APEC區域減排對北京PM2.5濃度時空變化的影響分析

李 佳 樂,吳 立 新,2*,任 傳 斌,柴 曼,張 媛 媛,項 程 程

(1.中國礦業大學(北京)地球科學與測繪工程學院,北京 100083；2.中國礦業大學環境與測繪學院,江蘇 徐州 221116)

APEC區域減排對北京PM2.5濃度時空變化的影響分析

李 佳 樂1,吳 立 新1,2*,任 傳 斌1,柴 曼1,張 媛 媛1,項 程 程1

(1.中國礦業大學(北京)地球科學與測繪工程學院,北京 100083；2.中國礦業大學環境與測繪學院,江蘇 徐州 221116)

為保障2014 年亞太經濟合作組織(APEC)會議期間北京的空氣質量，京津冀晉魯豫(簡稱J4LY地區)采取了區域減排措施。該文基于地基監測的PM2.5日均濃度數據，利用普通克里金方法對該地區的PM2.5進行空間插值表達，分析其時空分布特征，并顧及風速、相對濕度評估區域減排對研究區空氣質量的影響。與2013年同期相比，雖然APEC期間氣象條件不利，北京PM2.5濃度仍下降28%。APEC會后區域減排措施解除，京津冀空氣質量急劇轉差、PM2.5濃度反彈，凸顯了區域減排措施的重要性。采用Spearman秩相關系數，分析對比了2014年APEC前后共34 d與2013年、2015年同期北京與周邊城市PM2.5濃度相關性的變化特征，揭示區域減排措施有效降低了山東、河南空氣污染物的遠程傳輸貢獻。

APEC會議;PM2.5質量濃度;空間分布;變化特征;空間相關性

0 引言

21世紀以來，我國頻遭區域性嚴重空氣污染事件，不僅影響正常生活、生命健康，也損毀國家形象[1]。圍繞霧霾的研究很多，可分為關注自然因素[2-11]和關注人為因素[12-14]兩大類。趙晨曦等分析了氣溫、相對濕度、降水量、風速等氣象因子對北京市PM2.5濃度的影響，表明相對濕度和風速是主要因素[15]；吳兌等利用京津冀晉氣象資料，總結提出了環首都圈霧霾過程的近地層輸送概念模型，指出河北中南部與山西諸河谷的累積污染帶與近地層輸送流疊加是造成北京嚴重霧霾的重要原因[16]。劉子銳等[17]、李雪等[18]、孫志強等[19]研究表明，協同減排使2008奧運期間北京大氣顆粒物濃度顯著降低；辛金元等[20]指出，奧運后大氣污染管控措施取消，北京及周邊地區PM2.5、SO2、NOx濃度隨即顯著反彈。

2014 年11月5～11日，亞太經濟合作組織(APEC)會議在北京召開。為保障APEC會議期間北京的空氣質量，北京及周邊省(市)采取了不同程度的減排措施。例如，京津冀等地采取汽車單雙號限行，增加公交出行；北京市機關單位公車封存70%，市民放假6天，全市大氣污染物排放重點企業中，69家停產、72家限產；河北停產限產企業達到8 430家、停工工地5 825家；山西、山東等省自加壓力，削減污染物排放等。Huang等[21]利用遙感反演數據，評估了APEC會議期間區域減排措施的作用，表明2014年華北平原NO2柱濃度、AOD與AAOD均比2011-2013年同期顯著降低。本文利用京津冀晉魯豫(簡稱J4LY地區)地面監測的PM2.5日均質量濃度數據進行空間插值，以實施區域減排措施時間為界，分析APEC會議前、中、后3個時段PM2.5濃度的時空分布特征變化；并參照風速、相對濕度評估區域減排措施對J4LY地區空氣質量的影響特征。對比2013、2015年同期數據，進一步評估區域減排措施的效果。此外，本文還采用Spearman秩相關，分析了北京市與該地區城市群PM2.5濃度變化的相關性，直觀揭示了減排措施對減少空氣污染物區域傳輸的貢獻。

1 數據及分析方法

本文通過天氣后報網(http://www.tianqihoubao.com/aqi/)獲得J4LY地區各城市的PM2.5濃度數據。因觀測站點逐步建設，2013-2015年10月28日至11月30日(共34 d)，J4LY地區各年分別有36、42和55個城市公布了日均PM2.5濃度數據。2014年同期，研究區共219個空氣質量監測站點的逐小時PM2.5濃度數據則來源于青悅開放環境數據中心(https://wat.epmap.org/air)；剔除數據部分缺失的4個站點(張家口五金庫、棗莊臺兒莊區環保局、德州監理站和日照港務局)，本文以215個站點(圖1b)的數據進行PM2.5日均濃度變化分析。日均風速(WS)和相對濕度(RH)數據來源于中國氣象數據網(http://data.cma.gov.cn/)。

為評估區域減排措施對北京空氣質量的影響，本文分3個時段進行分析對比：1)時段I：10.28-11.2(APEC會前，6 d)；2)時段II：11.3-11.11(實施區域減排措施及APEC會中，9d)；3)時段III：11.12-11.30(APEC會后，19 d)。為便于對比分析，對2013-2015年這34 d的PM2.5濃度數據，分別按以上3個時間段求取均值。

圖1 2013—2015年J4LY地基觀測空間分布Fig.1 Spatial distribution of ground observation in J4LY region during 2013-2015

如圖1所示，J4LY地區的地基觀測站數目有限且分布不均。為研究全區PM2.5濃度分布及其變化情況，應進行空間插值。劉光孟等[22]對普通克里金、三次樣條函數、反距離加權3種方法的插值精度進行了比較，表明對于少量非均勻分布數據，普通克里金法能取得較好精度。丁卉等[23]對比分析區域空氣質量空間插值方法后指出，普通克里金法能得到整體最優的插值精度,故本文選取普通克里金插值方法進行PM2.5質量濃度空間插值。

為分析北京與周邊城市的PM2.5的區域傳輸作用，本文采用Spearman秩相關分析方法(可提供兩個隨機變量在線性或非線性相關下的共變趨勢[24]，一定程度上反映兩者間的相互影響)揭示周邊城市與北京市PM2.5的區域傳輸強弱程度的變化。按下式計算北京PM2.5與周邊城市PM2.5的秩相關系數rs：

(1)

(2)式中:n為樣本容量，因本文分析34d，故n=34；Ui和Vi分別代表北京及其周邊某城市34d內各天的PM2.5質量濃度按大小順序排列所得位次,di為位差。

因按有限樣本數據求得的相關系數rs存在抽樣誤差，不能完全代表兩城市PM2.5濃度的總體相關性，需對其進行統計檢驗[25],檢驗統計量t如下：

(3)

本文進行置信度(雙側)檢驗。統計檢驗是基于假設檢驗的統計分析方法。通常，拒絕客觀上正確的原假設(相關系數為0，即2個隨機變量間不存在顯著的相關關系)的概率用α值表示，稱為假設檢驗的“顯著性水平”(significantlevel)[24]。α常取0.05或0.01。本文采用SPSS19.0進行計算,其給出檢驗統計量取值的相伴概率(用p表示)，如果p值小于事先已確定的α值，就意味著原假設成立的可能性很小，即認為兩個隨機變量間存在明顯的相關關系[24]。

2 PM2.5濃度時空變化分析

2.1 分時段的時空分布特征及原因

從空間插值得到的2013-2015年不同時段PM2.5的空間分布圖(圖2)看，其格局大致相同，高濃度區主要集中于京津冀，時段特征對比為：

時段I(圖2a-c)：2013年J4LY地區PM2.5濃度水平較高，京津冀大部及山東西部呈重度污染；2014年僅滄州為重度污染，PM2.5濃度整體低于2013年；2015年僅豫北、魯西局部地區輕度污染，其他地區均呈優良狀態。綜合表明，J4LY地區PM2.5濃度逐年下降，重污染影響范圍逐漸減小，體現了國務院“大氣十條”的成效。

時段II(圖2d-f)：2013年借助總體有利氣象條件(圖3)，北京空氣質量較好。2014年雖受不利氣象條件影響，減排措施仍有效提升了北京空氣質量。即使是在北京出現靜穩天氣的11.8-10日(日均風速僅為1.0m/s)，9日這天的PM2.5濃度均值僅為57μg/m3；而2013年11.8-10日的氣象條件有利于大氣污染物擴散(日均風速達2.2m/s)，但9日這天的PM2.5濃度均值高達89μg/m3(圖3、圖4)。

時段Ⅲ(圖2g-i)：研究區PM2.5濃度顯著高于時段II，原因為燃煤排放的貢獻增大(2013年、2014年華北各地從11月15日開始集中供暖，2015年北京市則提前至11月7日)。2014年，研究區時段Ⅲ的PM2.5濃度急劇上升，屬“報復性升高”現象：一些企業為彌補APEC減排期間造成的損失，加大了生產力度，造成污染排放強度短時增大。該現象與2008年北京奧運會[26]和2010年上海世博會[27]之后空氣質量較會議期間明顯轉差相似。

圖2 2013—2015 年J4LY地區3個典型時段PM2.5濃度均值的空間分布Fig.2 Spatial distribution of mean PM2.5concentrations in J4LY region in various phases of 2013-2015

圖3 2013-2015年11月北京的日均風速變化情況Fig.3 Variation of daily average wind speed in Beijing in November during 2013-2015

圖4 2013-2015年11月北京PM2.5日均濃度變化趨勢Fig.4 Variation of PM2.5daily average concentration in Beijing in November from 2013 to 2015

此外，因2015年供暖日提前，故2015年時段II、III的PM2.5濃度均值與前兩年相比，必然加入了更多的燃煤排放貢獻。否則，該時段II北京的PM2.5濃度均值應更低，時段III北京南部、冀中南與魯西地區的PM2.5濃度均值也更低一些。

2.2 北京逐日的PM2.5濃度變化

以11月為例，對比分析2013-2015年北京市PM2.5日均濃度的變化趨勢(圖4)。該3年時段II的PM2.5濃度均值分別為68 μg/m3、54 μg/m3、100 μg/m3，2014年的值最低顯然與區域減排措施有關。2013年、2014年11月15日集中供暖后數日，PM2.5濃度不升反降，得益于連續多日大風天氣。2014年11月19日PM2.5濃度急劇上升，20-21日保持高值，與18-21日風速低、天氣靜穩有關(圖3)；此后的26日、29日PM2.5濃度兩次急劇上升，也與當日風速低有關。2015年因正式供暖日提前至7日，使得其后3 d的PM2.5濃度均值較2014年同期升高近一倍；且10-14日出現低風靜穩天氣，PM2.5濃度持續上升，至14日達到258 μg/m3；15日開始，風速變大，靜穩條件受到破壞；PM2.5濃度迅速下降，16日降到57 μg/m3，之后保持了10 d低值狀態；27日開始再次出現低風靜穩天氣，PM2.5濃度急劇上升。

2.3 同等氣象條件下PM2.5濃度對比

為減少氣象因素的影響，分別選取2014年3個時段內7:00-8:00氣象條件基本一致的短期窗口(圖5虛線框)進行APEC前后PM2.5濃度對比。所選短期窗口(時段Ⅰ的10月28-30日，時段Ⅱ的11月7-8日和時段Ⅲ的11月19-20日)的風速均值約為1.3～1.5 m/s，相對濕度在40%～55%，均屬低風靜穩氣象條件。時段Ⅱ短期窗口的PM2.5濃度均值最低(54 μg/m3)，而時段Ⅰ、時段Ⅲ短期窗口的PM2.5濃度分別高達95 μg/m3和195 μg/m3。由此可見，即使在同等不利的氣象條件下，區域減排措施仍然顯著降低了APEC期間北京的PM2.5濃度，典型證明區域減排是十分有效的。

圖5 2014年10-11月同等氣象條件下北京PM2.5濃度對照Fig.5 Contrasting of Beijing PM2.5 concentration on similar weather conditions in Oct.^Nov. 2014

3 區域傳輸作用變化分析

計算這3年34 d內北京PM2.5與J4LY地區其他城市的PM2.5秩相關性系數，得到其空間分布特征(圖6)。該圖揭示：2013年、2015年自然狀態下，北京與周邊城市PM2.5濃度相關性水平接近，呈統計意義上的顯著相關性。表明北京與J4LY地區城市群的PM2.5濃度變化統計相關性很強(僅太行山以西極個別城市例外)。2014年APEC期間因采取了區域聯防聯控措施，空氣污染物的區域傳輸作用降低，使得北京與遠方城市的相關性明顯減弱、呈顯著相關的范圍明顯縮小(如山東、河南)，與文獻[21]基于遙感反演氣溶膠(10.15-11.30日共46 d)及其相關性分析得出的結論基本一致。APEC期間天津、河北、山西、魯西、豫北城市與北京的PM2.5相關性依然高度顯著，原因在于：1)其地理位置與北京臨近，環首都圈的近地層輸送模式[16]持續有效；2)所執行的防控減排措施力度較大、基本與北京相當，導致PM2.5濃度近同步降低。山東臨沂、棗莊、東營等與北京呈負相關，原因是APEC期間其PM2.5濃度不降反增(如臨沂毛紡廠監測站點時段II與時段I的PM2.5濃度比值高達3.7)。

4 結論

以2013-2015年APEC期間J4LY地區的地基監測PM2.5濃度數據為例，進行空間插值變化表達與秩相關性對比分析，直觀揭示了：1)2014年APEC期間的區域減排顯著降低了北京PM2.5濃度，即使在當年11月同等不利的低風靜穩條件下，依然顯著提升了北京的空氣質量。2)2014年北京與周邊城市PM2.5濃度秩相關系數的高度顯著相關范圍，較之2013年和2015年同期的高度顯著相關范圍明顯縮小，表明區域減排措施有效降低了山東、河南空氣污染物的遠程傳輸貢獻。

圖6 北京與J4LY地區其他城市PM2.5濃度相關系數空間分布Fig.6 Spatial distribution of the correlation coefficient among PM2.5in Beijing and other cities in J4LY region

本文僅利用地面監測數據分析對比了APEC前后J4LY地區的PM2.5的時空變化特征，而大氣污染物的變化規律和污染水平將隨社會經濟發展、氣候條件變化而不斷改變，需利用長期、連續的監測數據進行分析。目前，對于自然因素及減排措施的綜合評價尚無統一標準，今后也應加強研究。對有限的地基觀測PM2.5濃度數據進行空間插值，必定存在誤差；今后應結合衛星遙感反演得到的PM2.5濃度圖像，進一步提升PM2.5空間分布變化監測、相關性分析以及變化預測的精度和準確性。

[1] 劉鴻志.霧霾影響及其近期治理措施分析[J].環境保護，2013，41(15):30-32.

[2] 王占山，李云婷，孫峰，等.2014 年 10 月上旬北京市大氣重污染分析[J].中國環境科學，2015，35(6):1654-1663.

[3] 王琪，孫巍，張新宇.北京地區 PM2.5質量濃度分布及其與氣象條件影響關系分析[J].計算機與應用化學，2014，31(10):1193-1196.

[4] 曹偉華，李青春.北京地區霧霾氣候特征及影響因子分析[A].中國災害防御協會風險分析專業委員會第五屆年會論文集[C].2012

[5] VERMA S S,DESAI B.Effect of meteorological conditions on air pollution of Surat City[J].J.Int.Environmental Application & Science,2008,3(5):358-367.

[6] 彭應登，張中華，胡粼粼.北京霧霾天形成的原因及特點淺析[A].中國環境科學學會學術年會論文集 (第五卷)[C].2013.4257-4259.

[7] 廖曉農，張小玲，王迎春，等.北京地區冬夏季持續性霧-霾發生的環境氣象條件對比分析[J].環境科學，2014，6(1)：2031-2044.

[8] 張小玲，趙普生，徐曉峰，等.京津冀區域霾天氣時空分布及氣象要素特征研究[A].第七屆海峽兩岸氣膠技術研討會論文摘要集[C].2010.84-86.

[9] 趙普生，徐曉峰，孟偉，等.京津冀區域霾天氣特征[J].中國環境科學，2012，32(1):31-36.

[10] 張小曳，孫俊英，王亞強，等.我國霧-霾成因及其治理的思考[J].科學通報 (中文版)，2013，58(13)：1178-1187.

[11] WANG L，ZHANG N，LIU Z，et al.The influence of climate factors,meteorological conditions,and boundary-layer structure on severe haze pollution in the Beijing-Tianjin-Hebei region during January 2013[J].Advances in Meteorology，2014，dx.doi.org/10.1155/2014/685971.

[12] 劉建國，謝品華，王躍思，等. APEC 前后京津冀區域灰霾觀測及控制措施評估[J].中國科學院院刊，2015，30(3)：368-377.

[13] ZHENG W,LI X,XIE J,et al.Impact of human activities on haze in Beijing based on grey relational analysis[J].Rendiconti Lincei，2015，26(2):187-192.

[14] 謝和成.對霧霾天氣的反思[J].科技創新導報，2014(10)：82-83.

[15] 趙晨曦，王云琦，王玉杰，等.北京地區冬春 PM2.5和 PM10 污染水平時空分布及其與氣象條件的關系[J].環境科學，2014，35(2):418-427.

[16] 吳兌，廖碧婷，吳蒙，等.環首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J].環境科學學報，2014，34(1):1-12.

[17] 劉子銳，孫揚，李亮，等.2008 奧運和后奧運時段北京大氣顆粒物質量濃度和數濃度比對研究[J].環境科學，2011，32(4)：913-923.

[18] 李雪，劉子銳，任希巖，等.2007 和 2008 年夏季北京奧運館大氣 PM10與 PM2.5質量濃度變化特征[J].大氣科學學報，2012，35(2)：197-204.

[19] 孫志強，吉東生，宋濤，等.奧運時段北京及近周邊區域空氣污染觀測與比對分析[J].環境科學，2010，31(12)：2852-2859.

[20] 辛金元，王躍思，唐貴謙，等.2008 年奧運期間北京及周邊地區大氣污染物消減變化[J].科學通報，2010，55(15)：1510-1519.

[21] HUANG K，ZHANG X，LIN Y.The “APEC Blue” phenomenon：Regional emission control effects observed from space[J].Atmospheric Research,2015,164：65-75.

[22] 劉光孟，汪云甲，張海榮，等.空間分析中幾種插值方法的比較研究[J].地理信息世界，2011，9(3)：41-45.

[23] 丁卉，徐偉嘉，曹生現，等.三種區域空氣質量空間插值方法對比研究[A].中國環境科學學會學術年會論文集 (第八卷)[C].2013.7052-7059.

[24] 張利田，卜慶杰，楊桂華，等.環境科學領域學術論文中常用數理統計方法的正確使用問題[J].環境科學學報，2007，27(1):171-173.

[25] 武松，潘發明.SPSS統計分析大全[M].北京：清華大學出版社,2014.218-220.

[26] 孫志強.奧運前后北京及近周邊區域空氣污染觀測與比對分析[D].重慶：西南大學，2010.

[27] 黃嫣旻，魏海萍，段玉森，等.上海世博會環境空氣質量狀況和原因分析[J].中國環境監測，2013，29(5)： 58-63.

Impact of APEC Regional Emission Reduction on Spatio-Temporal Variation of PM2.5Concentration in Beijing

LI Jia-le1,WU Li-xin1,2,REN Chuan-bin1,CHAI Man1,ZHANG Yuan-yuan1,XIANG Cheng-cheng1

(1.CollegeofGeoscienceandSurveyingEngineering,ChinaUniversityofMiningandTechnology，Beijing100083; 2.SchoolofEnvironmentScienceandSpatialInformatics,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)

In order to guarantee Beijing′s air quality during the Asia-Pacific Economic Cooperation (APEC) Summit on Nov.5-11,2014,several provinces including Beijing (Jing),Tianjin (Jin),Hebei (Ji),Shanxi (Jin),Shandong (Lu) and Henan (Yu),named in general J4LY region,had taken temporary regional emission reduction measures (RERMs).Based on ground measurements on PM2.5concentration,this paper applied ordinary Kriging method to do spatial interpolation and make comparison analysis in J4LY region.We analyzed the spatio-temporal variation characteristics of PM2.5concentration and assessed the impact of RERMs on Beijing PM2.5.Referring to wind speed and relative humidity and compared with the same period in 2013,although the meteorological conditions in Beijing appeared adverse during the APEC,Beijing PM2.5concentration still declined by 28%.The air quality of J4LY got deteriorated rapidly as the RERMs being lifted after APEC summit,which verified again RERMs is very effect and important.Using Spearman rank correlation analysis and comparing the APEC-related period (34 d) with the same period in 2013 and 2015,respectively,the correlations of PM2.5concentrations between Beijing and other cities in J4LY region were analyzed.The results indicate further the RERMs had reduced also the long-distance transmission of air pollutants from Shandong and Henan to Beijing.

APEC Summit;PM2.5concentration;spatial distribution;variation characteristics;spatial correlation

2015-01-08

科技部973課題(2011CB707102);江蘇省優勢學科(PAPD)及雙創團隊項目

李佳樂(1991-)，女，碩士研究生，研究方向為攝影測量與遙感。*通訊作者E-mail：awulixin@263.net

10.3969/j.issn.1672-0504.2016.03.020

X513

A

1672-0504(2016)03-0110-06