【《PM2.5时空分布特征及影响因素分析案例》6000字】

PM2.5时空分布特征及影响因素分析案例目录TOC\o"1-3"\h\u20579PM2.5时空分布特征及影响因素分析案例 1258361.1PM2.5时空分布特征分析 150801.1.1PM2.5季节时空分布特征 1216111.1.2PM2.5年时空分布特征 4127631.2社会经济因素驱动分析 7262431.2.1空间自相关结果分析 887861.2.2驱动模型构建与评估 111.1PM2.5时空分布特征分析根据我国环境空气质量标准（GB3095-2012）[70]，PM2.5年均浓度一级限值为15μgm-3（适用于一类区，如自然保护区、风景名胜等），二级限值为35μgm-3（适用于居住区、商民混合区、农村地区、工业区等）。参考PM2.5日浓度标准，将年均浓度按照基础值比例转化（>2、1.6-2、1.4-1.6、1-1.4、<1）[71]，得到的PM2.5年浓度污染标准如表1.1所示。完成模型的构建与精度评估后，使用训练效果与拟合程度最优的随机森林模型（RF）反演出2017~2019年华东地区PM2.5日数据，再进一步从季节、年尺度上分析华中地区PM2.5浓度的时空分布特征。表1.SEQ表5.\*ARABIC1本文PM2.5年均浓度标准空气质量状况PM2.5年浓度(μgm-3)达标1-35轻度污染35-49中度污染49-56重度污染56-70严重污染>701.1.1PM2.5季节时空分布特征本节主要从季节变化的时间尺度上分析华中城市群的PM2.5浓度变化特征，首先根据华中地区的气候状况进行季节划分：春季为3~5月，夏季为6~8月，秋季为9~11月，冬季为12~次年2月。三个分区的季节平均PM2.5浓度空间分布如图1.1至1.3所示，大多呈现“冬高夏低，春降秋升”的特征。华中地区全域各城市夏季空气质量较好，大部分区域污染低于35μgm-3。河南和湖北地区冬季污染最严重，区域大部分城市均超过49μgm-3，达到中度污染以上的水平，秋季和春季北部浓度高于南部。季节污染的极高值出现在河南分区的冬季，达到78μgm-3，该分区春夏季空气质量相对较好，秋东季节均存在一定程度的污染，冬季全域均处于高污染水平。湖南分区整体空气质量较好，春、夏、秋差异不大，基于低于35μgm-3，冬季污染相对严重，大多集中在湖南北部地区。图1.SEQ图5.\*ARABIC1河南分区各季节平均PM2.5浓度空间分布图1.SEQ图5.\*ARABIC2湖北分区各季节平均PM2.5浓度空间分布图1.SEQ图5.\*ARABIC3湖南分区各季节平均PM2.5浓度空间分布1.1.2PM2.5年时空分布特征基于RF模型反演的PM2.5日数据，计算得到华中地区年PM2.5浓度空间分布如图1.4所示：图1.SEQ图5.\*ARABIC4华中地区年均PM2.5浓度空间分布2017~2019年均PM2.5浓度呈现空间上北部高于南部，时间上逐年降低的趋势。2017年，华中地区PM2.5年均浓度为39.81μgm-3，重度污染主要集中在河南省（除信阳）和湖北北部地区，部分城市达到严重污染的水平，信阳市可能因为是河南省唯一没有集中供暖的地区所以污染情况较河南省其他市良好；中度污染主要集中在湖北中东部地区、湖南省东北部地区为轻度污染，湖南西南部和南部部分城市空气质量达标。2018年，华中地区整体污染情况和17年相比没有明显变化，污染情况没有明显的改善，年均浓度为40.89μgm-3，区域南部污染浓度与2017年相差不大，湖北省西北部地区严重污染区域减少，部分城市已从重度污染降低为中度污染，但湖北中东部分城市污染情况有一定的加重；湖南部分地区空气质量达标，年均浓度低于35μgm-3。2019年，华中地区PM2.5年均浓度为31.21μgm-3，全区空气质量状况改善明显，重度污染区域继续缩小至河南北部以及湖北中东部，长江以北大部分地区已从中度污染降低为轻度污染，长江以南空气质量达标地区数显著增加。可以看出，我国近年来的一系列环保措施成效显著，有效的降低了PM2.5污染浓度，政府应继续加强环保力度，提升空气质量达标率。以上从全域角度分析了华中地区年均PM2.5浓度的空间分布情况，若想进一步探究污染高低值集聚的情况，需从分区角度开展年均PM2.5浓度空间分布特征分析。分区结果如图1.5至图1.7所示：图1.SEQ图5.\*ARABIC5河南分区年均PM2.5浓度空间分布从河南分区这三年的PM2.5分布图可以看出，靠近河北地区的豫北城市大部分空气质量一直未达标，但三年里部分城市污染总体呈降低趋势，且北部污染高于南部。2017年轻度和中度污染集中在区域北部和中部的大部分地区；2018年污染严重地区基本上与17年无明显变化；2019年除安阳市、鹤壁市等豫北城市出现污染情况些许加剧外，其余大部分地区整体污染水平降低至中度污染及以下，南阳、信阳地区甚至出现达标的好转现象。结合区域地理位置与发展情况，河南省城市污染主要由于气象条件、燃煤能源结构和挥发性有机物污染防治工作起步晚，冬季大部分城市都有采暖期，能源消耗较大，且河南更靠近北方地区，气候干燥，该地区不仅与京津冀雾霾存在一定的关联性，其本身火电装机、钢铁产能、燃煤消费较高，污染排放强度高于全省平均水平。因此，该地区需制定更为严格的治霾措施，全面推进产业结构调整，工业错峰生产，清洁取暖，严格落实禁烧要求、控制扬尘排放，导致整体PM2.5污染情况偏高。但是从这几年的变化可以看出，政府在加强环境整改工作上有明显效果，河南省近年来空气质量有所改善，说明政府的环保措施落实到位。图1.SEQ图5.\*ARABIC6湖北分区年均PM2.5浓度空间分布湖北分区这三年里的污染呈现先上升后下降的的趋势，大部分区域处于轻度污染或达标状态，只有荆州、潜江等部分城市属于中度污染，整体污染情况良好。2017年大部分区域年均PM2.5浓度低于49μgm-3，属于轻度污染已下，只有十堰、襄阳、武汉、荆州等城市的部分区域达到轻度污染；2018年全区空气质量状况有着一定的改善，但荆州、天门、潜江、仙桃地区污染情况有所加剧，达到中度污染水平，其他城市空气质量或与去年持平或有所改善；2019年区域空气质量有着明显改善，大部分中度污染转为轻度污染或达标，中度污染中集中在南部的湖南省交界处，其他地区的PM2.5水平都接近达标水平。整体而言，东部和西部山区的空气质量要优于中部平原，尤其是江汉平原这一区域是全省人口最密集、经济最发达的地方，需要更加重视大气污染的治理。图1.SEQ图5.\*ARABIC7湖南分区年均PM2.5浓度空间分布湖南分区在华中地区中属于空气质量较好的区域，三年间呈现先上升后降低趋势，但整体变化不大，并朝着改善的趋势发展。2017年空气质量轻度污染地区主要集中在湘东北地区，长沙、岳阳、常德等这几个工业发达的城市尤为突出，也波及到周边的益阳、湘潭等城市，存在一定程度的污染，其他地区基本上属于轻度污染以下；2018年相比于去年反而有所升高，空气质量轻度污染的城市数增多，达标的地区明显减少；而2019年的结果则显示大部分城市都处于轻度污染或者达标水平，说明污染情况得到明显改善，只有湘北部分地区存在中度污染情况，其余地区的PM2.5水平明显下降。说明2018-2019年湖南各市政府对环保工作高度重视，各市PM2.5水平均有所下降，全年未发生环境污染事件生态环境发展取得显著成效，空气质量优良天数日益增长，望湖南政府继续保持环保措施取得有效成果，强化污染管理。1.2社会经济因素驱动分析考虑到社会经济数据的完整性和可获取性，以2018年为例对研究区域PM2.5污染的驱动因素开展分析。使用前期建模获取的2018年华中地区PM2.5年数据，结合地级市行政区边界进行栅格统计，得到各个地级市的年PM2.5浓度；依据STIRPAT理论，从中国城市统计年鉴和各省市统计年鉴获取人口、经济、绿化、工业、交通等数据，使用GeoDa软件构建空间计量模型以进行社会经济因素对PM2.5污染的驱动分析。1.2.1空间自相关结果分析在使用空间计量模型分析PM2.5污染驱动因素之前，需先进行PM2.5的空间相关检验。PM2.5是一种典型的区域污染扩散要素，在空间上可能会存在高、低值的集聚现象。因此，为探寻研究区域内PM2.5是否存在空间自相关性，首先根据地级市shp文件建立基于Queen的空间权重矩阵，计算出每一个要素的全局Moran’sI值，同时进行显著性P、Z检验；其次，绘制PM2.5分布的Moran散点图，来分析华中地区污染分布的空间关联情况。各个变量的全局Moran指数结果如表1.2所示：表1.SEQ表5.\*ARABIC2各分区PM2.5Moran’sI指数分区IPZ豫0.6730.0014.6712鄂0.5310.0014.0263湘0.2540.0341.9661可以看出，2018年华中三省的PM2.5Moran指数为正，河南、湖北分区大于0.5，说明该数据存在较强的空间正相关性，即污染分布呈现高-高与低-低的空间集聚态势；P值为0.001，即该数据随机生成的概率只有0.1%，说明检验结果高度显著，数据来源可靠性较高（99.9%的置信度）；Z值分别为4.6712、4.0263、1.068，均大于1.96，说明存在明显的聚类特征。湖南分区Moran指数为0.254，虽存在空间正相关性，但没有河南、湖北的相关性高，P值为0.034小于0.05，结果亦显著相关。综上所述，在各个分区PM2.5均呈现显著的自相关性，因此在驱动模型构建中需考虑空间的影响。全局空间自相关在区域范围上分析了污染集聚情况，但是忽略了局部地区存在的空间异质性和不稳定性。华中地区PM2.5的Moran散点图如图1.8所示，从图中可以看出各个城市的PM2.5之间存在空间自相关性，亦存在空间差异性。但是从数据的分布情况来看，多数城市集中在第一和第三象限，即城市间存在明显的空间正相关性，属于高-高和低-低集聚类型，并且位于第一象限的地级市比位于第三象限的多。其中高值被高值包围的地级市有，河南分区鹤壁、许昌、漯河、郑州、焦作、濮阳、商丘，湖北分区黄冈、鄂州、武汉、孝感、潜江、天门、仙桃、荆州、咸宁，湖南分区岳阳、常德、益阳、长沙、湘潭、株洲、衡阳；低值被低值包围的地级市有，河南分区南阳、信阳、驻马店、许昌、三门峡，湖北分区恩施、神农架林区、宜昌、荆门，湖南分区永州、怀化、湘西、张家界；高值被低值包围的地级市有河南分区济源、新乡、开封、洛阳，湖北分区随州、襄阳、孝感、十堰，湖南分区娄底、邵阳；低值被高值包围的地级市有河南分区周口、平顶山，湖北分区黄石，湖南分区郴州。图1.SEQ图5.\*ARABIC8各分区Moran散点图（从左至右分别为豫鄂湘分区）Moran散点图可以定性描述在每个象限各地级市与邻接单元的空间关系，但即使在相同的象限中，各地级市间也存在较大的差异，这种时候可通过生成局部自相关LISA聚集图和LISA显著性图（图1.9至图1.11），从定量的角度得知各象限内部相关的具体程度。LISA图仅显示显著性较高的区域，可以看出河南北部，湖北中部和湖南益阳呈现较为显著的PM2.5浓度高值集聚（高-高），表明该地区不但自身的污染较高，其旁边地市的污染也处于高位；高显著性的低污染集聚（低-低）主要在河南信阳，湖北神农架林区和恩施，湖南湘西和郴州，即他们自身污染较低，周围地市也处于低值。具体污染原因分析见1.2.3节。图1.SEQ图5.\*ARABIC9河南LISA图（上为LISA聚集图，下为LISA显著性图）图1.SEQ图5.\*ARABIC10湖北LISA图（上为LISA聚集图，下为LISA显著性图）图1.SEQ图5.\*ARABIC11湖南LISA图（上为LISA聚集图，下为LISA显著性图）1.2.2驱动模型构建与评估通过空间自相关分析证实PM2.5存在显著的空间相关性，因此在驱动模型的建立中必须考虑空间的影响。拟引入STIRPAT模型和空间计量模型结合，一方面使模型的构建更具有科学依据，另一方面可以解决空间自相关的问题。由于STIRPAT是可扩展的，结合共线性检验后的社会经济要素，构建的STIRPAT基本分析模型如公式1.1所示。（1.1）式中Y为PM2.5年均值浓度，α为常量，β0，…，为待估计的模型参数，为模型的误差随机项，X1，…，分别为年末户籍人口、地区生产总值（GRP）、建成区绿化覆盖率、第二产业占GRP比重、工业烟（粉）尘排放量、年末实有出租车数和城市建设用地占市区面积比重。变形后的STIRPAT公式即为对数（ln）形式，对数形式亦可以消除变量间异方差。加入空间效应的计量模型主要有空间滞后模型（SLM）和空间误差模型（SEM）。空间滞后模型的表达式为公式1.2，空间误差模型的表达式为公式1.3和1.4：（1.2）（1.3）（1.4）式中，ρ为空间自回归系数，W为根据地级市shp文件建立的空间权重矩阵，λ为空间误差系数，ε为正态分布的随机误差变量。使用最小二乘法（OLS）估计模型，根据拉格朗日统计量（表1.3）可得知：三大省份的数LM（lag）比LM（error）更显著，并且R-LM(lag)显著而R-LM(error)不显著，因此选择空间滞后模型（SLM）进行分析；全域的LM（error）比LM（lag）更显著，并且R-LM(error)显著而R-LM(lag)不显著，因此选择空间误差模型（SEM）进行分析。表1.SEQ表5.\*ARABIC3分区OLS估计拉格朗日统计量统计量豫鄂湘全域值P值P值P值PLagrangeMultiplier(lag)1.5140.0181.0550.3042.6931.5140.2670.605RobustLM(lag)13.0530.0001.1330.2871.90613.0530.4120.520LagrangeMultiplier(error)0.0040.9440.2700.6030.8020.0040.4180.517RobustLM(error)7.5430.0060.3480.5550.0157.5430.5640.452以同样的方法对2018年华中地区全区数据进行共线性检测和拉格朗日统计评估，选择空间误差模型对全区数据进行分析（表1.4），结果显示将整个华中地区的数据作为一个整体代入构建的模型，拟合的R2最高，达到0.941，说明当作为整体进行分析时，94.1%的数据能被该融合模型解释，进一步说明将华中地区作为一个整体研究的效果比分区更好。但各社会经济要素对PM2.5并无显著性影响，每个因子的决定系数都偏低，决定性不大。因此，考虑到影响PM2.5的要素存在明显的区域分布特征，按照省界划分的原则对三个分区和整个全域进行分析。对三大省份分别进行分析，在综合考虑了人口、经济、绿化、工业和交通等因素的前提下，湖北分区拟合的R2最高（0.919），说明91.9%的数据都可以被七种社会经济因子所构建的STIRPAT与空间计量结合模型解释，其次是河南分区（R2:0.859），说明此分区81.9%的数据可以用这个模型解释，最后是湖南分区（R2:0.790），其结果最差，只有79%的数据能够被此模型解释。表1.SEQ表5.\*ARABIC4分区PM2.5的社会经济影响因素解析河南分区湖北分区湖南分区华中全域指标系数Z系数Z系数Z系数ZR20.859—0.919—0.790—0.941—α0.6451.1610.0511.0161.5712.3232.2050.509Ln户籍人口0.0401.7730.0731.1280.0252.960**0.0358.181***LnGRP0.0711.954-0.035-4.4820.0830.603-0.011-1.511**绿化覆盖率-0.058-0.1900.00410.075-0.059-1.106-0.011-0.507第二产业占比0.0700.7580.0060.2610.0150.9430.03412.149**Ln粉尘排放-0.002-0.1210.0430.0210.0811.038-0.016-0.678Ln出租车0.0512.413**0.0261.6230.0070.0730.0142.758城区占比0.0680.8070.0240.252-0.058-1.205-0.004-1.760WPM2.50.7321.521***-0.023-1.059-0.432-2.304***——ε——————-0.212-0.961注：*表示10%水平下显著，**代表5%水平下显著，***代表1%水平下显著。从河南分区结果来看，地区生产总值（GRP）和第二产业占比（%）对PM2.5污染有显著的正相关影响，地区生产总值（GRP）和第二产业占比（%）每增加1%，PM2.5浓度分别对应升高0.071%和0.070%。通过对地区生产总值（GRP）和第二产业占比（%）数据可视化（图1.12），可以看出郑州市GRP最高，其次是洛阳和南阳，可以看出GRP较高的城市大多集中郑州及其周边城市，这些城市在发