基于空间数据的空气质量指数分析

作者:未知

  摘要:近年来,空气质量已成为中国社会日益关注的话题。笔者选用2018年全国省会城市空气质量指数(AQI)及其主要考核指标:地面臭氧(O3)、PM10(粒径小于等于10μm)、PM2.5(粒径小于等于2.5μm)、一氧化碳(CO)、二氧化硫(SO2)、二氧化氮(NO2),结合Nich指数、泰尔指数做空间统计分析,探究不同区域空气质量指数之间的关联程度及影响因素。
  关键词:空间数据;质量指数(AQI);Nich指数;泰尔指数
  中图分类号:X830.3 文献标识码:A 文章编号:2095-672X(2020)03-0-02
  DOI:10.16647/j.cnki.cn15-1369/X.2020.03.095
  Air quality index analysis based on spatial data
  Wang Lingfeng,Wang Yicheng,Zhang Qiong
  (Yunnan University (College of Mathematics and Statistics),Kunming Yunnan 650504,China)
  Abstract:In recent years, air quality has become an increasingly concerned topic in Chinese society. The author chooses 2018 national provincial city air quality index (AQI) and the main evaluation indexes: the ground-level ozone (O3), PM10 (less than or equal to 10 microns), PM2.5 (less than or equal to 2.5 microns), carbon monoxide (CO), sulfur dioxide (SO2),nitrogen dioxide (NO2),combining with clustering analysis, Nich index, the index of Theil do spatial statistical analysis, to explore the correlation degree between different regional air quality index and influencing factors.
  Key words:Spatial data;Quality index (AQI);Nich index;Theil index
  1 問题的提出
  雾霾形成及空气质量下降是多方面、多因素造成的,而单一从相同污染源归类不同省市是不科学的。因此从结果角度出发,通过已经监测到的2018年全年各省会城市的空气质量指数,探寻在现有现象背景下各省市之间空气质量的联系。
  2 材料与研究方法
  2.1 研究范围
  本文以中国大陆为研究范围,选取合计31个直辖市及省会城市作为样本点建立数据集。
  2.2 数据来源与处理
  文中数据来自中国空气质量在线监测分析平台(https://www.aqistudy.cn/historydata/)。季节划分标准为3—5月春季,6—8月夏季,9—11月秋季,12月到次年2月冬季,各季每天的均值为季均值,全年各天的均值为全年均值。
  2.3 研究方法
  本文采用建立热力图、直方图对各地区数据进行描述分析,再运用Nich指数、泰尔指数进行统计分析。
  3 结果与分析
  3.1 全国空气质量空间分布
  中国全年空气质量指数东西部较高,中部较低。华东、华北地区AQI指数较高,全年均值为轻度污染;西部地区及黑龙江省空气质量良好;华中、华南、内蒙古、青海、甘肃空气质量保持较好。
  各季度AQI指数区域分布同全年分布相似,但季节性差异明显。夏秋两季空气质量优良,冬季空气受染严重。河北、黑龙江、江西、安徽等省份AQI指数较高,其中部分地区达到中度污染水平。空气质量指数呈现冬季>春季>夏季>秋季的分布特征。
  3.2 基于Nich指数的AQI指数分析
  全年指数变化可划分为4个阶段。
  第一阶段:11月到次年4月为空气质量波动最剧烈的时期。冬季我国燃煤供暖、天然气量能增加,空气质量大幅下降。同时燃放烟花爆竹亦是空气污染的重要原因。
  第二阶段:5—6月春末夏初气温回暖,供暖压力减小,空气污染源头少,能源需求弱,春季AQI指数趋于平稳波动。
  第三阶段:8—9月夏季全国气温激升,空调使用率提高、工业增产对空气质量造成负面影响,不同省市之间AQI波动差异明显。
  第四阶段:10—11月完全进入秋季,气候趋于稳定,气温凉爽适宜。同春季平稳期相似,是不同省市AQI变化较小的时期。
  综上所述,我国空气质量存在明显的季节性:春、秋季AQI波动幅度小,趋于平稳;夏、冬季AQI指数波动明显且幅度大、变化快,尤以冬季AQI波动最为显著。
  3.3 基于泰尔指数的AQI指数分析
  3.3.1 两种权重下AQI总泰尔指数分析
  (1)以GDP为权重的总泰尔指数T(G)呈现为小幅波动的“W”型曲线。1—3月快速上涨,GDP增幅同全国平均AQI增幅相似性降低。4—10月T(G)除7月上涨外皆保持下降态势;春秋AQI指数与GDP增长相似性上升。7月AQI指数与GDP增长趋势不相符,泰尔指数上涨。11—12月T(G)显示为增长状态。   (2)以人口为权重的总泰尔指数T(P)呈现为与T(G)相似的“W”型增长,但在3—7月间泰尔指数波动趋于平稳。主要原因为3—7月没有大规模人员迁移,AQI波动同人口数量变化相似度保持不变,人口数量对空气质量的影响力很弱,因此人口数量不作为影响空气质量的主要因素。虽然T(P)与T(G)曲线保持相似的增长态势,但在7—8月、10—12月的T(P)曲线斜率大于T(G)曲线,说明人口数量变化对全国AQI指数变化的影响力度大于GDP增长对AQI指数变化的影响。
  (3)人口数量为权重的泰尔指数T(P)小于同阶段GDP为权重的泰尔指数T(G)。主要因为地区GDP占全国比例(人口数量占全国比例)与各地区AQI指数占全国比例数值越接近,其泰尔指数就越小。说明我国AQI指数波动与经济增长存在相关性但有限;对全国AQI指数波动的影响更强的是人口数量,被认为是造成空气污染的重要因素。
  3.3.2 两种权重下七大地区AQI泰尔指数分析
  根据两种权重下七大地区AQI泰尔指数及变化趋势,可将七大区域划分为四类。
  (1)第一类为东北、华中和西北地区。全年泰尔指数呈平稳趋势且集中在0.02左右,GDP与人口总数同AQI指数相关程度高度相似,泰尔指数维稳。该类地区具有高AQI、GDP缓增长、人口相对集中的特点,形成了该类地区泰尔指数趋于平稳的特征且GDP与人口数量同AQI指数相似程度较高。
  (2)第二类为华北地区。全年泰尔指数在0.03~0.06间有小幅波动;1—4月GDP与人口数量泰尔指数呈现不同的变化趋势:人口数量泰尔指数小幅上涨,GDP泰尔指数基本维持在0.035左右。该类地区具有高AQI、多工业、高经济增长、人口变化迅速的特点。
  (3)第三类为华南、华东地区。全年泰尔指数有较大幅度波动,呈现不规律的变化形势,形成低AQI、高经济增长、人口流动频繁的特点。
  (4)第四类为西南地区。泰尔指数在0.02~0.09之间波动,人口在8—9月有明显波动,形成低AQI、工业少、经济增长低、人口流动显著的特点。
  4 结论
  现阶段我国经济呈上升發展态势,地域之间发展不平衡不充分日益明显。由于产业相关,生产周期结构不同导致空气质量在地域间显示出较强差异性与关联性。结合现阶段各地区空气质量分布状况、区域产业结构和经济发展状况,本文给出如下建议:
  (1)注重关联产业经济协调发展。区域发展存在强关联性,从产业结构上协调各城市间生产关系是实现生态环境同经济可持续发展的关键。因此在进行空气质量治理时应当把握产业相关特性,从产业链产业结构方向进行优化,在同区域内做到经济协调发展、共同进步。同时产业结构接近的地区要以发展较优地区作范本,改良当地产业结构,生态建设上共同受益。
  (2)协调经济发展与环境之间的矛盾。经济发展与生态环境保护间的矛盾日益凸显,空气质量往往随经济增长反向变化。在华北等老工业区及供暖集中地,空气质量明显劣于其他地区。在经济建设中,可持续的发展战略重要性越发明显,既要保持经济发展也要满足“人民日益增长的美好生活需要”。
  (3)由空气质量指数季节性变化做生产调整。AQI季节性变化受生产生活季节性变化的影响,因此把握居民生活习惯的季节性变化对工业生产做宏观调控是控制AQI指数的有效途径。夏秋两季空气质量较好,绿植生长旺盛,在净化空气的同时阻碍污染物扩散。居民无供暖需求,可适当放宽工业生产;冬季气候寒冷,农村焚烧秸秆、城镇供暖及寒流等因素导致全国空气质量指数高居不下,因此工业生产应做适当让步,通过错峰生产降低工业污染物排放以减少空气污染。
  参考文献
  [1]胡剑波,王青松.基于泰尔指数的中国能源消费碳排放区域差异研究[J].贵州社会科学,2019(7):109-111.
  [2]张向敏,罗燊,李卓凡,翟慧敏,王黎明,贾琳.中国空气质量格局影响因素研究[J].信阳师范学院学报(自然科学版),2020(1):1-6.
  [3]许陆军.关于区域经济增长差异及影响因素的具体分析[J].经济纵横,2019(20):1.
  [4]赵放,刘一腾.区域经济发展影响因素的效应差异研究——基于中国四大经济区域的数据面板分析[J].福建师范大学学报,2019(3):41-50.
  收稿日期:2019-12-24
  作者简介:王凌锋(1998-),男,汉族,本科在读,研究方向为应用统计学。
转载注明来源:https://www.xzbu.com/1/view-15260367.htm

服务推荐