張麗

摘要：基于空氣在線監(jiān)測(cè)網(wǎng)站提供的空氣質(zhì)量（AQI、PM10、PM2.5、S02、N02、CO、03）歷史數(shù)據(jù)，結(jié)合2014-2016年的統(tǒng)計(jì)年鑒提供的社會(huì)經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用MATLAB軟件，選取山東半島城市群包括的9個(gè)城市作為研究樣本，分析了該城市群空氣質(zhì)量的時(shí)空分布特征，并運(yùn)用MATLAB雙變量的相關(guān)分析方法分析了影響該城市群空氣質(zhì)量的因素。結(jié)果表明，排名前三的主要大氣污染物是PM10、PM2.5、03，AQI與PM10、PM2.5、CO的空間相關(guān)性在逐年遞增。但是只有03與人均城市道路面積有顯著相關(guān)性，其他空氣質(zhì)量指標(biāo)與該城市群的社會(huì)經(jīng)濟(jì)數(shù)據(jù)之間沒(méi)有顯著相關(guān)性。

關(guān)鍵詞：空氣質(zhì)量；時(shí)空分布特征；相關(guān)性

中圖分類(lèi)號(hào)：X24 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）17-0207-04

1概述

城市群作為推進(jìn)新型城鎮(zhèn)化的主體形態(tài)，已經(jīng)成為加速我國(guó)經(jīng)濟(jì)增長(zhǎng)的堅(jiān)實(shí)力量。然而，隨著城市群經(jīng)濟(jì)的快速發(fā)展，帶來(lái)了嚴(yán)重的區(qū)域空氣污染問(wèn)題，已成為威脅我國(guó)可持續(xù)發(fā)展和人類(lèi)健康的重要挑戰(zhàn)。2016年11月-2017年1月，京津冀地區(qū)發(fā)生7次中、重度霾天氣，比2015年同期增長(zhǎng)兩次。2016年12月29日-2017年1月4日，山東省17地市共有16市發(fā)布重污染天氣預(yù)警。2016年12月19日，我國(guó)重度污染的省區(qū)市數(shù)量有17個(gè)，重度霾污染區(qū)域的面積達(dá)到58萬(wàn)平方公里。根據(jù)美國(guó)耶魯大學(xué)發(fā)布的《2016年環(huán)境績(jī)效指數(shù)報(bào)告》顯示，我國(guó)空氣質(zhì)量排名在全球?qū)儆诘箶?shù)第二，是空氣污染重災(zāi)區(qū)，其中城市群作為經(jīng)濟(jì)更發(fā)達(dá)、人口更集中區(qū)域，其空氣污染過(guò)程同步性更明顯，區(qū)域污染特征更顯著。因此，城市群空氣質(zhì)量問(wèn)題成為目前的研究熱點(diǎn)問(wèn)題之一。另外，在我國(guó)工業(yè)化、城鎮(zhèn)化的進(jìn)程中，我國(guó)政府始終重視空氣質(zhì)量問(wèn)題。雖然在政府和社會(huì)各方面的不懈努力下，我國(guó)空氣污染防治工作取得許多進(jìn)展，但是隨著我國(guó)經(jīng)濟(jì)的迅猛增長(zhǎng)，城市群在經(jīng)濟(jì)、社會(huì)、文化等方面發(fā)展的同時(shí)，其空氣質(zhì)量出現(xiàn)復(fù)雜的時(shí)空特征，使得空氣污染形勢(shì)仍非常嚴(yán)峻。因此，根據(jù)不同城市群面臨的特定問(wèn)題，充分分析空氣主要污染物的時(shí)空分布變化特征，并找到影響該時(shí)空變化特征的因素，是進(jìn)一步促進(jìn)空氣質(zhì)量的提升、推進(jìn)新型城鎮(zhèn)化進(jìn)程的關(guān)鍵問(wèn)題之一。

目前國(guó)內(nèi)的研究?jī)?nèi)容大多數(shù)集中到自然因素、社會(huì)經(jīng)濟(jì)因素對(duì)城市群空氣質(zhì)量的影響研究。例如，李明華等（2008）研究了秋季海風(fēng)的出現(xiàn)對(duì)珠江三角洲城市群空氣污染濃度增加的影響。袁博等（2009）、羅岳平等（2014）等主要分析了主要污染物的季節(jié)變化特征。周德平等（2010）分析了2007年春季沙塵暴對(duì)遼寧中部城市群的可吸入顆粒物的影響，研究得出沙塵暴天氣會(huì)使得PMIO與PM2.5質(zhì)量濃度明顯增加。廖志恒等（2014）分析了長(zhǎng)株潭城市群2013年近10天的空氣污染過(guò)程，分析得出秸稈焚燒火點(diǎn)分布、大氣環(huán)流、高壓等對(duì)該區(qū)域的空氣質(zhì)量有重要的影響。陳永林等（2015）利用2013年全國(guó)省會(huì)城市、直轄市及主要地級(jí)市共156個(gè)城市的數(shù)據(jù)，運(yùn)用雙變量分析法，主要揭示了季節(jié)、降水、氣壓、溫度等對(duì)全國(guó)城市群空氣質(zhì)量的影響，以及AQI、PM10、PM2.5與地區(qū)生產(chǎn)總值、工業(yè)用電量等之間的相關(guān)關(guān)系。胡秋靈等（2016）利用AQI數(shù)據(jù)，統(tǒng)計(jì)分析了滇中、黔中、北部灣三個(gè)城市群的空氣污染差異性，并得出城市群空氣污染存在季節(jié)效應(yīng)與節(jié)日效應(yīng)，首要污染物種類(lèi)明顯不同等結(jié)論。

國(guó)外學(xué)者主要研究城市層次的相關(guān)空氣質(zhì)量研究。比如，Laureti等（2014）利用STIRPAT模型，分析了馬德里城市的社會(huì)一經(jīng)濟(jì)因子與空氣質(zhì)量環(huán)境因子之間的復(fù)雜關(guān)系，發(fā)現(xiàn)私人交通工具相關(guān)變量與NOx排放存在正的統(tǒng)計(jì)相關(guān)性。Tsegas等（2015）利用不同尺度上的耦合系統(tǒng)，模擬了巴黎地區(qū)大氣污染的擴(kuò)散與城市冠層結(jié)構(gòu)之間的時(shí)空關(guān)系。Rodriguez等（2016）利用貝葉斯平均選擇模型，實(shí)證分析了歐洲249個(gè)大城市的結(jié)構(gòu)與造成空氣污染的主要因素：NO2，PM10，SO2之間的關(guān)系，結(jié)果顯示，城市結(jié)構(gòu)與空氣污染存在顯著相關(guān)性?；诳諝赓|(zhì)量變化的復(fù)雜性與潛在的非線性，Thunis等（2015）提出了一種新的函數(shù)時(shí)間平均方法，來(lái)量化空氣質(zhì)量模型中的非線性效應(yīng)，并利用歐洲城市空氣質(zhì)量中PM10、PM2.5、03在年、月、日平均中體現(xiàn)出的非線性，實(shí)證分析了該方法的有效性。為了評(píng)估大范圍尺度上的可持續(xù)化發(fā)展，X.Feng等（2015）提出了一種基于空氣質(zhì)量軌跡分析與小波變化的人工神經(jīng)網(wǎng)絡(luò)模型，用來(lái)預(yù)測(cè)可吸入顆粒物的日均濃度。

綜上所述，國(guó)內(nèi)外關(guān)于城市群空氣質(zhì)量時(shí)空分布特征及其影響因素的研究不多，而且已有的城市群空氣質(zhì)量時(shí)空分布研究往往局限于空氣質(zhì)量指數(shù)AQI、可吸入顆粒物PM10與PM2.5的年平均值為基礎(chǔ)數(shù)據(jù)，這種數(shù)據(jù)分析基礎(chǔ)很難準(zhǔn)確的體現(xiàn)城市群空氣質(zhì)量的時(shí)空變化。另外，相關(guān)的數(shù)據(jù)分析與仿真模型很少是運(yùn)用MATALB軟件進(jìn)行研究的。因此，本文以山東半島城市群2013年12月-2016年11月的空氣質(zhì)量指數(shù)AQI、可吸入顆粒物PM10與PM2.5、SO2、CO、NO2、O3的月數(shù)據(jù)為基礎(chǔ)，采用MATLAB軟件進(jìn)行編程計(jì)算其MoranⅠ指數(shù)，計(jì)算了該城市群空氣質(zhì)量的時(shí)空分布特征，并運(yùn)用MATALB編程雙變量相關(guān)分析法分析了影響該城市群空氣質(zhì)量的因素，為促進(jìn)城市群空氣質(zhì)量的提升、推進(jìn)新型城鎮(zhèn)化進(jìn)程提供新的實(shí)證基礎(chǔ)，同時(shí)也為我國(guó)如何進(jìn)一步解決區(qū)域空氣污染問(wèn)題提供可借鑒的參考理論。

2數(shù)據(jù)來(lái)源與研究方法

2.1研究范圍與數(shù)據(jù)來(lái)源

本研究以山東半島城市群所屬的東營(yíng)（DY）、煙臺(tái)（YT）、濱州（BZ）、威海（WH）、濰坊（WF）、淄博（ZB）、濟(jì)南UN）、青島（QD）、日照（RZ）為研究范圍，空氣質(zhì)量數(shù)據(jù)（AQI、PM10、PM2.5、SO2、CO、NO2、O3）來(lái)源于中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)（https：∥www.aqistudy.cn/），社會(huì)經(jīng)濟(jì)數(shù)據(jù)來(lái)源于《山東省統(tǒng)計(jì)年鑒》（2014-2016年）。

2.2研究方法

文中采用MATLAB軟件編程計(jì)算Morans Ⅰ指數(shù)，分析山東半島城市群空氣質(zhì)量的時(shí)空變化情況，并運(yùn)用MATLAB軟件編程雙變量相關(guān)法，分析研究該城市群空氣質(zhì)量與社會(huì)經(jīng)濟(jì)因素之間的關(guān)系。

3結(jié)果與分析

3.1山東半島城市群空氣質(zhì)量的時(shí)空分布特征

3.1.1山東半島城市群空氣質(zhì)量的時(shí)間分布特征

選取AQI、PM10、PM2.5、SO2、CO、NO2、O3等7個(gè)指標(biāo)的月平均值為基礎(chǔ)數(shù)據(jù)，分別以時(shí)間序列、近三年從2013年12月-2016年11月的同比變化兩種不同的角度分析這7個(gè)指標(biāo)的時(shí)間分布特征。

由圖1（a）可知，2013年11月-2016年12月，從AQI來(lái)看，山東半島城市群的空氣質(zhì)量明顯的分為三個(gè)不同的水平，其中WH和YT空氣質(zhì)量最好，RZ和QD處于變動(dòng)較大的中間層次，其他五個(gè)城市BZ、DY、JN，、WF、ZB處于空氣質(zhì)量最差的層次。另外，山東半島城市群9城市的空氣質(zhì)量變動(dòng)情況存在一定的聯(lián)動(dòng)性。

我們選取三個(gè)層次中最具代表的三個(gè)城市：空氣質(zhì)量普遍最好的WH、中間層次的QD、最差層次的ZB為例，進(jìn)一步分析這些城市在2013年12月-2014年11月、2014年12月-2015年11月、2015年12月-2016年11月三個(gè)時(shí)期內(nèi)的同比變化情況。圖1（b-d）顯示，絕大多數(shù)時(shí)期，山東半島城市群的空氣質(zhì)量同比變化呈上升趨勢(shì)。

圖2顯示三個(gè)層次的城市代表體現(xiàn)了不同的主要污染物變化。尤其要注意的是，除了更受關(guān)注的PM10、PM2.5仍然是排名靠前的主要污染物，并具有一定的相關(guān)性之外，這三個(gè)城市的03含量變化有一定的周期性，并經(jīng)常超過(guò)PM10成為首要污染物。第一層次、第二層次城市的SO2、NO2含量及變化不大，但第三層次城市的SO2增量相比其他兩個(gè)層次的城市要快，而且變化幅度明顯加大。CO含量及變化在所有城市中都不明顯。

3.1.2山東半島城市群空氣質(zhì)量的空間分布特征

利用MATLAB編程分析了山東半島城市群9城市的7個(gè)空氣質(zhì)量指標(biāo)的空間分布特征，見(jiàn)表1。

由表1可以看出，山東半島城市群的AQI、PM10、PM2.5、CO的空間相關(guān)性在逐年遞增，SO2的空間相關(guān)性體現(xiàn)在2014與2015兩年，N02的空間相關(guān)性?xún)H在2015年有所體現(xiàn)，O3的空間相關(guān)性體現(xiàn)不明顯。

3.2山東半島城市群空氣質(zhì)量的影響因素

利用MATLAB軟件，編程分析該城市群的AQI、PM10、PM2.5、SO2、CO、NO2、O3空氣質(zhì)量指標(biāo)之間的相關(guān)性（表2），這些空氣質(zhì)量指標(biāo)與人均GDP、城市群面積、運(yùn)營(yíng)路線總長(zhǎng)度、人均公園綠地面積、人均城市道路面積、城市群綠化覆蓋率等數(shù)據(jù)之間的雙變量相關(guān)性（表3）。

由表2可以看出，AQI與PM10、PM2.5、S02、NO2、CO之間的相關(guān)性顯著，最低相關(guān)性達(dá)到70.4%。PM10與PM2.5相關(guān)性達(dá)到97.7%，PM10與SO2、NO2之間的相關(guān)性超過(guò)86%，與CO相關(guān)性超過(guò)71%。NO2和SO2、CO之間的相關(guān)性超過(guò)83%。但是其他六種空氣質(zhì)量指標(biāo)與O3的相關(guān)性都不顯著。

表3顯示，O3與人均城市道路面積有73%的顯著相關(guān)性，其他空氣質(zhì)量指標(biāo)與社會(huì)經(jīng)濟(jì)因素之間的相關(guān)性并不顯著。

4討論與結(jié)論

利用MATLAB軟件，編程計(jì)算空間Morans Ⅰ指數(shù)與雙變量相關(guān)系數(shù)，分析2013年11月-2016年12月山東半島城市群的7個(gè)空氣質(zhì)量指標(biāo)的時(shí)空變化情況，結(jié)果顯示：威海、煙臺(tái)空氣質(zhì)量最好，日照和青島處于空氣質(zhì)量變動(dòng)范圍比較大的中間層次，其他五個(gè)城市濱州、東營(yíng)、濟(jì)南、濰坊、淄博處于空氣質(zhì)量最差的最低層次。9城市排名前三的主要污染物是PM10、PM2.5、O3，SO2在三個(gè)不同層次的城市中增量不同。7種空氣質(zhì)量指標(biāo)的空間相關(guān)性并不同步。而7種空氣質(zhì)量指標(biāo)與人均GDP、城市群面積、運(yùn)營(yíng)路線總長(zhǎng)度、人均公園綠地面積、人均城市道路面積、城市群綠化覆蓋率等絕大多數(shù)數(shù)據(jù)之間并沒(méi)有顯著的相關(guān)性，只有O3與人均城市道路面積有73%的顯著相關(guān)性。這說(shuō)明今后需要繼續(xù)運(yùn)用MATLAB軟件，編程相關(guān)的數(shù)據(jù)挖掘模型，深入、系統(tǒng)的分析不同尺度上空氣質(zhì)量指標(biāo)的時(shí)空變化特征，為進(jìn)一步提升空氣質(zhì)量、推進(jìn)新型城鎮(zhèn)化建設(shè)提供思路。

另外，該城市群的AQI、PM10、PM2.5、SO2、CO、NO2、O3空氣質(zhì)量指標(biāo)之間的相關(guān)性顯示，AQI、PM10、PM2.5、SO2、NO2、CO之間的相關(guān)性顯著，但是與O3的相關(guān)性都不顯著。根據(jù)O3在最近三年的變化，提示當(dāng)?shù)叵嚓P(guān)部門(mén)應(yīng)該注意，除了注意AQI、PM10、PM2.5三個(gè)空氣質(zhì)量指標(biāo)之外，還應(yīng)警惕O3的排放變化情況。

5結(jié)論

2013年11月-2016年12月，山東半島城市群空氣質(zhì)量指標(biāo)的分布特征如下：

1）濱州、東營(yíng)、濟(jì)南、濰坊、淄博空氣污染較為嚴(yán)重，日照和青島總體空氣質(zhì)量較好，威海、煙臺(tái)空氣質(zhì)量最好。絕大多數(shù)時(shí)期，山東半島城市群的空氣質(zhì)量同比變化呈上升趨勢(shì)。

2）9城市排名前三的主要大氣污染物是PM10、PM2.5、O3，SO2在三個(gè)不同層次的城市中增量不同。

3）AQI、PM10、PM2.5、CO的空間相關(guān)性在逐年遞增，SO2、NO2、O3的空間相關(guān)性不具備逐年增加的特征。

4）只有O3與人均城市道路面積有顯著相關(guān)性，其他空氣質(zhì)量指標(biāo)AQI、PM10、PM2.5、SO2、CO、NO2與該城市群的人均GDP、城市群面積、運(yùn)營(yíng)路線總長(zhǎng)度、人均公園綠地面積、人均城市道路面積、城市群綠化覆蓋率等數(shù)據(jù)之間沒(méi)有顯著相關(guān)性。

5）AQI與PM10、PM2.5、SO2、NO2、CO之間的相關(guān)性顯著，但是與O3的相關(guān)性都不顯著。