基于模糊综合评判的广州市空气质量评价

崔庆岳 赵彩月

（广州城建职业学院人文学院，广东广州 510925）

1 引言

近年来，我国工业化、城市化进程不断加快，随之而来的空气污染问题也变得日益严峻，给人们的生产生活和身心健康带来了严重影响。广州市作为广东省的政治、经济、文化中心，其经济圈不断扩大，导致污染区域也在加大，一定程度上产生了区域性空气污染问题，而且广州市地形多样，不利于空气污染物的扩散，导致空气污染物的浓度呈现出明显的季节特征，空气质量不仅受污染物排放量的控制，还受多种气象因素的综合影响［1-2］。

为有效控制空气质量的不断恶化，需要对空气质量做出科学客观的评价，从而给相关部门提供科学管理与污染防治的理论依据。大气环境是一个多因素相互影响的动态变化系统，在这个复杂的系统中，影响空气质量的污染因子众多，存在着诸多不确定性因素［3］，因此评价空气质量时需要综合考虑各种污染物指标。

环境空气质量的评价方法很多，主要包括灰色聚类分析法、模糊数学法、因子分析法、灰色关联度分析法、典型相关分析法、人工神经网络法等。基于模糊数学理论的模糊综合评判法，是一种解决多因素影响问题的定性、定量相结合的方法，充分考虑各影响因子的相互关联和相关影响，能够全面准确地评价空气质量状况［4-6］。因此本文运用模糊综合评判法对广州市的环境空气质量做出评价，从而为相关部门制定污染防控措施提供理论依据。

2 模糊综合评判法

2.1 建立评判因子集

根据《环境空气质量标准》（GB 3095—2012）［7］，主要空气污染物包括以下6 项：二氧化氮（NO2）、一氧化碳（CO）、二氧化硫（SO2）、臭氧（O3）、粒径小于或等于10 μm 的颗粒物（PM10）、粒径小于或等于2.5 μm的颗粒物（PM2.5）。因此，建立影响空气质量污染物所对 应 的 因 子 集：U ＝｛u1，u2，u3，u4，u5，u6｝＝｛SO2，NO2，CO，O3，PM10，PM2.5｝。

2.2 建立评价集

结合《环境空气质量标准》（GB 3095—2012）和广州市环境监测中心站检测污染物浓度的实际情况，建立四级评价集：

V＝｛vij｝6×4

式中，i 表示空气质量评价因子，i＝1，2，...，6；j 表示空气质量评价等级，j＝1，2，...，4。

2.3 建立隶属度函数

采用降半阶梯形隶属度函数，建立评价因子对空气质量评价等级标准的隶属函数rij，从而建立模糊关系矩阵R＝［rij］，隶属度的计算公式如下：

当j＝1 时，

当j＝2，3 时，

当j＝4 时，

式（1）～（3）中，xi为第i 个评价因子的实测值；Sij为第i 个评价因子的第j 污染等级的浓度限值；rij为第i 个评价因子对第j 污染等级的隶属度。将广州市2019 年的月度数据进行均值化后代入到对应的隶属函数，通过计算可得模糊关系矩阵R＝［rij］。

2.4 确定权重因子集

空气质量评价中污染因子的权重是衡量各污染物对空气质量影响的重要程度，权重值越大，对空气质量影响越大，否则就越小。

模糊综合评判的赋权方法包括标准赋权法和主因素突出赋权法。本文采用主因素突出赋权法中的超标倍数法计算权重，并将权重做归一化处理，权重系数的计算公式［8］为：

2.5 模糊综合评判

根据模糊矩阵和权重集的计算结果，可将A 和R 进行模糊矩阵的复合运算，可得：

（b1，b2，...，b4）

根据最大隶属度原则，取C＝max（b1，b2，...，b4）作为空气质量模糊综合评判的结果。

3 广州市空气质量评判

3.1 数据来源

本文以广州市环境监测中心站公布的2019 年月度空气质量数据作为综合评价的基础资料，通过对数据做均值化处理，可得各个评价因子的季度数据，见表1。

表1 2019 年广州市主要空气污染物浓度值 μg/m3

3.2 构建评价因素集合

根据《环境空气质量评价技术规范（试行）》（HJ 663—2013）的规定，主要的空气污染物包括PM10，PM2.5，CO，NO2，O3，SO2，在对空气质量进行综合评价时，针对没有季度均浓度限值标准的CO 和O3，以日均值百分位数作为评价指标，其中，CO 采用日均值第95 百分位数，O3采用日最大8 h 滑动平均值的第90 百分位数，其他评价指标采用季度均值构建评价因素集合［3］。因此，构建评价因子集合U＝｛SO2季度均值，NO2季度均值，PM10季度均值，PM2.5季度均值，CO 日均值第95 百分位数，O3日最大8 h 滑动平均值的第90 百分位数｝。

3.3 评价等级

结合《环境空气质量评价技术规范（试行）》（HJ 663—2013）和广州市实际大气污染状况，将评价标准分为优、良、轻度污染和中度污染4 个等级，见表2。

表2 环境空气质量等级及对应的污染物项目浓度限值 μg/m3

3.4 建立模糊关系矩阵

根据隶属度计算公式（1）～（3），可算得各评价因子对空气质量评价等级标准的隶属度，从而建立广州市2019 年各季度的模糊关系矩阵，如下所示：

3.5 建立权重集

利用主因素突出赋权法中的超标倍数法计算权重，并将权重归一化处理，根据公式（4）计算可得各污染因子在不同季节的权重值，见表3。

表3 广州市2019 年4 个季度污染因子的权重

由权重集可知，2019 年广州市第1 季度空气中的主要污染物是NO2，其他依次是PM2.5，PM10，O3，CO，最后是SO2；第2 季度空气中主要污染物依次为NO2，O3，PM2.5，PM10，CO，SO2；第3 季度空气中主要污染物依次为O3，NO2，PM2.5，PM10，CO，SO2；第4 季度空气中主要污染物依次为NO2，PM10，O3，PM2.5，CO，SO2。

将所得的广州市2019 年4 个季度空气污染物对应的模糊关系矩阵R 和污染因子权重集A 进行复合运算，可得到矩阵B＝｛b1，b2，b3，b4｝，再根据最大隶属度原则，可得广州市4 个季度空气质量的综合评判结果，并对2019 年4 个季度空气质量进行排序，见表4。

表4 广州市2019 年各季度空气污染物评价结果

根据表4 中的广州市空气质量评价结果及其排序可知，4 个季度空气质量从好到差的排序为第2，3，4，1 季度。按照质量等级可分为2 类，第2 和第3 季度属于第1 类，空气质量等级为I，即空气质量为优；第4 和第1 季度属于第2 类，空气质量等级为II，即空气质量为良。

4 结论

本文基于空气质量评价中各污染物分级标准模糊性的考虑，以PM10，PM2.5，CO，NO2，O3，SO2为评价因子，建立各污染因子的评价标准集和权重集，再运用模糊综合评判法对广州市2019 年4 个季度的大气质量进行科学的客观评价，可得各个季度空气中的主要污染物和空气质量的优劣情况。整体而言，广州市在夏、秋2 季空气质量为优，春、冬2 季空气质量为良，体现了明显的季节特征；同时，在春、冬2 季空气质量主要受冷空气及回暖过程交替出现的影响较大，空气中污染物浓度积累和扩散周期的变化比较明显，使得空气质量变差［9］。

利用该评判模型对广州市全年的空气质量进行评判，根据污染物的权重集可知，对空气质量影响较大的污染物主要是NO2，PM2.5和O3，因此如何控制这3 种污染物的排放是改善空气质量的关键所在，需要相关部门制定积极有效的防治措施来改善空气质量。