渭河流域PM2.5時空演化及人口暴露風險

董潔芳，鄧椿，張仲伍

1. 運城學院黃河文化生態(tài)研究院/運城學院文化旅游系，山西 運城 044000；2. 西北大學城市與環(huán)境學院，陜西 西安 710127；2. 山西師范大學地理科學學院，山西 太原 030000

改革開放以來，中國工業(yè)化進程明顯加快。伴隨著經濟持續(xù)增長，大氣污染問題日益突出（Xu et al.，2020；郭雯雯等，2020）。近年來，霧霾等重污染天氣頻發(fā)，給公眾健康造成了極大威脅，使經濟高質量發(fā)展面臨巨大挑戰(zhàn)（謝楊等，2016）。研究表明，2010 年全球因長時間暴露于超標PM2.5空氣環(huán)境而死亡人口超320 萬人（Yan et al.，2022），中國因空氣污染而誘發(fā)死亡人數高達125 萬人（Han et al.，2015；Liu et al.，2020）。十三五、十四五期間，國家相繼出臺一系列環(huán)境保護法律法規(guī)，同時多措并舉推動產業(yè)結構優(yōu)化升級，促使中國PM2.5濃度明顯下降。但由于中國目前采取的是2005 年World Health Organization 提出的PM2.5第一過渡期的及格標準（35 μg·m?3），環(huán)境污染與人體健康的矛盾在短期內依然比較突出（張亮林等，2020）。因此，探討PM2.5時空變化特征及人口暴露風險，對于環(huán)境風險評價及人居環(huán)境改善研究以及國家環(huán)保部門制定針對性的空氣污染防控政策均具有重要意義。

國內外學者對PM2.5時空演化開展廣泛而深入的研究（Beckerman et al.，2013；Gao et al.，2015；Yang et al.，2015；Zhang et al.，2020），呈現出數據來源多元化、研究尺度綜合化，研究方法多樣化的趨勢。研究所用數據來源主要為遙感數據（Donkelaar et al.，2011）和地面空氣質量檢測數據（周亮等，2017）兩種。研究尺度包含全國尺度（肖嘉玉等，2021）、區(qū)域尺度（宓科娜等，2018）、省域尺度（趙輝等，2020；廖林渲等，2022）以及城市尺度（柯釗躍等，2011；林金煌等，2020）等。研究方法有時空數據可視化、空間自相關、時空過程建模法、地理探測器等。具體到PM2.5人口暴露風險的研究，學者們研究集中在暴露風險的污染來源、演化路徑、政策制定等方面（慕航等，2021）。研究對象以老人、兒童以及特殊職業(yè)群體為主，且研究主要利用調查問卷以及個體追蹤。如鄧芙蓉等（2009）利用監(jiān)測數據、活動日記等資料，以北京某城區(qū)兒童為對象，探究了PM2.5個體暴露水平及影響因素。同樣基于監(jiān)測及跟蹤調查數據，柯釗躍等（2011）對廣州市學齡兒童在校期間PM2.5暴露水平進行評價。王釗等（2013）對天津某社區(qū)101 位老年人PM2.5暴露痕量元素展開研究。近年來，隨著研究的不斷深入，大區(qū)域、大規(guī)模的群體暴露度研究逐漸涌現。如張亮林等（2021）對全球及中國PM2.5人口暴露風險的探究，肖嘉玉等（2021）對中國城市空氣污染的人口暴露風險的研究，黃曉軍等（2020）對關中地區(qū)PM2.5人口暴露風險的探討等。總體來說，當前PM2.5人口暴露風險的評價尺度比較微觀，宏觀尺度的研究比較缺乏。而且多數研究利用地面監(jiān)測數據作為PM2.5的數據基礎，而這類數據由于空間上分布不均勻，存在監(jiān)測盲區(qū)，影響大區(qū)域研究的連續(xù)性。基于遙感數據研究流域尺度的PM2.5人口暴露風險的案例較少。

渭河流域是西北地區(qū)重要灌溉農業(yè)和旱作農業(yè)區(qū)，也是全國重要的工業(yè)基地。伴隨著經濟的快速增長，空氣污染問題日益凸顯，給該區(qū)域社會經濟發(fā)展和居民身體健康帶來極大危害。基于此，以渭河流域作為研究區(qū)域，利用PM2.5遙感反演數據和人口格網分布數據，構建檢驗模型，識別長時間序列人口暴露風險指數變化規(guī)律，并利用空間分析工具揭示該區(qū)域PM2.5污染及人口暴露風險的時間演化和空間分布特征。

1 材料與方法

1.1 研究區(qū)域

渭河流域位于黃土高原東南地區(qū)，處于106°18′－110°37′E，33°42′－37°20′N 之間，地勢西高東低，可分為西部黃土丘陵溝壑區(qū)和東部關中平原區(qū)。南有東西走向的秦嶺橫亙，北有六盤山屏障（陳登帥等，2018；徐宗學等，2021）。渭河主要流經甘肅省的定西市、平涼市、慶陽市、天水市，寧夏回族自治區(qū)的固原市，以及陜西省的寶雞市、楊凌示范區(qū)、咸陽市、西安市、渭南市、榆林市、延安市、銅川市等13 市（區(qū)）。該區(qū)域是國家重要工業(yè)基地，也是國家級城市群和國家級經濟區(qū)（關中－天水）的核心區(qū)域。近年來，隨著經濟的快速發(fā)展，渭河流域PM2.5污染嚴重，尤其是關中平原，該區(qū)域2017年被列為全國大氣污染重點防控區(qū)。

1.2 數據來源與處理

1.2.1 PM2.5質量濃度數據

PM2.5質量濃度數據來源于國家科技基礎條件平臺—— 國家地球系統(tǒng)科學數據中心（http://www.geodata.cn）。該數據集基于CNEMC（http://www.cnemc.cn）、MODIS series products（https://search.earthdata.nasa.gov/）MEIC emission product（http://www.meicmodel.org/index.html）、SRTM （ http://srtm.csi.cgiar.org/ ）、 LandScanTM（https://landscan.ornl.gov/）的原始數據，利用時空—極端隨機樹模型，基于模式資料填補了衛(wèi)星MODIS MAIACAOD 產品的空間缺失值，結合地基觀測、大氣再分析和排放清單等大數據生產得到全國空間分辨率為1km 無縫隙地面PM2.5數據（Wei et al.，2019）。該數據十折交叉驗證決定系數r2為0.9，均方根誤差RMSE 為10.8 μg·m?3，數據精度可靠。

1.2.2 人口數據

為了克服統(tǒng)計數據的缺陷，本研究采用LandScan 全球人口格網數據（https://landscan.ornl.gov），該數據是目前精度最高的人口格網數據，已廣泛應用于城市擴張（劉修巖等，2016；董海燕等，2022）、人口分布（林丹淳等，2020）等方面研究。時間序列為2000－2020 年，空間分辨率為1 km。

1.2.3 行政邊界數據

本研究共涉及渭河流域的13 市84 縣（區(qū)）行政邊界矢量數據。數據獲取自國家基礎地理信息中心（http://www.ngcc.cn/ngcc/）。

1.3 研究方法

1.3.1 人口暴露風險指數

現有分析模型無法直接區(qū)分某空間子單元內人口空氣污染暴露相對于空間單元整體的嚴重程度（鄒濱等，2013；李佳雯，2020）。為了更加科學地測算渭河流域人口暴露風險程度，本文采用鄒濱等（2013）提出的方法，公式為：

式中：

i——網格編號；

Ri——渭河流域第i個格網的人口暴露風險指數；

Pi——格網i的人口數；

ci——格網i內的污染濃度值；

n——渭河流域的總網格數。

1.3.2 基于像元的Theil-Sen Median 趨勢分析與Mann-Kendall 檢驗

Theil-Sen Median 對數據誤差具有較強的抵抗能力，是一種穩(wěn)健的非參統(tǒng)計方法（黃曉軍等，2020）。因此，本文采用此方法分析像元尺度PM2.5質量濃度和人口暴露風險長時間序列的變化趨勢。其計算公式如下：

式中：

β——擬合方程的斜率，當β<0 時，表示研究值呈下降趨勢；當β>0 時，則為增加趨勢。

xi和xj——PM2.5質量濃度或人口暴露風險指數第i年和第j年的對應值。

Mann-Kendall 方法適用于長時間序列數據的趨勢顯著性檢驗，廣泛地應用于水文（周旗等，2020）、氣象（張音等，2019）時間序列趨勢分析和變異檢驗中，且該方法已被使用檢驗人口暴露風險時間序列趨勢的顯著性（郝永佩等，2022）。本文采用此方法檢驗PM2.5質量濃度以及人口暴露風險時間序列趨勢變化的顯著性。公式如下：

設定一組時間序列{Xi}，i=2000, 2001, …, 2020，其標準化的檢驗統(tǒng)計量公式為：

其中：

式中：

Z——檢驗統(tǒng)計量；

xi和xj——像元第i和j年的渭河流域像元值；

n——18；

sgn(W)——符號函數。采用雙邊趨勢檢驗，在給定顯著性水平α下，當|Z|>u1?α/2時，表明在α水平上存在顯著變化，反之，則不顯著。本文取α=0.05，表示趨勢通過了信度為95%的顯著性檢驗。Mann-Kendall檢驗趨勢顯著性類別（徐建華，2017）見表1。

表1 Mann-Kendall 檢驗趨勢顯著性類別Table 1 Mann-Kendall test trend categories

1.3.3 全局空間自相關

對渭河流域行政單元構建泰森多邊形，采用全局自相關模型，從縣級尺度描述PM2.5質量濃度和人口暴露風險的整體分布狀況，以判斷研究要素在空間上是否存在集聚性（楊晴青等，2019；么相姝等，2021）。一般采用Global Moran’sI指數，計算公式如下：

式中：

xi和xj——縣域單元i和j的研究值；

n——空間單元數量；

Wij——空間權重矩陣，采用Rook 臨界標準定義；

——x的平均值。

1.3.4 局部空間自相關

局部空間自相關度量局部空間單元相對于整體研究范圍空間自相關的影響程度（黃小剛等，2020），本文采用局部Moran’sIi指數來判斷PM2.5質量濃度和人口暴露風險在局部空間自相關程度。計算公式為：

式中：

xi和xj——地理空間單元（泰森多邊形）的PM2.5質量濃度和人口暴露風險指數；

n——空間單元個數；

Wij——空間權重矩陣，采用Rook 鄰接標準定義。

2 結果與分析

2.1 渭河流域PM2.5時空演化

2.1.1 渭河流域PM2.5時序變化

2000－2020 年PM2.5質量濃度年均變化呈先上升后下降的趨勢，年均質量濃度為47.2 μg·m?3，最低值為2020 年的31.8 μg·m?3，最高值為2013 年的57.6 μg·m?3。為了揭示PM2.5超標區(qū)域面積變化特征，據世衛(wèi)組織2005 年空氣質量目標值及《環(huán)境空氣質量指數 (AQI) 技術規(guī)定(試行)》（HJ 633—2012）（中華人民共和國環(huán)境保護部，2012）中規(guī)定（PM2.5年均濃度一級和二級限值分別為15 μg·m?3和35 μg·m?3，對應空氣質量分別為優(yōu)和良，超過35 μg·m?3為超標)。將PM2.5年均質量濃度值劃分為[0, 15)、[15, 25)、[25, 35)、[35, 45)、[45, 55)、[55, 65)、[65, +∞)共7 個區(qū)間，并測算了7 個區(qū)間面積占比（圖1）。從PM2.5年均質量濃度值超標（>35 μg·m?3）面積占比分析，由圖1 可見，以2015 年為拐點，可分為兩個階段。第一階段（2000－2014 年），此階段PM2.5年均質量濃度值超標的柵格比例一直維持在95%以上，只有2000、2003、2004 年包含質量濃度值在25－35 μg·m?3范圍的柵格區(qū)域，面積占比依次為0.2%、0.0%、0.2%。第二階段（2015－2020 年），此階段PM2.5年均質量濃度值超標（>35 μg·m?3）的柵格比例逐年下降，由2015 年的96.4%下降為2020 年的22.1%，尤其是2019 年和2020 年空氣質量出現15－25 μg·m?3范圍的柵格區(qū)域，其占比分別為1.4%、13.0%，但一直未達到空氣質量優(yōu)的標準（<15 μg·m?3）。

圖1 2000－2020 年渭河流域PM2.5質量濃度分區(qū)間面積占比Figure 1 Area proportion of PM2.5 concentration in Weihe River Basin from 2000 to 2020

為了進一步探究渭河流域PM2.5質量濃度的長期變化趨勢，依據表1，把渭河流域PM2.5年均質量濃度變化趨勢進行分類（圖2）。由圖2 可知，（1）總體上，渭河流域PM2.5濃度長期變化趨勢以不顯著減少為主，但已出現極顯著減少、顯著減少、微顯著減少區(qū)域，說明渭河流域PM2.5污染情況呈現好轉趨勢。（2）渭河流域中上游出現顯著減少趨勢，其中，流域上游出現顯著減少、微顯著減少區(qū)域；流域中游（涇河和北洛河的上游）出現明顯的減少趨勢，包含極顯著減少、顯著減少、微顯著減少區(qū)域。（3）從流經城市來看，出現顯著減少、微顯著減少的城市主要是定西市、天水市、固原市、慶陽市、榆林市和延安市，其他城市為無顯著增加和無顯著減少類型。

圖2 2000－2020 年渭河流域PM2.5質量濃度變化趨勢Figure 2 Trends of PM2.5 concentration by types in the Weihe River basin from 2000 to 2020

2.1.2 渭河流域PM2.5空間格局

采用ArcGIS10.8 軟件，將渭河流域PM2.5年均質量濃度值分為7 個區(qū)間并進行空間可視化呈現。限于篇幅所限，選擇間隔期為5 年以展示該研究區(qū)PM2.5年均質量濃度空間分布格局（圖3）。（1）從總體來看，渭河流域PM2.5年均質量濃度值空間分布呈東高西低特征。（2）從高值分布區(qū)域來看（PM2.5年均質量濃度>35 μg·m?3），2000、2005、2010 年空間分布格局大體類似，幾乎所有區(qū)域PM2.5年均質量濃度值均大于35 μg·m?3，最高值（PM2.5年均質量濃度>65 μg·m?3）區(qū)域主要集中西安市、咸陽市和渭南市。（3）2015 年和2020 年空氣質量均出現為良（PM2.5年均質量濃度<35 μg·m?3）的區(qū)域，且范圍明顯擴大，由2015 年天水市擴展為2020 年的定西市、平涼市、慶陽市、天水市，固原市、榆林市、延安市全部區(qū)域，以及寶雞市、楊凌示范區(qū)、咸陽市、西安市、渭南市、銅川市的部分區(qū)域。

圖3 2000－2020 年渭河流域PM2.5質量濃度空間分布Figure 3 Spatial distribution of PM2.5 annual concentration in the Weihe River basin from 2000 to 2020

對2000－2020 年渭河流域PM2.5年均質量濃度值進行全局空間自相關檢驗，計算得出歷年PM2.5年均質量濃度在空間上呈現出顯著的正自相關，空間集聚特征明顯。進一步對2000、2005、2010、2015、2020 年PM2.5年均質量濃度進行局部空間自相關分析（圖4），結果發(fā)現：渭河流域PM2.5年均質量濃度值呈現十分顯著的局部空間正相關。PM2.5年均質量濃度值存在3 種空間關聯(lián)模式，即H-H、L-L 空間集聚類型，L-H 空間離群類型。H-H 型指高-高集聚型，主要集中在流域下游，包含咸陽市、西安市、渭南市的大部分縣（區(qū)），范圍變化不大。該區(qū)域處于渭河盆地的中心地區(qū)，地勢較低且城市集中，污染物容易集聚。L-L 型指低-低集聚型，主要分布在中上游地區(qū)，包含定西市、天水市、平涼市、固原市、延安市、榆林市、慶陽市。L-H 型指PM2.5年均質量濃度低值單元被高值單元包圍。分布于下游地區(qū)，主要包含鄠邑區(qū)、藍田縣和耀州區(qū)。

圖4 2000－2020 年渭河流域區(qū)PM2.5質量濃度空間集聚圖Figure 4 Spatial clusters of PM2.5 annual concentration in the Weihe River basin from 2000 to 2020

2.2 渭河流域PM2.5人口暴露風險時空格局

2.2.1 時間演化特征

運用ArcGIS 10.8 軟件，分別統(tǒng)計2000－2020年PM2.5年均質量濃度值劃分7 個區(qū)間的人口暴露數量，并可視化其占比（圖5）。由圖5 可知，（1）渭河流域PM2.5人口暴露風險總體呈現減少趨勢，但歷年暴露于35 μg·m?3以上人數占比均值高達96.2%。除2019、2020 年，其余年份均有90%以上人口暴露于35 μg·m?3以上。（2）2000－2014 年為高暴露階段，除2000、2004 年外，其余年份均為100%人口暴露于PM2.5超標濃度區(qū)域。（3）2015－2020 年空氣質量逐年好轉。自2015 年，人口暴露于PM2.5濃度值（25－35 μg·m?3）的面積占比逐年提升，由2015 年的0.7%上升為2020 年的25.9%。2020 年渭河流域出現了PM2.5濃度值在15－25 ug·m?3的區(qū)域，人口占比為7.2%，且大于65 μg·m?3的區(qū)域消失。表明渭河流域空氣質量明顯改善。

圖5 2000－2020 年渭河流域PM2.5質量濃度分區(qū)間人口暴露數量占比Figure 5 The proportion of the population exposure risk to PM2.5 concentrations in the Weihe River basin from 2000 to 2020

為直接區(qū)分某空間子單元內人口空氣污染暴露相對于空間單元整體的嚴重程度，借鑒已有文獻（李佳雯，2020），根據公式 (1) 測算渭河流域空間子單元內人口空氣污染暴露相對于空間單元整體的嚴重程度。為了便于分析，參考已有文獻（張西雅等，2018），將人口暴露風險劃分為6 個區(qū)間，分別為Ri=0、05，依次對應等級為極低風險、低風險、較低風險、較高風險、高風險和極高風險。統(tǒng)計人口暴露風險6個等級區(qū)域面積占比，得出高風險Ri>3 的區(qū)域呈明顯下降趨勢（圖6），從2000 年的20.6%下降為2020 年的17.1%。

圖6 2000－2020 年渭河流域人口暴露高等級風險區(qū)面積占比趨勢Figure 6 Trend of area proportion of population exposure high-level risk to PM2.5 in the Weihe River basin from 2000 to 2020

采用Theil-Sen Median 和Mann Kendall 方法，將β值|Z|值進行疊加，探究渭河流域PM2.5人口暴露風險指數的長期變化趨勢。依據表1，將渭河流域PM2.5人口暴露風險指數變化趨勢進行分類（圖7）。結果顯示渭河流域PM2.5人口暴露風險指數存在顯著變化趨勢，顯著減少的區(qū)域占比高，顯著增加區(qū)域占比低。定西市、天水市、平涼市、固原市、慶陽市等區(qū)域PM2.5人口暴露風險呈現減少趨勢；寶雞市、咸陽市、西安市、銅川市、渭南市等區(qū)域呈現增加趨勢。

圖7 2000－2020 年渭河流域PM2.5人口風險暴露指數線性變化趨勢Figure 7 Trend of population exposure risk to PM2.5 by type in the Weihe River basin from2000 to 2020

2.2.2 PM2.5人口暴露風險的空間格局

將渭河流域2000－2020 年及多年平均值的PM2.5人口暴露風險劃分為6 個區(qū)間并進行空間可視化呈現，限于篇幅所限，選擇間隔期為5 年，以展示該研究區(qū)2000－2020 年人口暴露風險指數空間分布格局（圖8）。分析可知，（1）渭河流域PM2.5人口暴露風險等級空間格局較相似，呈現東高西低的特征。（2）較高風險（25）主要分布在下游城市建成區(qū)，以西安市、咸陽市、寶雞市、渭南市最為凸顯。（3）低風險（0

圖8 2000－2020 年渭河流域PM2.5人口暴露風險等級空間格局Figure 8 Spatial pattern of population exposure risk to PM2.5 in the Weihe River basin from 2000 to 2020

2000－2020 年渭河流域PM2.5人口暴露風險指數的空間相關性分析結果發(fā)現，（1）歷年全局Moran’sI指數均為正值，且在1%水平下顯著，這說明渭河流域PM2.5人口暴露風險指數在空間分布上具有明顯的正相關關系，PM2.5人口暴露風險指數高值與高值集聚，低值與低值相鄰。（2）測算了2000、2005、2010、2015 和2020 年渭河流域PM2.5人口暴露風險指數局部空間集聚特征，如圖9 所示。局部空間自相關存在H-H、L-L 空間集聚類型，LH 空間離群類型等3 種空間關聯(lián)模式，且局部空間自相關格局基本相似。（3）H-H 型空間分布呈團聚狀，且范圍變化不大，主要集中在渭城區(qū)、秦都區(qū)、未央區(qū)、蓮湖區(qū)、灞橋區(qū)、雁塔區(qū)等區(qū)域。這些區(qū)域是渭河流域人口最密集的城市建成區(qū)，地勢平坦，污染氣體排放量大且不易擴散，人口長期暴露在高風險區(qū)域內。L-L 型主要分布在流域中上游地區(qū)，包含定西市、天水市、平涼市、固原市、延安市、榆林市、慶陽市等區(qū)域。這與渭河上游海拔較高，通風系數高，且社會經濟能源消耗小，污染排放量少有關。

圖9 2000－2020 年渭河流域PM2.5人口暴露風險局部空間集聚類型Figure 9 Spatial clusters of population exposure risk to PM2.5 n the Weihe River basin from 2000 to 2020

3 討論

評價PM2.5人口暴露風險對于改善人體健康效應和環(huán)境風險評價等意義重大。相較于傳統(tǒng)研究依賴環(huán)境監(jiān)測站點數據和人口普查數據（柯釗躍等，2011；宓科娜等，2018；趙輝等，2020），本文采用高分辨率空間連續(xù)PM2.5數據和人口密度數據，借助改進的人口暴露風險模型，測算渭河流域人口暴露于PM2.5污染的相對風險程度，全面揭示了渭河流域PM2.5質量濃度值和人口暴露風險指數時空變化特征。這對于評價國家《大氣污染防治行動計劃》政策實施效果具有重要意義，也對渭河流域協(xié)同制定生態(tài)保護和經濟高質量發(fā)展政策具有較好參考作用。

研究發(fā)現，2000－2020 年間渭河流域PM2.5年均質量濃度自2013 年后呈現明顯下降趨勢，由57.6 μg·m?3下降至2020 年31.8 μg·m?3，年均下降速度為8.1%。圖1 顯示，2015 年后，渭河流域PM2.5年均質量濃度大于35 μg·m?3以上的面積明顯減少，空氣質量提升明顯。趨勢顯著性檢驗發(fā)現（圖2），2000－2020 年間渭河流域PM2.5濃度極顯著減少、顯著減少、微顯著減少等類型區(qū)域面積占比逐步上升，同樣表明渭河流域PM2.5污染情況呈現好轉趨勢。從區(qū)域分布來看，渭河流域PM2.5年均質量濃度高值區(qū)域主要集中在流域下游陜西省關中盆地，包含渭城區(qū)、秦都區(qū)、未央區(qū)、蓮湖區(qū)、灞橋區(qū)、雁塔區(qū)等區(qū)域。這是由兩方面原因造成。一方面，渭河下游地處秦巴山地和陜北黃土高原之間，地形條件不利于空氣擴散，冬季易形成逆溫天氣，更使得PM2.5等污染物易聚難散（黃曉軍等，2020）；另一方面，該區(qū)域人口密度較大、城鎮(zhèn)化率高、工業(yè)比重高，導致污染排放量大。這一研究結論與已有研究（黃曉軍等，2020；王睿哲，2021；郝永佩等，2022）基本一致。相較而言，地勢較高的寧夏六盤山地區(qū)、陜西秦嶺山脈一帶PM2.5年均質量濃度明顯較低。

研究時段內，渭河流域PM2.5人口暴露風險較大，歷年暴露于35 μg·m?3以上人數占比均值高達96.2%。從圖5 中可知，2000－2014 年為高暴露階段，之后暴露風險等級顯著降低。人口暴露于較低PM2.5濃度值25－35 μg·m?3間的人數占比由2015年的0.7%上升為2020 年的25.9%。圖6 及圖7 進一步表明人口暴露風險指數Ri>3 的區(qū)域自2000 年的20.6%下降為2020 年的17.1%。暴露風險顯著減少的區(qū)域主要為甘肅定西市、平涼市以及寧夏固原市。相反，陜西省西安市、渭南市、咸陽市等區(qū)域人口暴露風險等級持續(xù)較高。這主要由自然及人文兩方面因素共同作用導致。其中，關中平原城鎮(zhèn)化的持續(xù)推動是造成渭河谷地人口聚集，從而導致人口暴露風險增高的重要原因之一。

空間自相關分析表明，渭河流域PM2.5年均質量濃度及PM2.5人口暴露風險指數在空間分布上具有明顯的局部集聚特征，且兩者高值區(qū)與低值區(qū)在空間上高度吻合。這說明兩點，第一，人口密集區(qū)域同樣也是PM2.5年均質量濃度較高區(qū)域。第二，空氣污染邊界模糊，存在明顯“空間溢出”效應。以上發(fā)現對空氣污染治理具有一定啟示。人口集聚導致能源消費增加，如汽車尾氣排放、冬季取暖及建筑工程的污染等均會導致PM2.5質量濃度上升，因此PM2.5污染治理重點為人口聚集區(qū)。由于空氣污染存在明顯的正向空間自相關，PM2.5污染治理需要不同行政區(qū)域進行聯(lián)動防控。

本研究未對渭河流域PM2.5污染及人口暴露風險演化的影響因素及內在機制進行分析。進一步研究中，將結合研究區(qū)地形地貌、氣象條件等自然條件以及產業(yè)結構、城鎮(zhèn)化率等經濟社會因素，深入探討PM2.5污染及人口暴露風險演化內在機制，為大氣污染治理精準施策提供更直接的科學依據。

4 結論

本研究基于高分辨率遙感數據，采用改進的人口暴露風險模型，測算了2000－2020 年間像元尺度下渭河流域人口暴露風險指數。利用Theil-Sen Median 趨勢分析、Mann-Kendall 檢驗及空間探索工具，識別渭河流域PM2.5質量濃度值和人口暴露風險指數時空變化特征。主要研究結論如下：

（1）渭河流域PM2.5質量濃度年均值先上升，自2013 年呈顯著下降趨勢。這與國務院同年印發(fā)實施《大氣污染防治行動計劃》關系密切。趨勢顯著性檢驗發(fā)現，PM2.5質量濃度極顯著減少、顯著減少和微顯著減少等類型區(qū)域面積逐步增加，進一步表明渭河流域空氣質量顯著改善。

（2）渭河流域PM2.5年均質量濃度值呈現東高西低的空間分布特征，具有明顯的局部空間正相關性。高值區(qū)主要分布在下游城市建成區(qū)，這與渭河下游地處秦巴山地和陜北黃土高原之間，地形條件不利于空氣擴散，冬季易形成逆溫天氣等因素有關。

（3）渭河流域PM2.5人口暴露風險指數呈逐年下降趨勢。PM2.5人口暴露風險等級呈現東高西低的空間分布特征，且具有明顯的空間集聚特征。其中，高風險區(qū)主要分布在下游城市建成區(qū)，低風險區(qū)主要分布在流域西部和北部黃土丘陵溝壑區(qū)及南部秦嶺山區(qū)。這表明流域下游城市建成區(qū)PM2.5污染治理可有效降低人口暴露風險。