彭立平,黃毅?,鄭凱莉

(1吉首大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,湖南 吉首 416000;2吉首大學(xué)旅游與管理工程學(xué)院,湖南 張家界 427000)

0 引 言

隨著居民生活水平的不斷提升,居民生活、休閑消費(fèi)等方式也在不斷發(fā)生變化。目前,康養(yǎng)旅游成為居民休閑生活的一部分,而景區(qū)過度的旅游開發(fā)與活動(dòng)可能會(huì)對環(huán)境產(chǎn)生不可逆的影響[1,2],良好的生態(tài)環(huán)境是旅游業(yè)的核心競爭力,是旅游業(yè)可持續(xù)發(fā)展的必要條件。但在當(dāng)前大眾旅游興起時(shí)代,旅游環(huán)境污染問題愈加嚴(yán)重,其中自然風(fēng)景區(qū)的大氣污染問題尤為嚴(yán)重。

旅游景區(qū)的開發(fā)以及旅游活動(dòng)的強(qiáng)弱都影響著景區(qū)的生態(tài)環(huán)境[3],在進(jìn)行旅游目的地選擇時(shí),越來越多的人開始關(guān)注旅游地的空氣質(zhì)量[4]。優(yōu)美的環(huán)境給游人帶來極大的精神愉悅,如果旅游景區(qū)環(huán)境質(zhì)量差,空氣污染嚴(yán)重,會(huì)直接降低這種愉悅的體驗(yàn),而這又勢必會(huì)損害旅游景區(qū)在人們心中的優(yōu)美形象,更進(jìn)一步會(huì)導(dǎo)致旅游人次下降,對當(dāng)?shù)芈糜螛I(yè)發(fā)展產(chǎn)生一定的阻礙[5]。同時(shí),旅游業(yè)的發(fā)展會(huì)導(dǎo)致景區(qū)人為活動(dòng)增加,污染物排放源增多,旅游活動(dòng)已經(jīng)成為影響景區(qū)空氣質(zhì)量的重要因素[6]。因此,如何協(xié)調(diào)旅游發(fā)展和大氣污染控制,確保旅游景區(qū)所在地經(jīng)濟(jì)的可持續(xù)發(fā)展,已經(jīng)成為政府及景區(qū)管理部門的核心問題。

目前,已有文獻(xiàn)主要從兩方面探討大氣污染與旅游活動(dòng)的相關(guān)性。一方面是空氣污染如何對旅游業(yè)造成影響。Huang等[7]通過對中國18個(gè)主要省份空氣污染強(qiáng)度和入境旅游的相關(guān)性進(jìn)行分析,發(fā)現(xiàn)二者存在負(fù)相關(guān),空氣污染上升,入境旅游需求下降。劉嘉毅等[8]通過SYS-GMM與GIS法,對2001–2015年中國大陸31個(gè)省區(qū)空氣污染和入境旅游的面板數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)空氣污染對入境旅游有明顯的負(fù)影響,污染程度越高,二者負(fù)影響效應(yīng)越強(qiáng)。Deng等[9]對大氣污染氣體排放與入境旅游的相關(guān)性進(jìn)行研究,發(fā)現(xiàn)大氣污染氣體排放與入境游客人數(shù)存在負(fù)相關(guān),同時(shí)也強(qiáng)調(diào)各地區(qū)之間存在空間相關(guān)性。彭建等[10]通過調(diào)查問卷分析發(fā)現(xiàn),持續(xù)霧霾下,北京國內(nèi)旅游需求減弱。Chen等[11]在研究中國臺(tái)灣日月潭旅游人次與空氣質(zhì)量關(guān)系的過程中,明確指出旅游業(yè)是造成空氣污染的關(guān)鍵因素之一,空氣質(zhì)量每惡化一天,臺(tái)灣日月潭旅游人數(shù)減少25725人。另一方面是旅游業(yè)如何影響空氣質(zhì)量。Saenz-de-Miera等[12]對西班牙馬略卡旅游活動(dòng)強(qiáng)弱和PM10濃度的關(guān)系進(jìn)行探索,發(fā)現(xiàn)旅游活動(dòng)強(qiáng)弱關(guān)系到PM10濃度的高低。Katircioglu等[13]將CO2排放與旅游相結(jié)合來研究,發(fā)現(xiàn)旅游業(yè)與CO2存在長期關(guān)系,因此認(rèn)為旅游業(yè)的過度發(fā)展會(huì)導(dǎo)致環(huán)境惡化。我國也有類似研究,喬雪[14]等通過對我國著名景區(qū)九寨溝大氣中TSP和水溶性無機(jī)離子的監(jiān)測,發(fā)現(xiàn)旅游活動(dòng)明顯增加了空氣中相關(guān)離子的含量,表明旅游活動(dòng)已經(jīng)對九寨溝的大氣環(huán)境產(chǎn)生了影響。

如上所述,現(xiàn)有的文獻(xiàn)探討了旅游與大氣污染之間的關(guān)系,但大都是基于線性模式下的統(tǒng)計(jì)模型。而大氣污染是一個(gè)開放的耗散系統(tǒng),其所受因子眾多,且各因子間存在非線性作用,大氣污染物濃度的變化往往表現(xiàn)出復(fù)雜的非線性特征[15]。對于旅游景區(qū)大氣PM2.5濃度與旅游活動(dòng)之間相互關(guān)系的研究,傳統(tǒng)的線性統(tǒng)計(jì)模型無法去除序列內(nèi)的自相關(guān)性,也無法識(shí)別由于外在趨勢所導(dǎo)致的偽相關(guān)現(xiàn)象,所以就無法有效地描述旅游與空氣污染之間復(fù)雜的相關(guān)性。多重分形作為復(fù)雜性科學(xué)中非線性方法的一種,通過對大氣PM2.5濃度和旅游人次,對不同時(shí)間尺度的演化特征進(jìn)行分析,能夠有效識(shí)別大氣PM2.5污染物和旅游人次間的交叉相關(guān)性。多重分形去趨勢波動(dòng)交叉相關(guān)分析法以不同時(shí)間尺度,對兩個(gè)非平穩(wěn)時(shí)間序列之間的相關(guān)性進(jìn)行度量。目前,已有相關(guān)研究[16,17]表明主要空氣污染物在演化過程中表現(xiàn)出復(fù)雜的多重分形特征,同時(shí)李文勇等[18]研究了汶川大地震前后4年的九寨溝國內(nèi)外游客時(shí)序波動(dòng)趨勢,發(fā)現(xiàn)九寨溝旅游人次表現(xiàn)出多重分形特征。

本文利用MF-DFA和MF-DCCA方法探討生態(tài)旅游城市大氣PM2.5濃度和旅游人次的分形特征,從分形角度分析生態(tài)旅游城市大氣PM2.5濃度和旅游人次間復(fù)雜的時(shí)空演變規(guī)律。同時(shí)對旅游淡旺季的交叉相關(guān)性特征進(jìn)行研究,揭示旅游活動(dòng)強(qiáng)度變化對大氣污染物濃度演化{xi}、{yi}的內(nèi)在影響規(guī)律,以期加深人們對旅游活動(dòng)與大氣環(huán)境交叉相關(guān)性的理解,為生態(tài)旅游城市大氣污染的控制提供新途徑,同時(shí)為旅游業(yè)的可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 研究方法

1.1 交叉相關(guān)性檢驗(yàn)函數(shù)

1.2 多重分形去除趨勢波動(dòng)分析法

4)計(jì)算整個(gè)序列的q階降趨勢方差函數(shù)

5)q為廣義Hurst指數(shù)h(q)的階數(shù),對于每一個(gè)確定的q值,存在冪律關(guān)系Fq(s)∝sh(q),作出Fq(s)與s在雙對數(shù)下的函數(shù)關(guān)系圖。當(dāng)h(q)是一個(gè)固定的常數(shù),此時(shí)研究對象為單一分形;當(dāng)h(q)隨著q發(fā)生變化,表明研究對象在局部有非均勻結(jié)構(gòu)存在,其對應(yīng)的時(shí)間序列為多重分形。如果h(q)>0.5,說明該時(shí)間序列具有長期持續(xù)性的特征,即過去的波動(dòng)行為會(huì)正向影響未來一段時(shí)間的波動(dòng)行為;如果h(q)<0.5,則是一種負(fù)向影響,即過去的波動(dòng)行為會(huì)反向影響未來一段時(shí)間的波動(dòng)行為。

6)根據(jù)h(q)求出多重分形質(zhì)量指數(shù)τ(q)=qh(q)?1。

7)結(jié)合Lengendre變換,得到奇異指數(shù)α和多重分形譜 f(α),其表達(dá)式分別為

一般而言,α?f(α)形狀為開口向下的拋物線,該形狀蘊(yùn)含了研究數(shù)據(jù)的相關(guān)統(tǒng)計(jì)特征。奇異指數(shù)α表示數(shù)據(jù)的奇異程度,奇異指數(shù)的寬度Δα=αmax?αmin描述了多重分形的強(qiáng)度,Δα越大,多重分形特征越強(qiáng)。而Δf=f(αmin)?f(αmax)則反應(yīng)了時(shí)間序列演化過程中位于波峰波谷的比重。當(dāng)Δf>0時(shí),表明時(shí)間序列在演化過程中大概率出現(xiàn)較大的數(shù)值,有上揚(yáng)的趨勢;當(dāng)Δf<0時(shí),表明時(shí)間序列在演化過程中大概率出現(xiàn)較小的數(shù)值,有下降的趨勢。

1.3 多重分形消除趨勢交叉波動(dòng)分析方法

為研究不同時(shí)間尺度上兩組時(shí)間序列的關(guān)聯(lián)性,2008年Zhou[20]提出了多重分形消除趨勢波動(dòng)交叉分析法。具體步驟如下:

1)根據(jù)時(shí)間序列{x(t)}和{y(t)},生成累積離差序列X(t)、Y(t),其表達(dá)式分別為

2)將時(shí)間序列{x(t)}、{y(t)}分割成Tm=int(T/m)個(gè)子區(qū)間,m為每個(gè)子區(qū)間的長度。但由于T可能不是m的整數(shù)倍,所以在倒序再次進(jìn)行劃分,最終得到2Tm個(gè)子區(qū)間。

4)對每個(gè)子區(qū)間進(jìn)行降趨勢處理,得到降趨勢協(xié)方差,即

5)整個(gè)樣本的q階降趨勢協(xié)方差函數(shù)計(jì)算公式為

6)如果兩序列之間存在交叉冪律關(guān)系,則標(biāo)度關(guān)系滿足Fq(m)∝mH(q)。當(dāng)q=2時(shí),H(q)為廣義Hurst指數(shù),常用來表征兩組序列之間的長期相關(guān)性。即H(q)>0.5時(shí),表明兩組時(shí)間序列間具有正向的相關(guān)性,并在一定時(shí)間尺度上持續(xù)存在。H(q)與τ(q)的關(guān)系如同MF-DFA方法中的步驟5)、6)、7),進(jìn)而可以得到兩組時(shí)間序列交叉相關(guān)性的多重分形譜參數(shù)。

2 數(shù)據(jù)來源與分析

以2015年1月1日–2017年12月31日張家界市PM2.5濃度和到張家界的旅游人次為研究對象。PM2.5濃度數(shù)據(jù)源自全國空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái),張家界市共設(shè)有4個(gè)站點(diǎn):袁家界(武陵源風(fēng)景區(qū)內(nèi))、未央路(景區(qū)附近)以及處在市區(qū)的永定新區(qū)和電業(yè)局(鄰近天門山風(fēng)景區(qū)),具體位置見圖1。張家界旅游資源豐富,深受國內(nèi)外游客喜愛,是以發(fā)展旅游業(yè)為特征的省轄地級市,武陵源風(fēng)景區(qū)和天門山景區(qū)是核心景點(diǎn)(鄰近空氣監(jiān)測站點(diǎn))。用這兩個(gè)核心景區(qū)的日進(jìn)園人次(數(shù)據(jù)來源于張家界市文化與旅游局)求和,來反應(yīng)張家界市旅游活動(dòng)的強(qiáng)弱。由于兩個(gè)景區(qū)相距不到35 km,所以PM2.5濃度采用整個(gè)研究區(qū)域的均值。研究時(shí)段內(nèi)張家界大氣PM2.5濃度與旅游人次詳情見圖2。

圖1 大氣監(jiān)測站點(diǎn)及景區(qū)分布圖Fig.1 Distribution map of air monitoring stations and main scenic spots

圖2 張家界市PM2.5濃度(a)和旅游人次(b)示意圖Fig.2 Diagram of PM2.5concentration(a)and tourist trips(b)in Zhangjiajie City

表1給出了PM2.5濃度序列與旅游人次序列的統(tǒng)計(jì)特征。由表可知,張家界市旅游平均人次旺季是淡季的3.12倍,相差較大。就PM2.5濃度和旅游人次的偏度和峰度而言,均偏離標(biāo)準(zhǔn)的正態(tài)分布(偏度0,峰度3),呈現(xiàn)出“尖峰胖尾”特征。旅游淡季PM2.5濃度的均值和變異系數(shù)大于旅游旺季,這說明旅游淡季PM2.5濃度更高,變化范圍更大,不穩(wěn)定性更強(qiáng),可能是由于在旅游淡季(冬季時(shí)段),當(dāng)?shù)亓?xí)慣烤火取暖導(dǎo)致。而旅游人次的變異系數(shù)在旅游淡季最高,達(dá)到0.74,這與當(dāng)前興起的春節(jié)旅游有關(guān)。張家界市在春節(jié)假期期間的旅游人次會(huì)有一個(gè)小高峰,從而致使旅游人次數(shù)據(jù)上升,數(shù)據(jù)波動(dòng)范圍更大。

表1 PM2.5濃度序列與旅游人次序列的統(tǒng)計(jì)特征Table 1 Statistical characteristics of PM2.5concentration and tourist trips

3 結(jié)果分析與討論

3.1 張家界大氣PM2.5濃度與旅游人次交叉相關(guān)性檢驗(yàn)結(jié)果分析

運(yùn)用交叉相關(guān)檢驗(yàn)函數(shù)計(jì)算張家界市旅游人次和大氣PM2.5濃度序列之間的相關(guān)統(tǒng)計(jì)量。圖3給出張家界市PM2.5濃度與旅游人次間的交叉相關(guān)統(tǒng)計(jì)量Qcc(m)對m的雙對數(shù)圖以及顯著水平為5%情況下的卡方分布的臨界值。交叉相關(guān)檢驗(yàn)統(tǒng)計(jì)量均大于5%水平下卡方分布臨界值。因此,拒絕原假設(shè),表明張家界市PM2.5濃度序列與旅游人次間的相關(guān)性長期持續(xù)存在。

圖3 PM2.5濃度與旅游人次序列的交叉相關(guān)性檢驗(yàn)Fig.3 Cross-correlation test between PM2.5concentration and tourist trips

3.2 張家界大氣PM2.5濃度與旅游人次的多重分形分析

為探討張家界市大氣PM2.5濃度與旅游人次的多重分形特征,分別進(jìn)行MF-DFA分析。圖4為PM2.5濃度序列和旅游人次序列的Hurst指數(shù)(a)和多重分形譜(b)圖。由圖可知,張家界PM2.5濃度與旅游人次的h(q)均是關(guān)于q的函數(shù),這表明大氣PM2.5濃度與旅游人次序列均具有多重分形特征。當(dāng)q從?20變化到20時(shí),張家界大氣PM2.5濃度序列的h(q)由2.4遞減到0.72;而張家界旅游人次的h(q)由1.85遞減到0.94。h(q)值均大于0.5,說明PM2.5濃度與旅游人次序列具有長期持續(xù)性。PM2.5濃度與旅游人次序列的多重分形譜呈現(xiàn)上凸拋物線形狀,奇異指數(shù)寬度Δα分別為1.79、1.01。可以看出張家界PM2.5濃度的多重分形特征要強(qiáng)于旅游人次,這可能是由于影響PM2.5濃度變化的因素較多,PM2.5濃度演化過程中大幅波動(dòng)的概率較大。而旅游人次主要是受季節(jié)及節(jié)假日影響,相對而言其大幅波動(dòng)的可能性較小,所以其多重分形強(qiáng)度要弱于PM2.5濃度序列。此外,PM2.5濃度與旅游人次序列多重分形譜兩端的高度差Δf均為正值,表明張家界PM2.5濃度與旅游人次序列在變化過程中更大可能處于較高數(shù)值,有上升趨勢。

圖4 PM2.5濃度和旅游人次序列的Hurst指數(shù)(a)和多重分形譜(b)Fig.4 Hurst index(a)and multifractal spectrum(b)of PM2.5concentration and tourist trips

3.3 張家界大氣PM2.5濃度與旅游人次的交叉相關(guān)性分析

為探究張家界大氣PM2.5濃度與旅游人次二者之間如何相互影響,利用MF-DCCA對張家界大氣PM2.5濃度變化與旅游活動(dòng)強(qiáng)弱變化的相關(guān)性進(jìn)行研究。圖5為張家界PM2.5濃度與旅游人次時(shí)間序列的Hurst指數(shù)(a)和多重分形譜(b)圖。由圖可知,張家界大氣PM2.5濃度與旅游人次交叉相關(guān)性的h(q)隨q的增大而逐漸減少,表明張家界市大氣PM2.5濃度序列和旅游人次間的相關(guān)性不是隨機(jī)的,而是以冪律形式隨時(shí)間衰減,是一種具有非線性、復(fù)雜的多重分形特征。當(dāng)q從?20變化到20時(shí),h(q)由1.35降到0.77,均大于0.50,表明張家界市大氣PM2.5和旅游人次間存在長期持續(xù)性特征,意味著在某一時(shí)間尺度上,旅游人次的增加(下降)會(huì)導(dǎo)致未來一段時(shí)間PM2.5濃度的增加(下降)。這種相互關(guān)系,從復(fù)雜理論視角可以解釋為大氣PM2.5濃度對旅游活動(dòng)強(qiáng)度變化的依賴性。此外,大氣PM2.5濃度與旅游人次序列相關(guān)性的α?f(α)曲線呈現(xiàn)上凸拋物線形狀,多重分形譜兩端高度差Δf為正值,說明張家界市大氣PM2.5污染物在旅游活動(dòng)影響下,更大概率向高濃度數(shù)值演化,具有上升趨勢。

圖5 張家界PM2.5濃度和旅游人次交叉相關(guān)性的Hurst指數(shù)(a)和多重分形譜(b)Fig.5 Hurst index(a)and multifractal spectrum(b)of cross-correlation between PM2.5concentration and tourist trips in Zhangjiajie City

3.4 旅游強(qiáng)度變化下張家界大氣PM2.5濃度與旅游人次的交叉相關(guān)性分析

旅游活動(dòng)變強(qiáng),會(huì)使得航班班次增加,城市出租車、公交車、旅游大巴等交通工具使用頻率增大,城市交通阻塞概率加大,汽車怠速的可能性增加,導(dǎo)致尾氣排放增多。旅游活動(dòng)強(qiáng)弱變化直接導(dǎo)致PM2.5污染源變化,進(jìn)而致使大氣PM2.5濃度發(fā)生變化。張家界市旅游淡旺季分明,旺季平均旅游人次是淡季的3.12倍,為此對不同旅游強(qiáng)度下張家界市大氣PM2.5濃度與旅游人次的交叉相關(guān)性進(jìn)行分析。

根據(jù)張家界市政府公布的淡旺季時(shí)段,選取2016年11月–2017年3月為旅游淡季,2017年5–9月為旅游旺季,并對各時(shí)段內(nèi)大氣PM2.5濃度與旅游人次的交叉相關(guān)性進(jìn)行分析,結(jié)果如圖6所示。由圖6(a)可知,h(q)是關(guān)于q的減函數(shù),表明不同旅游強(qiáng)度下,張家界大氣PM2.5濃度與旅游人次的交叉相關(guān)性存在明顯的多重分形特征;q=2時(shí),所有的h(q)>0.5,說明旅游強(qiáng)度變化,并不影響大氣PM2.5濃度與旅游人次相關(guān)性的長期持續(xù)特征,即在一定時(shí)間尺度上,過去一段時(shí)間旅游活動(dòng)的加劇會(huì)導(dǎo)致未來一段時(shí)間內(nèi)大氣PM2.5濃度的增加。

圖6 不同旅游強(qiáng)度下張家界PM2.5濃度和旅游人次交叉相關(guān)性的Hurst指數(shù)(a)和多重分形譜(b)Fig.6 Hurst index(a)and multifractal spectrum(b)of cross-correlation between PM2.5concentration and tourist trips in Zhangjiajie City under different tourism intensities

圖6(b)為不同旅游強(qiáng)度下旅游人次的多重分形譜圖,從圖中可知旅游淡季奇異指數(shù)Δα為0.41,小于旅游旺季0.93,旅游旺季大氣PM2.5濃度與旅游人次相關(guān)性的多重分形強(qiáng)度強(qiáng)于旅游淡季。表明在旅游旺季期間,旅游活動(dòng)越強(qiáng),大氣PM2.5濃度的波動(dòng)范圍更大,由此可推斷,旅游旺季旅游活動(dòng)可能是影響張家界市大氣PM2.5濃度變化的主要因素。旅游淡季多重分形譜兩端高度差Δf為負(fù)值,表明在旅游活動(dòng)影響下,旅游淡季大氣PM2.5濃度出現(xiàn)低濃度值的概率要大于出現(xiàn)高濃度值的概率,有下降趨勢。而旅游旺季多重分形譜兩端高度Δf為正值,說明在旅游旺季,張家界市大氣PM2.5濃度在旅游活動(dòng)影響下,傾向于處于較高濃度值,有上升趨勢。造成這種差異的原因可能是旅游旺季,旅游過程中吃、穿、住、行、游玩等活動(dòng)增加,會(huì)使得大氣中PM2.5濃度變化較大,因此大氣PM2.5濃度更多受到旅游活動(dòng)影響。而在旅游淡季,大氣PM2.5濃度雖受到旅游活動(dòng)影響,但是受氣象條件以及居民取暖方式的影響更大,二者作用機(jī)制不一樣。

3.5 后向軌跡分析

前文利用MF-DCCA方法探討了張家界旅游活動(dòng)與大氣PM2.5污染物演化的相關(guān)性,并就不同旅游活動(dòng)強(qiáng)度變化下大氣PM2.5濃度的響應(yīng)機(jī)制進(jìn)行了分析。然而,自然景區(qū)的大氣環(huán)境不僅受到旅游活動(dòng)影響,也有可能受到污染物長距離輸送影響,導(dǎo)致空氣質(zhì)量下降[14,21]。因此,有必要對張家界市大氣PM2.5的空間來源進(jìn)行探索。

運(yùn)用后向軌跡模型對旅游淡季(2016年11月–2017年3月)和旅游旺季(2017年5–9月)抵達(dá)張家界市的氣團(tuán)進(jìn)行模擬。將模型軌跡起始時(shí)間設(shè)置為每日00:00(UTC),初始高度定為500 m,模擬過去3天內(nèi)到達(dá)張家界市(29.13°N,110.47°E)的氣團(tuán)輸送軌跡。并將得到的模擬軌跡進(jìn)行聚類分析,對同類的軌跡取平均,最終得到4簇氣團(tuán)輸送軌跡。將氣團(tuán)輸送距離定義為輸送帶起點(diǎn)與張家界市(29.13°N,110.47°E)兩點(diǎn)之間的歐式距離,并根據(jù)輸送距離大小,將氣團(tuán)輸送軌跡分為本地氣團(tuán)輸送(L型:d>100 km)、城市間相互輸送(R型:100 km300 km)。后向軌跡模擬聚類見圖7,張家界市旅游淡旺季下不同類型軌跡所占比例及輸送類型見表2。

由圖7及表2可知,旅游淡季期間,來自200 km左右宜昌市的城市間輸送占比76.9%。而擴(kuò)散性較好的遠(yuǎn)距離輸送分兩個(gè)方向,一個(gè)為占比13.4%的西北新疆-青海方向,一個(gè)為占比9.7%的西南印度方向。在旅游旺季期間,近距離本地氣團(tuán)輸送和遠(yuǎn)距離輸送分別占比為51.3%和48.7%。遠(yuǎn)距離輸送在三個(gè)方向分別為:南方沿海(23.2%),河南山東方向(24.5%)和西北新疆-青海方向(1%)。

圖7 不同旅游強(qiáng)度下張家界后向軌跡聚類圖Fig.7 Backward trajectory clustering diagram of Zhangjiajie City under different tourism intensities

表2 各輸送帶出現(xiàn)的頻率、距離及類型Table 2 Frequency,distance and transport type of each cluster

張家界后向軌跡模擬結(jié)果表明,張家界市大氣PM2.5污染物主要受輸送距離<300 km的氣團(tuán)(本地氣團(tuán)、鄰近城市間氣團(tuán))影響,而西北、華北等灰霾嚴(yán)重區(qū)域輸送氣團(tuán)所占比例較小?？紤]到張家界的特殊地理位置以及經(jīng)濟(jì)發(fā)展情況,森林覆蓋率高,工業(yè)發(fā)展較落后,工業(yè)污染排放較少,整體大氣PM2.5濃度不高;再加上氣團(tuán)輸送過程中,受植被吸附、高山阻擋以及沉降等作用的影響,外來輸送氣團(tuán)PM2.5污染物含量有所下降。因此,本地人類活動(dòng)是張家界市大氣PM2.5污染物的主要影響因素,而張家界轄區(qū)內(nèi)無重工業(yè),旅游經(jīng)濟(jì)收入占其GDP的80%左右,旅游業(yè)是支柱產(chǎn)業(yè)。正常情況下(特殊節(jié)假日),旅游活動(dòng)強(qiáng)弱反映了經(jīng)濟(jì)發(fā)展中張家界市人民的社會(huì)生產(chǎn)活動(dòng),而這從側(cè)面驗(yàn)證了旅游活動(dòng)是張家界市大氣PM2.5污染物的影響因素。

4 結(jié) 論

張家界市由于其獨(dú)特的地貌,多年來獲得了國內(nèi)外游客的諸多好評。近些年來,由于人民生活質(zhì)量的提升、消費(fèi)觀念的改變以及交通的便捷性,使得更多游人選擇來張家界旅游觀光,致使局地范圍內(nèi)污染排放增多。在外來輸送污染物影響很小的情況下,較小且相對封閉的空間內(nèi),旅游活動(dòng)強(qiáng)弱變化會(huì)對大氣PM2.5濃度變化產(chǎn)生影響?；诙嘀胤中卫碚撆c方法,分析不同旅游活動(dòng)強(qiáng)度變化下張家界大氣PM2.5濃度變化情況,得到以下結(jié)論：

1)由MF-DFA分析可得,張家界市大PM2.5濃度與旅游人次均表現(xiàn)出非線性、復(fù)雜的多重分形特征,且大氣PM2.5濃度的多重分形特征強(qiáng)于旅游人次,同時(shí)它們在演化過程中具有長期持續(xù)性。

2)根據(jù)MF-DCCA分析結(jié)果,在整個(gè)時(shí)間尺度上,張家界市大氣PM2.5濃度與旅游人次的廣義Hurst指數(shù)h(q)由1.35降到0.77,均大于0.5,這說明張家界市大氣PM2.5濃度與旅游人次的相互關(guān)系具有非線性及長期持續(xù)性的多重分形特征。

3)旅游活動(dòng)強(qiáng)度變化下,旅游旺季張家界市大氣PM2.5濃度與旅游人次相關(guān)性的多重分形特征強(qiáng)于旅游淡季,表明旅游旺季張家界市大氣PM2.5濃度變化受到旅游活動(dòng)影響較大。換而言之,張家界市旅游活動(dòng)加強(qiáng),大氣PM2.5濃度演化有上升的趨勢,旅游活動(dòng)強(qiáng)度下降,大氣PM2.5濃度演化則會(huì)有所下降。

4)后向軌跡結(jié)果表明張家界旅游淡旺季期間,主要受城市間氣團(tuán)輸送和本地氣團(tuán)輸送的影響,而灰霾重災(zāi)區(qū)的西北、華北輸送氣團(tuán)所占比例較小。轄區(qū)范圍內(nèi)及周邊城市無大型重工業(yè),植被覆蓋率高,所以外來輸送氣團(tuán)是較為清潔的氣團(tuán),因此張家界大氣PM2.5濃度主要源于本地污染源排放,驗(yàn)證了旅游活動(dòng)是影響張家界市大氣PM2.5濃度變化的主要因素。