基于属性识别模型的铜仁市空气质量评价

马炳南 侯双双 吴伟

摘 要：为行政部门有效治理城市环境和生态保护，科学客观评价空气质量极为重要。本研究以铜仁市为对象，统计分析了2015—2020年铜仁市空气污染物变化动态特征，同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明：1）铜仁市主要污染物是PM2.5、PM10和O3，其污染程度为PM2.5＞PM10≈O3，PM2.5和PM10浓度水平处于Ⅱ级标准，PM2.5在冬季处于不达标水平，PM10于2020年达Ⅰ级以下标准，有显著好转，O3浓度2016年以来显著增加，存在污染风险。2）铜仁市近几年空气综合质量均为Ⅰ级标准，但空气质量综合水平呈下降趋势，主要原因在于PM2.5作为首要的空气污染物，污染水平一直没有得到有效控制。此外，O3污染程度风险增加。因此，PM2.5和O3是以后污染物控制的重点。

关键词：空气污染物；空气质量评价；属性识别模型；铜仁市

中图分类号：X823

文献标志码：A

铜仁市位于贵州省东北部，东邻湖南省怀化市，北邻重庆市，属于国家武陵山片区区域发展与扶贫攻坚规划制定集中连片扶贫攻坚和跨省合作协同发展的地区之一。在国家政策的大力扶持下，铜仁市经济发展迅速，随着城市化水平的不断提高和经济发展的加速，铜仁市大气环境污染问题也引起了广泛关注［1-3］。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［4］。目前对城市空气质量评价的方法有很多，主要包括污染指数法（air pollution index，API）［5-6］、空气质量指标法（air quality index，AQI）［7-8］、模糊综合评价法［9-10］、主成分分析法［11-13］以及属性识别模型［14］等综合指数评价法。董慧青等［5］采用API法，分析空气污染物（SO2、NO2、PM10）浓度时间变化特征，并通过API等级标准对广西主要城市南宁、桂林、北海的空气污染情况做出评价。AQI也是重要的空气质量评价指标，通过国家相应《环境空气质量标准》的规定对空气质量作出评价，通过对比分析对应污染物浓度特征，筛选首要或重要污染物，谢新宇等［7］和王海燕等［15］用此类方法展开了城市空气质量评价。以API和AQI为指标进行空气质量评价的方法能够从宏观上体现污染物的整体污染水平，也可通过对比分析得出重要污染物，方法简便，但无法对各污染物对空气质量的贡献程度做出定量评价，而主成分分析法、模糊综合评价法和属性识别模型则可以弥补这一不足，因此采用这些方法展开的空气质量综合评价的报道也很多，其中属性识别模型不仅可以量化各污染物对空气质量的贡献，同时也能够对空气质量综合水平进行定量化表达，在生态环境领域中有广泛的应用［16-17］。随着铜仁市经济的进一步发展，大气污染的情况也变得越加复杂，因此本研究采用属性识别模型，分析近几年铜仁市的空气污染物和空气质量现状及变化特征，为城市生态文明建设提供参考。

1 材料与方法

1.1 数据来源

研究数据为2015—2020年铜仁市空气主要污染物月平均浓度，包括PM2.5、PM10、SO2、NO2、CO、O3等6类主要大气污染物，数据来自贵州省生态环境厅月报。

1.2 分析方法

1）污染物时间动态分析：利用Origin统计软件，采用统计分析和线性回归法表达空气污染物的年际和年内变化趋势特征，线性拟合的显著性水平采用P检验。

2）污染物浓度界限值：依据最新发布的《环境空气质量标准》（GB 3095—2018），为了保持时间尺度一致性，2018年以前的污染物不适于最新标准情况的则参考《环境空气质量标准》（GB 3095—2012），各污染物浓度具体界限值见表1。

3）屬性识别模型综合评价空气质量：属性识别模型广泛应用于生态环境评价工作中，具体的计算步骤如下。

（1） 建立分类标准矩阵

设评价对象有m个评价指标Ii，每个评价指标有k个评价等级，每个评价指标Ii有相应的评价等级分类表标准{C1，C2 ，…，Ck}，则评价对象的分类标准矩阵见式（1）。

c11…c1kcm1…cmk（1）

（2）确定权重

采用超标倍数法，根据污染物污染程度计算得到式（2），污染程度越大权重越大，反之。式（2）中Wi为各污染物权重，Ci 为污染物浓度检测值，Ai 为污染物各浓度等级标准平均值。

Wi=CiAi/∑mi=1CiAi（2）

（3）确定样本属性测度

定义第i个指标属于Ct类的属性测度为Uit，Uit 根据公式（3）计算得到。

当xi≤Cil时，取Uil=1，其余等级为0；

当xi≥Cik时，取Uik=1，其余等级为0；

当Cil≤xi≤Cil+1时，Uit=xi－Cil+1Cil－Cil+1，

Uit+1=xi－CilCil－Cil+1，Uik=0，

tl+1 （3）

（4）确定综合属性测度

定义综合属性测度为Ut，由各污染物属性测度和指标权重累积和计算得到，见式（4）。

Ut=∑mi=1Wi·Uit  1≤t≤k （4）

（5）空气质量综合等级标准评价及评分

采用信度识别准则，设置信度λ（置信度一般取0.6～0.7），空气质量综合等级T用式（5）计算，若T≥λ，则空气质量属于Ct等级标准，根据等级标准进行评分，以便于量化分析，对应分数q的计算见式（6），式（6）中，nt=k+1-t，为等级标准Ct的分值，依次取k～1之间递减的正整数。

T=min{T：∑kt=1≥λ  1≤t≤k}（5）

q=∑kt=1ntUt（6）

2 结果与分析

2.1 铜仁市大气污染物年际变化

各污染物浓度的年变化趋势均不显著，年变化特征存在差异（图1）。PM2.5（图1（a））年平均浓度始终处于环境空气质量标准的Ⅱ级标准，2015—2020年期间呈下降-上升-下降的趋势，2017年浓度最小为23.67 μg/m3，2019年浓度最大为28.67 μg/m3。PM10（图1（b））年平均浓度2020年以前始终处于环境空气质量标准的Ⅱ级标准，2020年达到Ⅰ级标准；2015—2020年期间呈波动的下降趋势，下降趋势不显著，浓度最小值发生于2020年（38.92 μg/m3），2015年浓度为最大值（61.17 μg/m3），下降36%。SO2（图1（c））年平均浓度均＜20 μg/m3（Ⅰ级标准），其变化特征以2018年为界限可分为两个时间阶段，2015—2018年下降趋势显著，2018年以后浓度保持于平均值4.2 μg/m3的水平，浓度最小值发生于2019年（3.75 μg/m3），2015年浓度为最大值（17.08 μg/m3），浓度下降达78%。NO2（图1（d））年平均浓度均＜40 μg/m3（Ⅰ级标准），其变化特征表现为先增后降，2017年为最大值21 μg/m3，2016年和2020年浓度较小，2020年比2017年浓度下降22%。CO（图1（e））年平均浓度均＜4 μg/m3（Ⅰ级标准），其变化特征表现为2019年以前浓度值保持在1.0 μg/m3以上，2019年以后迅速下降至2020年最低值0.8 μg/m3，下降28%。O3（图1（f））年平均浓度除2015年和2019年外均为Ⅰ级标准以下，2019年浓度最大为106 μg/m3，最小值为2016年66 μg/m3，2020年O3浓度虽然处于Ⅰ级标准以下，但与历史低值水平而言，仍处于较高浓度水平。

铜仁市6种大气污染物浓度的年变化特征表明，除SO2外，大致表现为“下降-上升-下降”的波动下降趋势；PM10始终处于Ⅰ级标准以上，是影响大气质量的主要污染物，此外，O3浓度水平接近Ⅰ级标准，也是未来空气质量监管的重要污染物；SO2由2015年的浓度最大值降至2018年以后的浓度较小水平，反映出对SO2有效的治理。

2.2 铜仁市大气污染物年内变化

图2表明各污染物月平均浓度与月份存在显著的“单峰”型相关关系，除O3外的其余5种污染物均表现为夏季为浓度最小值，冬季为浓度最大值，而O3浓度最大值出现在夏季，最小值出现在冬季。PM2.5浓度在冬季（12月、1月、2月）＞35 μg/m3，为Ⅱ 级以上标准，仅夏季的6—8月PM2.5的浓度≤15 μg/m3，为Ⅰ级以下标准，春秋两季为Ⅱ级标准。PM10浓度在冬季（12月、1月、2月）＞70 μg/m3，为Ⅱ级以上标准，其余月份均＞40 μg/m3，为Ⅱ级标准。SO2各月浓度均＜20 μg/m3，为Ⅰ级以下标准，1月份SO2浓度最大，接近20 μg/m3。NO2各月浓度均＜40 μg/m3，为Ⅰ级以下标准，NO2月平均浓度虽然与时间存在显著的线性关系，但拟合度仅0.53。CO各月浓度均＜4  μg/m3，为Ⅰ级以下标准，CO浓度冬季较大，其余季节则较小。O3浓度整体表现春秋高而夏冬低，与时间呈显著的线性关系，但拟合度仅0.53。O3浓度在春季的4—5月以及秋季的8—10月＞100 μg/m3，是Ⅰ级以上标准，而其余月份均为Ⅰ级以下标准。

铜仁市6种大气污染物浓度的年内变化特征表明污染物浓度与时间之间存在显著的线性关系，除O3外，均表现为夏季小而冬季大，O3浓度则呈夏冬小而春秋大的特征；PM2.5、PM10几乎均超过了Ⅰ级标准，对空气質量影响较大，特别是冬季，另外春秋两季的O3浓度也超过了Ⅰ级标准。

2.3 空气质量综合评价

利用属性识别模型对铜仁市空气质量展开综合评价。结合污染物等级标准浓度界限（表1），根据式（3）计算得到6种污染物各年度属性测度（表2）。从表2中可以看出，SO2、NO2和CO均隶属于Ⅰ级标准；O3大多数年份隶属于Ⅰ级标准，但2019年出现了隶属Ⅱ级的现象；PM10在2015—2019年期间隶属于Ⅰ级和Ⅱ级标准之间，随时间隶属于Ⅰ级标准的程度越来越大，直到2020年完全隶属于Ⅰ级标准；PM2.5自2015年以来均隶属于于Ⅰ级和Ⅱ级标准之间，随时间隶属于Ⅰ级标准的程度并没有显著的改善。

根据式（2）计算得到各年度相关污染物单指标权重（表3），进一步根据式（4）计算得到铜仁市各年度空气质量的综合测度并进行相应的综合评级（式5）和打分（式6），计算结果如表4和图3所示。根据表4的计算结果表明，铜仁市各年度空气综合质量均为Ⅰ级标准，但从图3显示的空气质量综合评分变化趋势可以看出，铜仁市空气质量综合水平呈下降趋势，主要原因在于PM2.5作为首要的空气污染物，年平均浓度一直属于Ⅱ级水平，冬季属于不达标水平。

3 结论

1） 铜仁市主要污染物是PM2.5、PM10和O3，就污染程度的权重来讲，PM2.5＞PM10≈O3；PM2.5和PM10浓度水平处于Ⅱ级标准，PM2.5在冬季处于不达标水平；PM10于2020年达Ⅰ级以下标准，有显著好转；O3浓度2016年以来显著增加，存在污染风险。

2） 利用属性识别模型对铜仁市空气质量的综合评价表明：铜仁市各年度空气综合质量均为Ⅰ级标准，但空气质量综合水平呈下降趋势，主要原因在于PM2.5作为首要的空气污染物，污染水平一直没有得到有效控制；此外，O3污染程度风险增加，因此PM2.5和O3是以后污染物控制的重点。

参考文献：

[1]彭贵海， 彭颖. 浅析铜仁城区空气质量现状及污染防治对策［J］. 能源与环境， 2017（3）： 65， 67.

［2］ 谭志辉. 铜仁市环境空气污染问题的影响因素及治理对策研究［J］. 环境与发展， 2018， 30（6）： 67-69.

［3］ 李干蓉， 何庆文. 大气污染防治调研报告——铜仁市为例［J］. 科技风， 2019（32）： 132-133.

［4］ 艾美荣. 空气质量评价研究现状与展望［J］. 现代商贸工业， 2018， 39（9）： 188-189.

［5］ 董蕙青， 谢宏斌， 郑凤琴. 2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系［J］. 广西气象， 2004（1）： 36-39.

［6］ 刘佳. 扬州市江都区环境空气质量评价与分析［J］. 资源节约与环保， 2019（6）： 62-64.

［7］ 谢新宇， 闫妍. 2017—2019年秦皇岛市昌黎县空气质量评价与分析［J］. 河北科技师范学院学报， 2021， 35（2）： 72-77.

［8］ 叶波， 袁芮， 李恒， 等. 成都市“健康城市”环境空气质量评价体系建设［J］. 四川解剖学杂志， 2019， 27（2）： 153-156.

［9］ 崔庆岳， 赵彩月. 基于模糊综合评判的广州市空气质量评价［J］. 环境保护与循环经济， 2020， 40（11）： 57-60.

［10］罗运成. 基于模糊综合评价模型的城市空气质量评价研究［J］. 环境影响评价， 2018， 40（5）： 79-83.

［11］洛桑卓嘎， 四郎措姆， 格桑卓嘎， 等. 2014—2020年拉萨市环境空气质量评价分析［J］. 黑龙江生态工程职业学院学报， 2022， 35（1）： 15-18.

［12］祝新明， 李莉， 吕升， 等. 2014年—2018年桐乡市环境空气质量评价研究［J］. 環境科学与管理， 2020， 45（5）： 179-183.

［13］徐卫国， 张清宇， 陈英旭. 空气质量评价灰色聚类修正模型的建立与应用［J］. 哈尔滨工业大学学报， 2008（6）： 989-992.

［14］胡起靖. 2014—2019年苏州市区空气质量评价及其变化特征分析［J］. 河北环境工程学院学报， 2021， 31（1）： 65-68.

［15］王海燕， 张存厚， 李福胜， 等. 环境空气质量评价及与气象因子的关系——以2015年呼和浩特市区为例［J］. 内蒙古气象， 2017（1）： 32-35.

［16］吴开亚， 张礼兵， 金菊良， 等. 基于属性识别模型的巢湖流域生态安全评价［J］. 生态学杂志， 2007， 5（25）： 759-764.

［17］王子龙， 付强， 姜秋香. 基于GIS与属性识别模型的土壤肥力综合评价［J］. 农业工程学报， 2009， 25（6）： 76-80.

（责任编辑：曾 晶）

Air Quality Assessment of Tongren City Based

on Attribute Recognition Model

MA Bingnan*， HOU Shuangshuang， WU Wei

（College of Life Sciences， Guizhou University， Guiyang 550025， China）

Abstract：

It is important to get scientific and objective evaluation of the air quality for administrative departments to effectively manage urban environment and protect ecology. In this research， taking Tongren City as the research object， we analyzed the dynamic characteristics of air pollutants from 2015 to 2020 by statistical analysis， and comprehensively evaluated the air quality using attribute recognition model. The results showed that： 1） The main air pollutants in Tongren City were PM2.5， PM10 and O3， with the pollution degree of PM2.5>PM10≈O3. The concentration level of PM2.5 and PM10 was at levelⅡ， and PM2.5 was at the sub-standard level in winter. The concentration of O3 had increased significantly since 2016， and there was a risk of pollution. 2） In recent years， the comprehensive air quality of Tongren was at levelⅠ， but there was a downward trend because PM2.5， as the primary air pollutant， had not been effectively controlled， and the risk of O3 pollution level also increased. Therefore， PM2.5 and O3 should be the focus of pollutant control in the future.

Key words：

air pollutants; air quality assessment; attribute recognition model; Tongren City

收稿日期：2022-03-29

基金项目：贵州省自然科学基金资助项目（黔科合基础-ZK[2022]重点021）

作者简介：马炳南（1988—），男，助理实验师，硕士，研究方向：生物化学及污染物分析，E-mail：262931207@qq.com.

通讯作者：马炳南，E-mail：262931207@qq.com.