北京市空氣質(zhì)量及其與能源消費結(jié)構(gòu)的動態(tài)關(guān)聯(lián)

朱振亞，饒良懿，余新曉，朱夢洵

北京林業(yè)大學(xué)水土保持學(xué)院，北京 100083

近年來，隨著中國經(jīng)濟社會的快速發(fā)展，以煤炭為主的能源消耗大幅攀升，機動車保有量急劇增加，京津冀、長江三角洲、珠江三角洲等區(qū)域空氣污染嚴(yán)重，霧霾現(xiàn)象頻繁發(fā)生，空氣質(zhì)量評價以及污染治理等問題再一次引起公眾的關(guān)注。

空氣質(zhì)量評價是按照一定的標(biāo)準(zhǔn)和方法對某區(qū)域空氣質(zhì)量的優(yōu)劣或污染程度定量計算或定性描述的過程，可以反映大氣的污染狀況，摸清空氣質(zhì)量變化的趨勢，為環(huán)境規(guī)劃和管理提供依據(jù)。空氣質(zhì)量評價的相關(guān)方法較多，主要有指數(shù)評價法[1-4]、分級評分法[5]、模糊數(shù)學(xué)評價法[6-10]等。近年來有研究學(xué)者用因子分析[11]、主成分分析[12]、熱力學(xué)(信息熵[13]和物元可拓法[14]等)、神經(jīng)網(wǎng)絡(luò)[15]、遺傳算法[16]、分形學(xué)[17]等方法或幾種方法結(jié)合起來[18-21]進行評價。這些方法各有特點，有些已趨于成熟，有些仍處于理論研究階段，還在不斷完善。

有研究表明，城市環(huán)境空氣質(zhì)量好壞與氣象因子、城市能源消費結(jié)構(gòu)等因素有關(guān)。氣象條件對污染物擴散、稀釋和積累有一定作用。在污染源一定的條件下，污染物濃度大小主要取決于氣象條件[22-23]。目前關(guān)于大氣污染物與氣象因子的關(guān)系研究較多，但對造成大氣污染的能源消費結(jié)構(gòu)的研究不足。不少文章提出的改進能源結(jié)構(gòu)的建議，沒有定量分析，缺乏針對性和說服力。因此定量研究能源消費因子和大氣污染物的關(guān)系，對調(diào)整能源消費結(jié)構(gòu)、促進產(chǎn)業(yè)轉(zhuǎn)型升級以及從根本上改善空氣質(zhì)量具有重要意義。

1 研究方法

1.1 數(shù)據(jù)來源

利用北京市空氣質(zhì)量國控站點監(jiān)測數(shù)據(jù)，分析空氣質(zhì)量及其與能源消費結(jié)構(gòu)的動態(tài)關(guān)聯(lián)。主要數(shù)據(jù)分別來自《中國環(huán)境年鑒》(2003—2004年)、《中國環(huán)境統(tǒng)計年鑒》(2005—2012年)、《北京市環(huán)境狀況公報》、《北京60年》和《北京統(tǒng)計年鑒》(2012年)。選取了3個大氣污染物指標(biāo)，分別是Y1(年均SO2濃度)、Y2(年均NO2濃度)、Y3(年均PM10濃度)，單位均為mg/m3；9個主要能源日均消費量指標(biāo)，分別是X1(煤炭)、X2(焦炭)、X3(原油)、X4(汽油)、X5(煤油)、X6(柴油)、X7(燃料油)、X8(電力)、X9(天然氣)，X1～X7單位均為t，X8單位為萬千瓦時，X9單位為萬立方米。

1.2 分析方法

1.2.1 改進的模糊評價法

由于大氣環(huán)境質(zhì)量評價存在著不確定性即模糊性，因此用模糊綜合評價方法比較合理。近年的研究大多運用模糊綜合評判模型(B=A×R)，其中以M(∧,∨)模型最為普遍。此方法具有直觀、簡便的優(yōu)點，但評判中只利用數(shù)據(jù)的極值信息，忽視重要的中間值，難免會忽略其他信息。用Euclidean權(quán)距離體現(xiàn)空氣質(zhì)量分級標(biāo)準(zhǔn)與監(jiān)測樣本的差別，提出一種改進的空氣環(huán)境質(zhì)量模糊評價方法，能充分利用監(jiān)測數(shù)據(jù)所隱含的各種信息。

根據(jù)空氣質(zhì)量標(biāo)準(zhǔn)分級的隸屬度公式，可確定監(jiān)測樣本對各級標(biāo)準(zhǔn)的隸屬度；再根據(jù)最大隸屬度原則，可確定空氣環(huán)境質(zhì)量的等級。

1.2.2 關(guān)聯(lián)動態(tài)矩陣法

灰色關(guān)聯(lián)分析屬于幾何處理的范疇，其實質(zhì)是對反映因素變化特性的數(shù)據(jù)序列進行幾何比較。用于度量因素之間的關(guān)聯(lián)程度的灰色關(guān)聯(lián)度，是通過比較因素之間的關(guān)聯(lián)曲線而獲得。

設(shè)x1，x2，…，xn為n個因素，反映各因素變化特性的數(shù)據(jù)列分別為{x1(t)}，{x2(t)}，…，{xn(t)}；t=1，2，…，m。因素xi對xj的關(guān)聯(lián)系數(shù)定義為

式中，ξij(t)為因素xi對xj在t時刻的關(guān)聯(lián)系數(shù)，Δij(t)=|xi(t)-xj(t)|，Δmax=max{Δij(t)}，Δmin=min{Δij(t)}，ρ為介于[0,1]之間的灰數(shù)。

ξij=ξij(t)隨時間變化的曲線稱為關(guān)聯(lián)曲線。將關(guān)聯(lián)曲線ξij(t)與ξii(t)和坐標(biāo)軸圍成的面積分別記為Sij與Sii，則定義xj對xi的關(guān)聯(lián)度為

在實際應(yīng)用中，灰色關(guān)聯(lián)分析根據(jù)需要可以提供多種信息(如列出關(guān)聯(lián)動態(tài)矩陣、關(guān)聯(lián)樹、動態(tài)流向圖等)。該方法計算得到的關(guān)聯(lián)度，僅反映某一時段內(nèi)因素之間的定量關(guān)系，適宜靜態(tài)分析。但在不同時段因素間關(guān)聯(lián)程度不盡相同，把不同時段計算的關(guān)聯(lián)度按一定順序排列起來，便構(gòu)成了關(guān)聯(lián)動態(tài)矩陣。用它可以分析系統(tǒng)內(nèi)因素之間隨時間變化的動態(tài)關(guān)系，為宏觀控制決策提供更加客觀的依據(jù)。

2 北京市空氣質(zhì)量評價

參照修正版環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(GB 3095—1996)，構(gòu)建大氣環(huán)境質(zhì)量評價標(biāo)準(zhǔn)值矩陣(M)；選取2002—2011年北京市大氣污染物年均值構(gòu)成空氣環(huán)境質(zhì)量監(jiān)測值矩陣(N)；再用線性內(nèi)插公式將M變換為空氣環(huán)境質(zhì)量標(biāo)準(zhǔn)值模糊矩陣(S)；同時把N變換為空氣環(huán)境質(zhì)量監(jiān)測值模糊矩陣(R)。

根據(jù)Euclidean權(quán)距離的定義和概念，對于10 個監(jiān)測樣本和3級評價標(biāo)準(zhǔn)，可以建立差異矩陣(D，取距離參數(shù)p=2)，將D中各元素求倒得第j個樣本隸屬于第h級標(biāo)準(zhǔn)的隸屬度矩陣(V)，最后歸一化得到隸屬度矩陣(U)，即北京市2002—2011年空氣環(huán)境質(zhì)量的分級隸屬度和相對應(yīng)的評價結(jié)果，見表1。

表1 監(jiān)測樣本歸一化后的隸屬度矩陣

注：當(dāng)p=1時，分級隸屬度值雖不同，但評價結(jié)果相同。

根據(jù)隸屬度最大原則可知，2002、2004—2007年北京市空氣質(zhì)量處于Ⅲ級水平，2003、2008—2011年處于Ⅱ級水平，總體來說，空氣質(zhì)量有改善的趨勢。把隸屬度作為概率來考慮，用全概率公式可以計算出逐年的空氣質(zhì)量等級值。

C2002=0.194 1×1+0.267 3×2+0.538 6×3=2.344 5

同理，C2003=2.018 2，C2004=2.032 3，C2005=2.034 2，C2006=2.045 0,C2007=2.045 0,C2008=2.038 2 ,C2009=2.044 7 ,C2010=2.053 2,C2011=2.055 8，有C2002>C2011>C2010>C2006>C2007>C2009>C2008>C2005>C2004>C2003。由于等級值越大，空氣質(zhì)量越差，所以空氣質(zhì)量由劣到優(yōu)的年份排序為2002、2011、2010、2006、2007、2009、2008、2005、2004、2003年?？梢钥闯?， 2003、2008年北京市空氣質(zhì)量得到改善, 2009年以來有惡化的趨勢。

3 污染物與能源因子的動態(tài)關(guān)聯(lián)

選取2002—2011年北京市SO2年均值作為參考序列，主要能源日均消費量作為比較序列，對原始數(shù)據(jù)進行初始化處理。再以處理后的SO2年均值作為母序列，處理后的主要能源日均消費量因子作為子序列，計算Δ1j(t)=|x1(t)-yj(t)|，j=1，2，…，9。從Δ1j(t)中找到Δmax=3.118 6，Δmin=0。求出母、子序列的關(guān)聯(lián)系數(shù)(取ρ=0.5)：

利用相同的方法可以求出其他值。

SO2年均值與煤炭的關(guān)聯(lián)度為

同理可得，Y12=0.896 1，Y13=0.764 7，Y14=0.638 5，Y15=0.645 1，Y16=0.680 7，Y17=0.902 3，Y18=0.700 2，Y19=0.585 6，即Y1>Y12>Y11>Y13>Y18>Y16>Y15>Y14>Y19，SO2年均值與燃料油的關(guān)聯(lián)度最大，焦炭次之，煤炭居三，天然氣與SO2的關(guān)聯(lián)度最小。

用同樣的方法計算出2002—2011年北京市NO2年均值與主要能源消費因子的關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度，Y21=0.857 0,Y22=0.898 6，Y23=0.799 0，Y24=0.649 9，Y25=0.657 4，Y26=0.698 9，Y27=0.913 2，Y28=0.721 2，Y29=0.591 0，有Y27>Y22>Y21>Y24>Y28>Y26>Y25>Y24>Y29?？梢娙剂嫌褪怯绊慛O2年均值的最主要因素，其次是焦炭，再次是煤炭，天然氣與NO2年均值的關(guān)聯(lián)度最小。

2002—2011年北京市PM10年均值與主要能源消費因子的關(guān)聯(lián)度Y31=0.858 8,Y32=0.888 3，Y33=0.800 0，Y34=0.648 6，Y35=0.655 4，Y36=0.697 4，Y37=0.891 1，Y38=0.721 4，Y39=0.588 3，Y37>Y32>Y31>Y33>Y38>Y36>Y35>Y34>Y39。因此，影響PM10年均值的前3位能源分別是燃料油、焦炭和煤炭，天然氣與PM10年均值關(guān)聯(lián)度最小。

從以上分析可以看出，與大氣污染關(guān)聯(lián)度最大的3種能源分別是燃料油、焦炭和煤炭；而天然氣與污染物濃度關(guān)聯(lián)度最小，即天然氣是9種能源中最清潔的。

2002—2011年SO2、NO2和PM10年均值與主要能源消費因子的關(guān)聯(lián)曲線如圖1所示。

圖1 大氣污染物與能源消費結(jié)構(gòu)的關(guān)聯(lián)曲線

從圖1可以看出，9種主要能源因子與3種大氣污染物的關(guān)聯(lián)曲線很相似，即同種能源對不同大氣污染物的關(guān)聯(lián)程度很接近。燃料油、焦炭、煤炭與大氣污染物的關(guān)聯(lián)系數(shù)較大，10年來一直在較高水平波動；而原油、電力、柴油、煤油、汽油和天然氣與污染物的關(guān)聯(lián)系數(shù)相對較小，且原油>電力>柴油>煤油>汽油>天然氣，關(guān)聯(lián)系數(shù)有明顯的逐年降低趨勢。

將2002—2011年看成2002—2006、2002—2007、2002—2008、2002—2009、2002—2010、2002—2011年幾個時間段的動態(tài)過程，分別計算SO2年均值與主要能源消費因子的關(guān)聯(lián)度，得到關(guān)聯(lián)動態(tài)矩陣，見表2。

表2 SO2與能源結(jié)構(gòu)的關(guān)聯(lián)動態(tài)矩陣

從表2可以看出，同種能源與SO2在不同時間段的關(guān)聯(lián)序基本不變。與SO2關(guān)聯(lián)度最大的能源是燃料油，其次是煤炭、焦炭、原油(三者關(guān)聯(lián)序輪換)，再次是電力、煤油、柴油(三者關(guān)聯(lián)序輪換)，最后是汽油和天然氣。其中2002—2009、2002—2010、2002—2011年3個時間段關(guān)聯(lián)序滿足Y17>Y12>Y11>Y13>Y18>Y16>Y15>Y14>Y19?？v向看各關(guān)聯(lián)度數(shù)值，煤炭、焦炭與污染物關(guān)聯(lián)度呈“緩慢上升”的態(tài)勢；原油、汽油、煤油、柴油、電力、天然氣表現(xiàn)出先降低、后升高、再降低的“水平S型”；燃料油呈先升高、后降低的“倒U型”。

分時間段計算NO2、PM10年均值與能源消費結(jié)構(gòu)的關(guān)聯(lián)度，得到關(guān)聯(lián)動態(tài)矩陣，見表3、表4。

表3 NO2與能源結(jié)構(gòu)的關(guān)聯(lián)動態(tài)矩陣

由表3可以看出，在不同時間段同種能源與NO2的關(guān)聯(lián)序基本不變。與NO2關(guān)聯(lián)度最大的是燃料油，其次是煤炭，焦炭，原油(三者關(guān)聯(lián)序輪換)，再次是電力，煤油，柴油(三者關(guān)聯(lián)序輪換)，最后是汽油和天然氣，其中2002—2009、2002—2010、2002—2011年3個時間段關(guān)聯(lián)序保持Y27>Y22>Y21>Y23>Y28>Y26>Y25>Y24>Y29不變。分時間段看各關(guān)聯(lián)度數(shù)值，煤炭、焦炭呈“逐漸升高”的態(tài)勢；其余能源消費因子均表現(xiàn)出先降低、后升高、再降低的“水平S型”。

表4 PM10與能源結(jié)構(gòu)的關(guān)聯(lián)動態(tài)矩陣

由表4可見，各時間段PM10年均值與能源結(jié)構(gòu)的關(guān)聯(lián)序基本保持不變。與PM10關(guān)聯(lián)度最大的是燃料油(2002—2006、2002—2007、2002—2011年)以及焦炭(2002—2008、2002—2009、2002—2010年)，其次是煤炭、焦炭、原油和燃料油(四者關(guān)聯(lián)序輪換)，接下來依次是電力、柴油、煤油、汽油和天然氣。比較同種能源在不同時間段與PM10的關(guān)聯(lián)度值，煤炭、焦炭、燃料油“逐漸升高”；其余能源消費因子均表現(xiàn)出先升高、后降低的“倒U型”趨勢。

繪制大氣污染物與關(guān)聯(lián)度最大(燃料油)和最小(天然氣)的能源消費因子散點圖，可以看出污染物與能源消費因子的關(guān)聯(lián)方式，見圖2、圖3。

圖2 燃料油與大氣污染物的關(guān)系

圖3 天然氣與大氣污染物的關(guān)系

由圖2、圖3可見，隨著燃料油消費量的減少，大氣污染物濃度有所降低；當(dāng)燃料油消費量回升時，大氣污染物濃度隨之上升，即燃料油與大氣污染物“同增同減”，因此污染物不僅與燃料油關(guān)聯(lián)度最大，而且呈正相關(guān)。天然氣與大氣污染物的關(guān)聯(lián)方式與此不同，隨著天然氣日均消費量逐年增長，大氣污染物濃度總體卻呈下降的趨勢，兩者表現(xiàn)出“此漲彼消”的現(xiàn)象，即天然氣與大氣污染物負(fù)相關(guān)。

4 結(jié)論

1)2002、2004—2007年北京市空氣質(zhì)量處于Ⅲ級，2003、2008—2011年處于Ⅱ級，空氣質(zhì)量由劣到優(yōu)的年份排序為2002、2011、2010、2006、2007、2009、2008、2005、2004、2003年， 2003、2008年空氣質(zhì)量得到改善，2009年以來有所惡化。

2)燃料油、焦炭和煤炭是造成北京市大氣污染的前3位能源，天然氣是最清潔的能源；同種能源與不同污染物的關(guān)聯(lián)程度相似。

3)把2002—2011年看成不同時間段的動態(tài)過程，同種能源與污染物在不同時間段的關(guān)聯(lián)序基本不變，不同能源因子分別表現(xiàn)出“緩慢上升”、“逐漸升高”、“水平S”型和“倒U”型4種態(tài)勢。

4)燃料油日均消費量與大氣污染物年均值“同增同減”，大氣污染物與燃料油正相關(guān)；天然氣日均消費量與大氣污染物年均值“此漲彼消”，天然氣與大氣污染物負(fù)相關(guān)。

北京作為中國的首都，應(yīng)進一步推廣清潔能源的使用，逐漸淘汰高投入、高污染、低效率的傳統(tǒng)能源，從而不斷改善空氣質(zhì)量狀況。通過調(diào)查能源消費因子在行業(yè)中的使用狀況，為調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，促進能源結(jié)構(gòu)優(yōu)化升級以及實現(xiàn)生態(tài)文明要求下的可持續(xù)發(fā)展做出貢獻(xiàn)。

[1] Walski T M， parker F L. Consumers water quality index [J]. Journal of Environmental Engineering Division,1974,100(3):593-601.

[2] 徐鴻楷. 半集均方差水質(zhì)評價模式[J]. 環(huán)境科學(xué),1985(4):55-59,39.

[3] Dunnette D A. A geographically variable water quality index used in Oregon [J]. Journal of Water Pollution Control Federation,1979,51(1):53-60.

[4] Prati L. Assessment of surface water quality by a single index of Pollution [J].Water Research,1971(5):741-751.

[5] Shamion E E， Broezonik P L. Eutrophication analysis:a multivariate approach[J]. Journal of the Sanitary Engineering Division,1972,98(SAI):37-57.

[6] 何再超,鄭欽玉，盧坤，等.重慶市大氣環(huán)境質(zhì)量的模糊數(shù)學(xué)綜合評價[J].西南大學(xué)學(xué)報(自然科學(xué)版),2005,27(3):397-400.

[7] Zadeh L A. Similarity relations and fuzzy ordering[J].Information Science,1971(3):177-200.

[8] Bezdek J C. A physical interpretation of fuzzy ISODATA [J]. IEEE Transactionson Systems, Man and Cybernetics,1976(6):387-389.

[9] 李祚泳,趙邦杰. 區(qū)域環(huán)境質(zhì)量綜合評價的一種方法——Fuzzy概率法[J]. 環(huán)境科學(xué)學(xué)報,1984,4(3):204-213.

[10] 鄧超冰.灰色聚類在大氣環(huán)境質(zhì)量評價中的應(yīng)用[J].環(huán)境污染與防治,1990,12(2):24-29.

[11] Lohani B N，Todino G. Water quality index for Chao Phraya river [J]. Journal of Invironmental Engineering,1984,110(6):1 163-1 177.

[12] 張高生,李玉春. 運用主成分分析評價山東25個水體的環(huán)境質(zhì)量[J].環(huán)境科學(xué)研究,1989(2):16-20.

[13] 肖德鋒. 環(huán)境質(zhì)量評價中的模糊信息熵原理[J].環(huán)境科學(xué)學(xué)報,1986,6(2):157-165.

[14] 張勇,黎雪梅.物元分析在環(huán)境質(zhì)量評價及優(yōu)化布點的應(yīng)用[J].環(huán)境科學(xué)與技術(shù),2005,28(Z1):114-115.

[15] 張孟.神經(jīng)網(wǎng)絡(luò)方法在城市空氣質(zhì)量檢測中的應(yīng)用研究[D].長春:吉林大學(xué),2008.

[16] 李峰,張會,楊海波. 基于非線性映照遺傳算法的空氣質(zhì)量評價模型[J]. 中國科技信息,2010(2):35-36.

[17] 陳輝,厲青,楊一鵬,等.基于分形模型的城市空氣質(zhì)量評價方法研究[J].中國環(huán)境科學(xué),2012,32(5):954-960.

[18] 謝炳庚,劉智平.模糊—物元綜合評價法在環(huán)境空氣質(zhì)量評價中的應(yīng)用研究[J].經(jīng)濟地理,2010,30(1):27-30.

[19] 楊志民,田英杰,劉廣利.城市空氣質(zhì)量評價中的模糊支持向量機方法[J].中國農(nóng)業(yè)大學(xué)學(xué)報,2006,11(5):92-97.

[20] 徐彩霞,李義杰. 基于粗糙集和模糊神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量評價[J].微型機與應(yīng)用,2010,29(15):96-99.

[21] 汪小寒,張燕平,趙姝,等.基于分層遞階粒度聚類法的空氣質(zhì)量評價[J].計算機應(yīng)用研究,2013,30(1):192-194.

[22] 蔣維楣,曹文俊,蔣瑞賓.空氣污染氣象學(xué)教程[M].北京:氣象出版社,1993.

[23] 吳兌,鄧雪嬌.環(huán)境氣象學(xué)與特種氣象預(yù)報[M].北京:氣象出版社,2001.