本推文来源：
地球平衡与稳态
期刊：
Environment International(1区TOP 11.8)
题目：
Spatiotemporal patterns and drivers of the urban air pollution island effect for 2273 cities in China
城市地区的空气污染水平往往高于周边农村地区，这种空气污染对人类健康有负面影响。然而，城乡空气污染差异的时空格局及其决定因素仍不清楚。
研究表明，颗粒
物
，如 PM2.5 和 PM10，对人类健康构成重大威胁，导致心血管和呼吸系统疾病的死亡率和发病率增加，正如全球各种城市环境中的研究所证明的那样.空气污染在非常小的浓度下已经是有害的。例如，世界卫生组织的空气质量指南就说明了这一点，该指南分别使用 5 μg/m3 和 15 μg/m3 的年平均浓度作为 PM2.5 和 PM10 的阈值，两者都远低于中国（大部分地区）的年平均值。与城市化相关的因素，如能源消耗和
土地利用变化
是空气污染的主要来源。随着全球城市化进程的持续推进，城市空气污染将影响更多人。因此，了解和改进缓解城市空气污染的策略已成为一个紧迫的问题，确定影响空气污染的因素对于减少其有害影响至关重
要。
研究使用 2000 年至 2020 年每月 ChinaHighAirPollutants （CHAP） PM2.5 和 PM10 数据以 1 km2 分辨率计算了 UAPI 强度。CHAP数据集是使用时空Extra-Trees模型构建的。该模型集成了各种输入变量，包括 MODIS/Terra + Aqua 气溶胶光学深度产品，以及各种人为和自然因素以及地面数据。该模型的颗粒物数据具有很高的预测准确性，基于与地面观测的交叉验证，PM2.5 的 R 2 值为 0.92，PM10 的 R2 值为 0.90。这种高精度使该模型成为分析中国与UAPI相关的环境和社会经济问题的可靠工具。
图1. 研究框架
本研究的重点是了解城市化对UAPI的影响并确定其驱动因素。最常用的回归模型是普通最小二乘法 （OLS） 模型。然而，随着时间推移（例如，每个城市的资源禀赋）或跨城市（例如全国范围内的环境法规和技术进步的增强），UAPI受到不可观察和不变因素的影响。这些因素也会影响城市特征，可能会给OLS模型产生的估计值带来偏差。因此，我们采用双向固定效应 （FE） 模型来控制面板数据中的这些影响。
其中 UAPI 表示 UAPIPM2.5 和 UAPIPM2.5 的 UAPI 强度，α 和 ε 表示截距和误差项。μ，γ 表示个人和时间 FE。
我们发现夏季、冬季和年平均值的 PM2.5 和 PM10 都有显着的 UAPI 效应（图 2）。UAPI强度表现出明显的变化阶段和季节异质性。具体来说，冬季观察到最高的 UAPI，而最低的是在夏季。此外，UAPIPM2.5表现出更强的季节性变化，比UAPIPM10高出约28%。这导致两种污染物之间的季节性差异更为明显，夏季UAPIPM10是UAPIPM2.5的3.4-4.8倍，而冬季仅为1.5-2.1倍。尽管 PM2.5 是 PM10 的一个子集，但城乡之间的差异随季节变化而有很大差异。这凸显了在UAPI研究中考虑不同污染物的重要性
。
图 2.2000—2020年（a）年、（b）夏季和（c）冬季UAPI强度的时间变化。实线表示标准误差的均值和阴影区域。虚线和虚线表示对不重要和重要趋势的最佳线性拟合。每个图上都记录了每个周期的 UAPI 强度的变化（平均值± 95% 置信区间）
在空间分布方面，UAPI强度在UAPIPM2.5（Moran's I指数：0.246，p<0.01）和UAPIPM10（Moran's I指数：0.169，p < 0.01）中均表现出显著的空间自相关，并且高值集中在中部地区，而不是经济较发达的沿海地区（图3).此外，还有UAPI强度值为负的城市，UAPI强度为负的城市数量会随着时间的推移而增加。例如，对于年度UAPIPM2.5，负值城市的比例从2000年的8.5%增加到2020年的22.6%。从时间趋势来看，虽然绝大多数城市处于显著下降阶段，但部分地区仍呈现集群性增长。UAPIPM2.5集中增加的城市位于云南南部和内蒙古东部，是中国胡线以东的最不发达地区之一。与UAPIPM2.5相比，UAPIPM10更集中在湖南和江西等中部省份，这可能是由于这些地区的工业部门不成比例。
图 3.（a）和（b）为2000—2020年2.5和10年UAPI年平均强度的空间分布（单位：μg/m3）;（c）和（d）是每个城市从2000年到2020年的时间趋势。SI、II、I、ID 和 SD 分别表示显著增加、不显著增加、不显著增加、不显著减少和显著减少的趋势
