时空变化特征,发现空气质量在不同时间尺度上呈现不同的变化特征,季节变化呈“U”形,逐月变化呈“L”状,而在空间尺度上呈现明显的北高南低的分布格局;周兆媛等[1]发现气象要素与京津冀地区空气质量呈显著相关,并对京津冀地区空气质量进行了预测分析;黄小刚等[5]研究了长江经济带空气质量的时空分异特征,发现气象因素为该地区空气质量变化的主要影响因素;魏旖梦等[6]采用地理加权回归模型分析得出,西北五省(区)空气质量指数(AQI)分布主要受自然和社会经济因素的影响;万远洋[7]发现珠江-西江经济带各城市空气质量随季节变化波动大,主要表现为夏季优于冬季;张爱琳等[8]利用灰色模型对2023年郑州市空气污染物浓度进行了预测,指出未来应注重PM2.5、PM10污染防治;宋宇辰等[9]利用BP神经网络与时间序列模型预测了包头市2011年3月—2012年12月空气污染物浓度,发现时间序列模型适用于短期预测;王鹏等[10]基于回归分析与随机森林模型对长三角地区PM2.5浓度进行了分析、预测及验证,发现该模型对长三角中西部城市的预测效果优于东南部沿海城市。

环渤海地区生态环境保护和高质量发展对于提升区域生态文明建设水平,实现人与自然和谐共生具有重大意义。改革开放以来,环渤海地区工业化、城市化进程不断加快,空气质量发生明显变化。周开鹏等[11]对环渤海地区大气能见度影响因素进行了研究,发现PM2.5浓度与大气能见度的相关系数最大,人口密集和工业排放量大是导致空气污染的主要原因;郭欢[12]运用相关分析方法研究发现,廊坊市AQI与空气PM2.5含量呈极强的线性相关关系;邹旭东等[13]研究了沈阳市1951—2012年空气污染变化及其影响因素,发现气候变暖和风速降低是导致空气污染加重的主要原因;刘枢等[14]研究了O3在辽宁省的空间分布特征,指出浓度高值区主要集中在辽宁省中部地区;刘雨华等[15]发现,环渤海地区气溶胶光学厚度在空间上整体呈东南高、西北低的分布格局。上述学者主要针对沿海城市及地区的大气能见度[11]、气溶胶光学厚度[15]等进行了研究,而对环渤海地区整体空气质量时空变化特征及发展趋势的研究有待进一步加强。本研究利用数理统计、克里金插值及皮尔逊相关性分析等方法,对2017—2021年环渤海地区AQI和6项大气污染物的时空变化特征进行了分析,探究空气质量与社会经济因素之间的相关性,模拟预测环渤海地区空气质量变化趋势,以期为该地区制定空气污染防治措施提供理论依据。

1 数据来源与研究方法

1.1 研究区域

渤海是一个被华北平原、辽东半岛、山东半岛环绕的内海。环渤海地区(113°04′E～125°46′E,34°22′N～43°26′N)又称环渤海经济圈,主要是指环绕渤海的全部沿岸地区,包括河北、辽宁、山东三个省份及北京、天津两个直辖市,空间格局呈“C”字形[16],地势整体呈现西北高、东南低的特征,地形以山地、丘陵为主(图1),属于温带季风气候,降水丰富且空气相对湿润。特殊的自然地理条件与区位优势使该地区易出现能见度低的天气现象[17-19]。

注：底图下载自自然资源部标准地图服务系统(http：//bzdt.ch.mnr.gov.cn/),审图号为GS(2019)1822号,下载日期为2021-12-25。下同。图1 环渤海地区行政区划及地形特征

1.2 数据来源

本文选取2017年1月—2022年5月环渤海地区43个城市的AQI及PM2.5、PM10、CO、SO2、NO2、O36项大气污染物指标为研究对象。空气质量数据与6项污染物浓度数据(日均值)来源于中国空气质量在线监测分析平台(https：//www.aqistudy.cn/),社会经济数据来源于研究区内的各省(市)统计年鉴(https：//www.stats.gov.cn/sj/ndsj/)及统计公报等。在社会经济数据中选取城市年末总人口、城市园林绿地面积、民用车辆保有量和第二产业产值,分析其与AQI及各项污染物浓度的相关性。

1.3 研究方法

选取环渤海地区43个城市2017—2021年AQI、各项污染物浓度数据,对逐年和逐月AQI及各污染物浓度进行均值预处理,分别运用数理统计法和克里金插值法从时间、空间两个尺度上分析其变化特征,运用皮尔逊相关性分析法对AQI与污染物浓度、社会经济因素等进行相关分析,采用时间序列预测方法对2022年6月—2023年12月空气质量及污染物浓度进行预测。

按《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)将AQI划分为6个类别(表1),AQI数值越高表明空气质量状况越差。分别算出PM2.5、PM10、O3、CO、SO2、NO26项污染物的空气质量分指数(IAQI)。当AQI>50时,IAQI最大值对应的污染物即为当日空气首要污染物。根据环渤海地区直辖市及地级市的第二产业产值排名,选取5个代表性城市开展空气污染程度及首要污染物研究。

表1 空气质量划分标准

ARIMA模型又称为差分整合移动平均自回归模型,是一种基于线性回归思想的时间序列预测方法。ARIMA模型的分析对象是平稳序列,若序列不平稳,则通过d阶差分转换为平稳时间序列[20]。ARIMA模型通过线性方法定阶,一般把时间序列在某时刻的值视为过去若干时间值与一组白噪声的线性叠加,即：

(1)

式中：t为时间变量,yt为待分析的平稳时间序列,εt为白噪声序列,p为自回归阶数,q为移动平均阶数,γi、θi为可确定系数。通过对序列自相关系数以及偏自相关系数的观察,可以确定自回归阶数p和移动平均阶数q。模型完成定阶后,即可确定系数γi、θi[20]。ARIMA模型是当今最为成熟的时间序列模型,在捕捉数据的线性信息方面具有独特的优势,因此,本文选取ARIMA模型对AQI及污染物浓度进行预测。

2 结果与分析

2.1 空气质量时间变化特征

环渤海地区2017—2021年AQI年均值分别为98、84、91、83、81。除2019年出现小幅上升外,其余年份AQI总体呈逐年下降趋势。2017—2021年AQI月均值变化呈现显著的差异性和一定的规律性(图2)。其中,2017年、2019年及2021年AQI月均值的逐月变化较为频繁,2018年和2020年AQI月均值的逐月变化整体呈“W”形。整体上,峰值普遍出现在1月与6月,谷值普遍出现在3—4月与8—10月。

图2 2017—2021年环渤海地区AQI月变化

选取环渤海地区5个代表性城市(唐山市、北京市、大连市、青岛市、天津市)的2017—2021年AQI数据进行AQI类别占比变化分析(图3)。5个代表性城市的AQI类别均以良为主,优良类别占比呈逐年波动上升趋势,其他类别占比整体呈下降趋势。其中,大连市、青岛市的优良率始终在70%以上。从逐年来看：2019年,轻度污染、重度污染占比稍有提高;2017年,唐山市、北京市、天津市严重污染类别占比较大,说明2017年污染较为严重。

图3 2017—2021年5个代表性城市AQI类别占比变化

2017—2019年环渤海地区5个代表性城市逐月首要污染物变化(表2)显示,O3为5—9月的首要污染物;PM2.5、PM10污染主要集中出现在1—3月及11—12月,为影响城市冬季空气质量的首要污染物。这可能由于夏季的持续高温有利于NOx及VOCs发生大气光化学反应生成O3;冬季燃煤取暖导致污染物排放量增大,加之空气流动性较差,造成PM2.5与PM10浓度升高。

表2 2017—2021年环渤海地区5个代表性城市逐月首要污染物

不同污染物浓度的年际变化特征显示(图4),2017—2021年,各项污染物的浓度整体呈逐年下降趋势,部分指标在2018—2019年出现小幅上升。其中：SO2浓度大幅下降,由25.68 μg/m3下降至11.49 μg/m3,总体下降了55.3%;CO浓度由1.16 mg/m3下降至0.76 mg/m3,总体下降了34.5%;PM10浓度由96.52 μg/m3下降至63.19 μg/m3,总体下降了34.5%;PM2.5、NO2浓度分别下降了32.8%、25%;O3浓度下降幅度最小,由105.08 μg/m3下降至96.45 μg/m3,总体下降了8.2%。

图4 2017—2021年污染物浓度值逐年变化

由各项污染物浓度的逐月变化可知(图5),PM2.5、PM10、NO2、CO、SO2的逐月变化整体呈“V”形,其中1月、12月的浓度值较高,7月、8月的浓度值较低。O3浓度的逐月变化特征呈现倒“V”形,表现为1—6月逐渐升高,7—12月逐渐降低。

图5 2017—2021年污染物浓度值逐月变化

2.2 空气质量空间变化特征

对2017—2021年AQI监测数据进行空间插值分析(图6),结果表明,环渤海地区AQI在空间上呈现由西南向东北逐渐减小的变化特征,AQI高值区主要分布在河北省西南部及山东省西部,低值区主要分布在辽宁省及山东半岛。2017年,环渤海地区AQI具有显著的空间异质性,AQI高值区主要集中在河北省石家庄市、邢台市和邯郸市;2018年,环渤海地区AQI相较2017年下降明显;2019年,辽宁省中部及山东省中西部AQI进一步增大;2020年、2021年,环渤海地区AQI较2019年有所下降,天津市与辽宁省中部为AQI下降幅度较大的地区。

图6 2017—2021年AQI逐年空间分布特征

从2017—2021年环渤海地区AQI逐月空间变化来看(图7)：1月,整个地区的AQI较高,高值区主要分布在河北省西南部及山东省西部;2—4月,各地AQI逐渐下降,高值区向西南方向逐渐缩减;5—6月,AQI升高,其中邢台市空气质量相对较差;相比6月,河北省南部及山东省西部7月空气质量有所好转,环渤海地区AQI下降;8—10月,AQI空间差异较小,空气质量相对较好;11—12月,AQI高值区逐渐向东北部扩张。

图7 2017—2021年AQI逐月空间变化特征

由环渤海地区2017—2021年6项污染物的空间分布特征可知(图8),各项污染物的分布具有显著的空间异质性。其中：PM2.5与PM10的空间分布特征总体相似,两种污染物均呈现西南高、东北低的分布特征;CO浓度高值区呈现沿西南-东北方向的条带状分布,高值中心为秦皇岛市、石家庄市、鞍山市及3个城市的周边地区,低值中心为山东半岛;SO2浓度高值区集聚在辽宁省西部,低值区主要分布在北京市及其周边地区;环渤海地区中南部的NO2浓度较高,高值区主要集聚在天津市、唐山市、石家庄市及3市的周边区域;O3浓度整体呈现南部高、北部低的空间分布特征,高值区主要分布在山东省西部,低值区主要集中在辽宁省东部。

图8 2017—2021年6项污染物浓度空间变化特征

2.3 空气质量影响因素分析

选取环渤海地区6项污染物及AQI监测数据,利用皮尔逊相关系数探究不同时间尺度上的AQI与污染物浓度之间的相关性(表3)。结果表明：在年际尺度上,PM2.5、PM10、CO、NO2、O3与AQI呈显著正相关,相关系数分别为0.956、0.942、0.377、0.743、0.778;在季节尺度上,PM2.5、PM10、NO2、O3与AQI之间具有显著相关性,其中冬季O3与AQI呈显著负相关。整体上,PM2.5、PM10对AQI的影响作用最大。研究显示,PM2.5浓度变化主要是受人口密度、工业化和能源消耗的影响[21],而工业化、城市化等因素则对O3具有显著的驱动作用[22]。

表3 污染物浓度与AQI的相关性检验结果

选取2019年环渤海地区43个城市统计年鉴数据中的年末总人口、城市园林绿地面积、民用车辆保有量及第二产业产值4个因素与AQI进行相关性分析(表4)。

表4 社会经济因素与AQI的相关性检验结果

结果显示：年末总人口、民用车辆保有量及第二产业产值与AQI呈显著正相关,相关系数分别为0.593、0.484、0.436;城市园林绿地面积与AQI呈一定程度的负相关,但相关性不显著。研究显示,人口及车辆的增加会加剧空气污染,工业企业排放的污染物也会导致空气质量下降,而城市园林绿地则可在一定程度上减轻空气污染。

2.4 AQI及污染物浓度预测

通过ARIMA(0,1,1)模型拟合2019年12月—2021年12月环渤海地区AQI及各项污染物浓度,结果(表5)显示预测效果较好,模型拟合度较为理想,故选取此模型对2022年6月—2023年12月AQI及6项污染物浓度进行预测(图9)。

表5 模型检验结果

图9 2022年6月—2023年12月AQI及污染物浓度预测值变化

由预测结果可知,除O3外,相较于2017—2021年,2022年6月—2023年12月环渤海地区AQI及其余5项污染物浓度整体呈下降趋势。9月份AQI较低,为空气质量较好的时段;冬季受燃煤取暖影响较大,PM2.5、PM10浓度较高;夏季O3浓度较高,可能是由于汽车尾气及工业废气中的NOx、VOCs在紫外线的作用下,加快了O3的形成。因此,未来应该重点针对PM2.5、PM10、O3污染提出有针对性的防治政策,以改善环渤海地区空气质量。

3 讨论与结论

3.1 讨论

本文从时空角度分析了环渤海地区AQI及各项污染物的变化趋势,发现AQI及各项污染物的时空分布均具有差异性。在时间上,O3与其他5项污染物相反,呈现夏季高、冬季低的变化特征。工业化、能源消耗是空气质量的主要影响因素。人口密度、第二产业产值与民用车辆保有量的增加加剧了大气污染,而园林绿地面积的增加会降低大气污染程度,这与张向敏等[3]、郭雯雯等[23]、蔺雪芹等[24]、肖悦等[25]等的研究结果一致。在空间上,河北省南部及山东省西部为环渤海地区空气污染的重点地区,PM2.5、PM10、O3是该区域的主要污染物。本文在研究过程中还存在一定的不足：对年限及特殊时间节点的研究过少,对预测方法的组合运用不够深入。因此,后续研究可开展多重影响因素共同分析,通过多种方法进行对比,并采用精度更高的模型。

3.2 结论

1)2017—2021年,环渤海地区除2019年AQI及6项污染物浓度同比有所提高外,总体呈下降趋势。其中,PM2.5、PM10、NO2、SO2、CO浓度的逐月变化均呈“V”形,O3则呈现与之相反的变化趋势。环渤海地区5个代表性城市的空气质量等级以良为主,优良等级占比逐年递增,其他污染等级占比整体呈降低趋势。首要污染物中,PM2.5、PM10污染主要出现在冬季,O3污染集中出现在夏季。环渤海地区AQI大致呈现西南高、东北低的分布特征,不同月份的AQI空间分布差异较大。除PM2.5与PM10的空间分布具有相似性外,其余污染物的分布均具有明显的空间异质性。

2)AQI与6项污染物之间整体呈正相关,其中与PM2.5、PM10、NO2、O3具有显著相关性。AQI与年末总人口、民用车辆保有量、第二产业产值呈显著正相关,与城市园林绿地面积呈一定程度的负相关。

3)2022年6月—2023年12月环渤海地区AQI及各项污染物浓度预测结果表明,除O3浓度呈现一定的季节性变化并逐步升高外,AQI及其余5项污染物浓度值整体呈下降趋势,表明环渤海地区空气质量逐渐好转。其中,9月份是空气质量较好的时段。