大氣污染暴露分布與城市空間形態(tài)相關(guān)性分析

孫 圳，顧康康,2,3，方云皓，錢 兆

(1. 安徽建筑大學(xué) 建筑與規(guī)劃學(xué)院，合肥 230022；2. 安徽省城鎮(zhèn)化建設(shè)協(xié)同創(chuàng)新中心，合肥 230022；3. 安徽省城鎮(zhèn)化發(fā)展研究中心，合肥 230022)

隨著城市建設(shè)速度加快，城市大氣污染愈加嚴(yán)重，這不僅阻礙城市經(jīng)濟(jì)社會發(fā)展與健康城市的建設(shè)[1-2]，還嚴(yán)重影響居民的日常生活和身體健康。長時(shí)間暴露在高濃度的大氣污染物環(huán)境中可能造成嚴(yán)重的疾病，例如中風(fēng)、缺血性心臟病、慢性阻塞性肺疾病和急性下呼吸道感染[3-4]。

合肥市是安徽省的經(jīng)濟(jì)、政治與文化中心，長三角城市群副中心城市，近年來保持著較高速度的經(jīng)濟(jì)增長，快速經(jīng)濟(jì)發(fā)展與建成區(qū)擴(kuò)張會引起大氣污染問題。針對合肥市區(qū)大氣污染問題，學(xué)者對大氣污染物濃度時(shí)空分布特征[5-7]，污染物來源及組成[8-10]、大氣污染物濃度與氣象因素相關(guān)性[11]進(jìn)行分析，相關(guān)研究對治理、預(yù)防合肥市區(qū)大氣污染提供了科學(xué)根據(jù)。大氣污染物濃度只能體現(xiàn)城市污染狀況，不能準(zhǔn)確反映城市居民污染暴露程度，大氣污染暴露能夠真實(shí)反映居民的污染暴露水平[12]。基于人口加權(quán)的大氣污染暴露是以不同暴露濃度下的人口作為權(quán)重，能夠評估居民污染暴露風(fēng)險(xiǎn)，因此能更好地反映大氣污染物對人群的實(shí)際影響[13-15]。

用地功能、道路交通與建設(shè)開發(fā)強(qiáng)度等城市規(guī)劃指標(biāo)能夠表征城市形態(tài)特征，代表了城市發(fā)展的方向和路徑，影響了基礎(chǔ)設(shè)施和資源的配置，進(jìn)而影響城市的發(fā)展。目前國內(nèi)外有關(guān)城市結(jié)構(gòu)[16]、城市形態(tài)[17-19](土地利用結(jié)構(gòu)、居住密度、城市連續(xù)性和形狀復(fù)雜性)對大氣污染物濃度影響的研究不多，合肥未見相關(guān)研究。研究結(jié)論因區(qū)域而異，大氣污染物與城市形態(tài)之間的關(guān)系尚未確定，且研究多針對單一大氣污染物因子，缺乏對大氣污染因子的全面分析，需要進(jìn)一步探討。因此本文利用城市空間形態(tài)指標(biāo)對大氣污染物的影響特性，分析合肥主城區(qū)PM2.5、PM10、SO2、NO2、CO、O3污染物暴露濃度與城市空間形態(tài)相關(guān)性，并構(gòu)建多元回歸方程量化分析城市空間形態(tài)指標(biāo)對大氣污染暴露的影響，以期為改善城市大氣環(huán)境質(zhì)量提供科學(xué)根據(jù)。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

合肥，安徽省省會，位于長江中下游地區(qū)，國家重要的科研創(chuàng)新基地。地處江淮之間，暖溫帶氣候類型，四季分明，全市總面積為11 445 km2。2018年城市常住人口為808.7 萬人，城市建成區(qū)面積428 km2，城市國內(nèi)生產(chǎn)總值達(dá)到7822.90億元。合肥市國控點(diǎn)主要檢測的大氣顆粒物有PM2.5、PM10、SO2、NO2、CO、O3等，2018年合肥空氣質(zhì)量優(yōu)良天數(shù)達(dá)到270 d，與2017年相比，大氣污染物年均濃度下降14%。

1.2 數(shù)據(jù)來源與處理

大氣污染物數(shù)據(jù)：數(shù)據(jù)來源于安徽省生態(tài)環(huán)境廳，合肥市10個國控監(jiān)測點(diǎn)(圖1)的實(shí)時(shí)監(jiān)測數(shù)據(jù)，時(shí)間為2018年1月1日—12月31日，對監(jiān)測點(diǎn)每小時(shí)檢測大氣污染物數(shù)據(jù)進(jìn)行算術(shù)平均求年均值。

用地功能與道路交通數(shù)據(jù)：來源于2016年合肥市用地功能現(xiàn)狀圖與道路交通規(guī)劃圖，運(yùn)用ArcGIS 10.2緩沖區(qū)工具統(tǒng)計(jì)國控站點(diǎn)1000 m緩沖區(qū)內(nèi)不同用地功能面積大小與道路長度，并計(jì)算緩沖區(qū)內(nèi)不同土地類型所占比重與主次干道密度。

人口數(shù)據(jù)：來源于world pop官網(wǎng)(https://www.worldpop.org/geodata/listing?id=29)，對2018年全國人口柵格圖進(jìn)行處理后得到合肥主城區(qū)人口柵格圖，分辨率為100 m×100 m。

建設(shè)開發(fā)強(qiáng)度數(shù)據(jù)：繪制于谷歌影像地圖，包括2016年合肥建筑密度和平均樓層數(shù)數(shù)據(jù)。運(yùn)用GIS相交與統(tǒng)計(jì)工具計(jì)算國控站點(diǎn)1000 m緩沖區(qū)內(nèi)建筑密度，平均樓層數(shù)，并通過建筑密度和平均樓層數(shù)計(jì)算國控站點(diǎn)1000 m緩沖區(qū)內(nèi)的平均容積率。

圖1 研究區(qū)國控點(diǎn)位置示意圖

1.3 研究方法

1.3.1基于人口加權(quán)的大氣污染物暴露濃度計(jì)算

運(yùn)用ArcGIS 10.2克里金插值工具得到合肥市主城區(qū)PM2.5、PM10、SO2、NO2、CO、O3大氣污染物空間分布。根據(jù)公式(1)，對人口數(shù)據(jù)與大氣污染物數(shù)據(jù)進(jìn)行耦合，計(jì)算出各個網(wǎng)格內(nèi)人口加權(quán)大氣污染暴露值，運(yùn)用GIS按掩膜提取工具提取合肥各區(qū)人口加權(quán)污染暴露值。人口加權(quán)大氣污染暴露水平(Population-Weighted Expo-sure Level, PWEI)公式如下。

(1)

其中E為國控站點(diǎn)(區(qū))人口加權(quán)污染暴露水平；i為緩沖區(qū)內(nèi)網(wǎng)格數(shù)；Pi為該網(wǎng)格人口數(shù)；Ci為該網(wǎng)絡(luò)污染物濃度；ΣP為國控站點(diǎn)(區(qū))緩沖區(qū)內(nèi)總?cè)丝跀?shù)。

1.3.2影響因素分析

(1)指標(biāo)體系構(gòu)建：自變量可分為用地功能、建設(shè)開發(fā)強(qiáng)度和道路交通指標(biāo)三大指標(biāo)層，共有11個指標(biāo)因子(見表1)。

表1 城市空間形態(tài)指標(biāo)表

(2)多元線性回歸方程構(gòu)建：利用SPSS 24.0回歸-線性工具構(gòu)建PM2.5、PM10、SO2、NO2、CO、O3人均加權(quán)污染暴露多元回歸模型，回歸模型公式如下：

Y=β0+β1X1+β2X2+β3X3+…+βnXn+ε

(2)

式中：β1、β2、β3…βn為回歸參數(shù)，X1、X2、X3為自變量，ε為隨機(jī)變量。

構(gòu)建多元線性回歸方程的步驟為：①對所有自變量指標(biāo)進(jìn)行無量綱處理并剔除明顯不合理數(shù)據(jù)，利用SPSS 24.0雙變量工具分析出自變量指標(biāo)與人口加權(quán)大氣污染暴露濃度的相關(guān)性。②為避免各指標(biāo)因子之間自相關(guān)性對模型構(gòu)建的影響，剔除與最大影響因子之間皮爾森相關(guān)系數(shù)大于0.6的變量，剔除相關(guān)性正負(fù)與先驗(yàn)假設(shè)不符合的變量[20]。③將其余變量與自變量進(jìn)行回歸分析，得出多元線性回歸方程。

(3)模型精度驗(yàn)證：采用留一驗(yàn)證法對多元回歸模型進(jìn)行精度驗(yàn)證，將合肥市10個國控站點(diǎn)分為9個實(shí)驗(yàn)點(diǎn)和1個驗(yàn)證點(diǎn)，對實(shí)驗(yàn)點(diǎn)自變量與因變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后構(gòu)建多元回歸模型，將驗(yàn)證點(diǎn)自變量數(shù)值標(biāo)準(zhǔn)化處理后代入多元線性回歸方程，求出驗(yàn)證點(diǎn)人口加權(quán)污染暴露模擬值，并計(jì)算驗(yàn)證點(diǎn)模擬值的誤差率，誤差率公式如下:

(3)

式中：E為誤差率，M為人口加權(quán)污染暴露真實(shí)值，A為模擬值。

2 結(jié)果與分析

2.1 合肥主城區(qū)大氣污染暴露濃度分布

由表2可知，合肥市主城區(qū)PM2.5、SO2、CO和O3污染暴露濃度空間差距明顯，空間差值分別為11%、27.5%、15.5%和12.1%，PM10和NO2污染暴露濃度空間差距不太明顯，空間差值分別為s8.9%和6.1%。PM2.5、PM10、NO2污染暴露濃度高峰區(qū)是瑤海區(qū)、包河區(qū)和新站區(qū)，均值分別為36.5，58.2和30.13 mg/m3，PM2.5、PM10、NO2污染暴露濃度低谷區(qū)是政務(wù)區(qū)、蜀山區(qū)，均值分別為33.37，54.6和28.8 mg/m3，瑤海區(qū)、新站區(qū)是傳統(tǒng)工業(yè)區(qū)，工業(yè)燃?xì)馊济寒a(chǎn)生大量污染物，大氣污染物濃度較高，政務(wù)區(qū)和蜀山區(qū)綠地覆蓋率高、周邊無主要污染來源，大氣污染物濃度較低。SO2污染暴露濃度高峰區(qū)是包河區(qū)和蜀山區(qū)，均值為6.30 mg/m3，污染暴露濃度低谷區(qū)是濱湖區(qū)和瑤海區(qū)，均值為5.01 mg/m3。CO污染暴露濃度高峰區(qū)和低谷區(qū)為新站區(qū)和包河區(qū)，污染暴露值為0.71和0.60 mg/m3，O3污染暴露濃度高峰區(qū)和低谷區(qū)分別為濱湖區(qū)和瑤海區(qū)，污染暴露濃度為93.91和82.51 mg/m3。總體而言，PM2.5、PM10、NO2、CO、SO2污染暴露濃度高峰區(qū)主要分布在人口密度高、大氣污染較為嚴(yán)重的瑤海區(qū)、包河區(qū)和新站區(qū)等，污染暴露濃度低谷區(qū)主要分布在大氣污染較輕的政務(wù)區(qū)、蜀山區(qū)等，不同污染物暴露濃度空間分布存在差異，O3污染暴露濃度空間分布反之。

表2 合肥主城區(qū)各區(qū)人口加權(quán)污染暴露量mg/m3

2.2 合肥主城區(qū)大氣污染暴露與城市空間形態(tài)相關(guān)性分析

2.2.1人口加權(quán)污染暴露濃度與城市空間形態(tài)相關(guān)性分析

運(yùn)用多元線性回歸模型分析城市規(guī)劃因素與大氣污染暴露濃度的相關(guān)性需要綜合多種因素進(jìn)行分析[21]。土地利用功能、道路交通和建設(shè)開發(fā)強(qiáng)度等城市空間形態(tài)會影響大氣污染程度，從而影響居民污染暴露程度[22-23]。因此本研究將土地利用功能、道路交通與建設(shè)開發(fā)強(qiáng)度指標(biāo)納入模型，以合肥市10個國控站點(diǎn)為中心建立半徑1000 m的緩沖區(qū)，提取緩沖區(qū)內(nèi)不同功能用地占比(綠地用地、水體用地、工業(yè)用地、商業(yè)用地、居住用地、行政教育用地)、建設(shè)開發(fā)強(qiáng)度(建筑密度、平均層高、容積率)和主次干道密度(見表3)。提取出各緩沖區(qū)PM2.5、PM10、SO2、NO2、CO、O3大氣污染濃度年均值與人口柵格數(shù)據(jù)，計(jì)算緩沖區(qū)人口加權(quán)污染暴露濃度(見表4)。

表3 國控站點(diǎn)緩沖區(qū)用地功能占比、建設(shè)開發(fā)強(qiáng)度指數(shù)與道路密度

續(xù)表3

表4 國控站點(diǎn)緩沖區(qū)PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度 mg/m3

城市空間形態(tài)與人口加權(quán)污染暴露濃度相關(guān)系數(shù)大小能反映出相關(guān)關(guān)系的緊密程度。對PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度與城市空間形態(tài)指標(biāo)數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理后，運(yùn)用SPSS 24.0雙變量工具分析人口加權(quán)污染暴露濃度與城市規(guī)劃因素的相關(guān)性。如表5所示，PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度與建筑密度、主干道密度和綠地面積占比等變量呈顯著相關(guān)，與次干道密度相關(guān)性最弱。PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度與城市規(guī)劃指標(biāo)相關(guān)性較為一致，但從相關(guān)系數(shù)來看影響效果各不相同，其中工業(yè)用地面積占比與PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露值呈負(fù)相關(guān)，且與CO污染暴露濃度相關(guān)性最高。商業(yè)用地占比、居住用地占比、容積率與PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度呈正相關(guān)，且與PM10污染暴露濃度相關(guān)性最高。行政教育用地面積占比與PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度呈正相關(guān)，且與SO2污染暴露濃度相關(guān)性最高。次干道密度與PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度呈正相關(guān)，且與O3污染暴露濃度相關(guān)性最高。平均層數(shù)與PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度呈負(fù)相關(guān)，且與PM2.5人口加權(quán)污染暴露濃度相關(guān)性最高。建筑密度、綠地面積占比和主干道密度對PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度相關(guān)性最明顯，是所有指標(biāo)變量中影響效果最強(qiáng)的變量。

對城市空間形態(tài)與大氣污染暴露濃度的相關(guān)性進(jìn)行分析，結(jié)果表明建筑密度、主干道密度、商業(yè)面積占比、居住面積占比等指標(biāo)是增強(qiáng)大氣污染暴露濃度的積極因素，會對大氣環(huán)境造成污染。建筑密度過大不利于大氣污染物擴(kuò)散，導(dǎo)致大氣污染物濃度上升，從而增強(qiáng)大氣污染暴露濃度。干路密度越大，大氣污染物濃度會顯著增高[24]，明珠廣場是合肥市區(qū)至肥西的交通樞紐地區(qū)，城市道路密度較大，大量車流產(chǎn)生的汽車尾氣是大氣污染主要來源。因此降低建筑密度、分散布置商業(yè)、合理布局城市主干道路網(wǎng)會優(yōu)化大氣空氣質(zhì)量，降低居民污染暴露濃度。綠地面積占比、水體面積占比和工業(yè)用地占比是減緩污染暴露濃度的消極因素，植被具有滯塵抑塵和吸收大氣污染物的作用，多數(shù)研究表明綠地植被對降低大氣污染物有顯著影響[25]，與本研究結(jié)果相符。因此加強(qiáng)綠地、水體建設(shè)對降低大氣污染物濃度具有重要意義。

表5 PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度與城市空間形態(tài)指標(biāo)相關(guān)性

2.2.2人口加權(quán)污染暴露濃度與城市空間形態(tài)指標(biāo)多元線性回歸分析

(1)多元線性回歸方程構(gòu)建：運(yùn)用SPSS 24.0相關(guān)—線性分析工具，構(gòu)建人口加權(quán)污染暴露多元線性回歸模型(見表6)。根據(jù)模型設(shè)置，剔除相關(guān)性正負(fù)與先驗(yàn)假設(shè)不同的變量和與最顯著影響變量相關(guān)性大于0.6的變量，其中PM2.5、PM10、NO2、CO、O3模型被排除的變量有工業(yè)用地面積占比、綠地面積占比和平均層數(shù)，SO2模型被排除的變量有建筑密度、商業(yè)面積占比、容積率、工業(yè)用地面積占比、水體面積占比和平均層數(shù)。進(jìn)入PM2.5、PM10、NO2、CO、O3模型的指標(biāo)分別為商業(yè)用地面積、建筑密度、主干道密度和次干道密度，變量模型系數(shù)由大到小依次為建筑密度、主干道密度、商業(yè)面積占比和次干道密度。建筑密度是與PM2.5、PM10、NO2、CO、O3人口加權(quán)污染暴露濃度最顯著相關(guān)的變量，說明建筑密度對降低城市大氣污染濃度具有重要作用。進(jìn)入SO2模型的變量有綠地面積占比、居住區(qū)面積占比、主干道密度和次干道密度，變量模型系數(shù)由大到小依次為綠地面積占比、主干道密度、平均建筑層數(shù)、次干道密度和居住區(qū)面積占比，綠地面積占比是SO2人口加權(quán)污染暴露濃度最重要的影響變量，說明綠地能夠顯著消減SO2污染物濃度。

模型擬合精度R2均大于0.8，模型精度較高。最終進(jìn)入PM2.5、PM10、NO2、CO、O3模型的變量分別為商業(yè)面積占比、建筑密度、主干道密度和次干道密度，其中綠地面積占比在相關(guān)性分析中被剔除，居住面積占比沒有進(jìn)入模型。進(jìn)入SO2模型的變量指標(biāo)有綠地面積、居住區(qū)面積、主干道密度和次干道密度，建筑密度與商業(yè)面積占比變量在相關(guān)性分析中被剔除。可以發(fā)現(xiàn)并不是所有與人口加權(quán)污染暴露濃度相關(guān)性高的變量都進(jìn)入模型。

表6 多元線性回歸模型與擬合精度

(2)多元線性回歸方程模型精度驗(yàn)證：本研究采用留一驗(yàn)證法對模型精度進(jìn)行驗(yàn)證，長江中路監(jiān)測點(diǎn)距離琥珀山莊監(jiān)測點(diǎn)距離較近，兩個站點(diǎn)之間污染物濃度差距較小，故選擇長江中路國控點(diǎn)為驗(yàn)證點(diǎn)，對模型構(gòu)建影響較小。將其余9個站點(diǎn)數(shù)據(jù)標(biāo)準(zhǔn)化處理后構(gòu)建線性回歸模型，將長江中路站點(diǎn)的自變量標(biāo)準(zhǔn)化數(shù)值代入模型算出模擬值，表7為長江中路驗(yàn)證點(diǎn)的真實(shí)值與模擬值對比，PM2.5、PM10、SO2、NO2、CO、O3人口加權(quán)污染暴露濃度的誤差率分別為0.2%、3.5%、0.9%、8.7%、0和3.9%，誤差率均低于9.3%，誤差最大的污染物為SO2，誤差率為9.3%，平均誤差率為2.9%，整體誤差率較低。

表7 長江中路國控點(diǎn)人口加權(quán)污染暴露濃度模擬值與實(shí)際值

3 結(jié)論與討論

將合肥市主城區(qū)大氣污染物年均值與人口數(shù)據(jù)耦合，評估合肥主城區(qū)大氣污染暴露分布。運(yùn)用相關(guān)性分析、多元線性回歸模型等方法分析城市用地功能、道路交通與建設(shè)開發(fā)強(qiáng)度等城市空間形態(tài)與人口加權(quán)大氣污染物暴露的相關(guān)性，主要得出以下結(jié)論。

(1)合肥主城區(qū)大氣污染暴露濃度空間分布差異顯著，其中PM2.5、PM10、NO2、SO2和CO人口加權(quán)污染暴露濃度高峰區(qū)在瑤海區(qū)、包河區(qū)和新站區(qū)等，低谷區(qū)在濱湖區(qū)、蜀山區(qū)和政務(wù)區(qū)等，O3大氣污染暴露濃度空間分布反之。

(2)PM2.5、PM10、NO2、SO2、CO、O3人口加權(quán)污染暴露濃度與主干道密度、建筑密度、綠地面積占比在95%置信區(qū)間上呈顯著相關(guān)，與次干道密度相關(guān)性最弱。其中PM2.5、PM10、NO2、CO、O3人口加權(quán)污染暴露濃度與建筑密度相關(guān)性最高，相關(guān)系數(shù)分別為0.723,0.724,0.717,0.700和0.688。SO2人口加權(quán)污染暴露濃度與綠地面積占比相關(guān)性最高，相關(guān)系數(shù)為0.669。

(3)進(jìn)入PM2.5、PM10、NO2、CO、O3模型的變量有商業(yè)面積占比、建筑密度、主干道密度和次干道密度。進(jìn)入SO2模型的變量有綠地面積占比和居住面積占比、主干道密度和次干道密度。模型擬合精度R2均大于0.8，平均誤差率為2.9%，顯著性檢驗(yàn)P值均小于0.05，模型精度較高，建議采用控制建筑密度、均衡布局干路網(wǎng)、商業(yè)分散布局和增加綠地面積的優(yōu)化策略。

多元線性回歸模型能在一定程度上從影響機(jī)制上解釋大氣污染暴露濃度分布特征。近年來合肥主城區(qū)機(jī)動車保有量大幅上升，其中2018年汽車保有量比2017年增加15%以上，大量車流產(chǎn)生的尾氣是主要污染來源，因而人口加權(quán)污染暴露濃度與道路交通相關(guān)性顯著。綠地植被能有效抑制與吸收大氣污染物，有利于降低大氣污染物濃度，因此綠地面積與人口加權(quán)污染暴露濃度呈現(xiàn)很強(qiáng)的負(fù)相關(guān)。總而言之，用地功能、建設(shè)開發(fā)強(qiáng)度與道路交通等城市空間形態(tài)會影響大氣污染物分布，從而對大氣污染暴露濃度產(chǎn)生重要影響。在未來的城市建設(shè)中可以通過商業(yè)分散布局、合理控制開發(fā)強(qiáng)度與城市主干道密度、發(fā)展多中心城市結(jié)構(gòu)、增加綠地建設(shè)面積等方式改善大氣環(huán)境質(zhì)量。本文分析城市空間形態(tài)與大氣污染暴露的相關(guān)性，沒有量化研究居民通勤路徑過程中的大氣污染暴露，未來研究可以通過微博簽到數(shù)據(jù)或者OD數(shù)據(jù)等大數(shù)據(jù)分析居民通勤路徑，結(jié)合污染暴露時(shí)間與大氣污染物濃度量化城市居民行為路徑中的污染暴露濃度，更加精細(xì)化評估城市居民暴露程度。