西安市大气污染与空气质量研究

1、西安市大气污染与空气质量研究姓名： 学号：摘要本文利用2014年西安市区PM2.5、PM10、CO、NO2、SO2五种污染物的浓度资料,并使用MATLAB软件对其进行数据分析，主要研究了污染物每月的均值随月份的变化，摸清了五种污染物每年的变化规律、对颗粒物进行统计检验，以此得出颗粒物每月的浓度是否有统计上的异同、利用回归分析等方法对颗粒物进行预测等。随后，还通过对所对应的温度因素进行数据分析，对细颗粒物的治理提供一些行之有效的策略。1. 研究背景当前，我国经济发展与环境保护之间的矛盾日益突出，环境质量、环境容量等因素已经严重影响到社会经济的发展。随着城市化进程的加快和大型工业开发区的建设，环境

2、污染物的排放量不断增加，污染范围也不断扩大，以颗粒污染物、二氧化硫、氮氧化物等为主要污染物的城市大气环境污染问题日趋严重。因此，研究和解决城市环境问题、改善城市环境质量、实现环境与经济的可持续发展已备受人们所关注。西安，作为中国典型的内陆城市，其特殊的地理位置和悠久的历史文化奠定了研究其环境问题的重要意义。然而，在加快城市建设和促进经济发展的同时，环境问题特别是环境空气质量问题却日益为人们所担心。因此，研究西安市环境空气质量问题，加强对空气污染的防治，减少空气污染对人体健康及周围环境造成的危害已迫在眉睫。2. 特征分析表1 PM2.5统计特征均值方差最大最小中位数下四分位数上四分位数偏度峰度1

3、月143.2333310173.252734124.519081282月170.714287083.62395601572341070.73.33月86.483871365.66199268111163.30.94.34月63.38709204.5128934647653.5-02.35月54.81818269.52811225536147.81.26.16月45.54838280.523103204251.835.31.55.87月34.96875249.1936911314625.50.42.28月43.82758346.71986203752.527.80.82.79月38.266663

4、58.06486113844220.73.110月77.870961541.78201187295.354.51.35.111月81.419351882.92188247111845.50.72.512月66.093751050.613720648640.50.52.4表2 PM10统计特征均值方差最大最小中位数下四分位数上四分位数偏度峰度1月240.4313113.165996213.52891711.772月237.3511415.350887216.53181660.733月189.324271.09381981722031501.54.84月152.224392.58312591371

5、771081.13.75月148.183273.47364661501631151.67.66月95.61966.51201529211776.31.25.37月86.53845.411452687.510766.5-02.48月94.581293.04161408712068.80.52.29月75.11494.511621770.594490.52.510月151.513517.19322431501781120.94.811月151.963400.3285551441971040.42.412月150.812784.5425969148.51841190.32.4表3 NO2统计特征均值

6、方差最大最小中位数下四分位数上四分位数偏度峰度1月71.93202.1310141738363-02.42月52.10170.54872952.561430.40.23月50.4171.85164315156.844.8-12.84月44.5896.2562224550.83702.65月32.2166.9845173340.325-01.86月32.9390.9950173439.825.5-02.17月33.0385.8349143339.526.502.28月39.17119.9363253749300.52.29月37.8696.60552335.546290.31.910月47.38

7、104.5168254855.343-02.711月46.4882.6566314551.8400.32.512月47.12130.82842345.55442.50.75表4 CO统计特征均值方差最大最小中位数下四分位数上四分位数偏度峰度1月3.030.374.21.972.953.422.650.32.22月2.490.304.341.852.42.712.091.66.33月2.260.233.191.532.252.551.820.32.14月1.660.132.250.921.731.891.33-02.15月1.550.021.911.241.571.671.430.22.16月1

8、.410.031.891.081.381.561.270.62.77月1.050.021.630.81.0651.130.951.46.78月1.230.021.580.941.241.341.130.32.59月1.370.051.81.011.341.561.160.3210月1.500.092.020.751.51.751.39-13.411月1.850.192.811.011.872.131.53-02.612月2.050.353.070.92.1052.521.5202表5 SO2统计特征均值方差最大最小中位数下四分位数上四分位数偏度峰度1月85.83590.621454682.59

9、9670.52.82月63.96354.77100295877770.32.23月37.12115.2455183544.829.3024月16.6151.243281622.5110.52.25月15.2118.672471618.312-02.36月12.6420.56258111491.33.77月8.9610.9917391160.22.48月11.1325.402631114.370.83.79月10.4317.212049.51370.52.210月2029.5332102024.815.30.12.311月36194.685193542.326.31.5612月52.81537.

10、06136255062331.56.4各污染物每月的均值随月份变化图：图1 2014年PM2.5变化趋势图图2 2014年PM10变化趋势图图3 2014年CO变化趋势图图4 2014年SO2变化趋势图图5 2014年NO2变化趋势图对PM2.5每月浓度进行t检验对2014年每相邻两个月的PM2.5进行t检验，显著水平默认为0.05，使用的是函数ttest2进行检验，计算x和y在5%的显著水平下是否来自同一分布，原假设为二者来自同一分布。首先对1、2月的PM2.5进行t检验：H=0P=0.2665CI= -76.5329 21.5709接受原假设，即x，y是来自同一分布的数据。得到的观察值的概

11、率为0.2665.均值的0.95置信区间-76.5329 21.5709对2、3月份的检验：H=1P= 5.1813CI= -118.9881 -51.3070拒绝原假设，即x，y是来自同一分布的数据。得到的观察值的概率为5.1813。均值的0.95置信区间-118.9881 -51.3070对3、4月份的检验：H=1P=0.0028CI=8.1334 37.2665拒绝原假设，即x，y是来自不同分布的数据。对4、5月份的检验：H=1P= 0.0391CI= -16.3357 -0.4298拒绝原假设，即x，y是来自不同分布的数据。对5、6月份的检验：H=0P= 0.0526CI= -0.09

12、96 17.0673接受原假设，即x，y是来自同一分布的数据。得到的观察值的概率为0.0526，均值的0.95置信区间-0.0996 17.0673.对6、7月份的检验：H=1P= 0.0131CI= -19.1462 -2.3375拒绝原假设，即x，y是来自不同分布的数据。对7、8月份的检验：H=0P= 0.0600CI= -17.5135 0.3745接受原假设，即x，y是来自同一分布的数据。得到的观察值的概率为0.0600，均值的0.95置信区间-17.5135 0.3745.对8、9月份的检验：H=0P=0.2601CI=-15.3514 4.2295接受原假设，即x，y是来自同一分布

13、的数据。得到的观察值的概率为0.2601，均值的0.95置信区间-15.3514 4.2295。对9、10月份的检验：H=1P=5.6284CI=-55.4822 -23.7263拒绝原假设，即x，y是来自同一分布的数据。得到的观察值的概率为0.5.6284，均值的0.95置信区间-55.4822 -23.7263对10、11月份的检验：H=0P=0.6243CI= -15.9253 26.3167接受原假设，即x，y是来自同一分布的数据。得到的观察值的概率为0.6243，均值的0.95置信区间-15.9253 26.3167.对11、12月份的检验：H=0P= 0.0888CI=-2.656

14、1 36.5959接受原假设，即x，y是来自同一分布的数据。得到的观察值的概率为0.0888，均值的0.95置信区间-2.6561 36.5959.3.相关分析表6 2014年各污染物之间的相关系数矩阵相关系数PM2.5PM10CONO2SO2PM2.51.00000.90550.75490.69080.7071PM101.00000.72550.71380.6726CO1.00000.76720.8486NO21.00000.7838SO21.0000各污染物彼此之间的散点图：图6 PM2.5与CO散点图图7 PM2.5与NO2散点图图8 PM2.5与PM10散点图图9 PM2.5与SO2散

15、点图图10 PM10与CO散点图图11 PM10与NO2散点图图12 PM10与SO2散点图图13 CO与NO2散点图图14 CO与SO2散点图图15 NO2与SO2散点图4.回归分析利用回归分析对颗粒物进行预测选择含常数项的一元回归模型：y=A+B*x1+C*x2+D*x3y：表示PM.5x1：表示COx2：表示NO2X3：表示SO2b= -46.83527 38.28172 0.95286 0.35340参数回归结果为 =-46.83527 38.28172 0.95286 0.35340图16 残差图表6 对2015年一月份前十天的PM2.5进行预测日期PM2.5PM10CONO2SO2

16、PM2.5预测值PM2.5实际值2015/1/1751652.62487040.57752015/1/21112273.366293123.931112015/1/31623083.7584106173.731622015/1/4411321.933639214.22412015/1/527791.57303575.13272015/1/6621282.11403954.22622015/1/7661422.35454285.83662015/1/8741722.665652100.84742015/1/91212403.226562126.731212015/1/101542893.7766

17、9160.27154比较2015年1月份前十天的PM2.5的观测值与预测值，画出散点图如下：图17 PM2.5观测值与预测值间散点图观测值与预测值有些月份近乎在一条直线上，有些月份的差值较大，说明预测还不是那么准确。5、其他因素搜集了2014年全年的天气状况、气温情况及风力风向状况，详细数据见Excel表格。分析温度与PM2.5、PM10的变化关系。每月的平均温度如下：表7 每月的平均温度月份123456789101112平均温度0.53.514152025.5272620.514.57.51.5图18 每月平均温度、PM2.5、PM10三者的均值随月份变化图从图中可以大致看出，颗粒物浓度与温

18、度成反比。当温度较低时，PM2.5与PM10的浓度较高，当温度较高时，PM2.5与PM10的浓度较低。其中的原因可能是温度较低时，人们大量燃烧煤炭所致。6、 治理雾霾天气采取的措施及存在的问题（1）西安市环境标准改设在年月日发布的新修订的环境空气质量标准中，增设了细颗粒物（）浓度限值，细颗粒物（）一级和二级小时平均浓度限值分别是5和；并调整了颗粒物（）浓度限值，颗粒物（）一级和二级小时平均浓度限值调整为和。但是此标准只是与国际最低标准接轨，且要到年全国才开始执行，从时间上和标准上都与国际标准有差距。（2）控制机动车污染排放随着机动车数量的不断增加，汽车尾气已成为城市灰霾的首要因素。特别是“黄标车”，其污染重、危害大，加快对高污染汽车的淘汰，