基于灰色模糊物元預(yù)測(cè)的新鄉(xiāng)市大氣環(huán)境質(zhì)量評(píng)價(jià)

王佳楠,程港椏,校園齊,李嘉偉,程啟先

(1.山東師范大學(xué) 地理與環(huán)境學(xué)院,山東 濟(jì)南 250358;2.信陽師范學(xué)院 地理科學(xué)學(xué)院,河南 信陽 464000;3.南京信息工程大學(xué) 環(huán)境科學(xué)與工程學(xué)院,江蘇 南京 210044)

0 引言

大氣環(huán)境是生態(tài)環(huán)境的重要內(nèi)容,大氣環(huán)境質(zhì)量評(píng)價(jià)是大氣環(huán)境質(zhì)量規(guī)劃與管理工作的必要基礎(chǔ)[1].灰色系統(tǒng)理論在信息部分明確的研究中被廣泛運(yùn)用[2],一些學(xué)者將灰色系統(tǒng)理論的方法運(yùn)用在大氣與生態(tài)環(huán)境評(píng)價(jià)中,如灰色關(guān)聯(lián)、灰色聚類、灰色預(yù)測(cè)等[3～5],但這類模型在樣本量較多時(shí)不能保證其精度,限制了灰色系統(tǒng)理論的進(jìn)一步拓展;部分學(xué)者嘗試將人工神經(jīng)網(wǎng)絡(luò)[6,7]引入到大氣與生態(tài)環(huán)境評(píng)價(jià)的研究中,試圖彌補(bǔ)灰色系統(tǒng)理論的不足,但人工神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)量要求極高,即樣本量對(duì)其精度有著直接影響,且易出現(xiàn)結(jié)果不直觀、推理依據(jù)與過程不明確等問題.

灰色模糊物元分析是集灰色系統(tǒng)、模糊數(shù)學(xué)、物元分析等理論于一體的現(xiàn)狀評(píng)價(jià)方法[8],并融入模糊隸屬和可拓集合等概念,在不確定性或求解不相容等問題中尤為適用,現(xiàn)已應(yīng)用于工程學(xué)、管理學(xué)等[9,10]領(lǐng)域;灰色模糊物元分析在適中樣本量的研究中取得了較好效果,其結(jié)果直觀、清晰、準(zhǔn)確,但仍存在預(yù)測(cè)性評(píng)價(jià)較為薄弱的問題.本研究考慮將灰色預(yù)測(cè)模型與灰色模糊物元分析相結(jié)合,將其擴(kuò)充為新的灰色模糊物元預(yù)測(cè)模型,能夠彌補(bǔ)灰色預(yù)測(cè)模型在樣本量增加時(shí)其精度下降的缺點(diǎn),拓展灰色預(yù)測(cè)模型的應(yīng)用范圍.

本研究構(gòu)建灰色模糊物元預(yù)測(cè)模型,通過對(duì)新鄉(xiāng)市2015～2019年大氣污染的面板數(shù)據(jù)進(jìn)行大氣環(huán)境質(zhì)量評(píng)價(jià),驗(yàn)證該方法在模糊環(huán)境下多指標(biāo)優(yōu)化問題中的可行性與有效性,以期為大氣環(huán)境質(zhì)量評(píng)價(jià)的相關(guān)研究提供一定的借鑒和參考.

1 研究區(qū)域與方法

1.1 研究區(qū)域

新鄉(xiāng)市位于河南省北部、黃河海河流域交匯處,屬于典型的暖溫帶大陸性季風(fēng)氣候,四季分明,夏季高溫多雨、冬季寒冷干燥,年均降水量介于549.9～644.4 mm之間,年平均氣溫14℃,年均無霜期205天.新鄉(xiāng)市是中原城市群的重要城市,經(jīng)濟(jì)總量位居河南省前列,是以電子、機(jī)械、化工等產(chǎn)業(yè)為主的工業(yè)城市,生態(tài)環(huán)境污染較為嚴(yán)重.近年來為開展大氣污染治理工作,新鄉(xiāng)市投入大量人力與物力,但治理效果并不顯著,當(dāng)前大氣污染形勢(shì)依舊嚴(yán)峻,大氣污染治理工作任重而道遠(yuǎn).

1.2 數(shù)據(jù)來源

本研究數(shù)據(jù)來源為新鄉(xiāng)市生態(tài)環(huán)境局官方網(wǎng)站中的《新鄉(xiāng)市空氣質(zhì)量月報(bào)(2015～2019年)》(https://xxhb.gov.cn/news/59),依據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(2012版)》[11]的要求,包括固態(tài)污染物和氣態(tài)污染物2類,PM10、PM2.5、SO2、NO2、CO和O3這6個(gè)指標(biāo)及其單位、權(quán)重等,具體情況見表1.

表1 評(píng)價(jià)指標(biāo)體系

針對(duì)研究中存在的部分?jǐn)?shù)據(jù)缺失情況,除CO外其余指標(biāo)的缺失程度都較為輕微,缺失數(shù)據(jù)均采用SPSS 23.0中的“臨近點(diǎn)的線性趨勢(shì)”進(jìn)行插值補(bǔ)全,并在補(bǔ)全后統(tǒng)計(jì)數(shù)據(jù)的最大值、平均值和標(biāo)準(zhǔn)差等數(shù)據(jù)特征,具體情況見表2.

1.3 研究方法

常見數(shù)據(jù)標(biāo)準(zhǔn)化處理方法有min-max法、Z-score法、歸一化法和均值法等,常見的數(shù)據(jù)權(quán)重計(jì)算方法有Delphi法、AHP法、熵權(quán)法和均方差法等.考慮到運(yùn)算的便捷性和準(zhǔn)確性,本研究采用均值法和均方差法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理和權(quán)重計(jì)算,公式如下[12,13]:

其中Xi′j是i時(shí)期j指標(biāo)的原始數(shù)據(jù),Xij是i時(shí)期j指標(biāo)的處理數(shù)據(jù),σj是j指標(biāo)的均方差,是j指標(biāo)的平均值,Wj是j指標(biāo)的權(quán)重值.

本研究采用灰色模糊物元預(yù)測(cè)模型進(jìn)行新鄉(xiāng)市大氣環(huán)境質(zhì)量評(píng)價(jià)的實(shí)證研究.灰色模糊物元預(yù)測(cè)模型由灰色模糊物元分析和灰色預(yù)測(cè)模型兩個(gè)部分組成,運(yùn)用Matlab 2017對(duì)該模型進(jìn)行運(yùn)算和檢驗(yàn),部分公式如下[14,15]:

其中Mi和Nj分別為i和j的構(gòu)成列,Xij和Yij分別為初始和結(jié)果的數(shù)值,Rx和Ry分別為初始和結(jié)果的矩陣,灰色預(yù)測(cè)模型GM(1,1)的參數(shù)采用最小二乘法求解,具體內(nèi)容見文[15].

2 結(jié)果分析

2.1 樣本描述分析

為了更直觀展現(xiàn)指標(biāo)樣本數(shù)據(jù)的特點(diǎn)與態(tài)勢(shì),繪制了不同年度指標(biāo)分析圖(圖1).結(jié)合SPSS 23.0中的“獨(dú)立樣本T檢驗(yàn)”等內(nèi)容,對(duì)研究時(shí)段內(nèi)的指標(biāo)樣本數(shù)據(jù)進(jìn)行檢驗(yàn)與分析,具體內(nèi)容見表3;其中季節(jié)劃分采用閆軍輝[16]等的方法:3～5月、6～8月、9～11月和12～2月分別為春季、夏季、秋季和冬季.

(1) 近5年新鄉(xiāng)市PM10指標(biāo)的數(shù)值為124.983 ± 12.035 μg/m3(95%置信區(qū)間,下同).由圖1(a)可知,冬季和春季的PM10指標(biāo)值較高,污染較為嚴(yán)重,除2015年12月份外,其他年際月變化趨勢(shì)的差異不大;表3中數(shù)據(jù)顯示,冬季和春季的PM10指標(biāo)數(shù)值高于夏季和秋季,與圖1(a)結(jié)果一致.

(2) 近5年新鄉(xiāng)市PM2.5指標(biāo)的數(shù)值為71.517 ± 8.600 μg/m3.由圖1(b)可知,歷年冬季PM2.5指標(biāo)值均高于其他季節(jié)且差異較大,即污染主要集中在冬季,而年際間月變化趨勢(shì)的差異不大;表3中冬季的PM2.5指標(biāo)數(shù)值達(dá)到了110.533 ± 19.560 μg/m3,接近于其他季節(jié)指標(biāo)值的2倍,驗(yàn)證了圖1(b)中的指標(biāo)分析結(jié)果.

(3) 近5年新鄉(xiāng)市SO2指標(biāo)的數(shù)值為29.150 ± 4.220 μg/m3.由圖1(c)可知,2015年冬季SO2指標(biāo)值顯著高于其他季節(jié),2016年和2017年春季SO2指標(biāo)值顯著高于其他季節(jié),其他年份每月 SO2指標(biāo)值變化差異不大,總體呈現(xiàn)冬季和春季污染較為嚴(yán)重態(tài)勢(shì),年際月變化趨勢(shì)的差異較大,且近3年呈現(xiàn)出趨好態(tài)勢(shì);通過表3的數(shù)據(jù)可以看出,該指標(biāo)值在四個(gè)季節(jié)中的差異較小,且夏季達(dá)到了四季中的最低值為19.133 ±4.100 μg/m3,與圖1(c)中展現(xiàn)的結(jié)果保持一致.

圖1 不同年度指標(biāo)分析

(4) 近5年新鄉(xiāng)市NO2指標(biāo)的數(shù)值為48.717 ± 3.565 μg/m3.由圖1(d)可知,在秋季和冬季NO2指標(biāo)值明顯高于其他季節(jié),污染較為嚴(yán)重,而年際月變化趨勢(shì)的差異較小,呈現(xiàn)出相同的趨勢(shì);表3中的數(shù)據(jù)顯示,NO2指標(biāo)值在秋冬季節(jié)較高,分別為56.400 ± 5.370 μg/m3和59.867 ± 7.245 μg/m3,而春夏兩季 NO2指標(biāo)數(shù)值相對(duì)較低,與圖1(d)有著相同的趨勢(shì).

(5) 近5年新鄉(xiāng)市CO指標(biāo)的數(shù)值為1.385 ± 0.142 mg/m3.由圖1(e)可知,歷年冬季CO指標(biāo)值居高不下,尤其在2016年和2017年表現(xiàn)較為顯著,可知污染主要集中在冬季,年際月變化趨勢(shì)的差異不大,且近3年呈現(xiàn)出趨好態(tài)勢(shì);由表3中CO指標(biāo)數(shù)值可知,冬季數(shù)值最高達(dá)到2.067 ± 0.343 mg/m3,接近于其他季節(jié)該指標(biāo)數(shù)值的2倍,且其他季節(jié)的指標(biāo)數(shù)值之間差異較小,與圖1(e)中的CO指標(biāo)月份分析趨勢(shì)一致.

(6) 近5年新鄉(xiāng)市O3指標(biāo)的數(shù)值為104.967 ± 11.435 μg/m3.由圖1(f)可知,春季和夏季的O3指標(biāo)值明顯高于秋季和冬季,變化曲線呈現(xiàn)出倒“V”的形狀,可知春季和夏季污染較為嚴(yán)重,同時(shí)年際間月變化趨勢(shì)的差異較大,且近3年呈現(xiàn)出趨差態(tài)勢(shì);表3中O3指標(biāo)數(shù)值顯示,春夏季指標(biāo)數(shù)值顯著高于秋冬兩季,且夏季最高達(dá)到141.200 ± 18.510 μg/m3,但由圖1(f)中可看出2019年O3指標(biāo)數(shù)值異于其他年份的走勢(shì),在11月份降到最低值后又突然升高,而其他季節(jié)與圖1(f)中的變化趨勢(shì)相一致.

表3 不同季度指標(biāo)分析

2.2 灰色模糊物元分析

依據(jù)式(1)～(3)進(jìn)行計(jì)算,得出2015～2019年年際間月變化趨勢(shì)分析和不同指標(biāo)年度分析如圖2和圖3所示.

由圖2可知,2015～2019年這5年間,總體呈現(xiàn)出夏季和秋季的分值高于冬季和春季的態(tài)勢(shì),說明新鄉(xiāng)市這五年間大氣環(huán)境質(zhì)量在夏季和秋季均優(yōu)于其他兩季.2015年與其他年份月變化趨勢(shì)的差異較大,并且在12月份達(dá)到了這5年間的最低值,大氣環(huán)境質(zhì)量較差.2016～2018年的月變化趨勢(shì)基本相似,都在7月份達(dá)到了一年中的峰值,是大氣環(huán)境質(zhì)量最好的月份,2019年的整體分值高于其余年份,并于8月達(dá)到了峰值,表明新鄉(xiāng)市2019年的大氣環(huán)境質(zhì)量?jī)?yōu)于其他年份.

圖2 2015～2019年年際間月變化分析

圖3 2015～2019年不同指標(biāo)年度分析

由圖3可知,PM10指標(biāo)分值、PM2.5指標(biāo)分值、SO2指標(biāo)分值在2015～2018年均呈現(xiàn)出逐步上升的態(tài)勢(shì),表明這些指標(biāo)在大氣環(huán)境中的含量逐步增加,污染加劇,其中SO2指標(biāo)分值變化的幅度最大,但在2019年這些指標(biāo)值均有較大幅度的下降,環(huán)境有所好轉(zhuǎn).NO2指標(biāo)分值和CO指標(biāo)分值在這五年間變化幅度較小,態(tài)勢(shì)較為平緩,且NO2指標(biāo)分值低于其他指標(biāo),在大氣環(huán)境中的含量較為穩(wěn)定;O3指標(biāo)分值在2015～2018年呈現(xiàn)出逐步下降的態(tài)勢(shì)并在2018年達(dá)到了最低值,但在2019年又迅速回升,波動(dòng)較大.

2.3 灰色預(yù)測(cè)分析

通過灰色預(yù)測(cè)模型得到的分析預(yù)測(cè)結(jié)果見表4.2015～2019年的現(xiàn)狀值與預(yù)測(cè)值之間的相對(duì)誤差值分別為0.00、2.90%、2.10%、2.10%、2.30%,均低于一般要求,即≤5.00%,這證明了通過灰色預(yù)測(cè)模型進(jìn)行分析預(yù)測(cè)的合理性和可靠性.通過該模型對(duì)2020和2021年進(jìn)行預(yù)測(cè),得到預(yù)測(cè)值分別為0.7608和0.8005,表明新鄉(xiāng)市大氣環(huán)境質(zhì)量在2020年和2021年有著向好的態(tài)勢(shì).

表4 灰色預(yù)測(cè)分析

3 結(jié)語

(1) 本文在模糊物元分析的基礎(chǔ)上結(jié)合灰色預(yù)測(cè)將其擴(kuò)充為新的灰色模糊物元預(yù)測(cè)模型,利用該模型對(duì)新鄉(xiāng)市2015～2019年大氣環(huán)境中的6個(gè)指標(biāo)PM10、PM2.5、SO2、NO2、CO和O3進(jìn)行分析評(píng)價(jià)和預(yù)測(cè),在數(shù)據(jù)處理時(shí)采用了均值法和均方差法,避免了主觀因素對(duì)預(yù)測(cè)結(jié)果的影響.

(2) 將灰色預(yù)測(cè)模型得出的不同年份的預(yù)測(cè)值與現(xiàn)狀值進(jìn)行對(duì)比,發(fā)現(xiàn)誤差值在一般要求之內(nèi).實(shí)例表明,針對(duì)大氣環(huán)境自身的脆弱性[18]和復(fù)雜性[19],灰色模糊物元分析方法在此類評(píng)價(jià)中切實(shí)可行,能夠較為準(zhǔn)確地對(duì)大氣環(huán)境質(zhì)量進(jìn)行分析和預(yù)測(cè),解決了多指標(biāo)分析評(píng)價(jià)時(shí)的不相容問題,借助數(shù)學(xué)模型和相關(guān)算法,能夠確保大氣環(huán)境質(zhì)量評(píng)價(jià)預(yù)測(cè)的客觀性及可靠性.

(3) 大氣環(huán)境質(zhì)量評(píng)價(jià)中的灰色模糊物元預(yù)測(cè)方法實(shí)用性較強(qiáng),同時(shí)降低了傳統(tǒng)評(píng)估預(yù)測(cè)方法中存在的主觀性,此外上述方法的計(jì)算過程較為簡(jiǎn)便,能為研究者提供輔助支持,有著較好的應(yīng)用前景.后續(xù)研究應(yīng)當(dāng)考慮將其拓展至諸如農(nóng)村環(huán)境治理[20]、空氣質(zhì)量指數(shù)[21]等研究方向.