徐文星，安欣舒，彭 珍
(1.北京石油化工学院信息工程学院，北京 102617；
2.北京石油化工学院经济与管理学院，北京 102617)
我国近几十年大规模城市化发展中存在高投入、高消费、高排放、高扩张、低水平特征，城市规模扩张与空气污染呈正相关关系[1]。北京市过去是北方经济发展的核心区域，大气污染问题一度成为焦点。十三五以来，政府通过去非首都功能、推动产业调整转型、建设绿色制造体系、优化产业结构等措施，大气污染治理获得显著成效。掌握空气质量变化特征能针对性地进行治理，对空气质量的分析主要涉及时空变化规律、天气因素影响、社会经济影响因子3个方面[5]，研究对象为PM2.5、O3等成分[7]。时空分布特征分析方法通常有空间自相关方法、地理加权回归等统计模型及空间聚类等机器学习算法[11]。MingMeng[15]提出京津冀2013-2017年大气污染排放水平拟合曲线在2015年达到峰值后呈波动缓慢下降。Wan等[16]分析了2015-2017年PM2.5浓度与其气态前体、气象条件相关的动态的综合解释和地理变量。Zhi[17]研究发现北京市2016年冬季颗粒物在重污染程度下呈现双峰变化。
2015年我国国内污染程度达到峰值，舆论关注也聚集在此。6年来国内采取了众多措施进行环境管理，污染程度、社会生产结构有了较大改变。但是，当前缺乏对这段长跨度内施行环保政策前后空气质量时空变化规律的分析。因此，笔者对2015-2020年北京空气质量治理中的时空特征及社会经济影响因子的影响度进行分析，研究不同社会生产生活特征及环保政策与空气质量变化的关联作用，通过对比前后变化来评估政策施行周期的表现，以期对下一步的环保政策制定与城市区域产业调整作参考。
1.1 研究区域及数据来源
北京市是中国的首都，地处中国北部，其西部、北部有大量山脉，高度工业化与城市化程度导致这一区域污染物排放强度较大。空气质量数据收集自北京市环境保护检测中心35个空气质量监测站2015年1月1日至2020年12月31日逐小时空气质量数据；
管理政策及污染物排放量取自北京市生态环境局；
社会经济影响因素数据选取北京市区域统计年鉴中14项指标[18]，构建的指标层次结构如表1所示。
表1 空气质量相关社会经济因素因子
1.2 研究方法
1.2.1 污染物分析方法
空气质量指数(AQI)是国家发布的空气质量评价标准[19]。皮尔逊相关系数可度量2个变量之间相关程度[20]。计算2015-2020年全市AQI及污染物浓度小时变化序列间的皮尔逊相关系数可以对影响AQI值变化的成分进行分析，评估几种成分与AQI变化的相关度。
1.2.2 时空变化特征
核密度估计曲线可以对数据的概率分布曲线进行模拟，直观表现不同空气质量数值出现频率，分析空气质量的时序变化规律。使用全市AQI逐小时均值绘制核密度估计曲线，分析AQI指数各浓度不同时间粒度出现频率[21]。克里金插值法是根据协方差函数进行空间插值的回归算法，可以稳定预测空间场各点的数值，直观分析AQI指数不同年度的空间分布情况。空间自相关方法是一种分析空间变量区域结构形态的统计方法，可以检验属性在空间内的关联性，使用统计标准对某一变量的空间聚集性进行衡量。空间特征分析使用ArcGis中的克里金插值法分析市区AQI逐年分布特征、空间自相关方法计算空间分布相关性[22]、全局莫兰指数判断空间聚集现象、局部莫兰指数分析集聚位置及特征[23]。全局空间和局部空间自相关计算式分别为：
(1)
(2)
其中：n为研究区域内地域单元总数；
xi为地域单元i的x变量；
wij为空间权重矩阵的元素值；
v为局部莫兰指数；
I为全局莫兰指数，取值范围为(-1，1)，I>0表示空间取值具有正相关性，I<0表示空间取值具有负相关性。
1.2.3 社会经济因子影响
社会经济因子对空气质量数据的影响程度使用随机森林回归算法进行分析[24]，可以对高维度数据的特征重要性进行排名，有较强的抗干扰与抗过拟合能力。空气质量的社会经济影响因子共有14个特征，使用随机森林回归算法能分析不同特征的重要性并通过偏依赖图确定单个特征的影响。训练数据与测试数据比为7∶3，决策树数量通过计算袋外误差率确定，使用基尼指数评价社会经济因子影响程度，计算式为：
(3)
其中：C为类别数；
p(i)为一个样本被归类第i类的概率。
2.1 污染成分相关度
空气中污染物形成途径主要分为2类：一次污染物和二次污染物。SO2、NO2、CO和粗颗粒主要为一次污染物，PM2.5既有一次来源也有二次来源，臭氧为二次污染物。一次污染物来自人类生产生活中燃料的燃烧排放产生，颗粒物源于扬尘；
二次污染物可由一次污染物在适当的气象条件下通过化学反应生成。空气质量6种成分与AQI指数的皮尔逊相关系数如图1所示。由图1可知，6种成分中对AQI变化影响由大到小的排序是：PM2.5、PM10、CO、NO2、SO2、O3。对AQI值影响最大的是颗粒物的浓度，PM2.5、PM10相关性分别为0.86、0.74。
图1 AQI与各污染物浓度皮尔逊相关性
对2015-2020年数据分别进行计算，对比结果如表2所示。虽然指标之间数值差异较大，但6年内各指标自身的波动范围多在0.1以内，可见各指标对AQI指数的影响程度在6年内没有较大改变。
表2 AQI与各污染物浓度皮尔逊相关性年度对比
2.2 时序变化特征
季度及小时变化特征如图2所示。由图2中可以看出，日均值在小时轴上呈现双峰并与早晚高峰时间基本同步。季节中冬季AQI指数最高，北方高水平的污染主要受城市人为活动和气象条件的交互作用驱动。冬季取暖能源燃烧是主要的污染源，SO2、NO2等一次污染物排放增多也导致PM2.5污染加重，冬季的冷气流容易在近地面形成逆温层，使得污染物扩散减弱，污染加剧，因此污染浓度在冬季月份最高，夏季月份最低。
图2 2015—2020年空气质量AQI季度及小时均值浓度变化图
北京市政府近年采取供热采暖清洁化改造[24-25]、高排放车辆改造等措施，期间年度变化如图3所示，全区空气质量年均值整体呈现下降趋势，AQI低值区域面积逐年扩大，年均值从2015年的113.87降低为65.38，低于国家标准限值为良的100。5年的空气质量明显好转；
不同年份的曲线形态差异较大，空气质量数值逐渐集中。
图3 2015～2020年空气质量指数核密度曲线
季节核密度曲线如图4所示。由图4中可以看出，2015年空气质量具有鲜明的季节性特征，冬季空气质量跨度非常大而夏季空气质量最好；
到2020年各个季度的曲线已基本处于同一位置，春夏变化比较一致，秋冬跨度较大。季节性差异在这一阶段逐年减小。冬季AQI值从2015年的150降低到了2020年的60，与能源结构转型升级有很大关系[26]。京津冀及周边地区启动错峰生产，使整个区域工业大气污染物排放增加，导致2018年春季的曲线出现反向变化。
图4 2015—2020年季度AQI核密度曲线
2.3 空间维度变化特征
年均空气质量指数AQI的空间模拟结果如图5所示。由图5中可以看出，2015年污染数值均值在90～130的区域占全市区域一半以上，到2020年空气质量指数基本降低到70以下。
图5 2015—2020年北京地区AQI指数均值空间分布
2.4 AQI空间聚集与趋势分析
全局莫兰指数计算结果如表3所示。莫兰指数在[0，1]之间说明存在正相关关系，在[-1，0]之间说明存在负相关关系。P值反映了数据由随机过程创建而成的概率，取值范围为[0，1]，数值越小数据可信度越高。Z值表示标准差的倍数，反映数据集的离散程度，数值越高聚集性越高，数值在2.5以上为高度聚集，-2.5以下为高度离散。根据莫兰指数、P值与Z值可得出大气污染6年内在空间上有明显聚集性。
表3 AQI年均值全局莫兰指数及其检验结果
北京市在发展中将区域分为4类：首都功能核心区(东城区、西城区)、城市功能拓展区(朝阳区、海淀区、丰台区、石景山区)、城市发展新区(通州区、大兴区、顺义区、昌平区)、生态涵养发展区(门头沟区、房山区、平谷区、怀柔区、密云区、延庆区)。局部莫兰指数对空间聚集性分布的分析结果如图6所示。
图6 2015—2020年北京地区AQI指数空间聚集性分布
由图6中可以看出，昌平区、密云区、延庆区、怀柔区、平谷区属于低聚集区；
大兴区、丰台区、朝阳区、石景山区为高聚集区。北京市北部为生态涵养发展区，分布着大片林地，可以净化空气污染物[27]；
南部则多为发展新区、功能拓展区，聚集大量生产企业。从图5可以看到空气质量分布也呈现北部空气质量整体优于南部，污染聚集分布与地区承载的社会功能有关。6年内各区域的聚集情况基本类似，2018年延庆区成为高低聚集区是由于该区域山区较多，削减燃煤等政策措施还没有同步推广，使延庆区污染排放削减幅度小于周边，空气质量明显高于周边。
2.5 驱动因素分析
空气污染来源及影响因素有自然与社会两大方面，自然因素(如降雨、风速等)会对空气质量产生短时影响，但不会改变污染物产生量，大气污染主要来源于人类生产生活活动。利用随机森林回归算法对北京市16个行政区的14项元素指标进行计算的均方误差如图7所示，当设定决策树的数量为400时预测误差最小。
图7 决策树数量对预测结果均方误差变化趋势
社会经济影响因子重要性基尼指数排序结果如图8所示。由图8中可以看出，代表经济发展指标的建筑业总产值、居民人均可支配收入与生产总值3种因素对空气质量影响最大。从产业结构来看，第3产业的生产总值比第2产业的生产总值影响更大；
绿化覆盖率的影响程度相对较大；
燃煤量的影响程度比用电量的影响程度更大。
图8 随机森林对社会经济影响因子回归的基尼指数
随机森林偏依赖图反映单个社会经济影响因子对空气质量的影响，如图9所示。由图9中可以看出，人均可支配收入、绿化覆盖率、信息传输、软件和信息技术服务业研究与实验发展经费(R&D内部经费)的提高可有效降低空气污染程度。随着人口密度增加，环境污染程度先增加后趋于稳定。GDP、建筑产业总值增加会加重空气污染程度；
人均可支配收入、绿化覆盖率的增加会明显减少污染程度。治理过程中对工厂、汽车尾气及生活燃煤等方面进行改造使工厂生产产值不变而污染降低，甚至生产产值上升而污染降低等现象出现。因此出现第2产业生产值占总生产值的比例升高而空气质量指数下降的预测情况出现。
图9 随机森林对社会经济影响因子回归的偏依赖图
综合多种算法对北京市空气质量时空及聚集特性进行研究。探讨了近6年北京市的空气质量变化情况及其来源的显著关系。结论如下：
(1)空气质量6种污染成份对AQI变化影响贡献度最大的是颗粒物浓度，影响程度由大到小的排序是PM2.5、PM10、CO、NO2、SO2、O3。
(2)从时间维度来看，空气质量近5年整体有了非常显著的提升，AQI核密度估计曲线明显低浓度面积增加。四季空气质量差异在减小，冬季整体的提升效果最明显。空气质量与社会生产活动及治理规律有明显关联性。
(3)在空间上有明显的聚集性。整体上北边空气质量良好，南边空气质量相对较差，与所在地区的自然环境特征及工业产业结构分布有关联性。
(4)在社会经济影响因子方面，人口与社会经济发展水平的影响最大。区域的绿化覆盖率、信息传输、R&D科研经费水平及人均可支配收入的提高能够有效降低空气污染的程度。
猜你喜欢 莫兰空气质量污染物 乌海市雾对空气质量的影响农业灾害研究(2022年2期)2022-05-31不同取样方式下船机污染物排放结果的研究汽车工程师(2021年12期)2022-01-17你能找出污染物吗？少儿科学周刊·儿童版(2021年23期)2021-03-24陆克定：掌控污染物寿命的自由基科学中国人(2018年8期)2018-07-23《反思欧洲》的书评中国校外教育(下旬)(2018年3期)2018-05-23总有斜阳照晚树花火A(2018年3期)2018-04-28空气污染物可通过皮肤进入人体读者·校园版(2016年9期)2016-04-19论法国哲学家埃德加．莫兰的“复杂思想”中南大学学报(社会科学版)(2004年1期)2004-04-26