天津PM25及其前体物浓度空间分布影响因素的量化研究.PDFVIP

天津市PM2.5 及其前体物浓度空间分布 影响因素的量化研究 ——基于统计系统大数据的开发与应用 天津市统计局 张颖、彭程、邢中宝 摘 要 2 一、引言 3 二、指标选择和数据处理 4 （一）指标选择4 （二）数据描述7 （三）数据处理8 三、模型建立和结果分析 10 （一）模型选择10 （二）模型建立10 （三）五折交叉检验12 （四）PM2.5 及其前体物浓度空间分布影响因素分析13 （五）中心城区各街道PM2.5 及其前体物日均浓度预测16 四、对策建议及展望 17 （一）对策建议17 （二）本文的不足之处18 （三）展望19 附录 错误！未定义书签。 （一）PM2.5 及其前体物浓度与其他指标的相关系数矩阵错误！未定义书签。 （二）八个站点一天内PM2.5 前体物小时浓度走势图.错误！未定义书签。 （三）中心城区各街道PM2.5 前体物日均浓度预测...错误！未定义书签。 （四）R 软件主要程序错误！未定义书签。 参考文献 20 1 摘 要 一直以来，数据都是统计系统的生命线，然而大数据时代的来临，为统计系 统带来了前所未有的机遇和挑战，如何应对这项挑战、化挑战为机遇是每个统计 人都应该认真思索的问题。本文试图运用第三次经济普查和第六次人口普查等统 计系统大数据，通过统计建模的方法来解决一些其他领域的问题，以期达到在大 数据的背景下，进一步提升统计系统服务能力和统计公信力的目的。 随着人类活动对环境影响的加剧，雾霾等生态环境问题已经成为城市发展亟 待破解的难题。本文以天津市中心城区63 个街道作为研究对象，选取了来自经 济普查、人口普查、定期报表和行政部门的主营业务收入、餐饮营业面积、煤炭 消费量、高层建筑比重、人口密度、在建项目计划总投资和车流量等 13 个社会 经济类指标，绿地面积这一自然环境类指标，以及风速和湿度两个气象要素指标。 指标的选取充分发挥了大数据的优势，尽可能地涵盖了与细颗粒物PM2.5 及促使 PM2.5 形成的前体物（包括二氧化硫SO2、二氧化氮NO2、一氧化碳CO 和臭氧O3） 浓度紧密相关的所有因素。在63 个街道中，有8 个街道设有国家空气质量自动 监测站点，以这8 个街道六月份PM2.5 及其前体物小时平均浓度作为目标值，运 用线性回归、回归树、随机森林、支持向量机和神经网络等数据挖掘方法建立预 测模型，通过五折交叉检验选择各污染物浓度的最优预测模型，最终得出车流量 （FLOWRATE）、煤炭消费量（COAL）、人口密度（DENSITY）和风速（WIND）等是 影响PM2.5 及其前体物浓度空间分布的主要因素，并预测出中心城区63 个街道 污染物浓度空间分布情况。 本文突破了现有的环境科学研究方法，不仅研究了城市绿化和气象条件等自 然因素对PM2.5 及其前体物浓度的影响，而且更为重要的是，充分利用统计系统 大数据全面探讨了经济活动、城市规划和人口密度等社会发展各个方面的影响作 用，这也是本文的创新之处。 关键字：细颗粒物 空间分布 大数据 数据挖掘 2 一、引言 当前我市复合型空气污染逐渐抬头，以PM2.5 为代表的空气颗粒物越来越成 为引发大气环境质量问题的首要污染物。《2013 年天津市环境状况公报》显示， 天津市环境空气质量达标天数为 145 天，仅占全年的40% 。因此，对细颗粒物 PM2.5 及促使PM2.5 形成的前体物 （包括二氧化硫SO2、二氧化氮NO2、一氧化 碳CO 和臭氧O3）浓度的影响因素进行分析研究，进而找出关键因素、实施针对 性强的政策措施，切实有效地改善空气环境质量状况，具有重要的理论价值和现 实意义。 事实上，政府部门和科研院所针对PM2.5 的来源和形成机制开展了大量的研 究工作：一是通过实验采样的方法，探索 PM2.5 的污染水平特征。如林治卿等 （2005）使用原子吸收光谱法、原子荧光光谱法和等离子发射光谱法对天津市某