《环境与职业医学》杂志官方网站 《环境与职业医学》杂志官方网站

首页> 当期目录> 正文

2020, 37(6):553-557.doi:10.13213/j.cnki.jeom.2020.19845

中国2018年PM2.5的空间分布特征——基于地理信息系统的研究


青岛大学医学部, 山东 青岛 266021

收稿日期: 2019-12-06;  录用日期:2020-04-24;  发布日期: 2020-07-09

基金项目: 国家自然科学基金重大研究计划重点支持项目(91643203);国家自然科学基金面上项目(81872600);广东省自然科学基金项目(2018B030312005);中国博士后科学基金面上项目(2019M660161)

通信作者: 周云平, Email: zhouyp@qdu.edu.cn  

作者简介: 王涛(1988-), 男, 博士生; E-mail:569478490@qq.com 王明悦(1997-), 女, 本科生; E-mail:157622808@qq.com

利益冲突  无申报

[背景] 近年来,越来越多的研究关注区域细颗粒物(PM2.5)的污染状况及其时空分布特征,但大部分研究局限于单一城市或区域范围,少数全国性研究也仅局限于31个省会城市,对全国代表性较差,且不利于空气污染干预措施的精准实施。

[目的] 分析中国2018年PM2.5的空间分布特征,为下一阶段全国大气污染防治措施的制定提供科学依据。

[方法] 收集2018年中国334个地级及以上城市PM2.5实时监测数据。基于城市年平均值,首先运用全局型Moran's I统计量分析PM2.5在中国整个区域的空间分布模式。其次运用局域型Moran's I统计量探明PM2.5的局部空间聚集性区域、聚集类型状态和确切分布位置。最后采用普通克里格法插值估计全国区域范围内的PM2.5浓度。

[结果] 2018年,中国334个地级及以上城市PM2.5年平均质量浓度(后称浓度)的均值为(39.3±14.4)μg·m-3。196个城市(58.7%)高于我国PM2.5年平均浓度限值(35 μg·m-3)。PM2.5存在全局空间自相关性(Moran's I=0.58,P < 0.001)。局域空间自相关探测到98个城市为高-高区域(代表该空间单元观测值高,其周围空间单元观测值也高,余同),15个城市为低-高区域,2个城市为高-低区域,99个城市为低-低区域。新疆西部、京津冀及周边地区PM2.5浓度高,呈现高值聚集区。广西壮族自治区的柳州市和甘肃省的武威市属于高-低区域,该城市的PM2.5浓度高,但其周围城市的PM2.5浓度较低。空间克里格插值结果显示有两个高污染城市聚集地,分别为新疆西部及以河北、河南、山东、山西交界处为中心的区域。

[结论] 中国城市PM2.5年平均浓度具有空间自相关性。基于空间分布特征,未来PM2.5污染治理仍应以京津冀及周边地区为核心,加强区域联动治理模式,共同打好大气污染防治的攻坚战。

关键词: 细颗粒物;  空气污染;  空间自相关;  普通克里格法;  地理信息系统 

随中国城市化、工业化进程加快,空气质量日益下降,尤其细颗粒物(fine particulate matter with median aerodynamic diameter ≤ 2.5 μm,PM2.5)已经成为首要大气环境污染物。越来越多的研究应用地理信息系统(geographical information system,GIS)描述区域PM2.5的污染状况及其时空分布特征,如王振波等[1]采用空间数据统计模型,揭示全国190个城市2014年PM2.5浓度的时空变化规律,Yang等[2]对珠三角地区、李雪梅等[3]对京津冀地区大气污染的空间分布特征进行了分析。为治理和消除雾霾天气,中国政府于2013年颁布了《大气污染防治行动计划》等一系列措施,在全国范围内划分13个大气污染防治重点区域(三区十群),落实区域联防联控要求,空气质量逐年改善,大气污染物的空间分布特征也不断发生变化。因此,本研究采用空间统计学方法分析2018年全国PM2.5浓度的空间变化规律,为制定下一阶段全国大气污染防治措施提供科学依据。

1   材料与方法

1.1   资料来源

PM2.5浓度数据来源为中国环境监测总站实时发布的城市空气质量监测数据,根据日平均值计算每个城市年平均PM2.5浓度,本研究的分析基于城市平均值。2018年中国已有338个地级及以上城市开展PM2.5浓度监测,由于缺失昌都地区、林芝地区、日喀则地区和山南地区的数据,本研究的分析基于其余334个地级及以上城市的PM2.5监测数据。

1.2   分析方法

空间自相关可分析相邻空间区域的位置属性特征是否存在空间关联[4]。本研究首先运用全局型Moran’s I统计量探讨PM2.5在中国整个区域的空间分布模式。其次运用局域型Moran’s I统计量探明中国PM2.5的局部空间聚集性区域、聚集类型状态和确切分布位置。Moran’s I=0表明不存在空间自相关性,0 < Moran’s I ≤ 1且P < 0.05代表有空间正相关关系,-1≤ Moran’s I < 0且P < 0.05则表示有空间负相关关系[5]。局域型Moran’s I统计量可判定每个空间单元自相关性,结合Z检验可探测出四种有统计学意义的空间关联模式[4-5]:①高-高区域,代表该空间单元观测值高,其周围空间单元观测值也高;②高-低区域,代表该空间单元观测值高,但其周围空间单元观测值低;③低-低区域,代表该空间单元观测值低,其周围空间单元观测值也低;④低-高区域,代表该空间单元观测值低,但其周围空间单元观测值高。

对于具有空间自相关性的监测点数据,可通过插值了解全区域内的完整空间分布。克里格法是一种无偏、最优估计的方法[6]。本研究采用普通克里格法插值估计全国区域范围内的PM2.5浓度,其中变异函数模型选用球形模型。

1.3   统计学分析

应用ArcGIS 10.6进行地图制作、空间自相关分析及克里格插值分析。

2   结果

2.1   空间分布基本特征

2018年,中国334个地级及以上城市PM2.5年平均质量浓度(后称浓度)为(39.3±14.4)μg·m-3,中位数(P25P75)为37.1(28.9,47.8)μg·m-3。PM2.5年平均浓度低于世界卫生组织(World Health Organization,WHO)标准限值(10μg·m-3)的城市仅有阿勒泰地区(8.8μg·m-3),且196个城市(58.7%)高于我国PM2.5年平均浓度限值(35 μg·m-3)。PM2.5年平均浓度排名前十位的城市分别为和田地区(116.6 μg·m-3)、喀什地区(96.2 μg·m-3)、阿克苏地区(74.3 μg·m-3)、安阳(72.5 μg·m-3)、临汾(69.9μg·m-3)、石家庄(69.5μg·m-3)、五家渠(69.0μg·m-3)、邯郸(68.9μg·m-3)、邢台(68.7μg·m-3)、保定(66.4μg·m-3)。三区十群重点区域PM2.5年平均值由高至低分别为新疆乌鲁木齐城市群(58.28 μg·m-3)、陕西关中城市群(56.56 μg·m-3)、京津冀(54.97 μg·m-3)、山东半岛城市群(49.43 μg·m-3)、山西中北部城市群(46.78 μg·m-3)、长株潭城市群(44.22 μg·m-3)、武汉及其周边城市群(43.47 μg·m-3)、成渝城市群(42.59 μg·m-3)、长江三角洲(41.59 μg·m-3)、甘宁城市群(39.78 μg·m-3)、辽宁中部城市群(38.83 μg·m-3)、珠江三角洲(30.66 μg·m-3)、海峡西岸城市群(24.77 μg·m-3)。334个地级及以上城市年平均PM2.5浓度分布见图 1

图 1

2018年中国334个城市年平均PM2.5浓度分布

Figure1.

Distribution of PM2.5 annual mean concentrations in 334 cities of China in 2018

2.2   全局空间自相关

以地级及以上城市为空间单位进行全局Moran’s I分析,空间自相关系数Moran’s I=0.58,且P < 0.001,表明2018年我国各城市PM2.5年平均浓度存在全局空间自相关性。

2.3   局域空间自相关

图 2展现了2018年我国334个地级及以上城市年平均PM2.5浓度的空间关联模式分布,214个城市的局域空间自相关性有统计学意义。其中,98个城市为高-高区域,即该98个城市年平均PM2.5浓度高,而其周围城市PM2.5浓度也较高,主要分布于北京市、天津市、河北省、河南省、山东省、山西省、江苏省、安徽省、湖北省及新疆维吾尔自治区;15个城市为低-高区域,即这15个城市的PM2.5浓度低,位于周围的城市PM2.5浓度较高,主要分布于陕西省及其周边区域;2个城市为高-低区域,即这2个城市的PM2.5浓度高,位于其周围的城市PM2.5浓度较低,分别为广西壮族自治区的柳州市和甘肃省的武威市;99个城市为低-低区域,即这99个城市的PM2.5浓度低,其周围城市的PM2.5浓度也较低,主要分布于空气质量较好的吉林省、黑龙江省、福建省、广东省、海南省、贵州省、云南省以及广西壮族自治区。

图 2

2018年中国334个城市PM2.5年平均浓度空间聚集

Figure2.

Spatial clusters of PM2.5 annual mean concentrations in 334 cities of China in 2018

2.4   克里格插值估计

空间自相关分析显示PM2.5浓度具有空间相关性,因此可运用空间克里格插值方法依据监测点浓度值估计全国PM2.5浓度。结果显示有两个高污染城市聚集地:一是新疆西部,PM2.5年平均浓度以此为中心向四周逐渐降低;二是以河北、河南、山东、山西四省交界处为中心,四周PM2.5年平均浓度逐渐降低。见图 3

图 3

2018年中国PM2.5年平均浓度普通克里格插值分布图

Figure3.

Distribution of PM2.5 annual mean concentrations by ordinary Kriging interpolation in China in 2018

3   讨论

2018年,中国334个地级及以上城市的PM2.5年平均浓度为39.3 μg·m-3,2014年190个监测城市的年平均PM2.5浓度为61 μg·m-3[1],与之相比,2018年我国的空气质量大为改善,但仍有58.7%的城市超过我国PM2.5浓度限值(35 μg·m-3),与WHO标准限值(10 μg·m-3)相差更远,与2015—2017年美国(7.9μg·m-3)、2015—2016年欧洲(7.8μg·m-3)、2015—2017年东亚(19.0μg·m-3)的差距仍然很大[7]。因此,中国政府仍需加强相关措施,改善空气质量。

地级及以上城市间PM2.5空间分布具有正相关性,呈空间聚集特征,高值聚集地区数量与低值聚集地区数量相当。局域空间自相关分析和克里格插值估计均发现新疆西部、京津冀及周边地区PM2.5浓度高,呈现高值聚集区。其中,新疆西部高PM2.5浓度主要是取暖燃煤排放PM2.5以及气态污染物,加上气象条件和地形条件不利于污染物扩散所致[7]。此外,新疆虽然在16个城市设立了监测点,但其监测点数量相对于其面积仍较少,可能影响空间自相关分析及克里格插值的结果。另外,局域空间自相关分析还探测到广西壮族自治区的柳州市和甘肃省的武威市属于高-低区域,即这2个城市的PM2.5浓度高,但其周围城市的PM2.5浓度较低,其污染来源应值得关注。柳州市为广西第一大工业城市,工业生产排放为其PM2.5主要来源,且其三面环山的地形不利于污染物的扩散;武威市地处三大高原交汇地带,气候干燥,境内有沙漠,易出现扬沙浮尘极端天气,这是造成该市颗粒物污染严重的客观自然地理条件,另外以燃煤为主的冬季采暖期也是其PM2.5浓度高的原因。低-高区域同样应引起重视,他们近邻高污染区,高污染区的扩散效应易对其产生不利影响。

尽管越来越多的研究揭示PM2.5分布的空间异质性,但大部分研究局限于某一地理区域,少数全国性研究地仅局限于31个省会城市[2-3, 8-9],而本研究分析了全国334个地级及以上城市,代表性更强,空间插值更准确、更平滑。虽然Kuerban等[7]的研究与本研究同样基于中国所有空气质量监测点并发现了华北以及西北地区的高污染区,但本研究利用空间自相关分析,除了探测到高-高区域、低-低区域外,还探测到高-低区域及低-高区域的分布模式;另外,本研究进一步利用已有的监测点进行插值分析,插值结果可以对无监测点的区域进行估计,节约监测成本。

2012年,原国家环境保护部、国家发展和改革委员会、财政部公布的《重点区域大气污染防治“十二五”规划》中,划定了全国13个大气污染防治重点区域(三区十群)。经过多年的努力,区域大气污染联防联控等综合治理措施的实施,大气环境质量稳步改善,本研究发现2018年珠江三角洲区和海峡西岸城市群PM2.5浓度已符合国家标准。重点区域大气污染联合防治,可在经济政策、产业布局、能源供应等方面统一规划、统一标准,突出区域防治重点。由于城市发展水平差异,通过联防联控带动区域产业结构调整,可使优势产业和技术辐射到相应区域。本研究基于城市平均值的空间分析可为国家大气污染重点区域的修订提供依据及参考。此外,由于我国农村地区大气污染面积广、点源分散、排污随机、污染隐蔽且不易监测,基于国家监测点开展空间分析,可较好反映城市大气污染状况,但因农村地区大气监测数据的缺失,导致容易忽视我国农村大气污染现状。

本研究基于GIS,描述了中国2018年PM2.5的分布,并指出其高浓度聚集区,为国家全面制定下一步的相关政策和居民的健康防护提供一定的依据。根据本研究分析结果,未来PM2.5污染治理仍应以京津冀及周边地区为核心,针对重点地区、重点时节要做到时时监管,提前防控,打好防治大气污染的攻坚战,做到区域绿色协调发展。

图 1

2018年中国334个城市年平均PM2.5浓度分布

Figure 1

Distribution of PM2.5 annual mean concentrations in 334 cities of China in 2018

图 2

2018年中国334个城市PM2.5年平均浓度空间聚集

Figure 2

Spatial clusters of PM2.5 annual mean concentrations in 334 cities of China in 2018

图 3

2018年中国PM2.5年平均浓度普通克里格插值分布图

Figure 3

Distribution of PM2.5 annual mean concentrations by ordinary Kriging interpolation in China in 2018

参考文献

[1]

王振波, 方创琳, 许光, 等. 2014年中国城市PM2.5浓度的时空变化规律[J].地理学报, 2015, 70(11):1720-1734.

DOI: 10.11821/dlxb201511003
[2]

YANG X, ZHENG Y, GENG G, et al. Development of PM2.5 and NO2 models in a LUR framework incorporating satellite remote sensing and air quality model data in Pearl River Delta region, China[J]. Environ Pollut, 2017, 226:143-153.

 
[3]

李雪梅, 许东明.京津冀城市群PM2.5的空间分布及相关性分析[J].生态与农村环境学报, 2019, 35(2):174-179.

[4]

王涛, 王玲, 崔峰, 等. 2013-2015年山东省淄博市布鲁菌病的空间自相关分析[J].中华地方病学杂志, 2016, 35(10):721-724.

DOI: 10.3760/cma.j.issn.2095-4255.2016.10.005
[5]

任晓卫, 白亚娜, 刘新凤, 等.甘肃省2012年手足口病空间聚集性研究[J].中华流行病学杂志, 2015, 36(6):620-623.

DOI: 10.3760/cma.j.issn.0254-6450.2015.06.018
[6]

李骁.全球人群肾素-血管紧张素-醛固酮通路内关键基因的空间遗传学研究-探索"基因节俭学说"的进化生态学证据[D].济南: 山东大学, 2011.

http://d.wanfangdata.com.cn/thesis/Y1938226

[7]

KUERBAN M, WAILI Y, FAN F, et al. Spatio-temporal patterns of air pollution in China from 2015 to 2018 and implications for health risks[J]. Environ Pollut, 2019, 258:113659.

 
[8]

WANG Y, YING Q, HU J, et al. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013-2014[J]. Environ Int, 2014, 73:413-422.

DOI: 10.1016/j.envint.2014.08.016
[9]

ZHAO S, YU Y, YIN D, et al. Annual and diurnal variations of gaseous and particulate pollutants in 31 provincial capital cities based on in situ air quality monitoring data from China National Environmental Monitoring Center[J]. Environ Int, 2016, 86:92-106.

DOI: 10.1016/j.envint.2015.11.003
上一张 下一张
上一张 下一张

[基金项目] 国家自然科学基金重大研究计划重点支持项目(91643203);国家自然科学基金面上项目(81872600);广东省自然科学基金项目(2018B030312005);中国博士后科学基金面上项目(2019M660161)

[作者简介]

[收稿日期] 2019-12-06

【点击复制中文】
【点击复制英文】
计量
  • PDF下载量 (69)
  • 文章访问量 (138)
  • XML下载量 (0)
  • 被引次数 (0)

目录

中国2018年PM2.5的空间分布特征——基于地理信息系统的研究

导出文件

格式

内容

导出 关闭
《环境与职业医学》杂志官方网站