楊帆 周亮 林蔚 徐建剛

摘 要：基于NASA的全球大氣PM2.5年均污染濃度柵格數(shù)據(jù)，通過區(qū)統(tǒng)計非洲各國大氣PM2.5濃度均值及建立空間數(shù)據(jù)庫，利用重力模型、ESDA模型及GIS空間統(tǒng)計分析方法，對非洲52個主要國家（地區(qū)）2001年～2010年間的大氣PM2.5污染濃度空間格局演化特征進(jìn)行探究，并依據(jù)時間序列特征將研究對象劃分為8類。研究結(jié)果表明：①2001年～2010年非洲大氣PM2.5污染濃度大致呈現(xiàn)“中間高、南北低；西部高、東部低”的空間特征；其中高值區(qū)集中分布在非洲西部幾內(nèi)亞灣附近的尼日利亞、剛果與喀麥隆等國家，低值區(qū)則廣泛地分布在北非、南非以及非洲東南部印度洋沿岸地區(qū)或島嶼。②基于ESDA模型的空間自相關(guān)分析發(fā)現(xiàn)PM2.5濃度“高—高”熱點區(qū)主要集聚在幾內(nèi)亞灣附近，“低—低”冷點區(qū)集中在東南部印度洋沿岸的南非、莫桑比克與馬達(dá)加斯加島。③時序上2001年～2010年非洲PM2.5年平均污染濃度呈現(xiàn)明顯下降趨勢，其中32個國家2010年P(guān)M2.5污染年均濃度低于2001年。④從自然環(huán)境條件及社會經(jīng)濟(jì)因素兩方面淺析其空間格局主要成因：幾內(nèi)亞灣沿岸是非洲PM2.5污染最嚴(yán)重的地區(qū)，因其人口稠密且高度依賴石油產(chǎn)業(yè)；非洲東南部地區(qū)PM2.5污染最輕，得益于其良好的自然環(huán)境條件及低污染的支柱產(chǎn)業(yè)。

關(guān)鍵詞：大氣污染；PM2.5；空間格局；非洲

中圖分類號：K918 文獻(xiàn)標(biāo)識碼：A

0 引言

隨著全球經(jīng)濟(jì)迅速發(fā)展，快速的工業(yè)化帶來各類環(huán)境污染問題，如水污染、固體廢棄物污染、大氣污染等。大氣主要污染物包括二氧化硫（SO2）、氮氧化合物（NOX）、臭氧（O3）、顆粒物（PM）等[1]，其中顆粒物是較為普遍的大氣污染物且對人群身心健康危害較強。顆粒物中，空氣動力學(xué)直徑小于或等于10μm的顆粒物稱為可吸入顆粒物（PM10），空氣動力學(xué)直徑小于或等于2.5μm的顆粒物稱為細(xì)顆粒物（PM2.5）。其中PM2.5由于體積更小，相比PM10更容易吸附有害物質(zhì)并進(jìn)入呼吸系統(tǒng)，提高心肺系統(tǒng)甚至其他器官的疾病風(fēng)險，對人體健康造成嚴(yán)重威脅[2]。因此，大氣PM2.5污染近年來逐漸成為公眾輿論和學(xué)術(shù)研究的關(guān)注熱點。

在關(guān)于大氣可吸入顆粒物（含PM10與PM2.5）污染的研究中，大氣污染濃度的時空格局是一個結(jié)合環(huán)境學(xué)與地理學(xué)的重要問題。在國外，KL Yang[3]、N Motallebi[4]、P Anttila[5]等學(xué)者曾分別研究了中國臺灣、美國洛杉磯都市區(qū)、芬蘭等國家或地區(qū)的PM10或PM2.5時空格局，闡述了相應(yīng)研究地區(qū)的大氣可吸入顆粒物污染濃度的演變特征。在國內(nèi)，李名升等人曾對2002年～2012年我國地級以上城市的大氣PM10濃度空間分布格局進(jìn)行研究[6]，胡曉宇等人也曾對珠江三角洲城市群進(jìn)行了相關(guān)的分析及模擬[7]。但總體上有關(guān)大氣可吸入顆粒物污染的空間格局研究相對較少，相關(guān)研究主要集中在環(huán)境學(xué)領(lǐng)域的形成機制、大氣特征、污染溯源等方面。

自20世紀(jì)60年代起，非洲國家相繼獲得政治獨立，并開啟了較大規(guī)模的工業(yè)化進(jìn)程[8]。目前非洲的工業(yè)化水平相對全球仍較為落后，但是由于工業(yè)發(fā)展粗放、工藝水平低下、環(huán)保監(jiān)督不力等問題，無可避免也面臨大氣環(huán)境污染問題。關(guān)于非洲PM2.5的研究較少，主要研究包括南部非洲稀樹大草原火災(zāi)釋放的PM2.5導(dǎo)致的季節(jié)污染[9]，稀樹草原大火燃燒效率與PM2.5污染排放對當(dāng)?shù)厣鷳B(tài)系統(tǒng)的影響[10]，以及南非燃煤對大氣的污染[11]，非洲粉塵對加那利群島空氣質(zhì)量影響[12]等。通過衛(wèi)星遙感對PM2.5進(jìn)行反演的研究多集中在全球主要大城市的PM2.5濃度、大氣溶膠光學(xué)深度、空氣質(zhì)量[13，14]，如Liu等與Gupta等[15，16]應(yīng)用遙感影像對美國東部地面與澳大利亞悉尼市區(qū)的PM2.5進(jìn)行估算。然而相關(guān)研究中對大尺度的PM2.5的空間差異特征與規(guī)律研究較少[17]，尚未有專門針對非洲大陸大氣PM2.5污染濃度空間格局的相關(guān)研究。因此本文利用NASA衛(wèi)星遙感數(shù)據(jù)，在對數(shù)據(jù)進(jìn)行提取及分區(qū)計算的基礎(chǔ)上，針對非洲2001年～2010年大氣PM2.5污染濃度空間格局進(jìn)行分析，并利用污染重心、空間自相關(guān)分析、GIS空間分析及時間序列分類等方法進(jìn)行研究，挖掘非洲2001年～2010年之間大氣PM2.5污染濃度的空間分異規(guī)律及原因，以期為更好地認(rèn)識非洲大氣PM2.5空間格局現(xiàn)狀提供參考。

1 研究區(qū)域與數(shù)據(jù)處理

本文以非洲為研究區(qū)域，研究范圍涵蓋非洲大陸52個國家（地區(qū)），需要說明的是由于非洲部分地區(qū)（主要為英法等國在非洲的海外領(lǐng)地，如新胡安島、圣赫勒拿島、特羅姆蘭島等）缺乏數(shù)據(jù)而且面積相對較小，因而剔除在研究范圍之外。研究時段為2001年～2010年，從中截取2001、2004、2007、2010年四個時間斷面進(jìn)行詳細(xì)分析。本文使用的數(shù)據(jù)包括非洲各國或地區(qū)的行政區(qū)域界線矢量數(shù)據(jù)和全球大氣PM2.5年均污染濃度柵格數(shù)據(jù)。全球大氣PM2.5年均濃度數(shù)據(jù)來源于美國國家航空航天局的社會經(jīng)濟(jì)數(shù)據(jù)和應(yīng)用中心（NASA Socioeconomic Data and Applications Center），由搭載在Terra衛(wèi)星上的中分辨率成像光譜儀（MODIS）和多角度成像光譜儀（MISR）傳感器獲取，具有1°的分辨率[18，19]。在ArcGIS平臺上對全球大氣PM2.5年均污染濃度柵格數(shù)據(jù)進(jìn)行基本的空間校正處理，對非洲各國行政區(qū)劃界線進(jìn)行矢量化后，利用行政區(qū)劃界線矢量數(shù)據(jù)作為掩膜對全球大氣PM2.5年均污染濃度數(shù)據(jù)進(jìn)行提取，并分區(qū)統(tǒng)計（Zonal Statistics）非洲各國家或地區(qū)的平均大氣PM2.5年均濃度。需要說明的是數(shù)據(jù)源的PM2.5原始濃度單位為ng/m3，為與相關(guān)研究統(tǒng)一口徑，將單位轉(zhuǎn)換為μg/m3，從而建立非洲大氣PM2.5污染濃度空間數(shù)據(jù)庫。

2 研究方法

2.1重力模型

3.2 非洲大氣PM2.5年均污染濃度的空間格局

根據(jù)非洲各國各年大氣PM2.5年均濃度值，按相等區(qū)間劃分為7種類型：極低污染區(qū)（<4.0μg/m3）、低污染區(qū)（4.0～8.0μg/m3）、較低污染區(qū)（8.0～12.0μg/m3）、中等污染區(qū)（12.0～16.0μg/m3）、較高污染區(qū)（16.0～20.0μg/m3）、高污染區(qū)（20.0～24.0μg/m3）及極高污染區(qū)（>24.0 μg/m3），如圖1所示：

（1）極低污染區(qū)：自2001年～2010年，非洲只有4個國家或地區(qū)的大氣PM2.5年均濃度值保持在4.0μg/m3以內(nèi)：毛里求斯、留尼汪島、馬達(dá)加斯加、科摩羅，均為處于非洲東南部坐落在印度洋上的島國。其中毛里求斯是2001年（1.28μg/m3）和2007年（1.32μg/m3）非洲大氣PM2.5年均濃度值最低的國家或地區(qū)，而法國的海外領(lǐng)地留尼汪島則是2004年（1.32μg/m3）和2010年（1.30μg/m3）非洲大氣PM2.5年均濃度值最低的國家或地區(qū)。

（2）低污染區(qū)：2001年有8個國家或地區(qū)，包含非洲東南部的南非、斯威士蘭、萊索托和莫桑比克，非洲東部的肯尼亞、索馬里以及非洲北部的突尼斯、摩洛哥；到2004年，非洲東部的津巴布韋、坦桑尼亞、馬拉維和博茲瓦納由較低污染區(qū)轉(zhuǎn)變?yōu)榈臀廴緟^(qū)，此前非洲東南角、非洲東部的兩處相互獨立的低污染區(qū)在空間上已連成一片；自2007年起低污染區(qū)的分布格局基本沒有發(fā)生顯著變化。從空間分布上看，低污染區(qū)基本已完全覆蓋非洲的印度洋沿岸地區(qū)。

（3）較低污染區(qū)：2001年包括津巴布韋、阿爾及利亞、埃及、赤道幾內(nèi)亞等共計12個國家或地區(qū)；津巴布韋等4個國家于2004年由較低污染區(qū)轉(zhuǎn)變?yōu)榈臀廴緟^(qū)，較低污染區(qū)的國家或地區(qū)數(shù)量變?yōu)?個；到2010年，較低污染區(qū)的國家或地區(qū)數(shù)量重新增加至12個。不難發(fā)現(xiàn)，較低污染區(qū)基本分布在非洲北部或非洲東南部的內(nèi)陸地區(qū)，只有赤道幾內(nèi)亞是非洲中西部唯一屬于較低污染區(qū)的國家。

（4）中等污染區(qū)：2001年包括毛里塔尼亞、尼日爾、蘇丹、乍得、安哥拉、加蓬等15個國家或地區(qū)；到2004年，中等污染區(qū)包含的國家或地區(qū)數(shù)量大幅減少為10個，其中毛里塔尼亞、贊比亞變?yōu)檩^低污染區(qū)，塞內(nèi)加爾、中非共和國等7個國家污染程度上升從而脫離本區(qū)域；到2007年中等污染區(qū)格局未發(fā)生顯著變化；到2010年，中等污染區(qū)的國家或地區(qū)數(shù)量大幅增加至19個，新增的國家或地區(qū)包括西撒哈拉、埃及、毛里塔尼亞等。中等污染區(qū)基本分布在非洲中部、西部和南部地區(qū)。

（5）較高污染區(qū)：2001年包括盧旺達(dá)等12個國家或地區(qū)；到2004年包含的國家或地區(qū)數(shù)量依然維持在12個，但具體的組成國家或地區(qū)有較大變化。到2010年，加納等8個國家由較高污染區(qū)轉(zhuǎn)變?yōu)橹械任廴緟^(qū)，剛果由較高污染區(qū)轉(zhuǎn)變?yōu)楦呶廴緟^(qū)，同時加蓬等4個國家成為較高污染區(qū)，使其數(shù)量大幅減少至8個。較高污染區(qū)基本上集中在非洲中部和西部的環(huán)幾內(nèi)亞灣地區(qū)。

（6）高污染區(qū)：2001年只包含尼日利亞1個國家；到2004年增加為喀麥隆、貝寧、民主剛果、尼日利亞4個國家；到2007年，喀麥隆、民主剛果轉(zhuǎn)變?yōu)檩^高污染區(qū)，同時吉布提由較高污染區(qū)轉(zhuǎn)變?yōu)楦呶廴緟^(qū)；到2010年，高污染區(qū)只包含剛果1個國家。其中，尼日利亞分別是2001年（21.60μg/m3）和2007年（21.89μg/m3）非洲大氣PM2.5年均濃度值最高的國家或地區(qū)，剛果則是2010年（20.96μg/m3）最高的國家或地區(qū)。高污染區(qū)均集中在非洲中西部環(huán)幾內(nèi)亞灣地區(qū)。

（7）極高污染區(qū)：2004年只有位于非洲中部的剛果（24.34μg/m3）。在其余的三個截取年份內(nèi)，非洲均不存在大氣PM2.5年均濃度值高于24.0μg/m3的極高污染區(qū)。

綜上所述，非洲的大氣PM2.5年均污染濃度大致呈現(xiàn)“中間高、南北低；西部高、東部低”的空間格局特征，非洲2001年～2010年大氣PM2.5年均污染濃度介于11.67-12.27μg/m3之間。大氣PM2.5年均濃度較低的區(qū)域主要位于非洲東南部的印度洋沿岸地區(qū)或印度洋上的島嶼，大氣PM2.5年均濃度較高的區(qū)域主要集中在非洲中部和西部。幾內(nèi)亞灣附近形成了由科特迪瓦為起點，經(jīng)布基納法索、貝寧、尼日利亞、喀麥隆、加蓬、剛果等國，最后到達(dá)剛果民主共和國的一條大氣PM2.5污染高值帶。非洲其余地區(qū)的年均濃度基本介于5～15μg/m3之間，主要呈現(xiàn)為由非洲中西部、幾內(nèi)亞灣附近的大氣污染高值帶向外擴散的空間格局特征。其中，非洲南部的大氣PM2.5年均濃度最低，其次是非洲東部和北部，非洲西部和中部的大氣PM2.5年均濃度明顯高于其他地區(qū)，是非洲PM2.5污染最為嚴(yán)重的地區(qū)（表3）。

3.3 非洲大氣PM2.5年均污染濃度的空間自相關(guān)分析

基于非洲2001年～2010年各國家或地區(qū)的大氣PM2.5年均污染濃度值，利用Morans I指標(biāo)進(jìn)行局部空間自相關(guān)分析。由結(jié)果（圖2）可見，在p=0.05的顯著性水平上呈現(xiàn)為“高—高”關(guān)系的熱點區(qū)主要集中在非洲中西部，2001年包括非洲西部的布基納法索、科特迪瓦、加納、多哥、貝寧、尼日利亞及非洲中部的喀麥隆、剛果，合計8個國家或地區(qū)；到2004年，污染熱點區(qū)增加利比里亞、民主剛果2個國家；到2007年，非洲中部的喀麥隆、剛果和民主剛果不再是污染熱點區(qū)，同時非洲西部幾內(nèi)亞比紹成為污染熱點區(qū)，大氣污染熱點區(qū)國家或地區(qū)數(shù)量重新減少為8個；到2010年，利比里亞、科特迪瓦、加納、多哥、貝寧不再是污染熱點區(qū)，非洲中部的喀麥隆與剛果重新成為污染熱點區(qū)，同時非洲西部的塞內(nèi)加爾、贊比亞成為污染熱點區(qū)。從空間分布上看，空間自相關(guān)分析所得的大氣污染熱點區(qū)域基本處于前文分析的大氣污染高值帶上，表明大氣PM2.5污染在這些國家或地區(qū)存在顯著的高值集聚；在p=0.05的顯著性水平上呈現(xiàn)為“低—低”關(guān)系的大氣PM2.5污染冷點區(qū)主要分布于非洲東南部，2001年包括非洲南部的南非、萊索托、斯威士蘭以及非洲東部的莫桑比克、馬達(dá)加斯加、毛里求斯、科摩羅、留尼汪島，合計8個國家或地區(qū)；萊索托到2004年不再屬于污染冷點區(qū)，但于2007年又重新成為污染冷點區(qū)，使大氣污染冷點區(qū)的分布和組成與2001年一致；到2010年，污染冷點區(qū)增加了位于非洲東部的津巴布韋、馬拉維2個國家，使其包含的國家或地區(qū)數(shù)量增加至10個。污染冷點區(qū)集聚于非洲的東南角，且相互連成一片，均屬于前文所述的大氣PM2.5年均濃度值在8.0μg/m3以內(nèi)的極低污染區(qū)及低污染區(qū)，表明大氣PM2.5污染在這些國家或地區(qū)存在顯著的低值集聚；分析發(fā)現(xiàn)2001年～2010年非洲均不存在大氣PM2.5污染濃度呈現(xiàn)“高—低”或“低—高”關(guān)系的異常地區(qū)，表明局部空間自相關(guān)均呈現(xiàn)為正空間自相關(guān)。

3.4 非洲大氣PM2.5年均污染濃度變化的時間序列類型

在非洲的52個國家或地區(qū)中，有32個國家或地區(qū)2010年的大氣PM2.5年均污染濃度相比2001年下降，其中下降幅度最大的為坦桑尼亞（28.56%）；其余20個國家或地區(qū)2010年的大氣PM2.5年均污染濃度相比2001年上升，其中上升幅度最大的為尼日爾（12.09%）。按照各截取年份相對上一個截取年份的升降變化將非洲各國的大氣PM2.5年均污染濃度時間序列變化態(tài)勢劃分為8個類型（表4），可見在研究時段內(nèi)只有岡比亞1個國家的PM2.5年均污染濃度持續(xù)上升，安哥拉等5個國家或地區(qū)的年均污染濃度持續(xù)下降，占比最大的類型是類型Ⅳ（第一個時間段大氣PM2.5年均濃度上升，其后持續(xù)下降），占據(jù)本次研究范圍內(nèi)52個國家或地區(qū)的四分之一。大體上非洲大氣PM2.5年均污染濃度的總體趨勢仍處于下降中。

非洲各國在2001年～2010年間的大氣PM2.5年均污染濃度變化也反映其大氣污染程度的穩(wěn)定性，利用研究時間段內(nèi)的離差系數(shù)考察非洲各國的時間序列穩(wěn)定性，離差系數(shù)越高說明其時間序列越不穩(wěn)定。時間序列穩(wěn)定性最高的國家為毛里求斯（0.0183），期間PM2.5年均污染濃度一直介于1.28～1.34μg/m3，其次為利比亞（0.0210）、乍得（0.0210）、馬里（0.0214）等國家；時間序列穩(wěn)定性最低的國家為馬達(dá)加斯加（0.2376），期間大氣PM2.5年均污染濃度最高值約為最低值的兩倍，離差系數(shù)顯著高于其他國家或地區(qū)：莫桑比克（0.1391）、加納（0.1376）、坦桑尼亞（0.1366）等。毛里求斯和馬達(dá)加斯加是非洲大氣PM2.5污染濃度最低的國家，然而其時間序列的穩(wěn)定性卻大相徑庭，因為馬達(dá)加斯加作為非洲最大的島嶼，海風(fēng)的調(diào)節(jié)能力相對其他小型海島國家較弱，環(huán)境相對非洲大陸的國家更為獨立，大氣PM2.5年均污染濃度易受偶發(fā)因素影響。

3.5 非洲大氣PM2.5污染空間格局成因探析

通過上述分析可發(fā)現(xiàn)，幾內(nèi)亞灣一帶是非洲大氣PM2.5污染最為嚴(yán)重的區(qū)域，而非洲東南部印度洋沿岸地區(qū)或印度洋島國大氣PM2.5污染則較為輕微，從自然環(huán)境條件及社會經(jīng)濟(jì)因素對其主要原因進(jìn)行淺析：

（1） 從自然環(huán)境條件來看，非洲東南部的印度洋沿岸地區(qū)及島國位于印度洋上且相對遠(yuǎn)離非洲大陸，莫桑比克暖流帶來大量清潔、潮濕的海風(fēng)，使污染物易被稀釋，因而大氣污染相對輕微；而剛果盆地地形閉塞，大氣污染物不易擴散稀釋，使剛果成為非洲PM2.5污染最嚴(yán)重的國家之一；同理乍得盆地的PM2.5污染也相對較為嚴(yán)重，可見海陸位置、地形地貌、洋流等是非洲PM2.5濃度的主要影響因素。

（2） 從社會經(jīng)濟(jì)因素來看，幾內(nèi)亞灣沿岸是非洲大陸人口最為稠密的地區(qū)，其中尼日利亞更是非洲第一人口大國，社會經(jīng)濟(jì)活動及能源消耗高度集中，其次幾內(nèi)亞灣沿海地區(qū)是近年來非洲乃至全世界石油勘探的新熱點，PM2.5污染最為嚴(yán)重的尼日利亞是重要的產(chǎn)油國及出口國，開采原油中相當(dāng)部分在當(dāng)?shù)靥釤拸亩斐纱髿馕廴綶23-25]；此外幾內(nèi)亞灣國家乃至非洲中西部經(jīng)濟(jì)相對落后，以石油及礦業(yè)為支柱產(chǎn)業(yè)，低端的產(chǎn)業(yè)結(jié)構(gòu)及產(chǎn)能加劇大氣污染，明顯的反例是非洲人均國內(nèi)生產(chǎn)總值最高的赤道幾內(nèi)亞，雖同樣坐落于幾內(nèi)亞灣沿岸，卻是非洲中西部唯一屬于較低污染區(qū)的國家；非洲東南部印度洋沿岸地區(qū)或印度洋島國工業(yè)基礎(chǔ)較薄弱，往往以旅游業(yè)、種植業(yè)、紡織業(yè)等行業(yè)作為支柱產(chǎn)業(yè)，對資源消耗及環(huán)境污染相對較低，因此PM2.5污染程度相對輕微。

在2001年～2010年間，非洲大氣PM2.5污染的空間格局并沒有發(fā)生顯著的變化，污染高值區(qū)及低值區(qū)呈現(xiàn)空間鎖定性，其主要原因為研究時段內(nèi)，非洲的海陸位置、地形地貌、洋流等自然環(huán)境條件沒有出現(xiàn)明顯變化，同時經(jīng)濟(jì)格局、人口分布及能源消費亦未出現(xiàn)較大的空間格局演變，因此PM2.5空間格局相對穩(wěn)定。但根據(jù)時間序列分析，非洲在研究時段內(nèi)PM2.5污染狀況整體趨好，且不同的國家或地區(qū)具有不一致的時間序列穩(wěn)定性，呈現(xiàn)“整體格局穩(wěn)定、微觀格局波動”的時空格局演變特征。

4 結(jié)論

基于NASA的全球大氣PM2.5年均污染濃度柵格數(shù)據(jù)，利用重力模型、ESDA模型以及GIS空間統(tǒng)計分析方法，對非洲52個主要國家2001年～2010年的大氣PM2.5污染濃度的空間格局特征演化進(jìn)行探究，并對其時間序列特征進(jìn)行了分類與穩(wěn)定性分析，主要結(jié)論如下：

（1） 2001年～2010年非洲大氣PM2.5污染的幾何重心均位于剛果桑加區(qū)東南角，總體向北偏移，幾何中心的地理位置初步說明非洲南部、西部的大氣PM2.5污染程度分別相對地高于北部、東部?？臻g格局分析表明非洲的大氣PM2.5年均污染濃度大致呈現(xiàn)“中間高、南北低；西部高、東部低”的特征，大氣PM2.5年均濃度較低的區(qū)域主要位于非洲東南部的印度洋沿岸地區(qū)或印度洋上的島嶼，濃度較高的區(qū)域集中在非洲中部和西部，其中幾內(nèi)亞灣附近形成一條大氣PM2.5污染高值帶。

（2） 經(jīng)局部空間自相關(guān)分析發(fā)現(xiàn)，大氣PM2.5污染熱點區(qū)域主要集中在非洲中西部幾內(nèi)亞灣附近，大氣PM2.5污染冷點區(qū)域集聚分布于非洲東南部的印度洋沿岸或島嶼地區(qū)，非洲不存在顯著的“高-低”或“低-高”關(guān)系的異常地區(qū)，說明非洲研究時段內(nèi)的大氣PM2.5污染主要呈現(xiàn)為以高（低）值集聚的空間正向相關(guān)關(guān)系。

（3） 2001年～2010年非洲大陸PM2.5污染濃度整體呈現(xiàn)下降趨勢。52個國家（地區(qū)）中有32個國家或地區(qū)2010年大氣PM2.5年均污染濃度相比2001年有所下降，其余20個國家或地區(qū)的大氣PM2.5年均污染濃度則有所上升。根據(jù)時間序列變化劃分為8個類型，其中Ⅳ（升-降-降）類型占比最大。考察各國的時間序列穩(wěn)定性發(fā)現(xiàn)，時間序列穩(wěn)定性最高的國家為毛里求斯，其次為利比亞、乍得、馬里；時間序列穩(wěn)定性最低的國家為馬達(dá)加斯加。

（4） 從自然環(huán)境條件及社會經(jīng)濟(jì)因素兩方面淺析非洲大氣PM2.5污染空間格局的主要原因。幾內(nèi)亞灣沿岸作為非洲大氣PM2.5污染最嚴(yán)重地區(qū)的主要原因包括：其人口稠密導(dǎo)致社會經(jīng)濟(jì)活動及能源消耗高度集中，作為重要產(chǎn)油基地原油提煉活動造成大氣污染，經(jīng)濟(jì)產(chǎn)業(yè)相對落后加劇大氣污染。而非洲東南部的印度洋沿岸地區(qū)、島國是非洲大氣PM2.5污染程度最輕微的區(qū)域，與其工業(yè)基礎(chǔ)薄弱依靠旅游業(yè)、種植業(yè)等低污染產(chǎn)業(yè)，及相對遠(yuǎn)離大陸、受莫桑比克暖流影響等良好的自然環(huán)境存在關(guān)聯(lián)，因此PM2.5污染相對輕微。

參考文獻(xiàn)：

[1] Van D A. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth： development and application[J]. Environmental Health Perspectives， 2010，118（6）：847-855.

[2] Boldo E， Medina S， Le Tertre A， et al. Apheis： health impact assessment of long-term exposure to PM2. 5 in 23 European cities[J]. European journal of epidemiology，2006，21（6）：449-458.

[3] Yang K L. Spatial and seasonal variation of PM10 mass concentrations in Taiwan[J]. Atmospheric Environment，2002，36（21）：3403-3411.

[4] Pakbin P，Hudda N，Cheung K L，et al. Spatial and temporal variability of coarse （PM10，2.5） particulate matter concentrations in the Los Angeles area[J]. Aerosol Science and Technology， 2010，44（7）：

514-525.

[5] Anttila P， Salmi T. Characterizing temporal and spatial patterns of urban PM10 using six years of Finnish monitoring data[J]. Boreal environment research，2006，11（6）：463-479.

[6] 李名升，張建輝，張殷俊，等. 近 10 年中國大氣 PM 10 污染時空格局演變[J]. 地理學(xué)報，2014，68（11）：1504-1512.

[7] 胡曉宇，李云鵬，李金鳳，等. 珠江三角洲城市群PM_（10）的相互影響研究[J]. 北京大學(xué)學(xué)報：自然科學(xué)版，2011，47（3）：519-524.

[8] 姜忠盡，尹春齡. 非洲工業(yè)化戰(zhàn)略的選擇與發(fā)展趨向[J]. 西亞非洲，1991（6）：49-56.

[9] Korontzi S， Ward D E， Susott R A， et al. Seasonal variation and ecosystem dependence of emission factors for selected trace gases and PM 2. 5 for southern African savanna fires[J]. Journal of Geophysical Research： Atmospheres （1984-2012），2003，108：D24.

[10] Ward D E，Hao W M，Susott R A，et al. Effect of fuel composition on combustion efficiency and emission factors for African savanna ecosystems[J]. Journal of Geophysical Research： Atmospheres （1984

-2012），1996，101（D19）：23569-23576.

[11] Engelbrecht J P，Swanepoel L，Chow J C， et al. PM2. 5 and PM10 concentrations from the Qalabotjha low-smoke fuels macro-scale experiment in South Africa[J]. Environmental Monitoring and Assessment，2001，69（1）：1-15.

[12] Viana M，Querol X，Alastuey A，et al. Influence of African dust on the levels of atmospheric particulates in the Canary Islands air quality network[J]. Atmospheric Environment，2002，36（38）：5861-5875.

[13] Gupta P，Christopher S A，Wang J，et al. Satellite remote sensing of particulate matter and air quality assessment over global cities[J]. Atmospheric Environment，2006，40（30）：5880-5892.

[14] Wang J，Christopher S A. Intercomparison between satellite‐derived aerosol optical thickness and PM2.5 mass： implications for air quality studies[J]. Geophysical research letters，2003，30（21）.

[15] Liu Y，Sarnat J A Kilaru V，et al. Estimating ground-level PM 2. 5 in the eastern United States using satellite remote sensing[J]. Environmental science & technology，2005，39（9）：3269-3278.

[16] Gupta P，Christopher S A，Box M A，et al. Multi year satellite remote sensing of particulate matter air quality over Sydney， Australia[J]. International Journal of Remote Sensing，2007，28（20）：4483-4498.

[17] Liu Y，Paciorek C J，Koutrakis P. Estimating regional spatial and temporal variability of PM2. 5 concentrations using satellite data， meteorology， and land use information[J]. Environmontal Health Perspectives， 2009（117）：886-892.

[18] Battelle Memorial Institute， Center for International Earth Science Information Network - CIESIN - Columbia University. Global Annual Average PM 2.5 Grids from MODIS and MISR Aerosol Optical Depth （AOD）. Palisades[M]. NY： NASA Socioeconomic Data and Applications Center （SEDAC），2013.

[19] De Sherbinin A，Levy M A，Zell E，et al. Using satellite data to develop environmental indicators[J]. Environmental Research Letters，2014，9（8）：084013.

[20] 樊杰，陶岸君，呂晨. 中國經(jīng)濟(jì)與人口重心的耦合態(tài)勢及其對區(qū)域發(fā)展的影響[J]. 地理科學(xué)進(jìn)展， 2010，29（1）：87-95.

[21] 周亮，徐建剛，蔡北溟，等. 淮河流域糧食生產(chǎn)與化肥消費時空變化及對水環(huán)境影響[J]. 自然資源學(xué)報，2014，29（6）：1053-1064.

[22] 李勇，周永章，張澄博，等. 基于局部Morans I和GIS的珠江三角洲肝癌高發(fā)區(qū)蔬菜土壤中Ni、Cr的空間熱點分析[J]. 環(huán)境科學(xué)，2010，31（6）：1617-1623.

[23] 姜忠盡. 現(xiàn)代非洲人文地理（下冊）[M]. 南京：南京大學(xué)出版社，2014.

[24] 郝麗莎，趙媛. 非洲在世界石油供給格局中的地位演變[J]. 地理研究，2012，31（3）：54.

[25] Whiteman， Arthur J. Nigeria： Its petroleum geology， resources and potential[M].