【南昌市空气质量状况与影响因素探究（论文）6000字】

南昌市空气质量状况与影响因素研究目录TOC\o"1-2"\h\u27743南昌市空气质量状况与影响因素研究 132771.1南昌市空气质量状况 1269451.1.1空气质量分布特征 1274881.1.2南昌市空气质量时间变化特征 2104451.2空气质量相关分析 5292561.2.1各污染物之间的相关性 588131.2.2气象因素与AQI的相关性 654221.2.3气象与主要污染物相关分析 6308621.3基于灰色关联的空气质量自然因素分析 730651.3.1大气污染物与AQI的灰色关联分析 719881.3.2空气质量指数与气象因素关联分析 9261591.4空气质量社会经济影响因素分析 9147781.1.1相关指标 1015671.1.2基于随机森林的指标选择 11208791.1.3逐步回归分析 121.1南昌市空气质量状况1.1.1空气质量分布特征将南昌市2016-2019年空气质量等级划分为三类，即优、良好和差，具体分布如图1-1所示。在2016-2019年这四年中，南昌市空气质量优这个等级所占比重最大，达到58.3%，但其他等级也占较大的比重。图1-1南昌市空气质量等级分布由表4-1的结果可知，在2016-2019年这四年中，南昌市PM2.5、PM10、SO2的污染物浓度变化幅度在逐年减小，相比而言，其他几项污染物浓度变化幅度相对较小；南昌市空气质量指数的最大值出现了较大幅度的减少，其中2016-2017年呈现下降幅度最大，随后在逐年减小。表4-1各项污染物的浓度范围污染物2016201720182019minmaxminmax值minmax值minmax值PM10112840238618110162CO0.3211121202NO2109011961291981O3111790213719811193PM2.57265017651105101SO2493454335332AQI243152323123144221331.1.2南昌市空气质量时间变化特征图1-2是2016-2019年间空气质量指数的变化趋势图，如图1-2所示。可以大致了解这几年南昌市AQI的日变化曲线，每一年的年初和年末AQI的值都很高，在年中AQI的值会降低，其年度内的变化大致表现为“U”型，空气质量指数大致在0-200之间上下浮动。如图AQI趋势线所示，南昌市空气质量在上升，并且其变化趋势比较稳定。图1-2AQI变化趋势图图1-3是PM10变化趋势图，如图所示。PM10的浓度在0-60之间变化，其变化幅度在逐渐变小，并且浓度变化趋势线向右下方倾斜，这表明南昌PM10浓度正在降低。图1-3PM10变化趋势图图1-4为CO变化趋势图，其变化与AQI相一致，单年变化也呈现“U”型分布，1-3月最高，逐步降低，在7月左右达到最低，再上升，并且其变化幅度在0-2.5之间，变化浮动不大。图1-4CO变化趋势图在图1-5中，NO2变化幅度较大，表现为季节性变动，春冬高，夏秋低，其趋势预测线与CO一样，都较为平缓。图1-5NO2变化趋势图在图1-6中，可以看出O3浓度是倒“U”型分布，与AQI、CO、PM2.5和NO2恰恰相反，其浓度大部分分布在50到150之间，只有少数时间段超过200ug/m3。图1-6O3变化趋势图空气质量中的污染物PM2.5的浓度和变化趋势长时间以来是大众关注的焦点，图1-7为PM2.5变化趋势图，如图所示。PM2.5变化呈现明显的季节性趋势，这是众多因素所造成的。PM2.5趋势线比较水平，这表明PM2.5浓度将缓慢减少。图1-7PM2.5变化趋势图图1-8为SO2变化趋势图。在前期其变动幅度大，由于时间的推后，SO2的浓度在较小的范围内变动。图1-8SO2变化趋势图1.2空气质量相关分析1.2.1各污染物之间的相关性从上述分析可以看出，空气中大多数污染物的浓度具有明显的季节性特征，假设当污染排放源固定不变时，各污染物之间的变化会影响到空气的质量，它们之间存在密不可分的联系，需要对它们之间的相关性进行分析。本文通过SPSS来计算出空气中各项污染物之间的Pearson相关系数，具体计算结果如下:表4-2各污染物之间相关关系PM10NO2COO3SO2PM2.5AQIPM101NO2.771**1CO.573**.580**1O3.200**-.039-.133**1SO2.678**.580**.344**.234**1PM2.5.896**.669**.640**-.005.555**1AQI.853**.602**.547**.351**.591**.836**1注：**相关性在0.01上显著（双尾）。本文选用2016年1月至2019年5月期间共1247条有效数据对各主要污染物它们之间的相关性进行了分析，结果如表4-2所示。南昌市的主要污染物O3与其他几项污染物之间的相关系数均不是很大，其中，O3浓度与PM2.5、NO2、CO浓度之间存在明显的弱负相关，其中与PM2.5的相关性最弱，仅为-0.005；PM2.5的浓度与NO2、CO、SO2、PM10的浓度之间表现出较强的相关性，其中与PM10的相关性最大为0.896；NO2和CO、SO2之间的相关系数是一致的，SO2和另外几个污染物都存在着一定的正相关。AQI与PM10、PM2.5的相关性较强，AQI与其他几个大气污染物相关系数比较小。1.2.2气象因素与AQI的相关性表4-3气象因素与AQI的相关系数春季夏季秋季冬季平均气温.161**.327**.148*.373**平均气压.111*.034-.014-.087相对湿度-.592**-.548**-.467**-.315**降雨量-.383**-.282**-.275**-.325**风向-.011-.131*.122**.193**气温差.372**.372**.505**.443**日照时数.514**.496**.475**.323**最大风速-.221**-.140*-.303**-.175**注：**相关性在0.01上显著（双尾），*相关性在0.05上显著（双尾）。为了研究空气质量指数与气象因素的相互影响程度，采用2016-2019年南昌市数据对它们进行相关性分析，如表4-3所示。可以看到南昌市AQI和相对湿度与气温差、日照时数等均具有不同程度的相关性。从季节的角度来看，不同季节气象因素与空气质量相关系数不同，春季和夏季时，风向与AQI呈负相关关系，秋季和冬季时，它与AQI是正相关，而平均气压与AQI则相反，这说明气压和风向对空气质量的影响存在季节差异；相对湿度、降雨量、最大风速在不同季节时，它们与AQI的相关方向相一致，都呈负相关，这表明相对湿度、降雨量、最大风速增加时，AQI浓度将减少，并且相对湿度在各个季节都比其他两个气象因素的相关系数都大。平均气温、气温差、日照时数与AQI呈正相关，秋季气温差、春季日照时数与AQI呈正相关且具有显著性。1.2.3气象与主要污染物相关分析表4-4气象因素与主要污染物的相关系数PM2.5PM10O3平均气温-.390**-.217**.539**平均气压.429**.315**-.363**相对湿度-.192**-.412**-.565**降雨量-.205**-.287**-.214**风向.098**.096**.030气温差.209**.402**.526**日照时数.010.208**.686**最大风速-.283**-.270**.093**季节.330**.160**-.391**注：**相关性在0.01上显著（双尾），*相关性在0.05上显著（双尾）。为了研究主要污染物与各个气象因素的关系，运用SPSS来进行具体分析，如表4-4所示。从主要污染物角度看，PM2.5的浓度与平均气温、最大风速等因素是表现为负的相关关系；而与其他因素则是正相关，平均气压和PM2.5之间的相关程度最强。PM10和相对湿度的系数达到了-0.412，其次与其相关程度较大的气象因素为气温差、平均气压、最大风速等。O3的浓度与日照时数的相关系数最大，并且平均气压、降水量、相对湿度它们数值的增加，会引起O3的浓度下降；而其他气象因素与其正相关，比如，当气温上升时，O3的浓度也会随着上升。从气象因素的角度来看，平均气压、平均气温、相对湿度和主要的空气污染物有着很高的相关系数，但是，它们之间的相关性存在一定程度上的差异，它们和主要污染物O3的相关系数就比较大。1.3基于灰色关联的空气质量自然因素分析1.3.1大气污染物与AQI的灰色关联分析在上一小节中，分析了各污染物之间的相关关系，了解了它们之间的相关程度，由于Pearson相关系数只能分析出单个因素之间的关系，而空气质量受到各种因素共同影响的，因此需要对其进行进一步分析。在本节中，对AQI与空气污染物进行灰色关联分析，计算各污染物的关联度，并且进行排序。采用PM2.5、PM10、SO2、CO、NO2、O3的日数据作为比较序列，AQI为参考序列。表4-5为各项污染物浓度和空气质量指数的相关数据。表4-5空气质量数据时间PM10CONO2O3PM2.5S02AQI2016-1-11841.36757115421502016-1-22771.78623154932042016-1-32181.87051137451822016-1-4961.247546818922016-1-5631.437535410742016-1-6641.13352488672016-1-7721.136425811792016-1-890132607111952019-5-25480.625661611482019-5-26300.52047158302019-5-27520.718135164802019-5-28560.514136136802019-5-29510.4241501410922019-5-30760.6341062713632019-5-31600.7229835355利用灰色关联系数的计算方法来算出南昌市2016年1月1日至2019年5月31日AQI和各项空气污染物之间的关联度，来判断南昌市空气中的主要空气污染物，南昌市各大气污染物与空气质量指数的关联度数据如表4-6所示。表4-6大气污染物与空气质量指数的关联度序号污染物名称关联度关联序1PM2.50.89460042PM100.91708013CO0.88307224SO20.87174555NO20.88605936O30.7582396由表4-6能够看出，在南昌的空气环境中，跟其质量的关联程度最高的污染物是PM10，两者之间的关联度是0.91，之后才是PM2.5、NO2等污染物。PM10主要来自于汽车尾气和城市道路上的飞尘，南昌市市民消费能力提升，大多数的家庭都拥有了汽车，汽车在行驶过程中会排放尾气，而这些尾气就是固体颗粒物，同时工业生产、道路建设等因素也会产生了大量的颗粒物。所以，在治理过程中，应当加强对PM10这方面的预防，减少其排放量，从而达到治理的效果。1.3.2空气质量指数与气象因素关联分析本节数据主要来源2016-2019年期间中国气象网站实时更新的各监测站点所记录的各气象指标数据作为比较序列。AQI的数据作为参考序列。通过灰色关联系数法来计算南昌市2016年1月1日至2019年5月31日空气质量指数与各气象指标之间的灰色关联度，以分析气象因素中各指标对南昌市空气质量指数的影响程度，各气象因素与空气质量指数的关联度数据见图1-9。图1-9气象因素与空气质量指数的关联度通过图1-9可知，在南昌市城市空气质量关联度中，影响最大的气象因素是相对湿度，其灰色关联度达到了0.93，其次为最大风速、气温差、风向等。空气中相对湿度高时，空气中含有水汽，会吸附空气中的粉尘和颗粒物等，这些空气中的杂质随着雨水落下，空气也会变得更加良好，所以，在空气污染比较严重时，城市应该使用洒水车或人工降水来提高空气湿度，从而达到空气质量的提高；风速和季节等对空气质量的影响程度也比较大，在防治空气污染时，我们同样应该注意到风速和季节的变化，不同时候采取不同的措施来治理空气污染。1.4空气质量社会经济影响因素分析大气污染的主要原因是人类经济活动所产生的各种污染物的排放。因此，探讨人类活动对大气污染的影响才是解决大气污染问题的关键。本小节分析中，从人口、经济规模、能源消耗等方面选择相关的指标，选取了南昌市的第二产业占比、绿化覆盖面积、液化石油气消耗量、城市人口密度、污染治理资金等13个指标作为空气质量的影响因素，选取空气质量二级及其以上的天数作为空气质量水平，其时间范围都是2003-2018年，社会经济数据来自wind数据库、《南昌市统计年鉴》和《江西统计年鉴》等。1.1.1相关指标人均GDP人均生产总值（人均GDP），长期以来一个地区的大气污染问题通常与经济有密切关系。而人均生产总值一定程度上就可以看出该地区当前的经济情况，所以，本文选用此指标来进行影响因素的分析。城市人口密度中国城镇化的发展，使得城市人口密度增加，资源的消耗也会加大，从而对生态环境造成消极的影响。人口规模的扩大会影响工业生产规模，有害气体也会大量产生，形成空气污染。因此，本文采用城市人口密度来衡量城市的人口规模。（3）第二产业占比第二产业主要是工业企业，工业生产是由众多环节构成的，每个环节都会对城市的大气质量造成一定的危害。选取第二产业占比重能够很好的反映出现阶段城市的产业结构水平。（4）绿化覆盖面积绿色植被对于大气中的一些有害气体及大气中的颗粒物具有一定的吸收和吸附作用，它对空气质量的净化有显著的促进作用。本文用绿化覆盖面积表示城市的绿化建设水平。（5）液化石油气消耗量能源使用及结构的不合理会使得废气排放量变大，进而空气污染加剧。新型清洁能源的加速推广并投入使用，煤炭在能源结构中的比重有所下降，液化石油气的消耗量持续增加。本文用液化石油气消耗量表示城市的能源消耗的情况。（6）工业废气排放总量工业废气的排放会产生大量有害气体，是空气污染的来源之一。引起工业废气排放的主要原因是经济发展和工业建设，因此工业废气排放总量反映了城市建设和工业生产所带来的负面影响程度。本文选取工业的废气排放总量表示城市大气污染物的排放状况。（7）汽车拥有量汽车具有相对污染高、能源消耗高等特点，居民出行选择多乘坐私家车的方式，在很大程度上会加剧由于车辆尾气排放带来的空气污染，从而导致城市的空气质量变差。（8）使用外资金额当今各国经济的发展离不开外来资金的帮助，引入外资的同时会带来技术和管理水平的提高，产业结构会随之得到提升，资源利用率大幅度增强，最终会改善空气质量。（9）规模以上工业企业单位数规模以上工业企业会对空气质量产生重大影响，无论是技术还是资金都有很大的优势，它能利用这些自身条件来提高废气的治理效率和治理水平，减少空气污染物的排放量，其个数都能反映工业行业的规模。（10）环保等相关技术人员数污染治理需要投入大量的人力，无论是技术的研发还是治理的过程都需要大量技术人员，本文使用环保等相关技术人员数来表示人力的投入水平。（11）污染治理资金 污染治理是个长期并且持续的过程，治理技术的研发和提高，都需要大量的资金投入；污染治理资金的多少对空气治理有较大的影响，投入的越多，治理水平也会随着提高，空气污染也会减弱。本文使用污染治理资金指标来表示污染治理资金投入水平。（12）科学技术投入科学技术的发展能够带动生产工艺和生存技术的提高，一方面，增加能源的利用效率，减少能源的消费；另一方面，环保技术的提高，工业企业可以使用更加先进的污染处理技术，会减少相关污染物排放量。工业企业平均产值工业在生产过程中会产生许多有害气体，一直以来都是空气污染的重要原因。工业规模的大小是影响空气污染物排放量的重要指标，本章节使用工业企业的平均产值来衡量工业的规模。1.1.2基于随机森林的指标选择随机森林算法是在集成学习中bagging集成最具有代表性的算法，它把决策树作为基学习器，然后来构建的Bagging集成。它可以通过python中的importance函数分别计算出各个变量的重要性程度。本文利用随机森林算法对影响南昌市空气质量的社会经济部分指标的重要性进行相关分析，最终可以得到各个指标对空气质量水平的重要程度。经过计算得出各指标的重要性排序如表4-7所示。表4-7指标重要性指标指标名称重要性排序X1第二产业增加值占GDP比重0.1065896X2使用外资金额0.02540010X3规模以上工业企业单位数0.02207812X4人均GDP0.1963981X5绿化覆盖面积0.0607188X6科学技术投入0.0320339X7人口密度0.1824832X8液化石油气消耗量0.01464513X9环保等相关技术人员人数0.02235111X10污染治理资金0.1509484X11工业废气排放总量0.0782437X12民用汽车拥有量0.1586103X13工业企业平均产值0.1319875由表4-7可知，在众多社会经济指标中，人均GDP和人口密度对南昌空气质量的重要性程度大，其重要性系数分别为0.19和0.18，其他指标虽