2014—2019年冬季京津冀地区PM2.5质量浓度时空分布特征

梁丽思,靖娟利,王安娜,罗福林

(桂林理工大学 a.测绘地理信息学院;b.广西空间信息与测绘重点实验室,广西 桂林 541006)

0 引 言

随着各国经济和工业化的飞速发展,化石能源燃烧量急速上升使全球空气污染日渐严重。其中PM2.5污染最为突出[1]。我国正处于经济迅猛发展阶段,工业化进程较快,废弃排放量较大,2011年以来在中国部分地区连续发生空气重污染事件,其中京津冀地区雾霾污染最为严重[2-3]。2013年国务院印发了《大气污染防治行动计划》(简称《大气十条》)以切实改善空气质量。所以,研究PM2.5浓度的时空分布特征对科学治理大气污染具有重要意义。

近年来,诸多学者对PM2.5浓度的时空变化特征进行了深入研究,并探讨了适用于PM2.5浓度的空间插值方法。刘妍月等[4]发现按普通克里金插值法比反距离加权法精度更好, 并能反映PM2.5浓度一定的空间分布结构; 卢月明等[5]在普通克里金插值法的基础上引入正则化项, 精度有一定的提高,但提高不多; 张馨文[6]在研究河南省PM2.5浓度时空变化分析的时候发现克里金插值法精度较高, 其中普通克里金插值法的制图效果更佳； 胡稳等[7]发现在普通克里金插值法的多种不同的半变异函数中, 三角函数适用于贵州省的PM2.5浓度的插值, 而指数函数却适用于PM10的插值分析； 李杰等[8]采用不同的插值方法对石家庄赵县的PM2.5浓度插值时发现协同克里金插值精度最高, 其中反距离插值法精度最低,但是制图效果均不如精度较好的普通克里金插值法； 梁崧岳等[9]在分析2017年京津冀地区PM2.5浓度时空分布特征时发现,基于球面模型的克里金插值法插值效果最佳。以上研究证明普通克里金插值法适用于PM2.5浓度的空间内插变化分析。近年来,较多学者对PM2.5的来源解析[10-11]、 浓度预测[12]、 相关性分析[13]、 时空分布特征[14-15]等方面展开了深入的研究。 其中, Yan等[16]在分析京津冀地区PM2.5浓度的时空变化及空间自相关性时并未涉及小时、 季节尺度的分析, 也未对插值方法的精度进行验证； 张云芝等[17]分析了京津冀地区PM2.5浓度的月、 季节、 年尺度时空变化, 但未对采用的克里金插值法进行精度验证, 同时缺少小时尺度的分析； 周磊等[18]发现京津冀地区春冬季节的PM2.5浓度相似性明显, 区内PM2.5具有显著的聚集性, 但未对其小时尺度进行分析； 杨兴川等[19]研究发现京津冀地区冬季PM2.5污染较严重, 但未对采用的克里金插值法的精度进行验证； 温佳薇等[20]对2013—2016年京津冀地区秋冬季PM2.5的时空效应进行了分析, 主要分析浓度的时间变化和全局空间自相关性, 但没有对PM2.5浓度的空间分布特征进行研究； 刘婕等[21]对京津冀地区2018年PM2.5浓度月、 季节尺度的时空变化分析结果表明, 京津冀地区的PM2.5污染有所好转， 但亦未对PM2.5浓度的小时变化进行分析。

综上所述,已有研究中对京津冀地区PM2.5浓度的时空变化有不同程度的分析,较多文献指出冬季是我国PM2.5污染最为严重的季节，但在已有的文献中多以整年数据为研究时段,或分析单个污染过程、或对影响因子分析,缺乏对污染严重的冬季PM2.5浓度长时段的小时、日、月、季节以及各城市的横纵对比分析，并且在选择空间插值方法的时候并没有对其进行精度验证和比较,使插值结果缺少精度可信性。因此,本文以京津冀地区为研究对象,在验证的前提下选用普通克里金插值法对区内PM2.5浓度进行插值,分析京津冀地区冬季PM2.5浓度小时、日、月、季节尺度的时空分布特征,并讨论其空间自相关性,为京津冀地区大气污染防治提供参考。

1 研究区概况

研究区位于113°27′—119°50′E, 36°05′—42°40′N之间, 包含了北京、 天津两个直辖市和河北省管辖的共13个城市。 东临渤海,南卧华北平原, 西倚太行山山脉, 北至燕山山脉, 全区地势西北高东南低。 太行山和燕山两大山脉俗称“燕太屏风”, 从西、 北两面呈“C型”半包围的特殊结构,将中部和南部地区与西北山区隔绝,不利于大气扩散,而东部沿海城市形成一个风口使得大气向下流动,这使京津冀地区的平原地带成为大气污染物聚集地区。区内气候属于温带季风气候,四季分明,夏季炎热多雨,冬季寒冷干燥，典型的植被为温带落叶阔叶林。区域分块为西北部生态涵养区、中部核心功能区、东部滨海发展区和南部功能拓展区。京津冀地区常住人口为1.1亿,是我国的经济、政治、文化交流中心。

2 数据与方法

2.1 数据来源

本研究基于2014—2019年冬季(12月至次年1、2月)京津冀地区101个有效空气质量监测站的逐小时PM2.5监测数据, 包括北京市环境保护监测中心(http://www.bjmemc.com.cn/)发布的35个环境监测站点的逐时数据和中国环境监测总站(http://www.cnemc.cn/)发布的天津市、河北省的66个监测站点的逐时数据。运用MATLAB编程提取监测站点24 h/d的PM2.5浓度数据,并统计日均值数据、合成月均值数据和季度均值数据(图1)。

2.2 研究方法

基于研究区内101个监测站点的小时数据,分析不同时间尺度下PM2.5浓度的时空分布特征。将普通克里金插值法与反距离加权法进行精度比较后,在ArcGIS软件中选用精度较高、制图效果较佳的普通克里金插值法对监测站点数据进行插值,并利用全局莫兰指数和局部莫兰指数[22](也称LISA指数)对京津冀地区PM2.5浓度进行空间自相关分析(当全局莫兰指数值大于0时, 表示空间正相关; 反之, 表示空间负相关; 而等于0时, 则表示空间呈随机性分布)。 其中用P值和Z值的得分判断研究数据的置信度和空间聚类特征的显著性(P值越小置信度越高。 当Z<-1.96时, 表示空间单元之间存在异属性聚类;Z>1.96时, 表示同属性聚类; 而当Z值在两者之间时表示空间相关性不显著)。 用局部区域的LISA指数反映其与相邻区域的聚类情况(当LISA指数大于0时, 表示高值区包围高值区(HH)或者低值区包围低值区(LL); 反之,则表示低值区包围高值区(LH)或高值区包围低值区(HL))。

图1 京津冀地区PM2.5监测站点空间分布示意图

3 结果与讨论

3.1 时间变化特征

3.1.1 PM2.5小时变化特征 从图2可看出, 2014—2019年冬季京津冀地区0:00—23:00的PM2.5浓度变化基本一致, 除2018年外均呈现 “双峰双谷型”分布特征, 而2019年的浓度波动不大, 均在74.4 μg/m3以内。 10:00前后及23:00—01:00 PM2.5浓度达到峰值, 07:00前后及14:00—16:00降到最小值。 2018年呈单峰单谷型分布, 总体浓度最低。 这是因为政府实施了《京津冀及周边地区 2017 年大气污染防治工作方案》以及《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》, 加强了京津冀及周边地区的治污管理。 使PM2.5浓度变化较平缓, 浓度日较差减小。 2016年冬季PM2.5浓度整体偏高, 这是因为2016年京津冀地区雾霾重污染事件频发[23]。 2017—2019年冬季PM2.5小时浓度均有好转, 浓度大幅降低。 参照《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)规定,将日均浓度划分为优、 良、 轻度污染、 中度污染和重度污染5个等级。

图2 2014—2019年冬季京津冀地区PM2.5浓度小时变化图

由图3可知,2014—2019年冬季重度污染天数逐渐减少。其中2017年冬季改善最为显著,优、良天气天数达到69%,较2014年增加了32%,这是由于政府大力整治“污染企业”使得工业燃煤大量减少,空气好转。与2014年相比,2019年冬季重度污染天数下降了11%,只占整个冬季的9%。由此可见,京津冀地区的空气质量趋于好转。2016年冬季重污染天数占比增多的原因是京津冀地区当年冬季雾霾天气频发,导致重污染天数增多。

3.1.2 PM2.5浓度月变化特征 从图4可看出,2014—2019年冬季京津冀地区PM2.5浓度均值总体呈下降趋势。与2014年(103.3 μg/m3)相比，2019年(74.9 μg/m3)PM2.5浓度下降了28.4 μg/m3,降幅为27.5%。这是由于《大气十条》要求采取降低煤炭燃烧、淘汰老旧车辆、整治地面扬尘、全面推行清洁生产等措施减少了京津冀地区的污染物排放,使PM2.5浓度大幅降低。进一步分析发现,在2014—2019年间，每年2月份下降幅度最大,下降了35%,1月份降幅最小(仅为18.1%); 2015—2016年冬季 12月浓度值最高,这是因为2015年12月京津冀地区及周边区域先后出现了5次明显重污染事件[24],导致全区的PM2.5浓度上升;2016年12月在京津冀地区部分城市发生了3次空气重污染事件[25], 导致京津冀地区的PM2.5浓度整体上升； 2017和2018年冬季各月份的浓度值无大波动, 这说明京津冀地区PM2.5浓度维持相对稳定的状态； 2019年冬季只有1月份偏高, 其他月份均在66 μg/m3以下。从图5知, 京津冀地区13个城市冬季PM2.5月浓度均值变化趋势基本一致, 各月份总体呈递减趋势。 张家口和承德浓度较低是因为冬季北方多刮北风, 使得位于北端的张家口和承德浓度较低。 除张家口外, 其他城市月均浓度均超过年均二级浓度值, 原因是京津冀地区中部城市是核心功能区, 东部滨海发展区和南部功能拓展区, 人口密集、 交通流量大、 工业发达, 所以污染物排放量大[26]。

图3 2014—2019年冬季京津冀地区各等级污染占比

图4 2014—2019年冬季京津冀地区PM2.5浓度月均变化

3.1.3 PM2.5浓度年变化特征 根据PM2.5小时数据,统计2014—2019年冬季13个城市PM2.5变化情况。从图6可知,冬季PM2.5平均浓度最高的城市为保定,均值达到了133.2 μg/m3,是年均二级标准(35 μg/m3)的3.8倍;浓度最低的城市是张家口,浓度均值为33.7 μg/m3,达标年均浓度二级标准。PM2.5高浓度区主要聚集在保定、邯郸、邢台和石家庄的南部平原地区,浓度均值均超过120 μg/m3,这是因为京津冀地区南部是工业发达地区,煤燃烧和钢铁厂的排污量大使得大气污染严重。京津冀地区形成一个 “C型”环绕的山脉群,渤海湾沿岸城市的空气扩散条件好,使得大气污染物向下转移、凝聚,所以南部城市污染较为严重。PM2.5低浓度区主要分布在张家口、承德和秦皇岛,主要是由于太行山系和燕山系在京津冀地区形成了“燕太屏风”所以空气污染被两大山系隔绝,而且山区城市多为工业不发达区,工业废气污染少,所以大气污染较轻;秦皇岛是滨海城市,大气扩散条件好,故大气污染较轻。

图5 京津冀地区城市月均PM2.5浓度变化

图6 2014—2019年冬季京津冀地区13个城市平均PM2.5浓度变化

3.2 空间分布特征

3.2.1 普通克里金插值法精度验证 为了使用普通克里金插值法对PM2.5浓度进行插值分析,本文以2014年12月的数据为例对普通克里金插值结果进行精度验证。将2014年12月的101个地基监测站点利用ArcGIS地统计分析工具选取90%(N=91)的站点作为训练集, 10%(N=10)作为验证集。 其中将训练集的站点分别用反距离加权法和普通克里金插值法进行插值, 用验证集的站点验证插值结果的精度。 通过计算内插值与验证点真值的平均绝对误差(MAE)、 平均相对误差(MRE)以及均方根误差(RMSE)来分析插值结果的精度。精度结果如表1所示,普通克里金插值法的MAE、MRE和RMSE值均比反距离加权法小,说明普通克里金插值法精度更高,误差更小,适用于京津冀地区PM2.5浓度的空间插值分析。

表1 两种空间插值方法的内插精度

3.2.2 PM2.5浓度空间分布特征 基于普通克里金插值法,在ArcGIS软件中对2014—2019年冬季京津冀地区PM2.5浓度的小时、月、季节尺度进行插值。参考《环境空气质量指数(AQI)技术规定(试行)》规定, 对插值区间进行划分。 由图7可知, 小时尺度的空间变化分析直观地反映了京津冀地区PM2.5浓度的动态变化。 在08:00—10:00以及22:00至次日01:00污染较严重, 从12:00开始污染范围逐渐缩小, 直到15:00—17:00污染最轻。污染主要集中在保定、衡水、邯郸等西南一带城市。形成此现象的原因之一是南部城市主要以工业和建筑业为主,工业废气排放量大,加上建筑地扬尘导致PM2.5浓度较高;其二是因为铁路交通网发达,人流量大及西部山脉阻挡使空气流动性小,加剧了PM2.5的聚集[27]。12:00—16:00时PM2.5浓度污染范围逐渐减少,其原因是下午为内陆一天内温度最高时段,陆地和海洋形成气压差,海风对内陆污染物起到一定的扩散作用,使得内陆的PM2.5浓度污染范围逐渐减少。

图7 京津冀地区PM2.5小时浓度空间分布图

从图8可以看出, 冬季PM2.5月浓度也具有显著的空间差异性, 总体呈现“先中间后周边”, “南重北轻”的空间分布格局。2014年12月污染物聚集在保定,次年1月逐渐扩大到南部的石家庄、邢台、邯郸等市,2月浓度有大幅度下降,但保定的污染浓度仍然较高。2015和2016年12月PM2.5污染较严重,保定、邢台、邯郸等市的浓度一度超过了150 μg/m3,范围扩大到北京一线城市。直到次年1、2月污染才逐渐下降,这是因为2015和2016年12月在京津冀地区均发生了不同次数的PM2.5重污染事件,这使得12月污染范围增大,浓度增高;重污染事件后政府加强治污管理,在次年1、2月浓度有明显的下降。2018年12月污染最轻,但是其1、2月有所恶化,主要集中在保定和邢台两市,这说明应加强对这些城市的治污管理。2017和2019年冬季全区大部分城市空气质量在良以内,PM2.5平均浓度小于75 μg/m3,污染区集中在南部的几城市,污染范围减小,这说明各个城市的空气质量大幅好转,治污效果显著。

从图9可以看出,PM2.5浓度总体呈南部平原地区高,北部山区低的空间分布格局。冬季PM2.5浓度高值区主要分布在保定、衡水、石家庄和邯郸为代表的南部平原城市,低值区主要分布在张家口、承德和秦皇岛,集中在“燕太屏风”北面的郊区城市。形成这种空间分布特征的原因是冬季寒冷干燥、降雨量少，空气中的PM2.5无法沉降,因而在空气中聚集导致浓度升高。南部平原为经济高速发达地区,工业蓬勃发展,工厂废气排放量大,而且地势平坦不利于污染物扩散;而郊区因为工业不发达,污染气体排放少,又有山脉隔断,所以形成了类似天然保护的区域,使得空气污染程度比较轻。研究时段内,2016年污染最为严重,2017—2019年轻度污染的区域逐渐扩大,重污染城市主要集中在保定、邢台和邯郸。这与国家的大气污染防治措施有很大关联;此外,2017年是《大气十条》实施效果的验收年, 政府在这期间加大防治大气污染力度, 采取了“煤改气”, “煤改电”等减少煤燃烧的减排措施, 使得2017年的污染范围缩小, 空气良好的区域扩大。

3.2.3 PM2.5浓度空间自相关分析 基于GeoDa软件,以共边或共点为邻接的规则创建权重矩阵,计算京津冀地区2014—2019年冬季PM2.5浓度的全局莫兰指数,结果如表2所示。可知,莫兰指数均为正值,P<0.05,且Z>1.96,说明京津冀地区13个城市冬季PM2.5浓度存在显著的正相关性及空间聚集性。

图8 京津冀地区PM2.5月浓度空间分布图

图9 京津冀地区冬季PM2.5浓度空间分布图

表2 2014—2019年京津冀地区冬季PM2.5浓度空间自相关指数

从图10可以看出,京津冀地区2014—2019年冬季全局莫兰指数的散点主要分布在第一、三象限,分别表示高值区包围高值区(HH)和低值区包围低值区(LL),HH和LL反映了PM2.5污染的同质性,空间正相关。HH型聚集的城市有邯郸、石家庄、衡水、邢台和保定,由于这些城市位于京广铁路沿线,人口密度大、交通量大的重工业城市,使得污染物排放量大,所以形成连片的高值区。因此,可以通过调整城市群的产业结构来防治大气污染。而张家口、承德、秦皇岛、北京等市呈现LL型聚集,是因为这几个城市位于北部山区，加上山脉隔断和有利的大气条件,所以PM2.5浓度较低。

基于LISA指数的京津冀地区局部空间聚类情况如图11所示,2014年冬季石家庄和衡水呈现出HH聚集特征,这是因为南部平原地区地势较低,城市群工业发达,使得PM2.5凝聚，并且远离渤海湾更加不利于大气扩散。承德和唐山呈现出LL聚集性,相邻的城市是山区城市和滨海城市,这是因为燕山山脉起到了隔离作用和滨海城市大气扩散良好,所以空气污染较轻,周边城市的浓度值较低。与2014年相比，2019年LL聚集特征的城市增加了北京,各城市PM2.5浓度呈现降低趋势;但是HH聚集特征的城市增加了邢台,这表示南部城市的高聚集特征更加明显,其中天津为HL聚集表示其周边城市浓度低。这说明大气治污防治应该要从主要城市和其周边的各城市采取治污措施,着重对南部平原城市采取联防治污措施。

在本文研究的空间分布结论与刘凡等[28]分析冬季的结果基本一致, 均为 “东南高,西北低”。全局空间自相关性与Yan等[16]分析京津冀地区冬季月份的聚集性相似。

图10 2014—2019年冬季全局莫兰指数散点图

图11 2014—2019年冬季京津冀地区空间聚类图

4 结论与展望

本文基于中国环境监测总站发的布实时观测数据,探讨了2014—2019年冬季京津冀地区PM2.5浓度的时间变化特征、空间分布特征以及其空间自相关性性,主要得出以下结论:

(1)6年间,京津冀地区冬季PM2.5平均浓度从103.3 μg/m3下降到了74.9 μg/m3,总体下降28.4 μg/m3。小时浓度变化呈双峰型;重污染天数逐渐减少,空气优等级天数达69%;研究时段内2月份降幅最大,达到35%;年均浓度较高的城市集中在保定市一带。

(2)空间分布总体呈现“先南后北”, “南重北轻”的现象。 污染范围从12:00开始逐渐缩小, 到17:00范围最小;各月的污染情况均有改善,其中2月份改善最大;京津冀地区PM2.5污染情况逐年好转。

(3)全局莫兰指数在0.29～0.66波动,P值均小于0.05。表明京津冀地区冬季PM2.5浓度具有较显著的空间自相关性,城市聚集性比较突出。山区城市和滨海城市PM2.5浓度较低,呈现出LL聚集现象;南部平原城市连片污染严重,呈现出与HH聚集性。

由于本文主要研究京津冀地区冬季PM2.5浓度的时空分布特征,未对其影响因素探讨。在后续的研究中将考虑加入气象因子、自然因子、人文因子等分析其相关性。此外,为了弥补站点稀疏的不足,可以考虑采用地基数据和遥感数据协同分析PM2.5浓度的时空变化。

在最初的研究中使用的是2014—2018年的数据，后期修改过程补充了2019年冬季的最新数据，特此说明。