2015年监测城市雾霾污染的时空分布特征及社会经济原因分析

张慧琳，丁文广，田莘冉，许丹阳

（兰州大学资源环境学院，甘肃 兰州730000）

从2013年起，以PM10（可吸入颗粒物）和PM2.5（可入肺颗粒物）为主要成分的雾霾污染在中国愈发严重[1]，其最直观的现象是大气能见度低[2-3]，这不仅会增加交通事故的发生频率[4]，威胁到社会经济生产，阻碍区域吸引投资、引进人才、发展旅游服务业[5]，还会影响人体健康，如PM2.5能够吸附有害物质、越过防御屏障进入人体，引发心肺等疾病[6]，导致死亡率增加[7]。除此之外，大气污染还可以通过影响地气系统的辐射收支状况，对地球环境年效应产生影响[8]。

PM2.5是雾霾污染的“罪魁祸首”，因此国家依据2012年颁布的《环境空气质量标准》（GB 3095—2012）对74个城市首次进行PM2.5监测，此后，以地面监测数据为主的研究成为主流。对大气污染的时空分布特征研究方面，李名升等[9]对我国2014年进行监测的161个城市进行分析，得出夏季及春末、初秋PM2.5相对较轻，冬季污染较重。部分学者在观测条件较好的长三角、珠三角和京津冀地区展开了大气污染时空分布特征的研究，如周磊等[10]对京津冀地区的6个城市2013年PM2.5数据进行研究，发现污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序，污染在空间上呈河南省（山东省）—河北省—北京市（天津市）—线的带状分布特征，在单次污染事件中，城市间的PM2.5存在着空间运移关系[10]。也有部分学者对单个城市雾霾污染的进行研究[11]，如羊兴等[12]对2015年喀什市大气颗粒物的时空分布特征进行分析，发现PM2.5的浓度呈现冬季＞春季＞秋季＞夏季的特征。对大气污染的产生原因进行研究，有利于为大气污染的治理提供理论支持与依据，虽然低风速、高湿度、大气纬向环流、大气边界层和逆温层等不利的气象现象都会促进大气污染的形成[13]，但随着经济的发展，人类的社会经济活动造成的大气污染大于自然条件造成的大气污染，因此众多学者对雾霾污染的社会经济条件进行研究，主要观点有：（1）粗放的城市化发展方式。城市空间扩张的建筑污染、工业型城市产生的环境污染、人口急剧增加带来的“生活效应”也是造成大气污染的原因[14-15]。（2）能源结构不合理[16-18]。我国能源结构以煤炭为主，其在燃烧过程中产生的污染物是PM2.5的主要来源。（3）机动车尾气排放[19-21]。机动车行使过程中既可直接排放、也可间接转化产生PM2.5。（4）空间扩散效应[22]。由于水流、风向等自然地理因素的存在，某一地区的环境问题必然会受到邻近地区的影响。（5）环境监管不到位。一方面，法律法规中缺乏生态安全保障的统领性法规，政策间缺乏协调，相关法规存在“碎片化”甚至相互抵消的情况[23]；另一方面，政策执行存在薄弱环节，甚至会出现执法违法，下位法违反上位法，使得法律的权威性大大降低。

以往学者对大气污染成因的研究多是基于实验数据或卫星监测数据，并以单因素、定性分析为主。本文结合现有文献全面选取了16个变量，首次将氮肥对大气污染的影响考虑在内，这主要是因为农业生产中氮肥的大量使用及畜牧养殖业会产生氨气[27]，氨气与空气中氧化物结合形成的铵盐的质量总和约占PM2.5中二次颗粒的50%[13]，甚至更高，从而进一步形成大气污染[24]。采用定量与定性相结合的方法对大气污染成因进行分析，提出建议措施，以期为政府制定大气污染预防与治理政策提供依据。

1 数据来源和方法

1.1 数据来源

首先，本文从统计公报、中国环境监测总站及各省环境公报中选取我国首次进行环境质量监测的74个城市2015年逐月平均数据，进行克里金插值和空间自相关分析；其次，依据各省统计年鉴、统计公报及新闻报道，选取各省份（西藏除外）的社会经济和PM2.5数据2015年度平均数据，建立多元线性回归模型进行原因分析；从《2016年中国统计年鉴》、《2016年中国城市统计年鉴》、《2016年中国能源统计年鉴》、《2016年环境统计年鉴》、各省2016年统计年鉴、统计公报及环境统计公报中选取16个解释变量2015年年平均数据，部分指标数据运用公式换算。

1.2 研究方法

为探讨雾霾污染的空间分布特征，本文借助ArcGIS 10.2软件，对各城市的PM2.5年均浓度进行普通克里金插值。采用空间自相关分析方法—全局莫兰指数（Moran’I）和局部莫兰指数（Moran），探索各城市的大气污染是否具有空间集聚性，全局莫兰指数以及局部莫兰指数的计算方法及检验变量如表1所示。为确定影响大气污染的社会经济因素，采用多元回归模型Y=ΣβiXi，用回归系数βi来表示某一因素对大气污染影响程度的大小。

2 雾霾污染的时空分布特征

2.1 时间变化情况

2.1.1 月度变化特征

2015年我国74个城市的PM2.5月度累计浓度值呈“U”字型分布（图1），其中1月PM2.5累计浓度值最大，为6540 μg/m3，从该月起 PM2.5累计浓度值开始下降，6—9月趋于稳定，9月后逐步上升，并在12月达到下半年最大值，为6534 μg/m3。其中，11月—次年3月的月度累计浓度值高于全年平均累计浓度值，主要是由于北方大部地区供暖期是11月中旬至次年3月中旬，供暖期煤炭消耗量的增加使得PM2.5月度累计浓度值增高，而3月中旬后，北方各地停止供暖，且随着副热带高压带的北移，我国华南等地区相继进入雨季，使得空气湿度不断增加，气溶胶颗粒随雨水降落至地表，PM2.5月度累计浓度值降低。

2.1.2 季节变化特征

从图2中的季节角度来看，冬季（12月—次年2月）的 PM2.5累计浓度值最高，为 6144 μg/m3，秋季（9—11月）次之，为 3 726.34 μg/m3，春季（3—5 月）的PM2.5累计浓度值（3 664.33 μg/m3）略低于秋季的PM2.5浓度值，而夏季的PM2.5月度累计浓度值（6—8月）最低，仅为 2 817.67 μg/m3，即呈现冬季＞秋季＞春季＞夏季的特征。这主要是因为我国受到副热带高压带的控制，秋冬季节干旱少雨且容易出现逆温层，污染物常悬浮于空中不易扩散，加之，冬季北方地区以煤炭为主的采暖方式，使得秋冬季大气污染累计浓度值高于夏春季。

表1 全局Moran’I和局部Moran指数的计算及检验

图1 2015年中国74个城市月度PM2.5浓度值

图2 2015年中国74个城市PM2.5季节累计浓度值

2.1.3 区域变化特征

中国幅员辽阔，南北地区气候差异显著，因此其PM2.5也存在差异性。根据图3可以看出，2015年我国74个城市中，北方城市月度PM2.5的浓度值呈“深U”型分布，该地区12月—次年2月处于“U”字型的两端，浓度极高，最高值出现在保定市，其12月浓度高达198 μg/m3，主要是此时北方地区处于高压系统之下，天气干燥寒冷，且近几年冬季降水偏少，使得气溶胶颗粒不易降落至地表，同时采暖期猛增的能源消耗，为大气污染的产生提供了大量的污染源。而6—9月处于“U”字型的谷底，主要是此地区降水主要集中在夏季，集中降雨导致污染物颗粒物随雨水下降，故浓度极低，最低值出现在西宁市，其9月浓度值均为31 μg/m3。相反，南方城市逐月PM2.5变化形态较北方变化小，主要南方地区相对湿度较高，且冬季最低气温一般高于0℃，无燃煤进行采暖的生活方式。

图3 2015年我国74个城市PM2.5月度数据

图4 2015年我国74个城市PM2.5年平均质量浓度范围（b）及其分布（a）

2.2 空间变化特征

2.2.1 空间分布特征

2015年我国74个城市PM2.5的年均质量浓度范围为 22.09～97.36 μg/m3， 均值为 55.24 μg/m3，略高于全国338个监测城市的年均浓度值。根据GB 3095—2012，我国一级功能区年均质量浓度的限值采用世界卫生组织（World Health Organization，WHO）最宽松的标准，其值为35 μg/m3，均大于美国（15 μg/m3）、日本（15 μg/m3）、欧盟（25 μg/m3）所使用的标准值，更是WHO所规定准则值10 μg/m3的2倍多。我国仅海口市、拉萨市、惠州市、厦门市、福州市、舟山市、深圳市、昆明市、珠海市、中山市、张家口市和江门市12个城市的PM2.5年均浓度值＜35 μg/m3（图 4）；54 个城市的 PM2.5年均质量浓度值介于 35～75 μg/m3；PM2.5年均质量浓度最高的城市主要位于河北省及其周边地区，分别是保定市、邢台市、衡水市、济南市、石家庄市、唐山市、廊坊市和北京市，8个城市的PM2.5年均质量浓度均超过 75 μg/m3，甚至超过了 100 μg/m3。 主要是由于河北省采用粗放型经济发展方式，重工业、高耗能产业比重较大。根据相关资料，2015年河北省煤炭和焦煤消耗总量分别为 2.894×108t、7.726×107t，高居全国第三和第一，为大气污染的产生提供大量的污染源。

根据克里金插值结果（图5），从区域角度来看，2015年我国雾霾污染的空间分布以长江为界，长江以北雾霾污染比长江以南严重。从胡焕庸线两侧来看，东侧污染重于西侧。浓度高值主要分布在胡焕庸线以东的环渤海城市群、长江中游城市群及哈长城市群，浓度低值位于胡焕庸线以西及长江以南地区（新疆除外），主要为华南地区和珠三角地区及青藏高原地区。从省域尺度来看，浓度高值主要分布在河北省、山西省、山东省、河南省、湖北省、江苏省、辽宁省以及新疆维吾尔族自治区的中部；浓度低值主要分布在福建省、广东省、广西省、云南省、黑龙江省的北部及内蒙古自治区的东北部。

图5 2015年我国主要城市PM2.5年平均浓度空间插值

2.2.2 空间集聚特征

为确定2015年我国雾霾污染是否空间集聚特征，本文利用全局莫兰指数（Moran’s I）和局部莫兰指数（Moran）进行了空间自相关的测度，结果如表2和图5所示。

表2 2015年全国主要城市PM2.5月均浓度全局莫兰指数

从表2可以看出，2015年各月PM2.5浓度的全局莫兰指数值都＞0，并通过了0.01的显著性水平检验，其标准化统计量Z值均＞1.96，故PM2.5浓度存在着很强的空间正相关关系（高—高聚集、低—低聚集），即一个地区的雾霾污染会影响到周边地区。

我国主要城市雾霾污染的高—高关联（热区），主要为华北地区，集中分布于河北、山西、山东、河南、湖北5省（图6）。主要原因是这5个省为我国人口大省且人口稠密，工业化程度高，火电、钢材、冶金等高污染行业大规模化和高密集化分布[25]。此外，冬季这些城市主要采用煤炭供暖，加之降水量少，污染物不易扩散，加剧了雾霾污染。我国雾霾污染低—低关联（冷区）主要集中在广东、广西、云南、贵州、西藏以及黑龙江5省，西藏能源主要以生物质能（牛粪、薪柴等）和清洁能源（太阳能等）为主，煤炭等化石能源的使用量少，造成的雾霾污染少，而在广东、广西、云南、贵州全年降水量丰沛，空气湿度高，且重工业基地较少，高污染产业集中度低，冬季气候温暖，无需取暖，故雾霾污染程度低。

图6 2015年我国主要城市PM2.5年均浓度局部自相关

3 社会经济原因分析

3.1 变量选择

大气污染中硫酸盐是主要成分，在高湿度和高氨气的条件下，空气中的二氧化氮会促进硫酸盐形成，且在这一过程中，氨气起到促进作用[26]，而氨气的主要来源是农业生产中氮肥的大量使用及畜牧养殖业[27]，基于此本文首次将氮肥使用量（NU）作为解释大气污染发生的变量，同时结合众多学者的相关研究，选用以下16个变量来解释大气污染的成因（表 3）。

但在实际情况下，区域不同，不同的指标可能与大气污染的形成无关或变量间存在自相关，因此本文采用SPSS 20统计分析软件计算Xi与Y之间的相关性，剔除不相关或重叠的变量，结果如表4所示。

表3 社会经济原因解释变量

表4 各变量之间的相关系数

从表 4 可以看出，EC、CC、CN、TP、NU、PIP、DE 7个变量通过了显著性检验，故将这些变量作为最终的解释变量。

3.2 模型构建

本文构建多元线性回归模型，用回归系数的大小来表示变量对大气污染的影响程度，但7个解释变量之间存在着明显的相关性，这样会引起多重共线性问题，使偏回归系数存在偏差，多元回归结果的方差膨胀因子（Variance Inflation Factor，VIF）如表 5所示。 CC、CN 的 VIF均＞5，EC 的 VIF＞10，若仍使用最小二乘法来得到回归模型，会降低精度。因此本文选用主成分回归来消除多重共线问题。

表5 各变量之间的方差膨胀因子

3.2.1 主成分分析

对标准化后的变量进行因子分析，特征值和方差贡献率如表6所示。

表6 主成分特征值以及方差贡献率

从表6可以看出，前2个主成分的初始特征值＞1，且其累计方差贡献率达到了80.806%，由此可将主成分确定为2，其对应的特征值分别为λ1=3.732，λ2=1.924，进一步得到主成分系数矩阵，如表7所示。

表7 主成分系数矩阵

3.2.2 多元线性回归模型

以全国各省的PM2.5年均浓度数据为因变量，以上两个主成分F1、F2为解释变量建立多元线性回归模型：

利用最小二乘法得到回归系数的最小二乘估计分别为：α1=0.429，α2=-0.388，则：

将主成分F1、F2关于各解释变量的表达式（1）、（2），带入公式（4）中，得到关于 Y=ΣβiXi的表达式，即：

3.3 结果分析

由公式（5）可以得出，各个变量的偏回归系数如表8所示。

表8 各变量的偏回归系数

由表 8可知，EC、CC、CN、TP、UN 以及 DE 的偏回归系数均为正值，表明变量与大气污染之间呈现正相关关系。其中，交通压力及私人汽车拥有量对雾霾污染的形成影响最大，这和众多学者[28-29]的观点一致，主要是汽车行驶时排放的NOx和PM超过90%，HC和CO超过70%，而这些化学成分都是大气污染的主要污染物[30]；煤炭消费总量及煤炭消费量的影响次之，因煤炭燃烧会直接排放大量一次粒子和SO2等气态污染物，一次粒子经反应后可形成二次粒子[31]，从而形成大气污染；再则是烟（粉）尘排放总量，而工业生产又是造成DA存在的主要原因，这进一步表明工业源对大气污染有着重要影响；最后，大气污染的形成与氮肥有关，这主要是由于施入土壤中的氮肥，约35%被土壤吸收，13%在土壤中以无机氮或有机结合形态残留，52%以各种形式发生损失，其中氨挥发损失的氨素占损失的21%[32-33]，而氨会影响到大气中的PM2.5，加重大气污染，造成环境污染[34-35]。第一产业比重的偏回归系数为负值，其与大气污染的形成呈现负相关关系，主要是由于产业结构中农业比重大的城市，其经济发展水平相对低，工业化程度低，带来的污染较小，故雾霾污染较小。

4 结论

（1）2015年我国雾霾污染具有明显的时间变化特征。从月尺度来看，PM2.5月度累计数据呈“U”字型分布，1月累计浓度最高，为6540 μg/m3。从季节分布看，春季浓度（3 664.33 μg/m3）略低于秋季的浓度，而夏季浓度最低，仅为2 817.67 μg/m3。从地区分布来看，南北方地区逐月PM2.5变化形态存在差异，北方城市呈“深U”型分布，12月—次年2月处于“U”字型的两端，浓度极高，而南方城市逐月PM2.5变化较北方变化小。一方面这主要是由于北方的工业化程度要高于南方，另一方面是北方冬季供暖结构以燃煤为主。要减少大气污染的发生，就要改变能源消费结构，减少煤炭的高频使用，大力发展“洁净煤技术”，多使用清洁能源，减轻资源压力，解决污染问题。

（2）2015年我国各城市雾霾污染浓度差异显著。74个城市雾霾污染年均值为55.24 μg/m3，高于WHO最宽松的标准（35 μg/m3）。其中仅有16.22%城市的 PM2.5年均浓度值＜35 μg/m3；83.78%城市的年均浓度超过了35 μg/m3，甚至有10.81%的城市浓度超过 75 μg/m3，甚至超过了 100 μg/m3，这些城市主要分布在河北省及其周边地区。

（3）2015年我国雾霾污染空间差异显著。从区域尺度来看，长江以北雾霾污染重于长江以南地区，从胡焕庸线两侧来看，东侧污染重于西侧。从省域尺度来看，浓度高值分布在华北地区的河北、山西、山东、河南，以及湖北、江苏、辽宁、新疆等；浓度低值主要分布在南方沿海地区的福建、广东、广西、云南，以及东北地区的黑龙江北部与内蒙古东北部。

（4）2015年我国雾霾污染具有空间集聚效应。高—高关联（热区）主要为华北地区，集中分布于河北、山西、山东、河南、湖北5省。低—低关联（冷区）主要集中在广东、广西、云南、贵州、西藏以及黑龙江5省。正是由于空间聚集和交叉效应，多个省、市的雾霾污染相互影响，不仅会对阻碍当地的社会经济发展，也对周边地区产生辐射效应，单个省份、城市治理雾霾污染的难度是极大的，因此要构建综合执法机构，发挥联合防控作用，坚持全民共治，全域共治，积极动员环境社会组织、企业、媒体和公众参与，从而形成一个“多元一体”的综合执法机构，既节约环保成本，又能高效运转，将环保成本社会化、责任分解化、目标集中化。

（5）雾霾污染的主要社会经济因素有私人汽车拥有量、交通压力、能源消费总量、煤炭消费总量、烟粉尘的排放总量、氮肥的使用量及第一产业比重。本文研究表明雾霾污染与私人汽车拥有量、交通压力、能源消费总量、煤炭消费总量、烟粉尘的排放总量以及氮肥的使用量呈正相关，与第一产业比重呈负相关，特别需要注意的是，氮肥的使用量也是大气污染形成的主要因素。因此要想缓解大气污染，就要控制氮氧化物和氨氮的排放，通过对氨气和二氧化氮的排放控制，干预二氧化硫的形成过程，从而有效地解决大气污染问题。

受到数据获取的限制，本文仅用监测城市2015年数据，在地域上也具有一定局限性，尤其是新疆、西藏、云南等地区监测城市较少，插值精度有限，因而与实际情况有一定偏差，未来将开展更多监测和长时间序列对比，并验证本文的结论。