中國城市綠地的區域差異及其對PM2.5的消減作用*

王澤發 陳 靜 劉庭風

1 天津大學建筑學院 天津 300072

2 泉州師范學院資源與環境科學學院 福建泉州 362000

3 福建師范大學地理科學學院 福州 350007

空氣污染作為當前全球面臨的重要環境問題之一,已經引起世界各國的重視。中國快速工業化和城鎮化過程中,以細顆粒物(PM2.5)為主的城市空氣污染同樣嚴峻。2013年全球PM2.5濃度年均超出35 μg·m-3的45個大城市中,中國占了17個[1]。對我國1999—2011年年均PM2.5濃度分析發現,最高的區域主要位于我國中部和東部地區,其中污染最為嚴重的地區分布在河北南部、河南北部和山東西部[2-3]。2015年,全球因PM2.5暴露造成的死亡人數達420萬人,占全球死亡人數的7.6%[4]。生態環境部發布的2019年全國生態環境質量簡況中指出,2019年中國年均PM2.5濃度為36 μg·m-3,是世界衛生組織標準的3.6倍,PM2.5濃度過高已經嚴重影響公共健康?；诖?研究如何消減和治理PM2.5濃度,對于建設健康中國至關重要。

當前,關于PM2.5濃度的研究主要集中在PM2.5濃度的測度、源解析、時空特征、影響因素等多個方面,其中,影響因素的研究主要涉及自然因素和社會經濟因素。自然因素主要聚焦于相對濕度、溫度、風速、降水量等要素與PM2.5濃度的作用關系[5-6],如發現相對濕度越大越不利于PM2.5濃度的消減[7],而風速和降水量卻對PM2.5濃度具有很好的抑制作用[8-9]。相比自然因素,城市化過程中人口變化、經濟增長、城市率、產業結構、技術進步、道路密度、能源消費、土地利用變化等社會經濟因素對PM2.5濃度的影響研究成果更為豐富:人口規模和人口密度對PM2.5濃度具有顯著的正向影響[10]；城市經濟增長與PM2.5濃度之間則存在明顯的環境EKC曲線[11]；城市化率對PM2.5濃度的影響相對復雜,兩者之間并非簡單的線性關系[12]；產業結構對PM2.5濃度的影響比較明確,第二產業比重的增加可明顯加速PM2.5濃度的升高[13]；技術進步則可通過提高能源的使用效率和治理技術降低PM2.5濃度[14-15]；道路密度和能源消費通過化學燃料的消耗可以加速PM2.5濃度的升高[16]；土地利用結構變化,甚至民主化程度等因素也會對PM2.5濃度產生影響[17]。此外,聚焦城市綠地對PM2.5濃度影響的研究較少,但城市綠地作為“匯”的功能,對PM2.5濃度消減作用已經有所體現[18],如有學者發現森林覆蓋率和道路綠地對PM2.5濃度具有積極的消減作用[19-20],綠地在一定程度上有利于PM2.5濃度的消減[21]。

已有關注城市綠地對PM2.5濃度影響的研究,案例地多為單個城市,數據主要來源于監測站獲取的PM2.5濃度數據,且研究時段多為1年或1個月,使用長時段遙感數據探究全國不同區域城市綠地對PM2.5濃度影響的研究則較為缺乏?；诖?本文借助遙感數據,深入探究2005—2015年中國不同區域的城市的綠地系統對PM2.5濃度作用強度的差異,以期從城市綠地的視角對PM2.5濃度消減政策的制定提供參考。

1 研究區概況和數據來源

選取中國大陸東北經濟區(34個)、東部經濟區(87個)、中部經濟區(79個)和西部經濟區(76個)四大經濟區內的共計276個地級及以上城市作為基本研究單元。

數據主要包括細顆粒物和城市綠地兩類。細顆粒物主要使用276個城市的年均PM2.5濃度表示,該數據主要來源于大氣成分分析組織(ACAG)[22],數據為分辨率0.01°×0.01°的高精度柵格數據。城市綠地主要使用城市綠地面積(GS)、公園綠地面積(GGS)、人均綠地面積(PGS)、建成區綠地覆蓋面積(BGS)和建成區綠地覆蓋率(BGR)5個指標進行詮釋,數據主要來源于《中國區域經濟統計年鑒》(2006—2016年)和《中國城市統計年鑒》(2006—2016年)。

2 研究方法

2.1 變異系數和標準差

借助標準差和變異系數分析因變量和自變量區域差異的時序特征,其中,絕對指標反映區域各變量具體數值的不平衡程度,即區域間的絕對差異,主要使用標準差進行衡量；而對區域差異相對不平衡程度的探討,則使用變異系數指標進行衡量。

式(1)和式(2)中:n為市級單元總數；Vi為第i市級單元某年份的PM2.5年均濃度；ˉV為某年份所有市級單元PM2.5年均濃度的均值。

2.2 面板回歸模型

面板數據模型可以更好地控制個體的異質性,減少變量之間的共線性問題,增加自由度,提高估計系數的穩定性和可靠性[23]。因此用面板數據模型來衡量城市綠地對PM2.5濃度的影響。

式(3)中:PMit為城市i在t時間PM2.5的年均濃度；α0為截距；α1-α5為各自變量系數；φk(k＝1,…,5)為控制變量的截距；GS為城市綠地面積(km2)；GGS代表公園綠地面積(km2)；PGS表示人均綠地面積(m2)；BGS為建成區綠地覆蓋面積(km2)；BGR建成區綠地覆蓋率(%)；εit為隨機誤差。

2.3 數據處理

探究影響因素的面板數據模型結果主要使用R語言軟件獲得。為了避免自變量之間存在相互影響,首先,對各城市綠地指標進行多重共線性檢驗,排除在回歸中由于自變量的相互影響而導致的回歸結果失真現象；其次,分別在R語言軟件中進行固定效應模型和隨機效應模型的回歸結果運算；最后,借助Hausman檢驗結果,選擇合適的模型進行估計結果的解釋。

3 結果與分析

3.1 中國城市綠地區域差異的時空特征

3.1.1 時間差異

如圖1所示,不同區域內部PM2.5濃度在2005—2015年絕對差異明顯,其中東部經濟區內部的絕對差異一直高于其他經濟區,而在西部經濟區內部則不斷下降(圖1A)。東部經濟區的城市綠地面積、公園綠地面積、建成區綠地覆蓋面積相對其他經濟區絕對差異較高,且這種差異在持續加劇(圖1B、圖1C、圖1E)；人均綠地面積、建成區綠地覆蓋率兩個指隨著城市對生態環境質量的重視,區域間的絕對差異不斷縮小(圖1D、圖1F),但個別區域自身內部的差異則不斷加劇,如東北經濟區標準差從2005年的18.7增至2015年的44.5(圖1D)。

圖1 全國及四大經濟區各指標的標準差(2005—2015年)

從表1可知,PM2.5濃度在不同區域之間的相對差異在拉大,尤其是東部與西部經濟區在2005—2015年差距更為明顯。與此對應,在城市綠地指標中,尤其是公園綠地面積在2005—2015年東部和西部經濟區間的相對差異,隨著東部經濟區的下降和西部經濟區的增加變得更大；而其他城市綠地指標在各經濟區之間相對差異則在不斷縮小。

表1 2005—2015年各指標變異系數

3.1.2 空間差異

如表2所示,本文選取的276個城市中,2005年,有176個城市的年均PM2.5濃度超出國家二級標準(年均PM2.5濃度35 μg·m-3)；2010年為190個城市；至2015年,仍有150個城市超出該標準,超出國家二級標準的城市數量呈現倒“U”型。比較四大經濟區發現,除東北部經濟區外,其他三大經濟區城市占比10年間均有所下降,尤其是西部經濟區下降最為明顯,其次是東部經濟區和中部經濟區。中部經濟區雖有所下降,但超出國家二級標準的城市仍過半。

表2 2005—2015年四大經濟區年均PM2.5濃度高于35 μg·m-3的城市數量 個

根據四大經濟區的城市綠地各指標統計結果(表3):2005—2015年,東北部經濟區各指標值超出平均值的城市除了建成區綠地覆蓋率外均在不斷減少；東部經濟區各城市綠地指標10年間則有增加,尤其是建成區綠地覆蓋率增加最為明顯,超出平均值的城市數量占比從2005年的33.3%增加至2015年的61.0%；中部經濟區除綠地面積(2005年超過平均值的城市數量占比30.4%,2015年為32.9%)和建成區綠地覆蓋率(2005年為53.2%,2015年為54.4%)兩個指標呈現波動上升外,其余指標超過平均值的城市數量均呈現波動下降；西部經濟區與東北經濟區類似,2005—2015年僅城市建成區綠地覆蓋率超出平均值的城市數量有所增加(2005年為47.4%,2015年為69.7%),其他各指標均呈現波動下降。

表3 2005—2015年四大經濟區各指標值超過均值的城市數量占比 %

3.2 中國城市綠地對細顆粒物的消減作用

以PM2.5濃度為因變量、以5個表征城市綠地的指標為自變量分別對全國,東北、東部、中部、西部四大經濟區進行面板回歸分析,基于Housman檢驗結果,除東北經濟區使用固定效應回歸模型之外,其余4個面板數據均使用隨機效應模型。如表4所示,所有綠地指標在各面板模型中對PM2.5濃度的影響均呈負相關,表明綠地對PM2.5濃度存在“匯”的功能,其中建成區綠地覆蓋面積和建成區綠地覆蓋率對PM2.5濃度的影響顯著(P＜0.05),即增加建成區綠地面積和覆蓋率可以有效抑制PM2.5濃度；東北和中部經濟區人均綠地面積對PM2.5濃度的影響也顯著(P＜0.01),即提高人均綠地面積可以顯著降低PM2.5濃度；城市綠地面積和公園綠地面積對PM2.5濃度的影響不顯著,即對PM2.5濃度可能存在潛在的抑制作用。

表4 面板數據模型估計

4 討論

2005—2015年中國東部經濟區PM2.5濃度最高,可能是由于其建設用地面積高于其他三大經濟區,且僅2010—2015年建用地供給規模達11 047 km2,新增建設用地中又以“工礦倉儲用地”占比最高[24],而第二產業比重對PM2.5濃度的加速作用已得到大量文獻證實[25-28]。西部經濟區PM2.5濃度的下降與國家“西部大開發戰略”“援疆”等政策有關,資金和技術的涌入,提高了西部城市能源利用效率和環境治理能力,PM2.5濃度10年間有所改善。中部經濟區PM2.5濃度高于東北經濟區,其中建設用地總體供給可以作為佐證之一,如2010—2015年中部經濟區建設用地供給規模是東北經濟區的2.7倍[24]。

2005—2015年中國四大經濟區綠地指標變化顯示,建成區綠地覆蓋率演變與各經濟區PM2.5濃度的演變恰好對應,尤其是中部、東北和東部經濟區。這是因為建成區作為城市人口密集的區域,PM2.5濃度的人為貢獻又高達83%[29],所以建成區綠地覆蓋率的增加,可以有效吸附因高密度的人類活動所產生的細顆粒物,如有研究證明,林地面積占比越大,越有利于抑制PM2.5濃度[30]。

城市綠地可以通過影響地表土質、地下水容量、風速等影響城市大氣環境和小氣候,進而影響空氣中PM2.5濃度。已有研究證明,不同類型城市綠地可有效緩解PM2.5濃度[31-32],不同綠地形態對PM2.5濃度也產生影響[21],但現有研究多聚焦于一個城市或更小區域,從全國尺度出發探究區域之間差異的研究較少。由于不同城市和區域之間PM2.5污染來源存在差異,因此本文從區域差異角度切入,全面甄別城市綠地指標在四大經濟區的作用方向和強度?；貧w結果表明,城市綠地各指標對PM2.5濃度具有消減作用,但影響能力有限,因此,政府在增加建成區綠地面積的同時,還需要注重產業結構、道路路網、新能源汽車等的調整、優化和推廣,以此達到優化城市空氣質量的目的。

5 結論

1)2005—2015年中國PM2.5濃度整體呈波動上升趨勢,區域差異明顯。四大經濟區之間絕對差異和相對差異比較穩定,其中,絕對差異方面東部經濟區10年間一直穩居四大經濟區之首,具體為東部＞中部＞東北＞西部經濟區；相對差異方面四大經濟區之間相對穩定,但西部經濟區內部城市由于超出國家二級標準城市數量的下降,城市之間PM2.5濃度在10年間差異有所擴大。

2)城市綠地5個指標的時空差異顯著。首先,2005—2015年中國城市綠地面積、公園綠地面積、建成區綠地覆蓋面積3個指標無論在區域內部還是四個經濟區之間的絕對差異均在不斷加劇,尤其是東部經濟區和中部經濟區之間；其次,2005—2015年東北部經濟區各指標超出平均值城市占比除建成區綠地覆蓋率外均有所下降,建成區綠地覆蓋率在四大經濟區則均不斷提高,尤其是在東部和西部經濟區。

3)城市綠地與PM2.5濃度之間存在明顯的區域差異。對于PM2.5濃度,人均綠地面積僅在東北和中部經濟區呈現顯著負相關,且對PM2.5濃度的消減力度在東北部經濟區明顯高于中部經濟區；建成區綠地覆蓋面積和建成區綠地覆蓋率兩個指標在不同面板中的作用強度存在差異,其中建成區綠地覆蓋面積的消減強度從高到低為:中部＞東北＞西部＞東部經濟區,建成區綠地覆蓋率對PM2.5濃度的抑制作用從高到底為:中部＞西部＞東北＞東部經濟區。