基于大气特征污染物的监测布点选址优化研究

秦怡雯，钱 瑜，荣婷婷 （南京大学环境学院，污染控制与资源化研究国家重点实验室，江苏 南京 210023）

基于大气特征污染物的监测布点选址优化研究

秦怡雯，钱 瑜*，荣婷婷 （南京大学环境学院，污染控制与资源化研究国家重点实验室，江苏 南京 210023）

针对常规大气环境监测未能对局部特殊污染情况进行表征的缺陷，提出基于特征污染物的监测布点选址优化方法:首先运用综合评分方法筛选区域大气特征污染物，然后建立综合了环境、经济和社会因素的多目标规划模型，并通过模糊层次分析法计算各子目标权重系数，最后应用lingo软件对模型优化求解，得到最优的监测点位布设方案.以南京市仙林地区为案例研究的结果表明，基于大气特征污染物的监测布点多目标模型能够得到较合理的优化点位布局，在3种情景中，选择的最优点位分别为25#、43#， 25#、43#、54#和25#、43#、54#、77#，为实际大气环境监测优化布点提供科学指导.

大气特征污染物；环境监测；优化布点；多目标规划模型

在工业化和城市化进程不断加重城市大气环境负担的背景下，大气污染问题正受到前所未有的关注和重视.大气环境监测是大气环境保护和大气污染治理的先导，能够准确、及时地反应大气环境质量及发展趋势，而点位布设则是大气监测的第一个基本环节.目前，进行大气监测点位布设和优化的方法可以归结为经验法、统计法［1］、模型法［2-3］和综合法［4］.

鉴于大气中污染物存在的时空变化规律，而城市大气监测点功能相对单一，随着未来环境保护投入的不断增加，在公众关心的敏感地区和特殊时期设置一些短期或长期的监测点位成为大气质量监测的发展趋势［5］.在开展这一类监测工作时，必须根据区域污染特征和当地实际的社会经济因素，从多种污染物中选取主要特征污染物进行监测，以确保监测因子对当地环境空气质量的充分代表性，克服针对常规污染物的大气监测难以满足公众了解详尽环境空气质量状况的需求.

本研究以南京市仙林地区为研究案例，针对区域内亟待解决的突出大气污染问题，通过筛选区域大气特征污染物，综合考虑区域内环境、经济和社会因素，构建多目标规划模型，计算获得监测布点优化方案，为决策者提供更准确、及时的大气环境污染信息，从而更有效地进行该区域的大气环境保护与大气污染治理工作.

1 基于大气特征污染物的监测布点选址优化方法

1.1 监测布点选址优化方法流程

方法流程分为3个部分:第1部分为基础资料的收集与处理，包括污染源分布、地形资料、气象资料、用地类型等；第2部分以筛选出的特征污染物为基础，构建监测布点多目标规划模型及其子目标体系，并确定各子目标权重系数；第3部分为模型的优化求解，确定监测点位的布局.方法流程如图1所示.

图1 基于大气特征污染物的监测布点优化方法流程Fig.1 Method procedure for characteristic pollutants based optimization for atmospheric monitoring sites

1.2 特征污染物的筛选方法

特征污染物是指能够反映环境中所存在的污染物中具有代表性的部分，能够反映环境的污染程度，一般可以理解为含量较大的污染物或者是对环境质量有较大影响的污染物，若某种污染物对人体的健康有很大的影响或危害，亦可将其视为特征污染物［6］.常规污染物大气监测主要从宏观上反映大气环境的污染程度，而特征污染物则能够从微观上反映局部特殊污染情况，筛选出最能表征区域大气环境质量的污染物，是区域大气环境监测的重要环节.

特征污染物的筛选方法主要有:评分排序法［7］，Hasse图解法［8］，潜在危害指数法［9］和综合评价法［10］等.前3种方法通常用于衡量化学物质本身的毒性和环境行为，在筛选区域特征污染物时，需综合考虑化学物质本身的性质及其在环境中的残留现状.针对研究区域实际污染特征，构建特征污染物筛选综合评分体系，通过对各化学物质分级赋分，按得分高低对各化学物质排序.

1.3 大气环境监测布点方法

环境监测点位的布设通常要求尽可能准确、完整地反应环境的污染水平以及变化规律和趋势，这一直是国内外监测布点研究的热点问题之一，主要采用的方法可以归结为经验法、统计法、模型法和综合法，目前较为常见的有物元分析法、密切值法和系统聚类法等.

上述方法虽各有特色，但均存在一定局限性，监测布点的优化是一个复杂的系统问题，环境因子是布点方案优选的决定性因素，而上述方法忽略了经济和社会因素对布点方案的影响.为此，许多学者研究了在多个影响因素下监测布点的优化问题:Shei［11］构建的工业园区大气监测点位选址原则有:化学物质的检出频次，化学物质的累积效应，受工业园区的影响大小，监测覆盖面积，受保护人群.Tseng［12］提出大气监测点位应布设在符合以下条件的位置:人口密集的区域，出现污染物浓度峰值的区域，污染物超标率高的区域，经济显著增长的区域，距离主要工业污染源近.而覆盖北美洲3个国家（加拿大、美国、墨西哥）的4300个监测点位，其选取条件主要有:人口、机动车数量、污染物排放密度、污染物浓度以及人口暴露指标［13］.

本研究采用多目标规划方法来解决监测布点优化的复杂问题.多目标规划是运筹学的一个分支，用于研究多个目标函数在给定约束条件下的最优化.在进行决策时，决策者需要考虑多个相互补充或者是相互对立的目标，通过构建并求解多目标规划模型来解决这一类复杂的问题，能够得到基本上满足所有目标的结果.多目标规划的数学模型如下:

hj（x） = 0， j=1，2， ……， q （4）

式中: ƒ1（x）， ……， ƒm（x） （m≥2） 是m个目标函数，ɡi（x）和hj（x）分别为i和j个约束函数.

2 基于多目标规划优化布点模型

2.1 目标函数

大气环境监测的优化布点需要统筹兼顾环境、经济、社会各方面因素，这样优选出的方案才能更具有现实意义，本研究将目标函数划分为环境子目标、经济子目标和社会子目标，如图2所示.

构建的目标函数需兼顾环境、经济、社会3个子目标，满足约束条件的同时，使得总目标函数值最大，目标函数可表示为:

式中:pi∈｛0，1｝，当p网格被选中时取1，否则为0；zij第i个网格第j个子目标值无量纲化后的标准值； Wj子目标j的权重系数； n1最少监测点数； n2最多监测点数； Rab任意两监测点间距离； Rc监测点间限制最小距离.

图2 大气环境监测布点指标体系Fig.2 Index system for optimization of atmospheric monitoring sites

2.1.1 环境子目标 环境子目标包括大气环境综合损失率、受工业污染源影响程度以及公众大气污染投诉量三项指标.

（1）大气环境综合损失率

污染损失率法是环境质量综合评价方法的一种，利用污染物对环境质量的损害程度来进行环境质量评价，根据詹姆斯污染-损害曲线，即污染程度与污染物对环境的危害、损失关系呈S型曲线关系，当污染损失在一定范围内随着污染物浓度的上升迅速增加，当污染达到一定程度，损失趋于平缓，第i种污染物对环境的污染损失率可表示为:

式中: Ci为第i种污染物的浓度； ai、bi为待定参数，由第i种污染物的特性确定.

从式（6）可以看出，Ri随着Ci的增大而增大，且0＜Ri＜1.通常假定污染浓度为临界浓度时，污染损失率为1%，污染浓度达到极限状态时，污染损失率为99%，而极限浓度根据实际情况可取临界浓度的5～20倍.设大气中共有n中污染物，其对大气环境质量造成损失R，成为综合损失率.在忽略各种污染物间的协同和拮抗条件下，综合污染损失率可表达为:

（2）受工业污染源影响程度

一个地区的工业污染源对区域的环境空气质量影响较大，风向及其风频往往是决定污染物浓度和影响范围的关键因素之一.处于污染源下风向，且距离污染源距离越近，则其受污染源影响越大.以污染源下风向90°角扇形区域为受影响区域，并以距离污染源距离划分受影响程度.

（3）公众投诉量

公众投诉量反应了公众对该区域环境质量的满意程度，能够间接反应该区域的大气环境质量状况.

2.1.2 经济子目标 经济子目标包括人均年收入指标，研究表明，收入越高的群体的环境意识和支付意愿更高，则对环境监测质量的需求也更高［14］.

2.1.3 社会子目标 监测点位的选取需以保护最大限度地人口数量为目标，特别关注区域内大气环境敏感点的分布，如人口密集的学校、住宅区等.社会子目标包括该网格人口总数和用地类型两项指标.

2.1.4 标准化 由于属性单位不同、数量级上的差异，难以对不同的子目标指标属性进行比较分析，这就需要把各指标值进行标准化，无量纲化并统一变换到［0，1］范围内.对原始数据进行先行变换，其公式为:

式中: x’为标准化数据；x为原始数据；xmin为某指标的最小值；xmax为某指标的最大值.

2.2 约束条件

（1）确定最少和最多监测点数.理想的监测点位必定是越多越好，然而在实际中，必须考虑一系列的现实条件.根据《环境空气质量监测点位布设技术规范（试行）》（HJ 664-2013）［15］中的布设监测点数的要求确定最少监测点数，并根据经济成本约束确定最多监测点数.

（2）限制任意2个监测点位的最小距离.相邻监测点距离太近可能会造成监测信息存在冗余，这是对资源的一种浪费.合理确定一个监测点的监测范围，可以保证从最大程度上获得有用的监测数据.

指标权重系数的确定是多目标决策的一个重要环节，权重系数的确定方法有专家调查法、Delphi法、层次分析法、TOPSIS法、信息熵法等.其中，层次分析法由于思路简单，运算方便，能够与人们的价值判断推理相结合，是实际应用中使用最多的方法之一.

在运用层次分析法构造判断矩阵时，由于主观因素和客观事物本身的模糊性和不确定性，运用三角模糊数的形式给出判断值更符合现实的情况.一般地，三角模糊数可记为M=（l，m，u），构造的互补判断矩阵中三角模糊数中值m的取值与Satty提出的1～9标度相对应［16］，模糊标度（0.1～0.9）标度法的含义见文献［17-18］.对子目标集合｛X1，X2，X3｝给出三角模糊数互补判断矩阵，根据模型（9）求解［19］:

虽然在实际决策过程中所给的三角模糊数互补判断矩阵往往并不是完全一致的，但在优化模型中已引入偏差函数，且认为目标函数之间没有偏好关系，故不需对判断矩阵进行一致性检验［18］.

模型（9）可利用LINGO软件求解，文献［20］给出的公式计算子目标集合｛X1，X2，X3｝对应的权重系数｛ω1，ω2，ω3｝，α的值取决于决策者的风险态度，当α＞0.5时，称决策者是追求风险的；当α=0.5时，表示决策者是风险中立的；当α＜0.5时，表示决策者是厌恶风险的.

2.4 模型求解

上述多目标规划模型属0-1整数规划模型，目前完全枚举法是0-1规划最普遍的解法，即检查变量取值0或1的每一种组合，通过检验每个解的可行性，但凡符合全部约束条件者均为可行解.但是完全枚举法需要检查2i个可能的解（i为决策变量的数目），当变量较大时，计算量将相当大.为了弥补完全枚举法的缺陷，Balas在1965年提出了隐枚举法，根据已有信息，自动舍弃不可能成为最优解的组合，从而大大减少了工作量.

本研究选择lingo软件运用隐枚举方法进行优化求解.

3 案例研究

研究区域位于南京市栖霞区东部，主要范围北至312国道，西至绕城高速，东、南则以栖霞行政区为界，区域面积近34km2，人口约为28万.研究区内驻有12所知名高校，作为南京市重要的科技创业源、高新技术产业基地，该区域已逐步成为创新发展的“发动机”和“智慧核”，区域层次及发展要求的提高对该区域的大气环境质量提出了更高的要求.研究区地理位置如图3所示.

科室按照高、中、低年资结合原则开展品管圈活动[2],协调7名护士和1名医生参加此次活动,其中包括主任护师1名,副主任护师2名,主管护师2名,护师2名,医生1名,并由主任护师担任品管圈圈长,由护理部专人担任品管圈辅导员。

随着区域的建设和发展，研究区域内工业企业已逐渐搬迁或关闭，但其周边地区存在多个大型产业集聚区（工业园区），产业结构以石油化工为主.由于特定的产业布局和区位条件，区域内现有的监测点和监测参数（SO2、NO2、PM10、CO、O3、PM2.5和降尘等）得到的空气质量指数存在与公众的直接感官及实际空气质量状况不相符的现象，以工业恶臭为代表的污染情况在该区域具有明显的地区特征且公众反响较大，是公众环境投诉的热点问题.

3.1 区域网格划分

以研究区域最南端点所在横轴为正x轴，以最西端点所在纵轴为正y轴，建立地理坐标系，在坐标系内按1km×1km划分网格单元，并以阿拉伯数字顺序进行编号，研究区域内共划分网格103个，如图3所示.

图3 研究区地理位置Fig.3 Location of study area

3.2 环境子目标计算

3.2.1 大气环境综合损失率 针对区域内突出的恶臭污染问题以及公众对工业恶臭污染的投诉情况，通过对研究区域及周边污染源生产工艺中可能排放的恶臭污染物及其排放量进行调查，以污染物对大气环境的影响，特别是污染物可能产生的恶臭污染，以及对人体健康的影响为筛选原则，运用综合评分法，构建筛选特征污染物的评分指标体系，针对不同区域的不同污染情况，评分体系可有所区别，本研究构建的特诊污染物筛选体系如表1所示.筛选出的特征污染物为硫化氢、磷化氢、氨、甲醛、苯系物（苯、甲苯、乙苯、间-对二甲苯、邻二甲苯）、环己酮、乙酸和非甲烷总烃.

表1 特征污染物筛选评分指标体系Table 1 Grading system for screening characteristic pollutants

针对选取的特征污染物缺乏监测数据的问题，分别于6月和12月开展了2次为期15d的大气特征污染物实测分析，测点位置见图4，每天采样4～7次.汇总各污染物浓度数据，特征污染物的标准限值暂无国家标准，故查阅相关标准中目标特征污染物的浓度限值，且优先选用现有环境管理中较为严格的标准（表2），以标准限值为极限浓度，以标准限值的10%浓度为临界浓度，利用ArcGIS中IDW（反距离加权）工具计算各网格大气环境综合损失率，如图4所示.

表2 污染物标准浓度限值Table 2 Limited value of characteristic pollutants

图4 6月和12月大气环境综合损失率分布Fig.4 Distribution of comprehensive loss of air quality in June and December

3.2.2 污染源影响程度 研究区域全年最多风向为东风（E），其次是东东北（ENE），春夏主导风向为东风，秋冬主导风向为东北风，以区域及周边主要工业污染源东北风向下风向90°角为污染源影响范围，以距离污染源3km、6km、9km及9km以上划分不同受影响程度［27］，分别为主要受影响范围、次要受影响范围、可能受影响范围和基本未受影响范围，如图5所示，依次赋值3、2、1和0分.

3.3 经济子目标及社会子目标

3.3.1 经济子目标 根据每个网格内的住宅成本，以南京市2013年城市房价收入比值9.1为基准［28］，估算该网格人均年收入值.

3.3.2 社会子目标 研究区内用地类型主要有空地、学校、住宅用地、商业用地和工业用地等，研究区中部主要为学校和住宅用地，工业用地主要分布于研究区的西部以及东部，且西部主要分布多数小型零散工业污染源，对区域大气环境质量影响较大的工业污染源分布于区域东部及北部.人口的分布与用地类型有关，学校、居住区的人口密度远高于商业用地及工业用地，学校及住宅区域最高人口密度已超过1.1万人/km2.利用ArcGIS软件对可以研究区人口分布情况及用地概况进行可视化表达，如图6所示.统计每个网格的人口数量，并根据网格的用地类型进行赋值［29］，见表3.

3.4 子目标权重系数计算

图5 受污染源影响范围Fig.5 Sphere of influence of pollution sources

表3 用地类型赋值分数表Table 3 Grades for land use types

对子目标集合｛X1环境子目标，X2经济子目标，X3社会子目标｝给出三角模糊数互补判断矩阵为:?

图6 研究区人口分布及土地利用概况Fig.6 Distribution of population and land use types

利用LINGO软件求解模型（9）可得:

显然对于任意的0≤α≤1，都有ω1＞ω3＞ω2.本研究取α=0.25［30］，则有ω1=0.35，ω2=0.13，ω3=0.22，即环境子目标、经济子目标、社会子目标的权重系数分别为0.35、0.13和0.22.

3.5 结果与讨论

根据《环境空气质量监测点位布设技术规范（试行）》（HJ 664-2013）［15］中布设监测点数的要求确定研究区内的最少监测点数目为2，根据资金投入限制，确定最多监测点数为4，并规定任意相邻的网格不能同时被选中.

（1）当监测点数为2时，选择的网格为25#和43#网格；（2）当监测点数为3时，选择的网格为25#、43#和54#网格；（3）当监测点数为4时，选择的网格为25#、43#、54#和77#网格.

当监测点数为2时，选择的25#和43#网格均位于污染源下风向且网格人口密度较高；当监测点数为3时，增加了中部的54#网格，54#网格为学校区域，人口密度高且属大气环境敏感点；当监测点数为4时，增加了西南角的77#网格，该网格为学校、住宅、商业综合用地.

图7 优化布点示意Fig.7 Optimized locations for atmospheric monitoring sites in 3scenarios

选择的25#、43#、54#和77#网格的用地类型主要包括学校、住宅用地和商业用地等，能够覆盖研究区内人口较为密集的地区，关注研究区内工业污染源对区域大气环境的影响，为更多的公众提供更为可信的大气环境信息.由于条件限制，本研究对特征污染物环境损失的计算存在一定的不确定性，今后的研究中可通过污染源模式模拟计算来克服实测样本的不足，以提高计算结果的有效性和合理性.同时，构建多目标规划模型的目标函数、约束条件也有待进一步完善，以更好地为大气环境监测的布点优化提供决策依据.

4 结论

4.1 建立的基于大气特征污染物的监测布点方法，适用于区域大气污染受周边工业污染源较为突出、常规大气监测无法反应区域特殊污染状况的地区，对于在普遍城市范围内应用，尚存在一定的局限性.

4.2 基于区域大气特征污染物，建立了一套大气监测布点优化方法，构建了综合环境、经济、社会三个子目标的多目标规划模型，弥补了许多监测布点方法只考虑单个环境因素的缺陷.三角模糊数用于子目标权重系数的确定，一定程度上克服了人为主观性的影响.

4.3 设置不同约束条件，多目标规划模型优化可得到的布点方案是多样的，这为决策者提供了多种选择.案例研究结果表明，该方法能够为实际大气环境监测优化布点提供科学指导意义，优选出的监测布点方案能够为决策者提供更准确、及时的大气环境污染信息.

［1］李祚泳.用物元分析法优选大气环境测点 ［J］. 环境科学研究，1996，9（6）:45-48.

［2］李祚泳.环境监测优化布点的人工神经网络模型 ［J］. 中国环境科学， 1997，17（1）:28-29.

［3］倪长健.基于曲线投影动态聚类模型的大气质量监测布点研究［J］. 中国环境监测， 2010，26（4）:16-19.

［4］刘潘炜，郑君瑜，李志成，等.区域空气质量监测网络优化布点方法研究 ［J］. 中国环境科学， 2010，30（7）:907-913.

［5］王 帅，丁俊男，王瑞斌，等.关于我国环境空气质量监测点位设置的思考 ［J］. 环境与可持续发展， 2012，4:21-26.

［6］金成基.黑龙江平原区小城镇地下水环境质量评价及其特征污染物分析 ［D］. 吉林:吉林大学， 2011.

［7］Bjorn G Hansen， Anniek G van Haelst， Kees van Leeuwen， et al. Priority Setting for Existing Chemicals: European Union Risk Ranking Method ［J］. Environmental Toxicology and Chemistry，1999，18（4）:772-779.

［8］刘 存，韩 寒，周 雯，等.应用Hasse图解法筛选优先污染物［J］. 环境化学， 2003，22（5）:499-503.

［9］胡冠九.环境优先污染物简易筛选法初探 ［J］. 环境科学与管理， 2007，32（9）:47-50.

［10］于云江，付益伟，孙 朋，等.松花江吉林市江段水体特征污染物筛选研究 ［J］. 环境卫生学杂志， 2013，6（6）:175-183.

［11］Shei M R， Kao J J. The multiple objective analysis of an industrial park air quality monitoring network ［C］. Proceedings offourteenth air pollution control conference， Taipei， ROC； 1997.

［12］Tseng C C， Chang N B. Assessing relocation strategies of urban air quality monitoring stations by GA-based compromise programming ［J］. Environment International， 2001，26:523-541.

［13］Demerjian KL. A review of national monitoring networks in North America ［J］. Atmospheric Environment， 2000，34:1861-1884.

［14］李 莹，白 墨，张 巍，等.改善北京市大气环境质量中居民支付意愿的影响因素分析 ［J］. 中国人口资源与环境， 2002（12），6:123-127.

［15］HJ664-2013 《环境空气质量监测点位布设技术规范（试行）》［S］.

［16］Satty T L. The Analytic Hierarchy Process ［M］. New York: McGraw-Hill， 1980.

［17］姚升保，徐 敏.群组决策中三角模糊数互补判断矩阵的相容性及方案排序研究 ［J］. 中国管理科学， 2012，20（5）:152-157.

［18］巩在武.不确定模糊判断矩阵原理、方法与应用 ［M］. 北京:科学出版社， 2011.

［19］巩在武，刘思峰.三角模糊数互补判断矩阵的一致性及其排序研究 ［J］. 控制与决策， 2006，21（8）:903-908.

［20］徐泽水.三角模糊数互补判断矩阵的一种排序方法 ［J］. 模糊系统与数学， 2003，16（1）:47-50.

［21］TJ36-79《工业企业卫生设计标准》［S］.

［22］CH245-71《前苏联居住区大气质量标准》［S］.

［23］GB/T18883-2002《室内空气质量标准》［S］.

［24］GB16182-1996《车间空气中乙苯卫生标准》［S］.

［25］《石油炼制工业污染物排放标准》（二次征求意见稿2014）［S］.

［26］国家环境保护局科技标准司.1996.《大气环境标准工作手册》［S］.

［27］杜 娜.城市工业园区恶臭污染现状分析与防治对策研究 ［D］.苏州:苏州科技大学， 2012.

［28］易居报告:全国35个大中城市房价收入比排行榜 ［R］. 上海:上海易居房地产研究院， 2013.

［29］Abdullah Mofarrah， Tahir Husain， Badr H Alharbi. Design of urban air quality monitoring network: fuzzy based multi-criteria decision making approach ［J］. Air Quality Monitoring，Assessment and Management， 2011，11:25-39.

［30］Solomon Tesfamariam， Rehan Sadiq. Risk-based environmental decision-making using fuzzy analytic hierarchy process （F-AHP）［J］. Stochastic Environmental Research Risk Assessment，2006，21:35-50.

Study on optimization of monitoring sites based on atmospheric characteristic pollutants.

QIN Yi-wen， QIAN Yu*，RONG Ting-ting （State Key Laboratory of Pollution Control and Resources Reuse， School of the Environment， Nanjing University， Nanjing 210023， China）. China Environmental Science， 2015，35（4）：1056～1064

Conventional air quality monitor has disadvantage in detecting specific atmospheric problems such as odor pollution. The paper established a multi-objective model combining environmental， economic and social factors to optimize air quality monitoring sites considering regional special pollution. Synthetic grading method was used to screen characteristic pollutants and fuzzy-AHP was used to calculate weight scores for environmental， economic and social effects. The multi-objective model for optimizing air quality monitoring sites established was applied to Nanjing Xianlin region as a case study. In 3 scenarios， 5#、43#， 25#、43#、54#and 25#、43#、54#、77#were selected.The results of optimized monitoring sites could provide scientific

for policy makers.

atmospheric characteristic pollutant；environmental monitoring；site optimization；multi-objective model

X831，X84

A

1000-6923（2015）04-1056-09

秦怡雯（1989-），女，江苏苏州人，南京大学环境学院硕士研究生，主要从事大气环境监测与评价研究.

2014-07-31

国家“863”项目（2012AA063304）；江苏省科技支撑计划（BE2011694）

* 责任作者， 教授， yqian@nju.edu.cn