中國PM2.5污染時空趨勢研究——基于貝葉斯時空統(tǒng)計視角

李俊明

(山西財經(jīng)大學(xué) 統(tǒng)計學(xué)院，山西 太原 030006)

一、引言

隨著遙感對地觀測技術(shù)的飛速發(fā)展，積累了大量的遙感數(shù)據(jù)，其不僅廣泛應(yīng)用于大氣、海洋和環(huán)境等自然科學(xué)領(lǐng)域，而且也逐漸應(yīng)用于社會、經(jīng)濟(jì)等領(lǐng)域。目前關(guān)于遙感數(shù)據(jù)的統(tǒng)計分析研究亟需加強(qiáng)，尤其是遙感數(shù)據(jù)的時空統(tǒng)計已成為數(shù)據(jù)科學(xué)領(lǐng)域的研究熱點，其作為一個新興研究領(lǐng)域，目前還未形成完善的理論方法體系。

由于在任一時點上的任一空間位置只能實現(xiàn)一次采樣，因此，時空樣本數(shù)據(jù)不滿足大樣本前提。再者，由于時空相關(guān)性的廣泛存在，也不滿足獨立同分布前提。綜上，時空樣本數(shù)據(jù)同時突破了經(jīng)典統(tǒng)計要求的兩個前提：大樣本和獨立同分布。貝葉斯統(tǒng)計無須滿足大樣本前提，同時可將時空相關(guān)以先驗信息形式融入模型，可以說，貝葉斯統(tǒng)計用于時空數(shù)據(jù)分析在理論上更嚴(yán)密可靠。貝葉斯時空統(tǒng)計已成為國外前沿研究領(lǐng)域，近年來也受到國內(nèi)學(xué)者重視?，F(xiàn)有相關(guān)研究多是針對單一數(shù)據(jù)源場景，大都適用于面狀(如行政區(qū)劃)統(tǒng)計數(shù)據(jù)樣本情境，Li等人在2014年提出一種適用于面狀計數(shù)數(shù)據(jù)的貝葉斯時空層次模型，分析了2005—2008年英國彼得伯勒市的入室盜竊風(fēng)險的時空變化和影響因素[1]；Bennett等人基于區(qū)、縣級行政區(qū)年度人口調(diào)查數(shù)據(jù)，利用貝葉斯時空層次模型分析預(yù)測了1981—2030年英國人口預(yù)期壽命的時空趨勢[2]?；诠步】得鏍钣嫈?shù)數(shù)據(jù)，Lawson和Kang等就貝葉斯時空統(tǒng)計在疾病制圖方面的應(yīng)用進(jìn)行了研究[3-4]。張俊輝、吳北平、夏勇等也都應(yīng)用貝葉斯時空統(tǒng)計模型分析面狀時空數(shù)據(jù)[5-7]。

還有學(xué)者基于遙感數(shù)據(jù)對中國PM2.5污染的時空統(tǒng)計規(guī)律進(jìn)行了研究。江佳等采用簡單平均法和做差法研究了1998—2015年中國PM2.5污染的總體空間格局和局部變化趨勢[8]。周亮等以時序羅列形式定性分析了中國PM2.5污染總體空間特征，以縣級行政區(qū)劃為統(tǒng)計單元，采用簡單比較法描述分析了2000—2011年中國PM2.5污染每隔三年的變化趨勢[9]。Peng等通過對像素單元進(jìn)行獨立的簡單線性回歸分析了1998—2011年中國PM2.5污染的變化趨勢[10]。上述研究以獨立的統(tǒng)計單元進(jìn)行統(tǒng)計分析，并未考慮時空變化過程中的時空相關(guān)性和時空耦合效應(yīng)。本文采用一種基于多尺度嵌套空間統(tǒng)計單元的貝葉斯時空層次模型[11]，首次將其應(yīng)用于中國PM2.5污染的時空演化研究中，在綜合考慮時空相關(guān)性和時空耦合效應(yīng)基礎(chǔ)上研究了2000—2014年中國PM2.5污染的時空變化趨勢。另外，通過該模型可將貝葉斯時空統(tǒng)計方法引入遙感大數(shù)據(jù)分析領(lǐng)域，一方面豐富了時空大數(shù)據(jù)分析方法體系，另一方面也拓寬了遙感大數(shù)據(jù)分析的廣度和深度，可增強(qiáng)對跨學(xué)科、多領(lǐng)域交叉問題的解決能力。

二、基于多尺度嵌套空間統(tǒng)計單元的貝葉斯時空層次模型

貝葉斯時空層次模型可將一個復(fù)雜的時空變化過程分解為總體空間過程、總體時間過程和時空交互過程，其能夠精細(xì)、科學(xué)地刻畫時空演化過程，同時貝葉斯時空層次模型也可以考慮更多不確定性。盡管貝葉斯時空層次模型已得到較為廣泛應(yīng)用，但還未在遙感大數(shù)據(jù)分析得到廣泛應(yīng)用。貝葉斯統(tǒng)計模型分析遙感大數(shù)據(jù)時，一方面，要解決計算效率問題，因為貝葉斯統(tǒng)計推斷一般由蒙特卡洛馬爾可夫鏈(MCMC)算法實現(xiàn)，其本身計算量就已很大，若再以單個像元為統(tǒng)計單元進(jìn)行貝葉斯統(tǒng)計推斷，計算負(fù)擔(dān)會呈指數(shù)級增加；另一方面，時空現(xiàn)象是不同尺度的動態(tài)耦合過程，時空變化尺度未知時，應(yīng)采用多尺度統(tǒng)計單元進(jìn)行分析[12]。對于遙感大數(shù)據(jù)時空分析問題，一般是基于固定尺度的單個像元進(jìn)行統(tǒng)計分析，通常以3×3像元的一階空間鄰接考慮空間相關(guān)性，這樣并不能反映時空過程中的多尺度耦合效應(yīng)?；谏鲜隹紤]，本文擬采用一種適用于遙感大數(shù)據(jù)的貝葉斯時空層次模型，該模型的構(gòu)建可分為兩步，第一，構(gòu)建多尺度嵌套空間統(tǒng)計單元，第二，以嵌套結(jié)構(gòu)形式建構(gòu)貝葉斯時空層次模型。

(一)構(gòu)建多尺度嵌套空間統(tǒng)計單元

構(gòu)建多尺度嵌套空間統(tǒng)計單元的總體思路是：根據(jù)遙感時空數(shù)據(jù)在每個時間截面上的局部變異程度，在研究區(qū)域范圍內(nèi)，實施n(n=1，2，3，…)輪遞次尺度的均質(zhì)網(wǎng)格剖分，最終形成多尺度嵌套空間統(tǒng)計單元，每一個空間統(tǒng)計單位格網(wǎng)內(nèi)的像元屬性數(shù)據(jù)在每一個時間截面上均滿足均質(zhì)條件。多尺度嵌套空間統(tǒng)計單元的構(gòu)建有兩個關(guān)鍵點：一是均質(zhì)程度測度指標(biāo)選擇，二是格網(wǎng)剖分形式確定。均質(zhì)程度測度指標(biāo)采用變異系數(shù)：

(1)

其中CV代表變異系數(shù)，Std表示標(biāo)準(zhǔn)差，Mean表示均值。變異系數(shù)越小，則變異程度越小，統(tǒng)計學(xué)上一般認(rèn)為，當(dāng)變異系數(shù)小于15%時，則可認(rèn)為樣本數(shù)據(jù)均質(zhì)；考慮到遙感數(shù)據(jù)是正方形陣列結(jié)構(gòu)，空間剖分形式采用四叉樹正方形剖分形式，如圖1所示：

第1級尺度部分 第2級尺度部分第3級尺度部分 第4級尺度部分圖1 多尺度嵌套空間統(tǒng)計單元構(gòu)建示意圖

(二)多尺度嵌套空間統(tǒng)計單元的統(tǒng)計性質(zhì)

(2)

表1 原始遙感數(shù)據(jù)變異系數(shù)CV和剖分閾值λ0不同取值組合條件下取值表

(三)基于多尺度嵌套空間統(tǒng)計單元的貝葉斯時空層次模型

本文采用了本人曾提出的適用于遙感大數(shù)據(jù)的貝葉斯時空層次模型，該模型以前述構(gòu)建的多尺度嵌套空間統(tǒng)計單元為基礎(chǔ)，以時空局域均質(zhì)為基準(zhǔn)，充分考慮了遙感時空數(shù)據(jù)的時空局域異質(zhì)性，突破了以像元為固定尺度的傳統(tǒng)分析思路，實現(xiàn)了以多尺度嵌套形式分析時空過程，同時也能顯著降低遙感時空大數(shù)據(jù)分析的計算負(fù)擔(dān)，有效實現(xiàn)對遙感時空大數(shù)據(jù)的貝葉斯統(tǒng)計分析。該模型以像元屬性值為樣本觀測值，以多尺度嵌套均質(zhì)空間剖分格網(wǎng)為空間統(tǒng)計單元，通過雙層嵌套結(jié)構(gòu)實現(xiàn)貝葉斯時空層次模型構(gòu)建，包含三個子模型，分別是數(shù)據(jù)模型、過程模型和參數(shù)模型[13]，其對應(yīng)的數(shù)學(xué)表達(dá)如下：

數(shù)據(jù)模型為：

(3)

過程模型為：

ln(μM[i]，t)=Φ+SM[i]+ΩM[i]+B0t+νt+

BM[i]t+εM[i]，t

(4)

參數(shù)模型為：

(5)

BM[i]～CAR.Gauss(B.adj.sp(M[i])，

(6)

vt～CAR.Gauss(v.adj.tm(t)，

(7)

三、實證研究

(一)研究區(qū)域與數(shù)據(jù)來源

本文基于的遙感數(shù)據(jù)來源于加拿大達(dá)爾豪斯大學(xué)van Donkelaar團(tuán)隊在2016年3月發(fā)布的最新版全球PM2.5年均濃度遙感數(shù)據(jù)產(chǎn)品，空間分辨率為0.1°×0.1°[14]。經(jīng)測算，2000—2014年中國PM2.5年均濃度遙感數(shù)據(jù)共包含1 444 080(96 272×15)個像元。另外，該P(yáng)M2.5年均濃度遙感數(shù)據(jù)與地面站點監(jiān)測數(shù)據(jù)具有較好的統(tǒng)計顯著一致性(R2=0.81)，數(shù)據(jù)精度較高，具體可參見相關(guān)文獻(xiàn)[14]。

(二)多尺度嵌套空間統(tǒng)計單元構(gòu)建結(jié)果

在貝葉斯時空統(tǒng)計分析前，需先構(gòu)建多尺度嵌套空間統(tǒng)計單元，經(jīng)計算，2000—2014年中國PM2.5年均濃度遙感數(shù)據(jù)的變異系數(shù)最小值為71%，根據(jù)表1可知，為使得以多尺度嵌套空間統(tǒng)計單元計算的方差保持在原始遙感數(shù)據(jù)方差的0.998以上，剖分閾值λ0確定為4.0%，多尺度級別設(shè)定為3級即可滿足局部均質(zhì)條件，三級尺度依次為0.8°×0.8°、0.4°×0.4°和0.2°×0.2°。最后構(gòu)建完成的嵌套三級多尺度空間統(tǒng)計單元共包含7 072個統(tǒng)計格網(wǎng)單元，其中三級尺度統(tǒng)計單元個數(shù)分別為373、4 171和2 528。

(三)貝葉斯時空統(tǒng)計結(jié)果

1.總體空間格局?？傮w空間格局由式(4)中的總體空間相對度系數(shù)exp(SM[i])的后驗估計測度，具體而言，若exp(SM[i])>1.0，則說明該M[i]統(tǒng)計單元上的PM2.5污染程度是全國PM2.5總體污染程度的exp(SM[i])倍，反之亦然。進(jìn)一步，還可以根據(jù)后驗概率P(exp(SM[i])>1.0|y)的大小確定PM2.5污染熱點、冷點和溫點區(qū)域范圍。

貝葉斯時空統(tǒng)計結(jié)果表明，中國有18.9%的區(qū)域PM2.5污染程度高于全國總體水平的2.5倍，全國有10.4%的區(qū)域PM2.5污染程度高于全國總體水平的3.0倍，甚至還有6.5%的區(qū)域PM2.5污染程度高于全國總體水平的3.5倍。從空間結(jié)構(gòu)而言，中國PM2.5重度污染區(qū)域的空間分布呈現(xiàn)出 “兩團(tuán)一帶”分布特征，“兩團(tuán)”分別指四川盆地和新疆塔里木盆地區(qū)域，而“一帶”是指由京津冀南部、山東、江蘇、上海和浙江北部為起始，向西南方向延伸，經(jīng)由河南、安徽、湖北、江西、湖南、廣西和廣東西部等區(qū)域。在這“兩團(tuán)一帶”區(qū)域中，PM2.5污染最嚴(yán)重的地區(qū)(比全國總體水平高3.5倍以上)分布在兩個連片區(qū)域，一個是華北平原和長三角地區(qū)北部及湖北中部，另外一個區(qū)域是四川盆地區(qū)域，這兩個地區(qū)人口總量大，人口密度高，根據(jù)2010年中國人口分布密度數(shù)據(jù)統(tǒng)計顯示，這兩個PM2.5污染最嚴(yán)重區(qū)域的暴露人口總量多達(dá)4.2億人，占全國總?cè)丝诘?2.8%。根據(jù)exp(SM[i])>1.0的后驗概率大小可知，中國PM2.5污染冷點區(qū)域(P(exp(SM[i])>1.0|y) <0.2)面積占全國面積的37.3%，對應(yīng)的暴露總?cè)丝谡急?.5%，而中國PM2.5污染熱點區(qū)域(P(exp(SM[i])>1.0|y) >0.8)面積占比為63.3%，對應(yīng)的暴露總?cè)丝谡急?2.5%。

根據(jù)PM2.5污染總體空間相對度系數(shù)exp(SM[i])的大小，本文將PM2.5污染程度分為七個級別，對應(yīng)exp(SM[i])的7個取值范圍為：0.2～1.0、1.0～1.5、1.5～2.0、2.0～2.5、2.5～3.0、3.0～3.5、3.5～4.5等，將一級定為輕度污染級，二級定為較輕度污染級，三級和四級定為中度污染，五級定為較重污染級，六級為重度污染級，七級定為嚴(yán)重污染級。表2列出了中國大陸31個省份中對應(yīng)的七級PM2.5污染區(qū)域占本地區(qū)總面積百分比統(tǒng)計結(jié)果。天津、河北、上海、江蘇、安徽、山東和河南等7省份的重度和嚴(yán)重污染區(qū)域所占的面積排在31個省份前列，特別是江蘇，99.66%的區(qū)域PM2.5污染處于最高污染級——嚴(yán)重污染(七級)，北京PM2.5污染等級屬于二級(輕度污染級)、三級和四級(中度污染級)等層級。雖然四川盆地和新疆塔里木盆地的PM2.5污染較重，但這兩個地區(qū)的地域面積較大，因此重度污染和嚴(yán)重度污染的區(qū)域面積占比并不是很高。內(nèi)蒙古、黑龍江、四川、西藏、青海、福建、海南和云南8省的PM2.5輕度污染區(qū)域面積占比均超過50%。PM2.5中度污染區(qū)域面積占比超過50%的地區(qū)有北京、山西、遼寧、浙江、江西、廣東、貴州、陜西、甘肅和寧夏10個省份，PM2.5較重度污染區(qū)域面積占比超過50%的地區(qū)有湖南和廣西兩個省份?？傊瑥腜M2.5等級污染區(qū)域面積占比角度而言，PM2.5一級(輕度)污染為主的省份有5個，PM2.5二級(較輕度)污染為主的省份有3個，PM2.5三、四級(中度)污染為主的省份有10個，PM2.5五級(較重)污染為主的省份有兩個，PM2.5六級(重度)污染為主的省份有0個，PM2.5七級(嚴(yán)重)污染為主的省份有6個，其余的河北、吉林、湖北、重慶和新疆5個省份沒有出現(xiàn)超過50%面積占比的主導(dǎo)級別污染區(qū)域。

表2 2000—2014年中國大陸31個省份內(nèi)七級PM2.5污染對應(yīng)的區(qū)域面積占比統(tǒng)計表

2.總體變化趨勢。2000—2014年，中國PM2.5污染在總體變化趨勢方面呈現(xiàn)出一個基本平穩(wěn)而稍有上升的變化特征，可將其分為兩個階段，即2000—2006年和2006—2014年，前一階段呈現(xiàn)出強(qiáng)于整個研究期間的增長趨勢，雖然后一階段出現(xiàn)了下降趨勢，但由于2006—2014年的下降趨勢強(qiáng)度弱于2000—2006年的增長趨勢，因此在整個研究期間，中國PM2.5污染仍然呈現(xiàn)出上升趨勢。總體變化趨勢只是時空變化的一個概括性描述，而局部區(qū)域甚至單個的空間統(tǒng)計單元的局部變化趨勢卻表現(xiàn)出不同于總體變化趨勢的特點。

3.局部變化趨勢。局部空間區(qū)域上的變化趨勢即局部變化趨勢更能體現(xiàn)出時空變化過程中穩(wěn)態(tài)結(jié)構(gòu)之外的時空變化規(guī)律，由式(4)中的局部變化趨勢參數(shù)BM[i]來描述，既考慮了空間維度上的影響，也考慮了時間過程中的影響，若BM[i]>0，則說明該空間統(tǒng)計單元上的PM2.5污染在2000—2014年具有增加的局部趨勢，若BM[i]<0，則說明該空間統(tǒng)計單元上的PM2.5污染在2000—2014年具有降低的局部趨勢。

研究表明，在2000—2014年，中國西部區(qū)域出現(xiàn)了較強(qiáng)的PM2.5污染加重趨勢，主要包括新疆、青海和甘肅北部等地區(qū)，且在空間上呈現(xiàn)出連片特征，需要指出的是，西藏中部地區(qū)和云南西部地區(qū)的PM2.5污染也出現(xiàn)了增加的局部趨勢；在一些PM2.5重度污染程度地區(qū)，也出現(xiàn)了局部增加趨勢，這些區(qū)域在空間上形成了“X”型的分布結(jié)構(gòu)特征，主要由陜西南部、湖北、河南、長三角地區(qū)北部、山東、京津冀地區(qū)及其北部等區(qū)域構(gòu)成，黑龍江中部、東部沿海區(qū)域、吉林北部和中部區(qū)域的PM2.5污染也出現(xiàn)了一定程度的局部加重趨勢。另外，PM2.5污染較重的四川盆地呈現(xiàn)出下降的局部趨勢，而且位于中國東南區(qū)位的廣西、湖南、廣東、江西、福建、臺灣以及浙江等省份，在PM2.5污染變化趨勢方面也呈現(xiàn)出局部下降的態(tài)勢，且以臺灣、福建、浙江南部、江西南部、廣東東部等區(qū)域的局部趨勢下降趨勢最明顯。

進(jìn)一步分析可知，全國有41.4%的區(qū)域局部變化趨勢系數(shù)BM[i]>0的后驗概率大于0.80，也就是說全國有41.4%的區(qū)域PM2.5污染在2000—2014年以大于80%的概率加重，而有35.6%的區(qū)域局部變化趨勢系數(shù)BM[i]>0的后驗概率小于0.20，即這些區(qū)域的PM2.5污染在2000—2014年具有一定的下降趨勢，其余23.0%的區(qū)域局部變化趨勢系數(shù)BM[i]>0的后驗概率在0.20到0.80之間，說明這些區(qū)域在2000—2014年并沒有呈現(xiàn)出顯著的局部變化趨勢，具有不確定性。

(四)與其他研究對比

在經(jīng)典統(tǒng)計中，簡單平均法最為常用，而貝葉斯時空統(tǒng)計模型估計的總體空間格局與簡單平均法計算的空間格局具有明顯差異，簡單平均法容易受異常值的影響，而且也未考慮時空變化過程中的耦合效應(yīng)，因此簡單平均法計算的空間格局一定會混雜穩(wěn)態(tài)和非穩(wěn)態(tài)兩種格局，并不能清晰地刻畫出時空變化規(guī)律。時空分析中常用的另外一種方法是經(jīng)驗正交函數(shù)法(EOF)，但EOF時空分析方法沒有清晰的機(jī)理解釋結(jié)構(gòu)，對其結(jié)果需要根據(jù)不同問題結(jié)合專業(yè)知識進(jìn)行解釋。本文也利用EOF法統(tǒng)計分析了2000—2014年中國PM2.5污染，結(jié)果顯示，經(jīng)過EOF計算后的第一模態(tài)和第二模態(tài)已經(jīng)分別解釋了90.8%和5.7%的時空變化，進(jìn)一步研究可知，EOF計算的第一模態(tài)空間格局與簡單平均計算的空間格局基本一致，而第二模態(tài)結(jié)果卻找不到明晰的機(jī)理解釋。貝葉斯時空統(tǒng)計模型兼具貝葉斯統(tǒng)計和時空交互模型優(yōu)點，可以綜合考慮時空過程中的耦合效應(yīng)，并具有清晰的機(jī)理解釋結(jié)構(gòu)，對估計結(jié)果可以給出清晰的時空變化過程機(jī)理解釋，同時，還具有較強(qiáng)的可擴(kuò)展?jié)摿ΑＡ硗?，貝葉斯時空統(tǒng)計模型遵從貝葉斯統(tǒng)計范式，因此可以考慮更多不確定性，并對異常值具有一定免疫性能，進(jìn)一步增強(qiáng)了對復(fù)雜變化過程的分析刻畫能力。

綜上所述，雖然一些學(xué)者利用經(jīng)典統(tǒng)計方法也研究了中國PM2.5污染的時空變化，但未很好地考慮時空相關(guān)性和時空耦合效應(yīng)。Li等曾采用貝葉斯時空層次模型研究了1998—2014年中國PM2.5污染的時空變化特征[1，15]。Li等的研究是直接將已有的貝葉斯時空層次模型移植應(yīng)用到遙感數(shù)據(jù)分析中，先將遙感數(shù)據(jù)平均化處理到中國縣級行政區(qū)劃中，然后再以平均化處理后的縣級行政區(qū)劃面狀數(shù)據(jù)進(jìn)行統(tǒng)計分析，這種處理方法會大大降低遙感數(shù)據(jù)原有的高分辨率優(yōu)勢和數(shù)據(jù)精度。本文采用的是基于嵌套多尺度空間統(tǒng)計單元的貝葉斯時空層次模型，保持了遙感數(shù)據(jù)的原有精度，不僅保持了統(tǒng)計結(jié)果的可靠性，而且也能得到較為精細(xì)的統(tǒng)計結(jié)果。此外，本論文還對貝葉斯統(tǒng)計結(jié)果進(jìn)行了深入、系統(tǒng)的分析，對國家相關(guān)政策制定具有一定參考意義。

四、主要結(jié)論及建議

本文首次將基于多尺度嵌套空間統(tǒng)計單元的貝葉斯時空層次模型應(yīng)用于2000—2014年中國PM2.5污染時空演化研究中，并拓展了嵌套多尺度空間統(tǒng)計單元構(gòu)建參數(shù)λ0的適用范圍。本研究認(rèn)為，基于多尺度嵌套空間統(tǒng)計單元的貝葉斯時空層次模型不僅有效提高了模型計算效能，而且能在一定程度上反映時空過程中的多尺度耦合效應(yīng)。

研究發(fā)現(xiàn)，第一，2000—2014年，中國PM2.5污染已經(jīng)形成了穩(wěn)定的“兩團(tuán)一帶”空間結(jié)構(gòu)；第二，中國PM2.5重度污染區(qū)域主要由三個地區(qū)構(gòu)成：華北平原和長三角地區(qū)、四川盆地和新疆塔里木盆地；第三，PM2.5污染程度較低區(qū)域雖然占全國總面積比例為37.3%，但這些區(qū)域內(nèi)所居住的總?cè)丝谥徽既珖側(cè)丝诘?.5%，PM2.5污染高于全國總體水平的區(qū)域占全國總面積的63.3%，但對應(yīng)暴露人口占比卻高達(dá)92.5%；第四，2000—2014年，PM2.5輕度污染的西部區(qū)域出現(xiàn)了較強(qiáng)的局部加重趨勢，而且陜西南部、湖北、河南、長三角地區(qū)北部、山東、京津冀地區(qū)及其北部等PM2.5重度污染區(qū)域也呈現(xiàn)出局部增加趨勢，并在空間上形成了“X”型空間結(jié)構(gòu)；第五，PM2.5污染較重的四川盆地呈現(xiàn)出下降的局部趨勢，同時位于中國東南區(qū)位的廣西、湖南、廣東、江西、福建、臺灣以及浙江等地區(qū)也呈現(xiàn)出下降的局部變化趨勢，且以臺灣、福建、浙江南部、江西南部、廣東東部等區(qū)域的局部趨勢下降最為明顯。

建議國家相關(guān)部門在制定空氣污染防治政策時，不僅要關(guān)注當(dāng)前的PM2.5污染空間格局，更要綜合考慮全國各個地區(qū)PM2.5污染的局部變化趨勢，盡管重度污染地區(qū)亟待重點治理，但具有局部加重趨勢的輕度污染西部地區(qū)也應(yīng)成為重點防控地區(qū)?？筛鶕?jù)PM2.5污染的不同等級、局部變化趨勢以及暴露人口密集程度劃分出不同等級的防控區(qū)域，并制定階梯性防控政策和措施體系。另外，PM2.5污染不是區(qū)域獨立性現(xiàn)象，而是全域甚至全球性問題，在制定大氣污染防治措施時，要重視區(qū)域內(nèi)部及與周邊區(qū)域的交互影響，應(yīng)不斷加強(qiáng)區(qū)域間甚至國家間的聯(lián)防聯(lián)控與合作治理。