短周期高強度旅游活動對城市空氣質量的影響

杜娟 , 歐陽文言 , 劉春瓊 , 吳波 , 張嬌 , 史凱

( 1 吉首大學數學與統計學院, 湖南 吉首 416000;2 洪江高新技術產業開發區 (洪江市) 管理委員會, 湖南 懷化 418000;3 吉首大學生物資源與環境科學學院, 湖南 吉首 416000 )

0 引 言

旅游業的快速發展, 導致自然景區空氣質量趨于惡化。定量研究大氣污染物演化特征與人類旅游活動的相關性有助于科學評估人類旅游活動對自然景區的影響。

近年來, 已有眾多學者對人類旅游活動與大氣污染物的關系進行了研究, 均發現自然景區內旅游人數的變化會對大氣質量造成一定的影響[1-3]。我國旅游業已進入互聯網、物聯網、大數據、智能化等現代科技新時代, 即旅游4.0新時代[4]。我國旅游活動主要集中于五一、國慶和春節等假期, 進而出現短周期高強度的人類旅游活動特征。NO2是交通尾氣和餐飲油煙排放的主要污染物, 旅游旺季機動車使用量和餐飲油煙排放量的增加將導致大氣中NO2在短時限內劇增。而在旅游淡季, 機動車使用和廚房油煙排放量相對減少, 大氣中NO2濃度污染也相應較小。由于旅游城市中NO2濃度的局部波動特征蘊含著短周期高強度人類旅游活動的印跡和信息, 因此可以用于準確評估短周期高強度人類旅游活動對自然景區空氣質量的影響, 對政府制定空氣質量管理政策具有重要意義。

由于受到氣象、地形等各種因素作用, 大氣污染物濃度的變化呈現非線性、非平穩的多尺度特征[5-10], 此外區域人類旅游活動還受到國內旅游政策以及旅游行業的波動性、敏感性和季節性等諸多因素的影響, 使得傳統統計分析方法無法準確分析短周期高強度人類旅游活動對城市空氣質量的影響。而現代非線性統計分析方法的研究成果為解決上述問題提供了新的科學研究手段。Wu和Huang[11]提出的集合經驗模態分解法(EEMD) 可以將景區游客流量及城市NO2非平穩時間序列分解為多個模態分量 (IMF), 如高頻項、周期項及趨勢項 (RES), 其中的高頻項就具有短周期高頻率的特征模態信息, 可以用以挖掘城市空氣污染物以及游客量在短時間尺度上的內在演化特征。該方法已成功應用于氣象[12]、水文[13,14]和股票價格[15-17]等多個領域。此外, 由Podobnik和Stanley[18]提出的去趨勢互相關分析 (DCCA)方法是一種定量分析兩組非平穩時間序列之間相關性的最科學有效方法。該方法能克服時間序列高度非平穩性的影響, 有效地避免了非平穩性偽相關檢測[19-21], 可以用于研究短周期高強度人類旅游活動對城市空氣質量的影響。

本文以張家界武陵源風景區為研究對象, 首先采用EEMD方法從復雜的游客流量和大氣污染物NO2時間序列中提取具有短周期高頻率的非線性模態分量; 進而應用DCCA方法研究短周期高強度人類旅游活動與NO2污染演化的相關性, 以期闡明短周期高強度人類旅游活動對典型旅游城市空氣質量的影響。

1 研究數據與方法

1.1 研究數據

選取2015年1月1日至12月31日張家界市日均NO2濃度數據和武陵源風景區的日旅游人數作為研究對象。國家生態環保部開展了空氣質量監測網絡, 建立了一個詳細的空氣污染數據庫, 分別在張家界市未央路、電業局、永定新區和袁家界內設有空氣質量自動監測站, 張家界市日均NO2濃度數據由各空氣質量自動監測子站每日NO2濃度數據平均得到。武陵源風景區的每日旅游人數來源于張家界全域通管理系統平臺。由于停電、設備維護等因素, 研究時段內有不到1%的數據缺失, 已用兩個相鄰NO2濃度數據的平均值來替換缺失數據。張家界日均NO2濃度數據和武陵源風景區進園人數的序列長度均為365 個, 研究數據如圖1所示。

圖1 2015年武陵源風景區旅游人數 (a) 和張家界市NO2濃度的日變化 (b)Fig. 1 Daily variation of the number of tourists (a) in Wulingyuan scenic spot and the NO2 concentration in Zhangjiajie City (b) in 2015

1.2 研究方法

1.2.1 EEMD

EEMD是一種適合處理非線性、非平穩信號的分解方法[11], 該方法的核心思想是向原始時間序列中加入等長度正態分布的高斯白噪聲, 使得信號變化在研究時間尺度上連續, 改變了其極值點的特性。應用EEMD方法從張家界市NO2濃度和武陵源風景區旅游人數時間序列中提取一系列具有物理意義的IMF, 進一步對不同時間尺度下各IMF演化的內在行為進行研究?；贓EMD的基本原理, 每個IMF應滿足兩個條件[11,22]:1) 在整組時間序列中, 局部極值的個數和過零點的個數必須相等或最多相差1個; 2) 在任意時刻點上, 上包絡線和下包絡線的平均值為0。EEMD方法的計算步驟如下:

1) 向原始時間序列Y(t) 中添加等長度正態分布的白噪聲ai(t), 就可以得到第i次添加白噪聲后的信號Yi(t), 其構造公式為

2) 為消除白噪聲的影響, 將M次EEMD分解的IMF均值作為最終的IMF, 其計算式為

式中Hj(t)表示對原始時間序列進行M次EEMD分解后得到的第j個IMF,Hij(t)表示第i次EEMD分解得到的第j個IMF。

白噪聲對分析信號的影響為

式中e是標準差,d是添加白噪聲序列的振幅,M是集合的數目。顯然,M越大, 原始時間序列的分解結果越接近真實值。通常e為 0.2,M為100[23]。

3) 原始時間序列可以表示為

式中m為IMF的個數, 各H1(t),H2(t), …,Hm(t) 的周期尺度依次遞增,rm(t) 為長期趨勢項。

1.2.2 去趨勢互相關分析法

Podobnik 和Stanley[18]于2008 年基于消除趨勢波動分析法 (DFA) 提出了去趨勢互相關分析法 (DCCA),該方法可以用來分析兩組非平穩時間序列之間的相關性。通過DCCA方法可以計算得到兩組非平穩時間序列之間的互相關指數, 即DCCA指數, 該指數可以用來定量評價兩組非平穩時間序列之間的相互關系。該方法的優點是可以針對兩組非平穩時間序列系統地濾去各階趨勢成分, 以避免因數據非平穩性導致時間序列之間出現偽相關現象。因此, 該方法直接用來研究短周期高強度人類旅游活動與NO2污染演化之間的關系。目前, DCCA方法已成功應用于股票[24,25]、氣象時間序列[26,27]等。DCCA方法的具體計算過程如下:

1) 根 據 武 陵 源 風 景 區 旅 游 人 數 序 列 {xi，i=1，2，…，N}和 張 家 界 城 市 空 氣 中NO2濃 度 序 列{yi，i=1，2，…，N}, 構造新的累積序列, 分別為

式中xˉ、yˉ分別是其時間序列的平均值,i=1，2，…，N。

2) 將構造的時間序列{xk}和{yk}分成n個長度相等的NS≡int(N n) 非重疊段, 由于時間序列的長度N通常不是所考慮的時間刻度n的倍數, 因此在構造時間序列的末尾可能會保留一小部分。為了不忽略這一部分, 用同樣的方法從另一端開始重復同樣的步驟。因此共獲得2NS段。

3) 通過對數據擬合 (最小二乘法) 一階多項式來計算2NS個分段的局部趨勢和。然后, 確定兩組趨勢序列 {x～k} 和 {y～k} 的協方差。其計算式為

式中α為DCCA標度指數。當α＞ 0.5時, 則表明兩組非平穩時間序列之間存在持續的長期正相關關系, 即一組時間序列中數值的增大或減小, 會使另一組時間序列中的數值也增大或減小。當α＜ 0.5時, 則表明兩組非平穩時間序列之間具有反持續性的長期互相關性, 即一組時間序列中數值的增加, 很可能會導致另一組時間序列中數值的減小。若α= 0.5, 則表明兩組非平穩時間序列之間不存在長期相互關系, 即某組時間序列中數值的增加或減小不會影響另一組時間序列中數值的變化。

2 研究結果

2.1 EEMD分解結果

為了從張家界市NO2濃度和武陵源風景區旅游人數的原始時間序列中提取具有短周期高頻率的特征模態, 通過EEMD方法將張家界市NO2濃度和武陵源風景區旅游人數的原始時間序列分別分解為7個IMF和1個RES, 其具體分解結果分別如圖2和圖3所示。趨勢項可以反映張家界市NO2濃度以及武陵源風景區旅游人數在研究時間尺度上的總體變化趨勢。各IMF均展示了不同周期尺度上NO2濃度和旅游人數從最高頻率到最低頻率的波動特征。隨著NO2濃度和旅游人數各IMF 的頻率由高到低的變化, 其振幅變得越來越大。NO2濃度和旅游人數各IMF的信號波動均具有各自的準周期, 分別表示張家界市NO2濃度和武陵源風景區旅游人數在不同時間尺度的變化特征。在同一研究時間段內, NO2濃度和旅游人數在不同周期尺度上各IMF的波動振蕩表現出不同強度的非均勻變化, 這種非均勻變化反映了大氣系統內外力相互作用的非線性波動特征。這樣, 需要計算NO2濃度和旅游人數序列各IMF的平均周期, 而各IMF的信號波動對NO2濃度和旅游人數原始時間序列總體的影響程度可以通過其方差貢獻率來反映。因此, 需要進一步計算NO2濃度和旅游人數序列各IMF的平均周期和方差貢獻率。

圖2 2015年張家界NO2濃度的IMF及趨勢項Fig. 2 IMF and RES of NO2 concentration in urban air of Zhangjiajie in 2015

圖3 2015年武陵源旅游人數的IMF及趨勢項Fig. 3 IMF and RES of tourist arrivals of Wulingyuan in 2015

進一步, 通過快速傅立葉變換 (FFT) 分別計算張家界NO2濃度和武陵源風景區旅游人數各IMF的平均周期和方差貢獻率, 結果如表1 所示。張家界NO2濃度的前2 個模態分量分別具有準3 天 (IMF1) 和準7 天(IMF2) 的振蕩周期, 武陵源風景區旅游人數的前2個模態分量也分別具有準3天 (IMF1) 和準7天 (IMF2) 的振蕩周期。張家界NO2濃度和武陵源風景區旅游人數的前2個模態分量具有近似一致的周期振蕩特征, 其準周期的波動對應一周以內的時間尺度。張家界市NO2的高頻分量IMF1和IMF2的方差貢獻率分別為10.1%和3.3%, 其中IMF1高頻分量在其所有的IMF中方差貢獻率最大, 表明該分量對張家界NO2濃度總體波動特征的影響較大。武陵源風景區旅游人數的高頻分量 (IMF1和IMF2) 代表了短周期、高強度的人類旅游活動特征, NO2的高頻分量 (IMF1和IMF2) 更能反映NO2濃度的顯著波動。因此, 需要進一步研究武陵源風景區旅游人數的高頻分量 (IMF1和IMF2) 與張家界NO2濃度之間的關系。

表1 兩組時間序列各IMF的平均周期和方差貢獻率Table 1 Average period and variance contribution rate of each IMF in two time series

2.2 DCCA分析結果

如上所述, 張家界市NO2濃度和武陵源風景區旅游人數的前2個模態分量具有近似一致的周期振蕩特征, NO2的高頻分量所對應的平均周期與短周期高強度人類旅游活動密切相關。因此, 在研究時間尺度上,分析武陵源風景區旅游人數的兩組高頻分量 (IMF1和IMF2) 與張家界NO2濃度之間的相關性, 可以定量地反映張家界NO2濃度波動對武陵源風景區短周期高強度人類旅游活動的響應。應用DCCA方法計算了旅游人數兩組高頻分量與張家界NO2濃度之間的相關性, 計算結果分別如圖4 和圖5 所示。旅游人數與張家界NO2濃度的前兩個高頻分量協方差波動函數F(n)與時間尺度n之間均呈冪律變化特征, 其DCCA指數α1與α2分別為0.695 (IMF1) 和0.684 (IMF2), 表明約3天 (IMF1) 和7天 (IMF2) 周期的人類旅游活動與NO2濃度之間存在正相關性。DCCA的長期相關性表明, 武陵源風景區短周期高強度人類旅游活動與張家界城市中NO2濃度的相關性隨時間呈冪律衰減, 而不是指數衰減, 即二者之間存在很強的冪律關系, 表明過去短周期高強度人類旅游活動會持續影響當前甚至未來張家界城市中NO2濃度的波動趨勢, 從而反映出武陵源風景區短周期高強度人類旅游活動對張家界市大氣污染過程的影響呈長期持續特征。

為了驗證DCCA標度指數能夠揭示旅游人數兩組高頻分量IMF1和IMF2與張家界NO2濃度之間的某些互相關信息, 采用同樣的方法分析了旅游人數兩組高頻分量與NO2濃度原始時間序列的隨機洗牌序列。對于洗牌序列, 在洗牌過程中, 數據中的時間相關性被破壞, 而分布保持不變。理論上, 在整個研究時間尺度上, 這兩個序列之間不會有長期相關性。由圖4和圖5可知, 旅游人數兩組高頻分量IMF1、IMF2與NO2洗牌序列之間的DCCA標度指數αs分別為0.509和0.492, 均接近0.5, 表明旅游人數兩組高頻分量與NO2濃度的洗牌時間序列之間不存在內在的相關性。這些分析表明, DCCA方法可以用來評估短周期高強度人類旅游活動與張家界城市NO2濃度之間的互相關特性。

圖4 旅游人數高頻分量IMF1與NO2濃度的DCCA分析Fig. 4 DCCA analysis of the high frequency component IMF1 of tourist number and NO2 concentration

圖5 旅游人數高頻分量IMF2與NO2濃度的DCCA分析Fig. 5 DCCA analysis of the high frequency component IMF2 of tourist number and NO2 concentration

3 討 論

張家界地處中國湖南省西北部, 位于28°52′N～29°48′N、109°40′E～111°20′E之間, 該城市的主要支柱產業是旅游業。由于張家界地處武陵山區腹地, 遠離國家主要城市群, 因此受到區域大氣污染輸送影響較小。武陵源風景區是國家5A級旅游景區, 景區內部交通運輸均為電力環?？瓦\車輛, 并且在景區內部嚴格控制餐飲油煙排放。因此, 武陵源風景區本身不存在NO2排放源?？諝馕廴疚镏饕獊碓从诔鞘袡C動車尾氣和餐飲油煙排放[28]。由于NO2是交通尾氣和餐飲油煙排放的主要污染物, 因此NO2可作為評價因子分析人類旅游活動對旅游景區空氣質量的影響。

人類旅游活動具有一定的周期性, 隨著旅游旺季和旅游淡季的規律性、周期性變化, 旅游人群的活動也具有明顯規律性。2015年武陵源風景區門票實行 "景區門票1票4天有效" 政策, 人們更大限度地利用門票政策, 短時間內多次進入武陵源風景區, 從而導致武陵源風景區旅游人數出現約3天的周期特征。同時, 元旦、春節、清明、端午和國慶等法定節假日以及周末均可能導致景區旅游人數出現短周期的特征。這些短周期的節假日期間, 旅游人數快速激增, 形成短周期高強度的旅游效應。短周期高強度的人類旅游活動進一步會導致張家界機動車使用量和廚房油煙排放量增加, 從而導致張家界NO2排放量增加。而旅游淡季張家界的機動車使用量和廚房油煙排放量相對減少, NO2的排放量也相應減少。城市中大氣污染物濃度的局部波動特征可以反映短周期高強度的人類旅游活動對自然風景區空氣質量的影響。

通過對比旅游人數和城市空氣中NO2濃度的兩組高頻分量IMF1和IMF2的平均周期和方差貢獻率, 可以發現, 兩組時間序列高頻分量均存在約3天 (IMF1) 和7天 (IMF2) 的平均周期, 且NO2的高頻分量IMF1的方差貢獻率高達10.1%, 占據其各分量方差貢獻率的最大值。NO2濃度的高頻分量IMF1和IMF2分別出現3天和7天的準周期, 說明存在影響其發生變化的周期污染源, 而旅游人數的高頻分量恰好出現了相近的時間周期。因此, 短周期高強度人類旅游活動可能是導致NO2高頻分量隨時間演變的主要因素。由于長距離的污染物輸送需要較長的時間尺度, 外來污染物不會在較短的時間尺度內進行長距離輸送, 長距離的外來輸送也不會導致張家界出現穩定的短周期高頻率模態。因此, EEMD方法分解得到的NO2短周期高頻率特征模態不太可能由外來污染物輸送導致, 而主要受短周期高強度人類旅游活動的影響。

進一步, DCCA的定量分析結果表明, 武陵源風景名勝區旅游人數約3天和7天的高頻分量與城市空氣中NO2濃度之間均表現出長期持續的正相關性特征, 反映了短周期高強度人類旅游活動與城市空氣中大氣污染過程密切相關。人類旅游活動涉及交通出行、餐飲等必備要素, 短周期高強度人類旅游活動帶來的機動車尾氣和餐飲油煙排放必然會周期性地導致城市中NO2大幅增加。因此, 在短期內, 短周期高強度人類旅游活動會引起大氣中NO2濃度在未來一定時間內呈持續升高趨勢。

由此可見, 張家界城市NO2時空分布和演化的變異性特征, 尤其是污染物局部極端波動過程蘊含著短周期高強度人類旅游活動的印跡。因此, NO2可作為科學評估短周期高強度人類旅游活動對城市空氣質量影響的一個關鍵評價因子。應用科學合理的方法研究城市空氣中NO2時空演化與短周期高強度人類旅游活動的相關性及時間尺度特征, 可以揭示城市空氣污染物時空演化隨人類旅游活動變化規律的響應機制, 從而科學評估短周期高強度人類旅游活動對自然景區的影響。

此外, 氣象要素 (如風速、降雨量和溫度) 對張家界城市空氣中污染物的濃度變化也會造成很大的影響,這是張家界NO2濃度序列的趨勢項出現方差貢獻率為65.4% (最高值) 的可能原因, 反映了一年時間尺度上氣象要素是影響張家界NO2濃度的最主要因素。本文重點關注的是武陵源風景區短周期高強度人類旅游活動對張家界城市空氣中NO2濃度的影響, 而武陵源風景區高頻分量約3天 (IMF1) 和7天 (IMF2) 周期的人類旅游活動反映的就是短周期高強度人類旅游活動的特征。相對于一個月或是一個季度的長周期人類旅游活動來說, 短周期高強度的人類旅游活動更為普遍, 這與人類的生活密切相關。因此, 從旅游人數時間序列中提取具有短周期高頻率的特征模態進行分析, 更能真實反映短周期高強度人類活動與其城市中污染物濃度之間的關系。

4 結 論

基于EEMD-DCCA模型定量分析了短周期高強度人類旅游活動對張家界城市空氣中NO2演化的影響。

1) 通過EEMD分解結果發現, 張家界武陵源風景區旅游人數與其城市大氣中NO2濃度在研究時間尺度上均存在周期相近的高頻分量 (IMF1 和IMF2), 其高頻分量IMF1 和IMF2 的平均周期分別近似為3 天和7天, 表明短周期高強度人類旅游活動是導致NO2高頻分量隨時間演變的主要因素。

2) 通過DCCA方法研究發現, 張家界武陵源風景區約3天和7天周期的人類旅游活動高頻分量與其城市大氣中NO2濃度之間呈正相關關系, 其DCCA標度指數分別為0.695、0.684。武陵源風景區短周期高強度人類旅游活動與張家界城市中NO2濃度之間的長期相關性表現為, 過去張家界武陵源風景區旅游人數的變化會持續影響當前甚至未來張家界城市大氣中NO2濃度的演化趨勢, 從而表現出長期持續性特征。

3) NO2適宜作為科學評估短周期高強度人類旅游活動對張家界旅游城市空氣質量影響的一個關鍵評價因子?；贓EMD-DCCA模型, 可以定量揭示張家界城市空氣中大氣污染物的時空演化隨短周期高強度人類旅游活動變化規律的響應機制, 從而為科學評估短周期高強度人類旅游活動對自然風景區的影響提供新的理論依據。