数字化、气候与城市形态交互作用对中国城市PM2.5污染驱动机制的多尺度解析

本研究聚焦中国城市PM2.5污染治理难题，通过地理探测器模型量化数字化技术（DIG）、气候因子与城市形态的交互效应。研究发现：人口密度与产业结构是核心社会经济驱动因子；数字化技术单独作用呈倒U型非线性影响，但与气候、城市紧凑度（PC1）等交互时会加剧污染；多因子协同效应随时间呈先增后减趋势。成果为跨部门协同治理提供科学依据，对全球快速城市化区域空气质量管理具有参考价值。

　　

随着城市化进程加速，细颗粒物（PM_2.5）污染已成为中国乃至全球面临的重大环境与公共卫生挑战。PM_2.5可深入肺部，引发心血管疾病和呼吸道病变，而城市作为人类活动的主要载体，其空间结构、气候条件与新兴数字技术的复杂交互进一步加剧了污染治理的难度。既往研究多聚焦单一驱动因子（如社会经济指标或气象要素），缺乏对多系统耦合效应的综合解析，导致政策制定存在碎片化问题。尤其在数字经济崛起和气候变化背景下，如何协调数字化技术（DIG）、城市形态演变与气候因子的相互作用，成为精准治理PM_2.5污染的核心科学问题。

为破解这一难题，北京大学深圳研究生院康婷婷团队在《Environmental Technology》发表论文，基于2005-2020年中国272个城市的面板数据，采用最优参数地理探测器模型（OPGD），首次系统量化了DIG、气候因子与城市形态对PM_2.5污染的独立及交互效应。研究通过主成分分析（PCA）将14个城市景观指标降维为4个主成分（PC₁-PC₄），分别表征城市紧凑性与连通性、复杂性与破碎度、中心性与形状复杂性、规模与连接度；同时整合气象数据（温度、降水、风速等）、数字化水平指数（含互联网用户数、数字金融指数等）及社会经济指标（人口密度、GDP、产业结构等），运用空间异质性分析和交互探测器解析多因子非线性关系。

研究首先揭示了PM_2.5污染的时空演变规律。2005-2020年间，全国PM_2.5浓度呈倒U型变化趋势，2020年均浓度较2005年下降23.29%，但京津冀、华东地区仍为污染核心区。空间自相关分析表明PM_2.5分布具有显著聚集性（Moran’s I >0.7）。

在驱动因子独立效应方面，人口密度（POP）和二次产业结构（IND）是最主要的社会经济驱动因子（q值0.37-0.47），而数字化技术（DIG）单独作用呈现倒U型曲线——初期加剧污染，随着技术成熟转为抑制效应。气候因子中温度（TEMP）影响力最强（q值0.32-0.47），城市形态主成分PC₄（规模与连接度）和PC₂（复杂性与破碎度）对污染空间分异解释度最高。

交互效应分析发现，多因子协同作用远超单一因子影响。温度与人口密度交互（TEMP∩POP）的解释力高达75.79%，位居首位；DIG与温度、降水等气候因子交互均产生非线性增强效应（q值>0.67）。特别值得注意的是，DIG与城市紧凑度（PC₁）、规模连接度（PC₄）的交互作用呈现显著复合增强特征，其中DIG∩PC₄在2015年交互解释力较单因子之和提升44.8%。然而，这些交互强度随时间呈先升后降趋势，反映数字化技术后期逐步发挥减排潜力。

研究进一步开展区域异质性分析，发现东北老工业基地城市中DIG与城市中心性（PC₃）交互可缓解污染，而东部高密度城市通过优化公共服务设施布局降低PM_2.5；西部地区依托数字技术突破复杂地形监测瓶颈，中部则通过数字热环境调控打破热岛-污染循环。

该研究突破传统单因子分析框架，实证了多系统交互对PM_2.5污染的非线性驱动机制。结论表明：虽然当前阶段数字化技术与气候、城市形态的交互仍加剧污染，但随着数字技术成熟、气候监测精度提升和空间规划优化，多因子协同有望转向减排方向。研究成果为构建“技术-空间-气候”协同治理体系提供理论依据，对发展中国家快速城市化区域的空气质量精准治理具有重要实践意义。