广东省“十四五”时期细颗粒物污染控制达标路径研究*

李 聪 李代超# 刘雪冰 梁建琴 谢晓苇 许芳年 曾 展

(1.福州大学空间数据挖掘与信息共享教育部重点实验室,福建 福州 350002;2.福州大学数字中国研究院(福建),福建 福州 350002;3.中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室,北京 100101;4.中国科学院大学,北京 100049;5.湖南地图出版社,湖南 长沙 410007)

细颗粒物(PM2.5)污染是广东省主要的大气污染问题之一。《2019年广东省环境状况公报》显示,广东省PM2.5年均质量浓度为27 μg/m3,高于世界卫生组织《全球空气质量指南》的PM2.5过渡期二级标准(25 μg/m3)。“十四五”时期,广东省PM2.5对污染治理提出了更高的要求,《广东省生态环境保护“十四五”规划》提出到2025年将全省PM2.5年均质量浓度控制在22 μg/m3以下。因此,找到一条实现PM2.5污染控制达标的路径对于广东省各级政府制定环境污染治理相关政策有着重要意义。

目前,针对PM2.5污染控制路径的研究主要从3个方面展开:PM2.5影响因素的探讨、PM2.5预测模型的构建和PM2.5治理情景的构建[1]1-10。产业结构、能源消耗等社会经济因素会对PM2.5产生影响[2],但实际上PM2.5的影响因素非常纷繁复杂,本研究将结合《打赢蓝天保卫战三年行动计划》等有关政策,从产业结构、能耗强度、道路交通、货运结构、城市绿化和污染排放6个方面构建PM2.5影响因素的指标体系。常见的PM2.5预测模型都存在一定的局限性,如经典统计模型和空气质量模型预测效果不是很好[3-4];机器学习模型虽然预测效果较好,但需要大量样本[5-7]。将多个预测模型进行耦合可以实现模型间的优势互补[8-10],因此本研究耦合经典统计模型和机器学习模型进行PM2.5预测,经典统计模型中的Ridge回归模型可以在保留所有变量的同时解决变量间的多重共线性问题[11],机器学习模型中的支持向量机(SVM)模型可以有效避免非线性、小样本、高维度数据过拟合问题[12]。本研究在PM2.5治理情景构建时还将考虑目标城市社会经济特征[13-15]。

因此,本研究结合《打赢蓝天保卫战三年行动计划》等有关政策,全面选取合理的PM2.5影响因素,在此基础上构建耦合Ridge回归模型和SVM模型的Ridge-SVM混合模型,实现对PM2.5浓度预测,根据广东省的城市发展特征构建“十四五”时期的PM2.5治理情景,最终确定广东省“十四五”时期PM2.5污染防治达标路径,以期为广东省制定PM2.5污染防治措施提供参考。

1 数据与方法

1.1 PM2.5影响因素指标体系构建及数据来源

由于广东省2013年才开始开展PM2.5监测,因此PM2.5监测数据不是很完善。本研究选用WEI等[16]基于地面测量、卫星遥感产品等数据生成的1 km分辨率的ChinaHighPM2.5数据集,使用ArcGIS软件提取广东省的PM2.5数据,以地级市为单位,时间跨度为2010—2019年。

众所周知,第二产业占国内生产总值(GDP)比例(SGDP)越高,PM2.5浓度越高,但随着第三产业比例增加,第三产业对第二产业的追赶和反超在一定程度上可以遏制空气污染[17],因此在产业结构方面选择SGDP和第三产业占GDP比例(TGDP)作为指标,并用SGDP/TGDP(STIR)表征产业结构;降低单位GDP能源消耗量(ECPG)有助于提升经济效益和改善空气质量[18],因此选用ECPG作为能耗强度方面的指标来表征;控制民用汽车保有量增长有助于缓解城市交通拥堵和汽车尾气排放,因此选取民用汽车保有量增长率(GROC)作为道路交通方面的指标来表征;由于广东省公路货运量与水路货运量总和占到总货运量的95%以上,因此选取公路货运量占总货运量比例(HFTF)和水路货运量占总货运量比例(WFTF)来表征货运结构方面的指标,并用HFTF/WFTF(WHFR)表征货运结构;在城市绿化方面,选择城市人均绿地面积(GAPC)作为指标;在污染排放方面,选择城市工业二氧化硫排放量(ISDE)作为指标来表征。

SGDP、TGDP、GROC和GAPC数据来源于历年广东省统计年鉴,HFTF、WFTF数据来源于历年中国城市统计年鉴,ECPG、ISDE来源于广东省政府信息依申请公开系统。

1.2 灰色关联分析方法

将各地级市2010—2019年每年的PM2.5年均浓度作为参照的特征序列,8个PM2.5影响因素作为被比较的因素序列,若各因素的量纲不同,则先进行标准化处理,然后计算每年的关联系数,分辨率取为0.5,10年的关联系数平均值即为灰色关联度,当灰色关联度大于0.3时,认为该影响因素对PM2.5变化有重要作用,具体方法详见文献[19]。

1.3 PM2.5预测模型构建方法

首先,基于各地级市2010—2019年每年的PM2.5年均浓度和6个社会经济方面数据,使用Python语言Sklearn包中Ridge模块构建Ridge回归模型,将得到的2010—2019年每年PM2.5结果作为SVM模型的输入变量之一,用于解释PM2.5与6个方面的线性关系部分。

在构建SVM模型时,将Ridge回归模型预测结果与原始的6个社会经济方面设定为模型的特征变量,将PM2.5年均浓度设置为模型预测变量,并以单一SVM模型作为对照组。尽管SVM模型适用于小样本数据,但广东省每个地级市只有10年的数据,还是偏少,为此,将广东省21个地级市数据同时作为模型的训练数据,有效提高了模型的样本数量和稳定性,避免了过拟合[1]6。为了使模型达到理想效果,采用粒子群优化算法(PSO)对正则化参数和核函数参数进行优化。

最后,用均方根误差(RMSE)、平均绝对误差(MAE)和拟合度(R2)评价模型精度。

1.4 情景构建方法

由于不同地级市的社会经济特征存在差异性,采用统一情景进行模拟显然不甚合理,因此本研究先根据不同地级市的社会经济特征进行分类,再对各类地级市构建以2025年PM2.5达标为目标的PM2.5污染控制情景。主要步骤如下:

(1) 根据《打赢蓝天保卫战三年行动计划》《中共中央国务院关于深入打好污染防治攻坚战的意见》《广东省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》《广东省生态环境保护“十四五”规划》和《广东省生态文明建设“十四五”规划》的有关目标要求,为各影响因素构建低、中、高3种等级的治理情景库,并且每种等级再分成宽、强和严(见表1),以匹配不同城市的社会经济发展程度。

表1 治理情景库1)

(2) 采用自然断点法对2019年各地级市6个社会经济方面数据进行分级,利用K-means算法对各地级市的分级特征进行聚类。

(3) 根据各类地级市的社会经济发展程度,选择相匹配的治理情景,构建出2020—2025年各地级市的PM2.5污染治理情景。

2 结果与分析

2.1 指标相关性分析

灰色关联度计算结果表明,广东省各地级市的PM2.5与所选的8个影响因素之间的灰色关联度都大于0.3,也就是说,所选8个影响因素都对PM2.5变化具有重要作用。

2.2 PM2.5预测结果

如表2所示,Ridge回归模型的R2为0.867 1～0.959 5,说明Ridge回归模型的预测值与实际值已经较为吻合,较好地解释了PM2.5与6个社会经济方面的线性关系部分。Ridge-SVM混合模型的R2为0.931 3～0.994 8,MAE为0.324 6～1.253 1 μg/m3,RMSE为0.365 4～1.635 2 μg/m3,相对于单一模型,Ridge-SVM混合模型的R2明显提高,MAE和RMSE明显降低。因此,Ridge-SVM混合模型的预测效果明显优于Ridge回归模型和SVM模型两个单一模型。

表2 PM2.5预测模型精度对比

2.3 PM2.5治理情景

自然断点法对2019年广东省各地级市社会经济方面数据分级结果如表3所示,其中STIR分为5级,ECPG、WHFR、GROC和ISDE分为4级,GAPC分为3级。

表3 社会经济方面数据分级

利用K-means算法对各地级市的社会经济指标分级特征聚类结果如表4所示,广东省21个地级市划分为4类。广州市、梅州市、清远市、韶关市、深圳市和云浮市为第一类,以第三产业为主导,产业结构优化空间有限,能耗强度较低但仍有优化空间,水路货运开发承载能力较高,汽车保有量适中,ISDE较高。河源市、揭阳市、茂名市、汕尾市和阳江市为第二类,SGDP总体低于TGDP,可以适当地进行产业结构转移,能耗强度略高,水路货运承载能力较弱,汽车保有量增长快,GAPC低,ISDE较高。潮州市、东莞市、佛山市、汕头市和中山市为第三类,SGDP较大,应促进第三产业发展,能耗强度低,水路货运承载能力适中,汽车保有量增长略慢,GAPC接近广东省平均水平,ISDE略高。惠州市、江门市、湛江市、肇庆市和珠海市为第四类,SGDP和TGDP较接近,也需要促进第三产业发展,能耗强度远高于广东省平均水平,具有较强的水路运输承载能力,汽车保有量增长较慢,GAPC高,ISDE大。

表4 各地级市社会经济方面分级及聚类结果

根据各类地级市的指标分级划定各指标的调控等级,结果如表5所示。

表5 各类地级市可选PM2.5治理情景

基于表5的可选PM2.5治理情景计算得到广东省各地级市2020—2025年8个影响因素数据,并用作PM2.5预测模型的输入数据得到PM2.5预测浓度,各地级市可在各自的类别中达到PM2.5污染控制目标前提下选择宽、强、严情景。结果表明,按表6对社会经济发展影响最小的PM2.5污染控制达标路径,广东省21个地级市均可以到2025年实现将PM2.5年均质量浓度控制在22 μg/m3以下。

表6 各地级市PM2.5污染控制达标路径1)

图1展示了在表6的PM2.5污染控制达标路径下2020—2025年广东省PM2.5年均质量浓度预测结果。可以看到,肇庆市、茂名市、揭阳市和汕头市在2023年率先达标;2024年,除阳江市、江门市、云浮市、佛山市、广州市和梅州市外,其他地级市均已实现达标;2025年,广东省21个地级市全部完成达标。

图1 2020—2025年广东省PM2.5年均质量浓度预测结果

2.4 政策建议

(1) “十四五”期间,广州市、梅州市、深圳市、韶关市、云浮市和清远市在治理PM2.5污染时应优先考虑调整货运结构和减少城市工业污染物排放。就货运结构而言,广州市、深圳市、韶关市、云浮市和清远市都位于珠江流域,可通过开拓航道提高航运能力、采用水路运输推进多式联运等方式来调整货运结构;梅州市则可通过推进梅州港建设发展公水联运。在减少城市工业污染物排放方面,可制定更加严格的企业污染物排放标准,通过加大环保检查力度和升级污染治理设备等措施来减少污染物的排放。

(2) 河源市、揭阳市、茂名市、汕尾市和阳江市应从城市道路交通和城市绿化入手,辅以调整产业结构、降低能源消耗强度和减少污染物排放等治理手段。控制城市道路交通污染可采用新能源车代替传统燃油车、改善公共交通基础设施等方法。在城市绿化方面,可在道路两侧和中央建设绿化带,提高绿色植物吸附率。同时,还可通过调整产业结构、降低能源消耗强度和减少污染物排放等辅助手段来治理PM2.5污染。

(3) 潮州市、东莞市、佛山市、汕头市和中山市的主要治理方向应为优化产业结构、调整货运结构和提高城市绿化率。在优化产业结构方面,由于这5个地级市以第二产业为主导,第三产业发展缓慢,因此需要鼓励传统第二产业升级改造,通过税收优惠、补贴等政策推动高端服务业发展。在调整货运结构方面,东莞市、佛山市和中山市位于珠三角入海口,可融入珠江水系运输网络,推进公路运输向水路运输转移;潮州市和汕头市可以通过海洋运输来推进大宗货物“公转水”。在提高城市绿化率方面,可以通过建设城市绿色走廊或公园,构建绿地网络。

(4) 对于湛江市、惠州市、江门市、肇庆市和珠海市,除了城市绿化对空气质量的提升较小外,产业结构、能耗强度、货运结构和工业污染物排放等方面都存在着较大的提升空间。在产业结构方面,除珠海市外,湛江市、惠州市、江门市和肇庆市都以重工业为主导产业,所以应推进高新技术产业发展,鼓励传统产业转型升级或改进生产工艺。在能耗强度方面,这些地级市应实施节能减排政策,改进能源管理,识别耗能原因并加以整顿。在货运结构方面,湛江市和珠海市都是海滨城市,可以通过发展海洋物流、拓展港口功能等方式,推动货物运输由公路向海路及铁路运输转移;惠州市、江门市和肇庆市则可通过加强物流中心建设和发展多式联运等方式来实现货运结构的调整。在工业污染物排放方面,可以制定更加严格的企业污染物排放标准,加大环保检查力度,鼓励企业采用清洁生产技术和先进治污设备来减少工业污染物排放。

3 结 论

(1) 在小样本情况下,耦合经典统计模型Ridge回归模型与机器学习模型SVM模型的Ridge-SVM混合模型能够精准地对广东省21个地级市的PM2.5进行预测。

(2) 2020—2025年PM2.5预测结果表明,广东省21个地级市均可以到2025年实现将PM2.5年均质量浓度控制在22 μg/m3以下,达到《广东省生态环境保护“十四五”规划》的预期目标。

(3) 根据广东省21个地级市的社会经济特征提出了“十四五”时期各地级市的PM2.5污染控制达标路径并给出政策建议。