2023年北京空气质量影响因子计量思考新编.docx

北京空气质量影响因子计量思考 一、引言和文献综述 空气是人类赖以生存的物质根底，适宜人们生存的空气是保证人们身心健康的前提。然而我国改革开放以来，伴随着经济的高速开展，工业化程度的加深，环境污染日益严重，恶化的空气质量已经对人们的健康生活造成威胁。保证空气质量是保障民生的根本需要，是建设生态文明，构建社会主义和谐社会的必然要求。90年代的北京曾经沙尘肆虐，空气质量达不到国际标准，痛失了2022年奥运会举办权。自1998年开始，XX省采取了一系列措施来提高环境质量，包括调整产业结构、增加绿地面积、制定法律法规等。在202223年奥运期间，北京推出单双号限行的制度，并将其固定下来作为缓解交通环境压力的政策。经过多年的努力，XX省空气质量得到了极大改善，环境质量有了很大提高，二级及以上的天数从2022年的177d天增加到202223年的274天。so2、co、no2及可吸入颗粒物平均浓度均有下降。“可持续开展〞理念也渐渐深入人心。 如何准确测度空气质量，分析各地区的空气质量状况和变化，以及如何提高空气质量等问题，越来越受到学术界的重视。空气质量有两种含义，一种含义是指广义的室外的环境空气质量，从空气质量这一角度反映某一特定地区的环境状况。另一种含义是指小范围的局部的空气质量状况，例如，室内空气质量，高校教室空气质量、手术台空气质量、汽车车内空气质量。本文中的空气质量是前者，即广义的室外空气的质量。通过阅读近五年来的空气质量相关文献，将其主要研究内容和成果归结为以下几个方面。 1、空气质量评价及预测模型的研究 空气质量评价是研究空气质量问题的根底，有效的评价方法能够较准确地反映现实中的空气质量，发现潜在的空气质量问题，从而为寻求改善空气质量的有效方法提供科学依据。对评价方法，一般要求简单、准确、全面、具有可比性。 从目前研究现状来看，各种各样的模型为测度空气质量提供了较为全面的方法。 （1）单因子法 例如，根据环境空气质量标准gb320235－1996中污染物浓度限值标准，采用最大单因子级别法，所有参与评价的污染物浓度低于空气质量标准中x级标准限值时，为到达x级标准。[1] 这种方法简单明了，但其具有难以克服的局限性，即遗失了大量的信息，评价结果不够全面、完整。 （2）综合指数法 这类方法由于能够较准确、全面地反映空气质量状况，具备了通用性和可比性，成为目前较通用的环境空气质量评价方法，而且不断地完善和开展。例如，平均综合污染指数、环境质量定性评价指数法等。202223年李祚泳得到对7项空气污染物皆适用的空气质量普适韦伯指数公式。该公式应用于多个实例分析，并与多种其它评价方法的评价结果比较说明，空气质量普适韦伯指数公式，具有简单、实用和直观的特点，为空气质量评价提供了一种新方法。[2] （3）综合模型法 这类方法是广泛利用统计模型，从不同的角度构建模型反映空气质量状况。这些模型具有一定的创新性，对于测度空气质量有很大的借鉴意义。例如，潘磊、沙斐提出将非线性时间序列门限自回归模型引入XX县区的环境空气质量监测中，是环境空气质量报告工作的进一步要求。[3] 作者利用环境空气自动监测系统历史监测数据资料，建立了XX县区环境空气质量的预报计算模型，并预测出XX县区环境空气质量与实际监测情况的符合程度，认为该模型在监测工作中有应用可行性。但该模型，对于突发性的因素造成空气质量急剧改变的响应速度较慢，存在一定的局限性。再如，王艳平等采用“matlab〞中bp神经网络的工具箱函数，对济南、青岛两市空气质量中长期变化趋势进行的预测显示，网络的预测精度高，自适应性强，训练速度快，防止复杂运算，节省大量时间，预测效果理想。[4] 2、空气质量变化特征和趋势探讨 我国对空气质量现状的分析，大局部是针对某一特定地区而言的。根据一定时期内当地的空气质量检测资料，经过统计分析比较，揭示该地区空气质量的阶段特征和变化趋势等。 （1）分析空气质量的阶段特征 例如，202223年胡友彪对XX省2022-2022年的空气质量日报进行分析研究，得出其年变化和月变化的特征以及中重度污染日的分布特征。认为从2022年到2022年中，XX省2022年和2022年的污染颇为严重，其平均的污染指数为113和112。XX省一年中，冬季污染较为严重，尤其是12和1月两个月份，这与XX省的能源结构是密切相关的。[5]再如，XX市环境保护监测站黄孝扬通过对XX市各监测点2023-202223年的监测资料分析，认为pm2023的浓度受整个大气气象环境影响较大，因冬季空气较为枯燥、春季阴霾或静风天气而偏高;夏秋季多雨湿度较大、风速较快有利于污染物扩散而偏低。[6] （2）空气质量总体变化趋势分析 对空气质量总体变化趋势的分析，通常是把握全局，研究某一地区在假设干年内的空气质量总体变化趋势走向，从而可以动态了解空气质量状况，在一定程度上反映政府政策的实施效果。例如梁淑轩、吴虹等运用模糊数学法，对XX市2022年至202223年环境空气质量进行了综合评价，说明：XX市环境空气质量呈现逐年好转，so2、pm2023依然是XX市空气质量的制约因子，且no2的权重逐步上升。[7] 再如，XX市环境监测中心王红梅、黄晓通过XX市环境空气监测资料，研究XX市20年来环境空气质量的变化趋势及其影响因素。认为XX市20年来XX市总体环境空气质量有所改善，可吸入颗粒物作为首要污染物，有明显下降趋势，但二氧化硫却有明显的上升趋势。[8]大局部研究说明，在政府的环境政策要求下，一些城市的空气质量有所改善，但大局部工业正处于飞速开展区的中小城市，空气质量状况依然日益严重。 3、特定的事件或行为对空气质量的影响评价一些大型的工程工程在实施前后一般要做空气质量影响评价，例如三峡工程、告诉公路建设等。此外一些重大活动也会对空气质量产生影响，如，马宁、刘民等认为XX省在申办、筹办、举办202223年北京奥运会的过程中加大了环保投入、推进了环境保护相关法规、标准实施、推进了一批环保措施的落实，从而持续改善了北京的空气质量。[９]再如，王书肖、许嘉钰等通过建立2023年XX省燃煤污染源排放清单，利用mm5－cmaq模型计算了各区县各行业燃煤对XX省空气质量的影响。[2023]崔华胜在实验中发现扫路机影响环境质量主要表现在作业扬尘与残留垃圾灰土二次扰动扬尘2个方面。[11] 4、改善空气质量的方法 （1）加强工业污染源的管理 工业废气的排放是影响空气质量的重要源泉，采用先进设备处理工业废气，适时监测废气排放，摈弃“先污染后治理〞的思想，采用“清洁生产〞方式，对于改善空气质量有着重要意义。如XX市环境保护局黄孝扬提倡各大电厂和其他工业污染源采用全自动仪器实施监控。 （2）绿化固土 绿色植物有净化空气、消声滞尘的作用，是改善空气质量的终端力量。如牟晓玲通过平板降尘发实验和空气采样分析，得出结论，在绿色植物较多、车辆较少的地方，空气中细菌的含量少，认为一些绿色植被有杀菌净化的作用。 （3）推广清洁能源 清洁能源逐步代替传统能源是历史的必然趋势。尽早地推广使用清洁能源对于改善空气质量有着重要意义。如利用价格措施促使机动车“油改气〞等。武昌市环保局杨志等提倡，在采暖锅炉改燃的同时，也要下大力气在居民中推广使用清洁燃料，，逐步消除“小浴池〞、“小煤炉〞的排污影响。 （4）联防联控措施改善区域空气质量 大气污染是流动性的，各个地区之间难以分割，相互影响，因此各个城市“各自为战〞难以奏效，采取联防联控措施是必然要求。202223年上半年环境保护部等9部门联合发布了关于推进大气污染联防联控工作改善区域空气质量的指导意见，要求全面推进大气污染联防联控工作，切实改善区域和城市环境空气质量。 综上所述，关于空气质量的研究已经有了不小的成果，为我们正确认识空气质量、改善空气质量提供了科学依据，但是针对某地区空气质量的具体影响因素分析却很少，空气质量到底与我们想象中的影响因素，如绿色植被覆盖率、机动车保有量等的相关性有多大，这方面研究的欠缺是空气质量研究的漏洞。本文正是通过建立多元线性回归模型，研究自1999年以来经济增长、机动车保有量、产业结构、绿地面积、能源结构、人口规模这数个因素对XX省空气质量的影响程度，通过eviews的数据分析，找出对北京空气质量改善的显著相关因素，为其他省市有效改善空气质量提出可行的参考模板，并为XX省空气质量的进一步提高提出合理化的建议。 二、XX省空气质量影响因素的计量分析 1、变量选择 经分析，影响XX省空气质量的主要的因素可能有①经济整体增长。空气质量可能会因为人类的经济活动而恶化，也可能会因生产技术的提高、环保投入的加大而改善。②机动车保有量。机动车排放的废弃中含有大量的一氧化碳、氮氧化物和颗粒物，影响空气质量。③第二产业产值占总产值的比重。农业会在一定程度上改善空气质量，第三产业对空气污染的影响较小，一般认为空气污染最严重的产业是第二产业。④绿色植被覆盖率。绿色植被能够滞尘降声，净化空气，改善空气质量。⑤能源结构。煤、石油的消耗会产生大量的co、co２、so2和颗粒物，恶化空气质量，而天然气、水能、太阳能、核能等清洁能源相对影响较小。⑥人口总量。无论是人口总量大，其生产生活对环境的影响应该更明显。 本文选择1999年－202223年每年“空气质量级别二级和好于二级的天数〞作为被解释变量，以反映XX省每年的空气质量状况。XX省gdp增长率、XX省每年的机动车保有量、XX省第三产业产值占总产值的比重、XX省城市绿地覆盖率、XX省天然气消耗占总能源的比重（在模型和数据修复过程中改为能源消耗总量）、XX省常住人口总量作为解释被解释变量。由于XX省XX县区的统计数据不全，严重残缺，因此普遍采用整个XX省的统计数据（包括XX县区）。 2、数据分析 （1）模型设定 初始模型设定为。yi=β0+β1x1i+β2x2i+β3x3i+β4x4i+β5x5i+β6x6i+uiyi表示XX省第i年空气质量二级和好于二级的天数，x1i、x2i、x3i、x4i、x5i、x6i分别表示第i年XX省gdp年增长率、机动车保有量、第三产业总产值占XX省gdp的份额、城市绿化覆盖率、天然气消费占能源消费总量的比重、XX省常住人口。样本数据均来源于XX省统计年鉴。 （2）初次回归 运用eviews5.1，采用最小二乘法估计参数，回归结果如下： yi=-296.4499-155.192023x1-0.1651x2-3.1353x3+7.1886x4-2.8663x5+0.3500x6（342.2319）（186.8753）（0.3837）（3.1462）（3.2598）（9.9981）（0.3882）t=（-0.8662）（-0.8304）（-0.4303）（-0.9966）（2.2052）（-0.2867）（0.9016）r2=0.9885调整的r2=0.9712f=57.1741df=11可决系数r2较高，调整的r2也比较高，但对各个参数的t检验却不显著，x3和x6系数的符号和预期相反。根据各解释变量之间的相关系数看出，解释变量间存在严重的多重共线性。用逐步回归法，确定变量x6、x4参加变量的t检验值均不显著（0.05的显著性水平），即当x4和x6不变时，x1、x2、x3、x5各自对被解释变量的影响不显著，无法继续参加变量。 （3）最终回归 考虑到可能是变量或者数据选择的问题，将“天然气消费占能源总消费量的比重〞更换