重庆市大气污染物分布特征及影响因素分析

2023年12月31日发(作者：王朝霞数学试卷七下)

第37卷第5期摇摇摇摇摇摇Vol郾37摇No郾5摇JChongqingTechnol&BusinessUniv(NatSciEd)重庆工商大学学报(自然科学版)摇摇摇摇摇摇摇2020年10月Oct郾2020doi:10郾16055/j郾issn郾1672-058X郾2020郾0005郾014重庆市大气污染物分布特征及影响因素分析*林静怡,杨宜平(重庆工商大学数学与统计学院,重庆400067)及AQI(空气质量指数),对污染物的月度变化、季度变化、年度变化特征进行了描述性的分析,再根据收集的7个变量数据,运用多元回归分析,建立AQI与六大污染物之间的回归方程,运用分位数回归,对主要污染源在各个分位点上的变化进行分析。关键词:空气质量指数;多元回归分析;分位数回归中图分类号:X823摇摇摇文献标志码:A摇摇摇文章编号:1672-058X(2020)05-0088-06中心。但是,在经济高速发展的同时,也面临着严峻的大气污染问题,引起众多学者对重庆市大气污染作出调查研究。例如陈挚秋等[8]对2014年重庆市大气污染物浓度的变化特征进行了分析,研究气象要素对重庆市大气污染物的影响;贾斌等[9]采用小波分析、相关性分析研究重庆市大气污染物时序变化规律及气象因素对大气污染物的影响;尹杰等[10]利用多元回归以及相关分析讨论了重庆市主城区冬季PM2郾5空间分布模拟。从上述文献可以看出,当前少有学者从分位数摘摇要:基于重庆市2014—2018年的六大气体污染源PM2郾5、PM10、SO2、CO、NO2、O3的月均浓度数据以0摇引摇言随着我国经济的高速发展,城市化程度不断得到提高,但环境污染问题却日趋显著,特别是大气污染问题直接影响到国民的身体健康。众多学者对国内大气污染作出了调查研究。如李静萍等[1]对工业化与城市化进程对空气质量产生的影响进行了研究;梁鑫[2]在分析主要污染物上同时引入次要污染物,对我国主要城市空气质量进行了评价分析;徐萌[3]对毕节市大气污染物浓度之间以及大气污染物与气象因子之间的相关性进行了研究;刘晓红[4]对29个省区2006—2016年面板数据进行研究,测度了大气污染水平;邢雅婷[5]采用聚类分析、相关性分析等方法,综合研究呼和浩特城区大气污染物浓度时空变化特征;于英翠等[6]对2014—2017年西安市雾霾天气的时空分布特征以及污染变化趋势进行了分析;王芳龙[7]利用排放源清单和HYSPLIT模型对天水市污染物来源进行了解析。回归的角度研究空气质量的因素分析。本文首先对重庆市空气质量的月度变化、年度变化、季度变化进行了描述性分析,对重庆市大气污染现状达到初步了解,然后运用多元回归和逐步回归,建立空气质量指数与各污染物之间的最优回归方程,找到影响重庆空气质量的主要因素,最后基于分位数回归,分析主要污染物在不同分位点上对空气质量的影响特征,给出相关的建议。参考2012年环境保护部新修订的《环境空气摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇重庆自直辖以来,逐步发展成为经济、金融、科创的质量标准》(GB3095-2012),从空气质量的定义以摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇收稿日期:2019-09-23;修回日期:2020-01-10.摇*基金项目:国家社会科学基金项目资助(18BTJ035).作者简介:林静怡(1997—),女,重庆合川人,硕士研究生,从事非参数统计研究.

第5期林静怡,等:重庆市大气污染物分布特征及影响因素分析89及影响因素出发,根据可行性、客观性的原则选择数据。为能够更加深入地了解到重庆市空气质量指数与六大污染物之间的关系和空气质量指数的主要影响因素,选择了重庆市2014—2018年的六大气体污染源,即可吸入颗粒(PM(PM2郾5)、细碳(CO)、臭氧(ONO微一氧化颗粒10)、二氧化氮(2)、二氧化硫(SO2)、3指数。其中空气质量指数为因变量)的月均浓度数据以及空气质量,其余变量均为对空气质量指数产生影响的自变量。数据来源于重庆生态环境监测中心。1摇分布特征分析为了直观地观测到重庆市空气质量变化的特征,对重庆市2014—2018年的空气污染物按照月度、季度、年度进行划分并绘制相应的分布图。其中以天文因子划分季节,3至5月为春季,6至8月为夏季,9至11月为秋季,12月至次年2月为冬季。1郾1摇从月变月变化分析化上进行分析,PMNO2郾5、PM10、SO2、CO、2整体呈现出周期性变化,每到一月份就到达峰值,其中PM2郾5、PM10浓度整体呈现出U形变化,浓度在一月达到最高,普遍在六月达到最低,后又呈现出缓慢增长的趋势;NO2与SO2的浓度也呈现出周期性的缓慢降低再增加的趋势;反之,O3则呈现出倒U的趋势,其浓度在一月份和十二月份左右达到最低,在六月左右达到顶峰。据此,可以得出以上6种污染物均呈现出了季节性周期。1郾2摇根据月变化分析考虑到季节特征季度变化分析,将2014—2018PM年空气质量的数据按照季节汇总,得到PM2郾5、10对较轻、SO2;然而、CO、NO2在冬季污染较重,在春季污染相,O3则恰恰相反,冬季浓度较低,春、夏、秋季节浓度较高,且夏季达到最高。由于冬季燃煤量较大,耗电量较大,各种大功率电器使用率增高,机动车尾气增加[11]等原因,PM2郾5的污染程度表现为冬季>秋季>春季>夏季、;PM10而O、CO3受到前体物和光照季节变化的影响,故在夏季和春季时浓度较高。1郾3摇从年度变化分析年度变化分析,2014—2018年空气质量等级为优的月份数均为0个;2014—2018年空气质量等级为良的月份数分别为8、10、11、10、11个;2014—20183、1、1、2、1年空气质量等级为轻度污染的月份数分别为污染的月份数为个;2014—20181、1、0、0、0年空气质量等级为中度个;2014—2018年的空气质量等级中均未出现重度、严重污染。统计5年等级指标发现,从整体上看重庆市空气质量在逐渐变好。具体来说,空气质量等级为良的月份数呈现上升的趋势,这表明重庆市对于治理空气质量的环保意识得到提升,并作出了一系列有成果的举措,使得等级为良的天数得到增加,但同时也需要注意到空气质量等级为优的月份数为0,从侧面反映出重庆政府还需要做出更有成效的举措实现空气质量等级为优的零突破。从2014年来空气质量等级为轻度污染的月份数虽有所下降,但依旧存在一、两个月的轻度污染,重庆政府应实施更有效的措施来缓解轻度、中度污染,有效控制主城范围内建设施工扬尘、道路积尘、工业污染,加强治理城市扬尘、煤烟尘和机动车尾气等城市空气主要污染源。2摇影响因素分析2郾1摇以重庆市基于多元回归分析重庆市空气质量2014—2018年60个月空气质量月均数据作为研究样本,以PMO2郾5、PM10、SO2、CO、NO2空气质量AQI作为因变量,建立多、3作为自变量,元线性回归方程,构造如下模型:Y=茁0+的回归结果可以得到茁1X2+茁2X2+茁3X3+茁4X4+P茁5X5值小于+茁6X6从表10郾001,(1)因此得知方程具有显著性,相关系数R=0郾8928,说明其相关性非常好。但从参数的显著性来看,上述结论得到第一个解释变量的P值为1郾52e-05<0郾因此第一个变量和第六个变量显著性非常强001,第六个解释变量的P值3郾32e-08<0郾,001,剩下的4个变量的显著性几乎不存在,因此利用所有的变量进行多元回归的效果是不好的,为得到更优的回归方程,考虑采用逐步回归的方法。

90重庆工商大学学报(自然科学版)第37卷表1摇普通最小二乘法对参数估计结果Table1摇Estimationresultsofparametersbyordinaryleastsquaremethod解释变量估计值标准误差T摇值P摇值interceptX-9郾1郾354176565915郾0郾2842913948-0郾4郾7636001郾52e-05(*0郾551X1**)X2-0郾-0郾136310郾23624-0郾5770郾X315郾829277546212郾0郾2567891314-1郾1郾2380840郾566X4-0郾0郾283X50郾32405887970郾0郾2060502728-0郾6郾4612863郾32e-08(*0郾2217766**)可决系数0郾8928F检验73郾5900<2郾2e-16利用逐步回归的方法,剔除非显著的变量得到最优的回归方程,去掉变量后的参数估计结果见表2。表2摇去掉非显著变量后的参数估计结果Table2摇Parameterestimationresultsafterremovingnon-significantvariables解释变量估计值标准误差T摇值P摇值interceptX1郾5郾X11郾221140郾12020郾0郾23860郾郾7郾993061<2e-16(*0郾8127郾07e-11(*****))可决系数0郾8876F检验225郾1<2郾2e-16由表2得到,p-value<2郾2e-16<0郾001,因而可以得知方程具有显著性,相关系数R=0郾8876,其相关性依然很好,整体回归的效果非常好。由P值可以看出X的回归方程为1和X6的系数估计值高度显著,由此得到Y=1郾2211+1郾1869X1+0郾2839X6经过上面的回归方程可以得到:PM是造成重庆大气污染的主要原因。2郾5、O32郾2摇基于多元回归结果基于分位数回归分析重庆市空气质量,本节考虑选择显著变量X1和X6进行分位数回归,对9个分位点进行观察,分别得到不同分位点上的回归系数及其变化趋势,如表3和图1所示。表3摇分位数回归模型的参数估计结果Table3摇Parameterestimationresultsofquantileregressionmodel分位点解释标准变量估计值误差T摇值P摇值0郾1X11郾1250郾06816郾4400郾0000(***)X0郾0郾1郾52O0郾13410郾2X6X11郾0630郾1120郾0410郾05819郾3郾4591180郾0郾00000100(***)0郾3X6X11郾0900郾0260郾07615郾1680郾0000(*(*****))0郾4X60郾147X11郾1130郾03815郾2郾9900890郾0郾00400010(*(*****))0郾5X60郾1461郾1450郾076X10郾2140郾05214郾2郾7909500郾0郾0000070(*2(*****))0郾6X6X11郾2090郾0810郾2200郾06718郾3郾1080郾0029(***)3郾8652710郾0郾00000003(*(*****))0郾7X6X11郾2650郾0670郾2290郾06924郾5郾2176670郾0郾00000000(***)0郾8X6X11郾2960郾0500郾2250郾05733郾6040郾0000(*(*****)6郾3840郾0000(***))0郾9X6X11郾3300郾03705236郾60郾2073860郾0郾04170319郾25706570郾0郾00000000(*(*****))图1摇9个分位点下系数的估计结果Fig.1摇Estimationresultsofcoefficientsat9subsites比表(1)2与表分位数回归与均值回归对比分析3发现,两个自变量的均值回归和中位。通过对数回归各项参数的估计值接近,但仍存在区别。在子为0郾5的条件下,自变量X,均值回归直线和中位数直线并1分位数回归估计值大于均值回归估计值

第5期林静怡,等:重庆市大气污染物分布特征及影响因素分析91不重合;当子大于0郾5时,自变量分位数回归估计值都大于均值回归估计值,这表明在高分位点上,对X1进行估计时,使用分位数回归所得的估计值大于均值回归所得的估计值。从以上结果可以看出:相比均值回归,分位数回归可以观测到不同分位点上自变量对因变量的影响,分位数回归能更加有效、更加全面地揭示样本的信息。气质量指数的某个具体分位数水平(2)不同自变量系数估计值的差异分析,PM。在空AQI2郾5和O3对不同分位水平上的影响大小都不同,X。具体来说,在因变量Y的1和X6的系数都为正数,说明在空气质量的不同分位数水平,PM量的影响呈现正相关。从系数的大小来看2郾5和O3对空气质,XX1的系数大于全部在1%6的系数,从变量的显著性来看,X水平上显著,X1的系数的影响大于O6次之。说明PM2郾5对空气质量指数影响。3对于空气质量指数的动分析(3)。同一自变量在回归方程中系数估计值的变在空气质量指数的每个不同分位数水平,PM数项始终为正2郾5和O3对空气质量的影响水平都是不同的。常,整体随着分位点增大而减小。X,整体呈现上升趋势,从显著性上来1的系数始终为正看,X1在所有分位点上均为高度显著,这表明在PM2郾5浓度高的地方,PM,在PM2郾5的增加对空气质量的影响更大的影响较小。2郾究其原因5低的地方,PM,在PM2郾5的增加对空气质量气中的细颗粒物中富含大量有毒2郾5浓度高的地方,空、有害物质并且可以在大气中长时间停留,其输送距离远、影响范围广,对人体和空气质量造成极大影响,在PM,空气中的细微颗粒悬浮量较少,附带的2郾5浓度低的地方重金属、微生物等有毒有害物质较少,空气更洁净。由于城市化程度的不断提高,使得交通源、工业源、生活源以及城市扬尘等污染物的排放增加PM浓度,加剧大气污染,因此致力于控制各污染源对2郾5的PM2郾5的排放会使得空气质量得到极大的改善。X的系数为正且随着分位数的增大而增大,在高分位6点要比低分位点显著,在O3浓度高的地方,O在O3的增加对空气质量的影响更大;究其原因3低的地方,O,在O3的增加对空气质量的影响较小。高的地方,臭氧表现为一种对人体和动植物产生严3浓度重危害的污染物,主要是因为其强氧化性和化学活性会使得臭氧与有机物和非有机物产生反应,严重刺激和损害人体深部呼吸道与中枢神经。在O度低的地方,臭氧具有不稳定性,易分解,有洁净空3浓气的作用,经电离后的O3具有一定的杀菌功能,低浓度的O3在一定程度上对人体有好处。由于现代工业的飞速发展,发电厂、石化工业排放中氮氧化合物会形成高浓度的臭氧,此时合理控制高浓度O的形成,对于缓解空气污染效果明显。3图2摇99个分位点下系数的估计图Fig.2摇Estimationresultsofcoefficientsat99subsites进一步,为了更加精准地看到两个变量分位回归分布,因此绘出了99个分位点下系数的估计图。由图2可得到:在因变量Y的不同分位数水平下,自变量X1和X6的系数均为正值,说明空气质量指数与PM2郾5和O3变量之间呈现出正相关;随着因变量Y的分位数水平的逐步增加,自变量X数的点估计在变动,并且常数项始终为正1和X,两个自6的系变量在总体上呈现出随分位数的增大而增大的趋势。X缓慢增加1的系数为正,随分位数的增大先缓慢减少再,在分位数为0郾2右侧时下降达到最低,之后总体呈现出增加的趋势;X6的系数基本随着分位数的增大而增大。这也说明O3、PM2郾5在高分位点时对空气质量的影响较大,在低分位点较小。3摇结论与建议通过3种方法对重庆市2014—2018年60个月的空气质量进行了分析,得到以下结论:从月份上来看,PM2郾5、PM10浓度整体呈现U形

92重庆工商大学学报(自然科学版)第37卷变化,浓度在一月达到最高,普遍在六月达到最低,后又呈现出缓慢增长的趋势;NO2与SO2的浓度呈现出周期性的缓慢降低再增加的趋势;反之,O3则呈现出倒U的趋势。从季节上看,PM2郾5、PM10、SO2、CO、NO2、O3在冬季污染较重,在春季污染相对较轻;然而,O3则恰恰相反,冬季浓度较低,春、夏、秋观,让人们做到绿色出行,减少大功率电器的使用等,让工厂做到排放治理过的废气污水,让城市扬尘得到降尘。参考文献(References):[1]摇李静萍,周景博.工业化与城市化对中国城市空气质季节浓度较高,且夏季达到最高。从整体上看,重庆市空气质量在逐渐变好,空气质量等级为良的月份数呈现上升的趋势,这表明重庆市对于治理空气质量的环保意识得到提升,并作出一系列有成果的举措,使得良天数得到增加。由多元线性回归得到结论:PM质量影响显著。系数显示O2郾5和O3对空气且利用最小二乘估计法进行估计得3、PM2郾5对空气质量产生正向的影响,到PM2郾5和O3显著性非常强,剩下的4个变量的显著性几乎不存在,因此利用所有变量进行多元回归的效果是不好的。回归系数方程中除去第一个变量和第六个变量外,其他变量都没有通过显著性检验,因此考虑采用逐步回归的方法,在逐步剔除非显著变量后得到结论:PM2郾5和O3是影响重庆市空气质量的主要原因。由分位数回归得到结论:PM数的影响大于O2郾5对空气质量指3对于空气质量指数的影响,故PM高分位点时对空气质量的影响较大2郾5对空气质量指数的影响最显著。PM,在低分位点2郾5、O3在较小。由以上的回归模型可以看出,对重庆市进行空气治理主要是控制重庆市PM2郾5和O3的浓度,给出以下建议:重庆政府还需要投入更多的资金来加强对环境的保护,尤其是对于城市扬尘、工业排放的治理。要从根本上治理环境污染问题,一旦发现环境治理不合格的企业必须给予严惩,并对其进行政治教育防止再犯。除了严惩以外,政府还需要建立一套可行、有效的环境治理方案,加强对大气污染的监控,加强各类环境保护项目的管理等。重庆市在经济高速发展的同时,也应积极学习其他地区关于改善环境的优良措施,例如加强公共卫生的干预力度等。人民大众增强自身的环保意识也非常重要,市政府要积极弘扬生态环保、建立生态环保的价值量影响路径差异的研究[J].统计研究,2017,34(4):50—58LIIndustrializationJP,China[J].Chinese)StatisticalandUrbanizationonResearch,2017,34(4):50—58(inontheUrbanImpactAirQualityPathsofin梁鑫析[J].,谢佳利数理统计与管理,邵延会.国内主要城市空气质量统计分,2009,28(3):550—554LIANGofStatisticsAirQualityX,XIEandofJManagement,DomesticL,SHAOMainYH.2009,28Cities[J].TheStatisticalAnalysis(3):550—554Application(ofChinese)in徐萌响因,素张春鑫分析,[徐林J].,安等全.毕节市区大气污染特征及影与环境工程,2018,25(5):64—71XUCharacteristicsM,ZHANGCX,XUL,antsandInfluenceFactorsofAtmosphericPollutionEngineering,in2018,25(5):64—71(inBijieCity[J].SafetyandChinese)Environmental刘晓红价格理论与实践.地方保护支出对大气污染治理的影响研究,2019(3):126—129[J].&Practice,ExpenditureStudyon2019(3):126—129(inontheAirPollutionImpactControl[J].ofEnvironmentalChinese)Price:邢雅婷化特征分析,王帅[J].,赵玲环境化学.呼和浩特城区大气污染物浓度变,2019,38(5):1139—1149XINAtmosphericYT,WANGPollutantsS,ariationAreaCharacteristicsofHohhot[J].ofChinese)EnvironmentalChemistry,2019,38(5):1139—1149(in于英翠分布特征及其趋势评估,李利敏,左亚杰,[等J]..西安市大气污染物时空环境工程,2018,3(10):165—169YUDistributionYC,LILAtmosphericandM,ZUOYJ,alandSpatialEngineering,PollutantPollution2018,3(10):165—169(ininXi爷anTendencyCity[J].AssessmentofChinese)Environmental[2]摇[3]摇[4]摇[5]摇[6]摇

第5期林静怡,等:重庆市大气污染物分布特征及影响因素分析境与健康杂志,2017,34(5):451—45593[7]摇王芳龙,李忠勤,尤晓妮,等郾2015—2017年天水市大2018,38(12):4592—4604气污染物变化特征及来源分析[J].环境科学学报,WANGFL,LIZQ,YOUXN,ionCharacteristicsandSourceAnalysisofAtmosphericPollutantsinTianshuifrom2015to2017[J].ActaChinese)ionCharacteristicsofAirPollutantinDianjiangCounty,Chongqing[J].JournalofEnvironment[10]尹杰,刘春霞,李月臣,等.重庆市主城区冬季PM2郾5空1352—1358andHealth,2017,34(5):451—455(inChinese)间分布模拟[J].环境污染与防治,2018,40(12):YIJ,LIUCX,LIYC,tionofPM2郾5SpatialDistributioninWinterinthemainUrbanAreaofChongqing[J].EnvironmentalPollution&Control,2018,ScientiaeCircumstantiae,2018,38(12):4592—4604(in[8]摇陈挚秋,王建力,杨平恒郾2014年重庆市大气污染物浓度变化特征及其与气象条件的关系[J].西南大学学报(自然科学版),2016,38(10):147—153CHENZQ,WANGJL,teristicsofAtmosphericPollutantsConcentrationintheUrbanAreaofChongqingin2014andTheRelationshipwithMeteorologicalConditions[J].Journal38(10):147—153(inChinese)Variation[11]刘成伦,杜嫻.重庆市机动车尾气对大气环境的影响54—5740(12):1352—1358(inChinese)分析及减缓措施[J].环境污染与预防,2005(7):LIUCL,ofVehicleGasonAirPollutionandItsAbatementMeasuresinChongqing[J].EnvironmentalPollution&Control,2005(7):54—57(inChinese)ofSouthwestUniversity(NaturalScienceEdition),2016,[9]摇贾斌.重庆市垫江县大气污染物浓度变化特征[J].环AnalysisofAirPollutantsDistributionCharacteristicsandInfluencingFactorsinChongqingLINJing鄄yi,YANGYi鄄ping(SchoolofMathematicsandStatistics,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)Abstract:BasedonthemonthlyaveragedataofPM2郾5,PM10,SO2,CO,NO2,O3andAQI(airqualityindex)inChongqingfrom2014to2018,thispaperuseddescriptiveanalysistoanalyzethecharacteristicsofmonthly,quarterlyandannualchangeinpollutants,then,accordingtothedataofsevenvariablescollected,usedmultipleregressionanalysistoestablishtheregressionequationbetweenAQIandthesixpollutants,andusedquantilerds:AQI;multipleregressionanalysis;quantileregression责任编辑:李翠薇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇引用本文/Citethispaper:林静怡,杨宜平.重庆市大气污染物分布特征及影响因素分析[J].重庆工商大学学报(自然科学版),2020,37(5):88—93LINJY,isofAirPollutantsDistributionCharacteristicsandInfluencingFactorsinChongqing[J].JournalofChongqingTechnologyandBusinessUniversity(NaturalScienceEdition),2020,37(5):88—93摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇