基于GIS的陕西省大气污染物的时空分布研究

李莹，毛静

（西安财经大学，陕西 西安 710100）

0 引言

2021年全国生态环境保护工作会议明确指出，“十四五”生态环境保护工作的总体思路是坚持新发展理念，以生态环境高水平保护促进经济高质量发展，促进我国经济社会发展向全面绿色低碳转型。自上世纪80年代以来，我国的经济发展模式体现出“高投入、高消耗、高污染”的特点，在满足人民日益增长的物质文化需求的同时，这种发展模式给我国生态环境及其治理带来了非常严峻的挑战，其中大气污染恶化现象极为严重。这一现象严重制约了我国社会经济的可持续发展，给我国现行的环境管理带来了巨大的挑战。陕西省是我国的文化古都所在地和旅游大省，其生态环境保护，不仅关系自身发展质量和可持续发展，而且关系全国生态环境大局，因此对陕西省大气环境的相关研究具有很重要的现实意义。

目前地区的大气污染衡量指标主要为空气质量数据AQI和六项大气污染物浓度数据，通过监测大气污染物浓度的数值对地区大气污染物的污染程度和大气污染变化做出相应分析。近年来不同学者对不同地区大气污染物的时间分布进行了研究并发现，各大气污染物浓度在日变化趋势上呈现出晚上明显高于白天的特点；在年变化趋势上，有明显的季节特征，即冬春高，夏秋低，且北方在冬季有集中采暖措施，因此污染程度也高于全年平均状态及非采暖期[1-4]。在经济快速发展的进程中，产生的大量的大气废弃物，不可避免地对大气环境造成一定程度的污染，国外学者Querol和Shan等提出交通繁忙地区和工业区的PM2.5浓度远高于城市郊区和农村地区，经济水平和城市化水平发展较快的城市群的大气污染比较严重[5-6]，地面SO2人为排放量的空间分布呈现出由中心城市逐步向外扩展的集聚状态[7-8]。田爱国从环境监测入手，具体分析了环境监测对于环境保护的意义，同时指出应该逐渐提高环境监测质量[9]。此外，还有学者对区域内大气污染物地理空间分布进行了可视化分析并发现，同一区域内不同地区的大气污染物浓度变化水平存在地区差异。

现有学者从多维时间变化规律和地理空间分布特征对区域大气环境的污染现状展开分析，并根据所得结论对区域大气污染的防控治理提出相关建议。本文在此基础上引入可乘季节模型，对区域空气质量指标AQI月平均变化曲线进行拟合预测，借助时间序列和空间可视化分析得到陕西省大气污染在时间和地理空间上的分布特征，为后续陕西省各市区污染物减排政策提供数据支撑，这对于打赢大气污染防治攻坚战、推动陕西省经济高质量发展具有重要意义。

1 数据来源

本文旨在对陕西省大气污染的时间变化规律和地理空间分布现状展开分析，大气污染物相关数据主要来源于空气质量在线监测分析平台，包括2015年1月到2020年3月陕西省10个市区空气质量数据AQI和四项大气污染物浓度数据（PM2.5、PM10、SO2、CO），陕西省社会经济活动等相关数据主要来源于陕西省统计年鉴或各市区统计年鉴。

2 陕西省大气污染的分布特征分析

2.1 陕西省大气污染物的可视化分析

将空气质量在线监测分析平台收集到的陕西省10个市区污染物浓度数据进行预处理，借助ArcMap分析各污染因子的空间分布状态，得到陕西省各市区2019年的部分污染物年平均浓度分布，如图1至图4所示。

图1 陕西省PM10分布图

图2 陕西省PM2.5分布图

由图1至图4可知，陕西省10个市区中，咸阳、渭南和西安的PM10浓度较高，污染较小的为商洛市，除污染最小的商洛市之外，其余地区都超过国家二级标准。PM10不同于其他污染物，该污染物能够长时间存在于空气中，不易散去，对人体健康造成很大影响，同时降低可见度给居民出行造成不便。PM2.5污染最严重的地区集中在陕西中部地区，分别是咸阳市、渭南市和西安市，污染较小的地区主要在陕北、陕南地区，如榆林市、延安市、商洛市、安康市。PM2.5作为造成雾霾的“主力军”，为大气污染做出来很大“贡献”。从气象特征来看，关中地区全年以东北风为主导风向，静风频率为35%～45%，平均风速为0.7m/s～2.6m/s，这种条件状况不利于大气污染物的扩散。其次，陕西中部地区是陕西省人口分布最为密集的地区，这里的汽车尾气和城市建设等使大气颗粒物浓度在该区域达到一个相对较高水平。CO污染较为严重的地区在延安市和汉中市，这两个市作为大型炼钢、炼铁基地都存在许多炼钢厂，这对于CO的排放量产生了很大影响。SO2污染指数较高的地区集中在榆林市，浓度最低地区出现在西安市和宝鸡市，即便如此，SO2的浓度水平仍超过国家规定的SO2排放量的二级标准。综合所有污染指标来看，污染较为严重的地区为榆林市、咸阳市、渭南市以及西安市，综合环境质量最好的为商洛市和安康市。

图3 陕西省CO分布图

图4 陕西省SO2分布图

图6 陕西省非采暖期CO分布图

此外，为了探究陕西省各市区污染物指标的季节趋势，本文将陕西省全年划分为采暖期和非采暖期，借助ArcMap作图进行对比分析，如图5至6所示。采暖期间，延安、渭南、汉中CO的排放量高出CO的年平均排放量，相比于非采暖期，CO排放量最高的汉中市也低于年平均排放量。目前我国采暖的方式还是主要依靠煤炭、天然气等的燃烧，陕西中部及北部地区在冬季采取集中供热的方式，相比于与非采暖期以及在冬季没有集中供热的地区，污染物的指数呈现出明显的差别。

图5 陕西省采暖期CO分布图

2.2 陕西省大气污染物的时间序列分析

为了进一步了解陕西省近五年的空气质量及其近期走向，本文以西安市为例，对其大气环境的时间分布展开研究。根据2015年至2020年西安月平均空气质量指数（AQI）数据，画出时序图，如图7所示。

图7 西安市月平均AQI时序图

由图可知，从2015年到2020年3月，西安市AQI月平均指数波动受季节因素影响，具有一定的季节趋势，有固定的周期和稳定的趋势。这个序列显现出很强的季节效应，但趋势并不明显，因此我们对该序列做滞后12期的差分以试图去掉季节成分，然后再做滞后1期的差分，图8左图为原序列滞后12期的差分，右图为原序列滞后12期的差分再做滞后1期的差分。

图8 差分后的序列图

经过第一次差分之后还有些趋势成分，而两次差分后基本看不出周期和趋势。在对序列有一个初步的了解之后，引入Box-Jenkins季节ARIMA模型。借助R语言软件对该序列进行拟合。

可乘季节ARIMA模型可记为ARIMA（0,1,1）（1,1,1），表达式如下：

即西安市AQI月平均指数服从ARIMA（0,1,1）（1,1,1）[12]模型，具体表达式如下：

通过该模型以2015年1月到2019年1月的数据为测试集，用其做14期的预测，得训练集2019年2月到2020年3月的预测值见表1（预测值保留两位小数）：

表1 ARIMA模型的预测结果

代入计算得到ME=1.34，表明预测值与观测值之间的平均差异为1.34，说明该模型给出的西安市月AQI的预测值与实际的观测值的差异程度不大，模型拟合较好。

3 结语

本文旨在利用GIS和ARIMA模型对陕西省各市区大气污染的现状展开分析。对陕西大气污染物的地理空间可视化分析可知，陕西省大气污染较重的市区有西安、咸阳、渭南和榆林，空气质量较好的两个市区是商洛和安康，并且陕西省采暖期的大气污染情况比非采暖期严峻，西安市的AQI月平均指数服从ARIMA（0,1,1）（1,1,1）模型。

陕西省大气污染防控的重点在于控制重工业污染废气的大量排放以及机动车辆尾气的排放。要控制大气中污染物的浓度首先需要在某种程度上优化产业结构，将部分工作的重心慢慢地从第二产业向第三产业转移；其次可以加大大型企业废气的治理及检测力度，对超出标准排放废气的企业给与警告并收取高额罚款，提高中小型企业的办厂要求，提升保护大气环境在各企业心中的地位；最后严控交通工具的尾气排放，禁止随意焚烧垃圾。此外相关部门还应重点推进新型燃料的研制，燃料在日常生活中是必不可少的，现有的燃料主要是以汽油、煤油、天然气为主，其燃烧排放的废气中含有大量的一氧化碳，氮氧化物，二氧化碳等对环境质量不友好的气体。水电、风电以及太阳能发电还没有完全在我们生活中普及，并且不能满足大型工业企业的需求，因此推广性价比高的清洁替代燃料是目前预防大气污染的重中之重。