京津冀协同治理下的沧州市大气污染防治对策研究
来源:用户上传
作者:王晓兰 邢胜 顾宏山
摘 要：近年来京津冀地区的空气质量日益改善，对人民群众身体健康和经济社会发展带来了积极的影响。但是在取得阶段性进展的同时，大气污染形势依然严峻。据相关数据指出，不少城市PM2.5平均浓度仍未达标，特别是秋冬季重污染天气仍然频发。因此，京津冀协同治理大气污染势在必得，采取和效仿国内外优秀的治霾经验，全力以赴保卫共同的蓝天。
关键词：区域协同;关联规则;数据集
2019年6月5日，生态环境部发布《中国空气质量改善报告（2013-2018年）》，总结了6年来的治霾的总体成效。报告指出，环境空气质量总体改善，重点区域明显改善，京津冀地区采取区域联防联控，2018年PM2.5平均浓度比2013年下降了48%。目前中国对大气污染防治工作的艰巨性、复杂性已有充分的认识和准备，强化源头防治、全民共治，协同推动生态环境高水平保护，全力以赴打赢蓝天保卫战，让人民群众有更多地环境获得感、安全感和幸福感。[1]
一、沧州视角下的京津冀大气污染现状分析
大气污染具有时空性、跨域溢出效应，特定地区的空气质量会受到周边地区污染排放水平的严重影响。京津冀区域的大气污染较为复杂，不同污染物的出现、机动车排放、燃煤、工业排放和沙尘等交互作用、相互叠加、增加了防治的难度。大气污染是区域性问题，京津冀及周边地区在同一空气流场内，各城市的污染物相互影响，空气质量一荣俱荣、一损俱损，谁都难以独善其身。因此要想取得较好的大气污染防治效果就必须要求京津冀协同发展，完善区域空气质量和预测预报制度，提高预警响应区域协同性，共同做好区域重污染天气应对，共同营造美好的蓝天。
由于京津冀地区的城市分布密集，重工业区分布较集中，大部分区域地势比较平坦，因此该区域多城市间的污染关联性比较突出，呈现出以北京为中心的多城市区域性大气污染格局，各城市间的大气污染物排放和组成相互渗透，大气颗粒浓度在城市空间上表现出较强的同步性。PM2.5的排放浓度与污染源排放和气象条件等因素密切相关。[2]影响城市雾霾污染的主要因素与城市人口密度、工业污染排放、大气扩散程度都存在显著的空间相关性。另外，受特定地理环境影响和气象条件的控制，沧州市及周边城市之间存在着比较明显的相互输送和制约作用，因此整个京津冀地区已然转变成区域性大气污染，因此通过本文的研究将有助于认识京津冀地区大气复合污染的现状，为开展PM2.5区域控制、多种污染物协同治理和海量数据的资源化提供依据。
二、针对大气区域污染提出的基本思路和方法
基于京津冀地区（13个地区）最近三年内国家级空气质量自动检测站的PM2.5、PM10、CO、SO2、NO2每小时监测数据，分析了京津冀地区PM2.5的时空分布特征及大气复合污染过程中PM2.5与其他四种污染物之间的关联性;[3]并分析沧州市及周边大城市之间大气污染数据，采用相关算法和实验计算相关城市污染的关联性。本文针对大气污染的几种污染物进行分析，提出基本思路和方法如下：
首先，对海量空气质量检测数据进行筛选和预处理，统计计算整个京津冀地区不同时间尺度和不同区域的PM2.5浓度。
其次，采用数据挖掘中的关联规则算法，分析PM2.5与其他大气污染物源之间的关联性，提出关联规则挖掘方案，比较不同污染等级的强关联规则，通过大量数据分析得出不同等级大气污染物之间可能存在的关联性。
再次，重点对比沧州周边的北京、天津、石家庄、衡水、保定等几个城市的数据，根据关联规则和聚类分析大气污染与周边城市的关联性，对沧州推进京津冀地区的大气污染协同治理提供数据支持和帮助。
最后，根据沧州的地理位置特点和大气污染的数据进行细致的分析，根據数据挖掘相关算法提出改善沧州地区及周边环境的参考性意见。
三、采用的相关技术和方法
数据挖掘主要是利用搜索和分析算法，从大量收集到的数据中挖掘出其中隐藏的信息和规律。[4]关联规则是数据挖掘中的关键技术之一，顾名思义，是从数据背后发现事物之间可能存在的关联或者联系，用于发现大量数据集中各要素潜在的相互关联性。在本文中我们将关联规则数据挖掘技术用于京津冀地区的典型大气污染物的关联性的分析。
首先将收集的原始数据整合成一个统一的数据集，再进行数据预处理，根据任务目标，在形式上满足支持的数据格式，再通过数据集的扫描、计算发现大量的关联规则，然后根据任务需求进行模式过滤去除冗余规则并进行模式评估，最后根据规则的筛选结果，得到大气复合污染物指标的强关联规则。
四、本文研究的创新之处
本文从空气质量检测网选取了海量大气污染物数据，研究了京津冀地区PM2.5与大气复合污染物之间存在的潜在关联性，从大数据采集、清洗与分析处理、挖掘角度认知大气复合污染问题，并重点分析了沧州市与周边大城市及重工业城市的大气污染数据，采用关联规则和聚类分析算法计算出沧州市和周边大城市的污染关联性，采用大数据测试并做了相关实验分析，这些都为京津冀区域协同治理环境、控制多种污染物的产生和形成海量空气质量数据的资源化提供参考。
五、影响大气污染的其他不确定因素及不足之处
在大气复合污染实验分析过程中可以发现，影响PM2.5颗粒物的原因非常复杂，如所研究区域的地势、气温、湿度、风速、日照等诸多因子，也有区域行业产业发展、能源结构及人为等因素。根据选取时间点的不同，实验结果并不是一成不变，得出的关联规则也可能存在误差。鉴于此，建议有关部门建立PM2.5大气颗粒物污染物的环境因素及人为因子信息库，综合考虑不同地区、不同时间点PM2.5颗粒污染物与各种形成因素的相关性。将来还需进一步探索PM2.5污染源形成原因及变化特点，努力改善我们的居住环境。
参考文献：
[1]中国空气质量改善报告（2013-2018年）[Z].2019-06-05.
[2]赵丽芳.长三角地区冬季PM2.5时空分布特征及大气复合污染物间关联性分析[D].浙江大学，2018.
[3]贾瑾.基于空气质量数据解析大气复合污染时空特征及过程序列[D].浙江大学，2014.
[4]尹琦明.试论时空数据挖掘在环境保护中的应用[J].科协论坛（下半月），2013（06）：140-141.
转载注明来源:https://www.xzbu.com/1/view-15024212.htm
