中國城市綠地的區(qū)域差異及其對PM2.5的消減作用*

王澤發(fā) 陳 靜 劉庭風(fēng)

1 天津大學(xué)建筑學(xué)院 天津 300072

2 泉州師范學(xué)院資源與環(huán)境科學(xué)學(xué)院 福建泉州 362000

3 福建師范大學(xué)地理科學(xué)學(xué)院 福州 350007

空氣污染作為當(dāng)前全球面臨的重要環(huán)境問題之一,已經(jīng)引起世界各國的重視。中國快速工業(yè)化和城鎮(zhèn)化過程中,以細(xì)顆粒物(PM2.5)為主的城市空氣污染同樣嚴(yán)峻。2013年全球PM2.5濃度年均超出35 μg·m-3的45個大城市中,中國占了17個[1]。對我國1999—2011年年均PM2.5濃度分析發(fā)現(xiàn),最高的區(qū)域主要位于我國中部和東部地區(qū),其中污染最為嚴(yán)重的地區(qū)分布在河北南部、河南北部和山東西部[2-3]。2015年,全球因PM2.5暴露造成的死亡人數(shù)達(dá)420萬人,占全球死亡人數(shù)的7.6%[4]。生態(tài)環(huán)境部發(fā)布的2019年全國生態(tài)環(huán)境質(zhì)量簡況中指出,2019年中國年均PM2.5濃度為36 μg·m-3,是世界衛(wèi)生組織標(biāo)準(zhǔn)的3.6倍,PM2.5濃度過高已經(jīng)嚴(yán)重影響公共健康?；诖?研究如何消減和治理PM2.5濃度,對于建設(shè)健康中國至關(guān)重要。

當(dāng)前,關(guān)于PM2.5濃度的研究主要集中在PM2.5濃度的測度、源解析、時空特征、影響因素等多個方面,其中,影響因素的研究主要涉及自然因素和社會經(jīng)濟因素。自然因素主要聚焦于相對濕度、溫度、風(fēng)速、降水量等要素與PM2.5濃度的作用關(guān)系[5-6],如發(fā)現(xiàn)相對濕度越大越不利于PM2.5濃度的消減[7],而風(fēng)速和降水量卻對PM2.5濃度具有很好的抑制作用[8-9]。相比自然因素,城市化過程中人口變化、經(jīng)濟增長、城市率、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、道路密度、能源消費、土地利用變化等社會經(jīng)濟因素對PM2.5濃度的影響研究成果更為豐富:人口規(guī)模和人口密度對PM2.5濃度具有顯著的正向影響[10]；城市經(jīng)濟增長與PM2.5濃度之間則存在明顯的環(huán)境EKC曲線[11]；城市化率對PM2.5濃度的影響相對復(fù)雜,兩者之間并非簡單的線性關(guān)系[12]；產(chǎn)業(yè)結(jié)構(gòu)對PM2.5濃度的影響比較明確,第二產(chǎn)業(yè)比重的增加可明顯加速PM2.5濃度的升高[13]；技術(shù)進(jìn)步則可通過提高能源的使用效率和治理技術(shù)降低PM2.5濃度[14-15]；道路密度和能源消費通過化學(xué)燃料的消耗可以加速PM2.5濃度的升高[16]；土地利用結(jié)構(gòu)變化,甚至民主化程度等因素也會對PM2.5濃度產(chǎn)生影響[17]。此外,聚焦城市綠地對PM2.5濃度影響的研究較少,但城市綠地作為“匯”的功能,對PM2.5濃度消減作用已經(jīng)有所體現(xiàn)[18],如有學(xué)者發(fā)現(xiàn)森林覆蓋率和道路綠地對PM2.5濃度具有積極的消減作用[19-20],綠地在一定程度上有利于PM2.5濃度的消減[21]。

已有關(guān)注城市綠地對PM2.5濃度影響的研究,案例地多為單個城市,數(shù)據(jù)主要來源于監(jiān)測站獲取的PM2.5濃度數(shù)據(jù),且研究時段多為1年或1個月,使用長時段遙感數(shù)據(jù)探究全國不同區(qū)域城市綠地對PM2.5濃度影響的研究則較為缺乏?；诖?本文借助遙感數(shù)據(jù),深入探究2005—2015年中國不同區(qū)域的城市的綠地系統(tǒng)對PM2.5濃度作用強度的差異,以期從城市綠地的視角對PM2.5濃度消減政策的制定提供參考。

1 研究區(qū)概況和數(shù)據(jù)來源

選取中國大陸東北經(jīng)濟區(qū)(34個)、東部經(jīng)濟區(qū)(87個)、中部經(jīng)濟區(qū)(79個)和西部經(jīng)濟區(qū)(76個)四大經(jīng)濟區(qū)內(nèi)的共計276個地級及以上城市作為基本研究單元。

數(shù)據(jù)主要包括細(xì)顆粒物和城市綠地兩類。細(xì)顆粒物主要使用276個城市的年均PM2.5濃度表示,該數(shù)據(jù)主要來源于大氣成分分析組織(ACAG)[22],數(shù)據(jù)為分辨率0.01°×0.01°的高精度柵格數(shù)據(jù)。城市綠地主要使用城市綠地面積(GS)、公園綠地面積(GGS)、人均綠地面積(PGS)、建成區(qū)綠地覆蓋面積(BGS)和建成區(qū)綠地覆蓋率(BGR)5個指標(biāo)進(jìn)行詮釋,數(shù)據(jù)主要來源于《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》(2006—2016年)和《中國城市統(tǒng)計年鑒》(2006—2016年)。

2 研究方法

2.1 變異系數(shù)和標(biāo)準(zhǔn)差

借助標(biāo)準(zhǔn)差和變異系數(shù)分析因變量和自變量區(qū)域差異的時序特征,其中,絕對指標(biāo)反映區(qū)域各變量具體數(shù)值的不平衡程度,即區(qū)域間的絕對差異,主要使用標(biāo)準(zhǔn)差進(jìn)行衡量；而對區(qū)域差異相對不平衡程度的探討,則使用變異系數(shù)指標(biāo)進(jìn)行衡量。

式(1)和式(2)中:n為市級單元總數(shù)；Vi為第i市級單元某年份的PM2.5年均濃度；ˉV為某年份所有市級單元PM2.5年均濃度的均值。

2.2 面板回歸模型

面板數(shù)據(jù)模型可以更好地控制個體的異質(zhì)性,減少變量之間的共線性問題,增加自由度,提高估計系數(shù)的穩(wěn)定性和可靠性[23]。因此用面板數(shù)據(jù)模型來衡量城市綠地對PM2.5濃度的影響。

式(3)中:PMit為城市i在t時間PM2.5的年均濃度；α0為截距；α1-α5為各自變量系數(shù)；φk(k＝1,…,5)為控制變量的截距；GS為城市綠地面積(km2)；GGS代表公園綠地面積(km2)；PGS表示人均綠地面積(m2)；BGS為建成區(qū)綠地覆蓋面積(km2)；BGR建成區(qū)綠地覆蓋率(%)；εit為隨機誤差。

2.3 數(shù)據(jù)處理

探究影響因素的面板數(shù)據(jù)模型結(jié)果主要使用R語言軟件獲得。為了避免自變量之間存在相互影響,首先,對各城市綠地指標(biāo)進(jìn)行多重共線性檢驗,排除在回歸中由于自變量的相互影響而導(dǎo)致的回歸結(jié)果失真現(xiàn)象；其次,分別在R語言軟件中進(jìn)行固定效應(yīng)模型和隨機效應(yīng)模型的回歸結(jié)果運算；最后,借助Hausman檢驗結(jié)果,選擇合適的模型進(jìn)行估計結(jié)果的解釋。

3 結(jié)果與分析

3.1 中國城市綠地區(qū)域差異的時空特征

3.1.1 時間差異

如圖1所示,不同區(qū)域內(nèi)部PM2.5濃度在2005—2015年絕對差異明顯,其中東部經(jīng)濟區(qū)內(nèi)部的絕對差異一直高于其他經(jīng)濟區(qū),而在西部經(jīng)濟區(qū)內(nèi)部則不斷下降(圖1A)。東部經(jīng)濟區(qū)的城市綠地面積、公園綠地面積、建成區(qū)綠地覆蓋面積相對其他經(jīng)濟區(qū)絕對差異較高,且這種差異在持續(xù)加劇(圖1B、圖1C、圖1E)；人均綠地面積、建成區(qū)綠地覆蓋率兩個指隨著城市對生態(tài)環(huán)境質(zhì)量的重視,區(qū)域間的絕對差異不斷縮小(圖1D、圖1F),但個別區(qū)域自身內(nèi)部的差異則不斷加劇,如東北經(jīng)濟區(qū)標(biāo)準(zhǔn)差從2005年的18.7增至2015年的44.5(圖1D)。

圖1 全國及四大經(jīng)濟區(qū)各指標(biāo)的標(biāo)準(zhǔn)差(2005—2015年)

從表1可知,PM2.5濃度在不同區(qū)域之間的相對差異在拉大,尤其是東部與西部經(jīng)濟區(qū)在2005—2015年差距更為明顯。與此對應(yīng),在城市綠地指標(biāo)中,尤其是公園綠地面積在2005—2015年東部和西部經(jīng)濟區(qū)間的相對差異,隨著東部經(jīng)濟區(qū)的下降和西部經(jīng)濟區(qū)的增加變得更大；而其他城市綠地指標(biāo)在各經(jīng)濟區(qū)之間相對差異則在不斷縮小。

表1 2005—2015年各指標(biāo)變異系數(shù)

3.1.2 空間差異

如表2所示,本文選取的276個城市中,2005年,有176個城市的年均PM2.5濃度超出國家二級標(biāo)準(zhǔn)(年均PM2.5濃度35 μg·m-3)；2010年為190個城市；至2015年,仍有150個城市超出該標(biāo)準(zhǔn),超出國家二級標(biāo)準(zhǔn)的城市數(shù)量呈現(xiàn)倒“U”型。比較四大經(jīng)濟區(qū)發(fā)現(xiàn),除東北部經(jīng)濟區(qū)外,其他三大經(jīng)濟區(qū)城市占比10年間均有所下降,尤其是西部經(jīng)濟區(qū)下降最為明顯,其次是東部經(jīng)濟區(qū)和中部經(jīng)濟區(qū)。中部經(jīng)濟區(qū)雖有所下降,但超出國家二級標(biāo)準(zhǔn)的城市仍過半。

表2 2005—2015年四大經(jīng)濟區(qū)年均PM2.5濃度高于35 μg·m-3的城市數(shù)量 個

根據(jù)四大經(jīng)濟區(qū)的城市綠地各指標(biāo)統(tǒng)計結(jié)果(表3):2005—2015年,東北部經(jīng)濟區(qū)各指標(biāo)值超出平均值的城市除了建成區(qū)綠地覆蓋率外均在不斷減少；東部經(jīng)濟區(qū)各城市綠地指標(biāo)10年間則有增加,尤其是建成區(qū)綠地覆蓋率增加最為明顯,超出平均值的城市數(shù)量占比從2005年的33.3%增加至2015年的61.0%；中部經(jīng)濟區(qū)除綠地面積(2005年超過平均值的城市數(shù)量占比30.4%,2015年為32.9%)和建成區(qū)綠地覆蓋率(2005年為53.2%,2015年為54.4%)兩個指標(biāo)呈現(xiàn)波動上升外,其余指標(biāo)超過平均值的城市數(shù)量均呈現(xiàn)波動下降；西部經(jīng)濟區(qū)與東北經(jīng)濟區(qū)類似,2005—2015年僅城市建成區(qū)綠地覆蓋率超出平均值的城市數(shù)量有所增加(2005年為47.4%,2015年為69.7%),其他各指標(biāo)均呈現(xiàn)波動下降。

表3 2005—2015年四大經(jīng)濟區(qū)各指標(biāo)值超過均值的城市數(shù)量占比 %

3.2 中國城市綠地對細(xì)顆粒物的消減作用

以PM2.5濃度為因變量、以5個表征城市綠地的指標(biāo)為自變量分別對全國,東北、東部、中部、西部四大經(jīng)濟區(qū)進(jìn)行面板回歸分析,基于Housman檢驗結(jié)果,除東北經(jīng)濟區(qū)使用固定效應(yīng)回歸模型之外,其余4個面板數(shù)據(jù)均使用隨機效應(yīng)模型。如表4所示,所有綠地指標(biāo)在各面板模型中對PM2.5濃度的影響均呈負(fù)相關(guān),表明綠地對PM2.5濃度存在“匯”的功能,其中建成區(qū)綠地覆蓋面積和建成區(qū)綠地覆蓋率對PM2.5濃度的影響顯著(P＜0.05),即增加建成區(qū)綠地面積和覆蓋率可以有效抑制PM2.5濃度；東北和中部經(jīng)濟區(qū)人均綠地面積對PM2.5濃度的影響也顯著(P＜0.01),即提高人均綠地面積可以顯著降低PM2.5濃度；城市綠地面積和公園綠地面積對PM2.5濃度的影響不顯著,即對PM2.5濃度可能存在潛在的抑制作用。

表4 面板數(shù)據(jù)模型估計

4 討論

2005—2015年中國東部經(jīng)濟區(qū)PM2.5濃度最高,可能是由于其建設(shè)用地面積高于其他三大經(jīng)濟區(qū),且僅2010—2015年建用地供給規(guī)模達(dá)11 047 km2,新增建設(shè)用地中又以“工礦倉儲用地”占比最高[24],而第二產(chǎn)業(yè)比重對PM2.5濃度的加速作用已得到大量文獻(xiàn)證實[25-28]。西部經(jīng)濟區(qū)PM2.5濃度的下降與國家“西部大開發(fā)戰(zhàn)略”“援疆”等政策有關(guān),資金和技術(shù)的涌入,提高了西部城市能源利用效率和環(huán)境治理能力,PM2.5濃度10年間有所改善。中部經(jīng)濟區(qū)PM2.5濃度高于東北經(jīng)濟區(qū),其中建設(shè)用地總體供給可以作為佐證之一,如2010—2015年中部經(jīng)濟區(qū)建設(shè)用地供給規(guī)模是東北經(jīng)濟區(qū)的2.7倍[24]。

2005—2015年中國四大經(jīng)濟區(qū)綠地指標(biāo)變化顯示,建成區(qū)綠地覆蓋率演變與各經(jīng)濟區(qū)PM2.5濃度的演變恰好對應(yīng),尤其是中部、東北和東部經(jīng)濟區(qū)。這是因為建成區(qū)作為城市人口密集的區(qū)域,PM2.5濃度的人為貢獻(xiàn)又高達(dá)83%[29],所以建成區(qū)綠地覆蓋率的增加,可以有效吸附因高密度的人類活動所產(chǎn)生的細(xì)顆粒物,如有研究證明,林地面積占比越大,越有利于抑制PM2.5濃度[30]。

城市綠地可以通過影響地表土質(zhì)、地下水容量、風(fēng)速等影響城市大氣環(huán)境和小氣候,進(jìn)而影響空氣中PM2.5濃度。已有研究證明,不同類型城市綠地可有效緩解PM2.5濃度[31-32],不同綠地形態(tài)對PM2.5濃度也產(chǎn)生影響[21],但現(xiàn)有研究多聚焦于一個城市或更小區(qū)域,從全國尺度出發(fā)探究區(qū)域之間差異的研究較少。由于不同城市和區(qū)域之間PM2.5污染來源存在差異,因此本文從區(qū)域差異角度切入,全面甄別城市綠地指標(biāo)在四大經(jīng)濟區(qū)的作用方向和強度?；貧w結(jié)果表明,城市綠地各指標(biāo)對PM2.5濃度具有消減作用,但影響能力有限,因此,政府在增加建成區(qū)綠地面積的同時,還需要注重產(chǎn)業(yè)結(jié)構(gòu)、道路路網(wǎng)、新能源汽車等的調(diào)整、優(yōu)化和推廣,以此達(dá)到優(yōu)化城市空氣質(zhì)量的目的。

5 結(jié)論

1)2005—2015年中國PM2.5濃度整體呈波動上升趨勢,區(qū)域差異明顯。四大經(jīng)濟區(qū)之間絕對差異和相對差異比較穩(wěn)定,其中,絕對差異方面東部經(jīng)濟區(qū)10年間一直穩(wěn)居四大經(jīng)濟區(qū)之首,具體為東部＞中部＞東北＞西部經(jīng)濟區(qū)；相對差異方面四大經(jīng)濟區(qū)之間相對穩(wěn)定,但西部經(jīng)濟區(qū)內(nèi)部城市由于超出國家二級標(biāo)準(zhǔn)城市數(shù)量的下降,城市之間PM2.5濃度在10年間差異有所擴大。

2)城市綠地5個指標(biāo)的時空差異顯著。首先,2005—2015年中國城市綠地面積、公園綠地面積、建成區(qū)綠地覆蓋面積3個指標(biāo)無論在區(qū)域內(nèi)部還是四個經(jīng)濟區(qū)之間的絕對差異均在不斷加劇,尤其是東部經(jīng)濟區(qū)和中部經(jīng)濟區(qū)之間；其次,2005—2015年東北部經(jīng)濟區(qū)各指標(biāo)超出平均值城市占比除建成區(qū)綠地覆蓋率外均有所下降,建成區(qū)綠地覆蓋率在四大經(jīng)濟區(qū)則均不斷提高,尤其是在東部和西部經(jīng)濟區(qū)。

3)城市綠地與PM2.5濃度之間存在明顯的區(qū)域差異。對于PM2.5濃度,人均綠地面積僅在東北和中部經(jīng)濟區(qū)呈現(xiàn)顯著負(fù)相關(guān),且對PM2.5濃度的消減力度在東北部經(jīng)濟區(qū)明顯高于中部經(jīng)濟區(qū)；建成區(qū)綠地覆蓋面積和建成區(qū)綠地覆蓋率兩個指標(biāo)在不同面板中的作用強度存在差異,其中建成區(qū)綠地覆蓋面積的消減強度從高到低為:中部＞東北＞西部＞東部經(jīng)濟區(qū),建成區(qū)綠地覆蓋率對PM2.5濃度的抑制作用從高到底為:中部＞西部＞東北＞東部經(jīng)濟區(qū)。