2003～2018年四川盆地氣溶膠光學(xué)厚度空間分異及驅(qū)動(dòng)因子

王安怡,康 平*,張 洋,曾勝蘭,張小玲,施 娟,劉志紅,向衛(wèi)國(guó),汪可可,張松宇,魯峻岑

2003～2018年四川盆地氣溶膠光學(xué)厚度空間分異及驅(qū)動(dòng)因子

王安怡1,康 平1*,張 洋2,曾勝蘭1,張小玲1,施 娟3,劉志紅2,向衛(wèi)國(guó)1,汪可可1,張松宇1,魯峻岑1

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院,高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室,四川 成都 610225；2.成都信息工程大學(xué)資源環(huán)境學(xué)院,四川 成都 610225；3.成都市氣象局,四川 成都 610072)

為揭示四川盆地氣溶膠光學(xué)厚度(AOD)的空間分布格局并定量評(píng)估影響其時(shí)空分異的驅(qū)動(dòng)因子,基于2003～2018年(16a)MODIS氣溶膠產(chǎn)品數(shù)據(jù),采用Mann-Kendall突變檢驗(yàn)法,空間自相關(guān),空間熱點(diǎn)探測(cè)分析和地理探測(cè)器等地統(tǒng)計(jì)方法分析研究.結(jié)果表明:2003～2018年四川盆地AOD總體呈現(xiàn)下降趨勢(shì),且突變年為2015年,并依據(jù)趨勢(shì)變化將2003～2018年分為6個(gè)時(shí)段.四川盆地氣溶膠區(qū)域性污染特征明顯, AOD高值區(qū)主要聚集在盆地中部低海拔地區(qū),而AOD低值區(qū)則多聚集在盆地邊緣高海拔地區(qū).AOD空間分布具有顯著的聚集性規(guī)律(空間正相關(guān),Moran's指數(shù)>0),自2012年以來(lái)高-高值聚集區(qū)面積不斷減小,且不同時(shí)段聚集區(qū)AOD年際變化與AOD值分布變化態(tài)勢(shì)一致.利用主成分分析法優(yōu)選出8個(gè)因子,經(jīng)地理探測(cè)器分析表明, 16a來(lái)盆地區(qū)域AOD時(shí)空分異主要是由于城市化和工業(yè)化發(fā)展水平不均衡引起的.2014～2015年所有驅(qū)動(dòng)因子的驅(qū)動(dòng)力較之前時(shí)間段出現(xiàn)11.2%～59.2%的減小,且社會(huì)經(jīng)濟(jì)因子尤為明顯,與2015年為突變年的結(jié)論相一致.

氣溶膠光學(xué)厚度；四川盆地；空間自相關(guān)；空間熱點(diǎn)分析；地理探測(cè)器

大氣氣溶膠是影響我國(guó)大氣環(huán)境質(zhì)量,導(dǎo)致區(qū)域性空氣污染的最主要污染物之一,氣溶膠光學(xué)厚度(AOD)作為重要的氣溶膠光學(xué)特性參數(shù),是推算氣溶膠含量、反映大氣環(huán)境狀況的重要因子[1-3].由于氣溶膠具有壽命短、來(lái)源廣泛、性質(zhì)多變等特點(diǎn),其分布呈現(xiàn)強(qiáng)烈的空間差異和時(shí)間變化[4],加之我國(guó)幅員遼闊、地形地貌復(fù)雜,人口分布,工業(yè)布局存在差異性,使得我國(guó)氣溶膠具有濃度高、組成復(fù)雜、時(shí)空差異顯著等特性[5].

目前,國(guó)內(nèi)研究多關(guān)注經(jīng)濟(jì)發(fā)達(dá)且污染嚴(yán)重的京津冀、長(zhǎng)江三角洲、珠江三角洲地區(qū),或北方受環(huán)境或氣象要素影響顯著的地區(qū)[6-9],針對(duì)四川盆地氣溶膠區(qū)域性污染時(shí)空分布研究往往只局限于AOD多年和季節(jié)平均狀態(tài)[10],缺乏對(duì)長(zhǎng)時(shí)間AOD分布空間異質(zhì)性的探討.對(duì)驅(qū)動(dòng)因子研究多從氣象要素切入[11],且研究選取的驅(qū)動(dòng)因子較少[12],在區(qū)域尺度上,缺乏對(duì)自然因子以及社會(huì)經(jīng)濟(jì)因子綜合作用下的AOD空間分異與影響機(jī)制方面的定量研究.

隨著四川盆地內(nèi)城市化和工業(yè)化發(fā)展進(jìn)程的持續(xù)推進(jìn),加之盆地內(nèi)特殊的大氣環(huán)流與高溫高濕氣候條件,促進(jìn)顆粒物的生成與積累[13],盆地內(nèi)城市群之間區(qū)域性顆粒物污染狀況依然形勢(shì)嚴(yán)峻.因此,本文針對(duì)四川盆地區(qū)域,以2003～2018年(16a) MODIS氣溶膠產(chǎn)品為數(shù)據(jù)源,運(yùn)用Mann-Kendall突變檢驗(yàn)法,檢驗(yàn)四川盆地AOD趨勢(shì)變化及突變點(diǎn),并作為時(shí)域分段的依據(jù).采用空間自相關(guān),空間熱點(diǎn)探測(cè)分析,分析研究四川盆地AOD空間分布格局與聚集規(guī)律,綜合考慮自然和社會(huì)經(jīng)濟(jì)因素選取驅(qū)動(dòng)因子,利用地理探測(cè)器定量揭示四川盆地AOD時(shí)空分異的影響因子,以期為四川盆地顆粒物污染聯(lián)防聯(lián)控提供參考.

1 資料和方法

1.1 數(shù)據(jù)來(lái)源及處理

1.1.1 氣溶膠數(shù)據(jù) AOD可以通過(guò)衛(wèi)星遙感觀測(cè)數(shù)據(jù)反演獲取.MODIS(中分辨率成像光譜儀),是搭載于Terra和Aqua衛(wèi)星上的重要傳感器之一,具有覆蓋紫外、可見(jiàn)光、近紅外、紅外等36個(gè)光譜頻道,空間分辨率較高.MODIS的掃描幅寬為2330km,每1～2d覆蓋全球1次,具備更新頻率高、光譜范圍廣等特點(diǎn),是目前應(yīng)用較為廣泛的氣溶膠探測(cè)傳感器[14].

本文采用來(lái)自NASA發(fā)布的Level 2級(jí)的2003～2018年MOD04_3K AOD產(chǎn)品,此產(chǎn)品基于暗像元(DT)氣溶膠算法,空間分辨率為3km′3km.通過(guò)ENVI結(jié)合IDL對(duì)MODIS AOD產(chǎn)品進(jìn)行幾何校正,重投影,波段合成后計(jì)算有效像元平均值,最后利用四川盆地矢量邊界裁剪提取四川盆地AOD的年均值、季均值、月均值進(jìn)行趨勢(shì)分析.分析季節(jié)變化時(shí),以每年3～5月為春季,6～8月為夏季,9～11月為秋季,12月～翌年2月為冬季作為劃分標(biāo)準(zhǔn).

1.1.2 驅(qū)動(dòng)因子數(shù)據(jù) 氣象數(shù)據(jù)來(lái)源于歐洲中期天氣預(yù)報(bào)中心(ECMWF)(https://www.ecmwf.int/)第5代高分辨率的再分析資料,其水平分辨率為0.125°×0.125°.社會(huì)因子統(tǒng)計(jì)數(shù)據(jù)來(lái)源于《四川統(tǒng)計(jì)年鑒》(2004～2019)(http://tjj.sc.gov.cn/scstjj/c105855/ nj.shtml)和《重慶統(tǒng)計(jì)年鑒》(2004～2019)(http: //tjj.cq.gov.cn/zwgk_233/tjnj/),缺失的部分采用相應(yīng)省市的社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)補(bǔ)充.二氧化硫(SO2)和總懸浮顆粒物(TSP)排放量數(shù)據(jù)來(lái)源于北京大學(xué)全球高分辨率污染物排放清單(http://inventory.pku.edu. cn/home.html).歸一化植被指數(shù)數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(https://www.resdc. cn/data.aspx?DATAID=257).

1.2 研究方法

1.2.1 Mann-Kendall突變檢驗(yàn) Mann-Kendall突變檢驗(yàn)是一種非參數(shù)統(tǒng)計(jì)的檢驗(yàn)方法,由于該方法不需要遵從一定的正態(tài)分布,也不受少數(shù)異常值的干擾,適用于評(píng)估水文、氣候等要素的時(shí)間變化趨勢(shì),通過(guò)構(gòu)造標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量來(lái)確定檢驗(yàn)參數(shù)變化趨勢(shì)的顯著性[15].對(duì)于具有個(gè)樣本的時(shí)間序列X(1,2,3,…,x),定義統(tǒng)計(jì)量S:

式中:=1,2,…,;=1,2,…,. S即表示第時(shí)刻x>x的累計(jì)個(gè)數(shù),在假設(shè)時(shí)間序列隨機(jī)獨(dú)立時(shí):

將S標(biāo)準(zhǔn)化:

根據(jù)以上公式得出逆序列,其中把逆序列x,x1,…,1對(duì)應(yīng)表示為1',2',…,x'.當(dāng)'=+1-時(shí),r=',則逆序列的UB=-UF.

最后,UB和UF分別組成曲線,表示時(shí)間序列的趨勢(shì)變化.設(shè)定顯著性水平=0.05(即臨界值為±1.96),若UB和UF的值大于0,則表示序列呈上升趨勢(shì);反之呈下降趨勢(shì),若兩條曲線出現(xiàn)交點(diǎn),且交點(diǎn)位于值臨界線之間,那么交點(diǎn)為突變開(kāi)始.本研究利用Mann-Kendall突變檢驗(yàn)對(duì)四川盆地2003～2018年AOD年均值進(jìn)行處理,分析近16a來(lái)AOD的變化趨勢(shì),以此作為劃分四川盆地AOD時(shí)間尺度變化中各個(gè)時(shí)間段的依據(jù).

1.2.2 空間自相關(guān) 空間自相關(guān)可用于分析相應(yīng)統(tǒng)計(jì)量與同一空間區(qū)域中相鄰統(tǒng)計(jì)量之間的關(guān)聯(lián)程度,包括全局空間自相關(guān)和局部空間自相關(guān)兩大類(lèi)[16].

(1)全局空間自相關(guān).全局空間自相關(guān)的功能在于描述整個(gè)研究區(qū)域空間對(duì)象的關(guān)聯(lián)程度,以判斷此空間對(duì)象是否有聚集、分散、隨機(jī)等空間分布特性存在[17].本文選用全局Moran's指數(shù)作為AOD空間自相關(guān)的衡量指標(biāo),計(jì)算公式為:

式中:=166為樣本個(gè)數(shù),即四川盆地內(nèi)縣域數(shù)量,y和y分別為縣域和的AOD值;`為所有縣域AOD的平均值;為空間鄰接權(quán)重矩陣.∈[-1,1],>0表示AOD正相關(guān)(均質(zhì)性),<0表示AOD空間負(fù)相關(guān)(異質(zhì)性),=0表示AOD不相關(guān),即隨機(jī)分布.

(2)局部空間自相關(guān).局部空間自相關(guān)分析用于反映整個(gè)大區(qū)域中的一個(gè)局部小區(qū)域單位上的某種地理現(xiàn)象或某一屬性值與相鄰局部小區(qū)域單位上同一現(xiàn)象或某一屬性值的相關(guān)程度[18-19],常用散點(diǎn)圖和局部Moran's指數(shù)來(lái)度量,計(jì)算公式為:

1.2.3 空間熱點(diǎn)探測(cè) 空間熱點(diǎn)探測(cè)可在整個(gè)研究區(qū)域之內(nèi)探測(cè)出某屬性值顯著異于其他區(qū)域的異常區(qū),是空間聚類(lèi)的特例[20],有助于從空間統(tǒng)計(jì)學(xué)上定量剖析AOD高/低值聚集區(qū),發(fā)現(xiàn)污染集中區(qū)域的演變并輔助區(qū)域聯(lián)防聯(lián)控政策調(diào)整.空間熱點(diǎn)探測(cè)模型首先依據(jù)研究區(qū)域內(nèi)所有樣本對(duì)應(yīng)的空間距離構(gòu)造一個(gè)對(duì)稱(chēng)矩陣,然后根據(jù)極限距離的方法來(lái)確定聚集區(qū)域,其公式如下:

式中:為極限距離,km;為四川盆地面積,km2;為四川盆地內(nèi)縣域數(shù)量;為給定置信度時(shí)的分位數(shù),本研究運(yùn)用ArcGIS軟件進(jìn)行空間熱點(diǎn)探測(cè)分析.

1.2.4 地理探測(cè)器 地理探測(cè)器是揭示空間分異性及其驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法,其核心思想是:若解釋變量對(duì)被解釋變量有重要影響,則兩者在空間分布上應(yīng)具有相似性[21].其因子探測(cè)器可探測(cè)因變量的空間分異,以及因子多大程度上解釋了因變量的空間分異,計(jì)算公式如下:

2 結(jié)果與討論

2.1 四川盆地AOD時(shí)間變化特征

2.1.1 AOD時(shí)間尺度特征 如圖1和圖2所示,四川盆地AOD逐年月均值呈現(xiàn)“梯形”的周期變化趨勢(shì),即AOD在1～5月逐漸增加,6～10月在一定范圍內(nèi)波動(dòng),11～12月逐漸下降,AOD最高值出現(xiàn)在2008年4月(1.04).在整個(gè)時(shí)間域上,四川盆地AOD的季節(jié)性變化存在差異性.2003～2010年,AOD季節(jié)性變化呈現(xiàn)春季最大,夏季次之,冬季最小的特征;但2011～2018年,AOD季節(jié)變化呈現(xiàn)春季最大,夏季次之,秋季最小的特征.春季和夏季的AOD值在2014年后有明顯的下降,冬季AOD值有略微下降但是仍然維持較高水平.四川盆地AOD年均值呈現(xiàn)“M”型的變化趨勢(shì),即AOD在2003～2006年增加, 2007～2008年減小,2009～2011年增加,2011年后AOD值逐年減小.

圖1 2003～2018年四川盆地AOD逐年月均和季均變化

圖2 2003～2018年四川盆地AOD年均值變化

2.1.2 四川盆地AOD變化時(shí)域分段 2003～2018年四川盆地AOD年均值Mann-Kendall突變檢驗(yàn)分析結(jié)果顯示,2003～2012年,UF大于0,四川盆地AOD年均值呈現(xiàn)增加的趨勢(shì),且UF在2006年超過(guò)0.05顯著性水平臨界線,說(shuō)明2006年四川盆地AOD值上升趨勢(shì)明顯(圖3).自2013年后,UF小于0,四川盆地AOD年均值呈現(xiàn)減小的趨勢(shì),其中2016年后,UF超過(guò)0.05顯著性水平臨界線,說(shuō)明四川盆地AOD值減小趨勢(shì)明顯.UF曲線與UB曲線交于2015年與2016年之間,交點(diǎn)位于兩條0.05顯著水平線之間,表明四川盆地AOD從2015年開(kāi)始突變.結(jié)合UF曲線趨勢(shì)將16a的研究時(shí)域分為2003～2006年,2007～2008年, 2009～2011年,2012～2013年,2014～2015年,2016～ 2018年這6個(gè)變化時(shí)段.

圖3 2003～2018年四川盆地AOD年均值 Mann-Kendall突變檢驗(yàn)

2.2 四川盆地AOD空間分布特征

2.2.1 不同時(shí)段空間分布特征 以2003～2018年四川盆地MODIS AOD產(chǎn)品為數(shù)據(jù)基礎(chǔ),均一化后計(jì)算不同時(shí)間段內(nèi)AOD平均值,得到四川盆地AOD空間分布情況(圖4).四川盆地AOD空間分布整體上表現(xiàn)為盆地中部低海拔地區(qū)AOD值較高的特征,其中四川盆地西部城市群(成都平原城市群)和南部城市群(川南城市群)為AOD高值中心,盆地邊緣高海拔地區(qū)為AOD低值區(qū).該結(jié)論與張靜怡等[12]對(duì)四川盆地氣溶膠時(shí)空格局研究的結(jié)果基本一致.

四川盆地氣溶膠污染在2009～2011年達(dá)到頂峰,區(qū)域性污染的特征非常明顯,自2012年開(kāi)始,盆地區(qū)域氣溶膠污染的情況有較大改善.由圖4可見(jiàn), 2003～2006年四川盆地AOD高值區(qū)主要位于成都和德陽(yáng)以及內(nèi)江和自貢,呈現(xiàn)帶狀分布; 2007～2008年,AOD高值區(qū)相對(duì)于上一時(shí)期向四川盆地東南部偏移,成都和德陽(yáng)的AOD高值區(qū)逐漸消失,AOD高值區(qū)主要位于樂(lè)山-宜賓-瀘州-重慶-廣安一帶,沿四川盆地邊緣呈現(xiàn)弧狀分布,該分析結(jié)果與張洋等[23]研究結(jié)論一致.2009～2011年盆地內(nèi)有四川盆地西部城市群(綿陽(yáng)、成都、德陽(yáng)、眉山)和四川盆地南部城市群(內(nèi)江、自貢、宜賓、瀘州)2個(gè)高值中心,AOD高值區(qū)面積達(dá)到最大,且AOD高值有所增加.2012～2013年AOD高值區(qū)分布與2009～2011年相似,但面積大幅縮小,且分布較為零散.2012～2013年、2014～2015年和2016～ 2018年AOD高值區(qū)逐階段減小,且AOD相對(duì)高值也不斷減小,至2016～ 2018年,AOD相對(duì)高值已降至0.5以下.

2.2.2 空間自相關(guān)分析 要進(jìn)行全局Moran's指數(shù)的計(jì)算,需要確定各個(gè)縣級(jí)單元之間的空間鄰接矩陣.王華等[16]根據(jù)氣溶膠的擴(kuò)散特性認(rèn)為,選擇空間距離權(quán)重矩陣得到的結(jié)果比鄰接權(quán)重矩陣更為合理.本文利用GeoDa軟件生成基于距離的空間權(quán)重矩陣,計(jì)算得到的四川盆地2003～2018年不同時(shí)間段的AOD空間分布的全局Moran's指數(shù)(表1).各個(gè)時(shí)間段的全局自相關(guān)指數(shù)均為正值,并在0.7上下波動(dòng),且均通過(guò)99%顯著性檢驗(yàn)(- value32.58),說(shuō)明四川盆地AOD分布存在非常顯著的空間正相關(guān)關(guān)系,空間上具有相似值聚集的態(tài)勢(shì).

由于全局指標(biāo)有時(shí)會(huì)掩蓋局部狀態(tài)的不穩(wěn)定性,因此在很多場(chǎng)合需要采用局部指標(biāo)來(lái)探測(cè)空間自相關(guān)[22],結(jié)果如圖5.

表1 四川盆地2003～2018年不同時(shí)間段AOD全局Moran's I指數(shù)

注:**、*分別表示通過(guò)了置信度99%、95%顯著性檢驗(yàn).

由圖5可知,通過(guò)95%顯著性檢驗(yàn)的聚類(lèi)區(qū)類(lèi)型只有H-H、L-H、L-L3種,整體來(lái)看,H-H聚集區(qū)主要集中在盆地中部低海拔地區(qū),L-L聚集區(qū)主要集中在盆地邊緣高海拔地區(qū),L-H聚集區(qū)只出現(xiàn)于2003～2006年、2012～2013年、2014～2015年、2016～2018年4個(gè)時(shí)間段,且3次位于都江堰,1次位于瀘州市合江縣.縱向?qū)Ρ炔煌瑫r(shí)間段聚集區(qū)分布及其面積占比,可以看到,2007～2008年,H-H聚集區(qū)有一個(gè)明顯的向東輻射的趨勢(shì),其他時(shí)間段聚集區(qū)分布的基本格局變化較小.2009～2011年作為四川盆地氣溶膠污染的峰值時(shí)期,L-L聚集區(qū)和H-H聚集區(qū)面積占比明顯減小.2012～2013年、2014～ 2015年和2016～2018年H-H聚集區(qū)面積占比不斷減小,L-L聚集區(qū)面積占比較大,L-L聚集區(qū)面積占比最大(31.86%)出現(xiàn)于2014～2015年.總的來(lái)說(shuō),不同時(shí)段聚集區(qū)AOD年際變化與AOD值分布變化態(tài)勢(shì)一致.

AOD局部Moran's散點(diǎn)圖中橫坐標(biāo)為標(biāo)準(zhǔn)化后的AOD值,縱坐標(biāo)為縣級(jí)相鄰單元的AOD加權(quán)平均值,圖中直線斜率為全局Moran's指數(shù),第一、二、三、四象限分別為H-H(高-高值聚集區(qū),即該縣級(jí)單元與其周?chē)噜弳卧狝OD值均為高值),H-L(高-低值聚集區(qū),即該縣級(jí)單元AOD值較高,但其相鄰單元AOD值較低),L-H(低-高值聚集區(qū),即該縣級(jí)單元AOD值較低,但其相鄰單元AOD值較高),L-L(低-低值聚集區(qū),即該縣級(jí)單元與其周?chē)噜弳卧狝OD值均為低值).H-H聚集和L-L聚集表示AOD分布呈正空間自相關(guān)(均質(zhì)性);而L-H聚集和H-L聚集表示AOD分布呈負(fù)空間相關(guān)(異質(zhì)性)

2.2.3 空間熱點(diǎn)分析 空間熱點(diǎn)探測(cè)分析結(jié)果顯示,2003～2018年四川盆地AOD熱點(diǎn)聚集區(qū)大致分布于成都、德陽(yáng)、眉山、資陽(yáng)、自貢、重慶西南部等經(jīng)濟(jì)較發(fā)達(dá)地區(qū),冷點(diǎn)聚集區(qū)主要分布于盆地邊緣高海拔地區(qū)(圖6).2007～2008年和2014～2015年有明顯向東輻射的態(tài)勢(shì),2003～2006年、2007～2008年和2012～2013年熱點(diǎn)聚集區(qū)呈現(xiàn)片狀分布,2009～2011年、2014～2015年和2016～2018年形成分別以成都、自貢為中心的熱點(diǎn)聚集區(qū),2012年后熱點(diǎn)聚集區(qū)面積逐漸減小.冷點(diǎn)聚集區(qū)分布在6個(gè)時(shí)間段上基本保持一致.

圖6 2003～2018年四川盆地不同時(shí)間段AOD冷熱點(diǎn)區(qū)域

2.3 四川盆地AOD空間分異的驅(qū)動(dòng)因子分析

2.3.1 驅(qū)動(dòng)因子評(píng)價(jià)指標(biāo) 盆地內(nèi)大氣氣溶膠主要源自于工業(yè)化和城市化等人類(lèi)活動(dòng)顆粒物的直接排放[10],自然要素則對(duì)顆粒物的形成、傳輸、擴(kuò)散和沉降過(guò)程產(chǎn)生正向或負(fù)向的影響[24],因此AOD的空間分異是自然和人為共同作用的結(jié)果.總結(jié)發(fā)現(xiàn),AOD分布的驅(qū)動(dòng)因素涉及氣溫、風(fēng)向風(fēng)速、大氣環(huán)流、降水、濕度等自然因素,還與產(chǎn)業(yè)活動(dòng)、燃料燃燒、機(jī)動(dòng)車(chē)尾氣排放等人為因素密切相關(guān).依據(jù)此,并結(jié)合數(shù)據(jù)可獲取性原則,本文選取了常住人口(X1)、人口密度(X2)、地區(qū)生產(chǎn)總值(X3)、人均地區(qū)生產(chǎn)總值(X4)等城市化因子,工業(yè)總產(chǎn)值(X5)、二產(chǎn)比重(X6)等工業(yè)因子,SO2排放量(X7)、TSP排放量(X8)等人為源排放因子,2m溫度(X9)、10m風(fēng)速(X10)、歸一化植被指數(shù)(X11)等地表因子,相對(duì)濕度(X12)、降水量(X13)、邊界層高度 (X14)等氣象因子,共14個(gè)指標(biāo)(表2).

表2 四川盆地AOD驅(qū)動(dòng)因子評(píng)價(jià)指標(biāo)

2.3.2 驅(qū)動(dòng)因子優(yōu)選 因驅(qū)動(dòng)因子較多且因子之間相互影響,故采用主成分分析法(PCA)進(jìn)行主成分提取.將四川盆地劃分為0.3°×0.3°格網(wǎng),利用ArcGIS分別提取14個(gè)驅(qū)動(dòng)因子2003～2018年均值.利用SPSS軟件對(duì)驅(qū)動(dòng)因子標(biāo)準(zhǔn)化處理,并進(jìn)行PCA分析.四川盆地2003～2018年AOD驅(qū)動(dòng)因子成分載荷和主成分方差貢獻(xiàn)率結(jié)果見(jiàn)表3,通過(guò)對(duì)14個(gè)影響AOD空間分異指標(biāo)進(jìn)行方差最大化旋轉(zhuǎn)得到因子矩陣.當(dāng)Kaiser-Meyer-Olkin(KMO)值大于0.6時(shí), PCA結(jié)果具有可靠性[25].本研究中, KMO值為0.693, Bartlett球形檢驗(yàn)的值為0,通過(guò)0.05的顯著性檢驗(yàn),因此,四川盆地2003～2018年AOD驅(qū)動(dòng)因子適合進(jìn)行PCA分析.統(tǒng)計(jì)得到4個(gè)主成分,且累計(jì)方差貢獻(xiàn)率達(dá)到了77.845%,所代表的信息量可充分解釋并提供原始數(shù)據(jù)承載的信息.選取載荷偏大值作為每個(gè)主成分的主導(dǎo)因子,即人口密度、地區(qū)生產(chǎn)總值、工業(yè)總產(chǎn)值成為第一主成分的主導(dǎo)因子,10m風(fēng)速、相對(duì)濕度為第二主成分主導(dǎo)因子,SO2和TSP排放量為第三主成分主導(dǎo)因子,邊界層高度為第四主成分主導(dǎo)因子.利用這8個(gè)因子代替原來(lái)的14個(gè)因子進(jìn)行分析,優(yōu)化驅(qū)動(dòng)因子選擇.

2.3.3 不同時(shí)間段AOD空間分異驅(qū)動(dòng)因子的地理探測(cè)結(jié)果 利用地理探測(cè)器對(duì)四川盆地不同時(shí)段AOD年均值分布的8個(gè)優(yōu)選驅(qū)動(dòng)因子進(jìn)行探測(cè),全部因子均通過(guò)99%顯著性檢驗(yàn).結(jié)果總體顯示,社會(huì)經(jīng)濟(jì)因子的驅(qū)動(dòng)力較自然因子大,表明2003～2018年四川盆地AOD的空間分異主要是由于城市化和工業(yè)化發(fā)展水平不均衡引起的(圖7).縱觀16a間驅(qū)動(dòng)因子的演變,2014～2015年所有驅(qū)動(dòng)因子的驅(qū)動(dòng)力較之前時(shí)間段均出現(xiàn)11.2%～59.2%的減少,其中SO2排放量、相對(duì)濕度和地區(qū)生產(chǎn)總值為減少最顯著的3個(gè)因子,分別減少59.2%,52.80%,42.24%.這與上文2015年為突變年的結(jié)論相一致.下面具體對(duì)社會(huì)經(jīng)濟(jì)因子和自然因子的驅(qū)動(dòng)作用加以說(shuō)明.

表3 2003～2018年四川盆地AOD驅(qū)動(dòng)因子主成分分析

注:加粗的數(shù)據(jù)為各主成分中載荷較大的量.

圖7 2003～2018年四川盆地社會(huì)經(jīng)濟(jì)與自然因子驅(qū)動(dòng)力(|q|值)

圖例從左至右分別為2003～2006、2007～2008、2009～2011、2012～2013、2014～2015、2016～2018

2.3.4 社會(huì)經(jīng)濟(jì)因子驅(qū)動(dòng)分析 如圖7所示,城市化因子驅(qū)動(dòng):人口密度(+0.4033)、地區(qū)生產(chǎn)總值(+0.3408).人口密度在整個(gè)時(shí)域上的驅(qū)動(dòng)力最大.城市化進(jìn)程加快、工業(yè)生產(chǎn)活動(dòng)增多等人類(lèi)活動(dòng)是導(dǎo)致AOD升高的重要影響因素[26],人口高密度的核心城市雖然可引發(fā)集聚經(jīng)濟(jì)效應(yīng),但人為源排放相應(yīng)增大,使得區(qū)域內(nèi)環(huán)境空氣質(zhì)量惡化.成都平原經(jīng)濟(jì)圈常住人口占四川省50.12%,人口向中心城區(qū)聚集趨勢(shì)較為明顯.但自“十二五”節(jié)能減排工作提出后,四川盆地城市群產(chǎn)業(yè)結(jié)構(gòu)由“二三一”向“三二一”過(guò)渡,淘汰落后產(chǎn)能,提高產(chǎn)業(yè)質(zhì)量與效益[27],并利用核心城市的積極性,吸引優(yōu)質(zhì)且清潔資源向人口高密度地區(qū)集中,通過(guò)功能疏解,讓次級(jí)核心城市吸收部分人口及其他要素,緩解區(qū)域大氣氣溶膠污染.

人為源排放因子驅(qū)動(dòng):SO2排放量(+0.2391),TSP排放量(+0.2382).SO2主要污染源是工業(yè)排放,大氣中硫酸鹽氣溶膠主要來(lái)自于SO2的轉(zhuǎn)化過(guò)程[28].曹佳陽(yáng)等[29]對(duì)川南4座城市PM2.5中主要化學(xué)組分分析后發(fā)現(xiàn)SO2- 4全年對(duì)PM2.5的貢獻(xiàn)都占主導(dǎo)地位.TSP包含一次和二次顆粒物,是造成空氣污染的重要原因之一.SO2排放量驅(qū)動(dòng)因子在2003～2013年4個(gè)時(shí)期內(nèi)變化不大,于0.3上下波動(dòng).TSP排放量驅(qū)動(dòng)因子在整個(gè)時(shí)間域上呈現(xiàn)“M型”的變化趨勢(shì), 2007～2008年和2012～2013年驅(qū)動(dòng)力較大.SO2和TSP排放量因子驅(qū)動(dòng)力2013年后明顯下降,亦表明大氣污染防治計(jì)劃實(shí)施成果顯著,SO2與TSP排放量大幅減少,對(duì)AOD分異驅(qū)動(dòng)力減小.

工業(yè)因子驅(qū)動(dòng):工業(yè)總產(chǎn)值(+0.3021).工業(yè)總產(chǎn)值值在時(shí)域上呈現(xiàn)倒“U”型趨勢(shì),環(huán)境庫(kù)茲涅茲曲線(EKC)[30]指出人口收入與環(huán)境質(zhì)量呈現(xiàn)倒“U”型曲線,即在經(jīng)濟(jì)發(fā)展初級(jí)階段,經(jīng)濟(jì)增長(zhǎng),人均收入的提高反而有助于降低環(huán)境污染,改善環(huán)境質(zhì)量.可見(jiàn)四川盆地正處于倒“U”型的下坡期,生態(tài)文明建設(shè)有所成就,經(jīng)濟(jì)增長(zhǎng)與環(huán)境保護(hù)實(shí)現(xiàn)可持續(xù)發(fā)展.

2.3.5 自然因子驅(qū)動(dòng)作用分析 地表因子驅(qū)動(dòng): 10m風(fēng)速(-0.1901).驅(qū)動(dòng)因子在整個(gè)時(shí)間域上呈現(xiàn)“M型”的變化趨勢(shì).2007～2008年和2012～2013年驅(qū)動(dòng)力較大.風(fēng)速是影響大氣自潔能力的重要因素,風(fēng)通過(guò)搬運(yùn)作用,將局地污染物輸送到其他區(qū)域或者高空與空氣充分混合,最終使得污染物得以稀釋,空氣質(zhì)量得到改善[31].

氣象因子:相對(duì)濕度(+0.2485)、邊界層高度(-0.2226).相對(duì)濕度驅(qū)動(dòng)因子驅(qū)動(dòng)力在整個(gè)時(shí)域上呈現(xiàn)“增-減-增-減-增”的變化趨勢(shì),2007～2008年、2012～2013年和2016～2018年驅(qū)動(dòng)力較大.邊界層高度驅(qū)動(dòng)因子在2009～2011年驅(qū)動(dòng)力最大,僅次于城市化因子.由于盆地內(nèi)地形和西南氣流的影響,云霧天氣頻發(fā),多陰雨,濕度較大,相對(duì)濕度相比其他自然因子,驅(qū)動(dòng)力最大.而由于本研究對(duì)氣象因子統(tǒng)計(jì)時(shí)間跨度較長(zhǎng)且時(shí)間尺度為年,與AOD有關(guān)的許多信息可能會(huì)被平滑或者掩蓋掉,自然因子驅(qū)動(dòng)力相比社會(huì)經(jīng)濟(jì)因子較為混亂,且驅(qū)動(dòng)力較小.

3 結(jié)論

3.1 2003～2018年,四川盆地AOD值總體呈下降趨勢(shì),逐年月均值呈現(xiàn)“梯形”周期變化趨勢(shì),季節(jié)性變化在整個(gè)時(shí)間域上存在差異性,年均值呈現(xiàn)“M”型變化趨勢(shì),突變年為2015年.

3.2 四川盆地區(qū)域性污染特征明顯,AOD空間分布整體上表現(xiàn)為盆地中部低海拔地區(qū)為AOD高值區(qū),盆地邊緣高海拔地區(qū)為AOD低值區(qū)的特征.四川盆地大氣污染在2009～2011年達(dá)到頂峰,自2012年開(kāi)始,盆地區(qū)域氣溶膠污染的情況有較大改善.

3.3 空間自相關(guān)分析結(jié)果表明,2003～2018年四川盆地AOD分布具有顯著的聚集性規(guī)律.高-高值聚集區(qū)主要分布在經(jīng)濟(jì)發(fā)達(dá)的盆地中部和南部城市群,低-低值聚集區(qū)主要分布在盆地邊緣.2007～2008年,高-高值聚集區(qū)明顯東移,其余時(shí)間段聚集區(qū)分布的基本格局變化較小.2012～2013年、2014～2015年和2016～2018年高-高值聚集區(qū)面積占比不斷減小,低-低值聚集區(qū)面積占比較大.

3.4 空間熱點(diǎn)探測(cè)分析結(jié)果表明,2003～2018年四川盆地AOD熱點(diǎn)聚集區(qū)分布呈現(xiàn)片狀和以成都、自貢為中心2種不同形式.

3.5 地理探測(cè)器分析結(jié)果表明, 2003～2018年四川盆地AOD的空間分異主要是由于城市化和工業(yè)化發(fā)展水平不均衡引起的.2014～2015年所有驅(qū)動(dòng)因子的驅(qū)動(dòng)力較之前時(shí)間段出現(xiàn)11.2%～59.2%的減少,其中SO2排放量、相對(duì)濕度和地區(qū)生產(chǎn)總值為減少最顯著的3個(gè)因子.

[1] 范 嬌,郭寶峰,何宏昌.基于MODIS數(shù)據(jù)的杭州地區(qū)氣溶膠光學(xué)厚度反演 [J]. 光學(xué)學(xué)報(bào), 2015,35(1):1-9.

Fan J, Guo B F, He H C. Retrieval of aerosol optical thickness with MODIS data over Hangzhou [J]. Acta Optica Sinica, 2015,35(1):1-9.

[2] Paciorek C J, Liu Y, Moreno-Macias H, et al. Spatiotemporal associations between GOES aerosol optical depth retrievals and ground-level PM2.5.[J]. Environmental Science & Technology, 2008, 42(15):5800-5806.

[3] Xue Y, He X, Leeuw G D, et al. Long-time series aerosol optical depth retrieval from AVHRR data over land in North China and Central Europe [J]. Remote Sensing of Environment, 2017,198:471-489.

[4] Kaufman Y J, D Tanré, Boucher O . A satellite view of aerosols in the climate system [J]. Nature, 2002,419(6903):215-223.

[5] 呂 鑫.城市大氣氣溶膠時(shí)空變化特征的地基觀測(cè)實(shí)驗(yàn)與遙感分析 [D]. 徐州:中國(guó)礦業(yè)大學(xué), 2015.

LYu X. Analysis of spatio-temporal features of city aerosol based on ground observation experiments and satellite data [D]. Xuzhou: China University of Mining and Technology, 2015.

[6] Fang L, Yu T, Gu X, et al. Aerosol retrieval and atmospheric correction of HJ-1CCD data over Beijing [J]. Journal of Remote Sensing, 2013, 17(1):151-164.

[7] Chen J, Xin J, An J, et al. Observation of aerosol optical properties and particulate pollution at background station in the Pearl River Delta region [J]. Atmospheric Research, 2014,143:216-227.

[8] 陳慧忠.基于高時(shí)間分辨率MARGA數(shù)據(jù)分析珠三角地區(qū)氣溶膠的特征 [D]. 北京:中國(guó)氣象科學(xué)研究院, 2013.

Chen H Z. Analyses of the characteristics of aerosols in pearl River Delta based on the MARG data [D]. Beijing: Chinese Academy of Meteorological Sciences, 2013.

[9] 劉 狀,孫曦亮,劉 丹,等.2001～2017年中國(guó)北方省份氣溶膠光學(xué)厚度的時(shí)空特征 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(8):3177-3184.

Liu Z, Sun X L, Liu D, et al. Spatio-temporal characteristics of aerosol optical depth over Beijing-Tianjin-Hebei-Shandong-Henan- Shanxi-Shaanxi region during 2001～2017 [J]. Acta Scientiae Circ- umstantiae, 2018,38(8):3177-3184.

[10] 王晨瑩,何沐全,陳軍輝,等.2006～2017年四川盆地MODIS氣溶膠光學(xué)厚度時(shí)空變化特征 [J]. 環(huán)境科學(xué)研究, 2020,33(1):54-62.

Wang X Y, He M Q, Chen J H, et al. Temporal and spatial variation characteristics of MODIS aerosol optical depth in Sichuan Basin from 2006 to 2017 [J]. Research of Environmental Sciences, 2020,33(1):54- 62.

[11] 艾 澤,陳權(quán)亮.四川地區(qū)氣溶膠光學(xué)厚度時(shí)空分布及其與氣象因子的相關(guān)性分析 [J]. 四川環(huán)境, 2019,38(4):79-86.

Ai Z, Chen Q L. Temporal and spatial distribution of aerosol optical depth in Sichuan and its correlation with meteorological factors [J]. Sichuan Environment, 2019,38(4):79-86.

[12] 張靜怡,盧曉寧,洪 佳,等.2000～2014年四川省氣溶膠時(shí)空格局及其驅(qū)動(dòng)因子定量研究 [J]. 自然資源學(xué)報(bào), 2016,31(9):1514-1525.

Zhang J Y, Lu X N, Hong J, et al. Quantitative study on temporal and spatial patterns of aerosol optical depth and its driving forces in Sichuan Province during 2000～2014 [J]. Journal of Natural Resources, 2016,31(9):1514-1525.

[13] Zhang X Y, Wang Y Q, Niu T, et al. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols [J]. Atmospheric Chemistry & Physics, 2012,12:779-799.

[14] 李曉靜,高 玲,張興贏,等.衛(wèi)星遙感監(jiān)測(cè)全球大氣氣溶膠光學(xué)厚度變化 [J]. 科技導(dǎo)報(bào), 2015,33(17):30-40.

Li X J, Gao L, Zhang X Y, et al. Global change of aerosol optical depth based on satellite remote sensing data [J]. Science & Technology Review, 2015,33(17):30-40.

[15] Yi S, Jin L, Wang H. Vegetation changes along the Qinghai-Tibet Plateau engineering corridor since 2000 induced by climate change and human activities [J]. Remote Sensing, 2018,10(1):95-115.

[16] 王 華,郭陽(yáng)潔,洪 松,等.區(qū)域氣溶膠光學(xué)厚度空間格局特征研究 [J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2013,38(7):869-874.

Wang H, Guo Y J, Hong S, et al. Spatial pattern characteristics of aerosol optical depth in a region based on spatial autocorrelation [J]. Geomatics and Information Science of Wuhan University, 2013,38(7): 869-874.

[17] 汪可可,康 平,周明衛(wèi),等.四川盆地臭氧濃度空間分異及驅(qū)動(dòng)因子研究 [J]. 中國(guó)環(huán)境科學(xué), 2020,40(6):2361-2370.

Wang K K, Kang P, Zhou M W, et al. Spatial differentiation and driving factors of ozone concentration in Sichuan Basin [J]. China Environmental Science, 2020,40(6):2361-2370.

[18] Anselin L. Local indicators of spatial association—LISA [J]. Geographical Analysis, 2010,27(2):93-115.

[19] 林巧鶯,陳永山.我國(guó)城市冬季PM2.5空間特征及其人為影響因子 [J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào), 2015,31(4):460-465.

Lin Q Y, Chen Y S. Spatial variation of PM2.5in cities in winter and anthropogenic influencing factors in China [J]. Journal of Ecology and Rural Environment, 2015,31(4):460-465.

[20] 周 磊,武建軍,賈瑞靜,等.京津冀PM2.5時(shí)空分布特征及其污染風(fēng)險(xiǎn)因素 [J]. 環(huán)境科學(xué)研究, 2016,29(4):483-493.

Zhou L, Wu J J, Jia R J, et al. Investigation of temporal-spatial characteristics and underlying risk factors of PM2.5pollution in Beijing-Tianjin-Hebei Area [J]. Research of Environmental Sciences, 2016,29(4):483-493.

[21] 王勁峰,徐成東.地理探測(cè)器:原理與展望 [J]. 地理學(xué)報(bào), 2017,72(1): 116-134.

Wang J F, Xu C D. Geodetector: Principle and prospective [J]. Acta Geographica Sinica, 2017,72(1):116-134.

[22] 黃小剛,邵天杰,趙景波,等.長(zhǎng)江經(jīng)濟(jì)帶空氣質(zhì)量的時(shí)空分布特征及影響因素 [J]. 中國(guó)環(huán)境科學(xué), 2020,40(2):874-884.

Huang X G, Shao T J, Zhao J B, et al. Spatial-temporal distribution of air quality and its influencing factors in the Yangtze River economic belt [J]. China Environmental Science, 2020,40(2):874-884.

[23] 張 洋,劉志紅,于明洋,等.四川省氣溶膠光學(xué)厚度時(shí)空分布特征 [J]. 四川環(huán)境, 2014,33(3):48-53.

Zhang Y, Liu Z H, Yu M Y, et al. Temporal and spatial distribution characteristics of aerosol optical depth in Sichuan Province [J]. Sichuan Environment, 2014,33(3):48-53.

[24] 林 俊,劉 衛(wèi),李 燕,等.大氣氣溶膠粒徑分布特征與氣象條件的相關(guān)性分析 [J]. 氣象與環(huán)境學(xué)報(bào), 2009,25(1):1-5.

Lin J, Liu W, Li Y, et al. Correlation analysis of atmospheric aerosol particle size distribution characteristics and meteorological conditions [J]. Journal of Meteorology and Environment, 2009,25(1):1-5.

[25] Thurston G D, Spengler J D. A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston [J]. Atmospheric Environment, 1987,19(1):9-25.

[26] 郭婉臻,張 飛,夏 楠,等.近十年中國(guó)陸地AOD時(shí)空分布及與城市化的關(guān)系研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2019,39(7):2339-2352.

Guo W Z, Zhang F, Xia N, et al. Spatio-temporal characteristics of aerosol optical depth and their relationship with urbanization over China's land in nearly a decade [J]. Acta Scientiae Circumstantiae, 2019,39(7):2339-2352.

[27] 陳春江.成渝城市群PM2.5污染的時(shí)空分布與治理研究 [D]. 重慶:重慶大學(xué), 2019.

Chen C J, Research on spatio-temporal differentiation and goverance of PM2.5pollution in Chengdu-Chongqing urban agglomeration [D]. Chongqing: Chongqing University, 2019.

[28] Hartman R, Kwon O S. Sustainable growth and the environmental Kuznets curve [J]. Journal of Economic Dynamics & Control, 2002, 29(10):1701-1736.

[29] 曹佳陽(yáng),樊 晉,羅 彬,等.川南四座城市PM2.5化學(xué)組分污染特征及其源解析 [J]. 環(huán)境化學(xué), 2021,40(2):559-570.

Cao J Y, Fan J, Luo B, et al. Pollution characteristics and source apportionment of PM2.5in four urban environment of Southern Sichuan [J]. Environment Chemistry, 2021,40(2):559-570.

[30] Grossman G M, Krueger A B. Environmental impacts of a north American free trade agreement [J]. CEPR Discussion Papers, 1992, 8(2):223-250.

[31] 宋連春,高 榮,李 瑩,等.1961～2012年中國(guó)冬半年霾日數(shù)的變化特征及氣候成因分析 [J]. 氣候變化研究進(jìn)展, 2013,9(5):313-318.

Song L, Gao R, Li Y, et al. Analysis of China's haze days in winter half year and climatic background during 1961～2012 [J]. Advances in Climate Change Research, 2013,9(5):313-318.

Spatial differentiation and driving factors of aerosol optical depth in Sichuan Basin from 2003 to 2018.

WANG An-yi1, KANG Ping1*, ZHANG Yang2, ZENG Sheng-lan1, ZHANG Xiao-ling1, SHI Juan3, LIU Zhi-hong2, XIANG Wei-guo1, WANG Ke-ke1, ZHANG Song-yu1, LU Jun-cen1

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；2.College of Resource and Environment, Chengdu University of Information Technology, Chengdu 610225, China；3.Chengdu Meteorological Bureau, Chengdu 610072, China)., 2022,42(2)：528～538

In order to reveal the spatial distribution of aerosol optical depth (AOD) in Sichuan Basin and quantitatively evaluate the driving factors that affect its temporal and spatial differentiation, the geostatistical methods such as Mann-Kendall mutation test, spatial auto-correlation, spatial hot spot detection and geographical detector were used to analyze the data of MODIS aerosol products from 2003 to 2018. There was an overall decreased trend of AOD in Sichuan Basin from 2003 to 2018, and the mutation year was 2015. According to the variation trend, the 16years could be divided into six periods. The characteristics of aerosol regional pollution in Sichuan Basin were obvious. AOD high value areas were mainly concentrated in the middle of the basin, while AOD low value areas were mainly concentrated in the edge of the basin. A significant annual clustering pattern (spatial positive auto-correlation, Moran'swas greater than 0) of the distribution of AOD was showed in Sichuan Basin. The area of the high-high clustering areas had been decreased since 2012, and the variation of the annual clustering areas was consistent with the variation trend of AOD value in different periods. Eight factors were optimized by principal component analysis for geographic detector analysis. And the results showed that the spatial and temporal differentiation of AOD in the basin in the past 16years was mainly caused by the unbalanced development level of urbanization and industrialization. From 2014 to 2015, the driving force of all driving factors decreased 11.2%～59.2% compared with the previous period, which was consistent well with the conclusion that 2015 was a mutation year.

aerosol optical depth；Sichuan Basin；space auto-correlation；spatial hot spot detection；geographical detector

X511

A

1000-6923(2022)02-0528-11

王安怡(1998-),男,浙江省嘉興人,成都信息工程大學(xué)碩士研究生.主要從事大氣環(huán)境相關(guān)研究.

2021-06-28

成都市科技計(jì)劃項(xiàng)目(2019-YF05-00718-SN);國(guó)家自然科學(xué)基金資助項(xiàng)目(41771535);國(guó)家重點(diǎn)研發(fā)計(jì)劃(2018YFC0214001);四川省重大科技專(zhuān)項(xiàng)(2018SZDZX0023);四川省教育廳理科重點(diǎn)項(xiàng)目(18ZA0086)

* 責(zé)任作者, 講師, kangping@cuit.edu.cn