中国城市群臭氧时空分布特征分析

林文鹏,郭欣瞳

中国城市群臭氧时空分布特征分析

林文鹏*,郭欣瞳

(上海师范大学环境与地理科学学院,上海 200234)

为揭示我国主要城市群近地面臭氧的时空分布规律,使用空气质量监测网站发布的2019年243个城市共计1215个站点的臭氧浓度数据对中国正在稳步建设的19个城市群的臭氧时空分布特征进行分析,结果表明:臭氧污染高发期主要集中在夏季6、7月份,春末秋初次之,冬季基本不发生污染.城市群100μg/ m³以上的臭氧浓度占比变化趋势大致表现为不规则的“V”和“W”两大类.2019年我国19个城市群可明显提取出北部和南部两个浓度分布高值中心,分别出现在夏季和秋季,夏季根据污染严重程度又可将高值中心划分为两个层级.城市群臭氧浓度分布具有空间自相关特性,夏季热点区域与北部高值中心重合,秋季则与南部高值中心位置一致,此时冷点区域面积达到最大.由于臭氧污染成因的复杂性,不能简单以现有城市群等级划分结果对其进行分级管理,需要根据实际分布情况对不同城市群制定相应污染防控措施.

臭氧；城市群；时空特征；空间自相关

近地面臭氧(O3)已成为继PM2.5之后对我国城市空气质量危害最大的气体之一.城市群作为世界上发展最快的地域类型,其空气质量倍受瞩目.臭氧具有强氧化性,与人体多种疾病尤其是心血管疾病显著相关,研究表明臭氧浓度的上升与我国人群非意外死亡总率、心血管系统疾病死亡率和呼吸系统疾病死亡率的增加关系密切[1-2].据2019年中国环境状态公报显示[3],全国337个地级市环境空气质量平均超标天数比例为18%,其中以臭氧为首要污染物的超标天数占总超标天数41.7%,仅次于PM2.5的45%.由此可见臭氧已经成为继PM2.5之后人们首先需要重点关注的大气污染物之一.

通常认为臭氧浓度的变化趋势受到前体物排放、气象条件和化学反应三方面因素的共同作用,有关污染成因的研究也多从这三方面及其相互作用展开.相关研究利用地面监测站点数据或现场观测资料从多种时间尺度,通过WRF模型[4-5]、CCM[6-7]模型、地理探测器模型[8]、GEOS-Chem化学传输模型[9-10]、多元性线性回归[11]等方法在不同地域尺度分析了气象因子与人为前体物排放对臭氧浓度变化的影响以及臭氧的跨区域传输模式,根据结果给出了一定的污染防治建议[12].通过对臭氧污染成因的探究可得不同气候、经济条件的地区臭氧浓度分布存在较大差异,围绕不同地域的臭氧时空分布研究正在逐渐展开.程麟钧等[13]采用旋转经验正交函数(REOF)分析了2016年中国城市臭氧时空分布特征,确定出10个具有明显同比变化的区域,同时指出黄淮平原、华北平原、长江中下游地区等三个人口稠密且臭氧浓度较高区域应作为臭氧污染控制的重点区域.之后彭超等[14]、郭一鸣等[15]分别使用时空演化树模型、地理探测器模型对中国城市群臭氧时空分布及其影响因素进行了探究.闫慧等[16]则利用TECQ方法确定了各城市臭氧污染的主要来源,并根据臭氧超标情况和污染来源将全国城市划分为四类.针对具体城市或城市群,Cheng等[17]基于城市站和背景站的观测数据分析了北京市臭氧浓度的变化趋势,并针对具体事件评估了不同时期减排措施的表现.Xu等[18]从日变化模式角度将长三角城市群臭氧污染分为四种典型类型.余益军等[19]采用K-Z滤波分析了京津冀地区臭氧序列,评估其污染趋势并进行原因探讨.张天岳等[20]通过Global Moran's和Getis-Ord G*指数等方法,分析了成渝城市群臭氧浓度的时空变化特征.地面监测站点数据是目前使用较为广泛的数据,同时也可利用卫星遥感数据进行大尺度的分析[20-23].

随着臭氧污染问题的日益凸显,针对全国各地的臭氧浓度分布研究逐渐展开,研究区域不断缩小细化,时间尺度更为详细[24-25],但关于全国不同地区之间特征对比分级的研究较少.城市群是指在特定地域范围内,以1个以上特大城市为核心,由至少3个以上大城市为基本构成单元,依托发达的交通通讯等基础设施网络,所形成的空间组织紧凑、经济联系紧密、并最终实现高度同城化和高度一体化的城市群体[26].过去40年来,城市群是世界上发展最快的地域类型,大部分国家的人口和经济活动都在持续向城市群集聚,目前,城市群已经成为世界各国参与全球竞争与国际分工的全新地域单元[27-28].但与此同时,城市群又是一系列生态环境问题集中且激化的高度敏感地区[26],城市化进程的加快与环境保护之间的矛盾在城市群中突出明显,其生态保护与环境污染问题较单个城市来说更为复杂和特殊.同时城市群也是大气污染的集聚地,城市群臭氧污染与单个城市相比更为严重和典型.由此,本文以城市群为研究对象,对比我国不同地区的城市群臭氧浓度分布特征及其污染情况,探究依据人口、城市规模、经济发展水平等对城市群进行的分级对于城市大气污染是否适用,为今后对待不同区域制定针对性的防控政策提供参考.

1 数据与方法

1.1 研究区域与数据来源

以目前国家正在稳步建设的19个城市群为案例区,从市域尺度分析臭氧浓度时空分布变化特征.城市群在我国东、中、西部均有分布,其划分不仅是对人口和经济的划分,在一定程度上对于自然地理环境的划分也具有相当意义,不同城市群的经济发展、气候条件、地形地貌等各不相同.19个城市群包括5个国家级的大城市群(京津冀城市群、长江三角洲城市群、珠江三角洲城市群、长江中游城市群、成渝城市群),8个区域性中等城市群(辽中南城市群、山东半岛城市群、海峡西岸城市群、哈长城市群、中原城市群、关中城市群、北部湾城市群、天山北坡城市群)和6个地区性小城市群(晋中城市群、呼包鄂榆城市群、滇中城市群、黔中城市群、兰西城市群、宁夏沿黄城市群).

表1 中国主要城市群城市及站点数量

臭氧浓度数据来源于中国环境监测总站的全国城市空气质量实时发布平台.通过筛选整理最终选取2019年243个城市共计1215个站点的臭氧浓度记录作为研究对象(表1).根据《环境空气质量标准》(GB 3095-2012)[29],臭氧日评价指标采用日最大8h(滑动)平均浓度,年评价指标为日最大8h(滑动)平均浓度第90百分位数.文中浓度“月均值”指一个日历月内各日评价浓度的算数平均值,“季均值”指一个日历季内各日评价浓度的算数平均值,“年均值”指一个日历年内各日评价浓度的算数平均值;春季为3～5月,夏季为6～8月,秋季为9～11月,冬季为12月、1月和2月.《环境空气质量指数(AQI)技术规定(试行)》(HJ633-2012)[30]将臭氧浓度划分为优(0～100mg/m3)、良(100～160mg/m3)、轻度污染(160～215mg/m3)、中度污染(215～265mg/m3)、重度污染(265～800mg/m3)和严重污染(800mg/m3以上)六个等级,其中轻度污染及以上为超标.

1.2 研究方法简介

1.2.1 全局空间自相关分析 由Tobler(1970)地理学第一定律“任何事物都是相关的,但距离近的事物比距离远的事物相关性更强”,地理事物或属性在空间上互为相关,且距离越近相关性越强,随着距离的增大相关性减弱,该现象称为空间自相关.全局Moran’s是表征地理事物或现象空间自相关的一个常用且有效的指标.通过求解全局Moran’s指数进行检验并判断中国城市群臭氧浓度的空间相似程度,计算公式如下:

式中:Z()为全局Moran’s的Z检验值;()为其数学期望;d()为其方差.

1.2.2 局部空间自相关分析 虽然全局Moran’s能从整体上反映研究区事物或现象的空间自相关性,但其不能揭示局部差异,对于局部区域单元的集聚状态和程度无法识别.应用局部Moran’s来确定区域内不同空间位置臭氧浓度的冷点与热点区域,计算公式如下:

式中:为监测城市个数;w为空间权重矩阵.局部Moran’s可以有多种表现形式,本文采用较为直观的LISA集聚图来对臭氧浓度分布进行聚类和异常值分析.

2 结果与讨论

2.1 中国城市群臭氧浓度时空变化特征

2.1.1 时间变化特征分析 2019年中国城市群243个城市臭氧年评价值浓度范围为101～211mg/m3,其中有95座城市浓度值高于160mg/m3,约占总城市数量的40.95%.由各城市群的具体城市臭氧年评价值(图1)浓度散布范围和分布形态可大致将城市群年际特征划分为三种类型.

第一种为高值危险型,包括山东半岛、京津冀、中原和晋中城市群.除山东半岛的青岛市之外四个城市群几乎所有城市的臭氧浓度年评价值均在160mg/m3以上,城市群整体臭氧浓度较高,在污染高发时段容易遭受较大程度的臭氧污染侵害.此外,四个城市群中山东半岛和晋中城市群城市年评价值分布中值位置明显偏向于上四分位数,位于中值以上城市数量多于中值以下,城市群初现臭氧污染一体化态势,应加强区域间合作,推进臭氧污染治理政策整体进行;而中原城市群城市则表现为中值位置明显偏向于下四分位数,说明少数深受臭氧污染危害的城市对城市群整体臭氧水平产生了较大影响,需要重点关注整治;京津冀城市群城市臭氧浓度年评价值分布态势则基本符合正态分布,但其污染情况仍然不容忽视.第二类为中值预警型,包括珠三角、长三角、关中和长江中游城市群,该类型城市群城市年评价值的中值和均值在160mg/m3上下波动,要高度警惕臭氧污染事件的发生,积极采取政策降低城市群整体臭氧浓度.第三类为低值安全型,主要有辽中南、呼包鄂榆、宁夏沿黄、成渝、兰西、北部湾、海峡西岸、哈长、滇中、天山北坡和黔中城市群,这些城市群所包含城市臭氧年评价浓度值均在160mg/m3以下,全年整体臭氧浓度较低.

图1 2019年各城市群臭氧浓度年评价值BOX分布

由图2可见臭氧污染高发期主要集中在夏季6、7月份,一些城市群在春末和秋初也有污染现象的发生,冬季各城市群臭氧浓度则均处于低值状态,鲜少出现污染情况.在这19个城市群中,晋中、京津冀、山东半岛和中原城市群污染情况明显较其他城市群严重,与年评价结果相一致.不同城市群臭氧浓度的时间变化规律不尽相同,有的城市群月均值浓度变化呈现“单峰”趋势,有的则为“双峰”.峰值出现的月份也有所区别,甚至于同一月份有的城市群月均浓度到达峰值而有的城市群则在低值范围内徘徊.差异的出现与各城市群的自然地理状况、经济发展情况以及城市群内部各城市之间的相互作用等均有很大关联.

将各城市群臭氧浓度日均值按照<100mg/m3、100～130mg/m3、130～160mg/m3、160～215mg/m3和>215mg/m3依次划分为五个等级,图3为各等级月度占比情况.由此可以较为清晰的获知2019年我国19个城市群各自的臭氧浓度时间变化规律.除了部分小城市群(如天山北坡城市群、黔中城市群和兰西城市群等)浓度稳定较低,全年无臭氧污染状况发生以外,其余城市群一年之中或多或少均会出现臭氧污染事件,部分城市群在夏季甚至出现臭氧中度污染情况.

各城市群100mg/m³以上的臭氧日均值浓度占比变化趋势大致表现为不规则的“V”和“W”两大类.“W”型变化趋势的典型代表城市群有山东半岛、中原、京津冀、辽中南和长江三角洲城市群,此类城市群一年之中臭氧浓度会出现两个峰值,一般而言第一个峰值出现的月份即为本年度的污染高发时段.在上述五个城市群中京津冀臭氧日均浓度值位于160mg/m3以上的天数所占比例最多,6月份该比例达到最大值,5、6、7月均有中度污染事件的发生.该阶段污染强度较大且持续时间相对较长,因此制定具体针对措施以控制城市群整体夏季污染十分必要.9月份出现第二个浓度峰值,此时污染情况与第一阶段相比较轻,并且之后有明显下降趋势.其余四个城市群中山东半岛和中原城市群的污染情况同样不容乐观,与京津冀相类似,浓度第一峰值出现在6月份,9月份出现第二峰值,之后呈现快速下降趋势.山东半岛城市群在5月份出现中度污染事件,而中原城市群则在7月份遭受了臭氧中度污染.剩余两个城市群污染强度明显较小,辽中南城市群日均值浓度第一峰值出现在5月份,城市群在该月持续遭受臭氧轻度和中度污染;长三角城市群则在6月出现第一个峰值,虽然没有中度污染事件发生,但其5、6月份轻度污染天数明显多于辽中南城市群.辽中南城市群9月出现第二个峰值但所占比例很小,污染情况一直绵延至10月,而长三角城市群8月份出现第二个峰值,之后浓度逐渐下降.

图2 2019年各城市群臭氧浓度月变化趋势

“V”型变化趋势的典型代表城市群有晋中、呼包鄂榆、关中、珠三角和北部湾城市群.这类城市群一年之中臭氧浓度仅有一个峰值,峰值出现的时间即为该年臭氧污染的最强时段.由于不同城市群在我国地理位置的不同,其臭氧浓度变化情况也不尽相同.晋中城市群臭氧污染始于5月份春末,7月份浓度达到峰值,之后呈明显下降趋势.6月份中度污染天数占比最大,虽然污染天数不多但污染强度较大.与晋中城市群相比珠三角城市群污染情况较轻,两者的臭氧日均值浓度变化趋势有较大差异.位于我国东南沿海地区的珠三角城市群臭氧浓度在9月份达到峰值,之后逐渐下降,在此之前5～8月污染天数所占比例极少,城市群整体无明显臭氧污染.与其处于相同地理位置的北部湾城市群臭氧浓度变化趋势也与之大致相似,污染事件只在秋季9～11月发生.而位于我国北部内陆地区的呼包鄂榆和关中城市群臭氧日均值浓度变化趋势则与晋中城市群相类似,5月份初始,高发时段集中在夏季6～8月.

剩余有污染发生的城市群除宁夏沿黄之外其余日均浓度占比变化皆表现为不明显的“W”型趋势,宁夏沿黄城市群则表现为不规则的“V”型.与上文相对应的,由于所处纬度带不同,峰值出现的时间及其大小也不相同.成渝城市群4月即出现第一个浓度峰值,而第二个浓度峰值则出现在8月,污染主要集中在夏季;滇中城市群只在4月份出现短暂的臭氧污染情况,其余时间臭氧浓度水平良好;哈长城市群虽然在5、6月和9月均有污染事件的发生,但浓度第一峰值污染强度明显大于第二峰值.宁夏沿黄城市群唯一峰值出现在8月,除春、夏两季之外其他时间没有臭氧污染困扰.而长江中游城市群虽然在6月和9月出现了两个浓度峰值,但第二个浓度峰值出现的时段污染程度较第一个大,其污染主要集中在秋季;海峡西岸城市群也只在9月遭受臭氧污染危害.

臭氧浓度到达最大值的时间随着城市群地理位置的不同有所差异,随着城市群由北往南分布,到达最大值的时间从前往后推移,污染高发季节也从夏季向秋季转变.同时从东向西城市群出现臭氧污染情况的时间不断提前,说明臭氧污染是一个复杂的过程,需结合多因素进行综合考虑.

图3 2019年中国城市群臭氧浓度月度变化分级占比

图4 2019年中国城市群年均臭氧浓度空间分布

基于国家测绘地理信息局标准地图服务系统的标准底图(审图号:GS(2016)2884号)制作,底图无修改,下同

2.1.2 空间变化特征分析 城乡之间气候、经济等条件不同使得臭氧浓度的分布存在着差异,因此仅凭城市数据使用空间插值方法将点数据插值成为连续数值表面可信度不高.本文使用监测站点数据进行空间插值,监测站点分布不仅在城市,在郊区也有一定的分布,并且站点数量较多,各站点之间距离较近,使用此数据进行插值结果较为准确,可信度更高.

采用普通克里金插值法(OKM)对监测站点数据进行插值得到2019年中国城市群四季以及各个月份的臭氧浓度空间分布情况.为提高空间插值精度,具体操作由Arc GIS地统计向导与gs+软件结合进行.gs+结果显示插值变量块金系数均大于75%,空间自相关程度强烈,适宜使用插值方法进行空间插值.交叉验证结果则表明所有插值结果精度良好,具有可靠性与准确性.以160mg/m3为臭氧日最大八小时平均浓度限值判定各城市每日污染达标情况,将其与臭氧浓度分布情况相结合更加全面的分析城市群臭氧浓度分布以及污染现象的空间变化特征.

臭氧浓度年评价指标为日最大8h(滑动)平均浓度第90百分位数,2019年中国城市群臭氧污染整体趋势为由中心向外围扩散,以京津冀、晋中、山东半岛和中原城市群受污染情况最为严重,长三角城市群和长江中游城市群的北部以及珠三角城市群南部情况同样不容乐观(图4).与之相对应的,臭氧污染最为严重的四个城市群中大部分城市的臭氧年均值超标率大于20%,中原城市群和山东半岛城市群中的部分城市超标率甚至在25%以上,个别城市一年之中遭受污染的天数超过100d.而位于我国南方的城市群中长三角城市群和长江中游城市群的北部以及珠三角城市群南部虽然2019年整体表现为臭氧轻度污染状态,但其城市超标率较低,大部分在20%以下,仅珠三角城市群南部的一些城市超标率大于20%,需要引起注意.其余城市群臭氧年评价浓度在160mg/m3以下,城市超标率在15%以内.

图5 2019年中国城市群季度臭氧浓度空间分布

随着季节的变化臭氧浓度的空间分布格局也发生了相应的改变,由图5可明显提取出我国19个城市群的两个浓度分布高值中心,结合时间和分布位置可将其简单划分为夏季北部高值中心和秋季南部高值中心.夏季高值中心主要由京津冀、晋中、中原和山东半岛城市群组成,而秋季高值中心则以珠江三角洲城市群为主体.春季整体臭氧季均值浓度在160mg/m3以下,北部高值中心污染情况初现端倪,位于区域中心的一些城市超标率已达到20%以上.此外,长江三角洲城市群在春季同样也表现为臭氧季均值浓度高值区,其内大部分城市污染超标率大于15%.到了夏季北部高值中心完全形成,根据臭氧浓度以及各城市群城市超标率分布情况围绕高值中心可将污染轻重程度划分为两个层级.第一级主要包括内插结果显示为轻度污染的区域,该区域内整体所包含城市臭氧浓度最高,一些城市超标率甚至超过50%,已经形成连片面状污染,且位于四个城市交界中心,说明城市群之间的相互作用对从臭氧的分布也有一定的影响.第二级主要包括组成高值中心的四个城市群轻度污染之外的区域以及长三角和长江中游城市群的北部、呼包鄂榆城市群东部,虽未形成区域型污染,但其内城市超标率均在20%以上,同样应该引起重视.秋季北部高值中心消失转而在南部形成以珠三角城市群为主体的高值中心,此时超标率大于20%的城市大多集中在珠三角和长江中游城市群.而中原城市群、京津冀和山东半岛城市群虽然整体臭氧浓度较低但大部分城市超标率仍在15%之上,部分城市依旧大于20%,根据上文推测出现臭氧浓度大于160mg/m3的污染天主要集中在9月即一些城市出现浓度第二峰值的时间段.冬季城市群整体季均值浓度低于100mg/m3,超标率在5%以内且绝大部分城市超标率为0.值得注意的是春季滇中城市群表现为臭氧浓度高值区,夏季东移至成渝和兰西城市群,西南地区臭氧污染出现时间由前往后自西向东变化,但只在春夏两季.

图6 2019年中国城市群月度臭氧浓度空间分布

对臭氧浓度季均值变化的分析可得2019年中国城市群臭氧空间分布的整体情况,但由于各城市群气象条件以及臭氧相关污染物排放强度具有明显的月际变化特征,因此十分有必要对月度臭氧浓度空间分布进行研究(图6).冬季即12月、1月和2月各城市群臭氧浓度月均值在100mg/m3以下,不会有污染事件的发生.3月份各城市群臭氧浓度略有上升但变化并不明显.4～8月详细展示了北部高值中心的形成变化过程,以9月为分水岭,9月之后10月和11月高值中心转移至南部.

4月各城市群臭氧浓度仍然处于相对低值状态,仅位于高值区中心的零星城市超标率大于20%;5月北部高值中心初具形态,虽城市群整体浓度仍然低于160mg/m3,但高值中心四个城市群大部分城市月度日均值超标率都位于20%以上,对比4月浓度上升显著.6月份北部高值中心完全形成,约占四个城市群面积的90%,即该月四个城市群几乎所有城市都处于臭氧轻度污染状态.7月高值中心面积缩小,同样超标率大于20%城市数减少,向中心聚集.夏末8月份之后城市群整体恢复臭氧浓度月均值低于160mg/m3状态,浓度值降低明显,北部高值中心消失,超标率大于20%城市开始向南部扩散.9月份与8月份相比整体臭氧浓度稍高,超标率在20%以上的城市群数量增多且向南部城市群扩散明显,与前文所述9月出现浓度第二峰值相符合.9月份之后形成以珠三角城市群南部为主体的南部高值中心,但与北部高值中心相比面积较小且污染较轻,除珠三角和北部湾城市群部分城市超标率超过20%以外,大部分城市超标率在10%以内.与季节变化特征相对应的,滇中城市群只在4月和5月出现污染情况,6月份之后西移至成渝城市群,西南地区城市群臭氧污染只出现在春夏两季.

2.2 中国城市群臭氧浓度空间集聚特征

2.2.1 空间自相关指数分析 臭氧污染在空间上表现为一个连续现象,污染强弱的分布与距离的关系值得进一步探究.通过Arc GIS空间模式分析工具对19个城市群243个城市臭氧浓度的年均值、季均值以及月均值空间自相关(Moran’s)指数进行计算,结果见表2和表3.

表2 2019年中国城市群臭氧浓度年、季均值空间自相关指数

表3 2019年中国城市群臭氧浓度月均值空间自相关指数

表4 置信度划分

对于Moran’s的解读首先应利用、值判断结果是否可靠,之后再读取指数的值(表4).本文空间自相关指数计算中值均小于0.1,表明计算结果具有一定的准确性.在0.01的显著性水平下,当-2.58<()<2.58时,说明分析要素的空间自相关性不显著,即臭氧浓度呈现独立随机分布规律.当()<-2.58时,说明臭氧浓度在空间分布上具有负相关关系,且其属性呈现分散分布,包括“高-低”关联和“低-高”关联.当()>2.58时,说明臭氧浓度在空间上具有正相关关系,即高值和高值集聚,低值和低值集聚,形成明显的冷热点分区.由表2和表3中2019年中国城市群臭氧浓度空间自相关指数计算结果可知,Moran’s指数均为正值且()全部大于2.58,通过了1%的显著性水平检验,表明2019年全年、四季以及十二个月中国城市群城市臭氧浓度空间分布具有空间自相关特性.城市群以单个城市为基本单位,除不同城市群之间特征不同之外,同一城市群内部不同城市的自然和人为条件同样存在差别,而这些差别共同造成了城市群的空气质量变化.因此,对城市群内各城市进行聚类和异常值分析,寻找臭氧浓度集聚冷、热点区域以及空间异常值区域,以便进一步理解不同城市群臭氧污染机制,更好地制定针对性治理防控政策.

2.2.2 臭氧浓度空间集聚特征分析 与臭氧空间分布特征相对应,2019年中国城市群臭氧浓度分布热点区域主要由京津冀、晋中、中原和山东半岛城市群即北部高值中心组成.另长三角城市群的泰州和镇江以及珠三角城市群的珠海和中山市也同样表现为浓度高值集聚区(图7).在这些区域中山东半岛城市群热点区域主要集中在鲁西地区,而经济较为发达的烟台、威海、青岛等市污染集聚特征反而不甚明显.近年来随着市场化改革的不断深入,山东半岛城镇化与工业化水平不断提高,但城市群内部城市间发展不平衡,竞争激烈,跨区域环境污染问题严重,其臭氧污染问题复杂性可见一斑[31].中原城市群热点区域则主要分布在北部经济较为发达地区,只有城市群南部部分城市表现为无明显特征区域.城市群年评价值冷点区域分布较为分散,主要集中在天山北坡、哈长、海峡西岸和黔中城市群,以及北部湾城市群西部、兰西、成渝和滇中城市群的部分城市.此外成渝城市群的重庆市和长三角城市群的宣城市分别表现为低值包含高值异常和高值包含低值异常.宣城周围城市均为无明显特征区域,该市臭氧浓度出现明显低值,全年处于臭氧安全状态.成渝城市群是西部经济最发达的地区,也是五个国家级城市群中唯一位于西部的城市群,重庆市作为拉动其经济发展的重要城市之一,在发展经济的同时汽车尾气和工业废气不断排放,加之山谷风和城市热岛效应的影响[32],气象条件和人为前体物排放的共同作用使重庆市的臭氧浓度整体高于周围城市.

图7 2019年中国城市群臭氧浓度空间集聚特征

随着时间的变化臭氧浓度在城市群的空间分布特征不同,其四季和月份的浓度值高低集聚区域也随之发生变化(图8、9).除冬季12月、1月和2月臭氧浓度处于绝对低值不予讨论之外,其余季节和月份的臭氧浓度空间集聚特征各不相同,不同季节差异较大,同一季节不同月份也有所差别.春夏两季高值集聚区主体仍然由北部高值中心组成,春季滇中城市群南部、长三角城市群少数城市也表现为浓度高值中心,而到了夏季高值区主体面积增大,相较于春季分布更为集中.春季低值集聚区域主要分布在我国南部城市群,包括黔中城市群和北部湾城市群,珠三角、海峡西岸以及长江中游城市群南部的部分城市.夏季冷点区域向东南沿海方向移动,面积有所增大,哈长城市群的部分城市臭氧浓度降低表现为低值集聚区,同时滇中城市群季均值浓度降低明显,由原来的高值集聚区转变为低值集聚区.秋季臭氧浓度空间集聚特征与春夏两季完全相反,热点区域分布在我国南部城市群,包括长江中游城市群南部、珠三角城市群以及海峡西岸和北部湾城市群的部分城市,与上文所提到的南部高值中心分布区域相对应.而冷点区域则主要集中在我国西部和东北地区的城市群,主要有天山北坡、关中、成渝和黔中城市群,滇中和呼包鄂榆城市群部分城市,以及哈长城市群和辽中南城市群的大部分城市,此时低值集聚区域面积达到一年之中最大值.

图8 2019年中国城市群季度臭氧浓度空间集聚特征

3～8月臭氧浓度高值集聚区的变化可大致分为初步形成、趋于稳定、变化转移三个阶段,相应的低值集聚区分布变化也可据此划分为三个时段.3月和4月为高低值集聚区的初步形成阶段,3月份高值区主要分布在我国北部山东半岛和中原城市群以及西部滇中和兰西城市群,此时京津冀和晋中城市群只有部分城市出现浓度高值,同时长三角城市群的南通市也表现为浓度高值区.到了4月北部热点区域面积略微缩小,西部城市群迎来浓度峰值,呼包鄂榆、宁夏沿黄、兰西和成渝城市群的大部分城市以及整个滇中城市群均表现为臭氧浓度高值集聚区.此时冷点区域主要集中在南部北部湾、珠三角、海峡西岸和长江中游城市群南部的部分城市.5～7月高值集聚区稳定位于我国北部臭氧浓度高值中心,5月份长三角城市群部分城市同样表现为热点区域,6月面积减小向中心收缩,7月则转化为无特征区域,同时呼包鄂榆城市群的鄂尔多斯市在7月迎来臭氧浓度第二峰值,表现为高值集聚区.在此阶段臭氧浓度低值集聚区即冷点区域主要位于我国南部海峡西岸、珠三角和北部湾城市群,另在长三角和长江中游城市群南部,成渝、滇中和黔中城市群部分城市也有分布.8月份热点区域出现向南部转移趋势,主要集中在京津冀城市群南部、中原城市群和长江中游城市群,而之前一直为浓度低值区的成渝城市群的重庆市在8月达到浓度峰值,转变为臭氧浓度高值集聚区.冷点区域除东南沿海地区的海峡西岸和北部湾城市群之外,东北地区的哈长和辽中南城市群也表现为低值集聚区.秋季9月份浓度高值集聚区面积增大并持续向南转移,热点区域逐步蔓延至珠三角城市群.此时冷点区域分布在我国西部成渝、滇中、黔中和天山北坡城市群以及东北哈长和辽中南城市群.10月和11月高值集聚区稳定在我国东南沿海珠三角、北部湾和海峡西岸城市群以及长三角和长江中游城市群南部的部分城市,低值集聚区则分散在西部天山北坡、成渝、滇中和关中城市群,京津冀和呼包鄂榆城市群部分城市以及东北地区的哈长和辽中南城市群.

2019年整体臭氧污染主要集中在我国北部地区,形成了一个以京津冀、晋中、山东半岛和中原城市群为主体的北部高值中心,南部地区以珠江三角洲城市群为中心的污染区域仅在秋季发生轻微污染.城市群等级划分主要从人口、经济等人文因素角度出发,而臭氧污染不仅受到人为污染源排放的影响,对气象、地形等自然因素的变化也十分敏感,因此若以臭氧浓度高低对城市群等级进行划分则必然与现有结果差异较大.同时也说明在制定相应臭氧污染防治措施时应考虑到实际污染分布情况,不能简单地以现有划分结果为依据进行管理.城市群地理位置不同,其温度、湿度等自然条件也各不相同,此外,不同城市群处于NO敏感区或VOCs敏感区不定,再加上臭氧污染的跨区域传输、城市群内部各城市之间的相互影响等因素,使得各城市群污染成因更为复杂,有待开展进一步研究.之后应进行多方面试验,寻找挖掘城市群臭氧污染成因的最适合方法,进一步深入对污染现象进行探究.

图9 2019年中国城市群月度臭氧浓度空间集聚特征

3 结论

3.1 2019年中国19个城市群臭氧浓度年际特征按照年评价值散布范围和分布形态可大致划分为高值危险型、中值预警型和低值安全型三种类型,城市群污染特征各不相同,需根据具体特征制定相关针对性政策方能行之有效.

3.2 臭氧污染高发期主要集中在夏季6、7月份,春末秋初次之,冬季则基本没有污染事件的发生.将城市群臭氧日均浓度值依次划分为五个等级, 100mg/m3以上的臭氧浓度占比变化趋势大致表现为不规则的“V”和“W”两大类,即城市群臭氧浓度月变化有“单峰”和“双峰”两种情况.

3.3 对城市监测站点数据进行插值并结合各城市臭氧浓度每日污染达标情况分析臭氧在城市群的空间分布特征.2019年我国19个城市群可明显提取出南北两个浓度分布高值中心.北部高值中心主体由京津冀、晋中、山东半岛和中原城市群组成,春季初现端倪,夏季完全形成.南部高值中心出现在秋季,以珠三角城市群为主体,与北部高值中心相比面积较小且污染程度较轻.

3.4 空气污染在空间上表现为连续现象, 3-8月臭氧浓度高值集聚区即热点区域基本与北部高值中心重合,冷点区域则主要分布在我国南部海峡西岸、珠三角和北部湾城市群.8月份出现向南部转移趋势,9月份浓度高值集聚区面积增大并持续向南转移,热点区域逐步蔓延至珠三角城市群,之后稳定集中在我国东南沿海以及长三角和长江中游城市群南部的部分城市,与南部高值中心重合.

[1] 曾贤刚,阮芳芳,姜艺婧.中国臭氧污染的空间分布和健康效应[J]. 中国环境科学, 2019,39(9):4025-4032.

Zeng X G, Ruan F F, Jiang Y J, et al. Spatial distribution and health effects of ozone pollution in China [J]. China Environmental Science, 2019,39(9):4025-4032.

[2] Shang Y, Sun Z, Cao J, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality [J]. Environment International, 2013,54(4):100-111.

[3] 生态环境部.2019中国环境状态公报[EB/OL]. http://www.mee. gov.cn/hjzl/sthjzk/zghjzkgb/,2020.

Ministry of Ecology and Environment of the People’s Republic of China. State of the Environment Bulletin of China 2019 [EB/OL]. http://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/,2020.

[4] Sun J, Shen Z X, Wang R, et al. A comprehensive study on ozone pollution in a megacity in North China Plain during summertime: Observations, source attributions and ozone sensitivity [J]. Environment International, 2020,146:106279.

[5] Zheng Y, Jiang F, Feng S, et al. Long-range transport of ozone across the eastern China seas: A case study in coastal cities in southeastern China [J]. Science of The Total Environment, 2021,768:144520.

[6] Chen Z, Yan, et al. Understanding long-term variations of meteorological influences on ground ozone concentrations in Beijing During 2006～2016 [J]. Environmental Pollution, 2018.

[7] Chen Z, Li R, Chen D, et al. Understanding the causal influence of major meteorological factors on ground ozone concentrations across China [J]. Journal of Cleaner Production, 2019,242:118498.

[8] Liu P, Song H, Wang T, et al. Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities [J]. Environmental Pollution, 2020,262.

[9] Lu X, Zhang L, Chen Y, et al. Exploring 2016～2017 surface ozone pollution over China: source contributions and meteorological influences [J]. Atmospheric Chemistry and Physics, 2019,19(12): 8339-8361.

[10] Jiang Z, Li J, Lu X, et al. Impact of western pacific subtropical high on ozone pollution over Eastern China [J]. Atmospheric Chemistry and Physics, 2020.

[11] Ke, Li, Daniel, et al. Anthropogenic drivers of 2013～2017 trends in summer surface ozone in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2018.

[12] Xu W Y, Zhao C S, Ran L, et al. Characteristics of pollutants and their correlation to meteorological conditions at a suburban site in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(9): 4353-4369.

[13] 程麟钧,王 帅,宫正宇,等.中国臭氧浓度的时空变化特征及分区[J]. 中国环境科学, 2017,37(11):4003-4012.

Cheng L J, Wang S, Gong Z Y, et al. Spatial and seasonal variation and regionalization of ozone concentrations in China [J]. China Environmental Science, 2017,37(11):4003-4012.

[14] 彭 超,廖一兰,张宁旭.中国城市群臭氧污染时空分布研究[J]. 地球信息科学学报, 2018,20(1):57-67.

Peng C, Liao Y L, Zhang N X. Temporal and spatial distribution of Ozone pollution in Chinese urban agglomerations [J]. Journal of Geo-information Science, 2018,20(1):57-67.

[15] 郭一鸣,蔺雪芹,边 宇.中国城市群空气质量时空演化特征及其影响因素[J]. 生态经济, 2019,35(11):167-175.

Guo Y M, Lin X Q, Bian Y. The spatial-temporal characteristics and influencing factors of air quality in China’s urban agglomerations [J]. Ecological Economy, 2019,35(11):167-175.

[16] 闫 慧,张 维,侯 墨,等.我国地级及以上城市臭氧污染来源及控制区划分[J]. 环境科学, 2020,41(12):5215-5224.DOI:10.13227/ j.hjkx. 202005094.

Yan H, Zhang W, Hou M, et al. Sources and Control Area Division of Ozone Pollution in Cities at Prefecture Level and Above in China [J]. Environmental Science, 2020,41(12): 5215-5224. DOI: 10.13227/j.hjkx. 202005094.

[17] Cheng N, Chen Z, Sun F, et al. Ground ozone concentrations over Beijing from 2004 to 2015: Variation patterns, indicative precursors and effects of emission-reduction [J]. Environmental Pollution, 2018, 237:262-274.

[18] Xu J, Huang X, Wang N, et al. Understanding ozone pollution in the Yangtze River Delta of eastern China from the perspective of diurnal cycles [J]. Science of The Total Environment, 2020,752:141928.

[19] 余益军,孟晓艳,王振,周崴,于红霞.京津冀地区城市臭氧污染趋势及原因探讨 [J]. 环境科学, 2020,41(1):106-114.DOI:10.13227/j.hjkx. 201905222.

Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant Increase in Surface Ozone in the Beijing-Tianjin-Hebei Region, China, During 2013～2018 [J]. Environmental Science, 2020,41(01):106-114. DOI:10.13227/j.hjkx.201905222.

[20] 张天岳,沈楠驰,赵雪,王欣玉,赵文吉.2015—2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价 [J]. 环境科学学报, 2021,41(10):4188-4199.DOI:10.13671/j.hjkxxb.2021.0053.

Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019 [J]. Acta Scientiae Circumstantiae, 2021,41(10):4188-4199.DOI:10. 13671/j.hjkxxb.2021.0053.

[21] 庄立跃,陈瑜萍,范丽雅,等.基于OMI卫星数据和MODIS土地覆盖类型数据研究珠江三角洲臭氧敏感性[J]. 环境科学学报, 2019, 39(11):3581-3592.

Zhuang L Y, Chen Y P, Fan L Y, et al. Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products [J]. Acta Scientiae Circumstantiae, 2019,39(11):3581-3592.

[22] 宋佳颖,刘旻霞,孙瑞弟,等.基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究[J]. 环境科学学报, 2020,40(2):438-449.

Song J Y, Liu M X, Sun R D, et al. Temporal and spatial distribution characteristics of atmospheric ozone concentration in Southeast Coast based on OMI data [J]. Acta Scientiae Circumstantiae, 2020,40(2): 438-449.

[23] Shen L, Jacob D J, Liu X, et al. An evaluation of the ability of the Ozone Monitoring Instrument (OMI) to observe boundary layer ozone pollution across China: Application to 2005～2017 ozone trends [J]. Atmospheric Chemistry and Physics, 2019,19(9):6551-6560.

[24] 解淑艳,霍晓芹,曾凡刚,等.2015～2019年汾渭平原臭氧污染状况分析[J]. 中国环境监测, 2021,37(1):49-57.

Xie S Y, Huo X Q Zeng F G, et al. Analysis of ozone pollution in Fenwei Plain from 2015 to 2019 [J]. Environmental Monitoring in China, 2021,37(1):49-57.

[25] 姚诗音,魏 巍,沈泽亚,等.我国典型钢铁工业城市夏季臭氧污染来源解析研究[J]. 中国环境科学, 2021,41(1):37-48.

Yao S Y, Wei W, Shen Z Y, et al. Source apportionment of ozone pollution in the typical steel industry city of China in summer [J]. China Environmental Science, 2021,41(1):37-48.

[26] 方创琳.中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报, 2014,69(8):1130-1144.

Fang C L. Progress and the future direction of research into urban agglomeration in China [J]. Acta Geographica Sinica,2014,69(8): 1130-1144.

[27] 郑艳婷.中国城市群的空间模式——分散性区域集聚的理论背景、形成机理及最新进展[J]. 地理科学进展, 2020,39(2):339-352.

Zheng Y T. Spatial pattern of China’s urban agglomerations: Theoretical background, formation mechanisms, and latest progress of research of dispersed regional concentration [J]. Progress in Geography, 2020,39(2):339-352.

[28] 王 婧,方创琳.中国城市群发育的新型驱动力研究[J]. 地理研究, 2011,30(2):335-347.

Wang J, Fang C L. New-type driving forces of urban agglomerations development in China [J]. Geographical Research, 2011,30(2):335- 347.

[29] GB 3095–2012 环境空气质量标准 [S].

GB 3095–2012 Ambient air quality standards [S].

[30] HJ633-2012 环境空气质量指数(AQI)技术规定(试行) [S].

HJ633-2012 Technical Regulations on Ambient Air Quality Index (AQI) [S].

[31] 唐承辉,马学广.山东半岛城市群协调发展评价与合作策略研究[J]. 地理与地理信息科学, 2020,36(6):119-126,133.

Tang C H, Ma X G. Study on the evaluation of coordinated development and cooperation strategy of Shandong peninsula urban agglomeration [J]. Geography and geo-information science, 2020, 36(6):119-126,133.

[32] 杨溟鋆,王咏薇,张 丹,等.重庆臭氧时空分布特征及其污染成因的初步分析[J]. 环境科学学报, 2021,41(12):5026-5037.DOI:10. 13671/j.hjkxxb.2021.0390.

Yang M J, Wang Y W, Zhang D, et al. A preliminary analysis of the characteristics of ozone and the cause of its pollution in Chongqing [J]. Acta Scientiae Circumstantiae, 2021,41(12):5026-5037.

Spatial and temporal distribution characteristics of ozone in Urban agglomerations in China.

LIN Wen-peng*, GUO Xin-tong

(School of Environmental and Geographical Sciences, Shanghai Normal University, Shanghai 200234, China)., 2022,42(6)：2481～2494

In order to reveal the temporal and spatial distribution law of ozone in major urban agglomerations, the concentration data of 1215 stations in 243 cities of 2019, released by air quality monitoring website were used. The results showed that ozone pollution mainly occurred in June and July in summer, followed by late spring and early autumn, and almost no ozone pollution occurred in winter. The variation trend of ozone concentration with increases above 100μg/m3in urban agglomerations roughly presented two categories of irregular "V" and "W". In 2019, two high-value concentration centers could be obviously extracted, which appeared in summer and autumn respectively. Further, the high-value concentration center in summer could be divided into two levels according to the severity of pollution. The concentration distribution of ozone in urban agglomeration showed autocorrelation characteristics: the hot spot area overlaping with the high value center in the north in summer, and being consistent with the high value center in the south in autumn, simultaneously, the area of the cold spot area reaching its maximum. Due to the complexity of the causes of ozone pollution, it is inappropriate to classify ozone pollution solely according to the existing circumstances of urban agglomerations classification. Formulating corresponding pollution prevention and control measures for different urban agglomerations according to the actual distribution is the key point.

ozone；urban agglomeration；the space-time characteristics；spatial autocorrelation

X511

A

1000-6923(2022)06-2481-14

林文鹏(1973-),男,福建漳州人,上海师范大学教授、博士生导师,博士,主要研究方向城市生态和环境遥感.发表论文18余篇.

2021-11-03

国家自然科学基金资助项目(41730642,41571047)

* 责任作者, 教授, linwenpeng@shnu.edu.cn