限行政策下蘭州市空氣質量影響因素分析

摘要：機動車尾氣排放是空氣污染物的主要來源之一。為了解機動車限行政策下蘭州市空氣質量的影響因素，首先對2016—2019年蘭州市空氣質量數據進行統計分析，其次利用逐步回歸分析法建立空氣質量指數（Air Quality Index，AQI）與空氣污染物濃度的多元線性回歸模型，最后對氣象因素和空氣污染物濃度進行相關性分析。結果表明，限行政策有助于改善空氣質量，AQI與空氣污染物濃度有明顯相關性，氣象因素與空氣污染物濃度也有明顯相關性。

關鍵詞：限行；空氣質量；相關性分析；多元線性回歸模型

中圖分類號：X51 文獻標識碼：A 文章編號：1008-9500（2024）03-0-07

DOI：10.3969/j.issn.1008-9500.2024.03.034

Abstract： Motor vehicle exhaust emissions are one of the main sources of air pollutants. In order to understand the influencing factors of air quality in Lanzhou city under the policy of motor vehicle restrictions， this paper first conducts statistical analysis on the air quality data of Lanzhou city from 2016 to 2019， and then uses stepwise regression analysis to establish a multiple linear regression model between the Air Quality Index （AQI） and air pollutant concentration， and finally conducts correlation analysis between meteorological factors and air pollutant concentration. The results indicate that the restriction policy helps to improve air quality， and there is a significant correlation between AQI and air pollutant concentrations， as well as a significant correlation between meteorological factors and air pollutant concentrations.

Keywords： traffic restriction; air quality; correlation analysis; multiple linear regression model

一直以來，機動車尾氣排放都是空氣污染的重要影響因素。近年來，隨著我國經濟社會快速發展，城市機動車保有量的增速越來越快。據統計，截至2023年6月，全國機動車保有量已達4.26億輛，蘭州市機動車保有量已超過127萬輛。大量的機動車污染物排放嚴重影響城市空氣質量，并嚴重破壞人類的生存環境，這將直接危害人體健康[1]。因此，減少機動車尾氣排放，有效改善空氣質量成為急需解決的問題。

2008年，北京市開始實行限行政策來解決因機動車數目增加而導致的城市空氣污染問題，隨后，長春市、杭州市、天津市等城市開始實行機動車限行政策，蘭州市于2010年首次實行機動車限行政策[2]。目前，該政策已作為一種常規政策，被廣泛應用于國內各大城市。現有研究大都關注機動車限行政策下北京市、上海市、廣州市和深圳市等大城市大氣污染特征[3-6]。研究發現，在各類機動車中，對大氣污染物貢獻最大的是重型貨車[7-8]，交通領域顆粒物和氮氧化物排放量居高不下的主要原因是機動車尾氣排放[9]。限行政策與城市空氣質量改善有明顯的相關性[10]，限行前和限行期化學轉化形成的二次顆粒物是大氣顆粒物的主要來源，而限行后大氣顆粒物則是沙塵、揚塵等一次顆粒物[11]，限行政策有效改善空氣質量的效果體現在限行日空氣質量明顯優于非限行日[12]。氣象因子會影響空氣污染物濃度，且對不同城市不同污染物的影響程度不同[13-14]。因此，本文根據2016—2019年蘭州市環境空氣質量監測數據，研究限行政策下蘭州市環境空氣質量變化趨勢，并獲取可靠的氣象資料，研究氣象因素與蘭州市空氣污染物濃度的相關性，這將為相關政策的制定與實施提供參考，為改善城市空氣質量和推進大氣污染防治提供理論依據。

1 數據來源與研究方法

1.1 數據來源

研究數據主要有兩類，一是2016—2019年蘭州市空氣質量指數（Air Quality Index，AQI）與6種空氣污染物濃度數據，二是2016—2019年蘭州市氣象因素數據（風速、溫度、濕度、氣壓）。6種空氣污染物分別為細顆粒物（PM2.5）、可吸入顆粒物（PM10）、SO2、CO、NO2和O3。AQI及6種污染物濃度數據來源于空氣質量在線監測平臺，最終采用的AQI數據為蘭州市每天的24 h平均值，2016—2019年共有1461組數據。氣象數據來源于國家氣象科學數據中心。最后，利用EXCEL軟件、SPSS軟件和Origin軟件對收集的數據進行整理分析。另外，對相關數據進行標準化處理，以消除量綱對數據分析的影響。

1.2 研究方法

一是皮爾遜相關性分析。皮爾遜相關系數可以反映自變量與因變量的線性相關程度，采用式（1）進行計算。二是偏相關性分析。在控制其他自變量的情況下，偏相關系數可以反映某一自變量與因變量的凈相關程度，采用式（2）進行計算。

式中：ρX，Y為自變量X與Y的皮爾遜相關系數；E（XY）為自變量X與Y相乘的期望值；E（X）為自變量X的期望值；E（Y）為自變量Y的期望值；E（X2）為自變量X平方的期望值；E（Y2）為自變量Y平方的期望值；r為偏相關系數；r12表示因子1和因子2的相關系數；r23表示因子2和因子3的相關系數；r13表示因子1和因子3的相關系數。

2 結果與分析

2.1 描述統計分析

如表1所示，6種空氣污染物的濃度均值均達標，AQI均值約為91，空氣質量總體良好。標準偏差和方差可反映AQI與各類污染物濃度的離散程度。其中，PM2.5、SO2、CO與NO2濃度的標準偏差和方差較小，說明隨著時間的推移，4種污染物濃度的變化不大；AQI、PM10和O3濃度的標準偏差和方差很大，說明隨著時間的推移，3個指標數據的離散度很大。因此，采用限行政策改善空氣質量時，應注意引起PM10和O3濃度增大的原因以及時間變化特征，必要時采取相應的輔助措施，以減少污染物濃度。偏度用于度量隨機變量概率分布的不對稱性，所有指標數據的偏度均大于0，即數據右偏，其中AQI與SO2數據右偏最為嚴重。峰度用于判定數據相對于正態分布的變化程度（陡峭或平緩），O3的峰度小于0，說明總體數據分布與正態分布相比較為平緩，AQI、PM2.5與PM10的峰度很大，說明總體數據分布與正態分布相比極為陡峭，SO2、CO與NO2的總體數據分布與正態分布相比較為陡峭。

2.2 大氣污染特征分析

2016—2019年，蘭州市AQI統計分析結果如圖1所示。其中，四分位距（Inter Quartile Range，）是描述統計學的一種方法，用于確定第三四分位數和第一四分位數的區別。2016—2019年，蘭州市AQI均值整體呈下降趨勢，這說明限行政策的實施有助于改善空氣質量。由圖2可知，2016—2019年，隨著時間的變化，蘭州市AQI存在明顯的季節性和周期性。非采暖期的環境空氣質量明顯優于采暖期，這是因為冬季供暖會造成大量顆粒物與氣體污染物的排放；每年4—5月空氣質量有明顯下降，這是因為春末沙塵天氣較多，而6—9月空氣質量最優，波動不大。因此，在開展空氣污染治理時，可以多關注春冬兩季各污染物排放情況。

2016—2019年，蘭州市6種空氣污染物的濃度變化如圖3所示。結果發現，隨著時間的變化，各污染物濃度均沒有出現明顯的上升和下降趨勢，因此二者沒有明顯的線性關系，但污染物濃度變化具有明顯的周期性和季節性。其中，隨著時間的變化，O3表現出強烈的季節性，一年中，冬季濃度較小，夏季濃度較大；CO、SO2與NO2濃度變化規律較為相似，曲線均呈V字形，季節性明顯，一年中，冬季濃度較大，夏季濃度較小。隨著時間的變化，PM2.5、PM10的濃度明顯有所降低。1月、2月、11月和12月，PM2.5和PM10濃度較高。總體來看，蘭州市冬季空氣污染嚴重，夏季空氣質量較好。

2.3 相關性分析

2.3.1 AQI與空氣污染物濃度相關性分析

經數據描述性分析，本研究選擇的6個自變量都會對AQI產生影響，于是考慮所有因素對AQI的影響。大氣污染物濃度與AQI的相關性分析結果如表2所示。結果顯示，置信度為0.01時，6種大氣污染物濃度與AQI的相關性均顯著。AQI和PM10、PM2.5、NO2具有較強的正相關，AQI和SO2、CO、O3的相關性較弱。PM2.5和PM10具有很強的正相關，與SO2、CO、NO2也有較強的正相關；PM10與SO2、CO、NO2具有較強的正相關；SO2和CO具有很強的正相關，和NO2也有較強的正相關；CO與NO2具有很強的正相關；PM10、PM2.5、NO2、SO2、CO均與O3呈負相關，其中，O3與SO2、CO的相關性較強，這將導致優良天氣出現O3濃度超標。

2.3.2 氣象因素與空氣污染物濃度相關性分析

6種空氣污染物濃度與同期氣象要素的相關性分析結果如表3所示。結果發現，PM2.5、PM10、CO、NO2、SO2與濕度呈顯著正相關，O3與濕度呈顯著負相關；PM2.5、PM10、CO、NO2、SO2與溫度呈顯著負相關，O3與溫度呈顯著正相關；PM10、O3與風速呈顯著正相關，CO、NO2、SO2與風速呈顯著負相關；PM2.5、PM10、SO2與氣壓呈顯著負相關，CO、NO2、O3與氣壓呈顯著正相關。

3 模型建立與檢驗

繪制AQI與6種空氣污染物的矩陣散點圖，如圖4所示。結果顯示，AQI與6種污染物均存在正相關關系，考慮建立多元線性回歸模型。由表4共線性診斷結果可知，方差擴大因子（Variance Inflation Factor，VIF）均小于10，但PM2.5和CO的VIF值大于5，說明自變量之間存在不太強的自相關。因此，要判斷哪些自變量對因變量的影響較大，從而將其作為必需的自變量，并舍去那些對因變量影響較小的自變量。利用SPSS軟件對AQI及6種污染物做偏相關分析，即控制其他5種變量，計算AQI與每種污染物的偏相關系數。由表5偏相關性分析結果可知，蘭州市機動車限行政策下，AQI與PM10、PM2.5、SO2、CO、O3的偏相關系數通過檢驗，即影響AQI的主要污染源為PM10、PM2.5、SO2、CO、O3。

基于上述分析結果，采用逐步回歸分析法建立最優回歸方程，以AQI做因變量、6種污染物做自變量，進行回歸擬合建模，逐步回歸分析結果如表6所示。得到的回歸方程僅包含對因變量有顯著影響的自變量，判斷條件為顯著性系數低于0.05。輸出的模型如式（3）所示。由逐步回歸分析結果可知，回歸方程最終保留的影響AQI的自變量有PM2.5、PM10、SO2、O3、CO，自變量NO2被剔除，這與偏相關性分析結果保持一致。

y=6.808+0.137x1+0.324x2+0.166x3+0.307x4+5.598x5（3）

式中：y為AQI；x1、x2、x3、x4和x5分別為大氣中PM2.5、PM10、SO2、O3與CO濃度的標準化值。

由模型可以看出，各污染物的回歸系數中，最大的為CO，即在同樣增加一單位濃度的條件下，當CO濃度增大時，AQI變化最大，即CO對AQI增大的影響最顯著。由表6可知，該模型F檢驗值為724.519，顯著性系數小于0.05，這表明置信度為0.05時，建立的回歸方程顯著有效。調整可決系數R02為0.74，說明方程的擬合結果較好，自變量可以解釋因變量74%的變化原因。D-W檢驗值等于1.708，說明模型列入的自變量沒有自相關性，模型構建良好。

4 結論

2016—2019年，蘭州市環境空氣質量逐年改善，整體向好，這說明限行政策對空氣質量提升有一定作用。污染物排放具有明顯的周期性和季節性，整體表現為冬季空氣污染嚴重，夏季空氣質量較好，這與冬季大規模供暖等原因有關。為改善蘭州市冬季空氣質量，在實行機動車限行政策的同時，還應采取相應措施，加快推進燃煤鍋爐超低排放。在空氣質量較好的天氣，要警惕污染物O3濃度超標，找到O3濃度增加的原因，采用科學合理的方式降低O3濃度，有效改善環境空氣質量。經氣象因素與空氣污染物濃度的相關性分析，溫度與濕度對污染物濃度的影響最為顯著。

參考文獻

1 陶雙成，鄧順熙，劉 寧，等.北京交通限行對城市次干道空氣質量的影響[J].科技導報，2016（18）：130-136.

2 周耀東，李宛華，孫昭昱.“尾號”限行政策對居民機動車出行選擇的影響研究[J].北京交通大學學報（社會科學版），2022（2）：100-112.

3 侯素霞，張鑒達，李 靜.上海市大氣污染物時空分布及其相關性因子分析[J].生態環境學報，2021（6）：1220-1228.

4 郎建壘，程水源，韓力慧，等.京津冀地區機動車大氣污染物排放特征[J].北京工業大學學報，2012（11）：1716-1723.

5 宋曉偉，郝永佩，朱曉東.長三角城市群機動車污染物排放清單建立及特征研究[J].環境科學學報，2020（1）：90-101.

6 龐卉芳，李 娜.石家莊市2014—2018年空氣質量狀況分析[J].環境科學導刊，2020（1）：33-38.

7 陳艷艷，秦偉玲，李曉祎，等.貨運場站機動車污染物排放監測及污染特征研究[J].重慶交通大學學報（自然科學版），2018（9）：60-65.

8 呂改艷，張衛東，李振亮，等.重慶市主城區基于動態交通流的機動車污染物排放特征[J].環境污染與防治，2021（11）：1364-1370.

9 趙曉光，許振成，王 軒，等.北京機動車限行對空氣質量的影響分析[J].安全與環境學報，2010（4）：82-87.

10 胡 恬，婁春輝，吳雅睿.機動車限行對西安市空氣質量的影響與模型分析[J].大氣與環境光學學報，2022（11）：1-13.

11 杜筱筱，廖婷婷，范江琳，等.綿陽重污染天氣機動車限行對空氣質量的影響研究[J].環境污染與防治，2020（6）：702-706.

12 董歡歡，劉興榮.北京市機動車限行對空氣質量的影響[J].中國資源綜合利用，2022（1）：146-148.

13 汪媛媛.主城區空氣污染擴散特征與氣象要素的相關性研究[J].環境科學與管理，2023（5）：27-32.

14 馬紅璐，祁棟林，杜華禮，等.2017—2021年西北地區省會城市空氣污染特征及氣象因子分析[J].環境科學導刊，2023（4）：39-44.

收稿日期：2024-01-08

基金項目：甘肅省重點研發計劃項目“祁連山國家公園高速公路路域生態風險評估與循環修復技術”（23YFFA0058）。

作者簡介：劉囡（1999—），女，甘肅慶陽人，碩士研究生。研究方向：交通運輸規劃與管理。

通信作者：王花蘭（1969—），女，甘肅秦安人，博士，教授。研究方向：交通運輸規劃與管理。