科學統計助力大氣治理

陳松蹊

只有我們使用公平、客觀和科學的空氣質量評估方法，才能真正調動地方政府治理大氣污染的積極性和科學性，而不公平的評估方法將扭曲大氣防治政策的效果

近年來，重度空氣污染頻繁滋擾中國北方地區。大氣污染，作為一個困擾人們生活和健康的問題，再次凸顯出來。

空氣質量盤點還需用數據說話

中國大力度的空氣污染治理開始于2013年9月發布的《大氣污染防治行動計劃》。其給出了主要區域2017年空氣質量要達到的具體指標：“到2017年，全國地級及以上城市可吸入顆粒物（PM2.5）濃度比2012年下降10%以上，優良天數逐年提高；京津冀、長三角、珠三角等區域細顆粒物濃度分別下降25%、20%、15%左右，其中北京市細顆粒物年均濃度控制在60?g/m3（微克/立方米）左右”。四年過去了，人們普遍關心的問題是空氣質量好轉了多少？2017年的空氣質量目標能達到嗎？

要想科學地回答這兩個問題，我們就需要分析空氣污染物數據，并從中找到答案。從更高層面來說，要尋找目前華北地區大氣污染防治僵局的原因，我們應該充分利用大氣環境監測數據。從環境大數據找到污染的變化趨勢和后果是中國大氣環境研究中比較欠缺的環節。應該說，同大氣污染的化學機制和物理機制方面的研究相比，中國目前對環境大數據的分析明顯不足。

北京大學環境統計團隊近期對北京市中心城區25個監測站點的PM2.5和其他大氣污染物的數據集進行了分析。該分析去除掉氣象因素的變異影響，得到了每個季節PM2.5和其他污染物的平均濃度。圖1給出了自2013年春季到2016年秋季，經過氣象因素調整后的PM2.5、二氧化氮（NO2）和二氧化硫（SO2）的平均濃度水平。

最令人可喜的是，北京SO2平均濃度水平自2014年起的大幅下降。從2015年開始，北京春、夏季的SO2含量已經進入個位數時代。這是北京市自2013年開始大力推行煤改氣的結果。

圖1也顯示，北京的PM2.5在2015年有較大改善（13%）。然而2016年前三個季度的數據表明，在排除氣象因素之后，2016年北京中心城區空氣質量同2015年相比，并沒有改善，其中秋季的空氣質量比2015年同期變差了。我們對河北和天津66個國控站并結合17個氣象站的分析也發現，2015年是PM2.5濃度水平最低的一年，2016年秋季的PM2.5濃度也有相當大的反彈。圖1還說明北京的NO2濃度自2013年起沒有顯著改善。這一情形在圖2中也可得到驗證。

圖2是利用污染原始數據計算的六種污染狀態的所占時間比率。圖2顯示：同2015年相比，2016年夏季的污染情況同2015年夏季持平；但2016年秋季的優良空氣占比下降，污染空氣的占比增加。

人們可能要問，在經歷了三年整治之后，在河北省大力實行去鋼鐵及其他高排放行業的產能之后，在SO2下降的前提下，是什么原因導致了2016年華北地區PM2.5污染“頑固不化”的困局？在目前經濟普遍回暖的大背景下，如何保持2015年空氣質量改善的成果，無疑將是2017年中國大氣污染治理面臨的一大挑戰。

邁入環境保護的數據時代

中國自2013年1月起正式開始在74個城市對細顆粒物和其他五種大氣污染物濃度進行逐小時實時播報，并于2015年1月將實時播報的城市擴大到338個，目前全國已有近1500個國控監測站點（不包含省級）。這一大氣污染物數據監測網絡將隨著國務院新頒布的《生態環境監測網絡建設方案》（簡稱方案）進一步擴大。《方案》中提出環境監測要“天地一體”，強化高新技術的使用。這意味著我們將擁有一個體量巨大的三維空間和時間的多污染物數據集，這一數據集同中央氣象局在全國幾千個觀測站點的逐時氣象數據，以及地理信息系統、中國統計局等多個數據源一起構成了大氣污染與氣象、地理、經濟各個因素的海量數據。這標志著中國的大氣環境保護與管理已經邁入了數據時代。

生態環境監測網絡發展的一個技術關鍵是建立以海量數據、大氣環境理論和技術為基礎，結合統計分析方法的空氣污染評估診斷模型體系。這一體系將通過數據分析給出區域空氣污染的科學診斷，提煉出空氣質量管理的策略，為重獲藍天和經濟可持續發展的決策提供關鍵性的技術支持。

中國的空氣監測還有待改進

我們觀測的大氣污染物濃度主要受污染排放、氣象因素及其交互作用的影響。

氣象因素對污染物的傳輸和擴散有著重要影響，但是在大氣污染治理中我們只能控制污染排放，因此空氣質量評估的一個核心問題是去除污染物數據中氣象因素的“貢獻”，客觀量化污染物排放對空氣質量的影響。之前的研究發現，北京城區PM2.5近75%的變化可以由氣象因素解釋。這說明目前各級大氣管理部門使用的空氣質量指標受氣象因素的影響很大，客觀程度有待提高。我們要根據所處的天氣條件對PM2.5濃度進行調整。換句話說，我們在作環境污染評估比較的時候，要去掉天氣的影響，從而能估算到排放量的實際變化，這樣才科學合理。

在過去幾年中，北大環境統計團隊分析了北京城區PM2.5的逐時濃度數據，通過對PM2.5與氣象變量建立統計學模型，以多年氣象數據為基準調整的PM2.5月均值和分位數濃度為依據，獲得可公平比較的污染濃度估計。該方法又被拓展到分析比較其他重要城市多站點的空氣質量。同時，該研究也發現，在一些主要城市，有些站點的污染物數據缺失比例高達50%以上。目前，對全國國控站數據系統的質量監測還有待改進。

統計學助力空氣質量研究

大氣污染防治與管理的一個重要方面是利用多源空氣污染物數據，科學地評估空氣污染的狀況，從而準確度量大氣污染防治策略的效果，及時提出調整和改進方案。但通過提煉數據來評估空氣污染現狀和防治政策效果，需要運用先進的統計學分析技術與診斷模型。

1.空氣質量評估方法。大氣污染濃度受天氣因素的影響很大，而每年的氣象條件（風力、氣溫等）可能變化很大。這使得直接從濃度數據計算平均數得到的空氣質量標準不能完全反映排放水平。在可比氣象條件下，公平的評估方法是開展空氣質量管理的一個重要手段。我們應當研發在可比氣象條件下度量污染物濃度的統計學診斷方法，用于公平地評價不同時間和地點的污染物水平及變化趨勢。同時利用污染物時間-空間分布的統計模型，結合統計觀察研究方法，獲得在不同時間和空間位置下客觀評價空氣質量的統計診斷方法。需要強調的一點是，只有使用公平、客觀和科學的空氣質量評估方法，才能真正調動地方政府治理大氣污染的積極性和科學性。不公平的評估方法將扭曲大氣防治政策的效果。

2.大氣污染物數據質量監控。隨著眾多污染物數據在全國范圍內的收集，這一海量數據的質量將成為大氣質量管理的重要保障。在PM2.5成為空氣質量標準之前，中國各城市藍天天數是通過PM10的濃度來計算的，該指標也被納入了政府官員的業績考核內。有研究發現一些地區的PM10數據質量不高，甚至出現人為干擾。具體表現在PM10的統計分布在某些地方存在很強的不連續性。這種不連續性是大氣化學和物理規律所不能解釋的。

大氣環境監測數據的質量主要受以下四個方面影響：（1）數據的變異程度。去除氣象因素后監測數據的變異程度大則表示數據質量不高。（2）數據缺失分布狀況。2013年很多國控站點的污染物數據有超過50%的缺失，非國控站點就更嚴重。雖然數據缺失比率在過去兩年有所下降，但有些站點還是很高，嚴重影響數據質量。這就需要利用統計學缺失數據技術，尋找數據缺失同氣象條件和污染狀況的統計規律。（3）污染物數據（主要是PM2.5）受到人為干擾。我們可以通過多污染物間的統計學規律，診斷一個地區PM2.5數據同其他污染物的匹配性。利用衛星遙感數據，挖掘遙感數據與PM2.5及其他污染物數據的內在關系，交叉驗證地面觀測的污染濃度。（4）地面監測站點分布稀疏，造成區域數據觀測不完整。這就需要利用統計方法，對監測站點布局再優化，提高站點網絡數據的代表性和收集效率。

3.對污染與宏觀經濟、人口健康的計量分析。世界各國的經驗表明，社會經濟的發展往往伴隨著污染問題，而污染問題也反過來制約社會經濟的發展。對經濟發展與環境污染之間的關系，人們常用庫茲涅茨倒U型曲線進行量化：初始階段的經濟發展將導致污染增加，但經濟發展到一定階段，污染會逐漸降低。不同國家處于該曲線的不同階段，在不同的國家社會背景下該曲線也會呈現各種差異。該曲線常用于指導不同國家的經濟發展策略。不同的經濟活動會對污染狀況造成不同的影響，例如，有研究發現社會公共物品的開支比例增加和支出結構優化會減少污染。

除了經濟活動對污染的影響，污染排放反過來也會給國家的經濟產業帶來巨大沖擊。就第一產業農業而言，愈發嚴重的大氣污染狀況，包括臭氧、SO2以及霧霾等，均嚴重地威脅各個國家的農業經濟產出。印度的統計分析結果顯示，1996-1984年的霧霾使得印度的水稻產量降低了3.9%，而在1985-1998年該影響達到了10.6%。

此外，大氣污染對民眾的健康威脅也是研究的熱點之一。研究表明顆粒污染物的短期暴露對居民死亡率有顯著影響，并且對老人、兒童及患有慢性心肺疾病的人有更加嚴重的影響。哈佛大學和美國癌癥協會的研究證實，長期暴露在顆粒污染物中會對人體健康有重大影響，顆粒污染物每增加10?g/m3，死亡率就會增加約4%。近期的研究表明污染物組成成分的差異對健康也有顯著不同的影響。

中國的大氣污染問題歸根結底是經濟問題。研究環境污染如何因經濟活動而產生，同時量化環境污染對經濟發展的影響以及開展相關政策分析，具有重要意義。我們將研究宏觀經濟如何影響大氣污染，在實證分析和經濟理論建模相結合的基礎上對污染物數據進行研究，為大氣污染治理提供政策建議。同時，也將對政府在末端治理和結構性調整方面的政策進行研究，對區域間經濟和污染的空間相關性進行分析，為宏觀經濟政策的制定和地方政府跨區域政策的配合提供科學基礎。

（作者為國家特聘專家、北京大學統計科學中心主任）