杨帆 周亮 林蔚 徐建刚

摘 要：基于NASA的全球大气PM2.5年均污染浓度栅格数据，通过区统计非洲各国大气PM2.5浓度均值及建立空间数据库，利用重力模型、ESDA模型及GIS空间统计分析方法，对非洲52个主要国家（地区）2001年～2010年间的大气PM2.5污染浓度空间格局演化特征进行探究，并依据时间序列特征将研究对象划分为8类。研究结果表明：①2001年～2010年非洲大气PM2.5污染浓度大致呈现“中间高、南北低；西部高、东部低”的空间特征；其中高值区集中分布在非洲西部几内亚湾附近的尼日利亚、刚果与喀麦隆等国家，低值区则广泛地分布在北非、南非以及非洲东南部印度洋沿岸地区或岛屿。②基于ESDA模型的空间自相关分析发现PM2.5浓度“高—高”热点区主要集聚在几内亚湾附近，“低—低”冷点区集中在东南部印度洋沿岸的南非、莫桑比克与马达加斯加岛。③时序上2001年～2010年非洲PM2.5年平均污染浓度呈现明显下降趋势，其中32个国家2010年PM2.5污染年均浓度低于2001年。④从自然环境条件及社会经济因素两方面浅析其空间格局主要成因：几内亚湾沿岸是非洲PM2.5污染最严重的地区，因其人口稠密且高度依赖石油产业；非洲东南部地区PM2.5污染最轻，得益于其良好的自然环境条件及低污染的支柱产业。

关键词：大气污染；PM2.5；空间格局；非洲

中图分类号：K918 文献标识码：A

0 引言

随着全球经济迅速发展，快速的工业化带来各类环境污染问题，如水污染、固体废弃物污染、大气污染等。大气主要污染物包括二氧化硫（SO2）、氮氧化合物（NOX）、臭氧（O3）、颗粒物（PM）等[1]，其中颗粒物是较为普遍的大气污染物且对人群身心健康危害较强。颗粒物中，空气动力学直径小于或等于10μm的颗粒物称为可吸入颗粒物（PM10），空气动力学直径小于或等于2.5μm的颗粒物称为细颗粒物（PM2.5）。其中PM2.5由于体积更小，相比PM10更容易吸附有害物质并进入呼吸系统，提高心肺系统甚至其他器官的疾病风险，对人体健康造成严重威胁[2]。因此，大气PM2.5污染近年来逐渐成为公众舆论和学术研究的关注热点。

在关于大气可吸入颗粒物（含PM10与PM2.5）污染的研究中，大气污染浓度的时空格局是一个结合环境学与地理学的重要问题。在国外，KL Yang[3]、N Motallebi[4]、P Anttila[5]等学者曾分别研究了中国台湾、美国洛杉矶都市区、芬兰等国家或地区的PM10或PM2.5时空格局，阐述了相应研究地区的大气可吸入颗粒物污染浓度的演变特征。在国内，李名升等人曾对2002年～2012年我国地级以上城市的大气PM10浓度空间分布格局进行研究[6]，胡晓宇等人也曾对珠江三角洲城市群进行了相关的分析及模拟[7]。但总体上有关大气可吸入颗粒物污染的空间格局研究相对较少，相关研究主要集中在环境学领域的形成机制、大气特征、污染溯源等方面。

自20世纪60年代起，非洲国家相继获得政治独立，并开启了较大规模的工业化进程[8]。目前非洲的工业化水平相对全球仍较为落后，但是由于工业发展粗放、工艺水平低下、环保监督不力等问题，无可避免也面临大气环境污染问题。关于非洲PM2.5的研究较少，主要研究包括南部非洲稀树大草原火灾释放的PM2.5导致的季节污染[9]，稀树草原大火燃烧效率与PM2.5污染排放对当地生态系统的影响[10]，以及南非燃煤对大气的污染[11]，非洲粉尘对加那利群岛空气质量影响[12]等。通过卫星遥感对PM2.5进行反演的研究多集中在全球主要大城市的PM2.5浓度、大气溶胶光学深度、空气质量[13，14]，如Liu等与Gupta等[15，16]应用遥感影像对美国东部地面与澳大利亚悉尼市区的PM2.5进行估算。然而相关研究中对大尺度的PM2.5的空间差异特征与规律研究较少[17]，尚未有专门针对非洲大陆大气PM2.5污染浓度空间格局的相关研究。因此本文利用NASA卫星遥感数据，在对数据进行提取及分区计算的基础上，针对非洲2001年～2010年大气PM2.5污染浓度空间格局进行分析，并利用污染重心、空间自相关分析、GIS空间分析及时间序列分类等方法进行研究，挖掘非洲2001年～2010年之间大气PM2.5污染浓度的空间分异规律及原因，以期为更好地认识非洲大气PM2.5空间格局现状提供参考。

1 研究区域与数据处理

本文以非洲为研究区域，研究范围涵盖非洲大陆52个国家（地区），需要说明的是由于非洲部分地区（主要为英法等国在非洲的海外领地，如新胡安岛、圣赫勒拿岛、特罗姆兰岛等）缺乏数据而且面积相对较小，因而剔除在研究范围之外。研究时段为2001年～2010年，从中截取2001、2004、2007、2010年四个时间断面进行详细分析。本文使用的数据包括非洲各国或地区的行政区域界线矢量数据和全球大气PM2.5年均污染浓度栅格数据。全球大气PM2.5年均浓度数据来源于美国国家航空航天局的社会经济数据和应用中心（NASA Socioeconomic Data and Applications Center），由搭载在Terra卫星上的中分辨率成像光谱仪（MODIS）和多角度成像光谱仪（MISR）传感器获取，具有1°的分辨率[18，19]。在ArcGIS平台上对全球大气PM2.5年均污染浓度栅格数据进行基本的空间校正处理，对非洲各国行政区划界线进行矢量化后，利用行政区划界线矢量数据作为掩膜对全球大气PM2.5年均污染浓度数据进行提取，并分区统计（Zonal Statistics）非洲各国家或地区的平均大气PM2.5年均浓度。需要说明的是数据源的PM2.5原始浓度单位为ng/m3，为与相关研究统一口径，将单位转换为μg/m3，从而建立非洲大气PM2.5污染浓度空间数据库。

2 研究方法

2.1重力模型

3.2 非洲大气PM2.5年均污染浓度的空间格局

根据非洲各国各年大气PM2.5年均浓度值，按相等区间划分为7种类型：极低污染区（<4.0μg/m3）、低污染区（4.0～8.0μg/m3）、较低污染区（8.0～12.0μg/m3）、中等污染区（12.0～16.0μg/m3）、较高污染区（16.0～20.0μg/m3）、高污染区（20.0～24.0μg/m3）及极高污染区（>24.0 μg/m3），如图1所示：

（1）极低污染区：自2001年～2010年，非洲只有4个国家或地区的大气PM2.5年均浓度值保持在4.0μg/m3以内：毛里求斯、留尼汪岛、马达加斯加、科摩罗，均为处于非洲东南部坐落在印度洋上的岛国。其中毛里求斯是2001年（1.28μg/m3）和2007年（1.32μg/m3）非洲大气PM2.5年均浓度值最低的国家或地区，而法国的海外领地留尼汪岛则是2004年（1.32μg/m3）和2010年（1.30μg/m3）非洲大气PM2.5年均浓度值最低的国家或地区。

（2）低污染区：2001年有8个国家或地区，包含非洲东南部的南非、斯威士兰、莱索托和莫桑比克，非洲东部的肯尼亚、索马里以及非洲北部的突尼斯、摩洛哥；到2004年，非洲东部的津巴布韦、坦桑尼亚、马拉维和博兹瓦纳由较低污染区转变为低污染区，此前非洲东南角、非洲东部的两处相互独立的低污染区在空间上已连成一片；自2007年起低污染区的分布格局基本没有发生显著变化。从空间分布上看，低污染区基本已完全覆盖非洲的印度洋沿岸地区。

（3）较低污染区：2001年包括津巴布韦、阿尔及利亚、埃及、赤道几内亚等共计12个国家或地区；津巴布韦等4个国家于2004年由较低污染区转变为低污染区，较低污染区的国家或地区数量变为9个；到2010年，较低污染区的国家或地区数量重新增加至12个。不难发现，较低污染区基本分布在非洲北部或非洲东南部的内陆地区，只有赤道几内亚是非洲中西部唯一属于较低污染区的国家。

（4）中等污染区：2001年包括毛里塔尼亚、尼日尔、苏丹、乍得、安哥拉、加蓬等15个国家或地区；到2004年，中等污染区包含的国家或地区数量大幅减少为10个，其中毛里塔尼亚、赞比亚变为较低污染区，塞内加尔、中非共和国等7个国家污染程度上升从而脱离本区域；到2007年中等污染区格局未发生显著变化；到2010年，中等污染区的国家或地区数量大幅增加至19个，新增的国家或地区包括西撒哈拉、埃及、毛里塔尼亚等。中等污染区基本分布在非洲中部、西部和南部地区。

（5）较高污染区：2001年包括卢旺达等12个国家或地区；到2004年包含的国家或地区数量依然维持在12个，但具体的组成国家或地区有较大变化。到2010年，加纳等8个国家由较高污染区转变为中等污染区，刚果由较高污染区转变为高污染区，同时加蓬等4个国家成为较高污染区，使其数量大幅减少至8个。较高污染区基本上集中在非洲中部和西部的环几内亚湾地区。

（6）高污染区：2001年只包含尼日利亚1个国家；到2004年增加为喀麦隆、贝宁、民主刚果、尼日利亚4个国家；到2007年，喀麦隆、民主刚果转变为较高污染区，同时吉布提由较高污染区转变为高污染区；到2010年，高污染区只包含刚果1个国家。其中，尼日利亚分别是2001年（21.60μg/m3）和2007年（21.89μg/m3）非洲大气PM2.5年均浓度值最高的国家或地区，刚果则是2010年（20.96μg/m3）最高的国家或地区。高污染区均集中在非洲中西部环几内亚湾地区。

（7）极高污染区：2004年只有位于非洲中部的刚果（24.34μg/m3）。在其余的三个截取年份内，非洲均不存在大气PM2.5年均浓度值高于24.0μg/m3的极高污染区。

综上所述，非洲的大气PM2.5年均污染浓度大致呈现“中间高、南北低；西部高、东部低”的空间格局特征，非洲2001年～2010年大气PM2.5年均污染浓度介于11.67-12.27μg/m3之间。大气PM2.5年均浓度较低的区域主要位于非洲东南部的印度洋沿岸地区或印度洋上的岛屿，大气PM2.5年均浓度较高的区域主要集中在非洲中部和西部。几内亚湾附近形成了由科特迪瓦为起点，经布基纳法索、贝宁、尼日利亚、喀麦隆、加蓬、刚果等国，最后到达刚果民主共和国的一条大气PM2.5污染高值带。非洲其余地区的年均浓度基本介于5～15μg/m3之间，主要呈现为由非洲中西部、几内亚湾附近的大气污染高值带向外扩散的空间格局特征。其中，非洲南部的大气PM2.5年均浓度最低，其次是非洲东部和北部，非洲西部和中部的大气PM2.5年均浓度明显高于其他地区，是非洲PM2.5污染最为严重的地区（表3）。

3.3 非洲大气PM2.5年均污染浓度的空间自相关分析

基于非洲2001年～2010年各国家或地区的大气PM2.5年均污染浓度值，利用Morans I指标进行局部空间自相关分析。由结果（图2）可见，在p=0.05的显著性水平上呈现为“高—高”关系的热点区主要集中在非洲中西部，2001年包括非洲西部的布基纳法索、科特迪瓦、加纳、多哥、贝宁、尼日利亚及非洲中部的喀麦隆、刚果，合计8个国家或地区；到2004年，污染热点区增加利比里亚、民主刚果2个国家；到2007年，非洲中部的喀麦隆、刚果和民主刚果不再是污染热点区，同时非洲西部几内亚比绍成为污染热点区，大气污染热点区国家或地区数量重新减少为8个；到2010年，利比里亚、科特迪瓦、加纳、多哥、贝宁不再是污染热点区，非洲中部的喀麦隆与刚果重新成为污染热点区，同时非洲西部的塞内加尔、赞比亚成为污染热点区。从空间分布上看，空间自相关分析所得的大气污染热点区域基本处于前文分析的大气污染高值带上，表明大气PM2.5污染在这些国家或地区存在显著的高值集聚；在p=0.05的显著性水平上呈现为“低—低”关系的大气PM2.5污染冷点区主要分布于非洲东南部，2001年包括非洲南部的南非、莱索托、斯威士兰以及非洲东部的莫桑比克、马达加斯加、毛里求斯、科摩罗、留尼汪岛，合计8个国家或地区；莱索托到2004年不再属于污染冷点区，但于2007年又重新成为污染冷点区，使大气污染冷点区的分布和组成与2001年一致；到2010年，污染冷点区增加了位于非洲东部的津巴布韦、马拉维2个国家，使其包含的国家或地区数量增加至10个。污染冷点区集聚于非洲的东南角，且相互连成一片，均属于前文所述的大气PM2.5年均浓度值在8.0μg/m3以内的极低污染区及低污染区，表明大气PM2.5污染在这些国家或地区存在显著的低值集聚；分析发现2001年～2010年非洲均不存在大气PM2.5污染浓度呈现“高—低”或“低—高”关系的异常地区，表明局部空间自相关均呈现为正空间自相关。

3.4 非洲大气PM2.5年均污染浓度变化的时间序列类型

在非洲的52个国家或地区中，有32个国家或地区2010年的大气PM2.5年均污染浓度相比2001年下降，其中下降幅度最大的为坦桑尼亚（28.56%）；其余20个国家或地区2010年的大气PM2.5年均污染浓度相比2001年上升，其中上升幅度最大的为尼日尔（12.09%）。按照各截取年份相对上一个截取年份的升降变化将非洲各国的大气PM2.5年均污染浓度时间序列变化态势划分为8个类型（表4），可见在研究时段内只有冈比亚1个国家的PM2.5年均污染浓度持续上升，安哥拉等5个国家或地区的年均污染浓度持续下降，占比最大的类型是类型Ⅳ（第一个时间段大气PM2.5年均浓度上升，其后持续下降），占据本次研究范围内52个国家或地区的四分之一。大体上非洲大气PM2.5年均污染浓度的总体趋势仍处于下降中。

非洲各国在2001年～2010年间的大气PM2.5年均污染浓度变化也反映其大气污染程度的稳定性，利用研究时间段内的离差系数考察非洲各国的时间序列稳定性，离差系数越高说明其时间序列越不稳定。时间序列稳定性最高的国家为毛里求斯（0.0183），期间PM2.5年均污染浓度一直介于1.28～1.34μg/m3，其次为利比亚（0.0210）、乍得（0.0210）、马里（0.0214）等国家；时间序列稳定性最低的国家为马达加斯加（0.2376），期间大气PM2.5年均污染浓度最高值约为最低值的两倍，离差系数显著高于其他国家或地区：莫桑比克（0.1391）、加纳（0.1376）、坦桑尼亚（0.1366）等。毛里求斯和马达加斯加是非洲大气PM2.5污染浓度最低的国家，然而其时间序列的稳定性却大相径庭，因为马达加斯加作为非洲最大的岛屿，海风的调节能力相对其他小型海岛国家较弱，环境相对非洲大陆的国家更为独立，大气PM2.5年均污染浓度易受偶发因素影响。

3.5 非洲大气PM2.5污染空间格局成因探析

通过上述分析可发现，几内亚湾一带是非洲大气PM2.5污染最为严重的区域，而非洲东南部印度洋沿岸地区或印度洋岛国大气PM2.5污染则较为轻微，从自然环境条件及社会经济因素对其主要原因进行浅析：

（1） 从自然环境条件来看，非洲东南部的印度洋沿岸地区及岛国位于印度洋上且相对远离非洲大陆，莫桑比克暖流带来大量清洁、潮湿的海风，使污染物易被稀释，因而大气污染相对轻微；而刚果盆地地形闭塞，大气污染物不易扩散稀释，使刚果成为非洲PM2.5污染最严重的国家之一；同理乍得盆地的PM2.5污染也相对较为严重，可见海陆位置、地形地貌、洋流等是非洲PM2.5浓度的主要影响因素。

（2） 从社会经济因素来看，几内亚湾沿岸是非洲大陆人口最为稠密的地区，其中尼日利亚更是非洲第一人口大国，社会经济活动及能源消耗高度集中，其次几内亚湾沿海地区是近年来非洲乃至全世界石油勘探的新热点，PM2.5污染最为严重的尼日利亚是重要的产油国及出口国，开采原油中相当部分在当地提炼从而造成大气污染[23-25]；此外几内亚湾国家乃至非洲中西部经济相对落后，以石油及矿业为支柱产业，低端的产业结构及产能加剧大气污染，明显的反例是非洲人均国内生产总值最高的赤道几内亚，虽同样坐落于几内亚湾沿岸，却是非洲中西部唯一属于较低污染区的国家；非洲东南部印度洋沿岸地区或印度洋岛国工业基础较薄弱，往往以旅游业、种植业、纺织业等行业作为支柱产业，对资源消耗及环境污染相对较低，因此PM2.5污染程度相对轻微。

在2001年～2010年间，非洲大气PM2.5污染的空间格局并没有发生显著的变化，污染高值区及低值区呈现空间锁定性，其主要原因为研究时段内，非洲的海陆位置、地形地貌、洋流等自然环境条件没有出现明显变化，同时经济格局、人口分布及能源消费亦未出现较大的空间格局演变，因此PM2.5空间格局相对稳定。但根据时间序列分析，非洲在研究时段内PM2.5污染状况整体趋好，且不同的国家或地区具有不一致的时间序列稳定性，呈现“整体格局稳定、微观格局波动”的时空格局演变特征。

4 结论

基于NASA的全球大气PM2.5年均污染浓度栅格数据，利用重力模型、ESDA模型以及GIS空间统计分析方法，对非洲52个主要国家2001年～2010年的大气PM2.5污染浓度的空间格局特征演化进行探究，并对其时间序列特征进行了分类与稳定性分析，主要结论如下：

（1） 2001年～2010年非洲大气PM2.5污染的几何重心均位于刚果桑加区东南角，总体向北偏移，几何中心的地理位置初步说明非洲南部、西部的大气PM2.5污染程度分别相对地高于北部、东部。空间格局分析表明非洲的大气PM2.5年均污染浓度大致呈现“中间高、南北低；西部高、东部低”的特征，大气PM2.5年均浓度较低的区域主要位于非洲东南部的印度洋沿岸地区或印度洋上的岛屿，浓度较高的区域集中在非洲中部和西部，其中几内亚湾附近形成一条大气PM2.5污染高值带。

（2） 经局部空间自相关分析发现，大气PM2.5污染热点区域主要集中在非洲中西部几内亚湾附近，大气PM2.5污染冷点区域集聚分布于非洲东南部的印度洋沿岸或岛屿地区，非洲不存在显著的“高-低”或“低-高”关系的异常地区，说明非洲研究时段内的大气PM2.5污染主要呈现为以高（低）值集聚的空间正向相关关系。

（3） 2001年～2010年非洲大陆PM2.5污染浓度整体呈现下降趋势。52个国家（地区）中有32个国家或地区2010年大气PM2.5年均污染浓度相比2001年有所下降，其余20个国家或地区的大气PM2.5年均污染浓度则有所上升。根据时间序列变化划分为8个类型，其中Ⅳ（升-降-降）类型占比最大。考察各国的时间序列稳定性发现，时间序列稳定性最高的国家为毛里求斯，其次为利比亚、乍得、马里；时间序列稳定性最低的国家为马达加斯加。

（4） 从自然环境条件及社会经济因素两方面浅析非洲大气PM2.5污染空间格局的主要原因。几内亚湾沿岸作为非洲大气PM2.5污染最严重地区的主要原因包括：其人口稠密导致社会经济活动及能源消耗高度集中，作为重要产油基地原油提炼活动造成大气污染，经济产业相对落后加剧大气污染。而非洲东南部的印度洋沿岸地区、岛国是非洲大气PM2.5污染程度最轻微的区域，与其工业基础薄弱依靠旅游业、种植业等低污染产业，及相对远离大陆、受莫桑比克暖流影响等良好的自然环境存在关联，因此PM2.5污染相对轻微。

参考文献：

[1] Van D A. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth： development and application[J]. Environmental Health Perspectives， 2010，118（6）：847-855.

[2] Boldo E， Medina S， Le Tertre A， et al. Apheis： health impact assessment of long-term exposure to PM2. 5 in 23 European cities[J]. European journal of epidemiology，2006，21（6）：449-458.

[3] Yang K L. Spatial and seasonal variation of PM10 mass concentrations in Taiwan[J]. Atmospheric Environment，2002，36（21）：3403-3411.

[4] Pakbin P，Hudda N，Cheung K L，et al. Spatial and temporal variability of coarse （PM10，2.5） particulate matter concentrations in the Los Angeles area[J]. Aerosol Science and Technology， 2010，44（7）：

514-525.

[5] Anttila P， Salmi T. Characterizing temporal and spatial patterns of urban PM10 using six years of Finnish monitoring data[J]. Boreal environment research，2006，11（6）：463-479.

[6] 李名升，张建辉，张殷俊，等. 近 10 年中国大气 PM 10 污染时空格局演变[J]. 地理学报，2014，68（11）：1504-1512.

[7] 胡晓宇，李云鹏，李金凤，等. 珠江三角洲城市群PM_（10）的相互影响研究[J]. 北京大学学报：自然科学版，2011，47（3）：519-524.

[8] 姜忠尽，尹春龄. 非洲工业化战略的选择与发展趋向[J]. 西亚非洲，1991（6）：49-56.

[9] Korontzi S， Ward D E， Susott R A， et al. Seasonal variation and ecosystem dependence of emission factors for selected trace gases and PM 2. 5 for southern African savanna fires[J]. Journal of Geophysical Research： Atmospheres （1984-2012），2003，108：D24.

[10] Ward D E，Hao W M，Susott R A，et al. Effect of fuel composition on combustion efficiency and emission factors for African savanna ecosystems[J]. Journal of Geophysical Research： Atmospheres （1984

-2012），1996，101（D19）：23569-23576.

[11] Engelbrecht J P，Swanepoel L，Chow J C， et al. PM2. 5 and PM10 concentrations from the Qalabotjha low-smoke fuels macro-scale experiment in South Africa[J]. Environmental Monitoring and Assessment，2001，69（1）：1-15.

[12] Viana M，Querol X，Alastuey A，et al. Influence of African dust on the levels of atmospheric particulates in the Canary Islands air quality network[J]. Atmospheric Environment，2002，36（38）：5861-5875.

[13] Gupta P，Christopher S A，Wang J，et al. Satellite remote sensing of particulate matter and air quality assessment over global cities[J]. Atmospheric Environment，2006，40（30）：5880-5892.

[14] Wang J，Christopher S A. Intercomparison between satellite‐derived aerosol optical thickness and PM2.5 mass： implications for air quality studies[J]. Geophysical research letters，2003，30（21）.

[15] Liu Y，Sarnat J A Kilaru V，et al. Estimating ground-level PM 2. 5 in the eastern United States using satellite remote sensing[J]. Environmental science & technology，2005，39（9）：3269-3278.

[16] Gupta P，Christopher S A，Box M A，et al. Multi year satellite remote sensing of particulate matter air quality over Sydney， Australia[J]. International Journal of Remote Sensing，2007，28（20）：4483-4498.

[17] Liu Y，Paciorek C J，Koutrakis P. Estimating regional spatial and temporal variability of PM2. 5 concentrations using satellite data， meteorology， and land use information[J]. Environmontal Health Perspectives， 2009（117）：886-892.

[18] Battelle Memorial Institute， Center for International Earth Science Information Network - CIESIN - Columbia University. Global Annual Average PM 2.5 Grids from MODIS and MISR Aerosol Optical Depth （AOD）. Palisades[M]. NY： NASA Socioeconomic Data and Applications Center （SEDAC），2013.

[19] De Sherbinin A，Levy M A，Zell E，et al. Using satellite data to develop environmental indicators[J]. Environmental Research Letters，2014，9（8）：084013.

[20] 樊杰，陶岸君，吕晨. 中国经济与人口重心的耦合态势及其对区域发展的影响[J]. 地理科学进展， 2010，29（1）：87-95.

[21] 周亮，徐建刚，蔡北溟，等. 淮河流域粮食生产与化肥消费时空变化及对水环境影响[J]. 自然资源学报，2014，29（6）：1053-1064.

[22] 李勇，周永章，张澄博，等. 基于局部Morans I和GIS的珠江三角洲肝癌高发区蔬菜土壤中Ni、Cr的空间热点分析[J]. 环境科学，2010，31（6）：1617-1623.

[23] 姜忠尽. 现代非洲人文地理（下册）[M]. 南京：南京大学出版社，2014.

[24] 郝丽莎，赵媛. 非洲在世界石油供给格局中的地位演变[J]. 地理研究，2012，31（3）：54.

[25] Whiteman， Arthur J. Nigeria： Its petroleum geology， resources and potential[M].