摘要：山西是我國的能源大省，同時也是空氣污染較為嚴重的省份。為深入地分析山西省空氣質量，繼而給空氣污染治理提供可靠的決策依據(jù)，本文采用空間自相關分析法、熱點分析法、灰色關聯(lián)分析法等方法對2014-2017年全省11個地市的空氣質量時空分布特征及影響因素進行研究。結果表明：1.2014-2017年期間，山西省空氣質量達標天數(shù)呈先增后減的趨勢，高緯度地區(qū)空氣質量優(yōu)于中低緯度，兩側經度區(qū)域優(yōu)于中間。2.2014-2016年空氣質量空間聚集性較弱且不顯著，2017年顯著空間正相關，空間格局呈現(xiàn)從北到南為熱點聚集、隨機分布、冷點聚集的三層分布。3.山西省空氣質量主要影響因素為第二產業(yè)占比和發(fā)電量。

關鍵詞：空氣質量;時空格局;影響因素;山西省

中圖分類號：X823 文獻標識碼：A 文章編號：2095-672X（2019）09-00-03

DOI：10.16647/j.cnki.cn15-1369/X.2019.09.009

Spatiotemporal pattern and influencing factors of air quality in Shanxi Province

Qin Cong

（Shanxi Institute of Water Resources and Hydropower Research， Taiyuan Shanxi 030002， China）

Abstract：Shanxi is a major energy province in China， but also a province with serious air pollution. In order to deeply analyze the air quality in Shanxi Province and then provide reliable decision-making basis for air pollution control， this paper uses spatial autocorrelation analysis， hot spot analysis and grey correlation analysis to study the Spatiotemporal distribution characteristics and influencing factors of air quality in 11 cities of Shanxi Province from 2014 to 2017. The results showed that： 1. From 2014 to 2017， the air quality of Shanxi Province increased first and then decreased. The air quality in high latitudes was better than that in middle and low latitudes， and the longitude areas on border sides are better than that in the middle. 2. From 2014 to 2016， the spatial aggregation of air quality was weak and not significant. In 2017， there was a significant positive spatial correlation. The spatial pattern showed three layers of hot spot aggregation， random distribution and cold point aggregation from north to south. 3. The main influencing factors of air quality in Shanxi Province were the proportion of secondary industry and power generation.

Keywords：Air quality;Spatial and temporal distribution;Influencing factors;Shanxi Province

人類的生存離不開空氣，空氣質量和人們的生命健康休戚相關。山西經濟近年來的快速增長，給空氣質量造成極大壓力，多個地市空氣質量不佳。十八大以來，習主席反復強調空氣質量，并表示空氣質量直接關系到廣大群眾的幸福感[1]。當前，研究山西省空氣質量時空格局及影響因素，于有針對性地開展空氣污染防治、加強生態(tài)文明建設意義非凡。

1 國內外研究現(xiàn)狀

許多學者就空氣質量時空格局及影響因素做了大量研究，也取得了一些成果。林長城[2]、盛永財[3]、蘇維[4]等人對單個城市的空氣質量進行分析，得出了空氣質量變化的趨勢，并用相關分析法、層次分析法等方法研究了多個因素對空氣質量的影響;李婕[5]、丁鐳[6]、柏玲[7]、楊冕[8]等人對區(qū)域內多個城市不同季節(jié)或不同年度空氣質量進行研究，同時利用灰色關聯(lián)法、空間回歸分析、地理加權回歸、等方法得出主要制約空氣質量的指標。就山西省而言，目前空氣質量的研究基本在現(xiàn)狀及趨勢分析上[9-11]，僅少數(shù)學者[12-13]分析了氣象因素對空氣質量的影響。故本文以山西省2014-2017年各地市空氣質量達標天數(shù)為研究指標，通過空間自相關分析、熱點分析得出時空分布特征，最后運用灰色關聯(lián)分析解讀各統(tǒng)計指標對空氣質量的影響。本文選用數(shù)據(jù)覆蓋面較廣，分析方法相對簡便，一定程度上補充了山西省在空氣質量研究領域的內容，為空氣污染防治“對癥下藥”做好理論支撐。

2 數(shù)據(jù)及研究方法

2.1 數(shù)據(jù)

以空氣質量達標天數(shù)為研究對象，影響因素選取常住人口、人均GDP、第二產業(yè)占比、單位地區(qū)生產總值能源消耗、建筑業(yè)企業(yè)總產值、發(fā)電量、農林牧漁業(yè)總產值七項指標。以上數(shù)據(jù)來源于《山西省統(tǒng)計年鑒》。山西省地市邊界圖是從國家基礎地理信息中心獲取。

2.2 研究方法

本文基于ARCGIS 11軟件進行空間自相關分析。通過Global Morans I指數(shù)來判斷各地市空氣質量達標天數(shù)空間分布特征，當指數(shù)大于0表示聚集，小于0表示離散，接近0表示隨機分布[14-15];Getis-Ord Gi*指數(shù)可以對各地市空氣質量達標天數(shù)在局部為熱點或者冷點聚集進行分析[16]。

灰色關聯(lián)分析結合了定性和定量兩種思維，本質是通過不同序列曲線相似度來判定各要素間的關聯(lián)性，曲線形狀越趨同關聯(lián)性越高[17]，分析具有整體性，同時具有參考系和測度[18]。

相關數(shù)學公式參照文獻[18][19]。

3 山西省空氣質量時空分布特征

3.1 時間分布特征

2014-2017年期間，山西省空氣質量達標平均天數(shù)呈現(xiàn)先增后減的趨勢（圖1）。2014年山西省各地市空氣質量達標天數(shù)較少，其中陽泉市當年達標天數(shù)只占其四年總天數(shù)的12.7%;2015年多地市空氣質量達標天數(shù)有所增加，當年達標天數(shù)占比增幅比較大有陽泉市和晉城市，分別達到22.4%和6.3%;2016年各地市空氣質量與2015年基本維持;2017年，各地市空氣質量有明顯下降，臨汾市、運城市、晉城市空氣質量達標天數(shù)減少較多。

各地市中，總達標天數(shù)超過各年平均達標天數(shù)之和的僅有大同、呂梁、忻州、朔州四個地市，四年間達標天數(shù)較為均衡，沒有大的波動;而陽泉、太原、臨汾、運城總達標天數(shù)為后四位，且呈現(xiàn)出明顯的先增后降的趨勢。四年間空氣質量達標天數(shù)最少的是陽泉市，僅有756天;最多的為大同市，總天數(shù)為1213天，反映出山西省各地市空氣質量差距比較明顯。

3.2 空間分布特征

從空間的角度分析（圖2），2014-2017年山西省空氣質量達標平均天數(shù)在經度上為“U”形，在東經111°和113°附近出現(xiàn)高值，其余經度（111°至113°）無較大波動;在緯度上基本呈側“f”形，除北緯40°附近出現(xiàn)高值外，較低緯度（35°至36°附近）和較高緯度（38°至39°）附近的值比較接近，而在37°附近，空氣質量出現(xiàn)了較大的差異，忻州市比陽泉市的年平均達標天數(shù)高出52天。綜上，山西省空氣質量在地理空間上呈現(xiàn)出一定規(guī)律，即高緯度地區(qū)空氣質量優(yōu)于中低緯度地區(qū)，經度上大體為出東西高，中間低的趨勢。

3.3 空間自相關分析

由Arcgis軟件得到2014-2017年山西省空氣質量的Global Morans I指數(shù)，從全省的維度分析空間格局。詳見表1。

2014-2017年全省的Global Morans I指數(shù)歷經從接近于0到負值再到正值的變化，因此山西省空氣質量在空間上由隨機分布轉變?yōu)樨撓嚓P又轉變?yōu)檎嚓P。通過P值可知，2014-2016年不顯著，空間聚集性弱;2017年通過5%顯著性檢驗，有較強的空間聚集性，空氣質量達標天數(shù)較多的地市相互聚集分布。

通過計算Getis-Ord Gi*指數(shù)從區(qū)域維度來分析山西省空氣質量（圖3），2014年和2015年全省空氣質量隨機分布。2016年，熱點區(qū)域開始顯現(xiàn)，大同市、朔州市為熱點低顯著區(qū)，其余地市為隨機分布區(qū)。2017年，冷熱點區(qū)域更加明顯，大同市、朔州市、忻州市及其鄰近地市達標天數(shù)較高，形成熱點中顯著區(qū)，運城市、晉城市、長治市空氣質量達標天數(shù)較少，形成了冷點聚集區(qū)。不難發(fā)現(xiàn)，山西省空氣質量空間格局在2014-2017年間，由隨機分布逐步呈現(xiàn)從北到南依次為熱點聚集、隨機分布、冷點聚集的三層分布結構。

4 山西省空氣質量影響因素分析

山西省空氣質量達標天數(shù)在2014-2017年間時空分布差異明顯，其成因涉及到多個方面，本文選取對空氣質量達標天數(shù)影響較大的常住人口（X1）、人均GDP（X2）、第二產業(yè)占比（X3）、單位地區(qū)生產總值能源消耗（X4）、建筑業(yè)企業(yè)總產值（X5）、發(fā)電量（X6）、農林牧漁業(yè)總產值（X7）七個因素進行分析，求出各因素在2014-2017年各年的灰色關聯(lián)度γ及排序（表2）。表2可以看出，2014-2017年間，選取的七個影響因素和山西省空氣質量達標天數(shù)的關聯(lián)度都比較高，關聯(lián)最密切的第二產業(yè)占比（X3）和發(fā)電量（X6）均在0.9附近，而建筑業(yè)企業(yè)總產值（X5）、農林牧漁業(yè)總產值（X7）關聯(lián)度相對較弱。將各因素按關聯(lián)度大小依次排序為第二產業(yè)占比（X3）、發(fā)電量（X6）、常住人口（X1）、人均GDP（X2）、單位地區(qū)生產總值能源消耗（X4）、建筑業(yè)企業(yè)總產值（X5）、農林牧漁業(yè)總產值（X7）。

5 結論與討論

5.1 結論

本文以空氣質量達標天數(shù)為研究指標，采用空間自相關分析法、熱點分析法、法等方法對2014-2017年全省11個地市的空氣質量時空分布特征進行研究，然后用灰色關聯(lián)分析法分析空氣質量影響因素，得到如下結論。（1）2014-2017年間，山西省各地市空氣達標天數(shù)呈現(xiàn)先增后減的趨勢;高緯度地區(qū)空氣質量優(yōu)于中低緯度;經度層面，東西兩側空氣質量好于中間區(qū)域。（2）2014-2016年空氣質量空間聚集性弱且不顯著，2017年則為顯著空間正相關。空間格局由隨機分布逐步呈現(xiàn)從北到南依次為熱點聚集、隨機分布、冷點聚集的三層分布結構。（3）影響山西省空氣質量的主要因素為第二產業(yè)占比和發(fā)電量。本文選取影響因素的個數(shù)有限，今后應選取更多樣、更細化、長時間的數(shù)據(jù)指標來探究山西省空氣質量影響因素。

5.2 討論

山西作為空氣污染大省，解決好空氣質量問題迫在眉睫。打好空氣質量攻堅戰(zhàn)，政府須著眼當?shù)?，以嚴謹?shù)膶W術結論為支撐來制定相關政策方針，方能做到有的放矢。本文基于客觀統(tǒng)計數(shù)據(jù)，較為全面分析了山西省空氣質量的時空分布及影響因素，一定程度上為空空氣治理提供參考?；诒疚慕Y論，改善山西省空氣質量可從以下幾點著手：（1）山西省空氣質量形勢嚴峻，要持續(xù)增加對空氣質量改善投入，做好資金保障。（2）針對嚴重影響山西省空氣質量的因素（第二產業(yè)占比、發(fā)電量）要進行大力整治，鼓勵采用新技術，并做好指導、監(jiān)督、獎懲等各個環(huán)節(jié)。（3）全力推進生活垃圾分類，減少人口增長對空氣質量的影響，同時保持建筑業(yè)、農林牧漁業(yè)等行業(yè)對空氣質量的低污染勢頭。

參考文獻

[1]新華網.8日兩會語錄熱搜榜：“空氣質量直接關系群眾幸福感”居首[EB/OL].http：//www.xinhuanet.com/politics/2014-03/08/c_126239375.htm，2014-03-08.

[2]林長城，王宏，陳彬彬，趙衛(wèi)紅，洪榮林，林文.廈門市空氣質量時空分布特征及其與氣象條件的關系[J].福建農林大學學報（自然科學版），2010，39（01）：79-83.

[3]盛永財，孜比布拉·司馬義，王英鵬，王顯，李穎.烏魯木齊市空氣污染時空分布特征及其與氣象因素相關分析[J].地球環(huán)境學報，2018，9（04）：323-333.

[4]蘇維，張帥珺，賴新云，古新仁，賴勝男，黃國賢，張志堅，劉苑秋.南昌市空氣PM2.5和PM10的時空動態(tài)及其影響因素[J].應用生態(tài)學報，2017，28（01）：257-265.

[5]李婕，滕麗.珠三角城市空氣質量的時空變化特征及影響因素[J].城市觀察，2014（05）：85-95.

[6]丁鐳，劉超，黃亞林，陳昆侖，曾克峰.湖北省城市環(huán)境空氣質量時空演化格局及影響因素[J].經濟地理，2016，36（03）：170-178.

[7]柏玲，姜磊，周海峰，陳忠升.長江經濟帶空氣質量指數(shù)時空異質性及社會經濟影響因素分析[J].水土保持研究，2019，26（02）：312-319.

[8]楊冕，王銀.長江經濟帶PM2.5時空特征及影響因素研究[J].中國人口.資源與環(huán)境，2017，27（01）：91-100.

[9]賈曉紅.山西省主要城市大氣環(huán)境污染特征分析[J].山西能源與節(jié)能，2003（04）：20-22.

[10]閆世明，孫鴻娉，王雁，張逢生，李瑩.山西省1981—2010年大氣能見度變化趨勢研究[J].中國農學通報，2015，31（28）：207-220.

[11]孫小燕，楊萍果，敖紅，張鵬.山西省2015年細顆粒物的污染狀況和空間分布[J].地球環(huán)境學報，2017，8（05）：459-468.

[12]馬杰.山西省城市空氣質量指數(shù)地理特征及其與氣象要素的關系[J].太原師范學院學報（自然科學版），2015，14（02）：46-52.

[13]郭雪.太原市環(huán)境空氣質量與氣象條件關系的研究[D].蘭州：蘭州大學，2015.

[14]Epperson B K，Li T.Measurement of genetic structure within populations using Morans spatial autocorrelation statistics[J]. Proceedings of the National Academy of Sciences of the United States of America，1996，93（19）：10528-10532.

[15]Tiefelsdorf M. Modeling Spatial Process：The Identification and Analysis of Spatial Relationships in Regression Residuals by means of Morans I[J]. Lecture Notes in Earth Science Berlin Springer Verlag，2000，87（2）：73-81.

[16]Anselin L， Getis O. Spatial statistical analysis and geographic information systems [J]. Annual Regression Science，1992，26：19-33.

[17]Shi J，Ding Z，Lee W J，et al. Hybrid Forecasting Model for Very-Short Term Wind Power Forecasting Based on Grey Relational Analysis and Wind Speed Distribution Feature[J]. IEEE Transactions onSmart Grid，2014，5（1） ： 521-526

[18]孫玉剛. 灰色關聯(lián)分析及其應用的研究[D].南京航空航天大學，2007.

[19]劉湘南，黃方，王平.GIS 空間分析原理與方法（第二版）[M].北京：科學出版社.2008.

收稿日期：2019-07-05

作者簡介：秦聰（1992-），男，碩士，助理工程師，研究方向為信息化、水環(huán)境、節(jié)水灌溉。