中国部分主要城市环境污染分析

1、中国部分主要城市大气环境分析运用SPSS学校：黄山学院院系：数学与统计学院专业：经济统计学班级：14经济统计姓名：俞佰成学号：21405011067教师：张琳玲、王小飞共24页- -共24页- #-目录TOC o 1-5 h z1.摘要及序言（2） HYPERLINK l bookmark8 o Current Document 2分析方法介绍和原始数据（5）2.1聚类分析（5）2.2因子分析（5）3聚类分析（7）4因子分析（13） HYPERLINK l bookmark16 o Current Document 4.1:考察原有变量是否适合进行因子分析（13） HYPERLINK l bo

2、okmark18 o Current Document 提取因子（14）因子的命名解释（17） HYPERLINK l bookmark20 o Current Document 计算因子得分（18） HYPERLINK l bookmark22 o Current Document 各主要城市的空气质量的评价（19）5总结和建议（21）5.1总结（21） HYPERLINK l bookmark26 o Current Document 5.2建议（22）6参考文献（23）7.鸣谢（24）共24页- 共24页- -摘要：随着中国经济、工业、农业等方面的快速发展，环境问题日益突出，随城市化所带

3、来的一系列环境问题日益突出,已影响到中国经济和社会的可持续发展,生态退化、环境污染等外部不经济性已成为经济发展的掣肘。本文将就空气质量情况方面，探讨中国环境的优劣。给中国主要城市提高空气质量一定的参考。关键词：环境、空气质量、废物排放Abstract:asChinaseconomy,therapiddevelopmentofindustry,agricultureandsoon,theenvironmentproblemincreasinglyprominent,alongwiththeurbanizationbringsaseriesofenvironmentproblemincreasin

4、glyprominent,hasaffectedChinaseconomicandsocialsustainabledevelopment,ecologicaldegradation,environmentalpollutionandsoonexternaldiseconomyhasbecometheeconomicdevelopmentoftheindustry.Fromwastegaspollutants,thisarticlewillwastewaterpollutantsandairqualityconditionandsoon,toexploreChinasmajorurbanair

5、qualitysituationandtheexhaustemissionsandwastewaterpollutantdischarge.InChinasmajorcitiestoimproveairqualitytoacertainreference.Keywords:environment,airquality,wasteemissions一、序言近些年来，我国城市化进程进一步加快，经济、社会获得了空前的发展。在物质财富得到极大增长的同时，人们亦愈来愈关注我们的生存环境，尤其是城市环境，其质量的优劣与我们的生活品质息息相关。因为城市是以人为主导的复合生态系统，是人类生活和生产活动的载体，

6、城市中人口密集，资金与信息高度集中，在获得极大的经济效益的同时，资源被高强度地利用，能源耗费巨大，生态与环境变化剧烈。城镇人口占全国人口的比例从1978年的17.92%快速上升到2009年的46.59%,年均增长0.92个百分点（国家统计局,2010）,而且根据“十二五”规划，“十二五”期间城镇人口比例年均增长0.8个百分点,2015年将进一步提高到51.5%。随着人口从农村向城镇地区迁移，各类经济活动向城镇迅速集聚，这在提高人们生活水平的同时，也对城镇与农村的生态环境产生了重要影响。目前，我国城市总数已达668个，城市地区人口已达5.6亿，在城市数量上和人口规模上都是同期世界之最。城市居民的

7、许多活动都向大气、水体、土壤等自然和人工环境排放有害物质，造成环境污染。城镇化过程与环境污染排放关系已经成为影响中国社会经济可持续发展的战略性问题。关于城镇化与资源环境的关系，已有学者从定性与定量两方面进行了相关研究。定性研究多关注城镇化过程中城市所面临的水资源短缺、大气污染严重、垃圾围城、噪声污染等具体环境问题。本文将分析各主要城市空气质量情况，分析历年中国主要城市的空气质量与空气中污染物的关系。二、分析方法介绍和原始数据2.1聚类分析聚类分析是对多种属性统计样本进行分类的一种多元统计分析方法。其基本思想是：一般我们认为，根据“物以类聚”的道理，所研究的样品或指标之间存在着程度不同的相似性。

8、于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样品聚为一类。关系密切的聚为一个小的分类单位，关系疏远的聚为一个大的分类单位，直到把所有样品或指标都聚类完毕，这样就可以形成一个由小到大的分类系统。它们讨论的对象是大量的样品，要求能合理地按各自的特性来进行合理的分类，没有任何模式可供参考或依循，即是在没有先验知识的情况下进行的。聚类分析又称作群分析2.2因子分析虽然多指标大样本可以为综合评价提供丰富的信息，但在一定程度上增加了评价工作的复杂性，每个指标都在不同的角度和层面反映评价目标的某一信息，而各个指标之间往

9、往存在一定的相关关系，反映的信息将产生重叠，导致统计分析失真。因子分析法是用较少个数的公共因子的线性函数和特定因子之和来表达原来观测的每个变量，在减少分析指标的同时，尽量减少原指标包含信息的损失，对所收集的资料作全面的分析，从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。因此选用因子分析法作为理论的基础，并结合SPSS软件进行分析判断的工具。共24页- #共24页- 共24页- -原始数据城市二氧化硫年平均浓度(pg/m3)二氧化氮年平均浓度(pg/m3)可吸入颗粒物年平均浓度(pg/m3)一氧化碳日均值第95百分位浓度(mg/m3)臭

10、氧o3)日最大8小时第90百分位浓度(pg/m3)细颗粒物(P叫.5)年平均浓度;Pg/m3)空气质量达到及好于二级的天数北京22571163.220086168天津49541332.915783175石家庄62532064.216112497唐山73601634.7169101133秦皇岛54491133.511461239邯郸57511863.914711593保定67552245.417812979太原73361383.212572197大同4632953.611443300阳泉88441542.81017196长治38391163.510267235临汾6032944.29563240

11、呼和浩特50441224.011746240包头54461513.314055187赤峰56251121.610847257沈阳82521242.016574190大连3039851.411053276鞍山57381333.814676198抚顺38371032.216558240本溪4640974.012661239锦州62421022.415563236长春41471181.513268239吉林24381092.514166240哈尔滨57521111.611172241齐齐哈尔2921631.59239300牡丹江2532911.711959264上海1845711.314952278

12、南京25541241.618374188无锡29451061.718268210徐州38371192.015267238常州36401041.717167231苏州2553861.516466227南通2640961.315362257连云港30351112.014561250扬州34371061.513065222镇江24461071.614768240杭州2150981.316965216宁波1741731.414046302温州1750751.713446299湖州2248871.416664222绍兴3650961.416763228合肥23311131.66983151芜湖27289

13、61.97267249马鞍山29351082.110567247福州836651.313734310厦门1637591.012837344泉州924681.29634346南昌2533851.612952294九江3031861.413646280三、聚类分析我挑选出48个主要城市，在不同的地区，因为其地理位置、气候、环境以及居民生活方式的不同，大气中的气体组成成分的比例稍有不同，大气的质量情况也不同。为了能够对各个不同类型的城市的大气状况更好的分析和了解，可以使我们更加方便的对各个地区主要城市的大气环境进行判断，我们运用SPSS工具，将其根据各个主要城市的大气环境现状进行分类。表3-1：觀察

14、值處理摘要a,b觀察值有效遺漏總計N百分比N百分比N百分比4996.123.951100.0平方歐基里得直線距離已用平均連結（組間）表3-2：凝聚順序表階段結合的叢集係數階段叢集第一個出現下一個暫置叢集1叢集2叢集1叢集21324068.01000622336108.81000733839130.09000134524159.610001653141205.09000863237244.025101772334258.205201281931303.945051794849311.0400021101144315.9600024111726371.0900021122330411.803701

15、5133845519.0853026142035561.2500025152223585.1280122016513655.0054024171932661.69486221836722.090003719818743.3600028222217191520271285946202192935959311311133831.7101502548851.0351193029855.2721703428917.560004311953.613161029221016.592142032381055.72301336151109.7600029141119.63019035121278.842242

16、738171315.82302136471336.0400041211444.42025034161544.8100035201788.70722324081878.572332843271887.14430263971953.84518042432617.43429040252872.17936041194190.988383444464838.88339314644872.7933704524987.70423354456762.532434046109619.63542048911075.6824441474217936.71746048337789.781474502021222324

17、252627282930313233343536373839404142434445464748共24页- -共24页- -1書2&豊冷士沖16：汕tf亠闪貧山=:辛44：琵山-N15:*冲看花崗lws-l-骑31:.对41:过用芋棺陽斗滇36:话州2aAH2&m-r:.SGft門3&曲E嘤H卅wr-wp:A.tSHHn目丄直3&T龍3&自捋月门4川尺料4Ner3tC球E田-W-ctr.HLErl5D-图3-3锲用平堆f連結的樹狀圖組間图3-4根据上列图表可知，苏州、湖州、杭州、常州、绍兴、抚顺、无锡的相似性较高且较早聚成一类；本溪、扬州、吉林、镇江、连云港、徐州、长春、南通、锦州的相似性较高

18、且较早聚成一类；长治、马鞍山、秦皇岛、哈尔滨、呼和浩特、临汾、赤峰的相似性较高且较早聚成一类；北京、南京的相似性较高且较早聚成一类；太原、马鞍山、包头的相似性较高且较早聚成一类；天津、沈阳的相似性较高且较早聚成一类；厦门、泉州的相似性较高且较早聚成一类；宁波、温州、福州、上海的相似性较高且较早聚成一类；南昌、九江、大连、牡丹江、大同的相似性较高且较早聚成一类；石家庄、邯郸的相似性较高且较早聚成一类。如果聚成三类，则石家庄、邯郸、保定、唐山、阳泉为一类（第一类），苏州、湖州、杭州、常州、绍兴、抚顺、无锡、本溪、扬州、吉林、镇江、连云港、徐州、长春、南通、锦州、长治、马鞍山、秦皇岛、哈尔滨、呼和浩

19、特、临汾、赤峰、芜湖、北京、南京、太原、包头、天津、沈阳、厦门、泉州、宁波、温州、福州、上海、南昌、九江、大连、牡丹江、大同、齐齐哈尔为一类（第二类），合肥自成一类（第三类）。图3-5图3-5是根据聚类分析结果画出的各个种类的主要城市的位置分布图。可以看出，第一类主要城市在黄圈内，靠近中国的喉咙的位置，相对第二类中心城市稍微靠西一点。这里的城市主要是平原地带。第二类主要城市偏中国的东方，这里的位置，大部分主要城市是沿海城市。第三类主要城市，即合肥，在第一类主要城市和第二类主要城市的中间。四、因子分析为了研究全国部分主要城市的空气质量的差异性和相似性，收集到2014年全国49个主要城市的二氧化硫

20、年平均浓度(g/m3)、二氧化氮年平均浓度g/m3)、可吸入颗粒物年平均浓度(卩g/m3)、一氧化碳日均值第95百分位浓度(mg/m3)、臭氧(O)日最大8小时第90百分位浓度(g/m3)、细颗粒物(PM)年32.5平均浓度(Ug/m3)、空气质量达到及好于二级的天数的数据。(数据来源：中国统计网，EXCLE数据文件名8-19重点环保城市空气质量情况2014).由于涉及的变量较多，直接进行地区间的比较比较繁琐，因此首先考虑采用因子分析方法减少变量个数，然后再进行比较和综合评价。4.1:考察原有变量是否适合进行因子分析首先考察收集到的原有变量之间是否存在一定的线性关系，是否适合采用因子分析方法提

21、取因子。这里，借助变量的相关矩阵、巴特利特球度检验和KMO检验方法进行分析。表4.1-1相關性矩陣二氧化硫年平均浓度(”g/m3)二氧化氮年平均浓度(”g/m3)可吸入颗粒物年平均浓度(“g/m3)臭氧(03)日最大8小时第90百分位浓度(ng/m3)氧化碳日均值第95百分位浓度(mg/m3)细颗粒物(PM2.5)年平均浓度(”g/m3)相關二氧化硫年平均浓度(“g/m3)二氧化氮年平均浓度(“g/m3)可吸入颗粒物年平均浓度(“g/m3)臭氧(03)日最大8小时第90百分位浓度(“g/m3)氧化碳日均值第95百分位浓度(mg/m3)细颗粒物(PM2.5)年平均浓度(“g/m3)空气质量达到及

22、好于二级的天数1.000:0.2860.7010.0120.6670.501-0.6350.2861.0000.5000.6890.3130.593-0.5850.7010.5001.0000.2750.7300.878-0.8990.0120.6890.2751.0000.0730.378-0.3330.6670.3130.7300.0731.0000.594-0.6040.5010.5930.8780.378.05941.000-0.901表4.1-1是原有变量的相关系数矩阵。可以看到，大部分相关系数都较高各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。表4.1-2：KMO

23、與Bartlett檢定Kaiser-Meyer-Olkin測量取樣適當性。0.803Bartlett的球形檢定大約卡方289.313df21Sig.0.000由表4.1-2可知，巴特利特球度检验统计量的观测值为289.313，相应的概率P值接近于0如果显著性水平a为0.05,由于概率P值小于显著性水平a,应拒绝零假设，认为相关系数矩阵与单位阵有显著。同是，KMO值为0.803,根据Kaiser给出的KMO度量标准可知，原有变量适合进行因子分析。4.2提取因子这里首先进行尝试性分析。根据原有变量的相关系数矩阵采用主成分法提取因子并选取特征根的值大于1的特征根。如下表所示。表4.2TCommuna

24、lities起始擷取二氧化硫年平均浓度(pg/m3)1.0000.733二氧化氮年平均浓度(pg/m3)1.0000.818可吸入颗粒物年平均浓度(pg/m3)1.0000.918臭氧(03)日最大8小时第90百分位浓度(p1.0000.856g/m3)一氧化碳日均值第95百分位浓度(mg/m3)1.0000.727细颗粒物(PM2.5)年平均浓度(pg/m3)1.0000.835空气质量达到及好于二级的天数1.0000.875擷取方法：主體元件分析。表4.2-1是因子分析的初始解，显示了所有变量的共同度数据。第一列是因子分析初始解下的变量共同度，它表明，对原有7个变量如果采用主成分分析方法提

25、取所有特征值(7个)，那么原有变量的所有方差都可被解释，变量的共同度均为1(原有变量标准化后的方差为1)。事实上，因子个数小于原有变量的个数才是因子分析的目标，所以不可提取全部；第二列是在按指定提取条件(这里为特征根大于1)提取特征值时的变量。可以看到，二氧化氮年平均浓度等变脸过得绝大部分信息(大于78%)可被因子解释，这些变量的信息丢失较少；但二氧化硫年平均浓度、一氧化碳日均值第95百分位浓度两个变量的信息丢失较为严重(近30%)。因此本次因子提取的总体效果并不理想。重新制定提取特征根的标准，指定提取两个因子。分析结果如下。表4.2-2：Communalities起始擷取二氧化硫年平均浓度(

26、pg/m3)1.0000.986二氧化氮年平均浓度(pg/m3)1.0000.859可吸入颗粒物年平均浓度(pg/m3)1.0000.938臭氧(O3)日最大8小时第90百分位浓度(pg/m3)1.0000.9001.0001.0001.0000.9940.9580.951一氧化碳日均值第95百分位浓度(mg/m3)细颗粒物(PM2.5)年平均浓度(卩g/m3)空气质量达到及好于二级的天数擷取方法：主體元件分析。表4.2-2是制定提取两个特征根时因子分析时的初始解解。由第二列可知此时所有变量的共同度均较高，各个变量的信息丢失较少。因此本次因子提取的总体效果较理想。表4.2-3:因子解释的总方差

27、元件起始特徵值提取平方和載入旋转平方和載入總計變異的%累加%總計變異的%累加%總計變異的%累加%14.34962.12462.1244.34962.12462.1242.58736.95836.95821.41420.19582.3201.41420.19582.3201.75525.07662.03430.4756.79089.1100.4756.79089.1101.15916.55878.59240.3484.96794.0770.3484.96794.0771.08415.48594.07750.2603.71797.79460.0781.11498.90870.0761.092100

28、.000擷取方法：主體元件分析。在“解释的总方差”中，“合计，方差的，累积”，分别表示特征值，方差贡献率，累计方差贡献率。它们描述了因子分析初始解的情况，。可以看到，第一个因子的特征值为4.349，解释原有7个变量总方差的62.124%(即4.349/7*100%),累积方差贡献率为62.124%；第二个因子的特征值为1.414，解释原有7个变量总方差20.195(即1.414/7*100%)，累积方差贡献率为82.320即(4.349+1.414)/7*100%)。其余数据含义类似。在初始解中由于提取了7个因子，因此原有变量的总方差均被解释，累积方差贡献率100%。共24页- -图4.2-4

29、在“陡坡图”中，横坐标为因子数目，纵坐标为特征值。可以看到第一个因子特征值很高，对解释原有变量的贡献最大，第三个以后的因子特征值都较小对解释原有变量的贡献很小，因此提取两个因子是合适的。表4.2-5:因子载荷矩陣a元件12可吸入颗粒物年平均浓度(Mg/m3)0.944-0.163空气质量达到及好于二级的天数-0.9350.027细颗粒物(PM2.5)年平均浓度(Mg/m3)0.9120.057一氧化碳日均值第95百分位浓度(mg/m3)0.754-0.398二氧化硫年平均浓度(Mg/m3)0.722-0.460二氧化氮年平均浓度(Mg/m3)0.6870.588臭氧(03)日最大8小时第90百

30、分位浓度(ug/m3).4340.817擷取方法：主體元件分析。a.擷取2個元件。7个变量在第一个因子上的载荷都很高，意味着它们与第一个因子的相关程度高，第一个因子很重要。第二个因子与原有变量的相关性均较小，它对原有变量的解释作用不显著。4.3因子的命名解释这里采用方差最大发对因子载荷矩阵实施正交旋转以使因子具有命名解释性。指定按第一因子载荷降序的顺序输出旋转后的因子载荷以及旋转后的因子载荷图。表4.3-1:旋轉后的因子载荷矩陣a元件12可吸入颗粒物年平均浓度(pg/m3)0.9030.320二氧化硫年平均浓度(pg/m3)0.855-0.048一氧化碳日均值第95百分位浓度(mg/m3)0.

31、8520.022空气质量达到及好于二级的天数-0.829-0.434细颗粒物(PM2.5)年平均浓度(pg/m3)0.7670.496臭氧(03)日最大8小时第90百分位浓度(pg/m3)-0.0210.925二氧化氮年平均浓度(pg/m3)0.3120.849擷取方法：主體元件分析。轉軸方法：具有Kaiser正規化的最大變異法。a.在3疊代中收斂循環。元件1210.8720.4892-0.4890.872表4.3-2：成分轉換矩陣元件1211.0000.00020.0001.000表4.3-3:成分得分协方差矩陣擷取方法：主體元件分析。轉軸方法：具有Kaiser正規化的最大變異法。擷取方法：

32、主體元件分析。轉軸方法：具有Kaiser正規化的正交旋转法。构成得分。旋槽空間中的元件圖耳9Zi百斜卩:和：PM2.5年T-1:1世QjJGtinSiT肌h題站冏工T-L/JilcQjJGtinS-WWKtirjffiUBSHtSffiJSmjna空弓航出迖腎軒十二縊的犬敕r-10-D.5000.51口元件4图4.3-4旋转后的因子载荷图表4.3-3显示了两因子的协方差矩阵。可以看出，两因子没有线性相关性，实现了因子分析的设计目标。由图4.3-4可以直观的看出，臭氧(03)日最大8小时第90百分位浓度，二氧化硫年平均浓度比较靠近两因子坐标轴。表明分别用第一个因子刻画臭氧(03)日最大8小时第9

33、0百分位浓度，用第二个因子刻画二氧化硫年平均浓度，信息丢失较少，效果较好。但用一个因子分别刻画其他变量，效果不是很理想。4.4计算因子得分这里采用回归估计因子得分系数，并输出因子得分系数。表4.4-1：因子得分系数矩陣元件12二氧化硫年平均浓度(p0.304-0.202g/m3)二氧化氮年平均浓度(p-0.0660.440g/m3)可吸入颗粒物年平均浓度(p0.2460.006g/m3)臭氧(03)日最大8小时第90百-0.1960.553分位浓度(pg/m3)0.2890.163-0.197-0.1610.138-0.088一氧化碳日均值第95百分位浓度（mg/m3）细颗粒物（PM2.5）年

34、平均浓度（卩g/m3）空气质量达到及好于二级的天数擷取方法：主體元件分析。轉軸方法：具有Kaiser正規化的正交旋转法。构成得分。根据表4.4-1可写出以下因子得分函数Fl=0.304二氧化硫年平均浓度-.66二氧化氮年平均浓度+0.246可吸入颗粒物年平均浓度-0.196臭氧（03）日最大8小时第90百分位浓度+0.289氧化碳日均值第95百分位浓度+0.163细颗粒物（PM2.5）年平均浓度-.197空气质量达到及好于二级的天数F2=-0.202二氧化硫年平均浓度+0.440二氧化氮年平均浓度+0.006可吸入颗粒物年平均浓度+0.553臭氧（03）日最大8小时第90百分位浓度-0.161

35、一氧化碳日均值第95百分位浓度+0.138细颗粒物（PM2.5）年平均浓度-.88空气质量达到及好于二级的天数可见，计算两个因子得分变量的变量值时，二氧化硫年平均浓度、臭氧（03）日最大8小时第90百分位浓度的权重较高，但方向恰好相反，这与因子的实际含义是相吻合的。因子得分的均值为0，标准差为1.正值表示高于平均水平，负值表示低于平均水平。4.5各主要城市的空气质量的评价可利用因子得分变量对地区进行对比研究。首先绘制两因子得分变量的散点图，如图4.5-1所示。观察图可知，1号样本（保定）、2号样本（石家庄）、3号样本（邯郸）、5号样本（阳泉）。6号样本（唐山）为较为特殊的点。这5个样本两个因子

36、得分都比较高，表示污染更严重。以及4号样本（合肥）也是较为特殊的点，污染也较重。其他样本（主要城市）较相似。这也与前面的聚类分析结果相符。符合石家庄、邯郸、保定、唐山、阳泉为一类（第一类），苏州、湖州、杭州、常州、绍兴、抚顺、无锡、本溪、扬州、吉林、镇江、连云港、徐州、长春、南通、锦州、长治、马鞍山、秦皇岛、哈尔滨、呼和浩特、临汾、赤峰、芜湖、北京、南京、太原、包头、天津、沈阳、厦门、泉州、宁波、温州、福州、上海、南昌、九江、大连、牡丹江、大同、齐齐哈尔为一类（第二类），合肥自成一类（第三类）这个结果。图4.5-1各主要城市两因子得分变量散点图5总结及建议5.1总结第一类主要城市（石家庄、邯郸

37、、保定、唐山、阳泉）在靠近中国的喉咙的位置，相对第二类主要城市稍微靠西一点。这里的城市主要是平原地带，由于国家最近的中部开发计划，导致这些地区的经济发展虽然迅速了，工业发展也迅速了，但是相对的，环境污染也在加剧，导致空气中的可吸入颗粒物等污染物增多，城市空气质量下降的十分厉害，这个类型的主要城市大气质量情况相对较差。第二类主要城市（苏州、湖州、杭州、常州、绍兴、抚顺、无锡、本溪、扬州、吉林、镇江、连云港、徐州、长春、南通、锦州、长治、马鞍山、秦皇岛、哈尔滨、呼和浩特、临汾、赤峰、芜湖、北京、南京、太原、包头、天津、沈阳、厦门、泉州、宁波、温州、福州、上海、南昌、九江、大连、牡丹江、大同、齐齐哈

38、尔）位置在中国的偏东方，这里的位置，大部分主要城市是沿海城市，因为靠近海边，受到温带季风的影响，大部分的大气污染物会吹向西北方，即一类主要城市所在的位置以及东南方，即第二类主要城市临近的大海，所以第二主要城市的环境相对较好，当然，因为北京的环境治理力度一直很大，所以截止至2015年，北京的大气环境也相对较好，而且由于位置的原因，北京被分到第二类主要城市，第二类主要城市因为上述原因，所以空气质量在这三类主要城市中相对较好。第三类主要城市，即合肥，在第一类主要城市和第二类主要城市的中间，空气质量也处在第一类主要城市和第三类主要城市的中间。下方是造成空气质量下降的主要原因。环境意识薄弱.对可持续发展战略认识不足。先污染后治理要比采取措施从根本上防治大气污染付出更多的经济代价。但这种观念长期以来并没有被一些部门和一些地区充分的理解和认识。他们只考虑近期的、局部的经济发展需要，在制订城市建设发展规划中缺乏对保护大气环境的考虑，仅仅考虑到GD