十大城市群PM2.5浓度的时间变化分析

(1)十大城市群PM2.5浓度分布动态的演变特征

运用Kernel密度估计做出十大城市群总体、各城市群PM2.5浓度分布的二维图(见图6.4)，现将其分布动态的演变特征总结如下:

第一，在选取的年份期间，十大城市群总体PM2.5浓度分布曲线的中心逐渐左移，表明整体PM2.5浓度呈现出下降的趋势。而对于各个城市群而言，除了长三角、哈长右移以及呼包鄂榆变化不明显外，其他城市群分布曲线的中心均左移，表明大部分城市群的PM2.5浓度呈现下降趋势，这一特征与前面的整体描述一致。

图6.4　样本期十大城市群PM2.5浓度分布的时间动态演进

第二，十大城市群总体、长三角、京津冀、中原、关中PM2.5浓度分布曲线的主峰峰值呈“上升－下降”的趋势，主峰宽度呈“缩小－增大”的趋势，表明这些城市群PM2.5浓度的绝对差异呈现“缩小－扩大”的波动趋势。珠三角、成渝、呼包鄂榆以及兰西城市群PM2.5浓度分布曲线的主峰峰值呈现上升趋势，主峰宽度呈逐年缩小的趋势，表明其PM2.5浓度的绝对差异呈现缩小的趋势。长江中游和哈长城市群PM2.5浓度分布曲线的主峰峰值呈现下降趋势，主峰宽度呈逐年增大的趋势，表明这两个城市群PM2.5浓度的绝对差异呈现扩大的趋势。

第三，十大城市群总体、长三角、京津冀、珠三角、成渝、中原、呼包鄂榆、兰西以及哈长城市群PM2.5浓度分布曲线存在向左的拖尾现象，表明其地区差异在不断减少；而长江中游和关中城市群存在向右的拖尾现象，表明这两个城市群的地区差异在不断增加。

第四，十大城市群总体PM2.5浓度分布曲线逐步由一个主峰演变成一个主峰和一个侧峰。在两极分化阶段，主峰峰值较高，侧峰峰值较低，但其峰值呈逐年阶梯状下降，表明城市群总体内城市PM2.5浓度存在一定梯度，呈现微弱的两极分化现象且逐年得到缓解；在单极化阶段，城市群总体PM2.5浓度呈现单峰，峰值上升，表明其PM2.5浓度由单极化转化为两极化，极化现象出现。京津冀、兰西和哈长城市群的PM2.5浓度分布始终呈双峰状态，主峰峰值较高，侧峰峰值较低，表明这些城市群内城市的PM2.5浓度存在一定梯度，呈现微弱的两极分化现象。其中，京津冀城市群的峰值呈“上升－下降”的趋势，表明京津冀城市群两极分化现象在一段时间得到加剧，之后又渐渐缓解；兰西城市群的峰值呈现逐年阶梯状上升，表明两极化现象未得到有效缓解，反而越来越严重；哈长城市群的峰值呈阶梯状下降趋势，表明两极化现象得到了缓解。珠三角、长江中游和呼包鄂榆城市群的雾霾浓度分布始终呈单峰状态，单极化现象一直存在，其中珠三角和呼包鄂榆城市群峰值呈逐年阶梯状上升的趋势，表明随着时间推移，其极化现象并未得到缓解与控制，且在不断加剧；而长江中游城市群的峰值呈现逐年阶梯状下降，表明随着时间推移，长江中游的极化现象得到了缓解与控制。成渝城市群分布两极分化现象逐渐消失，并最终呈单极化现象，其峰值呈现阶梯状上升的趋势，在两极化阶段，主峰峰值较高，侧峰峰值较低，但其峰值逐年阶梯状上升，表明上述城市群内城市的PM2.5浓度存在一定梯度，呈现微弱的两极分化现象但并未得到有效缓解；在单极化阶段，PM2.5浓度分布呈现单峰，峰值继续上升，表明两极分化现象未得到控制，单极化现象也没有得到缓解。中原和关中城市群由单峰变为了双峰，且峰值呈现“上升－下降”的趋势，其中，在两极化阶段，主峰峰值较高，侧峰峰值较低，但其峰值逐年阶梯状下降，表明上述城市群内城市的PM2.5浓度存在一定梯度，呈现微弱的两极分化现象且得到有效缓解；在单极化阶段，上述城市群PM2.5浓度分布呈现单峰，峰值继续上升，表明两极分化现象未得到控制，单极化现象也没有得到缓解。长三角城市群分布首先由两峰变为单峰后又变为两峰，峰值也是呈现“上升－下降”的趋势，表明两极化现象得到有效缓解。

(2)十大城市群总体PM2.5浓度状态转移的时间特征(www.xing528.com)

运用Markov链分析方法，计算样本期间两阶段十大城市群总体PM2.5浓度的传统Markov链转移概率矩阵(见表6.4)，探究城市群PM2.5浓度的转移规律，为区域间PM2.5浓度差异、极化现象提供科学解释。以PM2.5年均值为划分依据，将各城市群PM2.5浓度的均值划分为六个水平:优(0～10微克/立方米)、良(10～15微克/立方米)、轻度(15～35微克/立方米)、中度(35～45微克/立方米)、重度(45～55微克/立方米)、严重(55微克/立方米以上)。由表6.4可知，在时间效应下，城市群PM2.5浓度的转移平稳性和转移路径具有明显规律:

第一，在样本期间，矩阵对角线上的转移概率均大于非对角线上的转移概率，其中对角线上转移概率最大的为0.873，最小的为0.476，表明城市群PM2.5浓度保持不变的概率至少为0.476。同时，在6个状态中，各个水平保持稳定的概率均大于其转移的概率，这表明城市群的PM2.5浓度受到之前年度的影响，呈现路径依赖性，容易形成自我固化。

第二，不同雾霾污染水平之间发生转移的概率相对较小(非对角线概率值)，最大为0.286，为对角线最小概率的60%；与对角线不相邻的概率值均小于0.2，这意味着在2个连续的年份之间，轻度雾霾污染城市群向重度及以上的城市群转变概率较低，反之亦然。轻度以及中度雾霾污染城市群几乎无法向两边发生转变。这一结果反映了城市群雾霾污染是个持续发展的过程，不会在短期内实现跨级类型的跃升或衰退。

第三，通过2006—2010年和2011—2015年两期对比，城市群PM2.5浓度的转移特征存在一定的差异。当雾霾污染初始状态为优等时，2011—2015年城市群保持稳定状态的相对水平较高，而2006—2010年在雾霾污染初始状态为良好、轻度、中度、重度以及严重水平时，城市群保持稳定状态水平较高，表明在2006—2010年，雾霾污染初始状态为良好、轻度、中度、重度以及严重水平的城市群趋同现象较为显著；与2006—2010年相比，2011—2015年从雾霾污染初始状态为良好、轻度、中度、重度向轻度、中度、重度以及严重水平转移的概率相对较高，表明在2011—2015年，十大城市群雾霾污染加重的概率增大。

表6.4　样本期十大城市群PM2.5浓度的空间传统Markov链转移概率矩阵

注:“1”“2”“3”“4”“5”“6”分别代表优、良、轻度、中度、重度、严重。