在阅读此文前,诚邀您请点点右上方的“关注”,既方便您进行讨论与分享,还能及时阅读最新内容,感谢您的支持。
空间差异及演化情况
总体来看,不同年份湖北省PM2.5年均浓度的空间格局既存在一致性也存在差异性。
以中部的武汉市、孝感市、天门市、仙桃市、潜江市为中心,PM2.5浓度向东西两个方向下降,形成由高向低的浓度梯度,在最西边的十堰市、神农架林区、恩施土家族苗族自治州及最东边的黄冈市、黄石市、咸宁市浓度最小,且西面浓度小于东面,整体呈现出四面拱卫中心的不对称金字塔形。
2011—2013年间中部地区形成污染较严重的核心污染区,其污染效应向四周辐射,呈现PM2.5浓度整体较高的空间格局。
2013年后PM2.5浓度下降,且浓度值相近的区域扩大,表明中部城市的污染效应有所减弱。

湖北省空间格局的形成来源于诸多因素的影响。
从经济发展情况来看,以武汉市为代表的中部城市工业化水平较高,社会发展领先于周边城市,排放浓度较高。
从自然环境来看,湖北省横跨我国第二阶梯与第三阶梯。
西部多山地,包括大巴山东部、巫山山脉、武当山、荆山和七曜山等山脉,地形崎岖不平,地势较高,风力较大,颗粒物沉降效果较好;东部多平原,地处亚热带季风气候区域,降水丰富,对颗粒物也有一定的去除效果。

2001—2020年湖北省不同年份年均PM2.5浓度空间分布
全局空间自相关特征
下面为2001—2020年湖北省PM2.5年均浓度的全局Moran’s I指数。
结果显示,全局Moran’s I指数均为正值且通过显著性检验,表明湖北省PM2.5年均浓度存在显著的正相关性,有明显的空间集聚效应,浓度高的城市与浓度高的城市邻近,浓度低的城市与浓度低的城市邻近。
全局Moran’s I指数在2004年达到最大值,表明该年份空间集聚现象最为明显。
其它年份的全局Moran’s I指数总体呈现稳定波动状态,表明湖北省空间集聚效应较稳定。
表1 湖北省PM2.5年均浓度全局空间自相关指数
|
年份 |
Moran’s I指数 |
标准差 |
P值 |
Z值 |
|
2001 |
0.484 |
0.1397 |
0.002 |
3.933 |
|
2002 |
0.59 |
0.1432 |
0.001 |
4.5822 |
|
2003 |
0.657 |
0.1428 |
0.001 |
5.0677 |
|
2004 |
0.669 |
0.1434 |
0.001 |
5.1245 |
|
2005 |
0.519 |
0.1429 |
0.001 |
4.1004 |
|
2006 |
0.531 |
0.1405 |
0.001 |
4.2504 |
|
2007 |
0.576 |
0.1408 |
0.001 |
4.5594 |
|
2008 |
0.626 |
0.1453 |
0.001 |
4.7552 |
|
2009 |
0.599 |
0.1459 |
0.002 |
4.5548 |
|
2010 |
0.592 |
0.1432 |
0.001 |
4.5968 |
|
2011 |
0.543 |
0.1429 |
0.002 |
4.2547 |
|
2012 |
0.487 |
0.1451 |
0.002 |
3.7996 |
|
2013 |
0.597 |
0.1495 |
0.002 |
4.4278 |
|
2014 |
0.620 |
0.1477 |
0.001 |
4.6475 |
|
2015 |
0.587 |
0.1458 |
0.001 |
4.4726 |
|
2016 |
0.590 |
0.1456 |
0.001 |
4.5042 |
|
2017 |
0.583 |
0.1458 |
0.001 |
4.4466 |
|
2018 |
0.516 |
0.1484 |
0.002 |
3.9230 |
|
2019 |
0.537 |
0.1491 |
0.002 |
4.0326 |
|
2020 |
0.542 |
0.1469 |
0.002 |
4.1337 |
局部空间自相关特征
利用各年份LISA图表征湖北省PM2.5年均浓度空间集聚特征。
研究期内湖北省PM2.5年均浓度空间集聚特征较为稳定,相邻年份的空间集聚性质基本一致。
2001—2020年间,湖北省中部的潜江市、仙桃市、天门市基本表现出高-高聚集特征,成为湖北省“核心污染区”。
其污染效应向四周辐射,在部分年份影响孝感市、武汉市及荆门市,使其共同表现出高-高聚集特征。
经济最发达的武汉市并不属于“核心污染区”,这可能是由以下原因导致:第一,武汉市以平原地形为主,有利于空气污染物扩散;第二,武汉市近年来承接产业转移,逐渐将高污染、高能耗产业转移至周边城市,优化能源结构与产业结构,使其较“核心污染区”城市而言更加合理。
恩施土家苗族自治州、神农架林区均表现出低-低聚集特征。
受西部低-低聚集区与中部高-高聚集区的共同影响,襄阳市在部分年份表现出高-低聚集特征。
仅2001—2004年间黄冈市表现出低-高聚集特征。
极少出现存在空间负相关性的区域是合理的,因为PM2.5存在较强的流动扩散性,较难出现孤立的高值或低值。

气象驱动因子特征
利用地理探测器中分异及因子探测器分析湖北省不同年份气象因子(风速、温度、湿度、日照、降雨量)对PM2.5浓度解释程度。
表2 气象因子解释程度分析结果
|
年份 |
风速 |
温度 |
日照 |
降水 |
湿度 |
|
2001 |
0.884 |
0.897 |
0.884 |
0.806 |
0.468 |
|
2002 |
0.694 |
0.750 |
0.828 |
0.751 |
0.741 |
|
2003 |
0.764 |
0.578 |
0.626 |
0.601 |
0.817 |
|
2004 |
0.807 |
0.893 |
0.512 |
0.742 |
0.714 |
|
2005 |
0.704 |
0.828 |
0.670 |
0.692 |
0.797 |
|
2006 |
0.641 |
0.825 |
0.644 |
0.485 |
0.511 |
|
2007 |
0.764 |
0.694 |
0.818 |
0.790 |
0.907 |
|
2008 |
0.764 |
0.694 |
0.818 |
0.790 |
0.907 |
|
2009 |
0.708 |
0.815 |
0.686 |
0.796 |
0.681 |
|
2010 |
0.787 |
0.525 |
0.677 |
0.595 |
0.619 |
|
2011 |
0.683 |
0.684 |
0.783 |
0.821 |
0.882 |
|
2012 |
0.796 |
0.885 |
0.490 |
0.653 |
0.754 |
|
2013 |
0.920 |
0.614 |
0.586 |
0.518 |
0.638 |
|
2014 |
0.914 |
0.986 |
0.506 |
0.417 |
0.836 |
|
2015 |
0.914 |
0.488 |
0.554 |
0.526 |
0.577 |
|
2016 |
0.916 |
0.563 |
0.826 |
0.492 |
0.698 |
|
2017 |
0.922 |
0.897 |
0.722 |
0.546 |
0.754 |
|
2018 |
0.842 |
0.802 |
0.592 |
0.775 |
0.811 |
|
2019 |
0.690 |
0.813 |
0.862 |
0.567 |
0.721 |
|
2020 |
0.840 |
0.806 |
0.797 |
0.420 |
0.716 |
|
平均值 |
0.798 |
0.752 |
0.694 |
0.639 |
0.727 |
总体而言,各气象因子在不同年份对PM2.5浓度均具有较显著影响。
2001—2020年间,各气象因子平均解释程度顺序为风速(0.798)>温度(0.752)>湿度(0.727)>日照(0.694)>降水(0.639)。
不同年份影响程度差异显著,为直观判断不同年份气象因子影响程度演化特征,对不同年份各因子影响强度进行大小比较。
研究显示,2001—2010年间,温度在大多数年份影响强度最大,为主导驱动因子;2010—2020年间,风速在大多数年份影响强度最大,为主导驱动因子,这与Westervelt等与Ma等的研究结论 (PM2.5浓度对温度与风速的敏感程度最高)一致。
温度主要通过复杂的物理化学反应对PM2.5浓度产生影响。
温度较高时,大气湍流扩散加剧,光化学反应增强,有利于颗粒物扩散稀释作用和二次气溶胶的形成。

风速主要通过输送扩散作用对PM2.5浓度产生影响,风速较低时,颗粒物不易输送扩散,容易发生局部累积,使PM2.5浓度升高。
2011—2016年间风速解释程度逐渐增大,而2017—2020年间风速解释程度逐渐减小,可见风速解释程度变化趋势与PM2.5浓度变化趋势几乎一致。
此外,2001—2020年间气象条件的变化程度较人为排放的变化程度而言幅度极小。
因此,有理由将2010年前后主导气象因子的改变归因于人为排放的大幅变化。
当人为排放增加,PM2.5浓度升高,风速扩散作用更强烈,使风速成为主导因子。
当人为排放受到有效控制,PM2.5浓度降低,风速扩散作用减弱,解释程度逐步降低。
这与蔡子颖等对天津市的研究结果(2013—2020年人为排放下降与大气扩散条件转好是PM2.5质量浓度持续下降的绝对主导因素)类似。

湖北省不同年份PM2.5年均浓度空间集聚特征
表3湖北省不同年份气象驱动因子影响强度
|
年份 |
风速 |
温度 |
日照 |
降水 |
湿度 |
|
2001 |
4 |
5 |
3 |
2 |
1 |
|
2002 |
1 |
3 |
5 |
4 |
2 |
|
2003 |
4 |
1 |
3 |
2 |
5 |
|
2004 |
4 |
5 |
1 |
3 |
2 |
|
2005 |
3 |
5 |
1 |
2 |
4 |
|
2006 |
3 |
5 |
4 |
1 |
2 |
|
2007 |
2 |
1 |
4 |
3 |
5 |
|
2008 |
2 |
1 |
4 |
3 |
5 |
|
2009 |
3 |
5 |
2 |
4 |
1 |
|
2010 |
5 |
1 |
4 |
2 |
3 |
|
2011 |
1 |
2 |
3 |
4 |
5 |
|
2012 |
4 |
5 |
1 |
2 |
3 |
|
2013 |
5 |
3 |
2 |
1 |
4 |
|
2014 |
4 |
5 |
2 |
1 |
3 |
|
2015 |
5 |
1 |
3 |
2 |
4 |
|
2016 |
5 |
2 |
4 |
1 |
3 |
|
2017 |
5 |
4 |
2 |
1 |
3 |
|
2018 |
5 |
3 |
1 |
2 |
4 |
|
2019 |
2 |
4 |
5 |
1 |
3 |
|
2020 |
5 |
4 |
3 |
1 |
2 |
结论
基于PM2.5浓度空间分布数据,利用空间自相关、核密度估计等方法分析了2001—2020年湖北省PM2.5浓度时空变化特征,利用地理探测器对影响PM2.5浓度的气象驱动因子进行分析。
主要结论如下:
(1)2001—2020年间湖北省PM2.5年均浓度整体表现出以2013年为分界线的“倒U”形特征。
2001—2013年间,湖北省各城市PM2.5年均浓度均值由42.47μg‧m-3逐步上升至62.94μg‧m-3;2013—2020年间,湖北省各城市PM2.5年均浓度均值由62.94μg‧m-3减少至32.85μg‧m-3。
2001—2020年期间,湖北省PM2.5污染情况总体较好,除2011、2013年外,并且在2017年起逐渐由良向优转变,与大气污染防治攻坚战政策落实具有较高的响应性。
核密度估计显示,2001—2013年各城市PM2.5年均浓度值随时间推移逐渐分散,主要分布在浓度较高的区间;2013—2020年各城市PM2.5年均浓度值随时间逐渐推移逐渐集中。
2013年后浓度较高地区的扩散效应逐渐减小。

(2)以武汉市等中部城市为分界线,湖北省PM2.5向东西两方向均存在由高至低的浓度梯度,且西面浓度小于东面,整体呈现出四面拱卫中心的不对称金字塔形,这与湖北省地势西高东低的走向有一定相关性。
2001—2020年间湖北省PM2.5空间分布存在显著的正相关性,且集聚效应比较稳定。
湖北省中部的潜江市、仙桃市、天门市基本表现出高-高聚集特征,恩施土家苗族自治州、神农架林区均表现出低-低聚集特征,极少出现表现出空间负相关性的高-低及低-高聚集特征的城市。

(3)气象因子在不同年份对PM2.5浓度均具有较显著影响。
2001—2020年间不同气象因子对PM2.5浓度平均解释程度排序为风速(0.798)>温度(0.752)>湿度(0.727)>日照(0.694)>降水(0.639)。
2010年前温度为主要主导驱动因子,2010年后风速为主要主导驱动因子。
Cohen A J, Brauer M, Burnett R, et al. Estimates and 25- year trends of the global burden of disease attributable to ambient air pollution:an analysis of data from the Global Burden of Diseases Study 2015 [J]. Lancet,2017,389(10082):1907–1918.
Katsouyanni K, Touloumi G, Samoli E, et al. Confounding and effect modification in the short-term effects of ambient particles on total mortality:Results from 29 European cities within the APHEA2 project [J]. Epidemiology,2001,12(5):521-531.
Lacressonniere G, Foret G, Beekmann M, et al. Impacts of regional climate change on air quality projections and associated uncertainties [J]. Climate Change,2016,136(2):309-324.