APEC前后北京市空气质量对比

焦嫚，王宏，吴涛武

(华北理工大学 理学院，河北 唐山 063009)



APEC前后北京市空气质量对比

焦嫚，王宏，吴涛武

(华北理工大学 理学院，河北 唐山 063009)

APEC；模糊综合评价；空气质量；权重；隶属度

根据北京市环境保护监测中心的监测数据和国家环境空气质量标准，选取PM2.5，PM10，SO2，NO2作为评价指标，通过建立各污染因子的隶属函数和权重集，运用模糊综合评价的方法对北京市2014年10月及11月进行了空气质量评价及比较。结果表明，影响北京市空气质量的主要污染因子为PM2.5，PM10，其次是NO2，SO2对于空气污染的作用最小。APEC会议期间采取的“机动车辆限行”、“上百家企业停限产”、“建筑施工工地停工”等措施能够有效地控制大气中PM2.5的含量，改善空气质量。空气质量评价结果客观地反映了北京市的空气质量状况，从而为改善和治理大气污染提供理论依据。

根据中国气象局的数据显示，自2013以来，全国平均雾霾天数为52年来之最。在中国最大的500个城市中，只有不到1%达到了世界卫生组织推荐的空气质量标准；世界上污染最严重的10个城市之中有7个在中国[1]。目前，雾霾现象频发已成为极其重要的城市大气环境问题，这不仅困扰着人们的工作和生活，其所伴随的空气污染还严重危害了人们的身心健康。

空气质量评价有许多种方法，包括人工神经网络法[2,3]、关联分析法[4,5]、环境质量指数法[6]、模糊综合评价法[7,8]等。随着社会经济的发展，空气质量受人类活动的影响越来越复杂，其中存在许多具有模糊性和不确定性的因素和现象，导致空气质量影响评价的识别和度量存在模糊性。模糊综合评价法具有结果清晰、系统性强的特点，能够满足大气中各污染因子间的随机性和模糊性，从而客观、合理地评价空气质量。所以本文选用模糊综合评价法，选取各污染因子为评价指标，并赋予各指标相应的权重值，确定隶属度函数，综合评价北京市的空气质量，并针对“APEC蓝”现象，对北京市2014年10～11月的空气质量进行对比分析，为大气污染治理提供依据。

1模糊综合评价原理与步骤

1.1模糊综合评价的数学模型

1.2模糊综合评价步骤

模糊综合评价步骤[7]如下：

(3)建立模糊综合评价矩阵。

对于每一个指标ui来说，建立单因素评判： (ri1,ri2,ri3,…,rim)

即rij(0rij1)表示ui属于vj的程度级别，于是就可以得到单因素评判矩阵:R=(rij)n×m。

(4)综合评判

2基于模糊综合评价方法的北京市空气质量评价

2.1建立评价指标集

数据来源：国家环境监测总站提供的北京市2014年11月空气质量单项污染因子PM2.5、PM10、SO2、NO2的24h平均浓度数据，如图1所示：

图1　2014年11月北京市各污染物实测值

2.2评价标准

根据新出台的《环境空气质量标准》(GB3095—2012 )[10]，并结合《环境空气质量标准》(GB3095 —1996)[11]将北京市的空气环境质量分为以下4个等级，如表 1所示：

其中，1级表示清洁、2级表示轻度污染、3级表示中度污染、4级表示重污染。因此 ，确定模糊评价集 ={清洁，轻度污染，中度污染，重污染}。

表1　污染集划分标准(μg/m3)

2.3确定权重矩阵

(1)

其中：xi为采集的第i种污染物的实际监测值；

si为污染物i的各个级别浓度标准的算术平均值；

根据上述公式可以计算得出北京市2014年10～11月各污染因子的权重值，结果如图2所示。

从图中可以看出，影响北京市空气质量的主要污染因子为PM2.5，PM10，其次是NO2，而SO2对于空气污染的作用最小。同时，2014年11月北京市PM2.5在各项污染因子中所占权重较10月份明显下降，这说明北京市在召开APEC会议期间，所采取的“机动车辆限行”、“上百家企业停限产”、“建筑施工工地停工”等政策有效地控制了大气中细微颗粒物的含量。SO2含量最少主要体现了近年来北京市实施节能减排措施，鼓励企业燃煤烟气脱硫，同时使用清洁能源代替传统燃煤能源。

图2　北京市2014年10～11月各污染因子平均权重

2.4确定污染物隶属函数

隶属函数用来描述污染因子的浓度与各空气质量等级之间的函数关系。由于空气质量的好坏是一个相对模糊的概念，空气质量分级的标准也是模糊的，故采用隶属度rij来划分空气质量等级是合理的。

本文隶属函数采用降半阶梯形隶属度函数[13]，计算污染物隶属度。

属于第1级，即j=1时的空气质量的隶属函数为：

(2)

属于第2、3级，即当j=2,3,…,n-1时，空气质量的隶属函数为：

(3)

属于第4级，即j=n时，空气质量的隶属函数为：

(4)

式中，j代表空气质量等级，j=1,2,3,4；

xi代表第i种污染物的实测值；

sij代表第i种污染物的第j级标准值；

rij代表第i种污染物对第j级的隶属度。

把每天的各污染因子相应的数据依次带入上面公式(1)～(3)中，可得到其对应隶属度，然后就可以建立起每天的模糊评价矩阵，模糊矩阵R是一种对各级隶属度评价的转化关系。即：

(5)

以北京市2014年11月1日为例，代入数据计算得模糊矩阵为：

(6)

其中，PM2.5的浓度为2级标准达到55%的程度，PM10的浓度为1级标准达到86.67%的程度，SO2的浓度为1级标准达到 100% 的程度 ，NO2的浓度为1级标准达到 100%的程度 。

2.5确定模糊综合评价矩阵B

在求得权重W和隶属度R之后，将污染物的监测值代入到对应隶属函数，可以计算出模糊综合评价矩阵B，即：

其中，W中wi(i=1,2,3,4)表示每日污染因子对于总体污染作用的权重大小；R中rij,(i,j=1,2,3,4)表示污染因子对于j级空气质量等级的隶属度。

本文对于模糊综合评价矩阵B的计算采用“·(乘 )和∨(并 )”算子，即先利用矩阵乘法然后取最大的模糊矩阵复合运算的方法。然后再根据最大隶属度原则，如果模糊综合评价矩阵B=(b1,b2,b3,…bn)中存在着bj=max(b1,b2,b3,…,bn)，于是就可以得到该评价对象的级别为第j级。

3模糊数学评价结果分析

根据以上计算方法得到北京市2014年 11月份每天空气质量计算结果，如表 2所示，以及空气质量变化走势图和空气质量等级描述图，如图3(a)和(b)所示。通过对表 2 和图3(a)、图3(b)的综合分析可以看出，在APEC会议期间北京市空气质量一直处于1级，属于清洁状态； 在APEC结束之后，空气污染等级逐渐回升，空气质量达到污染、甚至重污染状态。可见，2014年11月北京市在召开APEC会议期间，采取“机动车辆限行”、“上百家企业停限产”、“建筑施工工地停工”等政策对于空气质量的改善有明显作用。另外，此结果也能够说明空气污染确实和较高的排放密切相关。

表2　2014年11月空气质量的综合评价结果

(a)　隶属度描述　　　　　　　　　　　　　　　　(b)　等级描述

4结论

(1)在2014年10月份，北京市主要污染因子为PM2.5，其次是PM10、NO2，最后是SO2。11月份，主要污染因子为PM10、PM2.5污染权重明显下降，表明在召开APEC会议期间，采取的“机动车辆限行”、“上百家企业停限产”、“建筑施工工地停工”等政策有效的控制了大气中细微颗粒物的含量。

(2)2014年10月，北京市空气质量有16 d处于不同程度污染状态，2014年11月初，至APEC会议结束期间，北京市空气质量等级均为1级，均为清洁状态，APEC会议结束之后，北京市空气质量再次恢复污染状态。这表明空气污染确实和较高的污染物排放密切相关，APEC会议期间采取的严控措施能够有效地维持空气质量。这为我国长期的空气污染防治工作提供了借鉴作用。

[1]张庆丰，罗伯特·克鲁克斯.迈向环境可持续的未来——中华人民共和国国家环境分析[M].北京：中国财政经济出版社，2012.

[2]邹长武，熊建秋. 大气环境质量分析与评价研究的新进展 [J]. 四川环境，2002，(03):17-19.

[3]白晓平，李红，张启明，等.人工神经网络在空气污染预报中的研究进展[J]. 科技导报.2006，(12):77-81.

[4]袁东，付大友，袁基刚. 聚类分析法在大气环境质量评价中的应用[J]. 四川理工学院学报:自然科学版.2004，(Z1):169-175.

[5]马艳琴.改进的灰色聚类关联分析法在大气质量评价中的应用[J]. 山东轻工业学院学报:自然科学版).2013(02):63-66.

[6]厉彦玲，朱宝林，王 亮，等.基于综合指数法的生态环境质量综合评价系统的设计与应用[J].测绘科学.2005，(01):89-91.

[7]张伟，崔靖，曹鹏.模糊综合评价法在大气环境质量评价中的应用[J]. 广州化工.2012，(23):117-119.

[8]张春娜，李良玉. 唐山市大气环境质量的模糊数学综合评价[J]. 中国农学通报.2012，(35):192-196.

[9]梁保松，曹殿立.模糊数学及其应用[M]. 北京:科学出版社，2007.

[10]GB 3095 -2012. 中华人民共和国环境空气质量标准[S]. 北京:中国环境科学出版社，2012.

[11]GB 3095 -1996. 中华人民共和国环境空气质量标准[S]. 北京:中国环境科学出版社，1996.

[12]何再超，郑钦玉，卢坤，等.重庆市大气环境质量的模糊数学综合评价[J]. 西南农业大学学报:自然科学版.2005，(03):397-400.

[13]魏毅. 基于模糊数学的大气环境质量综合评价[J]. 四川环境，2012(03):61-64.

Analysis and Comparison of Air Quality in Beijing before and after APEC

JIAO Man, WANG Hong, WU Tao-wu

(College of Science,North China University of Science and Technology,Tangshan Hebei 063009,China)

APEC;fuzzy comprehensive evaluation;air quality;weight;membership

According to the monitoring data presented by Beijing environmental protection monitoring center and the National Ambient Air Quality Standard, this paper selects PM2.5 , PM10, SO2, NO2as evaluation indexes. Through the establishment of the pollution factor set of membership functions and weight, the fuzzy comprehensive evaluation method was used to evaluate and compare the air quality between October and November of 2014 in Beijing. The results shows that the main pollution factors which influence the air quality of Beijing are PM2.5 and PM10, followed by NO2, yet SO2makes the least contribution to air pollution. Measures taken during APEC, including "motor vehicle limit line"," hundreds of enterprises stop and limit production ", "shutdown construction site" and so on, can effectively control the content of PM2.5 in atmosphere, which have improved the air quality. Result of air quality evaluation objectively reflects Beijing's air quality, so as to provide theoretical basis for the improvement and management of atmospheric pollution.

2095-2716(2015)04-0127-06

X823

A