行政管理论文

您当前的位置:学术堂 > 管理学论文 > 行政管理论文 >

邢台地区大气污染的影响因素分析

来源:学术堂 作者:姚老师
发布于:2016-04-12 共6382字

    本篇论文目录导航:

    【题目】邢台市大气污染政府治理问题探析
    【第一章】大气污染治理政府参与研究绪论
    【第二章】邢台市大气污染状况
    【第三章】邢台地区大气污染的影响因素分析
    【第四章】邢台市大气污染的政府治理状况与问题分析
    【第五章】政府大气污染治理措施的改进建议
    【参考文献】政府治理大气污染的路径分析参考文献

  3 邢台市大气污染的影响因素分析

  邢台市环境保护局可查找的 AQI 数据始于 2012 年 1 月,考虑到 AQI 适用于对空气质量进行短期分析,本章利用邢台市 2012 年 1 月 1 日至 2013 年 6 月 31 日的 AQI 和各气象指标的日度数据,对影响邢台市环境质量的气象因素进行分析,为相关部门治理大气污染时考虑环境因素的干扰作用或促进作用提供一定依据。另外,社会经济因素也影响空气质量的重要因素,因此本章第二部分将运用适用于长期分析的空气综合污染指数,与各项社会经济指标在 2006 年至 2012 年期间的季度数据,对影响邢台市环境质量的社会经济因素进行分析,为相关部门治理大气污染时考虑社会经济因素的干扰作用或促进作用提供一定依据。

  3.1 邢台市大气污染的气象因素分析

  3.1.1 相关性分析

  气象因素对一个城市的大气污染程度有很大的影响,这是因为有力的地区气象因素有利于大气污染物的迁移、扩散和转化,而不利的气象因素则容易造成污染物的累积,很容易造成严重的大气污染事件。在其他自然环境因子和污染源等社会经济因子一定的情况下,气象因子对一个城市大气污染状况有着决定性影响。具体来讲,同一气象因素在不同的取值范围,对大气污染物浓度的影响不一,可能是加重污染,可能是减轻污染,也可能与污染不相关。其次,考虑到不同的气象因素之间一定的关联性,如降水与平均相对湿度这两个因素具有较高的相关性,若相对湿度对某地区的大气污染物浓度有影响,可能也意味着降水对大气污染物的浓度波动也有关系。再者,基于空间角度,同一气象因素在不同的地区,由于地理地形和气候条件的差异,其对同一大气污染物浓度的影响具有差异,在某一平原地区有利于减缓大气污染程度,在另一高山地区就可能加重大气污染程度。最后,基于时间角度,同一气象因素在不同的季节、月份甚至是早中晚时点,对大气污染物浓度的影响都有不同。

  因此,本文结合数据可得性,区分季节深入分析邢台市气象要素与空气质量的关系及其影响,探究邢台市大气质量的主要影响因素,并提出治理大气污染的合理政策建议。

  影响空气质量的气象要素主要有风速、温度、湿度、气压和降水量,针对这五大要素,本文选取平均风速、平均空气温度、平均相对湿度、平均气压和降水量这五个指标进行量化,并用 AQI 衡量空气质量,利用日数据探究气象要素对空气质量的关系及其影响,分析结果。

  (一)平均风速与 AQI

  由表 3-1 可知平均风速对全年 AQI 的影响呈显着负相关,这是因为风可对空气中的多数污染物进行水平传运和扩散,最终降低污染物的浓度。当风度低于某一临界值时,空气流动速度低,集中在某一区域的各类污染物不容易疏散;当风速变大,增加空气流动性,可加快区域高浓度污染物的疏散速度和疏散距离,进而降低该区域的污染物浓度;然而,当风速继续增大,超过另个一临界值,此时虽然可加快某些种类的污染物的疏散速度和距离,但同时过大的风速会把地面尤其是植被覆盖率低的地区地面的尘土颗粒卷入大气当中,这将导致 PM10和 PM2.5等污染物在大气中的浓度。也即,风速由低到高并且小于某个临界值时,值越大,越利于污染物的扩散,进而改善空气质量;而当反之,风速越小,越不利于污染物的扩散。

  从四季来看,平均风速对 AQI 的影响在春季和冬季均显着正相关,夏季和秋季不显着相关。邢台市空气干燥,在春季和冬季,大风将地表大量的沙粒、粉尘带入到空中,形成浮尘、扬沙或沙尘天气,PM10和 PM2.5浓度随之增加,从而导致空气质量恶化。

  (二)平均空气温度与 AQI

  由表 3-1 可知,平均气温在全年与 AQI 呈现显着的负相关性。当靠近地面的空气层的温度较低时,由于空气垂直对流活动程度不活跃,不利于污染物的输送和扩散,进而不利于空气质量的好转;而当接近地面的空气温度较高时,空气垂直运动程度提高,大气污染物在不同的空气层间的扩散速度和疏散距离都增加。综上,即温度升高有利于空气质量的改善。基于一年四季的角度,平均空气温度在冬季与 AQI 数值呈显着负相关,在夏季均呈现出显着正相关,春、秋季不显着。究其原因,可能是邢台市夏天的温度较高,此时光化学反应比较容易发生,空气污染物在光化学反应之后会产生大量的二次气溶胶,结果导致空气质量下降。

  (三)平均相对湿度与 AQI.

  由表 3-1 可知平均相对湿度与 AQI 在全年和夏季呈显着负相关,在冬季呈显着正相关。与平均风速类似,相对湿度对空气质量状况的影响,随着相对湿度的取值范围而不同,此外,相对湿度对空气质量状况的影响还呈现季节差异。当相对湿度取值在一定范围之内,随着相对湿度取值的增加,空气中的水汽便会吸附、结合更多的空气污染物,若此时的环境条件适合降雨或降雪,并结合一定量级的风速(至少为非静风天气),与水汽相结合的污染物便容易随着雨雪降下。相反,若相对湿度达到可以吸附污染物的范围,而天气环境却不利于降雨降雪甚至是静风天气,空气污染物浓度很难短时间降低,空气质量难以改善,因为此时大气层相对稳定,容易形成雾罩。邢台市冬季时常伴有静风、逆温天气,因此呈现显着正相关,夏季则相反。

  (四)平均气压与 AQI

  由表 3-1 可知平均气压在全年与 AQI 呈显着正相关,这是因为,当低压系统而非高压系统主导时,空气层内部气流垂直上升运动程度较高,并且对流速度较大,空气污染物容易被扩散,污染物浓度容易被降低。相反,当高压系统而非低压系统控制时,大气层内部气流垂直下沉运动程度占主导,各种污染物在接近地面的空气层中聚集,导致污染物浓度很难被降低,甚至容易被拉高。因此,低压系统占主导时,空气质量较好的可能性更高。平均气压在夏季与 AQI 呈显着负相关,这可能受到了夏季其它气象因素的影响,如平均相对湿度。

  (五)降水量与 AQI

  由表 3-1 可知,降水量与 AQI 在全年和春、秋、冬季都不显着相关,只在夏季相关。

  降水量与 AQI 的关系受到很多因素的影响,包括降雨时长、降雨量、降雨强度等密切相关。当降雨量达到一定范围时,降雨可将空气粒径大于 2 微米的微粒俘获、溶解,最后带离大气层,进而提高空气质量。相反,当降水量少时,由于降雨不仅直接降低了接近地面空气层的对流速度,也通过降低该空气层的温度减小空气对流的速度,这些都不利于污染物的扩散;另一方面,正如上述关于空气湿度对空气质量的影响,当降水少却也使得空气湿度取值超过一定浓度,空气湿度反而加大了污染物浓度。从四季的角度分析,邢台市降水对 AQI 影响在夏季净化作用,而冬季较的净化作用较弱甚至不明显,这可能因为邢台市夏季降雨量多,冬季少。最后,由于邢台市地处干旱区,全年降水量稀少,所以降水量与 AQI 在全年没有体现出显着相关性。

  3.1.2 主成分分析

  主成分分析方法,常常用于降维。当引入众多影响因素作为解释变量去探究其余被解释变量的关系时,众多解释变量之间一般存有一定的相关性,从而对模型的解释力度和模型结果产生负面影响。主成分分析常用于解决此问题,其原理是将众多变量转化为精简的几个综合变量,并且不会丢失原来一系列变量所蕴含的主要信息。

  由于降水量与气象因素的相关性不显着,所以只选取风速、温度、湿度和气压作为变量进行因子分析,结果如表 4-2 所示。KMO 值与 1 越相近,则可认为各个变量间的共同因子越多,因子分析的有效性则越好。Bartlett 的球形度检验中,如果实证结果不能拒绝原假设,意味着变量不适合做因子分析,显着水平值一般采用 0.05.此处 Sig 值明显小于 0.05,拒绝原假设,表明模型可进行因子分析。

  为四个变量共同度的运行结果,"初始"反映每个变量可被所有因子进行解释的方差,易知因子分析法中"初始"一栏的值都等于 1."提取"是指每个变量的共同度,表中变量共同度都较大,表明变量中的大部分信息都能被因子所提取,说明因子分析的结果是有效的。

  因子贡献率的结果,4 个气象变量意味由 4 个因子。第二大栏的"合计"表示因子特征值,"方差%"是指因子特征值占总特征值的比例,"累积%"是指累积的比例。

  表中有两个成份的特征值超过了 1,且累计特征值为 90.483%,大于 85%,因此提前两个因子作为主因子。第三大栏为因子提取的结果,未旋转解释的方差。第四大栏为旋转后解释的方差。对比分析旋转平方和载入列与旋转前初的始特征值列的数值,可知主因子的特征值发生变化,取值差距相对于旋转前而言有所缩小,但旋转前后累计方差百分比也没有改变,依然为 90.483%.

  未旋转的因子载荷,从该表可以得到利用主成分方法提取的两个主因子的载荷值,表中的数据是下一步在主成分分析中计算特征向量矩阵的依据,在 SPSS"计算变量"的"数字表达式"中输入"新数据文件中定义的新变量名称/SQRT",最后得到如表3-6 所示的特征向量矩阵。之后对原始数据:平均风速、平均空气温度、平均相对湿度、平均气压进行标准化,将标准化后的新变量名称分别定义为:Z 平均风速、Z 平均空气温度、Z 平均相对湿度和 Z 平均气压。将要计算的两个主成分的变量名称定义为 Z1 和Z2,结合表 3-6 特征向量矩阵中的数据,在"计算变量"中按以下公式计算 Z1 和 Z2,最终得到表 3-7 主成分分析结果。

  Z1 0.31 Z 平均风速 0.32 Z 平均空气温度 0.42 Z 平均相对湿度 0.36Z 平均气压式 5Z2 0.46 Z 平均风速 0.41 Z 平均空气温度 0.23 Z 平均相对湿度 0.18Z 平均气压式(6)3.1.3 回归分析利用表 3-7 中的数据,与 AQI 日度数据进行回归分析,得到如下结果:

  AQI 204.277 21.728Z1 7.815Z2标准误差: 5.306 0.329 0.254t 值: 38.500 66.043 30.7680.452, 0.439,F 779.383当样本很大时, 超过 0.3 也表明回归模型具有显着性。此处, 为 0.439,结合较大的样本容量 912,可认为回归分析的拟合度在可接受范围。同时,F 779.383,与F 值相应的 P 值是 0.000,远远小于显着性水平 0.05,由此可以得出提取的主成分 Z1 和Z2 对 API 解释的部分很显着。回归分析的系数的检验结果中,回归模型中 Z1、Z2 系数的 t 值相应的概率值都为 0.000,均远小于显着性水平 0.05,说明回归模型的系数显着。

  结合式 5 和式 6,便可得到平均风速、平均空气温度、平均相对湿度和平均气压对AQI 的解释关系:

  AQI204.277 3.6 Z 平均风速 3.749 Z 平均空气温度 7.32 Z 平均相对湿度6.415 Z 平均气压式(8)式8反映的平均风速、平均空气温度、平均相对湿度和平均气压对AQI的影响关系,验证了本章第一小节的相关性分析中得出的结论,也即平均风速、平均空气温度和平均相对湿度三个因素对全年 AQI 呈现弱化影响,以及平均气压对全年 AQI 呈现强化影响。

  3.2 邢台市大气污染的社会经济因素分析

  基于空气综合污染指数的数据可得性和该指标的计量特性,下文采用该指标的季度数据,和各项社会经济指标在 2006 年至 2012 年期间的相应数据,对影响邢台市环境质量的社会经济因素进行分析。

  3.2.1 相关性分析

  由表3-8可以看出,第二产业占比(第二产业/GDP)、第三产业占比(第三产业/GDP)、工业结构(重工业/轻工业)、煤炭消耗量、石油消耗量、天然气消耗量、电力消耗量这7 个变量中,只有第二产业占比、工业结构、煤炭消耗量、石油消耗量和电力消耗量这五个变量与空气污染指数具有显着的相关关系。另外,除去电力消耗量与空气综合污染指数具有负相关关系之外,其他四个变量均与该指数具有正相关关系。结合实际情况,说明邢台市第二产业占比越高、工业结构中重工业占比越高、煤炭消耗量越高、石油消耗量越高,都会在一定程度上降低该市的空气质量,而电力消耗量,作为一种清洁的二次能源,在邢台市的能源消耗结构中占比的提高,有利于空气质量的提升。

  3.2.2 主成分分析

  根据相关性分析结果,选取将第二产业占比、工业结构、煤炭消耗量、石油消耗量、电力消耗量这 5 个社会经济指标作为变量进行主成分分析分析。5 个变量共同度的结果,"提取"这一列表示各个变量的共同度。表中变量共同度取值都较大,这反映出变量所蕴含的多数信息可被因子提取,因此可认为此处因子分析有效。

  因子贡献率的结果,5 个社会经济变量意味由 5 个因子。第二大栏的"合计"表示因子特征值,"方差%"是指因子特征值占总特征值的比例,"累积%"是指累积的比例。表中有两个成份的特征值超过了 1,且累计特征值为 86.230%,大于 85%,因此提前两个因子作为主因子(第二、三行的解释同表 3-4 的解释)。

  未旋转的因子载荷,从该表可以得到利用主成分方法提取的两个主因子的载荷值,表中的数据是下一步在主成分分析中计算特征向量矩阵的依据,在 SPSS"计算变量"的"数字表达式"中输入"新数据文件中定义的新变量名称/SQRT",最后得到如表3-12 所示的特征向量矩阵。之后对原始数据第二产业占比、工业结构、煤炭消耗量、石油消耗量和电力消耗量进行标准化,将标准化后的新变量名称分别定义为 Z 第二产业占比、Z 工业结构、Z 煤炭消耗量、Z 石油消耗量和 Z 电力消耗量。将要计算的两个主成分的变量名称定义为 Z1 和 Z2,结合表 3-12 特征向量矩阵中的数据,在"计算变量"中按以下公式计算 Z3 和 Z4,最终得到表 3-13 主成分分析结果。

  Z1 0.96 Z 第二产业占比 0.34 Z 工业结构 0.88 Z 煤炭消耗量 0.60Z 石油消耗量 0.09 Z 电力消耗量式 9Z2 0.09 Z 第二产业占比 0.78 Z 工业结构 0.10 Z 煤炭消耗量 0.29Z 石油消耗量 0.91 Z 电力消耗量式(10)3.2.3 回归分析。

  利用表 3-7 中的数据,与综合空气污染指数季度数据进行回归分析,得到如下结果:综合空气污染指数 4.11 1.037Z1 0.905Z2标准误差: 0.243 0.486 0.359t 值: 16.914 2.134 2.5210.645, 0.617,F 144.372此处, 为 0.645,表明回归分析的拟合度在可接受范围。同时,F 144.372,与F 值相应的 P 值是 0.000,远远小于显着性水平 0.05,由此可以得出提取的主成分 Z1和 Z2 对综合空气污染指数解释的部分很显着。回归分析的系数的检验结果中,回归模型中 Z1 、Z2 系数的 t 值均小于显着性水平 0.05 下的临界值,说明回归模型的系数显着。

  结合式 9 和式 10,第二产业占比、工业结构、煤炭消耗量、石油消耗量、电力消耗量对综合空气污染指数的影响关系:综合空气污染指数4.11 0.914 Z 第二产业占比 1.508 Z 工业结构 0.822Z 煤炭消耗量 0.360 Z 石油消耗量 0.732 Z 电力消耗量式(11)式 11 反映的第二产业占比、工业结构、煤炭消耗量、石油消耗量、电力消耗量这 5个变量对空气综合污染指数的影响关系,验证了 3.2.1 相关性分析部分得出的结论,也即,第二产业占比、工业结构、煤炭消耗量、石油消耗量对空气综合污染指数的影响呈现强化关系,电力消耗量对空气综合污染指数的影响呈现弱化关系。

  3.3 本章小结

  相关性分析和回归分析都表明,基于 2012 年 1 月 1 日至 2014 年 6 月 30 日的日度数据,平均风速、平均空气温度和平均相对湿度这三个气象因素对全年 AQI 的影响呈现弱化作用,平均气压对全年 AQI 的影响呈现强化作用;基于 2007 第一季度到 2012年第四季度的季度数据,第二产业占比、工业结构、煤炭消耗量、石油消耗量这四个社会经济因素对空气综合污染指数的影响呈现强化作用,电力消耗量对空气综合污染指数的影响呈现弱化作用。

  其次,降水量与全年 AQI 不具有显着的相关关系,第三产业占比和燃气消耗量与空气综合污染指数不具有显着的相关性关系。

  另外,从四季来看,平均风速对 AQI 的影响在春季和冬季均显着正相关,夏季和秋季不显着相关;平均空气温度在冬季与 AQI 呈显着负相关,在夏季均呈现出显着正相关,春、秋季不显着;平均相对湿度在冬季与 AQI 呈现显着正相关,夏季则相反;平均气压在夏季与 AQI 呈显着负相关。

  以上关于气象因素和社会经济因素与 AQI 的关系分析,可为相关部门治理大气污染时考虑气象因素好社会经济因素的干扰作用或促进作用提供一定依据。具体的政策建议,下文将给出。

返回本篇论文导航
相关内容推荐
相关标签:
返回:行政管理论文