我國空氣質量區域劃分

（蘭州財經大學，甘肅 蘭州 730030）

1 研究目的及意義

2020年國務院政府工作報告指出，接下來一年要打好藍天、碧水、凈土保衛戰，實現污染防治攻堅戰階段性目標。提高生態環境治理成效，突出依法、科學、精準治污，深化重點地區大氣污染治理攻堅。隨著我國大氣區域性復合型污染特征日益明顯，區域性大氣灰霾頻繁發生，區域整體環境質量惡化，嚴重威脅群眾健康，影響環境安全。建立大氣污染聯防聯控機制，顯得尤為迫切。研究空氣質量空間分布規律和影響因素，對于預防空氣污染問題具有重要意義，空氣污染問題已經從單一城市問題上升到了區域性問題。建立大氣污染聯防聯控機制，合理的區域劃分顯得尤為重要，但是目前針對空氣質量的全國性區域劃分研究很少，大多數都是根據特定行政區劃分作為研究對象，并沒有真正意義上全國性區域劃分的研究；目前大多數研究對空氣質量的影響因素忽視區域因素，但是每座城市會因為其特殊的地理位置，在大氣污染傳送網絡等多種因素的作用下或多或少的受到周邊城市的影響，在這種影響下，空氣污染問題已經從單一城市問題上升到了區域性問題。研究空氣質量的影響因素是一個多維問題，會受到多方面因素的影響，比如不同地區因自然因素和社會經濟等因素的差別，其空氣質量狀況的表現和特征也會存在很大的區別。

因此，本文首提出利用動態時間規劃模型和系統聚類相結合，將我國不同城市空氣質量指數變動趨勢及數值水平相似性強的地區聚為一類，即認為類內城市間空氣質量指數和其變化趨勢相近，并對我國存在大氣污染聯動性的城市進行有效分割。一方面為治理方式由城市的“單打獨斗”轉變為區域的“聯防聯控”提供區域劃分的依據；另一方面，為職能部門制定政策提供相應的理論依據，做到因地制宜。

2 國內外文獻綜述

美國地理學家Tobler提出的地理學第一定律，所有的事物在空間上都是具有聯系的，聯系程度與距離有關，距離越近聯系越緊密。這也是最初的空間自相關理論的形成，即觀察對象在空間上與相鄰單元的觀察對象存在空間上的聯系，包括高值-高值聚集，低值-低值聚集。張琪敏等以北京、青島等十座具有代表性的城市作為重點研究對象，利用2004年各城市空氣質量日報數據研究其空氣污染狀況和污染特征差異，用描述統計的方法研究了大氣污染現狀，最終結論表明大氣污染輸送網路與地理位置、地形有關[1]。劉曉紅結合空間計量經濟學模型，對我國城市霧霾污染時空分異、動態演化與影響機制進行探究后發現，全國和各區域霧霾污染時空特征顯著，空間集聚性強霧霾污染存在顯著的空間正自相關，霧霾污染區域一體化態勢明顯[2]。龔鵬鵬通過對北京市空氣污染的空間統計分析，揭示了北京市與周邊各省的空氣污染的自相關性和北京市空氣污染的自相關性，相鄰城市之間的空氣質量指數在空間上有明顯的聚集效應，北京市受保定市、石家莊市污染比較嚴重[3]。以上研究證明，每座城市會因為其特殊的地理位置，在大氣污染傳送網絡等多種因素的作用下或多或少的受到周邊城市的影響，在這種影響下，空氣污染問題已經從單一城市問題上升到了區域性問題。

賀冉冉等人基于時間序列模型發現中國東部城市群存在2個值得重視的高空間自相關區域：京津冀和長三角地區[4]。賀祥和南國衛等人基于灰色關聯模型發現江蘇省呈沿海低、內陸高，南部高、北部低，陜西省呈“北高南低”的空間分布特征。孔峰等人利用空氣污染指數（API）對2001年—2015年我國119個重點城市空氣質量進行研究后也證明了這一觀點，他們發現中國北方地區多年API日值平均狀況高于南方地區，東部沿海地區高于西部內陸地區[5]。劉永偉等人基于GIS技術探究了全國和珠三角空氣質量的時空分布規律，發現我國空氣污染具有明顯的季節變化特征和空間集聚特征[6]。

以上研究表明，空氣質量指數空間聚集性顯著，總體表現出“東重西輕、北重南輕”格局，因而有必要研究空間聚集性的具體表現，根據空氣污染指數的種種特征將我國劃分為幾大區域。

3 研究內容

運用動態時間規整算法計算任意兩座城市的空氣質量指數時間序列變化趨勢及數值水平的相似性，以該算法計算結果作為城市間系統聚類的衡量標準，將空氣質量指數變化相似性強的聚為一類，將我國劃分為幾大區域，即認為類內城市之間區域流動性對空氣質量影響相同。

4 區域劃分

空氣質量指數（Air Quality Index）是我國空氣質量評價標準，將監測到的6項污染物濃度用統一的標準呈現，指數越好代表空氣質量越好，并將AQI級別分為六級來表示其嚴重程度。

本文基于城市間大氣污染會相互傳輸的認識下，認為AQI趨勢變化相同城市同時地理距離較近的幾個城市大氣污染物相互傳播的可能性較大，將這些城市分為一類。希望通過對AQI的變化趨勢和城市間地理距離聚類研究，為我國大氣污染治理方式由城市的“單打獨斗”轉變為區域的“聯防聯控”提供區域劃分的依據。

4.1 數據來源與研究方法

AQI數據是從中國空氣質量監測中心網站爬取的環境監測總站劃列的169個城市污染物濃度的小時數據，統計起止時間為2018年1月1日—2018年12月31日。按照《環境空氣治理標準》（GB 3095-2012）：日均AQI為24小時AQI檢測值的算術平均。

經緯度數據從中國城市經緯度查詢網站爬取獲得。

4.1.1 動態時間規劃

AQI變化趨勢就在大氣污染傳送網絡的影響下，可能會出現趨勢非當期相關，而是表現出滯后的現象。動態時間規劃（Dynamic Time Warping，DTW）算法可用于衡量時間序列的相似性，解決變化趨勢非當期相關的問題。DTW采用滿足一定條件的時間序列輸入樣本和參考的時間序列的對應關系，求解兩者匹配時累計距離最小所對應的規劃函數。

4.1.2 系統聚類

系統聚類是將距離相近的樣本先聚類一類，樣本距離遠的后聚為一類，如此反復進行下去，直到每個樣本聚到適合的類別中。假設有n個樣本，首先將n個樣本各自分為一類；第二步，選取合適的距離度量，并將類間距離最近的兩個樣本合并為一類，其他樣本仍各自一類，此時有n-1個類別；第三步，再將距離最近的兩個樣本合并為一類，此時有n-2個類別；如此反復進行下去，直到n個類別變成一個大類為止。

在進行系統聚類前，首先要定義類間距離。類間距的初次計算通常采用歐氏距離：

本文在聚類時不僅參考兩城市間空氣質量AQI指數的DTW距離，同時，還將兩城市間的地理距離作為聚類的另一評判標準。地理距離指標的加入使得聚類結果可行性增強，由于距離的限制，使得聚類所得各類別內部的城市間具有大氣污染相互影響可能的概率變大。最終，本文在系統聚類時，將標準化后的任意兩城市間 DTW 距離和地理距離分別按照0.5、0.5的比重進行加權，將所得數值作為聚類的依據進行系統聚類。

4.2 空氣質量區域劃分研究

本文首先計算城市間空氣污染指數的DTW距離矩陣與城市間的地理距離矩陣，將兩個指標同時作為聚類依據進行聚類。

表1

根據聚類的結果，本文將169個城市分為7個不同的城市群，其中拉薩和烏魯木齊被單列出來，不能很好的代表區域，故將其剔除。

（1）長江流域地區，長江流域地區，降雨量大且風力作用旺盛，有效抑制地面揚塵發生并有助于大氣污染物的擴散、稀釋和沉降，改善空氣質量。

（2）京津冀地區，值得注意的是，中國環境監測總站將亳州、淮北、宿州、徐州劃分為長江三角區域，但是根據本文的聚類結果，亳州、淮北、宿州和徐州AQI變化趨勢與京津冀地區更為相近。這四個城市同時也位于秦嶺-淮河線以北區域，此線是我國重要的地理分界線，此分界線南北城市氣候差異顯著。

（3）川渝地區，地處丘陵、盆地的相對封閉自然條件，常年多靜風和微風，空氣濕度相對較大，不利于大氣污染物的擴散，且該地區經濟發展迅速，產業聚集，人口集中。

（4）珠江三角地區，三面環山一面環海，以及受嶺南獨特的氣候條件影響，形成了相對封閉的區域。污染程度最輕，城市氣候適宜、地形特殊，部分地區人類活動相對不強烈，因此它們的大氣環境優良。

4.3 結論與討論

城市空氣污染表現出“東重西輕，北中南輕”的空間格局區域城市空氣污染的總程度和分布結構具備明顯的分異特征