可吸入顆粒物PM2.5的影響因子分析*

朱吉祥，徐　　冉，張　　琳，劉力軍

（大連民族學(xué)院理學(xué)院，遼寧　　大連　116600）

可吸入顆粒物PM2.5的影響因子分析*

朱吉祥，徐冉，張琳，劉力軍

（大連民族學(xué)院理學(xué)院，遼寧大連116600）

運(yùn)用相關(guān)性分析得出了PM2.5與PM10、CO、NO2、SO24項(xiàng)影響因素的相關(guān)性，采用多元線性回歸方法得到了PM2.5和PM10、CO、NO2和SO2之間的線性回歸方程，運(yùn)用主成分分析方法進(jìn)行因子分析，結(jié)果表明PM2.5與PM10、CO、SO2、NO2呈正相關(guān)性。

PM2.5；因子分析；相關(guān)性分析

PM2.5是指空氣動(dòng)力學(xué)直徑小于或等于2.5 μm的顆粒物，雖然PM2.5只是地球大氣成分中含量很少的組分，但它對(duì)空氣質(zhì)量和能見度等有重要影響，并呈現(xiàn)典型的區(qū)域性、復(fù)合型污染特征［1-2］。當(dāng)前以行政單元為主體、孤立的大氣污染防治模式難以有效解決PM2.5的污染問題［3］。深入研究PM2.5及其主要影響因素，并在此基礎(chǔ)上制定有針對(duì)性的控制措施，是控制PM2.5的有效途徑。為此，我國開展了PM2.5因素分析的研究。劉輝等［4］的分析表明除污染源排放外，氣象條件也是影響PM2.5及其水溶性離子濃度的重要因素。孟昭陽等［5］的研究結(jié)果表明：冬季PM2.5、有機(jī)碳和元素碳濃度均較高。

筆者使用線性回歸法、主成分分析法分析了PM2.5和PM10、CO、NO2、SO2之間的線性相關(guān)關(guān)系，揭示了不同來源對(duì)PM2.5的貢獻(xiàn)，進(jìn)而為PM2.5的治理提出政策性建議。

1　　數(shù)據(jù)的收集和分析方法

1.1數(shù)據(jù)來源

數(shù)據(jù)包含2014年10月1日至2015年3月31日共183 d大連市細(xì)顆粒物PM2.5歷史數(shù)據(jù)［6］，每日數(shù)據(jù)包含PM2.5、PM10、CO、NO2、SO2濃度數(shù)據(jù)，其部分?jǐn)?shù)據(jù)如表1所示。

表1　　大連市細(xì)顆粒物PM2.5的部分歷史數(shù)據(jù)

1.2Pearson相關(guān)性分析法

n個(gè)樣本的2個(gè)指標(biāo)xik和xil之間的Pearson相關(guān)系數(shù)定義為：

相關(guān)系數(shù)用來衡量2個(gè)數(shù)據(jù)集合。是否在一條線上，它用來衡量隨機(jī)變量間的線性關(guān)系。Pearson相關(guān)系數(shù)的r絕對(duì)值越大，相關(guān)性越強(qiáng)；相關(guān)系數(shù)越接近于1或-1，相關(guān)度越強(qiáng)；相關(guān)系數(shù)越接近于0，相關(guān)度越弱。通常情況下以r的絕對(duì)值取值范圍判斷變量的相關(guān)強(qiáng)度，見表2。

表2　　相關(guān)系數(shù)與相關(guān)性強(qiáng)弱關(guān)系

2　　分析結(jié)果

2.1相關(guān)分析和線性回歸

運(yùn)用SPSS以PM2.5與PM10、CO、NO2、SO2的濃度做統(tǒng)計(jì)分析，計(jì)算出它們的相關(guān)系數(shù)如表3所示。

表3　Pearson相關(guān)性檢驗(yàn)

從表3的Pearson相關(guān)系數(shù)的計(jì)算結(jié)果可知，PM2.5與這4項(xiàng)因素具有顯著正相關(guān)性。

筆者采用多元線性回歸方法建立PM2.5與PM10、CO、NO2、SO2的預(yù)測模型，其線性回歸系數(shù)的計(jì)算結(jié)果和R2分析如表4～6所示。

表6　　多元線性方程的回歸系數(shù)

R2值表明了模型對(duì)樣本數(shù)據(jù)的擬合程度，其值越高說明模型對(duì)樣本數(shù)據(jù)擬合得更好，表4顯示此線性回歸模型的擬合度為86.4%，F(xiàn)值是對(duì)所有解釋變量整體顯著性的檢驗(yàn)，由表5所示F統(tǒng)計(jì)量為289.385，Sig=0.000＜0.005，表明此線性回歸模型具有整體顯著性。由表6可知，多元線性回歸系數(shù)分別為0.253、51.884、0.292、-0.128，回歸系數(shù)常量為-19.024，因此我們得到多元線性方程：

PM2.5=0.253×PM10+51.884×CO+0.292×NO2-0.128×SO2-19.024

圖1顯示了回歸標(biāo)準(zhǔn)化殘差的P-P圖，可見數(shù)據(jù)符合正態(tài)分布。

圖1　回歸標(biāo)準(zhǔn)化殘差的P-P圖

2.2基于主成分分析方法的因子分析

在得到PM2.5回歸方程后，運(yùn)用主成分分析方法，將這幾項(xiàng)因素分別進(jìn)行降維，可得到它們的碎石圖和因子分解圖（見圖2～3）。

圖2　主成分分析的碎石圖

表4　模型匯總

表5　方差分析

圖3　主成分分析因子分解圖

取前2個(gè)主成分，累計(jì)總方差為78.5%，圖3顯示了5個(gè)指標(biāo)的因子分解結(jié)果，可以得到如下結(jié)論：

1） PM2.5和CO、SO2、NO2、PM10呈正相關(guān)性，其中CO對(duì)PM2.5的影響最大，可見CO與PM2.5幾乎會(huì)同時(shí)出現(xiàn)。

2） PM10對(duì)PM2.5也起到正相關(guān)作用，與其他正相關(guān)因素相比，PM10與PM2.5的關(guān)系在第二主成分上相同。

3　　結(jié)論

建立了PM2.5和PM10、CO、NO2、SO2之間的線性回歸模型。通過主成分分析方法揭示了不同來源對(duì)PM2.5的影響，PM10、CO、NO2、SO2和PM2.5呈正相關(guān)性。PM10和PM2.5的粒徑雖然不同，但二者密切相關(guān)，減少PM10的產(chǎn)生有助于降低PM2.5的濃度。

［1］ Chan C K，Yao X.Air pollution in mega cities in China［J］.Atmos Environ，2008，42（1）：1-42.

［2］ 賀克斌，楊復(fù)沫，段鳳魁，等.大氣顆粒物與區(qū)域復(fù)合污染［M］.北京：科學(xué)出版社，2011.

［3］ 薛文博，付飛，王金男，等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究［J］.中國環(huán)境科學(xué)，2014，34（6）：1361-1368.

［4］ 劉輝，賀克斌，馬永亮，等.2008年奧運(yùn)前后北京城郊PM2.5及其水溶性離子變化特征［J］.環(huán)境科學(xué)學(xué)報(bào)，2011，31（1）：177-185.

［5］ 孟昭陽，張懷德，蔣曉明，等.太原冬季PM2.5中有機(jī)碳和元素碳的變化特征［J］.應(yīng)用氣象學(xué)報(bào)，2007，18（4）：524-531.

［6］ 中國環(huán)境監(jiān)測總站.大連空氣質(zhì)量指數(shù)AQI PM2.5歷史數(shù)據(jù)［R］.2014-10—2015-03.

Influence Factor Analysis of Inhale Particle PM2.5

Zhu Jixiang，Xu Ran，Zhang Lin，Liu Lijun
（School of Science，Dalian Nationalities University，DalianLiaoning116600）

Four influence factors of PM2.5were obtained by using correlation analysis.The linear regression equation among PM2.5，PM10，CO，NO2and SO2was acquired by the approach of multivariate linear regression.Factor analysis was carried out through principalcomponent analysis.Resultsshowed that PM2.5waspositivelycorrelated with PM10，CO，SO2and NO2.

PM2.5；factor analysis；correlation analysis

X513

A

1005-8206（2016）01-0059-03

朱吉祥（1993—），學(xué)士，主要從事數(shù)學(xué)建模方法研究。

大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（201412026030）

2015-06-02