林奕晨 孫思維 潘悅 劉超群 周鵬

林奕晨，孫思維，潘 悅，等. 2001—2016年中國(guó)PM_2.5暴露風(fēng)險(xiǎn)的時(shí)空演變、時(shí)空聚類與風(fēng)險(xiǎn)防控［J］. 湖北農(nóng)業(yè)科學(xué)，2024，? ?63（2）：247-253，260．

摘要：構(gòu)建耦合人口加權(quán)的空氣污染暴露風(fēng)險(xiǎn)（PPM_2.5）評(píng)估體系，基于探索性時(shí)空分析方法開展中國(guó)PM_2.5及其人群暴露風(fēng)險(xiǎn)的時(shí)空演變和時(shí)空聚類研究。結(jié)果表明，基于時(shí)間-空間演變特征分析，發(fā)現(xiàn)耦合人口加權(quán)的空氣污染暴露風(fēng)險(xiǎn)（PPM_2.5）格局與PM_2.5濃度分布存在空間錯(cuò)位現(xiàn)象；PPM_2.5風(fēng)險(xiǎn)等級(jí)隨區(qū)域中心向外圍梯度遞減，但研究期內(nèi)其人群暴露的東高西低總體格局不變；其均衡性時(shí)空演變呈整體不均衡性加強(qiáng)而局部更趨于均衡的趨勢(shì)。基于時(shí)空掃描統(tǒng)計(jì)的K-means聚類分析，劃定4種暴露風(fēng)險(xiǎn)類型，分別為穩(wěn)定低風(fēng)險(xiǎn)型、持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型、持續(xù)高風(fēng)險(xiǎn)型、低-高風(fēng)險(xiǎn)漸變型，各類型分布差異顯著且具備不同人口經(jīng)濟(jì)特征。針對(duì)不同PM_2.5人群暴露風(fēng)險(xiǎn)的時(shí)空聚類分區(qū)制定差異化的空氣污染預(yù)警和防治策略，有助于提升城市韌性，為“健康中國(guó)”發(fā)展戰(zhàn)略實(shí)施提供理論與實(shí)踐基礎(chǔ)。

關(guān)鍵詞：PM_2.5；耦合人口加權(quán)；暴露風(fēng)險(xiǎn)；時(shí)空趨勢(shì)；時(shí)空聚類；風(fēng)險(xiǎn)防控

中圖分類號(hào)：X513? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）02-0247-07

DOI：10.14088/j.cnki.issn0439-8114.2024.02.037 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Spatio-temporal evolution， spatio-temporal clustering and risk prevention and control of PM_2.5exposure risk in China from 2001 to 2016

LIN Yi-chen1，SUN Si-wei2，PAN Yue2，LIU Chao-qun2，ZHOU Peng2

（1.Wuhan Yongye Saiboneng Planning Survey Co.， Ltd.，Wuhan? 430071，China；2.School of Civil Engineering and Architecture， Wuhan Institute of Technology，Wuhan? 430074，China）

Abstract：The coupling population-weighted air pollution exposure risk （PPM_2.5） evaluation system was built， and the spatio-temporal evolution and spatio-temporal clustering of PM_2.5and its population exposure risk in China was studied based on exploratory spatiotemporal analysis. The results showed that based on the time-space evolution analysis， it was found that there was a spatial mismatch between the coupling population-weighted air pollution exposure risk （PPM_2.5） pattern and the distribution of PM_2.5concentration.The risk level of PPM_2.5decreased with the gradient from the center to the periphery， but the overall pattern of high in the east and low in the west remained unchanged during the study period. The spatial and temporal evolution of its equilibrium showed an enhancement of the overall imbalance and the local equilibrium was more likely. Based on the K-means clustering analysis of spatio-temporal scanning statistics， four types of exposure risk were defined： stable low risk， continuous growth risk， continuous high risk and low-high risk gradual change. The distribution of each type was significantly different with different demographic and economic characteristics. The development of differentiated air pollution warning and prevention strategies based on the spatial and temporal clustering zones of different PM_2.5population exposure risk could help improve urban resilience and provide a theoretical and practical basis for the implementation of the development strategy of “Healthy China”.

Key words： PM_2.5；coupled population-weighted；exposure risk；spatio-temporal trend；spatio-temporal clustering；risk prevention

在黨的十九大報(bào)告中，習(xí)近平總書記指出，“持續(xù)實(shí)施大氣污染防治行動(dòng)計(jì)劃，打贏藍(lán)天保衛(wèi)戰(zhàn)”，一直以來(lái)，空氣污染引起科研學(xué)者以及民眾的廣泛關(guān)注。

空氣污染暴露評(píng)價(jià)是在某一特定時(shí)間段、特定區(qū)域、特定污染物條件下對(duì)人群暴露的時(shí)間、頻率、程度進(jìn)行多維度評(píng)估^［1］。目前針對(duì)空氣污染的人群暴露研究，評(píng)估方法主要有三大類：①醫(yī)學(xué)監(jiān)測(cè)標(biāo)志物暴露-劑量-效應(yīng)——依據(jù)人體醫(yī)學(xué)特征檢測(cè)數(shù)據(jù)發(fā)現(xiàn)空氣污染的劑量暴露與生物健康指標(biāo)的耦合關(guān)系^［2-4］；②個(gè)體暴露與軌跡監(jiān)測(cè)——基于個(gè)體時(shí)空軌跡借助主被動(dòng)采樣儀器實(shí)時(shí)檢測(cè)污染暴露程度^［5-7］；③情景模擬暴露監(jiān)測(cè)——利用環(huán)境污染時(shí)空動(dòng)態(tài)監(jiān)測(cè)大數(shù)據(jù)及空間臨近模型、土地利用回歸模型、智能算法模型進(jìn)行環(huán)空氣污染暴露評(píng)估的多情景模擬^［8-11］?，F(xiàn)有人群暴露研究視角則仍然停留在2個(gè)方面：面向個(gè)體移動(dòng)軌跡和污染源差異特征的區(qū)域差異視角；多時(shí)空尺度下的累計(jì)效應(yīng)視角。二者均是針對(duì)客觀物質(zhì)空間的空氣污染程度進(jìn)行暴露評(píng)估，缺乏考慮人口特征的環(huán)境公正視角的研究^［2，12］。耦合人口特征的污染暴露研究是在當(dāng)前“以人為本”和“社會(huì)公平”的大背景下考慮人口的種族、年齡、階層、收入等差異完成耦合人口特征的污染暴露風(fēng)險(xiǎn)評(píng)估，更有利于促進(jìn)環(huán)境污染科學(xué)預(yù)警與風(fēng)險(xiǎn)防控。因此，本研究考慮通過(guò)耦合人口加權(quán)的方法完成空氣污染的人群暴露評(píng)估，從環(huán)境公正視角提升污染暴露研究成果的指導(dǎo)性和準(zhǔn)確性。

過(guò)去對(duì)空氣污染分區(qū)的研究多停留在簡(jiǎn)單的數(shù)據(jù)分類統(tǒng)計(jì)^{［13，14］}或單一時(shí)點(diǎn)的聚類分區(qū)^［15-17］，無(wú)法準(zhǔn)確捕捉空氣污染暴露特征的發(fā)展趨勢(shì)和時(shí)空異質(zhì)性。本研究采用耦合人口加權(quán)和PM_2.5濃度進(jìn)行人群污染暴露風(fēng)險(xiǎn)（PPM_2.5）評(píng)估，通過(guò)時(shí)間-空間特征演變分析挖掘PPM_2.5的時(shí)間序列發(fā)展趨勢(shì)和空間差異，基于時(shí)空掃描統(tǒng)計(jì)的K-means聚類完成空氣污染暴露的時(shí)空聚類分區(qū)，進(jìn)一步有效制定空氣污染風(fēng)險(xiǎn)預(yù)警與防治策略，改善人民身心健康，有利于實(shí)現(xiàn)“健康城市、健康中國(guó)”戰(zhàn)略。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

所使用的PM_2.5濃度數(shù)據(jù)來(lái)自加拿大達(dá)爾豪斯大學(xué)大氣成分分析小組（Atmospheric composition analysis group）根據(jù) NASA公布全球氣溶膠數(shù)據(jù)反演的2001—2016年大氣PM_2.5遙感反演數(shù)據(jù)集（http：//fizz.phys.dal.ca/～atmos/martin/？page_id=140）。與傳統(tǒng)地面檢測(cè)站點(diǎn)提供的點(diǎn)源數(shù)據(jù)相比，該衛(wèi)星監(jiān)測(cè)數(shù)據(jù)具有分辨率更高、時(shí)間跨度更大、受人為干擾較小等顯著優(yōu)勢(shì)。本研究提取2001—2016年中國(guó)286個(gè)地級(jí)市PM_2.5的年均濃度數(shù)據(jù)（未采集中國(guó)港澳臺(tái)數(shù)據(jù)），并利用ArcGIS10.6軟件對(duì)其進(jìn)行空間矢量化與可視化處理。

1.2 研究方法

1.2.1 耦合人口加權(quán)的PM_2.5空氣污染人群污染暴露評(píng)估 空氣污染的人群暴露程度可以從不同的視角進(jìn)行評(píng)估，如：客觀物質(zhì)視角下的污染物濃度水平測(cè)度^［18］、行為地理學(xué)視角下人口移動(dòng)軌跡的時(shí)空累計(jì)污染暴露劑量統(tǒng)計(jì)^［2］、環(huán)境公正視角下的耦合人口特征（人口數(shù)量、構(gòu)成、年齡、性別等）污染暴露風(fēng)險(xiǎn)水平評(píng)估^{［12，19］}。傳統(tǒng)環(huán)境公正視角下的人群暴露強(qiáng)度=人口總規(guī)?！罰M_2.5濃度，本研究采用耦合人口加權(quán)的污染暴露風(fēng)險(xiǎn)評(píng)估，規(guī)避了傳統(tǒng)方法在基本單元風(fēng)險(xiǎn)評(píng)估中的缺陷^［20］，具體評(píng)估方法如下。

1.2.2 時(shí)間-空間演變特征分析 極值與均值特征指時(shí)空序列中數(shù)據(jù)的最大值（Max）、最小值（Min）和平均值（Mean）。

變異系數(shù)（Std）用來(lái)表達(dá)時(shí)間序列數(shù)據(jù)的變化程度，基于數(shù)據(jù)序列的標(biāo)準(zhǔn)差進(jìn)行測(cè)度，Std越大表明數(shù)據(jù)波動(dòng)越劇烈。

變化趨勢(shì)（Slope）指基于PM_2.5濃度或耦合人口加權(quán)的PM_2.5空氣污染人群暴露風(fēng)險(xiǎn)的時(shí)間序列數(shù)據(jù)的一元線性方程斜率，可以明確表示濃度或暴露風(fēng)險(xiǎn)的變化趨勢(shì)。Slope為正表示隨時(shí)間增加呈正向增長(zhǎng)趨勢(shì)，Slope為負(fù)則表示隨時(shí)間增加呈負(fù)向下降趨勢(shì)；同時(shí)，Slope絕對(duì)值則反饋其增長(zhǎng)或下降的幅度，并基于曲線R²和P檢驗(yàn)其結(jié)果是否具有統(tǒng)計(jì)學(xué)意義。

1.2.3 時(shí)空聚類分析——基于時(shí)空掃描統(tǒng)計(jì)的K-means聚類 本研究考慮時(shí)空掃描統(tǒng)計(jì)的時(shí)間-空間多維特征，基于K-means 算法進(jìn)行時(shí)空聚類分析。時(shí)空掃描統(tǒng)計(jì)不僅考慮空間屬性，同時(shí)也考慮時(shí)間權(quán)重和時(shí)間序列變化趨勢(shì)，是利用掃描時(shí)間或空間窗口統(tǒng)計(jì)掃描挖掘相應(yīng)的時(shí)間-空間多維特征，如極值（最大值Max和最小值Min）、均值（Mean）、變異系數(shù)（Std）、變化趨勢(shì)（Slope）。相比于傳統(tǒng)的K-means聚類僅考慮單一時(shí)點(diǎn)的空間聚類方法，結(jié)合時(shí)空掃描統(tǒng)計(jì)的五類時(shí)空變化特征（Max、Min、Mean、Std、Slope）進(jìn)行的K-means聚類具有明顯的優(yōu)勢(shì)——在開展針對(duì)耦合人口加權(quán)的PM_2.5暴露風(fēng)險(xiǎn)聚類分區(qū)時(shí)同時(shí)考慮時(shí)間屬性與空間屬性^{［21，22］}。

2 空氣污染人群暴露的時(shí)空演變分析

2.1 空氣污染人群暴露的時(shí)空趨勢(shì)分析

2.1.1 時(shí)空變異特征分析 時(shí)空變異特征是通過(guò)數(shù)據(jù)序列標(biāo)準(zhǔn)差評(píng)估其時(shí)空變異程度。耦合人口加權(quán)的暴露風(fēng)險(xiǎn)（PPM_2.5）與僅基于PM_2.5的污染等級(jí)進(jìn)行對(duì)比，兩者的時(shí)空變異特征具有明顯的差異，主要體現(xiàn)在空間集聚程度、時(shí)空變異程度、“中心-外圍”梯度下降強(qiáng)度3個(gè)方面，如圖1所示。時(shí)空變異特征是利用時(shí)間序列數(shù)據(jù)的變異系數(shù)來(lái)測(cè)度，系數(shù)越高，表明時(shí)間序列的數(shù)值變異程度越大，其變化程度越劇烈；反之，則其變化程度越小。PM_2.5的時(shí)空變異特征具有明顯的空間集聚效應(yīng)，形成大型塊狀連片的集聚性區(qū)域；沿海東部地區(qū)形成第一梯隊(duì)的PM_2.5高強(qiáng)度時(shí)空變異集聚區(qū)，東北老工業(yè)基地形成第二梯隊(duì)的PM_2.5高強(qiáng)度時(shí)空變異集聚區(qū)，第三梯隊(duì)集聚區(qū)則是華中中心、成渝及南寧地區(qū)。而PPM_2.5空氣污染人口暴露風(fēng)險(xiǎn)的時(shí)空變異特征分布則呈小型集聚簇團(tuán)的分散分布，其第一梯隊(duì)主要由北京、石家莊、濟(jì)南、南京等城市組成，第二梯隊(duì)則由河北、山東、武漢、重慶、廣西等地構(gòu)成。耦合人口加權(quán)的暴露風(fēng)險(xiǎn)的各地區(qū)時(shí)空變異程度的局部空間差異化程度更大，局部地區(qū)由風(fēng)險(xiǎn)簇團(tuán)中心向外圍迅速梯度遞減，遞減速度明顯。重慶、武漢、濟(jì)南、鄭州等地區(qū)近些年發(fā)展速度陡然增快，以及近期長(zhǎng)江大保護(hù)等防控策略的嚴(yán)格實(shí)施，經(jīng)濟(jì)加速對(duì)污染排放和人口遷入的正向作用力、污染防控增強(qiáng)對(duì)其的反向作用力，導(dǎo)致不同年份的暴露風(fēng)險(xiǎn)更易發(fā)生偏離，造成這些城市耦合人口加權(quán)的暴露風(fēng)險(xiǎn)的時(shí)空變異程度較大。除發(fā)展較快、嚴(yán)格污染防控的城市以外，高風(fēng)險(xiǎn)區(qū)周邊地區(qū)也由于污染擴(kuò)散、氣候差別、取暖方式等因素導(dǎo)致其暴露風(fēng)險(xiǎn)變異程度較大，如石家莊、濟(jì)南周邊地區(qū)。

2.1.2 基于線性變化趨勢(shì)（Slope）的時(shí)空趨勢(shì)分析 PM_2.5濃度與PPM_2.5人口暴露風(fēng)險(xiǎn)的時(shí)空趨勢(shì)存在明顯的空間錯(cuò)位現(xiàn)象，如圖1i、圖1j。PM_2.5在中國(guó)東部均呈現(xiàn)明顯的增長(zhǎng)趨勢(shì)，西部則呈現(xiàn)非常微弱的增長(zhǎng)，且增速呈”中心-外圍“圈層下降；增速較快的地區(qū)仍然是東部沿海、東北地區(qū)、中部區(qū)域中心及南部南寧城市群；這些地區(qū)的PM_2.5污染排放提升主要來(lái)源于歷史污染、工業(yè)排放、經(jīng)濟(jì)增長(zhǎng)和重污染中心城市擴(kuò)散。PPM_2.5人口暴露風(fēng)險(xiǎn)則以“高值中心”離散分布于東部與南部地區(qū)為主，“高風(fēng)險(xiǎn)中心”周圍鑲嵌“中風(fēng)險(xiǎn)斑塊”形成一系列“中高風(fēng)險(xiǎn)集聚簇團(tuán)”。相較于基于PM_2.5的污染風(fēng)險(xiǎn)分級(jí)，耦合人口加權(quán)的風(fēng)險(xiǎn)制圖中各中東部的鄰域城市之間的風(fēng)險(xiǎn)差異化程度更大，“中心”向“外圍”遞減程度加劇，距離衰減效應(yīng)更顯著。而西部成渝地區(qū)出現(xiàn)風(fēng)險(xiǎn)負(fù)增長(zhǎng)趨勢(shì)，體現(xiàn)了山區(qū)地形、旅游業(yè)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的環(huán)境風(fēng)險(xiǎn)正面效應(yīng)。武漢城市群、福建廣東沿海地區(qū)的“非區(qū)域中心城市”呈現(xiàn)顯著的極低增長(zhǎng)趨勢(shì)，表明這些城市群或區(qū)域的發(fā)展“中心城市”對(duì)周邊的經(jīng)濟(jì)與人口的吸引力過(guò)強(qiáng)，導(dǎo)致周邊地區(qū)的經(jīng)濟(jì)規(guī)模和人口規(guī)模向“區(qū)域中心”流動(dòng)集聚。

2.2 空氣污染人群暴露的時(shí)空分異探究

如圖2所示，中國(guó)空氣污染人群暴露時(shí)空分布的總體格局未發(fā)生明顯的變化，呈整體分散、局部集聚、東高西低，東西“兩極分化”明顯。胡煥庸線兩端區(qū)域的人口集聚差異與規(guī)模差異顯著，東部地域風(fēng)險(xiǎn)等級(jí)較高；西北地域人口風(fēng)險(xiǎn)等級(jí)低。東部地區(qū)、東北地區(qū)、南部地區(qū)的經(jīng)濟(jì)發(fā)達(dá)程度遠(yuǎn)高于西部偏遠(yuǎn)地區(qū)，其產(chǎn)業(yè)集聚程度較高，且人口集聚特征呈東密西疏的不均衡整體格局，因此，在空氣污染排放和人口暴露風(fēng)險(xiǎn)等級(jí)上也呈現(xiàn)東高西低的格局，并且隨著時(shí)間的增長(zhǎng)，此整體格局無(wú)明顯變化。

空氣污染人群風(fēng)險(xiǎn)暴露呈整體不均衡性加強(qiáng)而局部更趨于均衡；其整體不均衡性是中國(guó)東西部各城市不均衡發(fā)展及人口遷徙的反饋，其局部更趨于均衡則是城市群區(qū)域一體化經(jīng)濟(jì)、社會(huì)、環(huán)境區(qū)域協(xié)同發(fā)展的反饋。全國(guó)各區(qū)域各省風(fēng)險(xiǎn)暴露差異化程度（不均衡性）發(fā)展趨勢(shì)逐漸提高，但是總體格局仍然不變。胡煥庸線東西區(qū)域差異顯著。風(fēng)險(xiǎn)暴露不均衡性主要是指高低風(fēng)險(xiǎn)之間的差異化程度，東部沿海長(zhǎng)三角城市群和東北部京津冀城市群區(qū)域與西部地區(qū)的暴露風(fēng)險(xiǎn)等級(jí)差越來(lái)越明顯。局部地區(qū)的風(fēng)險(xiǎn)等級(jí)則越來(lái)越區(qū)域均衡，即局部地區(qū)內(nèi)部各單元之間的標(biāo)準(zhǔn)差逐漸減小，這也能夠體現(xiàn)中國(guó)城市化中區(qū)域聯(lián)動(dòng)和區(qū)域協(xié)調(diào)發(fā)展過(guò)程，進(jìn)一步體現(xiàn)區(qū)域一體化的格局所帶來(lái)的經(jīng)濟(jì)、社會(huì)、環(huán)境均衡發(fā)展的影響。

時(shí)間序列變化過(guò)程中，不同程度污染暴露風(fēng)險(xiǎn)的等級(jí)規(guī)模和區(qū)域面積變化存在顯著異質(zhì)性。高污染人群暴露風(fēng)險(xiǎn)區(qū)域等級(jí)規(guī)模和區(qū)域面積逐漸遞增，區(qū)域中心城市周邊地區(qū)的空氣污染人口暴露風(fēng)險(xiǎn)等級(jí)常年保持均衡不變；東西人口暴露集聚區(qū)之間具有明顯的分界線。高等級(jí)風(fēng)險(xiǎn)集聚區(qū)域不斷擴(kuò)張，尤其是東部沿海長(zhǎng)三角城市群和東北部京津冀城市群區(qū)域，其周邊區(qū)域的風(fēng)險(xiǎn)等級(jí)明顯增長(zhǎng)。西部地區(qū)、成渝城市群、中部武漢城市群、南部珠三角城市群及其周邊區(qū)域的中低風(fēng)險(xiǎn)區(qū)污染暴露風(fēng)險(xiǎn)的等級(jí)規(guī)模和區(qū)域面積這十幾年來(lái)無(wú)明顯變化。

3 空氣污染人群暴露風(fēng)險(xiǎn)的時(shí)空聚類及風(fēng)險(xiǎn)防治

3.1 空氣污染人群暴露風(fēng)險(xiǎn)的時(shí)空聚類

根據(jù)空氣污染人群暴露風(fēng)險(xiǎn)的時(shí)空變化趨勢(shì)，結(jié)合時(shí)空掃描統(tǒng)計(jì)的5類時(shí)空變化特征（Max、Min、Mean、Std、Slope）對(duì)2001—2016年的數(shù)據(jù)進(jìn)行時(shí)空聚類分析，劃定4種類型：穩(wěn)定低風(fēng)險(xiǎn)型、持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型、持續(xù)高風(fēng)險(xiǎn)型、低-高風(fēng)險(xiǎn)漸變型，如圖3所示。

這4種不同風(fēng)險(xiǎn)評(píng)估的分區(qū)具有顯著的時(shí)空分異特征。穩(wěn)定低風(fēng)險(xiǎn)型是指PM_2.5污染人口暴露風(fēng)險(xiǎn)等級(jí)長(zhǎng)期處于較低水平，主要集中在人口稀少和經(jīng)濟(jì)欠發(fā)達(dá)的偏遠(yuǎn)地區(qū)；持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型則表示城市發(fā)展過(guò)程中由于人口、經(jīng)濟(jì)與產(chǎn)業(yè)規(guī)模的增加，其人口暴露風(fēng)險(xiǎn)持續(xù)上升，此區(qū)域的經(jīng)濟(jì)與產(chǎn)業(yè)主要呈粗放式增長(zhǎng)，注重人口與經(jīng)濟(jì)的增長(zhǎng)而忽略了環(huán)境污染控制與防治；持續(xù)高風(fēng)險(xiǎn)型則表示人口暴露風(fēng)險(xiǎn)等級(jí)長(zhǎng)期處于高水平，此類型的區(qū)域也是重點(diǎn)預(yù)警與防治區(qū)域；低-高風(fēng)險(xiǎn)漸變型區(qū)域，主要具有明顯的產(chǎn)業(yè)轉(zhuǎn)型和人口遷徙的特點(diǎn)，所以導(dǎo)致雖然整體特點(diǎn)仍然呈現(xiàn)人口暴露風(fēng)險(xiǎn)總體增長(zhǎng)但總體增長(zhǎng)趨勢(shì)緩慢，其增長(zhǎng)幅度不如持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型明顯。低-高風(fēng)險(xiǎn)漸變型區(qū)域內(nèi)暴露風(fēng)險(xiǎn)的增長(zhǎng)有極明顯的浮動(dòng)，隨時(shí)間序列的變異系數(shù)較大。

4類風(fēng)險(xiǎn)聚類分區(qū)在空間上的集聚分散特征差異顯著，如圖4所示。持續(xù)高風(fēng)險(xiǎn)型主要呈整體分散、局部集聚的空間格局，主要在不同的區(qū)域中心形成小型集聚簇團(tuán)，然后分散分布于東、中、西部地區(qū)，如京津滬渝地區(qū)、石家莊-濟(jì)南-鄭州地區(qū)，是典型的區(qū)域中心和歷史工業(yè)集聚區(qū)；持續(xù)高風(fēng)險(xiǎn)型集聚區(qū)具有明顯的區(qū)域中心特性，高密度人口集聚與大規(guī)模的產(chǎn)業(yè)集聚形成交通與工業(yè)的高污染排放。持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型分區(qū)主要毗鄰持續(xù)高風(fēng)險(xiǎn)型分區(qū)，且呈現(xiàn)明顯的“c”型環(huán)繞分布狀態(tài)，區(qū)域中心的PM_2.5空氣污染的擴(kuò)散、人口吸引力程度顯著兩大特征造成其耦合人口加權(quán)的空氣污染暴露風(fēng)險(xiǎn)程度持續(xù)增長(zhǎng)。持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型主要分布在長(zhǎng)三角經(jīng)濟(jì)帶、太原、湖南等地區(qū)，人口規(guī)模、經(jīng)濟(jì)規(guī)模和技術(shù)規(guī)模都能達(dá)到較高水平，而技術(shù)規(guī)模帶來(lái)的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和創(chuàng)新能力提升能夠明顯地控制經(jīng)濟(jì)增長(zhǎng)時(shí)的污染排放。同時(shí)，長(zhǎng)江大保護(hù)及空氣污染防治等一系列環(huán)保策略與措施的實(shí)施也能夠控制這些發(fā)達(dá)地區(qū)人口與經(jīng)濟(jì)迅速增長(zhǎng)所帶來(lái)的爆炸性空氣污染提升，但在這些持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型區(qū)域人口暴露風(fēng)險(xiǎn)程度仍然呈現(xiàn)持續(xù)性上升。低-高風(fēng)險(xiǎn)漸變型分區(qū)則呈明顯的帶狀分布格局，主要有三大分布帶，分別為“長(zhǎng)春-沈陽(yáng)-秦皇島-西安-成都-昆明”東北至西南帶、“南昌、長(zhǎng)沙、南寧”中南帶、“杭州-福州-廣州”南部沿海帶。穩(wěn)定低風(fēng)險(xiǎn)型分區(qū)則大部分分布于中國(guó)的西北部地區(qū)，呈塊狀集聚分布，具有顯著的經(jīng)濟(jì)落后和人口稀少特征，產(chǎn)業(yè)結(jié)構(gòu)主要以農(nóng)業(yè)與養(yǎng)殖業(yè)為主，人口規(guī)模、產(chǎn)業(yè)規(guī)模和技術(shù)規(guī)模都處于較低水平。

3.2 空氣污染人群暴露風(fēng)險(xiǎn)預(yù)警及差異化防治策略制定

城市化過(guò)程中，城市發(fā)展、人口經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間的矛盾越來(lái)越顯著，如何發(fā)現(xiàn)矛盾、提前預(yù)警及防治污染成為城市健康擴(kuò)展的重點(diǎn)問(wèn)題。根據(jù)空氣污染人群暴露風(fēng)險(xiǎn)的4種類型：穩(wěn)定低風(fēng)險(xiǎn)型、持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型、持續(xù)高風(fēng)險(xiǎn)型、低-高風(fēng)險(xiǎn)漸變型，本研究可針對(duì)人群暴露風(fēng)險(xiǎn)不同類型的城市提出相應(yīng)的風(fēng)險(xiǎn)預(yù)警及污染防治策略。四大類型的風(fēng)險(xiǎn)預(yù)警也有明顯差別，持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型、持續(xù)高風(fēng)險(xiǎn)型為高風(fēng)險(xiǎn)預(yù)警，低-高風(fēng)險(xiǎn)漸變型為中風(fēng)險(xiǎn)預(yù)警，穩(wěn)定低風(fēng)險(xiǎn)型為低風(fēng)險(xiǎn)預(yù)警。

不同風(fēng)險(xiǎn)類型的地區(qū)城市發(fā)展與污染防治之間的矛盾、管控強(qiáng)度與治理策略也有明顯差異。規(guī)模效應(yīng)將會(huì)提升空氣污染人群暴露風(fēng)險(xiǎn)，而技術(shù)創(chuàng)新與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效應(yīng)將會(huì)顯著降低空氣污染人群暴露風(fēng)險(xiǎn)。持續(xù)高風(fēng)險(xiǎn)型地區(qū)的人口與經(jīng)濟(jì)集聚規(guī)模處于高水平，例如北京等城市，過(guò)去高速的城市發(fā)展已經(jīng)帶來(lái)重度空氣污染，其污染防治策略主要以產(chǎn)業(yè)升級(jí)與環(huán)保出行為主，提倡生態(tài)環(huán)保行業(yè)與綠色交通工具，同時(shí)通過(guò)物理化學(xué)等措施積極改善空氣質(zhì)量，實(shí)行最嚴(yán)格的污染排放和污染治理。持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型地區(qū)的發(fā)展策略類似于過(guò)去一些國(guó)家和城市的先污染后治理特征，通常這些地區(qū)的經(jīng)濟(jì)增長(zhǎng)主要來(lái)源于大型制造業(yè)與工業(yè)高排放，城市迅速崛起導(dǎo)致空氣污染人口暴露風(fēng)險(xiǎn)急劇提升，這些地區(qū)的防治策略首先是優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和治理工業(yè)排放，可重點(diǎn)控制主導(dǎo)產(chǎn)業(yè)及重點(diǎn)園區(qū)的污染排放。低-高風(fēng)險(xiǎn)漸變型地區(qū)主要分布于高風(fēng)險(xiǎn)地區(qū)外圍，其風(fēng)險(xiǎn)受到本地污染排放與周邊地區(qū)空氣污染擴(kuò)散、氣象氣候變化的多重影響，其污染防治策略則主要以產(chǎn)業(yè)引進(jìn)選型、氣象監(jiān)測(cè)排放為主，這些地區(qū)在城市化發(fā)展過(guò)程中尚未有大型污染排放產(chǎn)業(yè)集聚，后期需重點(diǎn)關(guān)注綠色產(chǎn)業(yè)引進(jìn)，并通過(guò)實(shí)時(shí)動(dòng)態(tài)氣象氣候監(jiān)測(cè)進(jìn)行污染排放調(diào)節(jié)與控制。

4 小結(jié)與討論

4.1 小結(jié)

1）基于人口加權(quán)的空氣污染暴露風(fēng)險(xiǎn)評(píng)估，發(fā)現(xiàn)人口暴露風(fēng)險(xiǎn)等級(jí)與PM_2.5濃度時(shí)空分布格局明顯不同，存在空間錯(cuò)位現(xiàn)象。人口暴露風(fēng)險(xiǎn)等級(jí)隨中心向外圍梯度遞減，也呈現(xiàn)地理學(xué)第一定律——距離衰減現(xiàn)象。

2）研究期內(nèi)，中國(guó)空氣污染人群暴露時(shí)空分布的總體格局未發(fā)生明顯的變化，東西差異明顯，胡煥庸線兩端區(qū)域的人口集聚差異與規(guī)模差異顯著?？諝馕廴救巳猴L(fēng)險(xiǎn)暴露呈整體不均衡性加強(qiáng)而局部更趨于均衡；其整體不均衡性是中國(guó)東西部城市不均衡發(fā)展及人口遷徙的反饋，其局部更趨于均衡則是城市群區(qū)域一體化經(jīng)濟(jì)、社會(huì)、環(huán)境區(qū)域協(xié)同發(fā)展的反饋。

4）根據(jù)空氣污染人群暴露風(fēng)險(xiǎn)的時(shí)空變化趨勢(shì)，結(jié)合時(shí)空掃描統(tǒng)計(jì)的5類時(shí)空變化特征（Max、Min、Mean、Std、Slope）對(duì)2001—2016年的數(shù)據(jù)進(jìn)行時(shí)空聚類分析，劃定4種類型：穩(wěn)定低風(fēng)險(xiǎn)型、持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型、持續(xù)高風(fēng)險(xiǎn)型、低-高風(fēng)險(xiǎn)漸變型。這4種不同風(fēng)險(xiǎn)評(píng)估的分區(qū)具有顯著的時(shí)空分異特征。持續(xù)高風(fēng)險(xiǎn)型主要呈整體分散、局部集聚的空間格局。持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型分區(qū)主要毗鄰持續(xù)高風(fēng)險(xiǎn)型分區(qū)，且呈現(xiàn)明顯的“c”形環(huán)繞分布狀態(tài)，區(qū)域中心的PM_2.5空氣污染的擴(kuò)散、人口吸引力程度顯著兩大特征造成其耦合人口加權(quán)的空氣污染暴露風(fēng)險(xiǎn)程度持續(xù)增長(zhǎng)。低-高風(fēng)險(xiǎn)漸變型分區(qū)則呈明顯的帶狀分布格局。穩(wěn)定低風(fēng)險(xiǎn)型分區(qū)則大部分分布于中國(guó)的西北部地區(qū)，呈明顯的的經(jīng)濟(jì)落后和人口稀少的“低污染”特征。

4.2 討論

不同風(fēng)險(xiǎn)類型的地區(qū)城市發(fā)展與污染防治之間的矛盾、管控強(qiáng)度與治理策略也有明顯差異。規(guī)模效應(yīng)將會(huì)提升空氣污染人群暴露風(fēng)險(xiǎn)，而技術(shù)創(chuàng)新與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效應(yīng)將會(huì)顯著降低空氣污染人群暴露風(fēng)險(xiǎn)。持續(xù)高風(fēng)險(xiǎn)型地區(qū)的污染防治策略主要以產(chǎn)業(yè)升級(jí)與環(huán)保出行為主；持續(xù)增長(zhǎng)風(fēng)險(xiǎn)型地區(qū)由于城市迅速崛起導(dǎo)致空氣污染人口暴露風(fēng)險(xiǎn)急劇提升，其防治策略以“重點(diǎn)控制主導(dǎo)產(chǎn)業(yè)及重點(diǎn)園區(qū)的污染排放”手段促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與節(jié)能減排；低-高風(fēng)險(xiǎn)漸變型地區(qū)主要受到本地污染排放與周邊地區(qū)空氣污染擴(kuò)散、氣象氣候變化的多重影響，其污染防治策略則主要以產(chǎn)業(yè)引進(jìn)選型、氣象監(jiān)測(cè)排放為主；穩(wěn)定低風(fēng)險(xiǎn)型地區(qū)則結(jié)合地域特色大力發(fā)展第一、三產(chǎn)業(yè)促進(jìn)經(jīng)濟(jì)發(fā)展，保持良好環(huán)境質(zhì)量。

雖然本研究從全國(guó)尺度進(jìn)行了多時(shí)段PM_2.5的時(shí)空變化規(guī)律研究，但也存在著以下幾點(diǎn)不足：①本研究所采用的基本單元為地級(jí)市，雖然能夠滿足全國(guó)尺度的時(shí)空分析要求，但今后的研究可以利用更小的柵格單元完成空氣污染時(shí)空分析的精細(xì)化研究；②對(duì)污染的時(shí)間分析上，由于年限跨度為16年，以年均濃度為基礎(chǔ)進(jìn)行研究，未曾深入探討PM_2.5在月份和季度的時(shí)間維度上的變化，這也是今后空氣污染時(shí)空規(guī)律探究中可以加強(qiáng)的時(shí)間維度視角。

參考文獻(xiàn)：

［1］ 符立偉，郭秀銳.國(guó)內(nèi)空氣污染暴露水平評(píng)價(jià)方法研究進(jìn)展［J］.環(huán)境科學(xué)與技術(shù)，2015，38（S2）：226-230.

［2］ 林金煌，陳文惠，張 岸.2019年北京市PM_2.5人群暴露劑量特征分析［J］.地球信息科學(xué)學(xué)報(bào)，2020，22（12）：2348-2357.

［3］ 姜 磊，田偉利，張清宇，等.SHEDS-PM模型模擬杭州市人群PM10暴露水平［J］.環(huán)境科學(xué)研究，2011，24（6）：615-620.

［4］ 郭文伯，張 艷，柴彥威.城市居民出行的空氣污染暴露測(cè)度及其影響機(jī)制——北京市郊區(qū)社區(qū)的案例分析［J］.地理研究，2015，34（7）：1310-1318.

［5］ 趙 輝，鄭有飛，張譽(yù)馨，等.京津冀大氣污染的時(shí)空分布與人口暴露［J］.環(huán)境科學(xué)學(xué)報(bào)，2020，40（1）：1-12.

［6］ 黃曉軍，祁明月，李艷雨，等.關(guān)中地區(qū)PM_2.5時(shí)空演化及人口暴露風(fēng)險(xiǎn)［J］.環(huán)境科學(xué)，2020，41（12）：5245-5255.

［7］ 同麗嘎，李雪銘，黃 哲，等.包頭市人口PM_2.5暴露風(fēng)險(xiǎn)研究［J］.干旱區(qū)資源與環(huán)境，2017，31（11）：50-54.

［8］ 鄒雨軒，吳志峰，曹 崢.耦合土地利用回歸與人口加權(quán)模型的PM_2.5暴露風(fēng)險(xiǎn)評(píng)估［J］.地球信息科學(xué)學(xué)報(bào)，2019，21（7）：1018-1028.

［9］ 宋萬(wàn)營(yíng)，楊 振，王平平，等.基于LUR模型的大氣PM_2.5濃度分布模擬與人口暴露研究——以湖北省為例［J］.華中師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，53（3）：451-458.

［10］ MENG X， CHEN L， CAI J， et al. A land use regression model for estimating the NO2 concentration in Shanghai， China［J］. Environmental research，2015，137：308-315.

［11］ 徐 灝. 基于土地利用回歸的中國(guó)空氣污染暴露建模研究［D］.北京：清華大學(xué)，2019.

［12］ LU M，? SCHMITZ O， VAARTJES I， et al. Activity-based air pollution exposure assessment： Differences between homemakers and cycling commuters［J］. Health & place，2019，60：102233.

［13］ 顧康康，朱鵬祥，寧 楊，等.基于綠色出行理念的合肥市區(qū)空氣污染分區(qū)調(diào)控研究［J］.地理科學(xué)，2019，39（8）：1312-1320.

［14］ WANG S，LI G G，GONG Z Y，et al. Spatial distribution， seasonal variation and regionalization of PM_2.5concentrations in China［J］. Science China chemistry，2015，58（9）：1435-1443.

［15］ 龍凌波，佘倩楠，孟紫琪，等.中國(guó)沿海地區(qū)大氣污染特征及其聚類分析［J］.環(huán)境科學(xué)研究，2018，31（12）：2063-2072.

［16］ 黨耀國(guó)，朱曉月，丁 松，等.基于灰關(guān)聯(lián)度的面板數(shù)據(jù)聚類方法及在空氣污染分析中的應(yīng)用［J］.控制與決策，2017，32（12）：2227-2232.

［17］ 劉 靖，單春艷，梁曉宇.唐山市基于GIS的PM_2.5空間聚集性及分區(qū)管控［J］.中國(guó)環(huán)境科學(xué)，2020，40（2）：513-522.

［18］ 吳健生，王 茜，李嘉誠(chéng)，等. PM_2.5濃度空間分異模擬模型對(duì)比：以京津冀地區(qū)為例［J］.環(huán)境科學(xué)，2017，38（6）：2191-2201.

［19］ 彭 芬，鄒 濱，邱永紅.空氣污染暴露公正異質(zhì)性空間自相關(guān)分析［J］.測(cè)繪科學(xué)，2014，39（5）：104-108.

［20］ 鄒 濱，彭 芬，焦利民，等.高分辨率人口空氣污染暴露GIS空間區(qū)劃研究［J］. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2013，38（3）：334-338.

［21］ FRANCESCHI F， COBO M， FIGUEREDO M. Discovering relationships and forecasting PM10 and PM_2.5concentrations in Bogotá， Colombia， using Artificial Neural Networks， Principal Component Analysis， and k-means clustering［J］. Atmospheric pollution research，2018，9（5）：912-922.

［22］ 翁佳烽，梁曉媛，譚浩波，等.基于K-means聚類分析法的肇慶市干季PM_2.5污染天氣分型研究［J］.環(huán)境科學(xué)學(xué)報(bào)，2020，40（2）：373-387.

收稿日期：2022-09-19

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（51808413）；湖北省社會(huì)科學(xué)基金一般項(xiàng)目（后期資助項(xiàng)目）（2020158）

作者簡(jiǎn)介：林奕晨（1997-），女，湖北黃岡人，碩士，主要從事時(shí)空數(shù)據(jù)挖掘、大氣污染和城市地理方面研究，（電話）13409687955（電子信箱）1026927222@qq.com；通信作者，潘 悅（1983-），男，湖北武漢人，副教授/高級(jí)工程師，博士，主要從事城鄉(xiāng)空間戰(zhàn)略研究，（電話）13707199355（電子信箱）95351721@qq.com。