基于相關分析的北京空氣質量影響因素研究

金仁浩 曾國靜 李盈新 武帥

（北京物資學院信息學院 北京 101149）

引言

大氣污染問題影響著人們的健康和出行，自2013年北京霧霾事件以來，大氣污染問題成為人們普遍關注的話題。近幾年來，經(jīng)過政府和民眾共同的努力，北京市空氣質量得到了顯著的提升，但北京市在“十四五”期間仍將堅持推進空氣質量持續(xù)改善。目前研究北京市大氣污染問題的文獻比較豐富，主要集中在大氣污染分布特征和影響因素兩方面。

相關研究主要基于北京環(huán)保部門每日實時發(fā)布的北京35 個空氣監(jiān)測站點的SO2、NO2、PM10、PM2.5、O3、CO 和綜合空氣質量指數(shù)AQI 數(shù)據(jù)。董芬等對2006 年北京PM10 的分布展開分析，得出北京市空氣質量呈現(xiàn)北好南差的分布，在秋冬季這種趨勢更加明顯[1]。李令軍等對2013-2014 年北京PM10 和O3的分布進行分析，同樣得出大氣污染物在北京呈現(xiàn)出南高北低的分布特征[2]。王占山等對2013 年北京PM2.5 分布展開研究，得出該污染物分布呈現(xiàn)出冬春季較高、秋夏季較低、南部較高、北部較低的特點[3]。金仁浩等對2018 年北京市大氣污染物的分布特征展開研究，得出污染物濃度在空間上呈現(xiàn)出北低南高的趨勢，自然因素是造成該趨勢的主要原因[4]。

涉及北京地區(qū)空氣質量影響因素的研究相對比較豐富。譬如，李玉敏等利用回歸模型對1999-2009 年北京空氣質量影響因素進行分析，得出城市綠地覆蓋率和人口規(guī)模對空氣質量有顯著影響[5]。肖稚穎等運用灰色關聯(lián)法對空氣質量影響因素進行分析，得出公共交通運輸和生產(chǎn)能源消耗對空氣質量有著較大的影響[6]。姚祎等運用回歸模型對2016－2020 年北京春節(jié)期間的空氣質量數(shù)據(jù)進行分析，得出氣象因素對北京多種空氣污染物濃度占據(jù)主導性影響，經(jīng)濟活動對NO2濃度有著顯著正相關影響，但對PM10、PM2.5 和SO2濃度的影響并不顯著[7]。弓輝等通過GIS 空間描述和統(tǒng)計相關分析研究京津冀地區(qū)霧霾形成的因子，得出AQI 受到污染物排放和氣象因子的綜合影響[8]。

相關文獻中，一般是以AQI 或者PM2.5 作為反映空氣質量的主要因素，由于北京民眾對PM2.5 的敏感程度較高，故本文以PM2.5 作為目標變量。雖然對北京空氣質量影響因素方面的研究較多，但現(xiàn)有研究仍存在一定的不足之處。譬如，研究的數(shù)據(jù)年份往往集中在2018 年之前；對AQI 或PM2.5 影響因素的研究往往會僅考慮其他幾種污染物，或僅考慮氣象因素，很少會同時考慮這兩方面因素的綜合影響。因此，為彌補這一不足，本文以2020 年3 月-2021 年2 月北京市空氣質量和氣象數(shù)據(jù)為基礎，在描述分析PM2.5 變化規(guī)律的基礎上，運用回歸模型綜合研究這兩方面因素對PM2.5 的影響。本文的研究結果可為北京地區(qū)大氣污染治理提供一定的參考，具有重要的實踐價值。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

雖然北京市共有35 個空氣監(jiān)測站，但環(huán)保部門也會發(fā)布每日北京污染等級及PM2.5、PM10、SO2、CO、O3、NO2這6 種污染物的總體平均濃度值。本文在選取北京市每日污染物指標的基礎上，還收集了北京每日天氣狀況、風向、風力、溫差、最高氣溫、最低氣溫這些氣象指標。收集的數(shù)據(jù)時間跨度為365 天，即從2020年3 月1 日至2021 年2 月28 日。根據(jù)PM2.5 日均值，可將空氣質量分為6 個級別：優(yōu)，良，輕度污染，中度污染，重度污染，嚴重污染，這六個級別對應的數(shù)值區(qū)間分別為0-35，35-75，75-115，115-150，150-250，250 以上。

1.2 建模分析

本文首先對北京市空氣質量在時間上的變化規(guī)律進行分析，再研究其在不同氣象狀況下的分布特征，進而從整體上了解北京空氣質量的變化特征。在對PM2.5 濃度值與氣象因素和其他污染物濃度值進行相關性研究的基礎上，運用多元回歸模型綜合研究其他污染物指標和氣象指標對PM2.5 濃度的影響。

在統(tǒng)計模型中，回歸模型是一種常見的用來研究目標變量與自變量影響關系的模型，該模型具有簡單易懂、理論完善、解釋性強、容易實現(xiàn)等優(yōu)點，被廣泛應用于各個領域。該模型對數(shù)據(jù)量的要求不是太高，符合本文研究目標。在回歸建模時，本文采用逐步回歸的方法實現(xiàn)對自變量的選取。

2 空氣質量分布特征研究

2.1 空氣質量的時間分布特征

北京四季分明，夏季天氣炎熱，冬季寒冷干燥，春季和秋季氣溫變化幅度較大。北京四季一般可劃分為春（3 月-5 月）、夏（6 月-8 月）、秋（9 月-11 月）、冬（12月-2 月）。顆粒污染物PM2.5 在四季上的變化差異如表1 所示。由表可知，春夏秋三季污染物濃度均值相差不大，但夏季均值和波動都最低，秋季均值和波動幅度都高于春季；冬季濃度均值明顯偏高，且波動幅度最大。春夏秋季PM2.5 濃度均值對應的空氣質量等級為優(yōu)，冬季濃度均值對應的空氣質量等級為良，因此總體而言近年來北京市空氣質量相對較好。造成北京PM2.5 在季節(jié)上的變化規(guī)律，可能是因為北京地區(qū)春秋季早晚溫差較大可達10℃左右，且時常出現(xiàn)的大風天氣會導致空氣中沙塵較多，這都會導致PM2.5 污染物較難稀釋；而夏季溫度較高，降水較頻繁，一定程度的降雨可清除空氣中的顆粒物，便于PM2.5 污染物的吸收和擴散；冬季寒冷干燥溫度較低易刮大風，容易造成顆粒狀懸浮物在空氣中集聚，且冬季采暖也會加劇空氣污染物的排放。

表1 PM2.5濃度變化的季節(jié)性差異（單位：ug/m3）

2.2 空氣質量與天氣狀況、風向的關系

天氣狀況對空氣質量存在著顯著影響，當大氣中的污染物相對穩(wěn)定時，污染物被稀釋和擴散的效果主要受氣象因素的影響[9]。不同天氣狀況下，污染物PM2.5 的濃度均值如圖1 所示，按濃度均值由大到小對天氣狀況進行了排序。雨夾雪和小雪天氣污染物濃度均值較高，前者高達109；陰天和多云天氣相比于小雨、中雨和雷陣雨天氣污染物濃度偏高，但相差不是太大，這幾個天氣狀況對應的空氣質量等級都為良；浮沉和晴的污染物濃度均值較低，對應的空氣質量等級都為優(yōu)。另一方面，用空氣質量等級和天氣狀況構建列聯(lián)表，建立獨立性卡方檢驗，得出p-value 值僅為0.007，進一步說明天氣狀況和污染物濃度存在顯著的相關性。

圖1 不同天氣狀況下北京市PM2.5濃度均值

風向對空氣質量存在著顯著影響，不同風向下，污染物PM2.5 的濃度均值如圖2 所示。南風和東風對應的污染物濃度均值較高，數(shù)值大于45；東南風、東北風、北風對應的污染物濃度均值介于36-38 之間，與南風和東風數(shù)值對應的空氣質量等級都為良；西南風、西風、西北風對應的污染物濃度均值較低，都達到了等級優(yōu)，其中西北風所對應的濃度均值最低為19。另一方面，用空氣質量等級和風向構建列聯(lián)表，建立獨立性卡方檢驗，得出p-value 值僅為0.008，進一步說明風向和污染物濃度存在顯著的相關性。高濃度的污染物通常聚集在下風方向地區(qū)，北京冬季風向以西北風為主，對應風力往往較大，進而導致整體空氣質量較好。另一方面，北京的工業(yè)生產(chǎn)基地主要位于南部和東北部區(qū)域，工業(yè)生產(chǎn)排放的污染物容易在南風和東風的作用下進入市區(qū)，導致市區(qū)PM2.5 的濃度偏高。

圖2 不同風向下北京市PM2.5濃度均值

3 基于回歸模型的PM2.5 影響因素分析

為了綜合研究氣象因素及其他污染物因素對PM2.5 濃度的影響，本章利用多元回歸模型綜合考慮這些因素的作用。由于回歸模型的自變量需是數(shù)值型指標，因此回歸分析僅涉及風力、溫度差、最高氣溫、最低氣溫這4 個氣象指標。各自變量指標與目標變量PM2.5 濃度的相關系數(shù)表如表2 所示。由表可知，在氣象指標里，PM2.5 濃度僅與風力指標呈現(xiàn)顯著的負相關，與其他氣象指標相關性不顯著。在其他污染物指標里，PM2.5 濃度與臭氧濃度呈現(xiàn)不顯著的負相關，但與其他污染物指標都呈現(xiàn)出顯著的正相關關系。

表2 各自變量與PM2.5濃度的相關系數(shù)

選取表2 中與PM2.5 濃度有顯著相關關系的自變量建立多元線性回歸方程，并通過逐步回歸的方法剔除不顯著自變量。逐步回歸模型結果如表3 所示，僅有污染物指標顯著，而風力指標未通過顯著性檢驗，PM10、SO2、CO 對目標變量都有著顯著的正影響，其中PM10 和CO 為高度顯著。

表3 影響因素對PM2.5濃度的回歸分析

表3 所得模型中，風力指標未通過逐步回歸的顯著性檢驗，但通常認為風力對空氣質量存在顯著的影響。以PM2.5 濃度為目標變量，以風力指標和PM10 兩自變量建立模型時，風力指標未通過顯著性檢驗，PM10 濃度顯著。經(jīng)計算得風力和PM10 之間呈現(xiàn)出異常顯著的負相關性，說明風力和PM10 指標在回歸模型中存在制約關系。剔除PM10 指標，重新建立多元線性回歸模型，逐步回歸結果如表4 所示。在新模型中，NO2和CO 對目標變量都有著高度顯著的正影響，但風力對目標變量有著顯著的負影響，與表3 模型共同的自變量僅為CO 指標。綜合表3 和表4 模型結果，對PM2.5 濃度有顯著相關關系的自變量為PM10、SO2、CO、風力、NO2。

表4 影響因素（剔除PM10指標）對PM2.5濃度的回歸分析

結語

本文對北京每日空氣質量和氣象數(shù)據(jù)進行描述和建模分析得出：北京市空氣質量得到了明顯的提升，四季PM2.5 濃度均值對應的空氣質量等級都為良以上；天氣狀況、風向都對PM2.5 濃度有著顯著的影響，其中雨夾雪和小雪天氣污染物濃度較高，南風和東風對應的污染物濃度較高；PM10、SO2、NO2、CO 對PM2.5 濃度都有顯著的正影響，但風力對PM2.5 濃度有顯著的負影響。

因此為了降低PM2.5 濃度，政府部門要制定政策減少生產(chǎn)生活過程中PM10 污染物的排放；提高燃料的燃燒率，減少SO2和NO2的排放；要搞好北京南部和東北部工業(yè)生產(chǎn)基地環(huán)境規(guī)劃，當處于上風向時，尤其要注意控制污染物的排放。