西北五省（区）空气污染时空变化特征及其影响因素

魏旖梦，孜比布拉·司马义**，杨胜天,4，张芸菲，田 甜，毛红云

(1.新疆大学 资源与环境科学学院，新疆 乌鲁木齐830046；2.新疆大学资源与环境科学学院，智慧城市与环境建模普通高校重点实验室，新疆 乌鲁木齐830046；3. 新疆大学 绿洲生态教育部重点实验室，新疆乌鲁木齐830046；4.北京师范大学 地理学与遥感科学学院，北京100875)

近几十年来，由于中国国民经济的快速发展以及工业化、城市化和区域经济一体化的快速发展，空气污染日益突出.大气污染物的特点是传播速度快、扩散能力强、影响范围广，将对环境、气候和人类健康产生重大影响[1-2].中国西北包括陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区，其面积约占全国总面积的30%.西北地形地貌特征极为复杂，且它的地理位置也在“一带一路”倡议布局中处于核心地位.西北5省（区）具有丰富的地理矿产、油气能源等资源，但其生态环境脆弱，水资源匮乏.随着“西部大开发”战略和“一带一路”建设的深入实施，西部五省（区）区域环境质量逐渐引起人们的重视.目前，大气污染的研究主要集中在大尺度上的全球空气污染[3]、或全国空气污染[4-6]的研究层面，对国内空气质量的研究多数针对京津冀地区[7-8]、珠三角区域[9]、云贵区域[10]、成渝城市群[11-12]和东北地区[13]等地，而对西北5省（区）空气质量进行研究并探索其影响因素的报道较少，虽然也有学者关注过西北5省（区）大部分城市的空气质量[14-16]，这些研究也仅针对陕甘宁地区或者西北5省（区）的省会城市空气质量问题进行初步分析，或者利用卫星反演前几年的空气质量.但是，将西北5省（区）的所有国控监测站点做为一个整体，且在时空变化特征上研究该区域空气质量时空变化趋势及其影响因素的成果，相关报道较少.空气污染作为一种空间现象，现有研究也多侧重于传统的数理统计[17-21].

因此，本文采用2015—2018年西北5省（区）的33个地级市、13个自治州和5个地区的空气质量实时国控站点监测数据，利用统计分析法、克里金插值法对西北5省（区）空气质量时空演变特征进行探究，并采用地理加权回归模型（Geographically Weighted Regression，GWR）和普通最小二乘法（Ordinary Least Square，OLS）识别西北各地区污染物浓度的主要影响因素，此方法对解决区域性乃至全国性的大气污染问题，有较好的示范和借鉴作用，以期为西北5省（区）大气污染防治提供决策参考.

1 材料与方法

1.1 数据来源与评价标准本研究的大气环境数据来自中国环境监测总站的全国城市空气质量实时发布平台（http://106.3 7.2 08.2 33:20035/）.选取2015—2018年西北5省（区）33个地级市、13个自治州和5个地区的161个国控监测站点（如图1）的逐时空气质量监测数据.指标包括空气质量指数（Air Quality Index，AQI）、PM2.5、PM10、SO2、NO2、CO和O3，其质量浓度限值按照《环境空气质量标准》（GB3095—2012）[22]执行，具体标准限值见表1和表2.气象数据（温度、降水量、日照时数、风速）来源于中国气象数据网（http://data.cma.cn/site/index.html）公布的中国地面气候资料日值数据集（V3.0）.社会经济数据（第二产业GDP比重、绿化覆盖率、生产总值、总人口、工业生产总值、人均地区生产总值、工业二氧化硫排放量、工业氮氧化物排放量和工业烟粉尘排放量）主要来源于2019年的中国城市统计年鉴[23].

图1 西北地区空气质量监测站点位置示意Fig.1 Spatial distribution of air quality monitoring sites in Northwest of China

1.2 研究方法

1.2.1 空间插值方法 由于站点的数目有限且监测数据为点状，本文采用普通克里金插值法中的指数函数将各空气污染物浓度插值成为连续的数据表面，以反映西北5省（区）空气质量的整体分布格局.这是一种基于半变异函数理论，在空间数据分布不均的情况下能对插值点属性进行全面分析的无偏最优估计算法[24].

表1 大气污染物质量浓度标准限值Tab.1 Standard limitsfor concentration of air pollutantsμg·m-3

表2 空气质量指数分级标准Tab.2 Levels of air quality indexμg·m-3

1.2.2 空间回归模型分析

（1）最小二乘法回归模型分析空间回归模型的利用可以更好地解释地理特征的空间关系，并分析属性数据与空间数据的空间自相关，其数学表达式为：

2 西北五省空气质量总体特征

2.1 空气质量时间变化特征2015—2018年，由西北各省（区）的国控站点监测数据的空气质量指数（AQI）年评价结果（表3）可知，2015—2018年西北5省（区）整体空气质量波动较小，4年的年均AQI污染等级均为良.各城市的AQI年均指数先在2015—2017年期间上升，到2018年又下降.尽管从2015年以后，年评价指标为优和良的城市数量和其比例有所下降，但2018年的年平均指标为优和良的城市数量却上升至43个，其比例也分别上升至9.8 %和74.6 %，也是这4年中年评价指标为优和良的城市数量最多的.虽然2017年污染超标的城市数量最多，达到18个，但是在2018年污染超标城市数量也下降到8个，可见这4年西北5省（区）的空气质量有所改善.

根据表3可知，2017年的AQI年均值最高，且污染超标城市数量也最多，所以对2017年西北各省（区）的51个地级市（自治州）的AQI等级日数进行Kruskal-Wallis H检验，得到2017年西北各省地级市（自治州）的不同污染等级的污染天数情况（如表4），其P值均为0.在2017年的西北5省（区）AQI级别平均日数中，空气质量主要为良，占整体的64.4%；2017年中，轻度污染天数最多的是甘肃省105 d，其次是陕西省84 d，新疆、宁夏和青海相对比较接近60 d左右；中度污染天数比较接近的是新疆和陕西，都是23 d，甘肃和宁夏比较接近12 d左右；新疆的重度及严重污染天数在西北5省（区）是最多的省份（32 d），其次是陕西省（19 d）.

表3 2015—2018年西北地区城市AQI指数年评价结果Tab.3 Evaluation results of air quality index of citiesin Northwest of China from 2015 to 2018

表4 2017年西北地级行政区AQI级别平均日数Tab.4 Average daysof air quality index level in Northwest China prefecture level administrative region in 2017

2.2 空间格局的演变

2.2.1 空间格局的年际演变 利用克里金指数模型插值方法，分别对2015—2018年西北5省（区）51个地级市（自治州和地区）161个国控监测站点进行空间插值，反映4年AQI的空间分布格局的演变过程（见图2）.2015—2018年，西北5省（区）的污染高值区域都在新疆维吾尔自治区.从2015年开始，空气污染集中区便从新疆地区逐步向东扩大，其中2017年污染区域范围面积有所缩小，但是2018年又是4年中污染区域范围达到最大的年份.在这4年期间，污染高值区的年均AQI值大小排序为2016年＞2015年＞2017年＞2018年，2018年的高值污染区的年均AQI值最低，达到120.409，2016年的高值污染区的年均AQI值最高，达到208.7 72，且污染高值区域主要集中在新疆喀什、和田和阿克苏地区.根据前文西北5省（区）整体空气质量的时间变化来看，2018年整体年均AQI值是4年中最低的，但是从空间分布格局分析，2018年的污染区域范围却是4年中最大的.因此，可知西北5省（区）的区域性大气污染现象愈加严重，可能与研究区冬季寒冷干燥、植被稀疏及沙尘天气的频繁发生而造成的污染物积累有关，致使污染区域范围逐渐扩张.

图2 西北地区2015—2018年AQI空间格局的演变Fig.2 Evolution of air quality index spatial pattern in Northwest China from 2015 to 2018

图3 西北地区2015—2018年各污染质量浓度空间格局的演变Fig.3 Evolution of spatial pattern of pollution concentration in Northwest China from 2015 to 2018

2015—2018年西北5省（区）6项空气污染物质量浓度空间分布格局如图3.4年中，CO的污染集中区主要分布在陕西省境内，但其CO中高值分布只在陕西关中平原地区和甘肃陇南地区. NO2的污染集中区在甘肃的陇南地区；其次是青海地区，由南向北逐层递减.O3污染分布的集中区域在新疆地区，自西向东逐层递减，东部地区O3浓度明显低于西部地区；城市环境空气中的O3浓度受温度及光照强度的影响明显（西部地区明显高于东部地区），由于温度及光照强度显著影响着城市大气中的O3浓度，西部地区海拔高于东部地区，并且光照强度较高，这会引起强烈的光化学反应，从而导致臭氧污染[25-26].SO2的污染分布集中区在甘肃的河西走廊地区、青海地区和宁夏地区.PM2.5的污染分布由甘肃中部、陇东地区及宁夏宁东地区和陕西北部为中心向四周圈层式扩散；新疆南部地区也是PM2.5高值分布地区，PM2.5值会随着污染排放的增加而受到较大的影响.PM10的污染高值区集中在陕西关中平原；其次是宁夏回族自治区北部和甘肃省河西走廊地区，分布呈现出自东向西骤减趋势.原因可能是因为能源化工“金三角”包括陕西的榆林市和延安市、甘肃的庆阳市和平凉市及宁夏的银川市和石嘴山市，又因兰州市、酒泉市、咸阳市和宝鸡市等属于传统的重工业城市，所以这几年甘肃、陕西和宁夏地区的大气污染物质量浓度均处于较高的水平.

3 西北5 省（区）空气质量影响因素分析

3.1 评价因子的选择综合衡量西北各省（区）的自然社会经济因素，本文以2018年为例，研究自然社会经济因素对AQI的影响.根据西北5省（区）的实际情况，本文以西北各省（区）的51个地级市（自治州和地区）为行政区单位，选取自然因素中年均气温、年均风速、年均降水量、年均气压、年均相对湿度和年均日照时数6个主要气象指标.社会经济特征选取第二产业GDP比重、绿化覆盖率、生产总值、总人口、工业生产总值、人均地区生产总值、工业二氧化硫排放量、工业氮氧化物排放量和工业烟粉尘排放量9个主要社会经济指标.本文利用方差膨胀因子（Variance Inflation Factor，VIF）对所有变量进行共线性检验，计算各个因素之间的VIF值，若VIF值大于7.5，说明自变量之间存在明显的共线性关系，需要剔除该指标因素以消除对回归模型结果的影响.本文选取的自然与社会经济因素的VIF值均小于7.5，说明选取的这些变量因素均可作为回归模型的自变量.

3.2 影响因素结果解析从表5可以看出，西北5省（区）的自然与社会经济因素的GWR的R2和AdjustR2都比其OLS回归模型大，且AICc值也比OLS模型的小，差距大于3，说明地理加权回归模型（GWR）的拟合效果比OLS回归模型拟合的效果要好，因此GWR模型更具有优越性.本文利用ArcGIS软件采用Jenks自然断点法，将西北5省（区）GWR局部系数进行空间可视化表达（如图4～5），其值随着空间分布表现出一定的差异性，可以直观地看出各个指标在空间上的变化趋势.

根据GWR模型得出，自然因素中（以气象因素为主）对AQI的影响排序依次为风速＞气温＞相对湿度＞气压＞日照时数＞降水量.一般认为风可以明显降低污染物的浓度，并且对污染物的扩散具有重要的作用，这对于污染物比较严重的城市来说确实如此[27].但是污染物浓度只有在风速较大的气象条件下才会明显降低，若平均风速小于0.5 m/s的静风或者风速比较小的条件下，是不利于污染物浓度的传播扩散和输送[28].

本文仅选取风速、气温、气压、降水量进行空间可视化（图4）.根据图4（a）可知，除了新疆、青海的海西蒙古族藏族自治州、玉树藏族自治州和甘肃的酒泉市是随着风速的增大，空气质量变差，剩下西北5省（区）的其他地方都是随着风速的增大，空气质量变好.同时，在临安也得到了AQI与风速的正相关关系证实，风速也会对下风向城市造成输入型污染，使污染物浓度升高[29].由图4（b）可知，西北5省（区）的AQI与年均降水量呈现一定的负相关关系，由于降水对污染物具有一定的净化作用，降雨过程也是污染物的隐蔽清除过程，大气污染物中SO2和NO2相对易溶于水，可以吸收空气中的气溶胶颗粒.因此，降水量可以有效地降低空气中污染物的浓度并净化空气.根据图4（c）可知，AQI与气温呈正相关关系，可能与O3浓度有关.一般情况下气温是随着海拔升高而降低的，因而形成热力环流现象，从而污染物会随着热力环流现象而稀释、扩散，但是当温度随着海拔升高而升高时，会出现逆温现象，这不利于热力环流现象的形成，因此空气污染物在近地面的扩散速度小于聚集速度，会导致严重的污染.由图4（d）可知，除了新疆部分地区，其他省（区）的AQI与气压都是正相关关系，因为在高气压的情况下，容易形成反气旋，再加上逆温现象的出现，冬季也容易形成静稳天气，更不利于大气污染物的扩散，使空气质量下降.但是如果是低气压，会容易形成云雨，使空气质量变好.

根据GWR模型可知，西北5省（区）社会经济因素对AQI的影响排序为绿化覆盖率＞第二产业GDP比重＞总人口＞工业二氧化硫排放量＞工业氮氧化物排放量＞工业烟粉尘排放量＞人均地区生产总值＞工业生产总值＞生产总值，表明西北5省（区）的绿化覆盖率、第二产业GDP比重和总人口对AQI的影响最显著.

本文仅选取绿化覆盖率、第二产业GDP比重、工业二氧化硫排放量、人均地区生产总值4个因素进行空间可视化表达（图5）.如图5（a）可知，陕西西南部、宁夏、甘肃东部、青海西宁市、海东市和海北藏族自治州的第二产业GDP比重的增加对AQI的影响程度要比其他省（区）的城市大.随着第二产业GDP比重的增加，AQI值也增加，导致空气质量下降.因为其中有些地区是传统重工业地方，经济增长主要取决于第二产业.由图5（b）可知，人均地区生产总值对AQI影响较大的地区在宁夏、甘肃南部、青海的西宁、海东市、陕西南部，表明这些地区人均地区生产总值的增加会加剧空气污染.由图5（c）可知，西北五省（区）只有新疆的巴音郭楞蒙古自治州、海西蒙古族藏族自治州、玉树藏族自治州、甘肃的酒泉市和陕西的榆林市的回归系数是负值，对AQI的贡献不高，其他省（区）地方的回归系数都是正值，对AQI的贡献较大，表明工业二氧化硫排放量的增加会增加AQI值，导致空气污染加重.由图5（d）可知，西北五省（区）只有新疆的喀什地区、和田地区、克孜勒苏柯尔克孜自治州、伊犁哈萨克自治州直属县市、博尔塔拉蒙古自治州、塔城地区和克拉玛依市回归系数呈现负值，且从前文图2中可知，2018年的AQI高值区大致就在这些地区，因此该高值区域绿化覆盖率的增加会降低AQI值.因此可知，绿化覆盖率的增加只有对AQI值较高的地区有明显的空气净化作用，而AQI原本较低的地区，绿化覆盖率的对AQI的降低作用就不是很明显.

表5 西北地区大气污染影响因素GWR模型与OLS模型拟合结果对比Tab.5 Comparison of fitting results between GWR model and OLSmodel for influencing factors of air pollution in Northwest of China

图4 西北地区2018年自然因素对AQI影响的空间分布Fig.4 Spatial distribution of impacts of natural factorson air quality index in Northwest China in 2018

4 讨论与结论

图5 西北地区2018年社会经济因素对AQI影响的空间分布Fig.5 Spatial distribution of the impact of socio-economic factorson air quality index in Northwest China in 2018

4.1 讨论通过对西北5省（区）的区域空气质量的探究，可以得出：该区域2015—2018年在大气污染防治工作上取得了一定的进展.但是，大气污染物存在明显的跨区域传播性，所以西北5省（区）的污染状况不容忽视.由于其地形极其复杂，以高原、平原、盆地为主，平原等地的日照充足、降水量少、地形起伏较小，受季风的影响也较小；山谷盆地的地形容易对气流产生阻挡效应，且大气混合层厚度较低，垂直湍流较弱，混合层对污染物的垂直扩散非常不利；人类生产活动的影响，加剧了西北5省（区）的空气污染.沙尘天气多发生在沙漠或半干旱地区，是典型的大气颗粒物沉降现象，它作为一种流动的大面积污染源，会加剧大气污染.新疆的克孜勒苏柯尔克孜自治州和喀什、和田地区等地是沙尘天气频发的重灾区，所以西北5省（区）每年发生重污染事件多数是由于沙尘天气而造成的.并且由于更早进入采暖期，而采暖期的燃煤排放易导致重污染天气的形成，不过这几年西北5省（区）很多地方开始实施煤改气，所以燃煤排放导致的污染在逐渐变弱.尽管西北5省（区）这几年大气污染状况在逐渐好转，也比京津冀、华北等地污染程度轻，但是西北5省（区）大气污染防治仍需政府相关部门重视，早日制定出符合该区域大气污染防治的措施和计划，相关政府部门也要兼顾好经济发展与环境和谐发展的关系，要注意调整和优化产业结构，控制好各地的工业氮氧化物、二氧化硫和烟粉尘的排放量，加大环保督察力度，加强植树造林，增加各地区的绿化覆盖率，才能更有效地控制空气污染.

4.2 结论

（1）2015—2018西北5省（区）整体空气质量波动较小.4年中，2018年的年评价指标为优和良的城市数量最多；2017年的年均AQI值最高，污染超标城市数量也是最多的一年，其中轻度污染天数最多的是甘肃省，重度及严重污染天数最多为新疆.

（2）从空间尺度上看，2015—2018年西北5省（区）的污染高值区域都在新疆自治区. 2018年均AQI值最低，说明区域大气污染现象逐渐减轻，污染情况受到有关部门的重视，西北5省（区）的区域污染状况有所改善.但是，从空间分布格局来看，2018年的污染区域范围却是4年中最大的，可能是西北5省（区）沙尘天气的频繁发生而造成的污染物积累，致使污染区域范围逐渐扩张.其他6种污染物（PM2.5、PM10、SO2、CO、O3、NO2）质量浓度的污染高值区域也各不一样.

（3）从影响因素上看，自然因素回归系数贡献大小依次为风速＞气温＞相对湿度＞气压＞日照时数＞降水量，且西北5省（区）部分城市的风速和相对湿度对AQI的影响与部分已报道研究结果不太一样.其中，在静风或者风速较小的条件下，不利于污染物浓度的扩散和输送，而在冬季一定的湿度条件下，湿度越大越会吸附大颗粒物PM10，造成空气质量下降，PM10和O3污染在西北5省（区）是主要的污染物.社会经济因素回归系数贡献大小依次为绿化覆盖率＞第二产业GDP比重＞总人口＞工业二氧化硫排放量＞工业氮氧化物排放量＞工业烟粉尘排放量＞人均地区生产总值＞工业生产总值＞生产总值，表明西北5省（区）的绿化覆盖率、第二产业GDP比重和总人口对AQI的影响最显著.