基于模糊綜合評價的成都市空氣質量評價
——以2015-2020年空氣質量為例

卜興兵 林 青 秦 燕 俸 強 王會鎮

(1.四川省生態環境監測總站,成都 610041;2.中國石油西南油氣田分公司川中油氣礦,四川 遂寧 629000;3.西華大學理學院,成都 610039)

自2013年《大氣污染防治行動計劃》(簡稱“《大氣十條》”)頒布以來,各級政府采取一系列大氣污染防治措施,取得優異成績。但是,近年來,全國各大城市霾天氣急劇增多,臭氧污染加重,PM2.5污染嚴重,對人體健康、城市大氣環境、交通運輸等造成嚴重的影響[1-2],究其原因是由于本地自然因素和人為因素造成。大氣污染物與排放、地理特征和氣候特點關系密切,本地排放源的強度和大氣的輸送和擴散條件[3-4]對空氣質量改善至關重要。以成都市為例,本地自然因素有秋冬季靜風和逆溫天氣頻繁,盆地氣候典型,冬季少雨多霧,日照時間短,光照弱,上述因素不利于大氣污染物擴散和稀釋;夏季氣溫高、逆溫天氣較弱,大氣對流活動旺盛,降水充足,污染物濃度相對較低,但是太陽光輻射強,臭氧污染嚴重。人為因素有社會經濟發展帶來的城市化進程發展迅速,工業化廢氣排放量大、全社會工業耗煤量和機動車擁有量居高不下、生活燃煤量不斷增加。另外,由于本地排放源基數大,受限于本地大氣的輸送和擴散條件,在現有大氣污染控制措施的影響下,污染物減排難度越來越大,PM2.5濃度和臭氧仍然處在較高水平[1]。因此,采用科學合理的空氣質量評價模型和準確的污染源分析對大氣污染治理和有效管理具有重要的意義。

目前,空氣質量主要評價方法有環境空氣質量綜合指數、主成分分析法、模糊綜合評價法[5-6]。綜合指數主要用于城市空氣質量綜合排名,缺點在于不適用于評價目標的長期空氣質量狀況和未來變化趨勢;主成分分析法受限于數據樣本數量,評價較為局限,由于造成大氣污染的系統因素具有不確定性和模糊性,因此,上述兩種方法均不能有效避免大氣環境各系統因素的干擾。由于模糊綜合評價法可有效避免評價系統的模糊性和不確定性,可科學合理地評價大氣環境的客觀現狀,因此該方法已被廣泛應用于各類空氣質量評價研究。近年來,不少學者利用模糊綜合評價法開展空氣環境質量評價并取得了一系列成果。卜興兵等[6]以四川省2017年21個市(州)的PM2.5、PM10、SO2、NO2、CO和O3濃度監測數據為基礎,運用模糊綜合評價法對其空氣質量狀況進行了評價與分析,評價結果較為客觀地反映該地區2017年環境空氣質量狀況。段永健[7]為研究影響山西省2019年空氣環境質量的因素,利用模糊綜合評價法對研究目標進行了評價與研究;蔣滔等[8]以SO2、NO2、PM10作為評價因子,運用模糊數學方法,通過計算污染因子權重分配系數和隸屬度客觀評價了徐州市大氣環境質量。郭力嘉等[9]利用模糊數學綜合評價方法對北京市大氣環境質量作出了評價,評價較為客觀反應了評價地區環境空氣質量。目前,利用模糊綜合評價法對成都市大氣質量評價研究較少,因此,本文基于成都市2015-2020年6項大氣評價指標PM2.5、PM10、SO2、NO2、CO和O3的濃度監測數據,運用Pearson相關性和模糊綜合評價法對空氣質量狀況進行了評價與分析,采用復合污染特征分析研究了該區域污染物來源,能合理科學地評價研究時段成都市環境空氣質量的客觀現狀,為大氣污染防控工作提供參考依據。

1 材料與方法

1.1 數據來源與處理

研究的大氣污染物分別是PM2.5、PM10、SO2、NO2、CO和O3,時間范圍2015年1月至2020年12月,各污染物濃度數據來自成都市生態環境局官網(http://sthj.chengdu.gov.cn),其中年均濃度數據來自《2015-2020成都市環境質量公報》,月均濃度數據來自生態環境空氣質量報告,文中PM2.5、PM10、SO2、NO2均為年均值、CO為日均值第95百分位數、O3為日最大8 h滑動平均值的第90百分位數。PM2.5、PM10、SO2、NO2、O3單位為μg/m3,CO單位為mg/m3。成都市國家空氣監測站點分布如圖1所示,未包含對照點靈巖寺。2020年成都市機動車保有量及增長率來源于《2020成都市統計年鑒》。用統計軟件 Excel和SPSS20.0對數據進行統計及處理。

圖1 成都市國家空氣自動監測站點分布圖

1.2 評價與分析方法

參考文獻[6-9],模糊綜合評價的具體步驟如下:

(1)確定評價對象的因素,n個評價指標,u={u1,u2,……,un},文中u1-u6分別代表SO2年均值,NO2年均值,PM10年均值,PM2.5年均值,CO日均值第95百分位數,O3日最大8 h滑動平均值的第90百分位數;

(2)確定評價等級,V={v1,v2,……,vn},文中v1-v4分別代表空氣質量狀況優、良、輕度污染、中度污染;

(3)建立模糊關系矩陣R=(rij),計算采用降半階梯形隸屬度函數建立各評價因子對每級標準的隸屬函數rij。

第Ⅰ級時,即j=1時:

第Ⅱ、Ⅲ、Ⅳ級時,即j=2,3,4時:

公式中,j為污染的等級;xi為第i個評價因子的實測值;sij為第i個評價因子的第j級標準;rij為第i個評價因子對第j級標準的隸屬度。

(4)確定污染因子權重集,A=(ω1,ω2,ω3……ω6),權重集A中,各污染物權重為ω,公式中xi為第i個評價因子的實測值;si為環境空氣質量等級及對應的污染物項目濃度限值平均值。計算采用主因素突出賦權法中常用的超標倍數法計算權重系數,即污染物項目實測值除以對應環境空氣質量等級對應的濃度限值平均值,然后對各污染物因子進行歸一化處理。該方法既突出了環境質量評價中主要污染物的作用,又考慮了各污染物標準值間的差異帶來的影響。

(5)得出模糊綜合評價結果。由上述步驟得到的因子權重集A和隸屬度模糊矩陣R,得到評價矩陣B空氣質量綜合判別模型進行評價,B=(b1,b2,b3,b4),公式中b1-b4分別為污染物因子Ⅰ-Ⅳ模糊綜合評價結果。

B=A×R

(4)

2 結果與討論

2.1 大氣污染物時間變化特征

2.1.1 年變化趨勢

2015-2020年成都市空氣質量優良率分別為58.60%、58.50%、64.90%、70.30%、78.60%、76.71%。6種大氣污染物(PM2.5、PM10、SO2、NO2、O3和CO)濃度年變化趨勢如圖2所示,其中PM2.5、PM10、SO2、NO2、O3單位為μg/m3,CO單位為mg/m3。2015-2020年成都市6種大氣污染物平均質量濃度整體呈下降趨勢。由于近年來成都市加大了大氣污染防治工作力度,相比2015年,2020年各污染物平均質量濃度降低幅度分別為36.20%、39.13%、56.55%、30.82%、7.65%、50.00%,其中降幅最大的是SO2,其次是CO,空氣質量改善明顯。根據《環境空氣質量標準》(GB3095-2012),PM2.5和PM10年均二級濃度限值分別為35 μg/m3和70 μg/m3,研究時段內PM2.5、PM10年均濃度值逐年降低,但PM10的年均值到2018年才實現達標要求,研究時段內PM2.5年均值均為達標;其余污染物SO2、CO和NO2年均值自2016年開始逐年降低,改善明顯;O3年均質量濃度呈“U”型,整體逐年下降但下降幅度較緩,2017年略高于2016年,自2018年開始逐年降低,但2020年有上升趨勢,O3污染防治力度仍需加強。因此,成都市應進一步加強細顆粒物和臭氧污染防治工作。

圖2 大氣污染物濃度年變化趨勢

2.1.2 月變化規律

6種大氣污染物濃度月變化趨勢如圖3所示。由圖3(a)-(f)可以看出,2015-2020年成都市SO2、NO2、CO月均值均呈1-4月最高,10-12月次之,5-9月份最低,從近6年整體看月均濃度呈現先降低后升高的趨勢。PM2.5和PM10月均值均呈1月、11月、12月最高,2-4月次之,6-9月份全年較低,整體呈現“U”型趨勢,即先降低后升高。O3污染物則與其他污染特點不同,4-8月份全年較高,從近6年整體看O3月均濃度呈現“倒U型”趨勢,即先升高后降低。從傳統季節劃分來看,SO2、NO2、CO、PM10、PM2.5月均值變化規律均呈現冬季高、夏季低的特點,PM10、PM2.5的季節變化最為明顯,而O3的月變化規律正好相反,呈現出冬季低、夏季高的特點。出現“冬高夏低”的變化特點跟成都市的盆地氣候有較大關系,夏季雨量充沛,氣溫較高,大氣垂直運動活躍,大氣污染物易于擴散,對大氣污染物SO2、NO2、CO、PM10、PM2.5有較好的清除作用,但夏季氣溫高紫外線強促使氮氧化物與揮發性有機物發生光化學反應易形成O3污染物造成污染。冬天雨量少、氣溫低、大氣對流降低,盆地逆溫層效應,導致大氣污染較其他季節更為嚴重[4]。

2.2 大氣污染物特征分析

2.2.1 污染物間的相關性分析

為研究各大氣污染因子相關性,對成都市6種大氣污染物月均值進行Pearson相關性分析[5,10]。在Pearson相關性檢驗中,相關系數0～0.2表示為無相關,0.2～0.4表示為弱相關,0.4～0.6表示為相關,0.6～0.8表示為強相關,0.8～1.0表示為極強相關。兩者相關系數絕對值越大,說明相關性越強。相關系數為正,即為正相關關系,反之為負相關關系。由表1可知,除SO2和O3、CO和O3相關系數外,其余指標之間相關系數均在0.3以上呈現不同程度的相關性,說明指標污染物之間信息存在重疊,具有一定的相關性,這4種污染物可能具有較強的同源性和協同性;PM2.5與PM10相關系數為0.979,為極強相關,這是因為PM2.5作為PM10的組成部分,兩者同為顆粒物在本地有相似的來源與污染特征;對比各污染物指標相關系數大小,PM2.5、PM10與NO2的相關性大于與SO2、CO的相關性,可以初步推斷移動源對顆粒物的貢獻大于固定源;由于O3生成需要太陽輻射,但是顆粒物在大氣中可以吸收和散射部分太陽輻射,因此O3與其他5種污染物的相關系數均為負相關關系,其中與PM2.5、PM10負相關性顯著。

表1 6種大氣污染物相關系數矩陣

2.2.2 復合污染特征分析

參考文獻[6],利用復合污染特征分析法對2015-2020年成都市PM2.5和PM10、SO2和NO2相關的污染特征進行了研究,并初步識別污染物來源。復合污染物特征分析法即利用ρ(PM2.5)/ρ(PM10)比值和ρ(NO2)/ρ(SO2)比值反映污染源貢獻情況,比值大小分別代表二次污染源(ρ(PM2.5))貢獻和一次污染源(ρ(PM10))貢獻,燃煤源(ρ(SO2))和移動源(ρ(NO2))對污染貢獻的變化。結果如圖4所示,ρ(PM2.5)/ρ(PM10)在0.60～0.64波動,PM2.5作為PM10的組成部分,占比可以判斷大氣中細顆粒物污染對顆粒物污染的貢獻程度,近6年成都市ρ(PM2.5)/ρ(PM10)均大于0.6,因此可初步推斷顆粒物污染主要以細顆粒物污染為主。

圖4 SO2/NO2和PM2.5/PM10比值分析圖

成都市近6年PM2.5最小濃度為41 μg/m3,高于35 μg/m3限值,2019年PM10濃度為68 μg/m3首次達到二級標準。ρ(NO2)/ρ(SO2)在3.79 ～6.99波動,NO2主要來源于汽車尾氣排放等移動源,而SO2主要來源于煤炭燃燒和工業生產等固定源。ρ(NO2)/ρ(SO2) 比值越高,表明污染物主要來自于移動源,因此可初步推斷四川省的移動污染源占主導地位。據《2020成都市統計年鑒》數據,截至2020年,成都市機動車保有量達到577.24萬輛,與2015相比增加148.63萬輛,增長34.7%,汽車尾氣污染對NO2的貢獻在逐漸增加。因此,控制細顆粒物污染和控制機動車數量是改善成都市空氣質量的重要環節。

2.3 評價與分析結果討論

2.3.1 建立評價因素集合U

根據《環境空氣質量標準》(GB3095-2012)和《環境空氣質量評價技術規范(試行)》(HJ 663-2013)的規定,研究評價因素集合U={SO2年均值,NO2年均值,PM10年均值,PM2.5年均值,CO日均值第95百分位數,O3日最大8 h滑動平均值的第90百分位數}。

2.3.2 建立評價集V

為了詳細地描述研究區域污染狀況,有效區分污染程度,本文在對2015-2020年成都市的環境空氣質量進行評價時,結合《環境空氣質量標準》(GB3095-2012)和本地大氣實際污染狀況將原標準擴展為四級(Ⅰ-Ⅳ),建立評價集V={優、良、輕度污染、中度污染},PM2.5、PM10、SO2、NO2、O3單位為μg/m3,CO單位為mg/m3,如表2所示。

表2 環境空氣質量等級及對應的污染物項目濃度限值

2.3.3 建立模糊關系矩陣R

參考文獻[6-9],根據文獻隸屬度計算公式計算各評價因子對各級評價標準的隸屬度,從而建立模糊關系矩陣R=(rij),具體見表3。

表3 6種大氣污染物模糊關系矩陣

2.3.4 建立權重集

模糊綜合評價中賦權方法很多,污染因子的權重值直接影響各因子之間對環境空氣質量影響的相對程度的因素,決定到綜合評價的結果是否合理。利用公式(3),并將6種污染物采取歸一化的方法進行賦權,權重集A數據見表4。2015年、2017年及2018年首要污染物權重集占比依次為NO2、O3、PM2.5、PM10,2016年首要污染物權重集占比依次為NO2、PM2.5、O3、PM10,2019年和2020年首要污染物權重集占比依次為O3、NO2、PM2.5、PM10。自2019年開始O3權重首次超過NO2,并且持續至2020年。2015-2020年各污染物權重集排名前三位依次是NO2、O3、PM2.5。

表4 各污染因子的權重集

2.3.5 模糊綜合評價結果

采用公式(4),將權重集A和模糊矩陣R進行模糊矩陣的復合運算,得到模糊綜合評價結果B矩陣。根據最大隸屬度原則,取b1,b2,b3,b4中的最大值,即為本次環境空氣質量評價的模糊綜合評價結果,結果見表5。2015-2020年成都市的環境空氣質量在Ⅱ級-Ⅲ級,2017年達到國家環境空氣質量的二級標準。為了準確反映全省環境空氣質量狀況,參考文獻[6],選取質量評價Ⅱ級和Ⅲ級加和,評價標準第Ⅱ級和第Ⅲ級分別表示評價區空氣為良和輕度污染,因此將Ⅱ級和Ⅲ級的隸屬度相加的和能反映出成都市2015-2020年環境空氣污染程度,二者之和越大表示該地區空氣越差。據此可知,2015-2020年成都市的環境空氣質量排名由高到低依次為:2015年、2017年、2016年、2018年、2019年、2020年。將模糊綜合評價結果和環境空氣質量綜合指數評價結果對照,兩種評價除2016年和2017年,其與年份一致,但2017和2016年“Ⅱ級+Ⅲ級”綜合得分差別不大,尤其按照最大隸屬度原則劃定2016年空氣質量屬于Ⅲ級,因此總體來說模糊綜合評價較為客觀反映了2015—2020年成都市的環境空氣質量評價結果。

表5 空氣質量模糊綜合評價結果

3 結論

(1)2015-2020年成都市PM2.5、PM10、SO2、NO2、CO的最大月均值出現在1月和12月,O3的最大值月均值出現在5月-8月。空氣質量優良率分別為58.60%、58.50%、64.90%、70.30%、78.60%、76.71%。2020年PM2.5、PM10、SO2、NO2、O3和CO的年均質量濃度比2015年降低幅度分別為36.20%,39.13%,56.55%,30.82%,7.65%,50.00%,空氣質量改善明顯,環境空氣質量總體向好。

(2)PM2.5、PM10、SO2和O3具有較強的同源性和協同性,相關系數均在0.3以上;PM2.5與PM10水平相關性顯著;O3與PM2.5、PM10水平相關性顯著;PM2.5、PM10與NO2的相關性大于與SO2、CO的相關性。復合污染特征分析表明,ρ(PM2.5)/ρ(PM10)在0.60～0.64波動,ρ(NO2)/ρ(SO2)在3.79 ～6.99波動,研究時段成都市環境空氣污染物來源可能以二次污染源和移動源為主。

(3)2015—2020年成都市的環境空氣質量模糊綜合評價在Ⅱ級-Ⅲ級。“Ⅱ級+Ⅲ級”評價結果排名由高到低依次為:2015年、2017年、2016年、2018年、2019年、2020年。將模糊綜合評價結果和環境空氣質量綜合指數評價結果對比,兩種評價除2016年和2017年,其與年份一致。模糊綜合評價較為客觀反應了成都市環境空氣質量評價結果,對科學指導成都市大氣污染防治具有借鑒意義。因此,成都市應加強PM10、PM2.5、O3協同治理,有效降低移動源污染物排放,深化區域聯防聯控聯治,減少污染物排放,進一步改善環境空氣質量。