金仁浩 曾國(guó)靜 李盈新 暴雨晴

（北京物資學(xué)院信息學(xué)院，北京 101149）

1 引言

近年來(lái)，經(jīng)過(guò)政府和市民的努力，北京地區(qū)空氣質(zhì)量得到了顯著的改善，在生活質(zhì)量提高的同時(shí)，居民的環(huán)境保護(hù)意識(shí)也得到了增強(qiáng)。預(yù)防空氣污染，持續(xù)改善北京空氣質(zhì)量，仍是北京市民關(guān)心的話題，北京市在“十四五”規(guī)劃中也明確寫明要堅(jiān)持推進(jìn)空氣質(zhì)量持續(xù)改善。目前研究北京市空氣質(zhì)量問(wèn)題的文獻(xiàn)比較多，主要集中在大氣污染物空間分布特征和影響因素兩方面。

王占山等對(duì)2013 年北京PM2.5分布展開研究，得出該污染物分布呈現(xiàn)出冬春季較高、秋夏季較低，南部較高、北部較低的特點(diǎn)［1］。金仁浩等對(duì)2018 年北京市大氣污染物的分布特征展開研究，也得出污染物濃度在空間上呈現(xiàn)出北低南高的趨勢(shì)，自然因素是造成該趨勢(shì)的主要原因［2］。侯景新對(duì)北京各區(qū)空氣質(zhì)量等級(jí)天數(shù)進(jìn)行地圖展示，得出北京各區(qū)受污染的程度自北向南逐漸加?。?］。李展等利用半變異函數(shù)對(duì)2012 年北京市4 種空氣污染物的分布特點(diǎn)展開分析，得出4 種污染物都表現(xiàn)出很強(qiáng)的空間相關(guān)性［4］。

涉及北京地區(qū)空氣質(zhì)量影響因素的研究相對(duì)比較豐富。如李玉敏等利用回歸模型對(duì)1999—2009 年北京空氣質(zhì)量影響因素進(jìn)行分析，得出城市綠地覆蓋率和人口規(guī)模對(duì)空氣質(zhì)量有顯著影響［5］。肖稚穎等運(yùn)用灰色關(guān)聯(lián)法對(duì)空氣質(zhì)量影響因素進(jìn)行分析，得出公共交通運(yùn)輸和生產(chǎn)能源消耗對(duì)空氣質(zhì)量有著較大的影響［6］。侯景新以2011 年北京各區(qū)空氣質(zhì)量等級(jí)三級(jí)以上天數(shù)為目標(biāo)變量，以各區(qū)2011 年全年6 個(gè)經(jīng)濟(jì)指標(biāo)為自變量，通過(guò)回歸分析得出林木綠化率和萬(wàn)元國(guó)內(nèi)生產(chǎn)總值（GDP）能耗是影響城市空氣質(zhì)量的最重要因素［3］。

由于北京民眾對(duì)PM2.5的敏感程度較高，故本文以PM2.5作為目標(biāo)變量。雖然對(duì)北京空氣質(zhì)量影響因素的研究較多，但現(xiàn)有研究仍有一定的不足之處。如研究的數(shù)據(jù)年份較早，近年來(lái)北京經(jīng)過(guò)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，影響空氣質(zhì)量的經(jīng)濟(jì)因素可能會(huì)發(fā)生改變；大氣污染物容易在空中擴(kuò)散，相鄰區(qū)的空氣質(zhì)量往往存在一定的空間相關(guān)性，現(xiàn)有研究很少將目標(biāo)變量之間的空間相關(guān)性也考慮到回歸建模中。為彌補(bǔ)這些不足，本文以2019 年北京各區(qū)空氣質(zhì)量和經(jīng)濟(jì)數(shù)據(jù)為基礎(chǔ)，在描述分析PM2.5變化規(guī)律的基礎(chǔ)上，運(yùn)用空間回歸模型研究空氣質(zhì)量的影響因素。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

本文研究的對(duì)象為北京市16 個(gè)區(qū)的空氣質(zhì)量及經(jīng)濟(jì)影響因素，相關(guān)部門往往僅公布年度經(jīng)濟(jì)指標(biāo)且數(shù)據(jù)滯后，因此本文選取2019 年各區(qū)相關(guān)指標(biāo)。從北京市生態(tài)環(huán)境局月報(bào)中收集2019 年16 個(gè)城區(qū)的空氣質(zhì)量數(shù)據(jù)，主要為PM2.5，PM10，SO2，CO，O3，NO2這6 種空氣污染物各區(qū)月度和年度濃度均值；由北京市統(tǒng)計(jì)年鑒收集對(duì)空氣質(zhì)量有影響的年度經(jīng)濟(jì)指標(biāo)，主要為人均GDP、能源消耗、汽車保有量、林木綠化率。

2.2 建模分析

首先對(duì)北京市16 個(gè)區(qū)的空氣質(zhì)量數(shù)據(jù)進(jìn)行時(shí)空描述分析，進(jìn)而從整體上了解北京空氣質(zhì)量分布特征。在此基礎(chǔ)上，通過(guò)Moran′s I 統(tǒng)計(jì)量來(lái)度量年度PM2.5濃度均值在空間上的全局空間自相關(guān)，其公式如下：

由于普通回歸模型不能將各區(qū)空氣質(zhì)量之間的空間相關(guān)性考慮進(jìn)去，因此本文選用更合適的空間回歸模型來(lái)研究因變量與自變量之間的關(guān)系?？臻g自回歸模型的一般形式為：

式中，y 是因變量向量；X 是自變量矩陣，W1為因變量空間權(quán)重矩陣；μ 為空間誤差項(xiàng)；W2為空間誤差項(xiàng)的空間權(quán)重矩陣，ε～N（0，σ2）。本文假定這兩個(gè)權(quán)重矩陣相等，且由公式（1）中的wij組成。

在公式（2）中，當(dāng)ρ≠0，β≠0，λ=0 時(shí)，被稱為空間滯后模型（SLM）；當(dāng)ρ=0，β≠0，λ≠0 時(shí)，被稱為空間誤差模型（SEM）［8］。

3 北京地區(qū)空氣質(zhì)量時(shí)空分布研究

3.1 空氣質(zhì)量時(shí)序變化特征

基于北京市16 個(gè)區(qū)6 種污染物濃度月均值，計(jì)算得出北京市整體的6 種污染物濃度月均值。2019年北京市5 種污染物濃度月均值的時(shí)序變化如圖1所示。

圖1 2019 年北京市5 種污染物濃度月均值變化

由于SO2月均濃度變化值在1.46～11.2 μg/m3之間，和其他污染物濃度值尺度標(biāo)準(zhǔn)相差較大，故圖1中未顯示，但其變化趨勢(shì)與除O3以外的其他4 種污染物變化趨勢(shì)相似，因此選取PM2.5代表整體空氣質(zhì)量具有一定的合理性。由于O3對(duì)人體危害較小，因此本文主要關(guān)注其他幾種污染物的變化規(guī)律。由圖1 可知，5 種污染物的變化趨勢(shì)基本都是在1—3 月保持上升趨勢(shì)，4—9 月保持下降趨勢(shì)，10—12 月先上升再下降；在3 月或11 月達(dá)到最大值，在7 月或9 月達(dá)到最小值。3 月屬于初春，較容易出現(xiàn)沙塵暴等惡劣天氣；而11 月屬于初冬，北京及周邊地區(qū)開始供暖會(huì)造成較高的污染物排放，但此時(shí)風(fēng)力等級(jí)較小，不利于空氣污染物的擴(kuò)散，因此在這2 個(gè)月容易出現(xiàn)空氣質(zhì)量較差的現(xiàn)象。

3.2 空氣質(zhì)量空間變化特征

北京市2019 年P(guān)M2.5濃度年均值為44 μg/m3，空氣質(zhì)量較往年有明顯改善，總體質(zhì)量水平良好。北京市各區(qū)PM2.5濃度年均值見表1。空氣質(zhì)量較好的區(qū)主要集中在北部地區(qū)的密云、懷柔、延慶、昌平；空氣質(zhì)量較差的區(qū)主要集中在南部地區(qū)的大興、通州、房山；城六區(qū)的空氣質(zhì)量處于中間水平。從整體來(lái)看，PM2.5濃度值在空間上呈現(xiàn)出北低南高的趨勢(shì)，造成這一分布特征的原因可能在于北京西部、北部、東北部三面環(huán)山，地勢(shì)較高，林木覆蓋率較高，北京冬季風(fēng)向以西北風(fēng)為主，而南部地區(qū)地勢(shì)較低且處于下風(fēng)向，不利于空氣污染物的消散；北京工業(yè)生產(chǎn)基地主要位于南部地區(qū)，且靠近北京南部的保定和廊坊等地也集中了大量本地和北京外遷工業(yè)企業(yè)，居民生活和工業(yè)生產(chǎn)形成的空氣污染容易擴(kuò)散到北京南部地區(qū)。

表1 2019 年北京市各區(qū)PM2.5 濃度年均值 μg/m3

4 基于空間模型的北京地區(qū)空氣質(zhì)量影響因素分析

為了研究北京市各區(qū)經(jīng)濟(jì)因素對(duì)各區(qū)空氣質(zhì)量的影響，同時(shí)考慮各區(qū)空氣質(zhì)量之間的空間相關(guān)性，本文利用公式（2）中的空間回歸模型來(lái)綜合度量這些因素的作用。涉及的經(jīng)濟(jì)因素指標(biāo)為各區(qū)人均GDP、能源消耗、汽車保有量、林木綠化率，目標(biāo)變量為各區(qū)PM2.5濃度年均值。在實(shí)踐中，常用的空間回歸模型主要為空間滯后模型和空間誤差模型，本文將同時(shí)采用空間滯后模型、空間誤差模型和普通線性回歸模型（OLS）這3 種模型來(lái)擬合數(shù)據(jù)，并根據(jù)3 種模型的結(jié)果，選取最優(yōu)的模型進(jìn)行分析。

選用公式（1）中的Moran′s I 統(tǒng)計(jì)量來(lái)度量各區(qū)空氣質(zhì)量在空間上的相關(guān)性，考慮到空氣污染的擴(kuò)散性以及北京各區(qū)位置上的離散性，使用常見的Queen 鄰接權(quán)重矩陣，即公式（1）中定義的當(dāng)兩區(qū)相鄰時(shí)權(quán)重為1，反之為0。Moran′s I 統(tǒng)計(jì)量計(jì)算值為0.23，p 值為0.03，小于0.05，表明2019 年北京各區(qū)的PM2.5濃度值在空間上存在顯著的自相關(guān)性，進(jìn)一步說(shuō)明建立空間回歸模型的必要性。

3 種回歸模型的擬合效果統(tǒng)計(jì)量見表2。在空間回歸模型擬合指標(biāo)中，R2值和對(duì)數(shù)似然函數(shù)值越大，說(shuō)明模型擬合得越好，而赤池信息準(zhǔn)則（AIC）越小說(shuō)明模型擬合越好。在表2 中，空間誤差模型的R2值和對(duì)數(shù)似然函數(shù)值最大，且AIC 值最小，表明從擬合統(tǒng)計(jì)量角度考慮，空間誤差模型是最優(yōu)模型。

表2 3 種回歸模型擬合統(tǒng)計(jì)量

3 種回歸模型自變量的估計(jì)值見表3。在普通線性回歸模型中，僅有林木綠化率指標(biāo)顯著；在空間滯后模型中，林木綠化率在5%水平下顯著，而人均GDP 指標(biāo)在10%水平下顯著；在空間誤差模型中，林木綠化率和人均GDP 都在5%水平下顯著，空間誤差模型發(fā)現(xiàn)了較多的顯著性自變量。因此，綜合表2 中模型的擬合效果以及表3 中自變量顯著性，本文選擇空間誤差模型建立最終模型。

表3 3 種回歸模型自變量估計(jì)值

在空間誤差重新建模中，先剔除在表3 中最不顯著的能源消耗指標(biāo)，得到結(jié)果見表4。在表4 中，剩下3 個(gè)自變量在10%水平下都顯著，其中人均GDP 和林木綠化率在0.1%水平下顯著，說(shuō)明這3 個(gè)指標(biāo)都對(duì)北京市各區(qū)空氣質(zhì)量有著顯著的影響，人均GDP 和林木綠化率的影響更加顯著。人均GDP和汽車保有量的回歸系數(shù)為正，說(shuō)明這2 個(gè)指標(biāo)的增長(zhǎng)會(huì)導(dǎo)致空氣質(zhì)量的惡化；林木綠化率的回歸系數(shù)為負(fù)，說(shuō)明林木綠化率的提高有助于空氣質(zhì)量的改善。

表4 空間誤差模型參數(shù)估計(jì)值

5 結(jié)論與建議

5.1 研究總結(jié)

本文以北京市2019 年各區(qū)空氣質(zhì)量和經(jīng)濟(jì)指標(biāo)數(shù)據(jù)為研究對(duì)象，首先通過(guò)描述統(tǒng)計(jì)的方法分析各區(qū)PM2.5濃度均值的時(shí)空分布特征；在此基礎(chǔ)上，以各區(qū)PM2.5濃度年均值為目標(biāo)變量，以各區(qū)經(jīng)濟(jì)指標(biāo)為自變量，通過(guò)空間回歸建模的方法分析空氣質(zhì)量的影響因素。相關(guān)研究結(jié)果總結(jié)如下：

（1）北京市2019 年各區(qū)空氣質(zhì)量相對(duì)較好，從時(shí)間上看一年之中夏季和初秋空氣質(zhì)量相對(duì)較好，而冬季和初春空氣質(zhì)量相對(duì)較差；從空間上看，濃度值在空間上呈現(xiàn)出北低南高的趨勢(shì)，北京地區(qū)的自然因素是造成這種分布特征的主要原因。

（2）由Moran′s I 統(tǒng)計(jì)量可知，北京市各區(qū)空氣質(zhì)量在空間上存在著顯著的相關(guān)性，通過(guò)比較普通線性回歸模型和空間模型，最終選用空間誤差模型來(lái)研究北京市各區(qū)空氣質(zhì)量與經(jīng)濟(jì)因素之間的關(guān)系。

（3）最終模型結(jié)果得出，北京市各區(qū)人均GDP和汽車保有量的增長(zhǎng)會(huì)導(dǎo)致空氣質(zhì)量的惡化，而林木綠化率的增長(zhǎng)會(huì)改善空氣質(zhì)量。

5.2 相關(guān)建議

根據(jù)研究?jī)?nèi)容總結(jié)，針對(duì)北京市的空氣質(zhì)量治理提出如下建議：

（1）由于空氣質(zhì)量問(wèn)題存在著一定的空間相關(guān)性，北京市各區(qū)以及北京全市在治理大氣污染時(shí)要注意與周邊地區(qū)加強(qiáng)協(xié)作，建立聯(lián)防聯(lián)控工作機(jī)制。

（2）政府部門要制定相關(guān)政策淘汰落后產(chǎn)能，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快經(jīng)濟(jì)轉(zhuǎn)型，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。同時(shí)要鼓勵(lì)民眾選乘公交地鐵出行，制定激勵(lì)政策鼓勵(lì)民眾以新能源車替代汽油車，使得在人均GDP和汽車保有量增長(zhǎng)的同時(shí)，不會(huì)帶來(lái)空氣質(zhì)量的惡化。政府部門還需繼續(xù)保持對(duì)植樹造林工作的重視，不斷提高北京市的生態(tài)環(huán)境質(zhì)量。