天气因素对空气质量的影响分析——以北京市为例

崔佩蕾

(首都经济贸易大学 统计学院，北京 100070)



天气因素对空气质量的影响分析
——以北京市为例

崔佩蕾

(首都经济贸易大学 统计学院，北京 100070)

指出了空气污染是我国亟待解决的重大问题，以北京市为例，2015年空气质量合格的天数仅有51%。通过建立相关分析及逐步回归分析模型，结合北京市2014年11月～2015年12月期间的数据，分析了天气因素对空气质量的影响，结果发现：气温越高、风力越强越有利于PM2.5的扩散及其浓度的降低。

分析； 逐步回归； 空气质量；PM2.5；北京

1　引言

影响空气质量的因素繁多，有人为因素也有自然因素，笔者则侧重于从自然因素的角度来研究影响空气质量的因素。目前，北京市的首要污染物为PM2.5，而在供暖期由于燃煤采暖而排放大量SO2，使得空气污染程度加重。然而随着空气的流动、气温的变化等因素，每天污染物的浓度都是在变化的，因此采取相关分析和建立逐步回归模型的方法寻找影响PM2.5和SO2扩散的影响因素，进而可以找出影响污染物扩散的因素。

2　PM2.5浓度的分布情况

PM2.5是指在环境空气中空气动力学当量直径小于等于2.5 μm的颗粒物，PM2.5可以由硫和氮的氧化物转化而成，而这些气体污染物一般是由人类对化石燃料(煤、石油等)和垃圾的燃烧造成的，同时它还可以在大气中长时间停留，并且能被人体吸入，因此PM2.5对人体健康和大气环境质量的影响相当大。近些年来，由于北京的快速发展及能源的大量消耗，北京的空气质量状况与日剧下，PM2.5已成为北京空气污染的重要污染物。

图1　2014年11月～2015年12月北京市PM2.5日均浓度散点

由图1可以看到，曲线为PM2.5在这14个月中的大致平均趋势，不难看出北京供暖期时PM2.5浓度较高于非供暖期，而PM2.5高于300 μg/m3的日期基本都在供暖期时出现。特别是2015年12月1日和2015年12月25日，这两天的PM2.5浓度已经高达477.5 μg/m3和476.7 μg/m3。根据《环境空气质量指数(AQI)技术规定(试行)》的规定，这样的空气质量状况已经严重威胁人体健康，特别是儿童、老人和病人这种免疫力较低的群体。又根据这两日的天气情况，发现12月1日和25日的温差较小且风力不大，这种天气更加不利于污染物的扩散。而在12月2日时，北京出现3～4级西北风，且温差与前一天相比变大，PM2.5浓度直接骤降至14.8 μg/m3，空气质量状况良好；然而12月26日的天气情况与前一天相似，所以当天PM2.5浓度为282 μg/m3，仍属于重度污染。

3　天气因素对于空气质量的影响分析

在供暖期PM2.5及SO2浓度是极为突出的问题，因此笔者将讨论影响二者浓度的天气因素。其中，天气因素包含最低气温(摄氏度)、最高气温(摄氏度)、温度差(最高气温—最低气温)、是否下雨(有1或无2)、是否下雪(有1或无2)及风速(微风1、3～4级2、4～5级3、5～6级4)。最低气温、最高气温、温度差为定量变量，而是否下雨、是否下雪及风速为分类变量。

3.1通过相关分析找出影响空气质量的天气因素

因为研究数据中存在定量变量及分类变量两种，因此采取皮尔逊(Pearson)和斯皮尔曼(Spearman)相关检验进行分析。

通过皮尔逊检验，得到最低气温、最高气温及温差都与PM2.5浓度呈相关，说明温差越大，越有利于PM2.5的扩散，PM2.5浓度越低；而SO2浓度与最低气温与最高气温呈负相关，但与温差无关。气温越高，PM2.5及SO2浓度越低的原因主要是气温低时是冬季，恰好为供暖期，需要烧煤或天然气供暖，此时会产生较多的污染物；而气温高时是夏季，夏季不需要烧煤供暖，因而排放的污染物会减少，空气质量相对于供暖期要好。

利用斯皮尔曼(Spearman)相关检验分析污染物与是否下雨、是否下雪及风速等3个分类变量的相关结果，PM2.5浓度与风力大小呈负相关，说明风力越大越有利于PM2.5的扩散；然而SO2浓度与降雨呈负相关，说明无雨天气相较于有雨天气更有利于SO2的扩散，可以降低SO2浓度。因为下雨时，空气湿度比较大，不利于污染物的扩散，因此空气质量较差。

3.2逐步回归分析天气状况对污染物浓度的影响

根据污染物与天气状况的相互关系，以及不同的污染物的扩散依赖于不同的天气状况，将建立逐步回归模型，进一步论证天气状况对污染物浓度的影响程度。 首先建立普通的回归方程：

PM2.5=α1TEMPL+β1TEMPH+γ1TEMP.D+a1RAIN+b1SNOW+c1WIND

SO2=α2TEMPL+β2TEMPH+γ2TEMP.D+a2RAIN+b2SNOW+c2WIND

其中，TEMPL——最低气温；TEMPH——最高气温；TEMP.D——温差。

逐步回归分为全部、向前、向后3种方式，采用全部逐步回归的方式建立方程，通过逐步回归结果可以看出，两个回归方程的拟合效果都不好，一个R2为0.1229，另一个R2为0.3219，所以在这里不写出最终的回归方程。虽然拟合效果不好，但是因为利用逐步回归已经剔除了多重共线性，还是能够通过以上的回归结果看出天气因素对污染物浓度的影响的。

4　结论

结合相关分析与建立逐步回归模型两种分析方法，说明天气因素对于空气质量的高低是存在影响，尤其是风力大小，风力越大越有利于污染物的扩散，然而当风力过大时，则会引起沙尘、黄沙等天气，这也是会影响空气质量的。同时，气温较高时，污染物的浓度也会稍低，不过这也可能与冬季供暖时产生污染物相关。所以，应该在尽量保护生态环境的同时，利用大自然的力量去更好地推动空气质量的治理。

[1]李小飞,明军,圣杰,等. 中国空气污染指数变化特征及影响因素分析[J].环境科学,2012(6).

[2] 窦晨彬.空气污染健康效应的经济学分析[D].成都：西南财经大学,2012.

[3]吴飞,方艺菲,李晓璇,等.京津冀地区空气质量及污染分布研究[J].河北北方学院学报(自然科学版),2016(3).

[4] 于磊.牡丹江市2005～2011年空气污染指数分析[J].黑龙江科技信息,2012(11).

[5] 王式功,杨德保,陈长和.兰州市不同季节大气污染物时空变化规律的对比分析[J].兰州大学学报,1994(3).

2016-07-08

崔佩蕾(1991—)，女，首都经济贸易大学统计学院硕士研究生。

X51

A

1674-9944(2016)16-0060-02