山西省PM2.5時(shí)空特征及其影響因素的地理探測

田 苗， 鄭浩浩， 易文利，2， 馮詩格， 劉引鴿，2

（1.寶雞文理學(xué)院地理與環(huán)境學(xué)院，陜西寶雞 721013；2.陜西省災(zāi)害監(jiān)測與機(jī)理模擬重點(diǎn)實(shí)驗(yàn)室，陜西寶雞 721013）

PM2.5在環(huán)境科學(xué)研究領(lǐng)域里表示空氣動(dòng)力學(xué)等效直徑≤2.5 μm的細(xì)顆粒物，是導(dǎo)致空氣環(huán)境污染，對(duì)人體健康危害最嚴(yán)重的一類大氣污染物［1］. 自20世紀(jì)80年代以來，國外歐美及日本開始關(guān)注PM2.5的監(jiān)測，1997年美國率先將PM2.5列為空氣質(zhì)量檢測的監(jiān)測指標(biāo)之一并制定了相關(guān)標(biāo)準(zhǔn)，以加利福尼亞地區(qū)為出發(fā)點(diǎn)對(duì)顆粒物展開研究，研究內(nèi)容主要包括污染特征、源解析、影響因素及對(duì)人體危害的影響等［2-3］. 我國對(duì)于PM2.5的研究起步較晚，環(huán)保部2012年首次將PM2.5列入環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)，同時(shí)出臺(tái)規(guī)定，用空氣質(zhì)量指數(shù)（AQI）代替空氣污染指數(shù)（API）. 隨后眾多學(xué)者對(duì)其來源、組成、污染特征及影響因素等方面做了大量工作［4-6］. 另外PM2.5的時(shí)空分布特征與驅(qū)動(dòng)因素［7-11］、模型估算與預(yù)測等［12-13］研究也成為該領(lǐng)域關(guān)注的熱點(diǎn).

山西省是內(nèi)陸省，是我國重要的能源重化工基地，也是我國霧霾的高發(fā)區(qū)之一［14］. 其中呂梁、晉中、臨汾和運(yùn)城也是我國大氣污染治理重點(diǎn)區(qū)域汾渭平原的主要城市［15］. 目前，山西省PM2.5污染相關(guān)研究主要集中在晉中、晉南地區(qū)［16-17］，研究內(nèi)容多為PM2.5組分構(gòu)成、時(shí)空分布和源解析［8，18-19］，其影響因素所采用的方法主要包括相關(guān)分析、主成分分析法、正定矩陣因子分解法等，這些方法都只是分析自變量對(duì)因變量的單一影響，對(duì)多因子影響及其交互作用影響研究較少，而地理探測器可通過揭示地理現(xiàn)象的空間異質(zhì)性來揭示其背后的驅(qū)動(dòng)力，可探測兩因子交互作用對(duì)響應(yīng)變量的影響［20］. 因此，為了定量探究山西省2016—2019 年P(guān)M2.5污染時(shí)空分布特征及驅(qū)動(dòng)影響因素，本文基于山西省11 個(gè)地級(jí)市59 個(gè)國家空氣質(zhì)量自動(dòng)監(jiān)測位點(diǎn)2016—2019年全年的逐時(shí)監(jiān)測數(shù)據(jù)，通過地理空間可視化（ArcGIS）得出PM2.5的時(shí)空分布特征，運(yùn)用地理探測器方法分析各影響因子與PM2.5濃度的關(guān)系及其變化的影響機(jī)制，以期為山西省各地區(qū)大氣污染防控和生態(tài)文明建設(shè)提供參考依據(jù).

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源及預(yù)處理

文中山西省行政邊界矢量數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https：//www.resdc.cn/），PM2.5濃度數(shù)據(jù)來源于全國空氣質(zhì)量發(fā)布平臺(tái)（http：//106.37.208.233：20035/），選取山西省境內(nèi)11 個(gè)地級(jí)市59個(gè)國家空氣質(zhì)量自動(dòng)監(jiān)測點(diǎn)位2016—2019年P(guān)M2.5逐日濃度值數(shù)據(jù)進(jìn)行分析；其中太原設(shè)有監(jiān)測點(diǎn)位9個(gè)，大同、晉城、陽泉、長治及臨汾各6個(gè)，朔州與運(yùn)城各5個(gè)，晉中4個(gè)，忻州與呂梁各3個(gè)（圖1）. 2016—2019年降水量、年均相對(duì)濕度來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//cdc.cma.gov.cn），山西省社會(huì)經(jīng)濟(jì)發(fā)展指標(biāo)（包括人均GDP、人口密度、城市綠化率、第二產(chǎn)業(yè)產(chǎn)值占比、工業(yè)用電量、規(guī)模以上工業(yè)產(chǎn)品量、民用車數(shù)量、道路密度）來源于山西省各縣區(qū)統(tǒng)計(jì)局統(tǒng)計(jì)年鑒（http：//tjj.shanxi.gov.cn/）. 依據(jù)環(huán)保部發(fā)布的最新制定的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）中第二級(jí)（類）標(biāo)準(zhǔn)和《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定》（HJ 633—2012）中PM2.5濃度污染等級(jí)劃分進(jìn)行評(píng)價(jià)分析.

圖1 山西省行政區(qū)劃及監(jiān)測點(diǎn)分布Fig.1 Administrative division and distribution of monitoring points in Shanxi Province

1.2 研究方法

1.2.1 空間插值

空間插值以范圍內(nèi)的已知點(diǎn)來估計(jì)待插值點(diǎn)屬性值的方法，已經(jīng)成為環(huán)境污染研究的一個(gè)重要工具［21］. 常見的克里金插值方法有普通克里金（ordinary Kriging）、協(xié)同克里金（co-Kriging）、泛克里金（universal Kriging）、析取克里金（disjunctive Kriging）等，不同情況各種方法的插值結(jié)果也不同，經(jīng)作者比較驗(yàn)證，普通克里金法標(biāo)準(zhǔn)均方根預(yù)測誤差（RMSE）最接近于1，故選擇其作為本文空間插值方法.

1.2.2 地理探測器

空間分異性是地理現(xiàn)象的基本特點(diǎn)之一，地理探測器是探測空間分異性以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法［20］，主要包括分異及因子探測、交互作用探測、風(fēng)險(xiǎn)區(qū)探測和生態(tài)探測［22］. 其中因子探測模塊可用來檢測某種地理要素對(duì)某個(gè)指標(biāo)值空間分異的影響力，使用q值度量，表達(dá)式為：

式中：q為PM2.5驅(qū)動(dòng)因素的解釋力，值域?yàn)椋?，1］，q值越大表示各影響因子對(duì)PM2.5濃度的空間分異解釋力越強(qiáng)，反之則越弱；SSW、SST 分別為層內(nèi)方差之和、全區(qū)總方差；h為影響PM2.5濃度的各影響因子；N與σ2分別為研究區(qū)域整體樣本量與方差.

交互作用探測：識(shí)別不同影響因子之間的交互作用，即兩個(gè)影響因子共同作用時(shí)是否會(huì)增加或減弱對(duì)PM2.5濃度的空間分異的解釋力，或這些因子對(duì)PM2.5濃度的空間分異的影響是相互獨(dú)立的.

關(guān)于參與地理探測器運(yùn)行影響因素的選擇，基于數(shù)據(jù)的可獲取性和選取影響因素應(yīng)具有代表性，選取年均降雨量、年均相對(duì)濕度、地形為自然環(huán)境因子；人均GDP、人口密度、城市綠化率為社會(huì)經(jīng)濟(jì)因子；第二產(chǎn)業(yè)產(chǎn)值占比、工業(yè)用電量、規(guī)模以上工業(yè)產(chǎn)品量為能源因子；民用車數(shù)量和道路密度為交通因子.

2 結(jié)果與分析

2.1 PM2.5年際空間維度變化規(guī)律

利用ArcGIS 中普通克里金插值法，基于PM2.5年均濃度值數(shù)據(jù)，對(duì)山西省PM2.5污染狀況進(jìn)行空間分析，得到2016—2019年山西省PM2.5年均值空間分布圖（圖2）. 由圖2可知，2016—2019年山西省污染空間格局相似，總體分布格局呈東北向西南階梯狀上升的分布特征，晉南與晉東南地區(qū)為PM2.5污染高值中心，晉北地區(qū)為PM2.5污染低值中心. 2016年和2017年P(guān)M2.5污染程度最為嚴(yán)重，山西省各監(jiān)測城市PM2.5年平均濃度均超過了《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）所規(guī)定PM2.5年平均濃度的二級(jí)標(biāo)準(zhǔn)限值（35 μg/m3），其中臨汾、運(yùn)城與長治市PM2.5污染程度最高，大同市污染程度最低. 2016 年臨汾與長治市PM2.5年均濃度值達(dá)到72.67 μg/m3與68.92 μg/m3，而大同市濃度值僅為38.58 μg/m3；2017年，整個(gè)研究區(qū)PM2.5年均濃度高值中心由“臨汾—長治”向南擴(kuò)散至“臨汾—運(yùn)城”，PM2.5年均濃度分別達(dá)到了82.42、72.75 μg/m3；2018年，研究區(qū)整體環(huán)境空氣質(zhì)量有所改善，PM2.5污染高值中心區(qū)縮小，大同市達(dá)到清潔水平，污染區(qū)域仍集中在臨汾市與運(yùn)城市. 2019年研究區(qū)空氣質(zhì)量繼續(xù)得到好轉(zhuǎn)，所有監(jiān)測城市PM2.5年均濃度均降至65 μg/m3以下.

圖2 2016—2019年山西省PM2.5年均值空間分布特征Fig.2 Spatial distribution of annual mean value of PM2.5 in Shanxi Province from 2016 to 2019

整體而言，位于汾渭平原腹地的臨汾、運(yùn)城市由于其東、西、北三面環(huán)山的地形條件，對(duì)氣流產(chǎn)生阻擋作用，受季風(fēng)的影響較弱，易于形成逆溫層，使污染物的垂直擴(kuò)散受到抑制，二次污染物轉(zhuǎn)化效率增加，且臨近關(guān)中平原城市群，污染物區(qū)域傳輸擴(kuò)散條件差，成為污染中心［23］. 而位于晉北地區(qū)的大同、朔州、忻州市地形復(fù)雜，山地丘陵盆地相間分布，受北方氣團(tuán)的影響強(qiáng)烈，污染物大氣擴(kuò)散條件好，成為污染低值中心［14］.2016—2017年，受人類活動(dòng)和天氣狀況影響，中國微高濃度以上（＞35 mg/m3）的城市數(shù)量整體呈現(xiàn)增加的態(tài)勢，且逐步向西部地區(qū)擴(kuò)展［24-25］. 2018年開始各監(jiān)測城市空氣質(zhì)量迅速好轉(zhuǎn)，這可能與2018年藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃的提出，山西省以及汾渭平原等地區(qū)的諸多城市成為重點(diǎn)整治對(duì)象，采取調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)，有效推進(jìn)北方地區(qū)清潔取暖，積極調(diào)整運(yùn)輸結(jié)構(gòu)，發(fā)展綠色交通體系等一系列舉措有一定聯(lián)系.

2.2 PM2.5逐月和季節(jié)變化特征

利用日數(shù)據(jù)統(tǒng)計(jì)得到2016—2019年山西省11個(gè)地級(jí)市PM2.5逐月、季節(jié)變化規(guī)律圖（圖3）. 如圖3所示，2016—2019年P(guān)M2.5月均濃度變化曲線呈“單峰”型，各地級(jí)市歷年P(guān)M2.5濃度高值時(shí)間段主要分布在11月至次年3月，即從11月采暖期開始，PM2.5濃度急劇上升，至12月、次年2月底達(dá)到峰值，說明采暖是PM2.5濃度值高的重要影響因素［17］，且北方地區(qū)冬季氣溫低，空氣對(duì)流弱，逆溫、靜風(fēng)等不利氣象條件和特殊的地形使得污染物難以擴(kuò)散［26］. 而4月初至10月底，PM2.5濃度值基本控制在日均限值以下. 11月底至次年2月底PM2.5濃度波動(dòng)幅度較大，且波動(dòng)頻率高，這可能與短時(shí)間內(nèi)天氣變化有關(guān)；而3月初至4月中旬、10月初至11月中旬波動(dòng)幅度明顯降低，4月底至9月底最低，波動(dòng)幅度保持穩(wěn)定且波動(dòng)頻率弱.

圖3 不同地區(qū)PM2.5月均濃度值變化圖Fig.3 Monthly average concentration changes of PM2.5 in different regions

各個(gè)地區(qū)2016年冬季PM2.5濃度值最高，劉芷君等［27］發(fā)現(xiàn)2016年冬季東亞地區(qū)季風(fēng)減弱，出現(xiàn)“暖冬”現(xiàn)象，大氣擴(kuò)散條件差，是造成PM2.5濃度值偏高的主要原因. 2017年冬季最低，2018年冬季PM2.5濃度不降反升，氣象資料顯示全省各地區(qū)冬季氣溫和濕度偏高，風(fēng)速偏小，總體大氣污染擴(kuò)散氣象條件偏差，這是2019年1月全省大部分城市空氣質(zhì)量下降的主要原因. 春季隨著氣溫回升，采暖強(qiáng)度下降，PM2.5濃度值逐漸下降，在4 月底采暖期結(jié)束達(dá)到最低值. 而大同、朔州和忻州市在5月PM2.5濃度值又略微上升，因該地區(qū)位于山西省北部，降水少，且緊鄰內(nèi)蒙古，春季沙塵影響明顯偏重，使得濃度值上升［28］. 夏季氣溫高，空氣對(duì)流強(qiáng)，季風(fēng)和降雨有助于抑制PM2.5生成和其他污染物沉降與消減，濃度值減小. 秋季高溫低濕、降水偏少的不利氣象條件和局部生產(chǎn)建設(shè)排污強(qiáng)度變化等因素綜合影響，造成了污染天氣的出現(xiàn)［14］.

2.3 影響因素分析

2.3.1 因子探測

研究表明，PM2.5污染程度受自然地理?xiàng)l件和經(jīng)濟(jì)社會(huì)發(fā)展水平等多種因素的影響，難以在時(shí)間和空間上定量分析影響因素［29-30］. 而地理探測器可以客觀反映各影響因素對(duì)解釋因子的影響力及空間異質(zhì)性作用，參考姚榮鵬、楊文濤等［31-32］研究結(jié)果，選取山西省PM2.5污染過程中各地區(qū)自然和社會(huì)經(jīng)濟(jì)因素11 個(gè)主要影響因子，利用地理探測器中的因子探測模塊分析2016—2019 年各因子對(duì)PM2.5年均濃度空間分異的影響程度. 由表1 可知，2016—2019 年山西省各影響因子的解釋力分別為人口密度（0.728 5～0.819 7）＞民用車數(shù)量（0.739 8～0.785 5）＞人均GDP（0.713 2～0.758 8）＞規(guī)模以上工業(yè)產(chǎn)品量（0.595 5～0.825 6）＞第二產(chǎn)業(yè)產(chǎn)值占比（0.471 5～0.717 9）＞工業(yè)用電量（0.417 5～0.523 0）＞年均相對(duì)濕度（0.088 2～0.423 4）＞道路密度（0.130 0～0.339 9）＞地形（0.145 0～0.320 5）＞年均降雨量（0.120 1～0.309 5）＞城市綠化率（0.060 6～0.173 0），表明人類生活和生產(chǎn)活動(dòng)是造成PM2.5空間分異的主要驅(qū)動(dòng)因素.

表1 山西省2016—2019年地理探測結(jié)果Tab.1 Results of geographical detector in Shanxi Province from 2016 to 2019

2016—2019年，人均GDP、人口密度、第二產(chǎn)業(yè)產(chǎn)值占比、工業(yè)用電量、規(guī)模以上工業(yè)產(chǎn)品量、民用車數(shù)量、道路密度、地形因子解釋力呈上升趨勢，年均降雨量與年均相對(duì)濕度呈倒“U”型，城市綠化率呈逐年下降趨勢. 其中，人口密度、人均GDP和民用車數(shù)量在歷年所有影響因子中解釋力均超過0.7，對(duì)PM2.5濃度值影響最大. 隨著人口數(shù)量不斷增加，頻繁的人類活動(dòng)，汽車尾氣排放以及冬季取暖等其他生活方式引起復(fù)合型污染，對(duì)環(huán)境造成更大負(fù)擔(dān)，從而導(dǎo)致更為嚴(yán)重的污染. 在產(chǎn)業(yè)與耗能因素中，規(guī)模以上工業(yè)產(chǎn)品量解釋力最強(qiáng)，其主要包括鋼鐵冶金、煤炭焦化等高耗能、高污染的工礦業(yè)，工業(yè)聚集，污染排放強(qiáng)度大，導(dǎo)致PM2.5濃度值嚴(yán)重超標(biāo)［31］. 第二產(chǎn)業(yè)產(chǎn)值占比解釋力伴隨著產(chǎn)業(yè)值的增加而逐年上漲，表明該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)與布局不合理，工業(yè)生產(chǎn)過程中存在污染現(xiàn)象，且防治措施不到位. 當(dāng)PM2.5年均濃度逐漸降低，自然因素影響逐漸增強(qiáng). 2017—2019年山西省各地區(qū)降雨量普遍減少，而降水的沉降作用可以對(duì)大氣中顆粒物產(chǎn)生清除效果［33］.地形因子的解釋力逐漸上升，表明在較低濃度下地形對(duì)PM2.5的擴(kuò)散有較強(qiáng)的抑制作用. 綜上所述，山西省大氣顆粒物污染防治應(yīng)以加強(qiáng)人民環(huán)保意識(shí)、控制機(jī)動(dòng)車尾氣排放為主，調(diào)整能源結(jié)構(gòu)、推行清潔生產(chǎn)為輔，綜合運(yùn)用各種污染防治的法律法規(guī)與技術(shù)措施.

2.3.2 交互探測

區(qū)域大氣污染通常是多種因素的共同作用的結(jié)果，利用地理探測器交互探測模塊探測11個(gè)影響因子對(duì)PM2.5濃度空間分布變化的作用，選取時(shí)間較近的2019年為例，進(jìn)行交互探測分析. 表2為兩種影響因子交互作用下對(duì)PM2.5的解釋力，解釋力越大，表明交互影響作用越強(qiáng)，而非線性增強(qiáng)表示兩種影響因子交互作用的結(jié)果大于兩種影響因子的獨(dú)立作用之和. 由表3可知，任何兩種影響因子對(duì)PM2.5變化的交互作用均大于單獨(dú)一種因子的獨(dú)立影響. 年均降水量與相對(duì)濕度和道路密度呈非線性增加，這表明天氣狀況和道路密度對(duì)PM2.5的生成和空間分布變化影響較大. 降水后一定時(shí)段內(nèi)空氣濕度也變大，隨著氣溫回升，在高溫高濕的氣象條件，汽車尾氣排放中的SO2、NO2極易轉(zhuǎn)化成硫酸鹽、硝酸鹽加重PM2.5污染，還會(huì)加重顆粒物吸水性導(dǎo)致消光系數(shù)增加而加重污染［34］. 城市綠化率與道路密度、第二產(chǎn)業(yè)產(chǎn)值占比交互探測結(jié)果也呈非線性增加，表明城市綠化率對(duì)人類生產(chǎn)生活的PM2.5有一定的吸收作用.

表2 2019年污染因子交互探測Tab.2 Interactive detection of pollution factors in 2019

3 結(jié)論

1）時(shí)間維度上，2016—2019年山西省PM2.5年均濃度值先增后減，各地級(jí)市冬季PM2.5濃度值最高，夏季最低，PM2.5月均濃度值呈“單峰”型變化規(guī)律. 空間維度上，總體分布格局呈東北向西南階梯狀上升的分布特征，晉南與晉東南地區(qū)為PM2.5污染高值中心，晉北地區(qū)為PM2.5污染低值中心.

2）因子探測分析表明，人類生活和生產(chǎn)活動(dòng)是造成PM2.5空間分異的主要驅(qū)動(dòng)因素，且人口密度、人均GDP、第二產(chǎn)業(yè)產(chǎn)值占比與民用車數(shù)量影響程度逐年增加，城市綠化率則呈相反趨勢.

3）交互探測結(jié)果表明，任何兩種影響因子對(duì)PM2.5濃度變化的交互作用均大于單一影響因子對(duì)PM2.5濃度的獨(dú)立作用，其中年均降水量與相對(duì)濕度和道路密度呈非線性增加，城市綠化率與道路密度、第二產(chǎn)業(yè)產(chǎn)值占比交互探測結(jié)果也呈非線性增加，表明天氣狀況是影響PM2.5濃度的重要因素.