空气质量评价及影响因素分析研究 环境工程管理专业

摘要目前我国的大气污染问题仍然严重，多种污染物的排放量居于全球首位。从全国的大气污染情况来看，河北省位于全国前列。沧州市是河北省重要的工业城市之一，为使其经济平稳快速的发展，做好大气污染的防控工作是必经之路。首先选取二氧化硫、二氧化氮和可吸入颗粒物为研究因子。这三种污染物的浓度数据都是通过中国空气质量在线监测分析平台获取得到的。根据三种污染物的季度、月份和年份的浓度变化状况，对空气质量进行了描述性统计分析，之后运用API指数评价、综合污染指数评价和模糊综合评价对沧州市空气质量进行了综合性评价，得出沧州市整体空气质量在逐渐改善。接着选取气温、相对湿度、风级作为影响空气质量的三个气象因素，根据Spearman秩相关系数和灰色关联度，分析了气象因素对三种污染物的相关性。最后，对沧州市空气质量进行了时间序列预测，得出2019年各月份的预测值，根据已知的实际值，得出模型的总体相对误差相对误差较小，说明预测效果较好。关键词：沧州市；空气质量评价；气象影响因素；时间序列预测AbstractAtpresent,theproblemofairpollutioninChinaisstillserious,andthedischargeofmanypollutantsranksfirstintheworld.Fromthenationalairpollutionsituation,HebeiProvinceisintheforefrontofthecountry.HandanisoneoftheimportantindustrialcitiesinHebeiProvince.Inordertomakeitseconomydevelopsteadilyandrapidly,itisnecessarytodoagoodjobinairpollutionpreventionandcontrol.Firstly,thepollutionfactorsofairqualityinHandanCityareselected.Sulfurdioxide,nitrogendioxideandinhalableparticulatematteraretakenastheresearchobjectsinthispaper.TheconcentrationdataofthesethreepollutantsareobtainedthroughChinaAirQualityOnlineMonitoringandAnalysisPlatform.Accordingtotheseasonal,monthlyandannualconcentrationchangesofthethreepollutants,thedescriptivestatisticalanalysisofairqualitywascarriedout.Then,thecomprehensiveairqualityofHandanwasevaluatedbyAPIindexevaluation,comprehensivepollutionindexevaluationandfuzzycomprehensiveevaluation.ItwasconcludedthattheoverallairqualityofHandanwasgraduallyimproving.Then,temperature,relativehumidityandwindlevelareselectedasthethreemeteorologicalfactorsaffectingairquality.AccordingtoSpearmanrankcorrelationcoefficientandgreycorrelationdegree,thecorrelationofmeteorologicalfactorstothethreepollutantsisanalyzed.Finally,theairqualityofHandancityisforecastedbytimeseries,andtheforecastvaluesofeachmonthin2019areobtained.Accordingtotheknownactualvalues,therelativeerroroftheoverallrelativeerrorofthemodelissmaller,whichshowsthatthepredictioneffectisbetter.Keywords：Handan;airqualityassessment;meteorologicalinfluencingfactors;timeseriesforecasting目录24979摘要 I2220Abstract II11645第1章绪论 156951.1研究背景 1177731.2研究意义 1206641.3国内外研究现状 29415第2章沧州市空气质量评价 3177862.1综合统计评价 3206552.1.12018季度数据分析 3233792.1.22017年和2018年年度数据分析 466722.1.32014年至2018年沧州市大气环境质量变化情况 6224132.2API评价 7125242.3综合污染指数评价 7129232.4模糊综合评价 10315472.4.1研究方法 1054692.4.2结果与分析 1250582.5本章小结 1429797第3章影响空气质量的气象因素分析及指标选取 15144603.1气象因素分析 1535553.1.1风的影响 15280573.1.2大气湍流的影响 1581683.1.3大气稳定度的影响 152803.2气象因素指标的选取 16286363.3本章小结 1615494第4章气象因素对污染物浓度影响的分析 17235114.1相关分析法 17157244.1.1理论介绍 17112024.1.2气象因素对污染物浓度影响的相关分析 17292954.2灰色关联分析法 18185734.2.1理论介绍 18271854.2.2气象因素对污染物浓度影响的灰色关联分析 19291784.3本章小结 2019056第5章沧州市空气质量预测 2140415.1沧州市空气质量的时间序列预测 21145905.1.1二氧化硫的时间序列预测 22249115.1.2二氧化氮的时间序列预测 2434545.1.3可吸入颗粒物的时间序列预测 2599175.2本章小结 276670结论 2831135参考文献 29 第1章绪论1.1研究背景为了进一步实现社会经济又好又快的可持续发展，就更加需要我们注重对环境的保护。由于某些城市日趋严重的大气污染问题，人们对空气质量的关注度也越来越高。大气中的污染物随时随地都在影响着人们的生活。并且这些大气污染物还会在地表凝聚，这样就会带来二次污染。例如过多的二氧化碳不仅会造成地表温度的升高，还会使海平面持续上升。雾霾会使地面的光照强度大幅度降低，严重影响动植物的正常生长。化石燃料的燃烧产生大量的二氧化硫，会与雨水混合形成酸雨，极大危害着工农业的生产工作。就沧州市的大气污染情况来看，形势仍然严峻，雾霾天气时常出现，污染物超标情况也经常发生。沧州市众多钢铁厂排放出大量的二氧化硫、氮氧化物、烟尘和粉尘是环境污染的主要来源，所以对钢铁行业污染治理是工作的重点。1.2研究意义从健康角度出发，减少空气中污染物的浓度是非常必要的。根据世界卫生组织的最近报告，世界范围内有多个地区的空气污染仍然十分严重。全球各地的调查表明，空气污染正在严重威胁着人类的健康，据统计全球每年约有700万人死于空气污染，而世界上90%的人们都在呼吸着含有高浓度污染物的空气。我国在快速推进工业化进程的同时也不可避免地带来了日益显现的空气污染问题，并且在我国还存在较为严重的区域性污染现象，在华北、西北和西南等地尤为明显。无论是在国家还是城市的发展中，能够协调好空气环境与社会经济之间的关系是非常重要的。通过对邯郸空气质量问题的探讨，可以了解沧州市的近几年的污染状况、气象因素对大气污染的影响以及未来的变化走向，从而进一步提出相应的改善措施。1.3国内外研究现状Buckley等通过一氧化碳、二氧化硫、二氧化氮等污染物，研究了美国纽约州最大的五个城市的空气质量随时间的变化趋势，得出在测试地的全部污染物浓度均有明显的下降趋势[1]。Hamilton等依据EKC曲线研究了与OECD国家二氧化碳的排放有关的因素[2]。Meinardi等进行了环境空气质量与机动车数量之间的相关分析[3]。Kleanthous等研究了在干燥的地中海塞浦路斯岛，微粒对空气质量的影响情况[4]。伊元荣等以灰色聚类法为根据，以多个污染因子为聚类指标，对乌鲁木齐市2000年至2005年的空气质量进行等级评价[5]。张云海等运用灰色聚类评价法对2008年沈阳经济区的空气质量进行了综合评价[6]。张菊等探究了影响北京市周边郊区空气质量的主要因素，并对空气质量的变化趋势进行了分析[7]。赵海霞等根据江苏省1990至2002年的社会经济及环境统计混合截面数据，分析了影响大气污染的主要因素[8]。于慧指出地形、气候和城市建设是影响大气质量的主要因素[9]。秦莉等采用模糊综合评判模型对北京市各年份空气质量情况进行了综合评价，并研究了主要污染物的时间变化趋势[10]。尹起范等探讨了二氧化碳的浓度、季节的变化规律以及各种气象条件之间的关系[11]。董志龙等研究了兰州市空气质量的影响因素[12]。魏毅对乌市2001至2007年的空气质量和能消情况进行了分析[13]。张金玲等通过因子分析法对应分析法，对2015年北京市气象数据、AQI数据以及主要污染物进行了分析，得出相应的评价并提出合理的解决方案[14]。姜新华等对呼和浩特市城区空气质量主要影响因素的进行了主成分分析，并对气象因素进行了方差分析[15]。刘林瑶等运用污染损害指数法对2014年苏州市环境空气质量变化特征进行了分析[16]。第2章沧州市空气质量评价本章根据二氧化硫、二氧化氮和可吸入颗粒物浓度的季度、月份和年份数据，对大气污染情况进行了描述性统计分析。结合《环境空气质量标准》等有关文件，进一步对年度污染数据进行了API指数评价、综合污染指数和模糊综合评价分析。2.1综合统计评价2.1.12018季度数据分析沧州市2018年四个季度二氧化硫、二氧化氮和可吸入颗粒物的监测数据见表2-1，并作出柱状图，见图2-1。可以得出2018年四个季度的空气污染的最严重是第四季度，主要原因是冬季的室内取暖。而由于第三季度为秋季，雨水丰富，能够充分净化空气，从而使得第三季度的污染情况最轻。表2-1沧州市2018年四个季度污染物监测数据(单位：mg/m³)年份污染指标一季度二季度三季度四季度平均值2018年二氧化硫0.1050.0480.0390.0720.066二氧化氮0.1390.0930.0970.1790.127可吸入颗粒物0.4890.3520.2470.5190.402图2-1沧州市2018年大气污染物季度浓度比较2.1.22017年和2018年年度数据分析沧州市2017年和2018年二氧化硫、二氧化氮和可吸入颗粒物月平均浓度的监测数据见表2-2，由此分别作出三种污染物变化趋势图，见图2-2、2-3和2-4，并进行2017年和2018年污染情况的比较分析。表2-2沧州市2017、2018年各月份污染物监测数据(单位：mg/m³)月份2017年2018年1月0.0890.0790.2850.0420.0600.1822月0.0820.0650.2040.0470.0440.1693月0.0400.0550.1210.0160.0350.1384月0.0430.0510.1540.0170.0330.1405月0.0310.0420.1330.0160.0310.1136月0.0220.0410.1290.0150.0290.0997月0.0110.0280.1080.0090.0230.0778月0.0180.0360.1100.0110.0280.0789月0.0240.0450.1360.0190.0460.09210月0.0100.0490.1230.0240.0610.12811月0.0230.0590.1560.0190.0600.20712月0.0470.0660.1780.0290.0580.184年平均值0.0370.0510.1530.0220.0420.134由GB3095—2012《环境空气质量标准》可知，我国环境空气质量分为两级，一、二类区分别执行一、二级标准。为分析沧州市2018年二氧化硫、二氧化氮和可吸入颗粒物这三种大气污染物的超标情况，下面给出这三种污染物浓度限值见表2-3。（1）二氧化硫由图2-2可知，沧州市2018年二氧化硫的年平均浓度值是0.022mg/m³，虽然满足了国家二级标准，但是有10%的国家一级标准超过率。2018年的冬季日均值最高，其中2月份污染浓度最高，达到0.047mg/m³，在7月份二氧化硫的浓度达到了最低值，为0.009mg/m³。与2017年二氧化硫浓度相比，2018年除8月份外均有所降低，尤其是春冬两季有明显下降。图2-2沧州市2017年与2018年二氧化硫月份浓度变化图（2）二氧化氮由图2-3可知，沧州市2018年二氧化氮的年平均浓度值是0.042mg/m³，超过国家一级标准（与二级标准相同），超过率为5%。2018年的秋季日均值最高，其中10月份污染浓度最高，达到0.061mg/m³，7月份浓度最低，为0.023mg/m³。2018年二氧化氮浓度只有在10月有明显高于2017年，9月和11月与2017年基本持平，其他月份均有所降低。图2-3沧州市2017年与2018年二氧化氮月份浓度变化图可吸入颗粒物图2-4沧州市2017年与2018年可吸入颗粒物月份浓度变化图由图2-4可知，沧州市2018年可吸入颗粒物的年平均浓度值是0.134mg/m³，远超过国家二级标准，超过率为91.4%，远远超过国家一级标准，超过率为235%。2018年的冬季日均值最高，为0.178mg/m³。其中11月份污染浓度最高，达到0.207mg/m³，7月份浓度最低，为0.077mg/m³（超过国家二级标准）。2018年可吸入颗粒物浓度只有在11月有明显高于2017年，3月、4月、10月和12月与2017年基本持平，其他月份均有所降低。表2-3环境空气污染物浓度限值污染物名称取值时间浓度限值单位一级标准二级标准二氧化硫年平均0.020.06mg/m³24小时平均0.050.15二氧化氮年平均0.040.04mg/m³24小时平均0.080.08颗粒物（粒径小于等于10μm)年平均0.040.07mg/m³24小时平均0.050.152.1.32014年至2018年沧州市大气环境质量变化情况沧州市2014年至2018年二氧化硫、二氧化氮和可吸入颗粒物年平均浓度的监测数据见表2-4，由表作出大气环境质量变化图，见图2-5。由图2-5可知，二氧化硫浓度逐年递减，并在2018年达到最低值，为0.022mg/m³。二氧化氮浓度在小范围内上下波动，在2018年达到最低值，为0.042mg/m³。从图可以明显看出，这五年的空气首要污染物是可吸入颗粒物，但是总体呈现下降的趋势。表2-4沧州市2014年至2018年污染物年平均浓度值(单位：mg/m³)污染指标2014年2015年2016年2017年2018年二氧化硫0.0560.0460.0420.0370.022二氧化氮0.0500.0470.0540.0510.042可吸入颗粒物0.1880.1670.1510.1530.134图2-5沧州市2014年至2018年大气环境质量变化图2.2API评价空气污染指数(简称API)是指将大气污染物的浓度值化简为单一的指数形式，然后以数值大小为依据对空气污染情况和空气质量状况进行分级。在我国，把空气污染指数分为七个等级，根据我国城市空气质量日报API分级标准[17]，可以得到每个等级的API数值范围、空气质量级别和空气质量状况。空气污染指数越大，空气质量级别就越高，说明空气污染越严重，对人体健康的危害也就越大。下面给出API分级限值，如表2-5所示。表2-5空气污染指数对应的污染物浓度限值污染指数污染物浓度API（日均值）（日均值）（日均值）（小时均值）（小时均值）500.0500.0800.05050.1201000.1500.1200.150100.2002000.8000.2800.350600.4003001.6000.5650.420900.8004002.1000.7500.5001201.0005002.6200.9400.6001501.200计算空气污染指数的具体步骤：（1）基本计算公式：设为某一污染物的污染指数，为该污染物的浓度。则：（2-1）式中，与是在API分级限值表中值的两个临近值，为API分级限值表大于的限值，为小于的限值。同理，与是在API分级限值表中值的两个临近值，为大于的限值，为小于的限值。（2）计算全市API求某污染物每一测点的日均值（2-2）式中，为测点逐时污染物浓度，为测点的日测试次数。求某一污染物的全市日均值（2-3）式中，为全市的监测点个数。将各污染物的市日均值作为分别代入公式（2-1），所得数值为各污染物的API分指数。取其中的最大值为该市的空气污染指数。（3）全市主要污染物的选取最大的API分指数所对应的污染物为全市的首要大气污染物。（2-4）由监测数据和API计算公式，计算得到沧州市2014年至2018年的三项污染物的API分指数，选取其中最大的分指数，即可吸入颗粒物的API指数作为沧州市的空气污染指数API，说明2014年至2018年沧州市的首要污染物均为可吸入颗粒物。并根据对应的空气质量类别，给出空气质量状况，如表2-6所示。可看出，2018年空气质量为良，2014年至2017年空气质量均为轻微污染。同时，由于API值0-50对应环境空气质量的一级标准，50-100对应环境空气质量的二级标准，所可见只有2018年的大气污染满足了二级标准。表2-6沧州市各年度空气质量API指数评价结果污染指标2014年2015年2016年2017年2018年二氧化硫5346423722二氧化氮3129343226可吸入颗粒物11910910110292API指数11910910110292空气质量状况轻微污染轻微污染轻微污染轻微污染良排序542312.3综合污染指数评价空气污染综合指数公式[18]：（2-5）式中，为空气污染综合指数，为污染物的分指数，为污染物的年平均浓度值，为污染物的年平均的二级标准浓度限值，为大气污染物的项目数。空气综合污染指数分级标准表见表2-7。表2-7空气综合污染指数分级标准空气质量状况清洁轻污染中度污染较重污染严重污染综合污染指数把沧州市2014年至2018年的三种污染物年平均浓度值及其年平均的二级标准浓度限值代入公式（2-5），进而得到沧州市各年空气质量的综合污染指数，并对它们进行排序，结合表2-7，给出2014年至2018年沧州市的空气质量状况，结果如表2-8所示。由表2-8可知，沧州市在2014年的空气质量是最差的，其综合污染指数为4.8690，但空气污染指数逐年下降，2018年空气质量有十分显著的改善，综合污染指数降到3.3310，空气质量状况也从一直的中度污染变为轻污染。根据沧州市空气综合指数的排序可知，2014年到2018年沧州市的空气质量整体稳步好转。表2-8沧州市各年度空气质量综合污染指数评价结果年度（年）二氧化硫分指数二氧化氮分指数可吸入颗粒物分指数空气污染综合指数空气质量状况排序20140.93331.25002.68574.8690中度污染520150.76671.17502.38574.3274中度污染420160.70001.35002.15714.2071中度污染320170.61671.27502.18574.0774中度污染220180.36671.05001.91433.3310轻污染12.4模糊综合评价模糊综合评价法可以对事物进行科学定量评价，它是以模糊数学的隶属度理论为基础，对各因素影响进行量化处理，其可以比较综合的评价受多种指标影响的对象。因为该法得出的结果简单明了，分析结果也比较系统全面，所以经常用它来解决难以量化的非确定性问题[19]。2.4.1研究方法进行模糊综合评价法时，通常采用如下步骤：（1）选取评价指标，（2）确定评价等级（3）确立模糊关系矩阵根据评价指标，量化评价对象，得到隶属度，确立模糊关系矩阵：（2-6）本文采用降半阶梯形隶属度函数确定基于各级标准的每一指标的隶属函数，从而得到关系矩阵。下面解释隶属度的计算过程[20]：第Ⅰ级，即时，（2-7）第Ⅱ、Ⅲ、Ⅳ级，即时，（2-8）第Ⅴ级，即时，（2-9）上面各式中，代表污染的等级；代表第个评价因子的监测值；代表第个评价因子的第级标准；为第个评价因子对第级的隶属度。（4）确定评价因子的权重集采用超标倍数法计算各污染因子的权重系数[21]，这种方法常用在主因素突出赋权法中，并进行归一化处理，计算公式为：，其中为第个污染因子的各级评价标准均值；为第个污染因子的第级标准值；为第个污染因子的监测值；为第个污染因子的权重；（5）评价结果根据因子权重集和隶属度模糊矩阵，得出模糊综合判别模型，然后根据最大隶属原则，确定评判级别。（2-10）2.4.2结果与分析（1）建立评价指标集选取二氧化硫、二氧化氮和可吸入颗粒物作为影响沧州市空气质量的三个评价指标，因此，有。（2）建立评价集为了使评价结果更具备说服力，本文根据2012年中华人民共和国环境保护部颁布的GB3095—2012《环境空气质量标准》，并考虑了邯郸地区空气污染的实际情况，在原有空气质量的两级评价标准上进行扩展[22]，并细微调整了某些标准限值，最终得到如下评价集：，见表2-9。表2-9环境空气质量等级及对应的污染物项目浓度限值(单位：mg/m³)评价指标Ⅰ级优Ⅱ级良Ⅲ级轻度污染Ⅳ级中度污染Ⅴ级重度污染0.020.060.100.140.180.020.040.060.080.100.040.070.140.210.32（3）建立模糊关系矩阵根据隶属度的计算公式分别计算出各评价指标对每级评价标准的隶属度，进而建立模糊关系矩阵，具体见表2-10。表2-10模糊关系矩阵年度（年）2014（0.1,0.9,0,0,0）（0,0.5,0.5,0,0）（0,0,0.314,0.686,0）2015（0.35,0.65,0,0,0）（0,0.65,0.35,0,0）（0,0,0.614,0.386,0）2016（0.45,0.55,0,0,0）（0,0.3,0.7,0,0）（0,0,0.843,0.157,0）2017（0.575,0.425,0,0,0）（0,0.45,0.55,0,0）（0,0,0.814,0.186,0）2018（0.95,0.05,0,0,0）（0,0.9,0.1,0,0）（0,0.086,0.914,0,0）（4）建立污染因子的权重集各污染因子的权重值表征着其对空气质量的相对影响程度，将会对模糊综合评价结果产生直接影响，因此合理确定各评价指标的权重是非常重要的。本文采用超标倍数法，然后归一化的方法进行赋权，是因为这种赋权方法不仅能突出空气质量评价中的主要污染物，还可以对各个污染物标准值之间的差异有所体现，具体数据见表2-11。由表可得，2014年至2018年是沧州市大气中的主要污染因子。表2-11各污染因子的权重集年度（年）2014（0.215,0.321,0.464）2015（0.199,0.338,0.463）2016（0.184,0.393,0.423）2017（0.168,0.386,0.446）2018（0.124,0.393,0.483）（5）模糊综合评价结果根据公式（2-10），得到。根据最大隶属度原则，取中的最大值，即为沧州市空气质量的模糊综合评价结果，见表2-12。2014年为Ⅱ级，2015年至2018年为Ⅲ级，这与API评价与综合污染指数评价得出的空气质量级别结果相反。原因分析如下：2014年隶属向量中最大的是Ⅱ级为0.354，次之为Ⅳ级0.318，再者为Ⅲ级0.306，这三者相差甚少，但由于使用最大隶度原则，便损失了这一重要信息，导致评价结果的失误。表2-12沧州市各年度空气质量模糊综合评价结果年度（年）综合评价矩阵空气质量级别2014（0.022,0.354,0.306,0.318,0）Ⅱ2015（0.07,0.349,0.402,0.179,0）Ⅲ2016（0.083,0.219,0.632,0.066,0）Ⅲ2017（0.097,0.245,0.575,0.083,0）Ⅲ2018（0.118,0.401,0.481,0,0）Ⅲ2.5本章小结本章运用了多种空气质量的统计评价方法对沧州市2014年至2018年的空气质量进行了评价，包括综合统计评价、API指数评价法、综合指数评价法和模糊综合指数评价法，并将API指数评价法和综合指数评价法的结果汇总，如表2-13所示。表2-13不同评价方法的结果汇总年度（年）排序API指数法排综合指数法201455201544201623201732201811综合API指数评价法和综合指数评价法的结果，可发现沧州市整体空气质量在逐渐改善。第3章影响空气质量的气象因素分析及指标选取3.1气象因素分析影响大气污染的气象因素有许多，如空气湿度、气温、气压、大气湍流、风、能见度与太阳辐射等[23]。但是由于各个气象因素之间会产生相互作用，会导致实际情况更加复杂。本文基于各因素对大气污染物的扩散能力，选取风、大气湍流和大气稳定度进行对大气污染物的影响分析。3.1.1风的影响被排放到大气的污染物会随风飘移，可见是风向决定了污染物的流动方向。当一股浓烟从烟囱中排出，如果有微风经过，烟雾很可能会四处弥漫。但如果换作疾风，烟雾就会迅速消散，这反映了风速在一定程度上可以决定污染物的稀释能力，且风速与污染物的稀释能力关系为正相关，如果风速变大，污染物的稀释程度也会随之增强，最终污染物的浓度也会变低。同理，如果污染物长时间的处于无风或微风状态，扩散能力便会大大降低，就会导致污染物浓度持续升高[24]。3.1.2大气湍流的影响当污染物从烟囱里排放出时，烟流会在大气湍流作用下向四面扩散，最终消失在空气中。大气湍流是使污染物沿三维空间的方向漫延，而风的扩散作用仅仅是在长度的延伸。大气湍流是大气污染物的主要扩散动力，并且污染物的扩散能力与大气湍流的强度成正比[25]。3.1.3大气稳定度的影响大气的稳定度与对空气对流的产生有关，从而影响大气污染物的扩散效果。如果大气状态不稳定，则上空与下空的大气会产生温差，从而产生密度差，这便会出现强烈的空气对流，有利于污染物的扩散。反之，如果大气状态较为稳定，会出现逆温层，而它对空气对流造成阻碍，不利于污染物的扩散。当大气污染物因不易扩散而大量积累时，大气的污染物浓度会随之增加，当某些地区的大气污染物浓度处于特别高的水平时，就会造成大气污染事件，严重危害人类健康。一般来说，逆温层的出现与季节有关，在夏季偏弱，在冬季则较强。同时大雾天气的出现也与逆温层有着很大的关系[26]。此外，降雨和降雪也和大气污染有着密切关系。虽然雨雪对空气污染物有冲刷作用，但是不干净的雨水将会与二氧化硫等大气污染物混合相溶，这便会形成酸雨，从而造成二次污染。3.2气象因素指标的选取根据数据的可得性，选取气温、相对湿度、风级作为影响沧州市空气质量的三个气象因素，通过中国空气质量在线监测分析平台获取数据。3.3本章小结本章首先从气象因素对大气污染物的扩散效应出发，阐述了风、大气湍流和大气稳定度对空气质量的影响。其次，由数据的可得性，选取了三个影响沧州市空气质量的气象指标，分别是气温、相对湿度和风级。第4章气象因素对污染物浓度影响的分析4.1相关分析法4.1.1理论介绍Spearman秩相关是用等级相关系数rs来表征变量之间的直线相关关系的相关性，其基本思想是将对观察值分别由小到大编秩，表示的秩，表示的秩，表示变量秩排列的一致性情况。根据Spearman等级相关系数，可以得知两个变量的相关程度与相关方向：若其趋于1，则说明这两个变量正相关性较强；若其趋于-1，则说明这两个变量负相关性较强；若其趋于0，则说明这两个变量正相关性较弱[27]。4.1.2气象因素对污染物浓度影响的相关分析通过对数据的采集，得到沧州市2018年4月至12月份的气温、平均相对湿度和风级的监测数据及三种污染物的月平均浓度值见表4-1。表4-12018年4月份至12月份的气象因素与污染因子的原始数据2018年月份二氧化硫月均值（mg/m³）二氧化氮月均值（mg/m³）可吸入颗粒物月均值（mg/m³）气温（°C）平均相对湿度（%）风级4月0.0170.0330.140165725月0.0160.0310.113216016月0.0150.0290.099275117月0.0090.0230.077287318月0.0110.0280.078277619月0.0190.0460.0922162110月0.0240.0610.1281451111月0.0190.0600.207768112月0.0290.0580.1845791将表4-1中数据导入Spss中进行双变量相关性分析，选择Spearman秩相关系数，得到气象因素与污染因子的Spearman等级相关系数，见表4-2。表4-2气象因素与污染因子的等级相关系数气温湿度风级二氧化硫相关系数二氧化氮相关系数可吸入颗粒物相关系数由表4-2可知，三种污染因子与气温在置信度（双侧）为0.01时均是负相关的，呈现显著负相关关系，相关系数分别为-0.924，-0.899和-0.924。沧州市夏季空气质量良好，冬季大量的取暖煤炉和民用煤炉释放二氧化硫和排放粉尘，从而提高了污染物浓度，使得空气质量下降。三种污染因子与湿度相关性较小，相关系数分别为为-0.034，-0.201和-0.084，二氧化氮与湿度的相关性相对较大。只有可吸入颗粒物与风级有较小的相关性，相关系数为0.274，二氧化硫、二氧化氮与可吸入颗粒物均无相关性。4.2灰色关联分析法由于根据Spearman秩相关系数做出的相关分析只能说明变量之间的线性相关性，对于存在非线性相关的变量间的相关关系的分析，接下来采用灰色关联分析方法进行进一步的研究。4.2.1理论介绍关联程度是指两系统间的因素随时间等对象而变化的关联性大小的量度。若两个因素同步变化程度较高，则两个因素的关联程度较高；反之，则较低。灰色关联分析方法可以定量地表示各个因素之间的关联程度，进而得出灰色系统的主要特征[28]。计算步骤如下[29]：（1）确定分析数列参考序列是指反映系统行为特征的数据序列，比较序列是指影响系统行为的因素组成的数据序列。设参考序列（又称母序列）为，比较序列（又称子序列）为。（2）变量的无量纲化在计算关联系数时，对单位不同，初值不一的序列要进行无量纲化处理，将变量化为无单位的相对数值，方法是把该序列的所有数据均除以第一数据。（3）计算关联系数关联系数可以表示各时刻比较序列与参考序列间的关联程度。比较序列对比较序列在时刻的关联系数定义为：（4-1）式中，和分别是两级最小差和最大差，称为分辨系数，并且越大分辨率越大，一般采用。（4）计算关联度关联度是关联系数的时间平均值，能在总体上反映序列间的关联程度：（4-2）（5）优势分析当参考序列（母因素）不止一个，比较序列（子因素）也不止一个时，需要进行优势分析。设有m个参考序列，记为，有个比较序列，记为，则这个比较序列对每一个参考序列都有个关联度，记表示比较序列对参考序列的关联度，可得到关联度矩阵。根据矩阵的各元素的大小，可分析判断出哪些因素是优势因素（起着主要影响）；当某一列元素大于其他列元素时，称此列对应的因素为优势子因素[30]。4.2.2气象因素对污染物浓度影响的灰色关联分析（1）确定参考序列和比较序列，污染因子二氧化硫、二氧化氮和可吸入颗粒物为参考序列，气象因素气温、平均相对湿度和风级为比较序列。（2）将序列的所有数据分别除以第一数据的方法进行无量纲化处理。（3）利用Matlab计算出灰色关联度，最终结果如表4-3所示。表4-3气象因素与污染因子的灰色关联度气温平均相对湿度风级二氧化硫0.56290.77220.6558二氧化氮0.55580.70270.5837可吸入颗粒物0.52880.72000.7144由表4-3可知，对三种污染因子的影响由大到小的气象因素分别是平均相对湿度、风级、气温。可见平均相对湿度是这三种污染因子的首要影响因素。空气中的平均相对湿度随着降水量的增多而增加，使得污染物浓度降低，空气质量上升。其中风级对可吸入颗粒物的影响远大于对二氧化硫和二氧化氮的影响，这与Spearman秩相关分析的结果一致，说明风级的大小对可吸入颗粒物的扩散作用更强，风速越大，可吸入颗粒物的扩散越快，导致其浓度越低。4.3本章小结本章利用Spearman秩相关系数和灰色关联度对三种气象因素与三种污染因子之间的相关性进行了分析。由于气象因素与污染因子的相关性存在非线性相关，因此由灰色关联分析得出的结果更为准确。可以得出平均相对湿度是这三种污染因子的首要影响因素，是因为空气中的平均相对湿度主要由降水量所决定，而降水越多，大气污染物浓度就越低，空气质量也就随之变好。同时发现风级对可吸入颗粒物的影响远大于对二氧化硫和二氧化氮的影响，这与Spearman秩相关分析的结果一致，这说明了相对于二氧化硫和二氧化氮来说，风级的大小对可吸入颗粒物的扩散作用更强。第5章沧州市空气质量预测5.1沧州市空气质量的时间序列预测理论上讲，历史数据越多，时间序列的预测就会越稳定。本文选择沧州市2013年12月至2018年12月的二氧化硫、二氧化氮和可吸入颗粒物的月平均浓度值作为历史数据，来预测2019年1月至2019年12月这三种污染物的浓度月平均值。原始数据见表5-1。表5-1部分原始数据（单位：）月份二氧化硫二氧化氮可吸入颗粒物2013年12月132893082014年1月118712802014年2月78632322014年3月65682182014年4月43601752014年5月51531742014年6月34361412018年56月1327892018年7月821692018年8月1026702018年9月1742842018年10月22551182018年1112月2957173首先，在创建预测模型时，需要定义数据的时间序列和标记。其次，做出时间序列图。二氧化硫、二氧化氮和可吸入颗粒物的时序图如图5-1所示，可以看出，三组数据在12月份数值比较大，8月份数值比较小，三个序列都有着很强的季节特征。由图5-1可以初步判定这三个序列均是不平稳的。并且根据三种污染物的浓度月平均值的自相关和偏自相关图（图略），可知三组数据的自相关函数和偏自相关函数没有衰减到0，得到这三个序列是非平稳序列。图5-1二氧化硫、二氧化氮和可吸入颗粒物的时序图根据模型的各个统计量值，来判断拟合效果。可决系数越高，平稳R方值越高，正态化的BIC值越小，说明模型拟合的效果越好。杨-博克斯Q（18）统计量是对模型中残差误差的随机检验，当其显著性小于0.05时说明残差误差不是随机的。5.1.1二氧化硫的时间序列预测在SPSS中，对于时间序列的预测，共有三大类预测方法，分别是专家建模器、指数平滑法和ARIMA模型。本文采用的是专家建模器，选择所有模型，并考虑季节性因素，选择年份和月份为自变量，二氧化硫浓度值为因变量，得出二氧化硫的预测模型为温特斯乘性。模型的统计量如表5-2所示。其中，平稳的R方为0.630，R方（可决系数）为0.905，说明模型可以解释原来序列中的90.5%的信息。正态化的BIC值为4.655，值是很小的。杨-博克斯Q（18）统计量的值为24.434，是显著的，同时没有离群值的出现，这些都说明模型拟合效果比较理想。表5-2二氧化硫预测模型的统计量模型模型拟合统计量杨-博克斯Q（18）离群值平稳R方R方正态化BIC统计量显著性温特斯乘性.630.9054.65524.434.0580选择95%的置信区间宽度，其预测结果如图5-2所示，其具体预测值见表5-3。图5-2二氧化硫的简单季节性模型拟合效果和预测图表5-3温特斯乘性模型预测的二氧化硫的2019年月浓度值（单位：）模型1月2月3月4月...8月9月10月11月12月二氧化硫预测38271814...8891224UCL57463733...2828323868LCL208-1-5...-12-13-13-14-20把2019年1月至4月的温特斯乘性模型预测的二氧化硫浓度值与已知的实际数值进行误差比对，并计算出各个月份的相对误差，见表5-4。温特斯乘性模型总体的平均相对误差为23.803%。表5-4二氧化硫浓度预测值与实际值误差比对年份预测值实际值相对误差2019年1月383411.76%2019年2月272128.57%表5-4（续表）年份预测值实际值相对误差2019年3月181428.57%2019年4月141926.31%5.1.2二氧化氮的时间序列预测同理，专家建模器给出的二氧化硫的预测模型为简单季节性，模型统计量如表5-5所示。其中，平稳的R方为0.654，R方（可决系数）为0.866，说明模型可以解释原来序列中的86.6%的信息。正态化的BIC值为3.708，值是很小的。杨-博克斯Q（18）统计量的值为9.639，是显著的，同时没有离群值的出现，这些都说明模型拟合效果比较理想。选择95%的置信区间宽度，其预测结果如图5-3所示，其具体的预测值见表5-6。表5-5二氧化氮预测模型的统计量模型模型拟合统计量杨-博克斯Q（18）离群值平稳R方R方正态化BIC统计量显著性简单季节性.654.8663.7089.639.8850图5-3二氧化氮的简单季节性模型拟合效果和预测图表5-6简单季节性模型预测的二氧化氮的2019年月浓度值（单位：）模型1月2月3月4月...8月9月10月11月12月二氧化氮预测58404035...2028434861UCL70555753...4555707791LCL46262316...-52151931把2019年1月至4月的简单季节性模型预测的二氧化氮浓度值与已知的实际数值进行误差比对，并计算出各个月份的相对误差，见表5-7。简单季节性模型总体的平均相对误差为13.645%。表5-7二氧化氮浓度预测值与实际值误差比对年份预测值实际值相对误差2019年1月58626.45%2019年2月40412.44%2019年3月403225.00%2019年4月352920.69%5.1.3可吸入颗粒物的时间序列预测专家建模器给出的可吸入颗粒物的预测模型为温特斯加性，模型统计量见表5-8。其中，平稳的R方为0.668，R方（可决系数）为0.762，说明模型可以解释原来序列中的76.2%的信息。正态化的BIC值为6.954，且没有出现离群值。但是杨-博克斯Q（18）统计量的值为34.192，是不显著的，模型拟合效果不是特别理想。表5-8可吸入颗粒物预测模型的统计量模型模型拟合统计量杨-博克斯Q（18）离群值平稳R方R方正态化BIC统计量显著性温特斯加性.668.7626.95434.192.0030选择95%的置信区间宽度，其预测结果如图5-4所示，其具体的预测值如表5-9所示。图5-4可吸入颗粒物的简单季节性模型拟合效果和预测图表5-9温特斯加性模型预测的可吸入颗粒物的2019年月浓度值（单位：）模型1月2月3月4月...8月9月10月11月12月可吸入颗粒物预测190136119114...6071101132197UCL248195178173...121132162194259LCL131776054...0103971135把2019年1月至4月的温特斯加性模型预测的可吸入颗粒物浓度值与已知的实际数值进行误差比对，并计算出各个月份的相对误差，见表5-10。温特斯加性模型总体的平均相对误差为14.985%。表5-10可吸入颗粒物浓度预测值与实际值误差比对年份预测值实际值相对误差2019年1月19022515.56%2019年2月13621737.33%2019年3月1191222.46%2019年4月1141094.59%5.2本章小结本章运用时间序列预测方法预测了2019年度二氧化硫、二氧化氮和可吸入颗粒物每个月份的月均值浓度，并且将其与真实值进行比较，从得出的各个月份相对误差以及模型的总体相对误差，可以发现误差比较小，说明预测效果较好。预测得出的三个不同的模型也具有明显的季节性特征，并将三个污染物的2019年各月份的预测数值与往年同期月份的浓度值对应地进行比较，可知污染物的浓度值均有所下降，可以得出沧州市空气质量有逐渐好转的趋势。依据时间序列预测方法对沧州市未来的空气质量进行预测，这可以帮助政府有关部门制定相应的控制污染排放的政策，也为月污染治理资金的流向提供了较好的参考价值。将大气污染比较严重的月份作为重点控制对象，可以适当增加污染治理资金的投入。同时把预测结果反馈给污染严重的企业，如钢铁冶炼厂，可以加快企业有关污染物排放方面的技改进度。结论本文将常规污染因子二氧化硫、二氧化氮、可吸入颗粒物作为研究沧州市空气质量的三个因子，对三个污染因子按照季节、月份和年份的变化情况及达标状况进行了分析，并采用三种空气污染评价方法对沧州市空气质量进行综合评价。随后对沧州市空气质量气象影响因素进行相关分析和灰色关联分析。最后对三种污染因子建立时间序列模型，进行时间序列预测，得出以下结论：（1）沧州市城区空气质量2014污染较严重，但逐年有所好转，这说明沧州市至少在2014年就已经开始注重空气的环境保护问题，使大气污染状况有所改善，2016年达到较好，2018年至今保持良好。（2）根据灰色关联法得到沧州市空气质量的首要气象影响因素为可见平均相对湿度。空气中的平均相对湿度随着降水量的增多而增加，使得污染物浓度降低，空气质量上升。其中风级对可吸入颗粒物的影响远大于对二氧化硫和二氧化氮的影响，这与Spearman秩相关分析的结果一致，说明风级对可吸入颗粒物的扩散作用更强。（3）利用SPSS时间预测分析的专家建模器，分别得到三个时间序列的拟合模型和预测结果，通过将预测值与实际值的误差对比，得出模型预测效果比较好。二氧化硫、二氧化氮与可吸入颗粒物2019年各月份的预测浓度值分别与往年相同月份实际数值进行比对，可以发现，三种污染物浓度均有所下降，说明沧州市大气污染情况总体呈好转趋势。本文在前人的基础上对沧州市的空气质量及影响因素进行了研究，但受到多种条件的限制，研究仍存在许多不足之处。如受数据收集的限制，对各功能区和监测点未进行分析，且对影响因素的研究只研究了气象因素，气象因素也只考虑了三个因素，其他因素并未考虑。改进大气监测技术、增加监测数据可进一步提高研究的精度。接下来还可以再对影响空气质量的其他因素进行进一步研究，并且可以用其他方法对空气质量进行预测分析。参考文献BuckleySM,MitchellMJ.ImprovementsinUrbanAirQuality:CaseStudiesfromNewYorkState,USA[J].WaterAir&SoilPollution,2011,214(1):93-106.HamiltonC,TurtonH.DeterminantsofemissionsgrowthinOECDc