PM2.5污染特征分析及影响因素分析.doc

PM2.5污染特征分析及影响因素分析 dlong 　　作者简介：杨茜（1990-），女，汉，山西介休人，硕士，浙江财经大学，研究方向：金融统计。 　　摘 要：本文通过混合线性模型，借助R软件对我们24个代表性城市的PM2.5的影响因素进行分析。 　　关键词：PM2.5;污染特征分析;影响因素分析 　　一、引言 　　PM2.5是指环境空气中空气动力学当量直径小于等于2.5μm的颗粒物，也称细颗粒物和可入肺颗粒物。研究表明，PM2.5的来源广泛，成因复杂，既有因燃煤、机动车、扬尘、生物质燃烧等直接排放的细颗粒物，又有从空气中二氧化硫、氮氧化物、氨、挥发性有机物等污染物经过复杂的化学反应形成的二次颗粒物.由于PM2.5粒径小，吸附性强，组成复杂、性质多样可携带重金属、硫酸盐、有机物、病毒等进入人体呼吸系统和血液系统，对人体心、肺等健康构成直接威胁。此外，由于PM2.5细颗粒物粒径与可见光波长（0.4μm 至0.7μm）较为接近，对其有较强的消光作用，因此PM2.5也被普遍认为是造成空气灰霾现象的主要因素之一。 　　随着我国经济的快速发展和城市化水平的不断提高，大气环境问题日益突出。全国各地频繁出现的灰霾天气严重影响了城市环境和居民的身心健康，细颗粒物污染问题受到空前关注，推动了中国空气质量新标准的发布和PM2.5环境研究的发展。 　　在此前提下利用采集到的PM2.5质量浓度数据和同期的气象条件数据对PM2.5质量浓度变化特征及其与气象条件的关系进行定性分析、定量计算，以期提高人们对PM2.5污染特点、影响因素的认识，同时可为城市空气质量预报、城市大气污染治理防治等工作提供一定的基础数据和理论支持。 　　二、数据来源及简单描述 　　1.数据来源：我国PM2.5数据统计始于2013年10月，因此本文以从我国24个省中各取一个重点城市从2013年10月到2014年5月三个季度中分别选取一周的数据作为考察样本。选取的指标包括PM2.5（y），以及可能影响PM2.5的气候指标：平均气温（x1），平均湿度（x2），风速（x3），季节（x4），降水（x5）。其中PM2.5的数据来源于国家空气质量自动监测网，其它指标来源于Weather Underground http：//. 　　2.根据收集到的各个城市的pm2.5在整个统计时间段内的数值，计算各城市pm2.5在整个抽样期间的平均值，并按PM2.5平均值从大到小的顺序对这选取的24个城市进行排序如下表所示： 　　表1 　　Hebei tianjin wuhan xian beijing hefei jinnan chongqing 　　1 2 3 4 5 6 7 8 　　shanghai jiangsu chengdu changsha henan taiyuan hangzhou Harbin 　　9 10 11 12 13 14 15 16 　　sheyang jiangxi jilin guiyang kunming haikou shenzhen fujian 　　17 18 19 20 21 22 23 24 　　从上表可以看出，统计样本的年均PM2.5浓度最高的城市位于河北省。根据数据分析我们知道排在前两位的河北邢台、石家庄两市的年均PM2.5浓度高达155.2微克每立方米和148.5微克每立方米，是国家标准的4倍以上，该省的平均pm2.5浓度达到114.48。空气污染问题在长三角地区也日趋严重。上海、江苏、杭州等地的PM2.5浓度也接近国家标准的两倍。中西部省份亦凸显出空气污染问题。西安、武汉、合肥、太原等城市的PM2.5浓度也都达到了国家标准的两倍以上。而海口、深圳、福建等地的pm2.5浓度大小则比较可观，空气质量较好，如福建的平均pm2.5浓度只有24.57. 　　2.1平均温度与PM2.5的关系 　　图1 　　选取哈尔滨，石家庄，长春，济南和沈阳五个城市的数据分析PM2.5质量浓度与温度之间的关系，从图1种可以看出PM2.5浓度与温度变化的曲线几乎不能用同一方向的直线来拟合。我们知道在逆温层的存在使得当PM2.5的排放量基本相同的情况下，高温下的PM2.5的值低于低温下PM2.5 的值。但是，由于相关管理部门意识到PM2.5的危害，相继出台了一系列控制污染物排放的政策，因此人为的干扰可能使得PM2.5的值不再与气温呈现相关性。 　　2.2平均湿度与PM2.5的关系 　　同样选取哈尔滨，石家庄，长春，济南，沈阳五个城市的数据分析PM2.5质量浓度与湿度之间的关系，资料显示：PM2.5随着温度的变化的曲线近似于直线，且呈现正相关，即随着湿度的降低PM2.5也会降低，但斜率和截距均有不同，因此在用nlm模型拟合时需要在截距项加