摘要
【目的】近年来，由于工业化和城市化的快速发展，中国许多地区的近地面臭氧污染日益严重，对人们的生产生活产生了负面影响。鉴于此，本研究从时空-属性模态地视角分解气象条件和社会经济状况对中国近地面臭氧分布特征的影响。
【方法】基于2014—2023年中国331个城市的空气污染、气象和社会经济数据，采用经验正交函数和地理探测器模型，多视角识别中国近地面臭氧污染典型的时空模态，量化各影响因素及其交互作用对臭氧污染不同时空模态的解释力。在此基础上，本研究创新性的结合地理演化树模型，进一步分析主要空间模态的动态演化过程。
【结果】第一时空模态对总方差的贡献率为71.1%，揭示出高风险地区主要分布在华北和长三角地区，且呈现明显的季节变化，峰值主要集中在夏季，影响该模态的主导社会经济和气象因素分别是人口密度（Geo_q = 0.20）和平均温度（Geo_q = 0.86）。第二时空模态对总方差的贡献率为6.8%，揭示出高风险地区主要分布在包括珠三角在内的中国南方地区，且呈上升趋势，影响该模态的主导社会经济和气象因素分别是人口密度（Geo_q = 0.26）和平均温度（Geo_q = 0.37）。值得注意的是，各因素之间的交互作用较因素本身对臭氧污染的影响更大。
【结论】中国臭氧污染的典型时空特征受多种因素的共同影响，且臭氧污染程度随着城市类型和城市发展阶段的不同而动态变化。
引言
随着快速的城市化和能源密集型发展，中国出现了严重的空气污染问题，对气候、生态环境和人类健康产生了一定程度的危害。常见的空气污染物有空气动力学直径小于2.5 μm（PM2.5）和10 μm（PM10）的颗粒物、臭氧（O3）、二氧化氮（NO2）、一氧化碳（CO）和二氧化硫（SO2）。2013年起，中国政府实施了一系列大气污染相关的防治政策和措施，旨在降低以PM2.5为主的污染物浓度、提高空气质量、改善人民群众生活环境并取得了明显成效。在此期间，PM2.5污染得到了有效控制，浓度大幅下降。
然而，O3污染却呈现快速增长的蔓延态势，尤其在经济发达和人口密集地区。流行病学研究表明，O3污染会增加呼吸系统和心血管等疾病的发病率和死亡率，对人体健康威胁很大。由于中国人口基数大，且经济的持续发展会导致O3污染加重，这为中国空气质量改善带来了新的挑战。
臭氧污染形成机制与影响因素
气象因素影响
O3是由其前体物经过一系列光化学反应生成的二次污染物，气象因素对其生成、累积和扩散具有十分重要的作用。研究表明，在中国东部地区，降水、相对湿度和日照时长等气象因素对O3污染空间分异性的影响不容忽视。在中国东北地区，O3与夏季高温、低相对湿度、长时日照、西南风等气象条件有关。
社会经济因素影响
快速增长的城市化和工业发展引起的社会经济状况改变和人口的大量流动与O3污染加重密切相关。工业发展和城市化导致中国人口密集城市的能源消耗和经济活动大量增加，这是O3前体物的主要来源，导致了O3浓度的增加。研究表明，人口密度、人均私家车保有量与O3浓度呈显著正相关，第一产业占比与O3浓度呈显著负相关。
现有研究局限性
这些结果表明，O3污染受气象条件和社会经济状况的直接和间接影响。城市环境与自然、社会经济系统存在互馈机制，O3污染的时空格局是由许多因素共同影响的。值得注意的是，O3的时空变化可以从多个角度表现出来，且受不同主导因素的影响。但是，许多现有文献多是基于单一视角或单一模型研究O3的时间或空间特征及其影响因素，在从多时空模态视角分析O3污染时空异质性方面存在不足，而且以往研究大多关注单个影响因素，在不同时空视角下影响因素的相互作用很少被量化，忽略了因素间潜在的非线性相互作用，从而，在某种程度上限制了深入理解和有效防控O3污染的能力。
近年来，O3污染已成为全球性环境问题，其时空变化特征及其影响因素复杂且多变，给研究带来了巨大挑战。传统的单一研究方法，如仅采用统计分析或空间插值方法，往往难以全面揭示O3污染的时空异质性和驱动机制。
研究创新与目标
本研究创新性地将经验正交函数、地理探测器和地理演化树模型相结合，以期更全面地刻画中国O3污染的时空多模态特征，定量评估不同影响因素及其交互作用的解释力，并深入理解O3空间模态的动态演化过程，为制定精准的O3污染防治策略提供科学依据。
利用经验正交函数模型从多时空模态的视角分解中国近地面O3污染的时空变化特征
利用地理探测器模型量化不同时空模态的影响因素及其交互效应的解释力，识别不同时空模态的主导因素
利用地理演化树模型进一步深入刻画不同空间模态的动态演化过程
研究方法与数据来源
技术路线
本研究首先利用EOF模型对O3浓度数据进行分解，提取主要的时空模态。基于EOF分解结果，利用GeoDetector模型量化气象和社会经济因素及其交互作用对各个时空模态的解释力。在此基础上，利用Geotree模型展示不同空间模态的动态演化过程。
图1 中国臭氧时空模态分解及其影响因素研究技术路线
模型方法
经验正交函数模型 (EOF)
经验正交函数（EOF）模型是一种基于矩阵变换的多元统计技术，揭示被分析场典型的空间和时间模态，适用于处理大型时空数据集和变异的主要模式，已广泛用于流行病学、大气科学和海岸过程等。其计算过程中，不存在任何人为干预，可以客观地反映原分析场的主要时空特征。该方法通过将原始数据场分解为占比不同且从高到低排列的时空模态分量，从而实现降维。
A = XT × X
X × B = B × Λ
PCs = VT × X
地理探测器模型 (GeoDetector)
地理探测器（GeoDetector）模型是基于地理学空间分异特征，量化研究对象空间分异性强弱程度以及自变量和因变量之间可能存在的非线性关系。其原理是：若影响因素X对因变量Y有显著影响，那么Y将显示出与X相同的空间分布。O3污染的形成机制复杂，诸多因素之间存在复杂的非线性关系和交互作用，GeoDetector能够有效识别和量化这种复杂关系，这与传统的线性统计方法相比具有显著优势。
GeoDetector_q = 1 - ∑h=1LNhσh2 / Nσ2 = 1 - SSW / SST
图2 因素两两交互的类型
地理演化树模型 (Geotree)
地理演化树（Geotree）模型的思想是借鉴生物学中的分类、演化规律，根据城市的"状态"（功能类型和发展阶段）进行聚类，构建树状演化结构，直观清晰地可视化数据中隐藏的多维信息和演化路径。其结构特征分为：一级分枝（城市类型）、二级分枝（城市发展阶段）和树叶（代表城市）。
本研究利用Geotree模型构建树形结构，将城市类型、城市发展阶段和O3污染的不同空间模态嵌入，形成一个相互关联的整体，借鉴树的生长过程描述在城市类型和发展阶段变化过程中O3污染的空间模态将如何动态演化。
数据收集与来源
臭氧污染数据
2014—2023年中国城市O3污染数据来源于全国城市空气质量实时发布平台。为保证数据的有效性，对原始数据进行严格的质量控制：
- 删除缺测值或观测值为负的记录
- 去除连续观测以来有效值少于80%的城市
- 若每天有大于20个小时的数据，则日O3浓度是该城市所有监测站点每小时数据的平均值
经过严格的筛选与剔除，本研究仅使用数据质量较好的331个地级市的污染数据进行分析，不包括香港、澳门和台湾。
气象与社会经济数据
气象数据包括日均温、最高温度、降水量和风速，来源于中国气象数据网和美国国家海洋和大气管理局。为保证数据的有效性，对数据进行了严格的质量控制：
- 数据判别，删除缺测值或异常值
- 数据格式处理
- 数据正确性和可疑性判断
社会经济数据来源于《中国城市统计年鉴》。考虑到诸多社会经济因素（如工业排放、经济发展和人为排放等）是影响O3浓度的主要因素，本研究采用人口密度、工业产值、人均GDP和第二产业比重。
图3 2014—2023年中国331个地级市O3污染空间分布
| 变量 | 最小值 | 上四分位数 | 中位数 | 平均值 | 下四分位数 | 最大值 |
|---|---|---|---|---|---|---|
| MDA8 O3/(μg/m3) | 64.6 | 81.9 | 90.1 | 90.0 | 98.4 | 113.9 |
| 平均温度/℃ | -0.7 | 6.9 | 15.2 | 14.1 | 22.8 | 26.3 |
| 最高温度/℃ | 4.3 | 15.5 | 24.3 | 22.7 | 30.0 | 36.5 |
| 风速/(m/s) | 8.0 | 8.9 | 9.5 | 12.8 | 19.7 | 25.2 |
| 降水/mm | 0.35 | 6.2 | 43.2 | 59.0 | 98.0 | 191.8 |
| 人口密度/(人/km2) | 0 | 121 | 257 | 424 | 565 | 7,047 |
| 工业产值/亿元 | 1 | 683 | 1,652 | 3,098 | 3,069 | 37,296 |
| 第二产业比重/% | 14.4 | 36.4 | 43.5 | 42.2 | 48.4 | 67.4 |
| 人均GDP/万元 | 1.6 | 3.8 | 5.2 | 6.3 | 7.6 | 23.6 |
结果与分析
O3污染的多空间模态
2014—2023年中国近地面O3污染的前两种典型空间模态（EOF1和EOF2）分别占总方差的71.1%和6.8%，共占77.9%。相对应的时间模态（PC1和PC2）也占总方差的77.9%。本研究未呈现其余的时空模态，因其"贡献"均不超过5%。
EOF1表明中国近地面O3污染呈现明显的空间异质性，华北、长三角地区的O3污染较为严重；相反，西部地区的O3污染程度相对较低。EOF2表明包括珠三角在内的中国南方地区O3污染较为严重。
EOF1表明中国近地面O3污染呈现明显的空间异质性，华北、长三角地区的O3污染较为严重；相反，西部地区的O3污染程度相对较低。EOF2表明包括珠三角在内的中国南方地区O3污染较为严重。
图4 中国O3污染前2个典型的空间模态特征
O3污染的多时间模态
图5 中国O3污染前2个典型的时间模态特征
PC1: 周期性变化
PC1模态展示了O3污染的周期性，峰值出现在6—8月，表明夏季O3浓度最高，这可能与夏季光照强烈，气温高，有利于光化学反应的发生有关。其次是春季，可能是春季气象条件有利于光化学烟雾的形成，导致O3升高。而秋季和冬季O3浓度最低，主要是因为秋冬季节光照条件较差，光化学反应速率较低。
PC2: 趋势性变化
PC2模态展示了O3污染的趋势性，在2014—2017年呈现显著的上升趋势，年均增长率为7.26%；在2018—2020年，增速放缓并出现小幅下降，年均下降率为2.15%；2021—2023年，呈现小幅波动，年均上升率为1.59%，这种变化趋势可能与国家大气污染防治政策的实施有关。
单要素解释力
气象和社会经济因素在不同程度上影响O3污染的时空分异性。本研究利用GeoDetector模型分别量化不同空间模态（EOFi）与年内较为稳定但空间差异较大的社会经济因素之间的关系，以及不同时间模态（PCs）与时间变化较大的气象因素之间的关系，以识别不同时空模态的主导因素。
社会经济因素对空间模态的解释力
| 因素 | EOF1 (Geo_q) | EOF2 (Geo_q) |
|---|---|---|
| 人口密度 | 0.20 | 0.26 |
| 工业产值 | 0.19 | 0.19 |
| 第二产业比重 | 0.12 | 0.09 |
| 人均GDP | 0.08 | 0.07 |
表2 社会经济因素对空间模态的解释力
气象因素对时间模态的解释力
| 因素 | PC1 (Geo_q) | PC2 (Geo_q) |
|---|---|---|
| 平均温度 | 0.86 | 0.37 |
| 最高温度 | 0.79 | 0.19 |
| 降水 | 0.63 | 0.21 |
| 风速 | 0.41 | 0.31 |
表3 气象因素对时间模态的解释力
第一时空模态主导因素
在第一空间模态中，对O3浓度影响最大的社会经济因素是人口密度（Geo_q = 0.20），其次是工业产值（Geo_q = 0.19）、第二产业比重（Geo_q = 0.12）。在第一时间模态中，对O3浓度影响最大的气象因素是平均温度（Geo_q = 0.86），其次是最高温度（Geo_q = 0.79）和降水（Geo_q = 0.63）。
第二时空模态主导因素
在第二空间模态中，对O3浓度影响最大的社会经济因素是人口密度（Geo_q = 0.26），其次是工业产值（Geo_q = 0.19）和第二产业比重（Geo_q = 0.09）。在第二时间模态中，对O3浓度影响最大的气象因素是平均温度（Geo_q = 0.37），其次是风速（Geo_q = 0.31）和降水（Geo_q = 0.21）。
多要素交互作用
不同于以往只分析单因素对O3浓度的影响，本文考虑了多因素交互对O3污染的影响。研究发现，各因素之间的交互作用较因素本身对臭氧污染的影响更大。
气象因素交互作用
气象因素之间的交互作用对O3污染的影响大于单个气象因素的影响。平均温度与最高温度的交互作用（Geo_q = 0.92）对第一时间模态的解释力最大，表明温度是影响O3污染季节变化的关键因素。
平均温度与降水的交互作用（Geo_q = 0.89）也具有较高的解释力，这可能是因为高温和低降水共同促进了O3的生成和累积。风速与温度的交互作用（Geo_q = 0.87）也不容忽视，风速影响O3前体物的扩散和传输，与温度共同影响O3的生成和累积。
社会经济因素交互作用
社会经济因素之间的交互作用对O3污染的影响也大于单个社会经济因素的影响。人口密度与工业产值的交互作用（Geo_q = 0.37）对第一空间模态的解释力最大，表明人类活动强度是影响O3污染空间分布的主要因素。
人口密度与第二产业比重的交互作用（Geo_q = 0.32）也具有较高的解释力，这可能是因为人口密集地区往往伴随着较高的工业活动，共同导致O3前体物排放增加。工业产值与人均GDP的交互作用（Geo_q = 0.28）也不容忽视，反映了经济发展水平与工业活动对O3污染的综合影响。
空间模态的动态演化
利用Geotree模型，本研究进一步分析了不同空间模态的动态演化过程。基于城市类型和发展阶段，构建了O3污染空间模态的演化树，揭示了不同类型城市在不同发展阶段O3污染的变化规律。
工业型城市
工业型城市在初级发展阶段O3污染较轻，随着发展进入中级阶段，O3污染迅速加重，达到高级阶段后，由于环保技术的应用和产业结构调整，O3污染有所缓解。
服务型城市
服务型城市在各发展阶段O3污染相对较轻，但随着城市规模扩大和交通量增加，高级发展阶段的O3污染也呈现上升趋势，主要集中在城市中心区域。
生态型城市
生态型城市在各发展阶段O3污染均较轻，且变化不大，表明生态环境保护和绿色发展理念对控制O3污染具有积极作用。
动态演化的政策启示
基于O3污染空间模态的动态演化分析，可以得出以下政策启示：
- 对于工业型城市，应在发展初期就注重环保技术的应用和产业结构的优化，避免中期O3污染的快速增长。
- 对于服务型城市，应加强交通管理和绿色出行的推广，控制O3前体物的排放。
- 对于生态型城市，应继续坚持绿色发展理念，为其他类型城市提供经验借鉴。
- 不同发展阶段的城市应采取差异化的O3污染防控策略，针对主导影响因素实施精准治理。
结论
本研究从多时空模态的视角分析了中国近地面O3污染的时空特征及其影响因素，得出以下主要结论：
中国近地面O3污染呈现明显的时空异质性。第一时空模态（贡献率71.1%）显示高风险区域主要分布在华北和长三角地区，且呈现明显的季节变化，峰值主要集中在夏季；第二时空模态（贡献率6.8%）显示高风险区域主要分布在包括珠三角在内的中国南方地区，且呈上升趋势。
不同时空模态受不同主导因素的影响。第一时空模态主要受人口密度（Geo_q = 0.20）和平均温度（Geo_q = 0.86）的影响；第二时空模态主要受人口密度（Geo_q = 0.26）和平均温度（Geo_q = 0.37）的影响。值得注意的是，各因素之间的交互作用较因素本身对臭氧污染的影响更大。
O3污染的空间模态呈现动态演化特征，不同类型城市在不同发展阶段的O3污染程度存在显著差异。工业型城市在中级发展阶段O3污染最为严重；服务型城市随着发展O3污染逐渐增加；生态型城市在各发展阶段O3污染均较轻。
基于多时空模态的分析结果，应针对不同地区、不同时期的O3污染特征，制定差异化的防控策略。对于华北和长三角地区，应重点关注夏季O3污染，加强温度与人口密度的协同管控；对于南方地区，应关注O3污染的上升趋势，加强长期监测和预警。
本研究从多时空模态的视角分析了中国近地面O3污染的时空特征及其影响因素，揭示了不同时空模态的主导因素及其交互作用，为制定精准的O3污染防控策略提供了科学依据。未来研究可进一步探索气候变化背景下O3污染的长期演变趋势，以及不同城市类型和发展阶段的O3污染防控路径。
* 以上内容由AI自动生成，内容仅供参考。对于因使用本网站以上内容产生的相关后果，本网站不承担任何商业和法律责任。