APEC区域减排对北京PM2.5浓度时空变化的影响分析

李 佳 乐,吴 立 新,2*,任 传 斌,柴 曼,张 媛 媛,项 程 程

(1.中国矿业大学(北京)地球科学与测绘工程学院,北京 100083；2.中国矿业大学环境与测绘学院,江苏 徐州 221116)

APEC区域减排对北京PM2.5浓度时空变化的影响分析

李 佳 乐1,吴 立 新1,2*,任 传 斌1,柴 曼1,张 媛 媛1,项 程 程1

(1.中国矿业大学(北京)地球科学与测绘工程学院,北京 100083；2.中国矿业大学环境与测绘学院,江苏 徐州 221116)

为保障2014 年亚太经济合作组织(APEC)会议期间北京的空气质量，京津冀晋鲁豫(简称J4LY地区)采取了区域减排措施。该文基于地基监测的PM2.5日均浓度数据，利用普通克里金方法对该地区的PM2.5进行空间插值表达，分析其时空分布特征，并顾及风速、相对湿度评估区域减排对研究区空气质量的影响。与2013年同期相比，虽然APEC期间气象条件不利，北京PM2.5浓度仍下降28%。APEC会后区域减排措施解除，京津冀空气质量急剧转差、PM2.5浓度反弹，凸显了区域减排措施的重要性。采用Spearman秩相关系数，分析对比了2014年APEC前后共34 d与2013年、2015年同期北京与周边城市PM2.5浓度相关性的变化特征，揭示区域减排措施有效降低了山东、河南空气污染物的远程传输贡献。

APEC会议;PM2.5质量浓度;空间分布;变化特征;空间相关性

0 引言

21世纪以来，我国频遭区域性严重空气污染事件，不仅影响正常生活、生命健康，也损毁国家形象[1]。围绕雾霾的研究很多，可分为关注自然因素[2-11]和关注人为因素[12-14]两大类。赵晨曦等分析了气温、相对湿度、降水量、风速等气象因子对北京市PM2.5浓度的影响，表明相对湿度和风速是主要因素[15]；吴兑等利用京津冀晋气象资料，总结提出了环首都圈雾霾过程的近地层输送概念模型，指出河北中南部与山西诸河谷的累积污染带与近地层输送流叠加是造成北京严重雾霾的重要原因[16]。刘子锐等[17]、李雪等[18]、孙志强等[19]研究表明，协同减排使2008奥运期间北京大气颗粒物浓度显著降低；辛金元等[20]指出，奥运后大气污染管控措施取消，北京及周边地区PM2.5、SO2、NOx浓度随即显著反弹。

2014 年11月5～11日，亚太经济合作组织(APEC)会议在北京召开。为保障APEC会议期间北京的空气质量，北京及周边省(市)采取了不同程度的减排措施。例如，京津冀等地采取汽车单双号限行，增加公交出行；北京市机关单位公车封存70%，市民放假6天，全市大气污染物排放重点企业中，69家停产、72家限产；河北停产限产企业达到8 430家、停工工地5 825家；山西、山东等省自加压力，削减污染物排放等。Huang等[21]利用遥感反演数据，评估了APEC会议期间区域减排措施的作用，表明2014年华北平原NO2柱浓度、AOD与AAOD均比2011-2013年同期显著降低。本文利用京津冀晋鲁豫(简称J4LY地区)地面监测的PM2.5日均质量浓度数据进行空间插值，以实施区域减排措施时间为界，分析APEC会议前、中、后3个时段PM2.5浓度的时空分布特征变化；并参照风速、相对湿度评估区域减排措施对J4LY地区空气质量的影响特征。对比2013、2015年同期数据，进一步评估区域减排措施的效果。此外，本文还采用Spearman秩相关，分析了北京市与该地区城市群PM2.5浓度变化的相关性，直观揭示了减排措施对减少空气污染物区域传输的贡献。

1 数据及分析方法

本文通过天气后报网(http://www.tianqihoubao.com/aqi/)获得J4LY地区各城市的PM2.5浓度数据。因观测站点逐步建设，2013-2015年10月28日至11月30日(共34 d)，J4LY地区各年分别有36、42和55个城市公布了日均PM2.5浓度数据。2014年同期，研究区共219个空气质量监测站点的逐小时PM2.5浓度数据则来源于青悦开放环境数据中心(https://wat.epmap.org/air)；剔除数据部分缺失的4个站点(张家口五金库、枣庄台儿庄区环保局、德州监理站和日照港务局)，本文以215个站点(图1b)的数据进行PM2.5日均浓度变化分析。日均风速(WS)和相对湿度(RH)数据来源于中国气象数据网(http://data.cma.gov.cn/)。

为评估区域减排措施对北京空气质量的影响，本文分3个时段进行分析对比：1)时段I：10.28-11.2(APEC会前，6 d)；2)时段II：11.3-11.11(实施区域减排措施及APEC会中，9d)；3)时段III：11.12-11.30(APEC会后，19 d)。为便于对比分析，对2013-2015年这34 d的PM2.5浓度数据，分别按以上3个时间段求取均值。

图1 2013—2015年J4LY地基观测空间分布Fig.1 Spatial distribution of ground observation in J4LY region during 2013-2015

如图1所示，J4LY地区的地基观测站数目有限且分布不均。为研究全区PM2.5浓度分布及其变化情况，应进行空间插值。刘光孟等[22]对普通克里金、三次样条函数、反距离加权3种方法的插值精度进行了比较，表明对于少量非均匀分布数据，普通克里金法能取得较好精度。丁卉等[23]对比分析区域空气质量空间插值方法后指出，普通克里金法能得到整体最优的插值精度,故本文选取普通克里金插值方法进行PM2.5质量浓度空间插值。

为分析北京与周边城市的PM2.5的区域传输作用，本文采用Spearman秩相关分析方法(可提供两个随机变量在线性或非线性相关下的共变趋势[24]，一定程度上反映两者间的相互影响)揭示周边城市与北京市PM2.5的区域传输强弱程度的变化。按下式计算北京PM2.5与周边城市PM2.5的秩相关系数rs：

(1)

(2)式中:n为样本容量，因本文分析34d，故n=34；Ui和Vi分别代表北京及其周边某城市34d内各天的PM2.5质量浓度按大小顺序排列所得位次,di为位差。

因按有限样本数据求得的相关系数rs存在抽样误差，不能完全代表两城市PM2.5浓度的总体相关性，需对其进行统计检验[25],检验统计量t如下：

(3)

本文进行置信度(双侧)检验。统计检验是基于假设检验的统计分析方法。通常，拒绝客观上正确的原假设(相关系数为0，即2个随机变量间不存在显著的相关关系)的概率用α值表示，称为假设检验的“显著性水平”(significantlevel)[24]。α常取0.05或0.01。本文采用SPSS19.0进行计算,其给出检验统计量取值的相伴概率(用p表示)，如果p值小于事先已确定的α值，就意味着原假设成立的可能性很小，即认为两个随机变量间存在明显的相关关系[24]。

2 PM2.5浓度时空变化分析

2.1 分时段的时空分布特征及原因

从空间插值得到的2013-2015年不同时段PM2.5的空间分布图(图2)看，其格局大致相同，高浓度区主要集中于京津冀，时段特征对比为：

时段I(图2a-c)：2013年J4LY地区PM2.5浓度水平较高，京津冀大部及山东西部呈重度污染；2014年仅沧州为重度污染，PM2.5浓度整体低于2013年；2015年仅豫北、鲁西局部地区轻度污染，其他地区均呈优良状态。综合表明，J4LY地区PM2.5浓度逐年下降，重污染影响范围逐渐减小，体现了国务院“大气十条”的成效。

时段II(图2d-f)：2013年借助总体有利气象条件(图3)，北京空气质量较好。2014年虽受不利气象条件影响，减排措施仍有效提升了北京空气质量。即使是在北京出现静稳天气的11.8-10日(日均风速仅为1.0m/s)，9日这天的PM2.5浓度均值仅为57μg/m3；而2013年11.8-10日的气象条件有利于大气污染物扩散(日均风速达2.2m/s)，但9日这天的PM2.5浓度均值高达89μg/m3(图3、图4)。

时段Ⅲ(图2g-i)：研究区PM2.5浓度显著高于时段II，原因为燃煤排放的贡献增大(2013年、2014年华北各地从11月15日开始集中供暖，2015年北京市则提前至11月7日)。2014年，研究区时段Ⅲ的PM2.5浓度急剧上升，属“报复性升高”现象：一些企业为弥补APEC减排期间造成的损失，加大了生产力度，造成污染排放强度短时增大。该现象与2008年北京奥运会[26]和2010年上海世博会[27]之后空气质量较会议期间明显转差相似。

图2 2013—2015 年J4LY地区3个典型时段PM2.5浓度均值的空间分布Fig.2 Spatial distribution of mean PM2.5concentrations in J4LY region in various phases of 2013-2015

图3 2013-2015年11月北京的日均风速变化情况Fig.3 Variation of daily average wind speed in Beijing in November during 2013-2015

图4 2013-2015年11月北京PM2.5日均浓度变化趋势Fig.4 Variation of PM2.5daily average concentration in Beijing in November from 2013 to 2015

此外，因2015年供暖日提前，故2015年时段II、III的PM2.5浓度均值与前两年相比，必然加入了更多的燃煤排放贡献。否则，该时段II北京的PM2.5浓度均值应更低，时段III北京南部、冀中南与鲁西地区的PM2.5浓度均值也更低一些。

2.2 北京逐日的PM2.5浓度变化

以11月为例，对比分析2013-2015年北京市PM2.5日均浓度的变化趋势(图4)。该3年时段II的PM2.5浓度均值分别为68 μg/m3、54 μg/m3、100 μg/m3，2014年的值最低显然与区域减排措施有关。2013年、2014年11月15日集中供暖后数日，PM2.5浓度不升反降，得益于连续多日大风天气。2014年11月19日PM2.5浓度急剧上升，20-21日保持高值，与18-21日风速低、天气静稳有关(图3)；此后的26日、29日PM2.5浓度两次急剧上升，也与当日风速低有关。2015年因正式供暖日提前至7日，使得其后3 d的PM2.5浓度均值较2014年同期升高近一倍；且10-14日出现低风静稳天气，PM2.5浓度持续上升，至14日达到258 μg/m3；15日开始，风速变大，静稳条件受到破坏；PM2.5浓度迅速下降，16日降到57 μg/m3，之后保持了10 d低值状态；27日开始再次出现低风静稳天气，PM2.5浓度急剧上升。

2.3 同等气象条件下PM2.5浓度对比

为减少气象因素的影响，分别选取2014年3个时段内7:00-8:00气象条件基本一致的短期窗口(图5虚线框)进行APEC前后PM2.5浓度对比。所选短期窗口(时段Ⅰ的10月28-30日，时段Ⅱ的11月7-8日和时段Ⅲ的11月19-20日)的风速均值约为1.3～1.5 m/s，相对湿度在40%～55%，均属低风静稳气象条件。时段Ⅱ短期窗口的PM2.5浓度均值最低(54 μg/m3)，而时段Ⅰ、时段Ⅲ短期窗口的PM2.5浓度分别高达95 μg/m3和195 μg/m3。由此可见，即使在同等不利的气象条件下，区域减排措施仍然显著降低了APEC期间北京的PM2.5浓度，典型证明区域减排是十分有效的。

图5 2014年10-11月同等气象条件下北京PM2.5浓度对照Fig.5 Contrasting of Beijing PM2.5 concentration on similar weather conditions in Oct.^Nov. 2014

3 区域传输作用变化分析

计算这3年34 d内北京PM2.5与J4LY地区其他城市的PM2.5秩相关性系数，得到其空间分布特征(图6)。该图揭示：2013年、2015年自然状态下，北京与周边城市PM2.5浓度相关性水平接近，呈统计意义上的显著相关性。表明北京与J4LY地区城市群的PM2.5浓度变化统计相关性很强(仅太行山以西极个别城市例外)。2014年APEC期间因采取了区域联防联控措施，空气污染物的区域传输作用降低，使得北京与远方城市的相关性明显减弱、呈显著相关的范围明显缩小(如山东、河南)，与文献[21]基于遥感反演气溶胶(10.15-11.30日共46 d)及其相关性分析得出的结论基本一致。APEC期间天津、河北、山西、鲁西、豫北城市与北京的PM2.5相关性依然高度显著，原因在于：1)其地理位置与北京临近，环首都圈的近地层输送模式[16]持续有效；2)所执行的防控减排措施力度较大、基本与北京相当，导致PM2.5浓度近同步降低。山东临沂、枣庄、东营等与北京呈负相关，原因是APEC期间其PM2.5浓度不降反增(如临沂毛纺厂监测站点时段II与时段I的PM2.5浓度比值高达3.7)。

4 结论

以2013-2015年APEC期间J4LY地区的地基监测PM2.5浓度数据为例，进行空间插值变化表达与秩相关性对比分析，直观揭示了：1)2014年APEC期间的区域减排显著降低了北京PM2.5浓度，即使在当年11月同等不利的低风静稳条件下，依然显著提升了北京的空气质量。2)2014年北京与周边城市PM2.5浓度秩相关系数的高度显著相关范围，较之2013年和2015年同期的高度显著相关范围明显缩小，表明区域减排措施有效降低了山东、河南空气污染物的远程传输贡献。

图6 北京与J4LY地区其他城市PM2.5浓度相关系数空间分布Fig.6 Spatial distribution of the correlation coefficient among PM2.5in Beijing and other cities in J4LY region

本文仅利用地面监测数据分析对比了APEC前后J4LY地区的PM2.5的时空变化特征，而大气污染物的变化规律和污染水平将随社会经济发展、气候条件变化而不断改变，需利用长期、连续的监测数据进行分析。目前，对于自然因素及减排措施的综合评价尚无统一标准，今后也应加强研究。对有限的地基观测PM2.5浓度数据进行空间插值，必定存在误差；今后应结合卫星遥感反演得到的PM2.5浓度图像，进一步提升PM2.5空间分布变化监测、相关性分析以及变化预测的精度和准确性。

[1] 刘鸿志.雾霾影响及其近期治理措施分析[J].环境保护，2013，41(15):30-32.

[2] 王占山，李云婷，孙峰，等.2014 年 10 月上旬北京市大气重污染分析[J].中国环境科学，2015，35(6):1654-1663.

[3] 王琪，孙巍，张新宇.北京地区 PM2.5质量浓度分布及其与气象条件影响关系分析[J].计算机与应用化学，2014，31(10):1193-1196.

[4] 曹伟华，李青春.北京地区雾霾气候特征及影响因子分析[A].中国灾害防御协会风险分析专业委员会第五届年会论文集[C].2012

[5] VERMA S S,DESAI B.Effect of meteorological conditions on air pollution of Surat City[J].J.Int.Environmental Application & Science,2008,3(5):358-367.

[6] 彭应登，张中华，胡粼粼.北京雾霾天形成的原因及特点浅析[A].中国环境科学学会学术年会论文集 (第五卷)[C].2013.4257-4259.

[7] 廖晓农，张小玲，王迎春，等.北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J].环境科学，2014，6(1)：2031-2044.

[8] 张小玲，赵普生，徐晓峰，等.京津冀区域霾天气时空分布及气象要素特征研究[A].第七届海峡两岸气胶技术研讨会论文摘要集[C].2010.84-86.

[9] 赵普生，徐晓峰，孟伟，等.京津冀区域霾天气特征[J].中国环境科学，2012，32(1):31-36.

[10] 张小曳，孙俊英，王亚强，等.我国雾-霾成因及其治理的思考[J].科学通报 (中文版)，2013，58(13)：1178-1187.

[11] WANG L，ZHANG N，LIU Z，et al.The influence of climate factors,meteorological conditions,and boundary-layer structure on severe haze pollution in the Beijing-Tianjin-Hebei region during January 2013[J].Advances in Meteorology，2014，dx.doi.org/10.1155/2014/685971.

[12] 刘建国，谢品华，王跃思，等. APEC 前后京津冀区域灰霾观测及控制措施评估[J].中国科学院院刊，2015，30(3)：368-377.

[13] ZHENG W,LI X,XIE J,et al.Impact of human activities on haze in Beijing based on grey relational analysis[J].Rendiconti Lincei，2015，26(2):187-192.

[14] 谢和成.对雾霾天气的反思[J].科技创新导报，2014(10)：82-83.

[15] 赵晨曦，王云琦，王玉杰，等.北京地区冬春 PM2.5和 PM10 污染水平时空分布及其与气象条件的关系[J].环境科学，2014，35(2):418-427.

[16] 吴兑，廖碧婷，吴蒙，等.环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件[J].环境科学学报，2014，34(1):1-12.

[17] 刘子锐，孙扬，李亮，等.2008 奥运和后奥运时段北京大气颗粒物质量浓度和数浓度比对研究[J].环境科学，2011，32(4)：913-923.

[18] 李雪，刘子锐，任希岩，等.2007 和 2008 年夏季北京奥运馆大气 PM10与 PM2.5质量浓度变化特征[J].大气科学学报，2012，35(2)：197-204.

[19] 孙志强，吉东生，宋涛，等.奥运时段北京及近周边区域空气污染观测与比对分析[J].环境科学，2010，31(12)：2852-2859.

[20] 辛金元，王跃思，唐贵谦，等.2008 年奥运期间北京及周边地区大气污染物消减变化[J].科学通报，2010，55(15)：1510-1519.

[21] HUANG K，ZHANG X，LIN Y.The “APEC Blue” phenomenon：Regional emission control effects observed from space[J].Atmospheric Research,2015,164：65-75.

[22] 刘光孟，汪云甲，张海荣，等.空间分析中几种插值方法的比较研究[J].地理信息世界，2011，9(3)：41-45.

[23] 丁卉，徐伟嘉，曹生现，等.三种区域空气质量空间插值方法对比研究[A].中国环境科学学会学术年会论文集 (第八卷)[C].2013.7052-7059.

[24] 张利田，卜庆杰，杨桂华，等.环境科学领域学术论文中常用数理统计方法的正确使用问题[J].环境科学学报，2007，27(1):171-173.

[25] 武松，潘发明.SPSS统计分析大全[M].北京：清华大学出版社,2014.218-220.

[26] 孙志强.奥运前后北京及近周边区域空气污染观测与比对分析[D].重庆：西南大学，2010.

[27] 黄嫣旻，魏海萍，段玉森，等.上海世博会环境空气质量状况和原因分析[J].中国环境监测，2013，29(5)： 58-63.

Impact of APEC Regional Emission Reduction on Spatio-Temporal Variation of PM2.5Concentration in Beijing

LI Jia-le1,WU Li-xin1,2,REN Chuan-bin1,CHAI Man1,ZHANG Yuan-yuan1,XIANG Cheng-cheng1

(1.CollegeofGeoscienceandSurveyingEngineering,ChinaUniversityofMiningandTechnology，Beijing100083; 2.SchoolofEnvironmentScienceandSpatialInformatics,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)

In order to guarantee Beijing′s air quality during the Asia-Pacific Economic Cooperation (APEC) Summit on Nov.5-11,2014,several provinces including Beijing (Jing),Tianjin (Jin),Hebei (Ji),Shanxi (Jin),Shandong (Lu) and Henan (Yu),named in general J4LY region,had taken temporary regional emission reduction measures (RERMs).Based on ground measurements on PM2.5concentration,this paper applied ordinary Kriging method to do spatial interpolation and make comparison analysis in J4LY region.We analyzed the spatio-temporal variation characteristics of PM2.5concentration and assessed the impact of RERMs on Beijing PM2.5.Referring to wind speed and relative humidity and compared with the same period in 2013,although the meteorological conditions in Beijing appeared adverse during the APEC,Beijing PM2.5concentration still declined by 28%.The air quality of J4LY got deteriorated rapidly as the RERMs being lifted after APEC summit,which verified again RERMs is very effect and important.Using Spearman rank correlation analysis and comparing the APEC-related period (34 d) with the same period in 2013 and 2015,respectively,the correlations of PM2.5concentrations between Beijing and other cities in J4LY region were analyzed.The results indicate further the RERMs had reduced also the long-distance transmission of air pollutants from Shandong and Henan to Beijing.

APEC Summit;PM2.5concentration;spatial distribution;variation characteristics;spatial correlation

2015-01-08

科技部973课题(2011CB707102);江苏省优势学科(PAPD)及双创团队项目

李佳乐(1991-)，女，硕士研究生，研究方向为摄影测量与遥感。*通讯作者E-mail：awulixin@263.net

10.3969/j.issn.1672-0504.2016.03.020

X513

A

1672-0504(2016)03-0110-06