蘭州市冬季采暖對空氣質量影響的斷點分析

吳俊珺，袁 慎，韓 君

（蘭州財經大學 統(tǒng)計學院，甘肅 蘭州 730000）

近年來，我國城市冬季采暖引起的大氣污染現(xiàn)象日益嚴重，不僅阻礙了人們對高品質生活的追求，更是威脅了居民的健康，也對社會的可持續(xù)發(fā)展提出了挑戰(zhàn)。CHEN[1]研究表明，我國北方空氣污染濃度較高，居民的預期壽命將縮短約5.5 a，空氣質量的惡化顯而易見。為了改善空氣質量，一些城市相繼推行“煤改電，煤改氣”政策，孟慶歡[2]以該政策為出發(fā)點，對天津市空氣質量改善效果進行了研究，發(fā)現(xiàn)SO2改善效果最佳。自2013年以來，蘭州市也大力推行“煤改電，煤改氣”政策，使電、氣逐步取代傳統(tǒng)燃料煤，實施“藍天工程”清潔能源供應政策來減少大氣污染。蘭州市進行了大規(guī)模的鍋爐改造，那么冬季采暖事件對于空氣質量影響是否依舊嚴重？又該如何應對？筆者依據(jù)冬季采暖事件前后獨特的斷點關系，借鑒了余靜文等[3]和IMBENS[4]對斷點回歸這一新“擬隨機實驗”方法的設計，用斷點回歸方法研究蘭州市空氣質量在冬季采暖事件發(fā)生前后的變化狀況。

針對運用斷點回歸方法分析外生事件對空氣質量影響的研究，其中具代表性的是曹靜等[5]對北京市限行政策的斷點回歸分析，作者利用API數(shù)據(jù)和PM10、NO2、SO2濃度數(shù)據(jù)，針對奧運會期間實施的“尾號限行”政策，采用OLS回歸和RD方法對比分析兩項政策對空氣質量的影響，發(fā)現(xiàn)限行政策的實施并沒有明顯改善北京市的空氣質量水平。漆威等[6]對蘭州市機動車限行政策的空氣質量效應進行評估，得出限行政策對CO濃度的改善作用小，而能夠明顯改善NO2和O3濃度，但沒有證據(jù)表明限行政策影響到可吸入顆粒物濃度的結論。高明等[7]從城市異質性角度分析軌道交通、BRT與空氣質量之間的關系，利用斷點回歸方法，對2014—2016年全國新開通的BRT線路和軌道交通線路進行考察，分別分析它們對空氣質量指數(shù)的影響，發(fā)現(xiàn)BRT和軌道交通的開通顯著改善了空氣質量；孫坤鑫[8]以京Ⅴ標準的實施為斷點，通過建立時序斷點回歸模型對機動車排放標準的霧霾治理效果進行研究，發(fā)現(xiàn)機動車排放標準的提升明顯改善了北京市空氣質量，而在短期內機動車排放標準的提升對于霧霾治理效果影響不顯著。

也有若干文獻針對斷點回歸分析采暖事件對空氣質量的影響進行研究。ALMOND l[9]首次以秦嶺—淮河一線作為地理斷點，采用中國76個城市12 a來的日均SO2、TSP和NOx濃度數(shù)據(jù)，估計中國北方冬季供暖政策對空氣質量的影響，研究結果表明受供暖因素的影響，北方空氣質量相比于南方空氣質量較差。徐艷嫻[10]研究了冬季供暖對中國北方空氣質量的影響，使用2013年采暖期我國北方29個城市的面板數(shù)據(jù)，建立斷點回歸和固定效應模型，發(fā)現(xiàn)目標城市空氣質量受冬季采暖的顯著負向影響，表明在供暖期間空氣質量的惡化是供暖導致的。李金珂等[11]同樣研究了集中供暖對各種空氣污染物濃度的影響，采用全國230個城市的氣象數(shù)據(jù)和空氣污染數(shù)據(jù)進行斷點實證分析，發(fā)現(xiàn)我國的集中供暖顯著加劇了空氣污染程度，供暖后SO2濃度增加超過70%，PM2.5濃度增加約30%。

綜上所述，針對冬季采暖事件對空氣質量影響的研究，在剔除天氣條件及時間趨勢等因素的影響后，估計冬季采暖對空氣質量影響的研究還不夠充分。研究冬季采暖事件對AQI及6項污染物評價指標的結構變動情況的文獻較少，尤其是對西北地區(qū)的研究更少。本研究則依據(jù)2015—2018年蘭州市AQI及6項污染物數(shù)據(jù)和氣象因素干擾變量，構建針對蘭州市采暖的斷點回歸模型，運用精確斷點回歸方法分別擬合采暖前后的空氣污染趨勢，估計冬季采暖事件在蘭州市空氣質量治理后的非連續(xù)性變化，研究AQI及各項污染物的結構性變動。

1 模型、數(shù)據(jù)及變量選擇

1.1 OLS回歸模型

針對冬季采暖事件對空氣質量的影響，首先運用普通的OLS模型進行估計：

該回歸方程中，β衡量了冬季采暖對空氣污染的影響，yt——被解釋變量，即蘭州市第t天空氣污染物濃度指數(shù)，包括空氣質量指數(shù)AQI及各項污染物 PM2.5、PM10、CO、NO2、SO2、O3濃度；heatingt——變虛擬量，表示第t天是否采暖（heating=(0，1)）；X——氣象因素；X2——氣象因素的平方項；εt——不可觀測因素擾動項，與heatingt不相關，但這一假設會受到多種變量的影響，比如冬季采暖的當天溫度極低，或者受到當時風速、氣壓、濕度及降雨量的綜合影響，會對空氣污染物的濃度產生較大的影響，因此遺漏這些變量會產生內生性問題，造成回歸結果的偏誤。因此OLS模型中分別加入或者不加入控制變量（氣象因素X及其平方項X2）來比較氣象因素的影響，但冬季采暖前后導致的空氣污染突變卻并不能有效地進行控制。

1.2 斷點回歸模型

為解決OLS回歸帶來的偏誤，筆者采用斷點回歸方法來解決冬季采暖事件產生的內生性問題。斷點回歸（RD）能夠有效地解決處理組與控制組難匹配以及遺漏變量的問題，并結合采用非參數(shù)方法——局部線性回歸，分別使用矩形核和三角核函數(shù)計算權重進行對比，從而獲得更加精確的結果。蘭州市法定供暖日期自11月1日至次年3月31日，供暖時間為5個月，時間分界較為明顯，且在此界線兩側的短時間內，氣象因素狀況并未有顯著差別 (后文進行斷點兩側條件密度檢驗論證)，唯一的差別為是否采暖。因此可將采暖前后一段時間視為局部隨機分組。采用RD方法來識別冬季采暖對空氣質量的處置效應，研究冬季采暖對空氣質量是否有因果作用。文中的斷點回歸模型設定如下：

式（2）中，yt——被解釋變量，即蘭州市第t天空氣污染物濃度指數(shù)，包括空氣質量指數(shù)AQI及各項污染物 PM2.5、PM10、CO、NO2、SO2、O3濃度；heatingt——冬季采暖虛擬變量，是關鍵解釋變量；T——距離采暖開始的天數(shù)，d；t——采暖時間，d；采暖開始當天T為0，采暖開始前T為負，采暖開始后為正值。在關于時間T的多項式上，借鑒李金珂等[11]研究中依據(jù)的AIC準則進行多項式階次的優(yōu)化選擇，發(fā)現(xiàn)在大多數(shù)回歸中，以8次的AIC值最小。因此，無特殊說明本文的估計結果均選用8階多項式結果，并在后續(xù)實證中采用局部擬合的方法進行論證。X為模型的主要控制變量，引入風速、濕度、氣壓、是否降雨或降雪和日均溫度氣象指標，εt為隨機干擾項。β為模型所要關注的的主要參數(shù)，是t=0處局部處理效應的估計量，衡量了在排除空氣污染本身的時間趨勢以及氣象因素的干擾后，冬季采暖對空氣質量的直接影響。若β顯著為正，則表明冬季采暖顯著增加了大氣中的污染物濃度，則與預期一致；為負則表明冬季采暖降低了污染物濃度，需探討其原因。

1.3 數(shù)據(jù)及變量選擇

蘭州市于2015年1月1日起全面實施空氣質量指數(shù)新評價標準，為此選擇2015年1月1日—2018年7月1日蘭州市空氣質量和氣象歷史數(shù)據(jù)構建模型，頻率為hour。其中，空氣質量因素 （AQI及各項污染物 PM2.5、PM10、CO、NO2、SO2、O3濃度） 數(shù)據(jù)來源于tianqihoubao網(wǎng)站，并參考中國環(huán)境監(jiān)測總站實時監(jiān)測結果；氣象數(shù)據(jù)來源于tutiempo網(wǎng)站提供的蘭州站觀測數(shù)據(jù)，并借鑒中國氣象局發(fā)布的實時氣象信息，均是通過R語言工具實時監(jiān)測或從網(wǎng)站爬取整合而成。其中值得注意的是冬季采暖基本不產生O3，但O3卻參與空氣質量評價，因此將其作為某種反事實檢驗與其他指標對照。

5 V電源可以通過低壓降穩(wěn)壓器TLV70033得到3.3 V。TLV70033是出色的低靜態(tài)電流穩(wěn)壓器。其內部擁有一個高精度放大器，提供全面的2%的精度。

為研究“煤改氣”政策實施后，冬季采暖對蘭州市空氣質量的斷點影響，需對數(shù)據(jù)進行篩選和清洗。第一步，提取涉及蘭州市的空氣質量數(shù)據(jù)：AQI、各項污染物 PM2.5、PM10、CO、NO2、SO2、O3濃度以及氣象因素數(shù)據(jù)風速、濕度、氣壓、是否降雨或降雪和日均溫度5項變量及變量的二次方項。第二步，以AQI及PM2.5、PM10、CO、NO2、SO2、O3各項污染物濃度分別作為被解釋變量，氣象因素變量作為控制變量和協(xié)變量，研究蘭州市冬季采暖對空氣質量的影響。但由于原始數(shù)據(jù)的采集和發(fā)布等客觀原因，存在數(shù)據(jù)缺失情況，因此在分析前對歷年數(shù)據(jù)進行缺失值（拉格朗日插值法）插補，經處理后成為完整的可分析數(shù)據(jù)集。

2 實證分析

2.1 斷點識別——冬季采暖現(xiàn)狀

蘭州市采暖方式分為集中式供暖、地板輻射式采暖、家用鍋爐、電熱膜采暖、家用壁掛空調／柜式空調和中央空調等，其中集中供暖、地暖和家用鍋爐等污染相對嚴重。針對蘭州市對燃煤鍋爐的全部改造政策，目前冬季采暖主要采用燃燒天然氣的形式，但通過燃煤供暖的個體用戶不在少數(shù)，并且非主城區(qū)供暖改造較落后，同時燃燒天燃氣并非無污染，會產生大量的NOx、微量的SO2和硫化物，對比2013年之前，城區(qū)供暖沒有了大量的燃煤粉塵，徹底擺脫了十大污染城市行列，但具體改善情況如何，還需對2015—2018年的數(shù)據(jù)進行精確分析。

2015—2018年冬季采暖斷點前后被解釋變量和主要控制變量的均值差異，見表1。

表1 采暖前后空氣質量各因素的均值差異

其中，采暖后AQI及污染物 PM2.5、PM10、 CO、NO2、SO2濃度顯著上升，尤其是SO2的濃度，其供暖后濃度是供暖前濃度的3倍（樣本期間平均值）。此外反事實實驗變量O3濃度有所下降，說明冬季采暖不會造成其濃度的增加，而是受到其他諸如冷空氣等因素的影響。對于氣象條件變量，2016年濕度降雨氣壓變化明顯，2015年風速和濕度變化較大，其余時間總體表現(xiàn)為輕微波動，影響并不顯著。因此，在不考慮氣象因素等干擾條件的影響下，可初步判斷冬季采暖這一事件對空氣質量的影響存在明顯的跳躍差異。

為了進一步觀察空氣質量的變化，以2017年為例，AQI及各項污染物的日均空氣質量采暖前后50 d空氣污染物濃度變化的情況（O3除外），見圖1（圖中黑色點為AQI及各項污染物濃度的日均值）。圖形通過最小化斷點兩側回歸函數(shù)在斷點處的均方誤差來構建最優(yōu)帶寬來進行描述。

圖1 2017年采暖前后空氣質量指數(shù)及各污染物濃度變化

其中，PM10濃度在供暖之后有所下降，但濃度仍然高于供暖之前，AQI和PM2.5、CO、NO2、SO24種污染物濃度總體都呈現(xiàn)上升的趨勢，存在明顯的跳躍點。究其原因：一是冬季更容易出現(xiàn)阻礙污染物擴散的天氣，二是隨著溫度降低，供暖需要的燃煤或天然氣量增多。經過作圖分析，2015年、2016年采暖前后同樣存在跳躍點，2016年甚至比2017年斷點更為明顯，而2015年雖然表現(xiàn)出明顯的增加趨勢，但AQI和NO2卻并未顯示連續(xù)，而非跳躍情況，這也與2015年顯著的氣象條件有關，也可能是空氣質量的治理效果變好。

2.2 回歸結果

2.2.1 OLS回歸

依據(jù)式（1），運用普通的OLS模型對AQI及各項污染物進行估計，結果見表2。樣本為蘭州市2015—2018年三次采暖前后5個月的日數(shù)據(jù)，主要解釋變量是表示提供冬季采暖的虛擬變量。

表2 冬季采暖對空氣質量影響的OLS估計

由表2可以看出，AQI及PM2.5、PM10、CO、O34種污染物濃度在供暖期間都顯著上升，其中PM10上升幅度最大，顯示冬季采暖事件有很強的效果。2015—2018年采暖期間PM10日均值分別為蘭州市當年PM10日均值的15.98%、46.06%、53.04%，可見PM10上升比例逐年擴大。燃煤供暖會產生大量的SO2、NO2以及粉塵，而表中顯示NO2和SO2濃度供暖期間有所下降，與預期相反，可能原因為OLS回歸帶來回歸結果的偏誤。同時，對于CO、NO2、SO2等虛擬變量參數(shù)擬合值多數(shù)并不顯著，反映了OLS回歸不能很好地解釋冬季采暖對空氣質量的影響，也由此引出下文斷點回歸估計。

2.2.2 斷點回歸

依據(jù)式（2），將空氣質量指數(shù)及各項污染物濃度分別作為被解釋變量進行斷點回歸估計，冬季采暖虛擬變量為主要參數(shù)估計量。由于斷點回歸依據(jù)局部隨機分組設計，故采取采暖前后50 d數(shù)據(jù)進行建模。因斷點回歸在操作上存在不同選擇，為了保證結果的穩(wěn)健性，同時估計以下兩種情形來考察不同的計量模型形式是否對結論產生了顯著的變化：

（1）分別匯報三角核與矩形核（線性參數(shù)檢驗）的局部線性回歸結果；

（2）分別匯報不包含協(xié)變量與包含協(xié)變量的回歸結果。

斷點回歸結果，見表3。其中TRI、REC和WI列分別表示是否使用三角核、是否使用矩形核和是否加入?yún)f(xié)變量。

表3 冬季采暖對空氣質量影響的斷點回歸估計

對于AQI來說，2016年和2017年采暖對AQI數(shù)值有非常顯著的正效應。在分別使用三角核或矩形核，以及是否加入?yún)f(xié)變量的情況下，其虛擬變量系數(shù)值顯著為正，說明冬季采暖對空氣質量指數(shù)的處置效應程度很大。而2015年結果顯示，采暖事件對AQI數(shù)值效應不顯著，這可能是由于2015年供暖期間，NO2和O3在受到干擾項影響的條件下，間接導致對AQI評價的斷點回歸結果不顯著。

PM10和PM2.5濃度在3 a觀察期間，采暖事件的斷點回歸結果有非常顯著的正效應，并且在模型形式不同的情況下，其結果依舊顯著，說明冬季采暖間接對可吸入顆粒物有較大貢獻，且不會受到計量模型形式的顯著影響。CO和SO2在3 a觀察期間的斷點回歸結果也均存在顯著的正效應，其來源是化石燃料（煤、石油等含碳物質）的燃燒，可見在冬季采暖中燃煤供暖還是占據(jù)主流地位，可推測原因是受到部分供暖企業(yè)沒有按照標準安裝和使用脫硫設備或個人家用鍋爐供暖等的影響。NO2的斷點回歸結果在2016年和2017年采暖期均是顯著的，但是在2015年采暖期并不顯著，一方面可能是受到特殊氣象因素等干擾項的影響，另一方面說明蘭州市針對冬季采暖事件相關政策治理效果較為顯著。對于作為反事實檢驗的O3來說，其參與空氣質量的綜合評價，能夠極大的影響AQI指數(shù)。在2016年和2017年采暖期，O3的斷點回歸結果是顯著的，即O3濃度在2016年和2017年采暖前后出現(xiàn)明顯的變化，但是在2015年采暖期則表現(xiàn)不顯著，這可能間接導致了2015年AQI指數(shù)的不顯著。模型結果與預期較為一致，煤的不完全燃燒會產生CO，完全燃燒會直接產生大量的SO2、NO2以及粉塵，這些污染物經過一系列化學反應，間接導致PM2.5和PM10的上升。

3 穩(wěn)健性檢驗

進行斷點回歸后，需要對一系列的因素進行檢驗，判斷斷點回歸模型是否穩(wěn)健，在上文基礎上同時匯報以下3種情形綜合判定：

（1）分別匯報使用最優(yōu)帶寬、0.5*最優(yōu)帶寬和2*最優(yōu)帶寬的結果；

（2）檢驗氣象變量條件密度函數(shù)是否在斷點處連續(xù)；

（3）對氣象變量進行斷點估計。

3.1 帶寬檢驗

帶寬檢驗是斷點回歸中的一個重要環(huán)節(jié)，通過構建不同的帶寬，調整樣本與斷點的距離使得估計偏誤最小。HAN等[12]提出最優(yōu)的葉寬與N-1/5成比例，LEE等[13]提出的拇指規(guī)則法和交叉驗證法都是確定帶寬的常用方法。本研究使用非參數(shù)方法做斷點回歸估計，目標使均方誤差最小，依據(jù)IMBENS等[14]使用的IK法來確定最優(yōu)帶寬，進而觀察在改變帶寬的條件下估計結果的方向、大小和顯著程度是否發(fā)生明顯變化，帶寬檢驗結果見表4。

表4 空氣質量各因素的不同帶寬檢驗

由表4可以看出，2016年和2017年度供暖期間，三類帶寬的結果至少在10%顯著性的水平上通過檢驗，估計結果較為穩(wěn)健，說明在不同寬帶形式設定下所得到的定性結論是一致的，支持了上文表3的RD估計結果；而在2015年供暖期間，PM2.5、NO2、SO2、O3在使用 2倍最優(yōu)寬帶的結果不顯著，其他條件下均顯著。綜合來看，除了2015—2016年外估計結果都較為穩(wěn)健，其受到多方面因素的影響，可通過下文對氣象因素的斷點回歸估計來判定。

3.2 氣象因素的連續(xù)性和RD估計

研究冬季采暖斷點回歸分析的一個前提是，除冬季采暖變量之外，其他諸如氣象因素等干擾變量在冬季采暖前后都是連續(xù)變化的。若氣象因素等控制變量在采暖斷點附近存在明顯的跳躍,那么AQI及各項污染物濃度在斷點處的跳躍將不僅僅是由處置效應所帶來的，這使得斷點回歸不能進行有效的因果推斷。為此，需要對氣象因素變量條件密度函數(shù)進行連續(xù)性檢驗。其中，2017年氣象因素條件在斷點前后均連續(xù)；2016年除溫度和降雨量在以污染物斷點回歸模型中存在少許不連續(xù)的現(xiàn)象外，其他變量均連續(xù)，影響效果可忽略；2015年，結果顯示該年度氣壓和溫度在斷點處發(fā)生跳躍，會干擾對AQI及6項空氣污染物的斷點估計。因此，以2015年作為對照組，以2016年和2017年作為實驗組，在實驗組中大多數(shù)空氣指標的斷點回歸結果多數(shù)顯著，對照組中溫度和氣壓對模型估計產生了偏差，對斷點回歸結果產生了影響，但是這種情況并非每年都會出現(xiàn)。因此可認為，在供暖開始后其他因素均是連續(xù)變化，只有冬季采暖這個因素發(fā)生了突變，模型設定比較穩(wěn)健。

為更進一步探究氣象因素對斷點估計的干擾，將風速、濕度、氣壓、是否降雨雪以及日均溫度作為被解釋變量進行斷點回歸，驗證其在斷點處是否發(fā)生顯著性變化，分別考慮三角核和矩形核進行局部擬合，結果見表5。

表5 采暖前后氣象因素的斷點回歸估計

在2015—2018年供暖期中，除了2015—2016年間，壓強和溫度結果是顯著的以外，其他結果都不顯著，可能原因是2015年蘭州市冬季較常年同期偏低，冷空氣侵襲較早。不過總體上看，氣象因素的斷點回歸結果是不顯著的，也就是除了冬季采暖之外，氣象因素在供暖開始或結束時都是連續(xù)變化的，滿足假設條件。

4 結論與建議

4.1 結論

在控制了天氣和污染物本身的時間趨勢后，顯示2015—2018年冬季采暖直接導致各種空氣污染物濃度的顯著增加，其中 PM10、PM2.5、AQI、 CO、 SO2、 NO2， 分 別 上 升 55.09 μg/m3、25.512 μg/m3、 28.957、 26.028 mg/m3、 9.250 μg/m3、0.505 μg/m3，分別為觀察期均值的 44.56%、52.08%、31.35%、41.22%、48.21%、53.78%。多數(shù)回歸結果在5%水平上顯著，且受到計量模型形式不同的影響較小，結果也與理論預期較為一致，冬季采暖事件顯著加劇了空氣污染程度，特別是PM10濃度增加最為顯著，增加幅度超過了50%，其次是PM2.5、CO濃度，增加幅度也將近1/3。

蘭州市獨特的地理位置和氣象條件，使得冬季采暖事件對空氣質量的影響不可避免地受到干擾。如2015—2016年，采暖事件對PM10、PM2.5、SO2和CO數(shù)值有非常顯著的正效應，這說明冬季采暖間接對可吸入顆粒物、硫化物有較大貢獻，并進一步說明采暖期間煤炭的利用率低，導致煤的不完全燃燒而產生CO；2016—2017年，AQI及 PM2.5、PM10、CO、NO2、SO2的斷點回歸結果存在顯著的正效應，而O3的斷點回歸結果存在顯著的負效應。說明冬季采暖事件對空氣質量指數(shù)及6項污染物濃度的影響程度大，采暖事件導致 AQI增加 49.31，PM2.5、PM10、CO、NO2、SO2分別增加 35.022 μg/m3、89.594 μg/m3、0.12 mg/m3、34.987 μg/m3、9.321 μg/m3，而導致 O3減少了4.348 mg/m3；2017—2018年，采暖事件同樣對AQI及6項污染物濃度有較大影響，但相對于2015—2017年來說，AQI及6項污染物濃度增加幅度有所減少，其中PM2.5、PM10和NO2濃度增加幅度遠低于2016—2017年，進一步驗證了冬季采暖導致污染物濃度增加的事實，這一年中“煤改電、煤改氣”采暖政策又深入推進了一步。最后經過穩(wěn)健性檢驗驗證了氣象因素并沒有在斷點處（采暖開始時間點）發(fā)生顯著性變化，氣象因素等影響比較穩(wěn)健，表明采暖這一事件導致了空氣質量的變化，為全文分析討論進行了理論支撐。

4.2 建議

集中供暖是造成中國北方冬季空氣污染的重要原因，特別是采暖季節(jié)出現(xiàn)的嚴重霧霾現(xiàn)象。本研究量化了集中供暖對空氣污染物的影響大小，其中采暖事件對PM10、PM2.5的影響最大?；诖耍枰獜娜缦聨讉€方面入手來治理冬季采暖事件對空氣質量的影響：

（1） 從供暖政策影響AQI及6項污染物結構來看，應把重心放在PM10、PM2.5和NO2的排放控制與治理方面。一是從源頭控制各項污染物的排放，合理規(guī)劃取暖時間，建議依據(jù)人們活動時間來分時段供暖，杜絕24 h不間斷供暖；同時加強供暖設備研發(fā)和使用的監(jiān)督，必須采取脫硫脫氮設備供暖，使用如地板輻射式采暖、電熱膜采暖等高效節(jié)能的采暖形式，禁止家用燃煤鍋爐等的使用。二是從污染物的治理角度降低污染物的影響，對于采暖產生的PM10、PM2.5顆粒物，應結合蘭州市特有的地理環(huán)境，增加PM2.5、PM10和NO2監(jiān)控網(wǎng)，檢測濃度高的區(qū)域，增加噴霧灑水，增加綠化，并對濃度高的區(qū)域進行采暖設備排查工作。

（2） 從“煤改氣”政策角度來看，“煤改氣”政策是一項民生政策，能夠從根本上扭轉蘭州市冬季采暖的供熱能源結構，在一定程度上減少大氣污染物的排放，所以應該堅持這一政策并不斷與時俱進。目前蘭州市“煤改氣”政策實施存在一系列突出問題，如天然氣供給不足、基礎設施不完善、政府補貼配套資金落實不到位、“煤改氣”政策一刀切等問題，使得這一政策成效甚微。所以建議鼓勵廣大民眾使用天然氣，增加其供給，做到天然氣氣供需結合；并完善基礎設施，加強政府監(jiān)管及政策分步有序推進。