袁章帥 陳震元 張圣梅

摘要：針對京津冀及周邊地區(qū)空氣質(zhì)量改善問題，綜合PM2.5等各項環(huán)境指標(biāo)，構(gòu)建華北地區(qū)空氣質(zhì)量綜合評價模型，得出28個城市的空氣質(zhì)量考核結(jié)果.且對2013年12月到2018年8月華北地區(qū)的典型城市——北京市的PM2.5平均濃度數(shù)據(jù)進行平穩(wěn)性檢驗，建立了北京市空氣質(zhì)量預(yù)測ARMA（1，2）模型.通過實際數(shù)據(jù)進行預(yù)測，驗證了模型的精確性，同時得出2022年北京市空氣質(zhì)量會得到較好地改善，并為有關(guān)部門提出大氣污染治理的合理、科學(xué)的建議.

關(guān)鍵詞：空氣質(zhì)量;PM2.5;綜合評價;聚類分析;自回歸移動平均模型

中圖分類號：X51 ?文獻標(biāo)識碼：A ?文章編號：1673-260X（2019）05-0061-04

當(dāng)前，大氣污染問題是環(huán)境的突出問題.黨的十九大報告明確提出，要“堅持全民共治、源頭治理，持續(xù)實施大氣污染防治行動，打贏藍天保衛(wèi)戰(zhàn)”.環(huán)境保護部指出，2017年1～11月我國京津冀、長三角和珠三角PM2.5濃度分別下降38.2%、31.7%和25.6%.這些成果的取得來之不易，是包括各級環(huán)境管理人員在內(nèi)的社會各界共同努力的結(jié)果.然而，近年來區(qū)域經(jīng)濟發(fā)展迅速，城市化進程加快，華北已經(jīng)成為全國乃至全世界空氣污染最為嚴(yán)重的地區(qū)[1]（張瑜等，2015），因此，對華北地區(qū)的空氣質(zhì)量探究至關(guān)重要.

1 研究綜述

近年來，眾多學(xué)者通過多種定性與定量的研究方法對華北地區(qū)空氣質(zhì)量開展了大量的研究.在定性研究方面，李曉燕等人[2]（2016）歸納總結(jié)出京津冀地區(qū)霧霾產(chǎn)生的原因并運用實證研究方法分析不同原因?qū)┙蚣降貐^(qū)的影響程度.劉娜[3]（2016）等人提出應(yīng)建立公正的環(huán)境資源分配機制，完善京津冀地區(qū)生態(tài)補償機制.王穎[4]（2016）等人指出為有效做到霧霾污染治理的轉(zhuǎn)型，應(yīng)在理念、組織架構(gòu)、運行機制等方面進行改善.韓志明[5]（2016）等人提出公民是霧霾治理的重要力量，京津冀政府要以協(xié)同發(fā)展為契機，為公民參與霧霾治理提供支持和保障，提高霧霾治理的效率.王洛忠[6]（2016）等人指出對于區(qū)域性環(huán)境污染問題，應(yīng)該構(gòu)建跨行政的合作治理模式.

在定量研究方面，多數(shù)學(xué)者的研究方向主要集中在空氣質(zhì)量對人體健康和社會發(fā)展的影響[7，8]（Lelieveld et al.，2015; Gauderman et al.，2015）、空氣質(zhì)量與氣象因子之間的關(guān)系[9，10]（肖建能等，2016;白鶴鳴等，2015）、局部城市空氣質(zhì)量的成因[11，12]（王占山等，2015;王冠嵐等，2016）、特定時段空氣污染過程[13]（潘竟虎等，2016）、空氣質(zhì)量年際及季節(jié)變化（李名升等，2013;鄧霞君等，2013）[14，15]等方面.還有學(xué)者對中外空氣質(zhì)量評價標(biāo)準(zhǔn)的差異進行了研究并提出改進意見[16]（高慶先等，2015）.

基于此，本文運用傳統(tǒng)數(shù)理統(tǒng)計的方法，對華北地區(qū)28個城市的空氣質(zhì)量指標(biāo)PM2.5濃度規(guī)律進行探究，并采用時間序列模型對華北地區(qū)典型城市北京市的未來空氣質(zhì)量（PM2.5）進行預(yù)測分析，以期為華北地區(qū)大氣污染防治提供決策參考以及科學(xué)合理的建議.

2 數(shù)據(jù)來源與模型假設(shè)

本文使用的數(shù)據(jù)均來源于中國空氣質(zhì)量在線檢測分析平臺，為了方便模型的構(gòu)建，做出如下假設(shè)：⑴假設(shè)網(wǎng)頁抓取的環(huán)境質(zhì)量數(shù)據(jù)（PM2.5）準(zhǔn)確無誤;⑵不考慮政府的其他政策和措施對PM2.5的影響;⑶假設(shè)北京的監(jiān)管和執(zhí)法能力一直保持穩(wěn)定，整改力度保持一定強度.

3 對華北地區(qū)空氣質(zhì)量的綜合評價

3.1 研究思路

采用回歸分析的方法，考慮重污染天數(shù)對評價指標(biāo)的影響因素，運用變異系數(shù)法對不同指標(biāo)的權(quán)重進行計算，建立綜合評價模型.最后，使用聚類分析確定分級，并按照每個城市的具體得分為依據(jù)對華北地區(qū)28個城市進行排名.

3.2 空氣質(zhì)量模型構(gòu)建

3.2.1 數(shù)據(jù)處理

由于空氣質(zhì)量目標(biāo)完成情況表中的同比變幅、目標(biāo)等變量數(shù)值為負(fù)，且各指標(biāo)間的水平差異很大，為保證分析結(jié)果的可靠性，首先對各指標(biāo)進行min—max標(biāo)準(zhǔn)化處理.

3.2.2 確定影響度

重污染天數(shù)這一指標(biāo)直接影響著PM2.5平均濃度，因此用線性最小二乘法估計法計算這種影響程度，分別取PM2.5平均濃度目標(biāo)完成情況和重污染天數(shù)標(biāo)準(zhǔn)化指標(biāo)，對應(yīng)同比變幅、目標(biāo)、完成率，利用EVIEWS軟件得出OLS估計結(jié)果如下表1所示：

同比變幅：y1=0.323x1+0.719;目標(biāo)：y2=0.138x2-0.236;完成率：y3=1.146x3+0.708;即重污染天數(shù)在同比變幅、目標(biāo)、完成率三個方面對PM2.5平均濃度的影響程度分別為0.323、0.138、1.146.

3.2.3 建立各評價指標(biāo)的權(quán)重關(guān)系

由于各指標(biāo)對評價結(jié)果的影響程度不同，因此通過變異系數(shù)法計算各評價指標(biāo)權(quán)重大小.根據(jù)上述分析，對標(biāo)準(zhǔn)化的數(shù)據(jù)進行處理后計算結(jié)果如下表2所示：

3.2.4 建立綜合評價模型

再次選取距離最小元素，并重復(fù)以上步驟，直到所有城市聚為四類.利用SPSS軟件完成上述操作，并按得分降序?qū)⒖己说燃壱来卧O(shè)置為優(yōu)秀、良好、合格、不合格;具體考核結(jié)果如表4所示.

4 基于華北地區(qū)典型城市——北京市空氣質(zhì)量改善情況的預(yù)測研究

本文搜集了2013年12月到2018年8月北京市PM2.5平均濃度變化情況.其次選取月度變化數(shù)據(jù)進行平穩(wěn)性檢驗，觀察序列的自相關(guān)和偏自相關(guān)圖對序列進行初步定階，并采用最小二乘法構(gòu)建ARMA（p，q）模型，根據(jù)AIC準(zhǔn)則和SBC準(zhǔn)則確定最優(yōu)模型，并依此模型預(yù)測2022年北京市PM2.5平均濃度.

4.1 序列平穩(wěn)性檢驗

若任一時間序列{Yt，t∈T}的所有二階矩都存在，且對任意的t∈T，E（Yt）=？滋為一常數(shù)，對任意s，t∈T，自協(xié)方差函數(shù)？酌（s，t）只與時間差t—s有關(guān)，則序列Yt為寬平穩(wěn)序列.

首先運用EVIEWS軟件畫出2013年12月-2018年8月時序圖，如下圖1所示，該時間序列沒有明顯的趨勢，因此初步判斷PM2.5平均濃度變化是平穩(wěn)的.

綜合上述原理，利用EVIEWS軟件進行預(yù)測分析，得出原始序列的預(yù)測值與其真值的對比圖如圖3，由此可知，除2016年1月和2017年1月這兩個拐點的預(yù)測值與真實值相差較大外，其余點的預(yù)測值都在誤差極小的情況下盡可能地接近了真實值，說明可以運用該模型進行2022年P(guān)M2.5平均濃度的預(yù)測.

利用ARMA（1，2）對2018-2022年北京市每月PM2.5平均濃度進行預(yù)測，其中2022年北京市的每月PM2.5濃度具體預(yù)測結(jié)果如表6所示.

將上表中各月PM2.5平均濃度取平均值，得出北京市2022年年P(guān)M2.5平均濃度為25.829μg/m3;相比2018年下降39.21%，由此可知北京市未來5年空氣質(zhì)量得到明顯的改善.

5 結(jié)束語

本文通過構(gòu)建華北地區(qū)空氣質(zhì)量綜合評價模型，為華北地區(qū)28個城市的空氣質(zhì)量進行綜合評價且將28個城市聚為四類，分別為優(yōu)秀、良好、合格、不合格，得出各個城市空氣質(zhì)量排名和聚類分級情況.同時運用AMRA（1，2）模型預(yù)測了作為典型城市的北京市2022年空氣質(zhì)量狀況.對空氣質(zhì)量預(yù)測的研究會有很多，如唐曉城的基于BP神經(jīng)網(wǎng)絡(luò)改進算法的大氣污染預(yù)測模型[17].根據(jù)本文模型預(yù)測結(jié)果表明，北京市未來5年空氣質(zhì)量呈現(xiàn)不斷好轉(zhuǎn)的趨勢，對相關(guān)環(huán)境保護部門均有一定的借鑒意義.

為使華北地區(qū)空氣質(zhì)量狀況得到進一步的改善與提升，提出以下具體建議：（1）各地政府應(yīng)當(dāng)有效監(jiān)控各地區(qū)生產(chǎn)制造等行業(yè)的大氣污染，并加強環(huán)境整治力度;（2）大力提倡植樹造林，從根本上綠化生態(tài)環(huán)境;（3）政府強化監(jiān)督管理力度.

參考文獻：

〔1〕張瑜，銀燕，石立新，段英，吳志會.華北地區(qū)典型污染天大氣氣溶膠飛機探測個例分析[J].高原氣象，2012，31（05）：1432-1438.

〔2〕李曉燕.京津冀地區(qū)霧霾影響因素實證分析[J].生態(tài)經(jīng)濟，2016，32（3）：144-150.

〔3〕劉娜.京津冀地區(qū)環(huán)境治理績效評價的公正性研究[D].大連理工大學(xué)，2016.

〔4〕王穎，楊利花.跨界治理與霧霾治理轉(zhuǎn)型研究——以京津冀區(qū)域為例[J].東北大學(xué)學(xué)報（社會科學(xué)版），2016，18（04）：388-393.

〔5〕韓志明，劉瓔.京津冀地區(qū)公民參與霧霾治理的現(xiàn)狀與對策[J].天津行政學(xué)院學(xué)報，2016，18（5）：33-39.

〔6〕王洛忠，丁穎.京津冀霧霾合作治理困境及其解決途徑[J].中共中央黨校學(xué)報，2016，20（3）：74-79.

〔7〕Lelieveld J， Evans J S， Fnais M， et al. 2015. The contribution of outdoor air pollution sources to premature mortality on a global scale[J]. Nature， 525（7569）： 367-71.

〔8〕Gauderman W J， Urman R， Avol E， et al. 2015. Association of improved air quality with lung development in children[J]. New England Journal of Medicine， 372 （10）： 905-913.

〔9〕肖建能，杜國明，施益強，溫宥越，姚杰，高宇婷，林錦耀.廈門市環(huán)境空氣污染時空特征及其與氣象因素相關(guān)分析[J].環(huán)境科學(xué)學(xué)報，2016，36（09）：3363-3371.

〔10〕白鶴鳴，師華定，高慶先，李喜倉，邸瑞琦，吳宜航.基于氣象調(diào)整的京津冀典型城市空氣污染指數(shù)序列重建[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2015，31（01）：44-49.

〔11〕王占山，李云婷，陳添，張大偉，孫峰，潘麗波.2013年北京市PM_（2.5）的時空分布[J].地理學(xué)報，2015，70（01）：110-120.

〔12〕王冠嵐，薛建軍，張建忠.2014年京津冀空氣污染時空分布特征及主要成因分析[J].氣象與環(huán)境科學(xué)，2016，39（01）：34-42.

〔13〕潘竟虎，張文，王春娟.2011—2013年中國霧霾易發(fā)生期間API的分布格局[J].環(huán)境工程學(xué)報，2016，10（03）：1340-1348.

〔14〕李名升，張建輝，張殷俊，周磊，李茜，陳遠(yuǎn)航.近10年中國大氣PM_（10）污染時空格局演變[J].地理學(xué)報，2013，68（11）：1504-1512.

〔15〕鄧霞君，廖良清，胡桂萍.近10年中國主要城市空氣API及與氣象因子相關(guān)性分析[J].環(huán)境科學(xué)與技術(shù)，2013，36（09）：70-75+80.

〔16〕高慶先，劉俊蓉，李文濤，高文康.中美空氣質(zhì)量指數(shù)（AQI）對比研究及啟示[J].環(huán)境科學(xué)，2015，36（04）：1141-1147.

〔17〕唐曉城.基于BP神經(jīng)網(wǎng)絡(luò)改進算法的大氣污染預(yù)測模型[J].河南科技學(xué)院學(xué)報（自然科學(xué)版），2018（01）：74-78.