李 聰 李代超# 劉雪冰 梁建琴 謝曉葦 許芳年 曾 展

(1.福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室,福建 福州 350002;2.福州大學(xué)數(shù)字中國(guó)研究院(福建),福建 福州 350002;3.中國(guó)科學(xué)院地理科學(xué)與資源研究所,資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101;4.中國(guó)科學(xué)院大學(xué),北京 100049;5.湖南地圖出版社,湖南 長(zhǎng)沙 410007)

細(xì)顆粒物(PM2.5)污染是廣東省主要的大氣污染問(wèn)題之一?！?019年廣東省環(huán)境狀況公報(bào)》顯示,廣東省PM2.5年均質(zhì)量濃度為27 μg/m3,高于世界衛(wèi)生組織《全球空氣質(zhì)量指南》的PM2.5過(guò)渡期二級(jí)標(biāo)準(zhǔn)(25 μg/m3)?！笆奈濉睍r(shí)期,廣東省PM2.5對(duì)污染治理提出了更高的要求,《廣東省生態(tài)環(huán)境保護(hù)“十四五”規(guī)劃》提出到2025年將全省PM2.5年均質(zhì)量濃度控制在22 μg/m3以下。因此,找到一條實(shí)現(xiàn)PM2.5污染控制達(dá)標(biāo)的路徑對(duì)于廣東省各級(jí)政府制定環(huán)境污染治理相關(guān)政策有著重要意義。

目前,針對(duì)PM2.5污染控制路徑的研究主要從3個(gè)方面展開(kāi):PM2.5影響因素的探討、PM2.5預(yù)測(cè)模型的構(gòu)建和PM2.5治理情景的構(gòu)建[1]1-10。產(chǎn)業(yè)結(jié)構(gòu)、能源消耗等社會(huì)經(jīng)濟(jì)因素會(huì)對(duì)PM2.5產(chǎn)生影響[2],但實(shí)際上PM2.5的影響因素非常紛繁復(fù)雜,本研究將結(jié)合《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》等有關(guān)政策,從產(chǎn)業(yè)結(jié)構(gòu)、能耗強(qiáng)度、道路交通、貨運(yùn)結(jié)構(gòu)、城市綠化和污染排放6個(gè)方面構(gòu)建PM2.5影響因素的指標(biāo)體系。常見(jiàn)的PM2.5預(yù)測(cè)模型都存在一定的局限性,如經(jīng)典統(tǒng)計(jì)模型和空氣質(zhì)量模型預(yù)測(cè)效果不是很好[3-4];機(jī)器學(xué)習(xí)模型雖然預(yù)測(cè)效果較好,但需要大量樣本[5-7]。將多個(gè)預(yù)測(cè)模型進(jìn)行耦合可以實(shí)現(xiàn)模型間的優(yōu)勢(shì)互補(bǔ)[8-10],因此本研究耦合經(jīng)典統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)模型進(jìn)行PM2.5預(yù)測(cè),經(jīng)典統(tǒng)計(jì)模型中的Ridge回歸模型可以在保留所有變量的同時(shí)解決變量間的多重共線性問(wèn)題[11],機(jī)器學(xué)習(xí)模型中的支持向量機(jī)(SVM)模型可以有效避免非線性、小樣本、高維度數(shù)據(jù)過(guò)擬合問(wèn)題[12]。本研究在PM2.5治理情景構(gòu)建時(shí)還將考慮目標(biāo)城市社會(huì)經(jīng)濟(jì)特征[13-15]。

因此,本研究結(jié)合《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》等有關(guān)政策,全面選取合理的PM2.5影響因素,在此基礎(chǔ)上構(gòu)建耦合Ridge回歸模型和SVM模型的Ridge-SVM混合模型,實(shí)現(xiàn)對(duì)PM2.5濃度預(yù)測(cè),根據(jù)廣東省的城市發(fā)展特征構(gòu)建“十四五”時(shí)期的PM2.5治理情景,最終確定廣東省“十四五”時(shí)期PM2.5污染防治達(dá)標(biāo)路徑,以期為廣東省制定PM2.5污染防治措施提供參考。

1 數(shù)據(jù)與方法

1.1 PM2.5影響因素指標(biāo)體系構(gòu)建及數(shù)據(jù)來(lái)源

由于廣東省2013年才開(kāi)始開(kāi)展PM2.5監(jiān)測(cè),因此PM2.5監(jiān)測(cè)數(shù)據(jù)不是很完善。本研究選用WEI等[16]基于地面測(cè)量、衛(wèi)星遙感產(chǎn)品等數(shù)據(jù)生成的1 km分辨率的ChinaHighPM2.5數(shù)據(jù)集,使用ArcGIS軟件提取廣東省的PM2.5數(shù)據(jù),以地級(jí)市為單位,時(shí)間跨度為2010—2019年。

眾所周知,第二產(chǎn)業(yè)占國(guó)內(nèi)生產(chǎn)總值(GDP)比例(SGDP)越高,PM2.5濃度越高,但隨著第三產(chǎn)業(yè)比例增加,第三產(chǎn)業(yè)對(duì)第二產(chǎn)業(yè)的追趕和反超在一定程度上可以遏制空氣污染[17],因此在產(chǎn)業(yè)結(jié)構(gòu)方面選擇SGDP和第三產(chǎn)業(yè)占GDP比例(TGDP)作為指標(biāo),并用SGDP/TGDP(STIR)表征產(chǎn)業(yè)結(jié)構(gòu);降低單位GDP能源消耗量(ECPG)有助于提升經(jīng)濟(jì)效益和改善空氣質(zhì)量[18],因此選用ECPG作為能耗強(qiáng)度方面的指標(biāo)來(lái)表征;控制民用汽車(chē)保有量增長(zhǎng)有助于緩解城市交通擁堵和汽車(chē)尾氣排放,因此選取民用汽車(chē)保有量增長(zhǎng)率(GROC)作為道路交通方面的指標(biāo)來(lái)表征;由于廣東省公路貨運(yùn)量與水路貨運(yùn)量總和占到總貨運(yùn)量的95%以上,因此選取公路貨運(yùn)量占總貨運(yùn)量比例(HFTF)和水路貨運(yùn)量占總貨運(yùn)量比例(WFTF)來(lái)表征貨運(yùn)結(jié)構(gòu)方面的指標(biāo),并用HFTF/WFTF(WHFR)表征貨運(yùn)結(jié)構(gòu);在城市綠化方面,選擇城市人均綠地面積(GAPC)作為指標(biāo);在污染排放方面,選擇城市工業(yè)二氧化硫排放量(ISDE)作為指標(biāo)來(lái)表征。

SGDP、TGDP、GROC和GAPC數(shù)據(jù)來(lái)源于歷年廣東省統(tǒng)計(jì)年鑒,HFTF、WFTF數(shù)據(jù)來(lái)源于歷年中國(guó)城市統(tǒng)計(jì)年鑒,ECPG、ISDE來(lái)源于廣東省政府信息依申請(qǐng)公開(kāi)系統(tǒng)。

1.2 灰色關(guān)聯(lián)分析方法

將各地級(jí)市2010—2019年每年的PM2.5年均濃度作為參照的特征序列,8個(gè)PM2.5影響因素作為被比較的因素序列,若各因素的量綱不同,則先進(jìn)行標(biāo)準(zhǔn)化處理,然后計(jì)算每年的關(guān)聯(lián)系數(shù),分辨率取為0.5,10年的關(guān)聯(lián)系數(shù)平均值即為灰色關(guān)聯(lián)度,當(dāng)灰色關(guān)聯(lián)度大于0.3時(shí),認(rèn)為該影響因素對(duì)PM2.5變化有重要作用,具體方法詳見(jiàn)文獻(xiàn)[19]。

1.3 PM2.5預(yù)測(cè)模型構(gòu)建方法

首先,基于各地級(jí)市2010—2019年每年的PM2.5年均濃度和6個(gè)社會(huì)經(jīng)濟(jì)方面數(shù)據(jù),使用Python語(yǔ)言Sklearn包中Ridge模塊構(gòu)建Ridge回歸模型,將得到的2010—2019年每年P(guān)M2.5結(jié)果作為SVM模型的輸入變量之一,用于解釋PM2.5與6個(gè)方面的線性關(guān)系部分。

在構(gòu)建SVM模型時(shí),將Ridge回歸模型預(yù)測(cè)結(jié)果與原始的6個(gè)社會(huì)經(jīng)濟(jì)方面設(shè)定為模型的特征變量,將PM2.5年均濃度設(shè)置為模型預(yù)測(cè)變量,并以單一SVM模型作為對(duì)照組。盡管SVM模型適用于小樣本數(shù)據(jù),但廣東省每個(gè)地級(jí)市只有10年的數(shù)據(jù),還是偏少,為此,將廣東省21個(gè)地級(jí)市數(shù)據(jù)同時(shí)作為模型的訓(xùn)練數(shù)據(jù),有效提高了模型的樣本數(shù)量和穩(wěn)定性,避免了過(guò)擬合[1]6。為了使模型達(dá)到理想效果,采用粒子群優(yōu)化算法(PSO)對(duì)正則化參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化。

最后,用均方根誤差(RMSE)、平均絕對(duì)誤差(MAE)和擬合度(R2)評(píng)價(jià)模型精度。

1.4 情景構(gòu)建方法

由于不同地級(jí)市的社會(huì)經(jīng)濟(jì)特征存在差異性,采用統(tǒng)一情景進(jìn)行模擬顯然不甚合理,因此本研究先根據(jù)不同地級(jí)市的社會(huì)經(jīng)濟(jì)特征進(jìn)行分類,再對(duì)各類地級(jí)市構(gòu)建以2025年P(guān)M2.5達(dá)標(biāo)為目標(biāo)的PM2.5污染控制情景。主要步驟如下:

(1) 根據(jù)《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》《中共中央國(guó)務(wù)院關(guān)于深入打好污染防治攻堅(jiān)戰(zhàn)的意見(jiàn)》《廣東省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》《廣東省生態(tài)環(huán)境保護(hù)“十四五”規(guī)劃》和《廣東省生態(tài)文明建設(shè)“十四五”規(guī)劃》的有關(guān)目標(biāo)要求,為各影響因素構(gòu)建低、中、高3種等級(jí)的治理情景庫(kù),并且每種等級(jí)再分成寬、強(qiáng)和嚴(yán)(見(jiàn)表1),以匹配不同城市的社會(huì)經(jīng)濟(jì)發(fā)展程度。

表1 治理情景庫(kù)1)

(2) 采用自然斷點(diǎn)法對(duì)2019年各地級(jí)市6個(gè)社會(huì)經(jīng)濟(jì)方面數(shù)據(jù)進(jìn)行分級(jí),利用K-means算法對(duì)各地級(jí)市的分級(jí)特征進(jìn)行聚類。

(3) 根據(jù)各類地級(jí)市的社會(huì)經(jīng)濟(jì)發(fā)展程度,選擇相匹配的治理情景,構(gòu)建出2020—2025年各地級(jí)市的PM2.5污染治理情景。

2 結(jié)果與分析

2.1 指標(biāo)相關(guān)性分析

灰色關(guān)聯(lián)度計(jì)算結(jié)果表明,廣東省各地級(jí)市的PM2.5與所選的8個(gè)影響因素之間的灰色關(guān)聯(lián)度都大于0.3,也就是說(shuō),所選8個(gè)影響因素都對(duì)PM2.5變化具有重要作用。

2.2 PM2.5預(yù)測(cè)結(jié)果

如表2所示,Ridge回歸模型的R2為0.867 1～0.959 5,說(shuō)明Ridge回歸模型的預(yù)測(cè)值與實(shí)際值已經(jīng)較為吻合,較好地解釋了PM2.5與6個(gè)社會(huì)經(jīng)濟(jì)方面的線性關(guān)系部分。Ridge-SVM混合模型的R2為0.931 3～0.994 8,MAE為0.324 6～1.253 1 μg/m3,RMSE為0.365 4～1.635 2 μg/m3,相對(duì)于單一模型,Ridge-SVM混合模型的R2明顯提高,MAE和RMSE明顯降低。因此,Ridge-SVM混合模型的預(yù)測(cè)效果明顯優(yōu)于Ridge回歸模型和SVM模型兩個(gè)單一模型。

表2 PM2.5預(yù)測(cè)模型精度對(duì)比

2.3 PM2.5治理情景

自然斷點(diǎn)法對(duì)2019年廣東省各地級(jí)市社會(huì)經(jīng)濟(jì)方面數(shù)據(jù)分級(jí)結(jié)果如表3所示,其中STIR分為5級(jí),ECPG、WHFR、GROC和ISDE分為4級(jí),GAPC分為3級(jí)。

表3 社會(huì)經(jīng)濟(jì)方面數(shù)據(jù)分級(jí)

利用K-means算法對(duì)各地級(jí)市的社會(huì)經(jīng)濟(jì)指標(biāo)分級(jí)特征聚類結(jié)果如表4所示,廣東省21個(gè)地級(jí)市劃分為4類。廣州市、梅州市、清遠(yuǎn)市、韶關(guān)市、深圳市和云浮市為第一類,以第三產(chǎn)業(yè)為主導(dǎo),產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化空間有限,能耗強(qiáng)度較低但仍有優(yōu)化空間,水路貨運(yùn)開(kāi)發(fā)承載能力較高,汽車(chē)保有量適中,ISDE較高。河源市、揭陽(yáng)市、茂名市、汕尾市和陽(yáng)江市為第二類,SGDP總體低于TGDP,可以適當(dāng)?shù)剡M(jìn)行產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)移,能耗強(qiáng)度略高,水路貨運(yùn)承載能力較弱,汽車(chē)保有量增長(zhǎng)快,GAPC低,ISDE較高。潮州市、東莞市、佛山市、汕頭市和中山市為第三類,SGDP較大,應(yīng)促進(jìn)第三產(chǎn)業(yè)發(fā)展,能耗強(qiáng)度低,水路貨運(yùn)承載能力適中,汽車(chē)保有量增長(zhǎng)略慢,GAPC接近廣東省平均水平,ISDE略高?；葜菔?、江門(mén)市、湛江市、肇慶市和珠海市為第四類,SGDP和TGDP較接近,也需要促進(jìn)第三產(chǎn)業(yè)發(fā)展,能耗強(qiáng)度遠(yuǎn)高于廣東省平均水平,具有較強(qiáng)的水路運(yùn)輸承載能力,汽車(chē)保有量增長(zhǎng)較慢,GAPC高,ISDE大。

表4 各地級(jí)市社會(huì)經(jīng)濟(jì)方面分級(jí)及聚類結(jié)果

根據(jù)各類地級(jí)市的指標(biāo)分級(jí)劃定各指標(biāo)的調(diào)控等級(jí),結(jié)果如表5所示。

表5 各類地級(jí)市可選PM2.5治理情景

基于表5的可選PM2.5治理情景計(jì)算得到廣東省各地級(jí)市2020—2025年8個(gè)影響因素?cái)?shù)據(jù),并用作PM2.5預(yù)測(cè)模型的輸入數(shù)據(jù)得到PM2.5預(yù)測(cè)濃度,各地級(jí)市可在各自的類別中達(dá)到PM2.5污染控制目標(biāo)前提下選擇寬、強(qiáng)、嚴(yán)情景。結(jié)果表明,按表6對(duì)社會(huì)經(jīng)濟(jì)發(fā)展影響最小的PM2.5污染控制達(dá)標(biāo)路徑,廣東省21個(gè)地級(jí)市均可以到2025年實(shí)現(xiàn)將PM2.5年均質(zhì)量濃度控制在22 μg/m3以下。

表6 各地級(jí)市PM2.5污染控制達(dá)標(biāo)路徑1)

圖1展示了在表6的PM2.5污染控制達(dá)標(biāo)路徑下2020—2025年廣東省PM2.5年均質(zhì)量濃度預(yù)測(cè)結(jié)果?？梢钥吹?肇慶市、茂名市、揭陽(yáng)市和汕頭市在2023年率先達(dá)標(biāo);2024年,除陽(yáng)江市、江門(mén)市、云浮市、佛山市、廣州市和梅州市外,其他地級(jí)市均已實(shí)現(xiàn)達(dá)標(biāo);2025年,廣東省21個(gè)地級(jí)市全部完成達(dá)標(biāo)。

圖1 2020—2025年廣東省PM2.5年均質(zhì)量濃度預(yù)測(cè)結(jié)果

2.4 政策建議

(1) “十四五”期間,廣州市、梅州市、深圳市、韶關(guān)市、云浮市和清遠(yuǎn)市在治理PM2.5污染時(shí)應(yīng)優(yōu)先考慮調(diào)整貨運(yùn)結(jié)構(gòu)和減少城市工業(yè)污染物排放。就貨運(yùn)結(jié)構(gòu)而言,廣州市、深圳市、韶關(guān)市、云浮市和清遠(yuǎn)市都位于珠江流域,可通過(guò)開(kāi)拓航道提高航運(yùn)能力、采用水路運(yùn)輸推進(jìn)多式聯(lián)運(yùn)等方式來(lái)調(diào)整貨運(yùn)結(jié)構(gòu);梅州市則可通過(guò)推進(jìn)梅州港建設(shè)發(fā)展公水聯(lián)運(yùn)。在減少城市工業(yè)污染物排放方面,可制定更加嚴(yán)格的企業(yè)污染物排放標(biāo)準(zhǔn),通過(guò)加大環(huán)保檢查力度和升級(jí)污染治理設(shè)備等措施來(lái)減少污染物的排放。

(2) 河源市、揭陽(yáng)市、茂名市、汕尾市和陽(yáng)江市應(yīng)從城市道路交通和城市綠化入手,輔以調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、降低能源消耗強(qiáng)度和減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車(chē)代替?zhèn)鹘y(tǒng)燃油車(chē)、改善公共交通基礎(chǔ)設(shè)施等方法。在城市綠化方面,可在道路兩側(cè)和中央建設(shè)綠化帶,提高綠色植物吸附率。同時(shí),還可通過(guò)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、降低能源消耗強(qiáng)度和減少污染物排放等輔助手段來(lái)治理PM2.5污染。

(3) 潮州市、東莞市、佛山市、汕頭市和中山市的主要治理方向應(yīng)為優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、調(diào)整貨運(yùn)結(jié)構(gòu)和提高城市綠化率。在優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)方面,由于這5個(gè)地級(jí)市以第二產(chǎn)業(yè)為主導(dǎo),第三產(chǎn)業(yè)發(fā)展緩慢,因此需要鼓勵(lì)傳統(tǒng)第二產(chǎn)業(yè)升級(jí)改造,通過(guò)稅收優(yōu)惠、補(bǔ)貼等政策推動(dòng)高端服務(wù)業(yè)發(fā)展。在調(diào)整貨運(yùn)結(jié)構(gòu)方面,東莞市、佛山市和中山市位于珠三角入?？?可融入珠江水系運(yùn)輸網(wǎng)絡(luò),推進(jìn)公路運(yùn)輸向水路運(yùn)輸轉(zhuǎn)移;潮州市和汕頭市可以通過(guò)海洋運(yùn)輸來(lái)推進(jìn)大宗貨物“公轉(zhuǎn)水”。在提高城市綠化率方面,可以通過(guò)建設(shè)城市綠色走廊或公園,構(gòu)建綠地網(wǎng)絡(luò)。

(4) 對(duì)于湛江市、惠州市、江門(mén)市、肇慶市和珠海市,除了城市綠化對(duì)空氣質(zhì)量的提升較小外,產(chǎn)業(yè)結(jié)構(gòu)、能耗強(qiáng)度、貨運(yùn)結(jié)構(gòu)和工業(yè)污染物排放等方面都存在著較大的提升空間。在產(chǎn)業(yè)結(jié)構(gòu)方面,除珠海市外,湛江市、惠州市、江門(mén)市和肇慶市都以重工業(yè)為主導(dǎo)產(chǎn)業(yè),所以應(yīng)推進(jìn)高新技術(shù)產(chǎn)業(yè)發(fā)展,鼓勵(lì)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)或改進(jìn)生產(chǎn)工藝。在能耗強(qiáng)度方面,這些地級(jí)市應(yīng)實(shí)施節(jié)能減排政策,改進(jìn)能源管理,識(shí)別耗能原因并加以整頓。在貨運(yùn)結(jié)構(gòu)方面,湛江市和珠海市都是海濱城市,可以通過(guò)發(fā)展海洋物流、拓展港口功能等方式,推動(dòng)貨物運(yùn)輸由公路向海路及鐵路運(yùn)輸轉(zhuǎn)移;惠州市、江門(mén)市和肇慶市則可通過(guò)加強(qiáng)物流中心建設(shè)和發(fā)展多式聯(lián)運(yùn)等方式來(lái)實(shí)現(xiàn)貨運(yùn)結(jié)構(gòu)的調(diào)整。在工業(yè)污染物排放方面,可以制定更加嚴(yán)格的企業(yè)污染物排放標(biāo)準(zhǔn),加大環(huán)保檢查力度,鼓勵(lì)企業(yè)采用清潔生產(chǎn)技術(shù)和先進(jìn)治污設(shè)備來(lái)減少工業(yè)污染物排放。

3 結(jié) 論

(1) 在小樣本情況下,耦合經(jīng)典統(tǒng)計(jì)模型Ridge回歸模型與機(jī)器學(xué)習(xí)模型SVM模型的Ridge-SVM混合模型能夠精準(zhǔn)地對(duì)廣東省21個(gè)地級(jí)市的PM2.5進(jìn)行預(yù)測(cè)。

(2) 2020—2025年P(guān)M2.5預(yù)測(cè)結(jié)果表明,廣東省21個(gè)地級(jí)市均可以到2025年實(shí)現(xiàn)將PM2.5年均質(zhì)量濃度控制在22 μg/m3以下,達(dá)到《廣東省生態(tài)環(huán)境保護(hù)“十四五”規(guī)劃》的預(yù)期目標(biāo)。

(3) 根據(jù)廣東省21個(gè)地級(jí)市的社會(huì)經(jīng)濟(jì)特征提出了“十四五”時(shí)期各地級(jí)市的PM2.5污染控制達(dá)標(biāo)路徑并給出政策建議。