張懿華

上海市環(huán)境監(jiān)測中心, 上海 200235

細(xì)顆粒物(PM2.5)是指環(huán)境空氣中空氣動力學(xué)直徑小于等于2.5 μm的顆粒物，對人體健康、大氣能見度以及氣候變化均有較大影響. 我國于2013年起在全國范圍內(nèi)開展PM2.5近地面監(jiān)測，結(jié)果顯示，我國PM2.5污染呈明顯的區(qū)域性分布特征[1-3]，與社會經(jīng)濟(jì)、人口、產(chǎn)業(yè)等要素的分布密切相關(guān)[4-8]；同時，區(qū)域內(nèi)PM2.5污染具有較強(qiáng)的關(guān)聯(lián)性，區(qū)域間的污染傳輸對長時間、大范圍的重污染過程有重要貢獻(xiàn)[9-13]. 為有效應(yīng)對和改善區(qū)域性大氣污染，《重點區(qū)域大氣污染防治“十二五”規(guī)劃》中明確劃分了“三區(qū)十群”重點區(qū)域，并要求京津冀、長三角、珠三角地區(qū)將PM2.5納入考核指標(biāo)[14].

長三角地區(qū)作為我國三大超大型城市群之一，經(jīng)濟(jì)發(fā)展程度和城市化程度均較高，人口密集，產(chǎn)業(yè)齊全，大量的人為污染排放導(dǎo)致ρ(PM2.5)較高[15]. 在三大重點區(qū)域中，長三角地區(qū)ρ(PM2.5)高于珠三角地區(qū)，低于京津冀地區(qū)[16-17]，并在PM2.5化學(xué)組成和來源[18-21]、影響污染物形成和傳輸?shù)臍庀髼l件[22-23]、顆粒物對人體健康的影響[24-25]、典型區(qū)域污染事件的分析和模擬[26-27]等方面積累了較多的研究成果. 長三角獨特的地理位置使得該區(qū)域PM2.5污染事件形成機(jī)制復(fù)雜、影響因素眾多，秋冬季冷空氣過程將北方上游地區(qū)的污染物傳輸至長三角地區(qū)，可導(dǎo)致ρ(PM2.5)迅速上升[28-30]，海陸風(fēng)將東部海域的濕氣帶至陸地，從而進(jìn)一步影響大氣化學(xué)反應(yīng)過程[31-32]，此外密集的城市群產(chǎn)生的熱島效應(yīng)通過改變局地微氣象對PM2.5污染產(chǎn)生影響[33-35].

隨著《大氣污染防治行動計劃》的全面實施和推進(jìn)，我國PM2.5污染改善顯著[36-38]，長三角地區(qū)ρ(PM2.5)也同步下降[39-40]. 但僅從ρ(PM2.5)變化的角度無法全面反映PM2.5區(qū)域性污染的變化趨勢，而關(guān)于區(qū)域性污染判定方法和劃分標(biāo)準(zhǔn)的研究也較為鮮見.高曉榮等[41]以3個及以上站點出現(xiàn)污染、污染起止日期相同并且持續(xù)3 d或以上作為廣東省區(qū)域污染過程的判定條件. 曹鈺等[42]基于長三角地區(qū)冬季觀測數(shù)據(jù)，將至少一個省份中超過50%的城市日均ρ(PM2.5)達(dá)到污染等級作為PM2.5區(qū)域污染日的判別標(biāo)準(zhǔn)，但廣東省的研究結(jié)果不適用于長三角地區(qū).曹鈺等[42]的研究僅考慮了污染較重的冬季，且沒有進(jìn)一步開展分等級的區(qū)域污染劃分. 因此，該研究以2015-2020年長三角地區(qū)41個地級及以上城市PM2.5地面監(jiān)測數(shù)據(jù)為基礎(chǔ)，建立適用于長三角地區(qū)的不同等級PM2.5區(qū)域污染劃分標(biāo)準(zhǔn)，分析了6年內(nèi)長三角地區(qū)PM2.5區(qū)域污染的狀況和變化趨勢，并針對PM2.5重度區(qū)域污染開展了時空變化和網(wǎng)絡(luò)特征分析，以期為合理評價區(qū)域大氣污染防治工作的成效以及區(qū)域大氣聯(lián)防聯(lián)控策略的制定提供科學(xué)依據(jù).

1 研究方法

1.1 數(shù)據(jù)來源與評價方法

該研究中長三角地區(qū)是指上海市、江蘇省、安徽省和浙江省的41個地級及以上城市(見表1)，基于41個城市的國控空氣自動監(jiān)測站的城市評價點數(shù)據(jù)進(jìn)行長三角地區(qū)空氣質(zhì)量分析. 該研究所使用的ρ(PM2.5)數(shù)據(jù)均來自中國環(huán)境監(jiān)測總站國家城市環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)(https://air.cnemc.cn:18007)，城市國控空氣自動監(jiān)測站嚴(yán)格按照國家環(huán)境空氣質(zhì)量監(jiān)測的相關(guān)技術(shù)規(guī)定和要求[43-44]進(jìn)行. 2018年，生態(tài)環(huán)境部發(fā)布《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095-2012)修改單，將標(biāo)準(zhǔn)中ρ(PM2.5)為標(biāo)準(zhǔn)狀態(tài)下的濃度修改為監(jiān)測時大氣溫度和壓力下的濃度，該研究為了保證長時間序列的ρ(PM2.5)數(shù)據(jù)具有可比性，均采用標(biāo)準(zhǔn)狀態(tài)下的濃度數(shù)據(jù).

表1 長三角地區(qū)41個地級及以上城市列表Table 1 The 41 cities at prefecture level and above in the YRD

在41個城市ρ(PM2.5)日均數(shù)據(jù)的基礎(chǔ)上，依據(jù)HJ 633-2012《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定》[45]計算城市日PM2.5分指數(shù)級別. 江蘇省、安徽省和浙江省的ρ(PM2.5)平均值為各省地級及以上城市ρ(PM2.5)的算數(shù)平均值.

1.2 PM2.5區(qū)域污染等級劃分

該研究參照《環(huán)境空氣質(zhì)量預(yù)報成效評估方法技術(shù)指南》[46]中關(guān)于區(qū)域性污染程度的界定，以5個連片地級及以上城市作為區(qū)域污染的空間范圍判定標(biāo)準(zhǔn)，同時與HJ 633-2012《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定》[45]一致，以自然日作為區(qū)域污染的時間判定單位，制定了適用于長三角地區(qū)的PM2.5區(qū)域污染定義及等級劃分：①輕度區(qū)域污染. 1個自然日內(nèi)，區(qū)域內(nèi)5個以上連片城市出現(xiàn)PM2.5污染，其中，中度污染城市數(shù)≤4個，其余城市為輕度污染. ②中度區(qū)域污染. 1個自然日內(nèi)，區(qū)域內(nèi)5個以上連片城市出現(xiàn)PM2.5污染，其中重度及以上污染城市數(shù)≤4個；當(dāng)沒有城市出現(xiàn)重度及以上污染時，中度污染城市不少于5個. ③重度區(qū)域污染. 1個自然日內(nèi)，區(qū)域內(nèi)5個以上連片城市出現(xiàn)PM2.5污染，且達(dá)重度及以上污染等級城市不少于5個.

1.3 社會網(wǎng)絡(luò)分析

社會網(wǎng)絡(luò)分析法(social network analysis, SNA)是在數(shù)學(xué)方法、圖論方法等基礎(chǔ)上演化而來的一種針對“關(guān)系數(shù)據(jù)”的定量分析方法，用于描述關(guān)系模式并探究該關(guān)系模式對結(jié)構(gòu)中成員或整體的影響，最初多應(yīng)用于社會學(xué)領(lǐng)域，現(xiàn)已被引入經(jīng)濟(jì)發(fā)展、地緣政治、生態(tài)環(huán)境等多個領(lǐng)域的關(guān)系結(jié)構(gòu)分析[47-49]. 社會網(wǎng)絡(luò)分析法有眾多用于衡量和研究關(guān)系數(shù)據(jù)的指標(biāo)，該研究選取以下幾個核心指標(biāo)開展研究[50-51]：①網(wǎng)絡(luò)密度. 網(wǎng)絡(luò)密度即整個網(wǎng)絡(luò)中實際擁有的關(guān)系數(shù)與最多可能擁有的關(guān)系數(shù)之比，網(wǎng)絡(luò)密度越高，網(wǎng)絡(luò)中節(jié)點的空間聯(lián)系越強(qiáng). ②網(wǎng)絡(luò)中心性. 中心性描述的是網(wǎng)絡(luò)節(jié)點在整個網(wǎng)絡(luò)中居于怎樣的中心地位，該文選取最常用的度數(shù)中心度、接近中心度和中間中心度3個指標(biāo)來刻畫網(wǎng)絡(luò)中心性. 度數(shù)中心度最簡單直觀，是與該節(jié)點直接相連的其他節(jié)點數(shù)量；接近中心度是一種針對不受他人控制的測度，如果一個節(jié)點與網(wǎng)絡(luò)中其他所有節(jié)點的“距離”都很短，則該節(jié)點具有較高的接近中心度；中間中心度測量的是節(jié)點對資源的控制程度，如果一個節(jié)點處于許多其他點對的捷徑上，就認(rèn)為該節(jié)點具有較高的中間中心度.③子群聚類. 該研究采用的CONCOR法是一種迭代相關(guān)收斂法，通過對一個矩陣中各行(或列)之間的相關(guān)系數(shù)進(jìn)行重復(fù)計算，最終產(chǎn)生一個僅由1和-1組成的相關(guān)系數(shù)矩陣，從而進(jìn)行子群劃分. 上述所有社會網(wǎng)絡(luò)分析方法均采用UCINET 6.0軟件進(jìn)行計算.

2 結(jié)果與討論

2.1 長三角地區(qū)ρ(PM2.5)時空變化特征

由圖1可見，2015-2020年長三角地區(qū)三省一市年均ρ(PM2.5)均呈逐漸下降的趨勢. 2020年，上海市、江蘇省、安徽省和浙江省年均ρ(PM2.5)分別為34、40、41和27 μg/m3，較2015年分別下降了35.8%、31.0%、25.5%和42.6%，長三角地區(qū)PM2.5污染狀況改善較為明顯. 李莉等[40]研究表明，實施《大氣污染防治行動計劃(2013-2017)》后，在強(qiáng)減排方案下長三角地區(qū)年均ρ(PM2.5)降幅為24.3%±7.7%，至2017年ρ(PM2.5)可降至43.4～70.1 μg/m3. 筆者研究中2017年長三角地區(qū)三省一市年均ρ(PM2.5)為39～56 μg/m3，明顯低于李莉等[40]的模擬結(jié)果，表明長三角地區(qū)的減排力度超過了《大氣污染防治行動計劃(2013-2017)》目標(biāo). 盡管氣象條件會對ρ(PM2.5)產(chǎn)生一定的影響，但對于5年以上的時間跨度，氣象條件的變化對污染物濃度的影響相對較小[52]. Ding等[39]研究也顯示，人為污染物排放的減少是長三角地區(qū)PM2.5改善的主導(dǎo)因素.

圖1 2015—2020年長三角地區(qū)三省一市ρ（PM2.5）年均值Fig.1 Annual average ρ(PM2.5) of Shanghai, Jiangsu Province, Anhui Province and Zhejiang Province in YRD from 2015 to 2020

截至2020年，長三角地區(qū)三省一市年均ρ(PM2.5)并未全部達(dá)到GB 3095-2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級標(biāo)準(zhǔn)限值(35 μg/m3)，2015-2020年個別省(市)在個別年份中出現(xiàn)年均ρ(PM2.5)反彈或持平的現(xiàn)象.受2020年新冠肺炎疫情防控影響，大氣污染源排放強(qiáng)度顯著降低. 有研究表明，與新冠肺炎疫情前相比，減排導(dǎo)致新冠肺炎疫情期間長三角地區(qū)ρ(PM2.5)下降了37%～55%[53]，與2019年同期相比降低了30%以上，但仍出現(xiàn)了日均ρ(PM2.5)較高的情況[54]. 綜上，長三角地區(qū)仍面臨著ρ(PM2.5)全面達(dá)標(biāo)的壓力和持續(xù)改善的挑戰(zhàn).

從41個城市年均ρ(PM2.5)箱型圖(見圖2)可以看出，2015-2020年長三角地區(qū)各城市ρ(PM2.5)整體呈下降趨勢，除2017年較2016年有所波動外，其余年份各城市整體ρ(PM2.5)均較前一年出現(xiàn)不同幅度的下降. 其中，2015-2018年41個城市的ρ(PM2.5)最低值隨平均濃度逐年下降，但ρ(PM2.5)最高值并未同步下降，表明長三角地區(qū)各城市PM2.5污染改善程度不一致；2019-2020年，ρ(PM2.5)最低值、最高值和平均值均呈下降趨勢，表明長三角地區(qū)PM2.5污染出現(xiàn)整體性、區(qū)域性的改善. 2015-2020年41個城市年均ρ(PM2.5)最高值與最低值之間的差值范圍為35～46 μg/m3，可見區(qū)域內(nèi)各城市年均ρ(PM2.5)仍存在較大差異.

圖2 2015-2020年長三角地區(qū)41個城市年均ρ（PM2.5）箱型圖Fig.2 Box plot of annual average ρ(PM2.5) in 41 cities of YRD from 2015 to 2020

2015-2020年長三角地區(qū)41個城市ρ(PM2.5)熱力圖如圖3所示. 由圖3可見，長三角地區(qū)ρ(PM2.5)呈北高南低的分布特征，與衛(wèi)星反演結(jié)果[4]一致. 其中，ρ(PM2.5)高值區(qū)主要集中于安徽省北部與江蘇省西北部，與該地區(qū)的地理位置和污染排放情況有關(guān).秋冬季北方冷空氣南下是導(dǎo)致長三角地區(qū)出現(xiàn)PM2.5污染的主要天氣形勢之一[55]，長三角西北部地區(qū)是北方污染氣團(tuán)隨冷空氣擴(kuò)散南下輸送的第一站，同時該地區(qū)冬季有采暖，排放強(qiáng)度高于長三角其他地區(qū)[56]，因此更易出現(xiàn)PM2.5重污染事件，造成區(qū)域西北部ρ(PM2.5)較高的情況[57]. 此外，2015-2020年長三角地區(qū)大部分城市的ρ(PM2.5)改善幅度都較大，但安徽省的阜陽市、淮南市和池州市ρ(PM2.5)降幅均較小甚至有所上升，需加強(qiáng)關(guān)注.

圖3 2015-2020年長三角地區(qū)41城市年均ρ（PM2.5）熱力圖Fig.3 Heat map of annual average ρ(PM2.5) in 41 cities of YRD from 2015 to 2020

2.2 不同等級PM2.5區(qū)域污染天數(shù)

根據(jù)1.2節(jié)中PM2.5區(qū)域污染等級劃分方法，2015-2020年長三角地區(qū)PM2.5區(qū)域污染天數(shù)比例為16.9%～35.9%(見表2)，2015-2019年污染天數(shù)比例均在25%以上，2020年可能受新冠肺炎疫情影響，PM2.5區(qū)域污染天數(shù)大幅減少，且輕度、中度和重度污染天數(shù)均為統(tǒng)計時段內(nèi)最少. 其中，2015-2020年輕度污染天占總污染天數(shù)的比例在50%～60%之間，中度污染天占比在27%～36%之間，重度污染天占比在9%～19%之間，PM2.5區(qū)域污染以輕度污染為主，不同年份之間中度和重度污染天數(shù)的占比差異較大，輕度、中度和重度污染天數(shù)均呈波動下降趨勢.

表2 長三角地區(qū)PM2.5區(qū)域污染天數(shù)統(tǒng)計Table 2 Statistics of PM2.5 regional pollution days in YRD

由表2可見：2017年P(guān)M2.5區(qū)域污染天數(shù)較2016年有所增加，與ρ(PM2.5)年變化趨勢一致，但重度污染天數(shù)較2016年減少了5 d，表明2017年雖然長三角地區(qū)整體ρ(PM2.5)有所反彈，但極端的區(qū)域性重污染過程卻有所減少；而2018年長三角地區(qū)整體ρ(PM2.5)有所下降，PM2.5區(qū)域污染天數(shù)也較2017年減少了23 d，但重污染天數(shù)卻較前一年增加了7 d，表明2018年長三角地區(qū)年均ρ(PM2.5)呈改善趨勢，但區(qū)域性的重污染過程并未見明顯改善. 綜上，與僅分析ρ(PM2.5)變化相比，劃分區(qū)域污染等級的方法能揭示更多的空氣質(zhì)量變化特征，并能從多個維度反映一定區(qū)域范圍內(nèi)污染水平的變化趨勢.

2015-2020年長三角地區(qū)不同等級PM2.5區(qū)域污染天數(shù)的月變化情況如圖4所示. 由圖4可見，長三角地區(qū)PM2.5區(qū)域污染主要集中出現(xiàn)于秋冬季，12月、1月和2月污染天數(shù)較多，且這3個月的中度和重度污染天數(shù)也較多. 此外，從月變化中也可以發(fā)現(xiàn)，長三角地區(qū)PM2.5污染程度逐年減輕，表現(xiàn)為秋冬季污染天數(shù)逐年減少、春夏季未出現(xiàn)污染月份增多的特征，2015年每個月均出現(xiàn)了PM2.5區(qū)域污染日，而2019年6-9月以及2020年5-9月未出現(xiàn)PM2.5區(qū)域污染日，PM2.5區(qū)域性改善趨勢明顯.

圖4 2015-2020年長三角地區(qū)PM2.5區(qū)域污染天數(shù)的月分布情況Fig.4 Monthly PM2.5 regional pollution days in YRD from 2015 to 2020

2.3 PM2.5重度區(qū)域污染特征

2.3.1 持續(xù)時長及影響范圍

一般長三角地區(qū)的PM2.5重度區(qū)域污染持續(xù)時間較長、影響范圍較廣，為進(jìn)一步掌握重度區(qū)域污染特征，該研究針對PM2.5重度區(qū)域污染日統(tǒng)計了重度污染持續(xù)天數(shù)，以及重度及以上污染城市數(shù)量，結(jié)果如表3、4所示.

表3 長三角地區(qū)PM2.5重度區(qū)域污染持續(xù)天數(shù)Table 3 Durations of heavy PM2.5 regional pollutions in YRD

由表3可見，長三角地區(qū)PM2.5重度區(qū)域污染持續(xù)時間主要在1～2 d之間，但極端情況下也會發(fā)生持續(xù)5 d以上的重度污染過程. 2015-2020年持續(xù)時間最長的重度污染過程出現(xiàn)在2018年1月16-22日，出現(xiàn)連續(xù)7 d的重度區(qū)域污染過程. 2019年和2020年，長三角地區(qū)沒有出現(xiàn)4 d及以上的連續(xù)重度污染過程，再次說明PM2.5區(qū)域性污染改善效果顯著.需要指出的是，該研發(fā)僅統(tǒng)計了連續(xù)的PM2.5重度區(qū)域污染天數(shù)，可能一次區(qū)域性污染過程中還會出現(xiàn)中度或輕度污染，因此無法代表每年實際出現(xiàn)的PM2.5區(qū)域性污染過程的數(shù)量.

由表4可見，除2017年外，PM2.5重度區(qū)域污染日長三角地區(qū)PM2.5達(dá)重度及以上污染等級的城市數(shù)量多數(shù)少于15個，2016年、2017年和2018年分別有1、2和2 d出現(xiàn)了20個以上城市PM2.5達(dá)到重度及以上污染的情況. 其中，2017年12月31日長三角地區(qū)共計28個城市出現(xiàn)PM2.5重度及以上污染，占全部城市數(shù)量的68%，為統(tǒng)計期間重度污染城市數(shù)量最多的一天. 2019年和2020年，長三角地區(qū)未出現(xiàn)16個以上城市PM2.5重度污染的情況，從污染范圍的角度來看，長三角地區(qū)PM2.5區(qū)域性污染也呈現(xiàn)明顯的改善趨勢.

表4 長三角地區(qū)PM2.5重度區(qū)域污染天頻數(shù)分布情況Table 4 Frequency distribution of heavy PM2.5 regional pollution days in YRD

2.3.2 空間關(guān)聯(lián)性

2015-2020年長三角地區(qū)共計出現(xiàn)84個PM2.5重度區(qū)域污染日，84個重度污染日中各城市出現(xiàn)的不同等級污染天數(shù)如圖5所示. 由圖5可見：徐州市和滁州市的污染天數(shù)最多，均達(dá)84 d，即84個PM2.5重度區(qū)域污染日這2個城市均出現(xiàn)了PM2.5超標(biāo)，且41個城市中徐州市是出現(xiàn)PM2.5重度污染日最多的城市；PM2.5超標(biāo)天數(shù)最少的為黃山市，僅出現(xiàn)了17 d，此外出現(xiàn)污染天數(shù)較少的城市均位于浙江省. 綜上，41個城市中30個城市總污染天數(shù)超過了65 d，表明長三角地區(qū)出現(xiàn)PM2.5區(qū)域重度污染時，城市之間具有較強(qiáng)的關(guān)聯(lián)性，且污染主要集中在蘇皖滬地區(qū).

圖5 PM2.5重度區(qū)域污染天各城市不同等級的污染天數(shù)Fig.5 Pollution days of different cities in heavy PM2.5 regional pollution days

84個PM2.5重度區(qū)域污染日不同城市同步出現(xiàn)PM2.5超標(biāo)的天數(shù)如圖6所示. 由圖6可見，長三角地區(qū)中北部城市同步超標(biāo)天數(shù)較多，其中位于東部沿海的連云港市、鹽城市、南通市、上海市等一線城市同步超標(biāo)天數(shù)相對較少，與其他城市的污染同步性較弱，主要與這幾個城市地理位置靠海有關(guān)，易受海上清潔空氣的影響. 研究[58]表明，來自海上的氣團(tuán)所含的ρ(PM2.5)明顯低于來自內(nèi)陸的氣團(tuán)；基于氣流軌跡的潛在源區(qū)分析也顯示，與內(nèi)陸城市相比，東北部區(qū)域?qū)ι虾Ｊ笑?PM2.5)的貢獻(xiàn)明顯低于西北部區(qū)域[59]. 此外，安徽省六安市的同步超標(biāo)天數(shù)也少于其周邊城市，可能與當(dāng)?shù)氐奈廴九欧艔?qiáng)度以及地形特征有關(guān). 綜上，長三角南部城市的污染同步性明顯弱于北部，但個別城市(如杭州市和紹興市)與北部城市的同步超標(biāo)天數(shù)明顯多于周邊城市.

圖6 PM2.5重度區(qū)域污染日不同城市同步超標(biāo)天數(shù)熱力圖Fig.6 Heat map of simultaneous pollution days between different cities in heavy PM2.5 regional pollution days

2.3.3 城市網(wǎng)絡(luò)結(jié)構(gòu)分析

該研究針對84個PM2.5重度區(qū)域污染日41個城市的日均ρ(PM2.5)計算Spearman相關(guān)系數(shù)矩陣，并基于0.01置信度下的顯著相關(guān)性進(jìn)行二值化處理后，利用社會網(wǎng)絡(luò)分析方法開展長三角地區(qū)PM2.5重度區(qū)域污染日的城市網(wǎng)絡(luò)結(jié)構(gòu)分析.

結(jié)果表明：出現(xiàn)PM2.5重度區(qū)域污染時，長三角地區(qū)城市網(wǎng)絡(luò)實際關(guān)系數(shù)為754，城市網(wǎng)絡(luò)密度為0.459 8，即城市之間的污染聯(lián)動關(guān)系已占全部聯(lián)動關(guān)系的46%左右；網(wǎng)絡(luò)密度水平相對較高，表明城市之間PM2.5污染的相互影響較強(qiáng)，聯(lián)動關(guān)系較緊密.

為進(jìn)一步揭示不同城市在城市網(wǎng)絡(luò)中的角色和作用，采用CONCOR方法對長三角地區(qū)的41個城市進(jìn)行子群聚類劃分，并計算了各子群中城市的度數(shù)中心度、接近中心度和中間中心度的平均值，結(jié)果如表5所示.

表5 長三角地區(qū)PM2.5重度區(qū)域污染日城市子群聚類及中心性指標(biāo)Table 5 Urban subgroup clustering and centrality indexes in heavy PM2.5 regional pollution days in YRD

由表5可見：長三角城市可劃分為4個子群. 以連云港市為代表的子群1主要包括蘇皖北部的9個城市，該子群的度數(shù)中心度和接近中心度均偏低，說明子群1中的城市受長三角區(qū)域內(nèi)的影響較小、相對獨立；同時，子群1中各城市ρ(PM2.5)較高，中間中心度相對較低，可能對長三角其他地區(qū)有一定的傳輸影響. 以寧波市為代表的子群2主要包括長三角地區(qū)沿海的13個城市，該子群的度數(shù)中心度和接近中心度均較高，受區(qū)域內(nèi)其他城市影響較大，并且中間中心度偏高，說明該子群中的城市位于PM2.5污染的傳輸路徑上. 以安慶市為代表的子群3主要包括安徽省中南部的7個城市，該子群中的城市主要位于長三角內(nèi)陸地區(qū)，度數(shù)中心度、接近中心度和中間中心度均為4個子群中最低，說明該子群中的城市不僅污染獨立性強(qiáng)，受長三角區(qū)域內(nèi)影響較小，同時也不處于主要的污染傳輸通道上，對長三角其他城市影響也較小. 以南京市為代表的子群4主要包括長三角中部及南部的12個城市，與子群3相反，子群4的度數(shù)中心度、接近中心度和中間中心度均為4個子群中最高，表明子群4中的城市處于整個城市網(wǎng)絡(luò)的中心位置，受區(qū)域內(nèi)污染傳輸影響較大. 綜上，子群1城市的PM2.5污染較重并對長三角地區(qū)內(nèi)其他城市有一定的輸送影響，對于長三角PM2.5重度區(qū)域污染的影響較大；子群2和子群4受區(qū)域內(nèi)輸送影響較大，揭示了長三角地區(qū)東路沿海和中路兩條污染輸送通道，對于PM2.5區(qū)域污染防控有一定的指示作用.

3 結(jié)論

a) 2015-2020年，長三角三省一市年均ρ(PM2.5)逐步下降，降幅均在25%以上. 區(qū)域內(nèi)不同城市ρ(PM2.5)差異較大，41個城市年均ρ(PM2.5)最高值與最低值的差值為35～46 μg/m3，呈北高南低的分布特征，其中ρ(PM2.5)高值區(qū)主要集中于區(qū)域西北部.

b) 2015-2020年，長三角PM2.5區(qū)域污染天數(shù)比例為16.9%～35.9%，以輕度污染為主，不同年份中度和重度污染日占比差異較大，且集中出現(xiàn)在秋冬季，2015-2020年輕度、中度和重度污染天數(shù)均呈波動下降趨勢；與2015年相比，2019年和2020年P(guān)M2.5區(qū)域污染日分別減少了38和69 d，并且2015年每個月均出現(xiàn)污染日，2019年和2020年6-9月未出現(xiàn)污染日，表明長三角地區(qū)PM2.5污染改善明顯.

c) 2015-2020年長三角地區(qū)共計出現(xiàn)84個PM2.5重度區(qū)域污染日，重度污染持續(xù)天數(shù)以及達(dá)重度及以上污染的城市數(shù)量均顯示，2019-2020年長三角PM2.5重度區(qū)域污染改善明顯. 出現(xiàn)PM2.5重度區(qū)域污染時，長三角中北部城市具有較強(qiáng)的污染關(guān)聯(lián)性.

d) 城市網(wǎng)絡(luò)分析結(jié)果顯示，PM2.5重度區(qū)域污染日長三角地區(qū)城市網(wǎng)絡(luò)密度水平較高，城市間的聯(lián)系緊密，并且可劃分為4個城市子群. 以連云港市為代表的子群1位于長三角北部，受區(qū)域內(nèi)輸送影響較小，但PM2.5污染重且對區(qū)域內(nèi)其他城市有一定的輸送影響；以寧波市為代表的子群2和以南京市為代表的子群4受長三角區(qū)域內(nèi)輸送影響較大，并指示了東路沿海和中路兩條污染輸送通道；以安慶市為代表的子群3位于長三角內(nèi)陸地區(qū)，污染獨立性強(qiáng)，受長三角區(qū)域內(nèi)輸送影響較小，同時對長三角其他城市影響也較小.

致謝：感謝中國環(huán)境監(jiān)測總站、江蘇省環(huán)境監(jiān)測中心、安徽省生態(tài)環(huán)境監(jiān)測中心和浙江省生態(tài)環(huán)境監(jiān)測中心提供的數(shù)據(jù)支持.