算術平均法、百分位數法和滑動平均法空氣質量評價對比分析及其揭示的信息

韋正崢,黃炳昭,蔣玉丹,郭云,王敏

(生態環境部環境與經濟政策研究中心,北京 100029)

目前,我國 《環境空氣質量標準》(GB 3095—2012)及 《環境空氣質量評價技術規范(試行)》(HJ 663—2013)中確定污染物的年均濃度、季均濃度、月均濃度和日均濃度主要采用算術均值及第95百分位數或第98百分位數來評價,臭氧(O3)濃度采用第90百分位數以及8小時滑動均值。本研究通過對比分析算術平均法、百分位數法和滑動平均法等評價空氣質量的差異,探索全面、真實、準確的空氣質量評價方法,為制定污染防治政策提供依據。

1 評價方法

算術平均法是統計學中最基本、最常用的一種方法,一般通過將城市空氣質量監測中的小時、日均、年均等數據簡單加和求平均數,直觀、簡明地評價空氣質量改善效果。若僅用一個指標進行評價,目前還難以找到替代算術均值的表征手段。對一個城市的空氣質量進行評價采用算術平均法是基本合適的,然而算術均值容易受到極端值影響,客觀來看表征信息不一定全面。

百分位數法是將樣本數據從小到大排序后計算相應的累計百分位,某一百分位所對應數據的值就被稱為這一百分位的百分位數。同一城市污染物濃度日均值的統計分布規律相對穩定,百分位數受數據缺失影響小,較少受到極端值的影響。百分位數法可以在算術平均法的基礎上進一步分析高、中、低濃度分布的變化規律,全面準確地評價空氣質量特征,為精準治污提供依據。

滑動平均法是通過選取不同的時間間隔,從時間數列的第一項數值開始,按不同周期求序時平均數,得出一個由滑動均值構成的新的時間序列?？紤]到氣象條件(風速、溫度、濕度)及生活方式(工作日及上下班高峰期)等因素對空氣質量存在一定影響,滑動平均法能在一定程度上剔除短期或長期的波動因素對污染物濃度變化的影響,使污染物變化趨勢更為直觀。

如果算術平均法相當于 “點”,那么滑動平均法就相當于 “線”,百分位數法就相當于 “面”。通常,在空氣污染程度相對較低的城市,當空氣質量相對穩定、沒有極端天氣事件頻發時,這三種方法評價空氣質量變化趨勢的結果較為相似；而在污染事件頻發、正在大力治污的城市,這三種方法的評價結果往往存在差異,甚至相反。各地區污染結構不同,簡單使用算術平均法來評價全國和重點區域空氣質量變化,掩蓋了被評價區域的實際污染水平。將 “點”擴充為 “線”和 “面”對于全面、真實、準確地評價空氣質量變化至關重要。

2 發達國家和地區空氣質量評價方法

美國、加拿大及歐盟普遍采用百分位數法及滑動平均法評價空氣質量長期及短期變化趨勢(見表1),澳大利亞、日本、韓國、印度、中國香港等國家和地區較少采用滑動平均法評價空氣質量。

加拿大和美國的計算方式基本一致,在評價SO2、NO2、PM2.5、PM10及O3年度變化時均使用3年滑動均值。1987年,考慮到氣象變化的隨機性,美國在制定PM10標準時提出用連續3年的算術均值作為年平均值的方案[1],認為采用3年平均值具有更大的穩定性,可以促進國家制定更加穩定的實施方案。美國環保局官員表示,《清潔空氣法案》在國會討論時,考慮到政策的連貫性及實施效果,并且美國總統一屆任期為4年,所以確定3年為滑動均值計算周期。

歐盟評價PM2.5和O3變化情況時采用3年滑動均值,并制定PM2.5的平均暴露指標(Average Exposure Indicator,AEI)用以評價人口聚集區人群暴露情況,包括暴露濃度限值及暴露降低目標。1991年,歐盟理事會關于 “對與環境有關的某些指令的實施報告進行標準化和合理化”(Council Directive 91/692/EEC)中規定[2],“各成員國應每隔3年以部門報告的形式向委員會提交關于本指令執行情況的資料,其中也應包括其他有關的共同體指令”。所以歐盟在評價O3時采用了3年滑動平均法,而后在PM2.5指標建立時延續了3年滑動均值。

表1 歐美等國家和地區空氣質量標準限值及其評價方法

3 全國重點城市空氣質量

3.1 重點城市空氣質量總體變化趨勢

2016—2018年,全國空氣污染治理成效顯著。從單一PM2.5指標百分位評價結果(見圖1)來看,全國338個城市日均PM2.5濃度①2018年8月,生態環境部發布《環境空氣質量標準》(GB 3095—2012)修改單,將污染物濃度由標準狀態(溫度為273 K,壓力為101.325 kPa時的狀態)修改為參比狀態(氣態污染物監測數據是25℃、1個大氣壓狀態下的數據,顆粒物及其組分監測采用實況狀態),并且自2018年9月1日起實施。本研究將2018年9月1日后參比狀態數據根據所在城市的溫度及氣壓統一調整為標準狀態數據。總體呈偏態分布,并呈現3個特征。

圖1 2016—2018年全國338個重點城市PM 2.5日均值分布圖

(1)百分位濃度向左穩定移動。波峰濃度均位于15～20μg/m3之間,并呈現向左移動的改善趨勢,尤其是25～55μg/m3之間的天數增加幅度最大,表明空氣治理效果穩定向好。

(2)達標曲線向上抬升改善。PM2.5日均濃度達到《環境空氣質量標準》(GB 3095—2012)二級標準75μg/m3的天數從2016年的 85.2%升高到 2018年的89.6%(該指標高于采用多指標評價得出的全國2018年79.3%的優良天數比例)。同時,PM2.5年均濃度達到環境空氣質量二級標準35μg/m3的城市占比從2016年的28%提升到2018年的45%。

(3)重度及嚴重污染天氣減少。超過標準2倍以上的重度及嚴重污染天氣所占的比例減少,從2016年的2.5%降低到2018年的1.6%,表明重污染天氣發生的頻次降低。

3.2 算術均值與百分位數比較

在空氣質量監測實施階段,我國空氣質量評價城市先后從74個城市(包括京津冀、長三角、珠三角區域及直轄市、省會城市和計劃單列市等)擴大到169個地級及以上城市,再到現在的338個地級及以上城市。從算術均值來看(見表2),三個階段城市空氣質量改善程度較為一致,2017年同比均改善5%,2018年同比均改善8%～10%,并且PM2.5濃度總體呈現 “169城市＞74城市＞338城市”的趨勢。由于樣本量越大模型越穩定,338個城市的算術均值與百分位數的改善程度較為一致,169個城市及74個城市的算術均值與百分位數的變化程度存在較大差異。338個城市更代表全國整體水平,但169個城市更能反映污染嚴重區域存在的問題。

污染物濃度通常呈偏態分布,考慮到同一城市污染物濃度日均值的統計分布規律相對穩定,百分位數濃度受數據缺失影響小,較少受到極端異常值的影響,因而其對整體濃度分布有較好的表征能力。

以169個城市為例,探索采用百分位數法來評價全國空氣質量變化趨勢,研究在算術均值評價結果基礎上進一步進行不同百分位評價。不同年度間空氣質量改善的主要貢獻因素如下：

(1)2017年,全國169個城市PM2.5濃度算術均值下降5%,第50百分位數(即 “中位數”)未下降。但是,第90百分位數降幅約為算術均值的1.4倍,表明2017年空氣質量改善主要是由于減少了污染較為嚴重的天氣。

(2)2018年,全國169個城市PM2.5濃度第50百分位數及第75百分位數下降幅度均為12%,略高于算術均值下降幅度,空氣質量優的第10百分位數及第25百分位數下降幅度為6%～7%,表明2018年空氣質量改善主要歸功于增加了空氣質量良及輕度污染的天氣,各項污染防治措施明顯提高了空氣質量改善的穩定性。

3.3 算術均值與3年滑動均值比較

氣象條件對年度之間大氣狀況的影響可能達到上下10%左右,利用滑動平均法能在一定程度上弱化氣象條件年際間的波動影響。考慮到PM2.5監測時間較短,PM10監測時間較長,因而后者更能反映其長期變化趨勢。本研究分析了PM2.5和PM10濃度的3年滑動均值及年均值的差異。

研究表明(見圖2)：(1)2013年以來,全國PM2.5濃度年均值及3年滑動均值呈下降趨勢,2018年PM2.5濃度年均值比2015年下降22%,3年滑動均值下降30%。(2)全國PM10濃度總體呈下降趨勢,在2013年有較大波動,這可能是實施新的空氣質量標準以后統計口徑變化等因素所導致。(3)2018年PM10濃度年均值比2007年下降24%,3年滑動均值下降22%。3年滑動均值比年均值曲線下降更為平緩,更能反映污染長期變化趨勢。

表2 2016—2018年全國重點區域及城市PM 2.5濃度變化 單位：μg/m3

圖2 全國重點城市顆粒物年均值及3年滑動均值變化趨勢

4 重點區域城市空氣質量

4.1 重點區域總體情況

由于各個區域的發展程度、氣象條件、地理位置及污染治理力度等方面不盡相同,因而空氣質量有較大差異。2016—2018年,PM2.5濃度總體呈現 “京津冀大氣污染傳輸通道城市(‘2+26’城市)＞汾渭平原＞長三角地區＞珠三角地區”的趨勢(見表3),與當前發布的空氣質量狀況較為一致。由于四大重點區域所包含的城市數量不同,所以PM2.5濃度分布圖的波峰濃度高度及面積大小也不同。將2018年頻數最高的天數統一調整為100天進行歸一化處理,曲線總體呈現 “2+26”城市、汾渭平原、長三角地區、珠三角地區向左偏移的趨勢,與總體情況一致(見圖3)。

PM2.5年均濃度達到國家一級標準(35μg/m3)的城市從2016—2017年的8%～9%提升到2018年的16%,主要分布在珠三角地區及長三角地區, “2+26”城市及汾渭平原無一城市達標(見圖4),藍天保衛戰任重而道遠。

采用不同評價方法對比來看(見圖4),全國重點城市PM2.5濃度的中位數與算術均值之間具有較好的線性關系,且越來越強,這可能與重污染天氣越來越少有關。以各區域算術均值對應的百分位來看,2018年“2+26”城市、汾渭平原、長三角地區的算術均值均位于第65百分位數,珠三角的算術均值位于第60百分位數,更接近中位數,表明汾渭平原、京津冀及周邊地區、長三角地區受重污染天氣影響相對較大,珠三角受重污染天氣影響較小。

4.2 算術均值與百分位數

京津冀地區自2013年以來被列為大氣污染防治重點區域,2017年重點區域擴大為 “2+26”城市。2016—2018年,“2+26”城市PM2.5波峰濃度位于35～40μg/m3之間,明顯呈現向左向上移動的趨勢,表明空氣質量持續改善,PM2.5濃度逐年降低(見圖5)。近年來,“2+26”城市先后采取了重污染天氣限產停產、煤改氣改電、“小散亂污”清理取締等措施。2017年,第75百分位數及第90百分位數下降幅度最大,表明空氣質量改善以降低污染天氣為主。2018年,第10百分位數及第25百分位數下降幅度最大,表明空氣質量改善以增加優良天氣為主(見表3)。

汾渭平原2017年PM2.5濃度不降反升,濃度分布呈現向右移動的不利態勢。自2018年起,汾渭平原被納入大氣污染防治重點區域,污染治理成效明顯,空氣質量有較大幅度改善,PM2.5濃度分布呈現向左向上移動的趨勢(見圖5),算術均值和百分位數差別較大,第95百分位數及中位數下降幅度最大,表明重污染天氣及空氣質量為良的天氣改善明顯(見表3)。

表3 2016—2018年全國重點區域及城市PM 2.5濃度變化 單位：μg/m3

圖3 2016—2018年全國重點區域PM 2.5日均濃度分布圖

圖4 全國169重點城市PM 2.5年均濃度與中位數相關性分析

珠三角地區和長三角地區空氣質量相對較好,PM2.5波峰濃度范圍為15～25μg/m3(見圖5)。2017年兩個區域均有不同程度的惡化；2018年改善明顯,珠三角地區主要是第75百分位數及第90百分位數有明顯變化,長三角地區主要是第50百分位數及第75百分位數有明顯變化。但從數值上來看,二者均集中在PM2.5濃度為35～53μg/m3的范圍內,即這兩個區域空氣質量為良的天氣不夠穩定,容易反復(見表3)。

以上四個區域的算術均值和百分位數反映了空氣污染治理在不同階段的工作重點及成效不同。降低重污染天氣是較容易做到也是成效最為顯著的,降低輕、中度污染天氣相對困難。當空氣質量評價指標中的污染物濃度降低到50μg/m3以下后,也就是以優良天氣為主時,減排的邊際效應下降,并且容易受氣象條件的影響,空氣質量易反復,污染減排難度加大。

4.3 重點區域聚類分析

以算術平均法評價區域內不同城市空氣質量狀況將會不可避免地出現 “被平均”現象,或許會掩蓋不同城市面臨的問題。對 “2+26”城市及汾渭平原各城市PM2.5年均濃度變化程度分析發現,與上文研究結果一致,2018年改善程度優于2017年,“2+26”城市的改善幅度優于汾渭平原的改善幅度,其中河北總體改善幅度最高,河南總體改善幅度最低。2017年,北京、新鄉及濟寧等城市改善幅度最高,山西的呂梁、臨汾、運城3市改善幅度最低；2018年,德州、保定、衡水等城市改善幅度最高,開封、陽泉、濮陽等城市改善幅度最低(見圖6)。

對 “2+26”城市及汾渭平原各城市PM2.5年均濃度及百分位數變化進行聚類分析發現,2017年,北京、新鄉等城市各類別空氣質量均明顯改善,濟南、聊城、德州、淄博、菏澤、濟寧等城市空氣質量改善是以增加優、良及輕度污染天氣為主,石家莊、長治、銅川等城市空氣質量改善是以降低重污染天氣為主。2018年,衡水、德州、保定等城市污染物濃度年均值及百分位數均有較大程度的降低,運城、渭南、晉中、廊坊、寶雞、呂梁等城市空氣質量改善主要歸功于減少了中、重度污染天氣,長治、聊城、菏澤等城市空氣質量改善是以控制輕度污染天氣為主(見圖7)。

圖7 “2+26”城市及汾渭平原城市PM 2.5濃度變化聚類圖

各城市PM2.5濃度年均值及中位數總體變化趨勢一致。2017年大部分城市算術均值及中位數同時好轉或惡化,部分城市變化趨勢不一致。例如,西安市算術均值惡化,中位數好轉；開封、洛陽、長治3市算術均值好轉,中位數惡化；臨汾、晉城等城市偏離直線以下較遠,需要注意甄別數據的可靠性。2018年各城市算術均值及中位數均下降,但是北京、唐山、呂梁等城市偏離直線以下較遠,均值降低的幅度遠高于中位數降低的幅度(見圖8)。

5 典型城市案例

5.1 北京市

最近三年,北京市空氣污染治理成效顯著,PM2.5濃度總體向左移動,無論是算術均值還是百分位數均有明顯降低,2017年改善程度好于2018年(見圖9)。

2017年,空氣質量改善以減少污染天氣為主,優良天氣改善有限。2018年,PM2.5濃度的算術均值與百分位數變化差異較大,中位數不降反升1%,表明空氣質量良好及輕度污染天氣改善程度較小。PM2.5濃度峰值從20～40μg/m3降低到20μg/m3以下,第10百分位數降低幅度約為算術均值的1.8倍,表明優等天氣改善幅度較為明顯(見表4)。未來北京市空氣質量改善的空間主要是增加優良天氣,在消滅了重污染天氣的后攻堅時期,空氣污染治理將面臨嚴峻挑戰。

圖8 “2+26”城市及汾渭平原城市PM 2.5濃度變化相關性分析

表4 2016—2018年北京市PM 2.5濃度值 單位：μg/m3

2019年2月20日,北京市發布 《北京市污染防治攻堅戰2019年行動計劃》,為了中和氣象因素的影響,將 “細顆粒物(PM2.5)3年滑動平均濃度”首次納入空氣質量年度治理目標。分析可見,2013年以來,北京市PM2.5濃度年均值及3年滑動均值總體呈下降趨勢,與2015年相比,2018年年均值下降37%,3年滑動均值下降29%。分析近20年來北京市PM10濃度變化趨勢可見,年均值和3年滑動均值下降幅度較為一致,分別為53%及50%(見圖10)。3年滑動均值曲線更為平緩,更能反映污染物濃度的下降趨勢。

5.2 天津市

天津市近三年空氣質量有較大改善,2018年改善程度好于2017年(見圖9)。2017年,天津市PM2.5濃度的第75百分位數下降幅度大于算術均值,空氣質量改善是以降低輕、中度污染天氣為主,中位數改善程度僅為算術均值的1/4。2018年,PM2.5濃度的算術均值與百分位數變化差異較大,第10百分位數及第95百分位數降低幅度分別為算術均值的2倍和1.7倍,表明好天氣和重污染天氣均在大幅增加(見表5)。這說明天津市空氣質量改善進程仍處于持續攻堅期,空氣質量變化對氣象條件、減排力度、管理水平等因素依然較為敏感。

圖10 北京市顆粒物年均值及3年滑動均值變化趨勢

表5 2016—2018年天津PM 2.5濃度值 單位：μg/m3

2013年以來,天津市PM2.5濃度年均值及3年滑動均值均呈下降趨勢,2018年PM2.5濃度年均值比2015年下降26%,3年滑動均值下降27%。天津市PM10濃度在2013年有較大波動,總體呈下降趨勢。與2007年相比,2018年PM10年均值下降30%,3年滑動均值下降28%(見圖11)。

圖11 天津市顆粒物年均值及3年滑動均值變化趨勢圖

5.3 上海市

2016—2018年,上海市PM2.5波峰濃度一直在20～40μg/m3范圍內(見圖9),其中2017年降低幅度大于2018年,2017年第90百分位數及第95百分位數降低幅度較大,空氣質量改善以降低污染天氣為主,2018年空氣質量改善以增加優良天氣為主(見表6)。

5.4 廣州市

廣州市PM2.5濃度算術均值較為穩定,總體變化不大。但是百分位數波動較大,2017年優等天氣大幅減少,2018年空氣質量為良的天氣大幅減少(見表7)。

5.5 其他城市

2016—2018年,唐山市 PM2.5濃度波峰從 40～60μg/m3降低到20～40μg/m3(見圖9),第90百分位數及第95百分位數降低幅度較大,空氣質量改善以降低中、重度污染天氣為主(見表8)。

表6 2016—2018年上海市PM 2.5濃度值 單位：μg/m3

表7 2016—2018年廣州市PM 2.5濃度值 單位：μg/m3

石家莊市2017年低、中百分位數大幅上升,空氣質量改善主要是降低了污染天氣,2018年各類型空氣質量改善總體較為一致(見表8)。

西安市2017年空氣質量下降,2018年空氣質量改善,主要歸因于減少重污染天氣、增加空氣質量為良的天氣(見表8)。

需要注意的是,2016年晉城市PM2.5濃度分布不是一條拋物線,中間有明顯的下降,分布不太符合常理(見圖9)。2017年晉城市PM2.5濃度的算術均值同比上升5%,第10百分位數、第25百分位數及第50百分位數大幅上升,第75百分位數、第90百分位數及第95百分位數大幅改善(見表8)?？傮w來看,2018年同比數據變化較為合理,2017年與2016年相比數據變化不太合理,需要進行深入分析。

表8 2016—2018年典型城市PM 2.5濃度值 單位：μg/m3

從 “2+26”城市及汾渭平原典型城市案例分析結果來看,不同城市空氣質量變化模式不同,相同的算術均值對應的百分位數濃度值下降各不相同,相應的控制策略實際上也有所不同。另外,從百分位數的分布規律也可以看出數據的合理性。

6 總體結論與建議

采用算術平均法評價空氣質量變化情況基本合適,但表征信息不一定全面。評價區域及城市空氣質量要盡量深入挖掘數據信息,科學、客觀、全面地評價污染治理情況,以便找準治理方向。建議：

(1)滑動平均法在一定程度上可以剔除氣象條件等因素對空氣質量變化的影響,建議 “十四五”時期采用3年滑動均值評價長期空氣質量變化趨勢,并將該指標納入年度考核指標。同時,也可以考慮以人口加權的方式評價污染治理成效,但需開展大量測試性研究,科學量化各因素的不確定性。

(2)各地區在開展空氣質量分析評價及發布報告時,在繼續發布城市空氣質量監測數據算術均值的同時,輔助評價不同百分位數情況,全面、客觀、精細、準確地描述空氣質量狀況,采取有針對性的精準控制措施；

(3)盡可能淡化用區域內不同城市年均值的算術均值代表區域內整體改善效果的評價方法,對區域內城市進行針對性分析,重點分析不同城市的具體問題。