我国城市环境空气污染物相关性分析

-.z.南开大学本科生毕业论文〔设计〕中文题目：我国城市环境空气污染物相关性分析外文题目：CorrelationAnalysisofCityAmbientAirPollutantsinChina**：1210949**：俊恺年级：2012级专业：环境科学系别：环境科学学院：环境科学与工程学院指导教师：姬亚芹完成日期：关于南开大学本科生毕业论文〔设计〕的声明本人重声明：所呈交的学位论文，是本人在指导教师指导下，进展研究工作所取得的成果。除文中已经注明引用的容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或没有公开发表的作品容。对本论文所涉及的研究工作做出奉献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承当。学位论文作者签名：年月日本人声明：该学位论文是本人指导学生完成的研究成果，已经审阅过论文的全部容，并能够保证题目、关键词、摘要局部中英文容的一致性和准确性。学位论文指导教师签名：年月日-.z.摘要随着城市化和工业化进程的加快，城市空气污染日益严重，影响了人们正常的生产生活，危害人体安康。在传统煤烟型污染尚未得到有效控制的形势下，又兴起了以细颗粒物〔PM2.5〕、臭氧〔O3〕、酸雨为特征的区域性复合型空气污染。为了探究不同污染物浓度之间的关系，文章收集了京津冀、长三角、珠三角三个区域局部城市在2014年、2015年的大气污染物浓度数据，计算得到Spearman相关系数，进展相关性分析。结果说明，不同的污染物浓度之间大多表现为正的线性相关，而臭氧除外。臭氧与其他污染物浓度之间不存在显著的线性相关，或是表现为负的线性相关。各种污染物之间，相关系数最大的是可吸入颗粒物与细颗粒物，而第二大的组合并不固定，随地区和月份而变化。从全年数据看，京津冀地区相关系数第二大的是细颗粒物与一氧化碳，长三角、珠三角地区是细颗粒物与二氧化氮。关键词：大气污染物；城市环境；相关性分析AbstractWiththeacceleratedprocessofurbanizationandindustrialization,theurbanairpollutionisincreasinglyserious,affectingpeople'snormalproductionandlifeandendangeringhumanhealth.Thetraditionalcoal-burningpollutionhasn’tbeeneffectivelycontrolled.Butthepoundatmosphericpollutionfeaturingparticulatematter2.5(PM2.5),ozone(O3)andacidrainhasalreadyemerged.Inordertoe*ploretherelationshipbetweentheconcentrationsofdifferentpollutants,theauthorcollectedtheatmosphericpollutantconcentrationdataofthreerepresentativeareas(Beijing-Tianjin-Hebei,YangtzeRiverdelta,thePearlRiverdelta)in2014and2015,calculatedtheSpearmancorrelationcoefficientsandmadecorrelationanalysis.Resultsindicatethatthereisapositivelinearcorrelationbetweentheconcentrationsofanytwokindsofpollutantse*ceptozone.However,thereisnosignificantlinearcorrelationsbetweentheconcentrationsofozoneandsomepollutants,andthereisnegativelinearcorrelationbetweenozoneandotherpollutants.ThecorrelationcoefficientbetweenPM10andPM2.5isalwaysbiggest,whilethesetofpollutantswithsecondbiggestcorrelationcoefficientvarieswiththeregionsandseasons.Keywords：Atmosphericpollutants;urbanenvironment;correlationanalysis目录摘要IAbstractI目录I第一章引言1一、选题背景1二、研究思路1第二章我国城市大气污染现状1一、大气污染物排放负荷大1二、日益严重的复合型大气污染1第三章研究区域、数据及研究方法1一、研究区域与数据来源1二、Spearman相关系数1第四章京津冀区域污染物相关性分析1一、全年污染物浓度数据分析1二、分季节的相关性分析1第五章长三角区域污染物相关性分析1一、全年污染物浓度数据分析1二、分季节的相关性分析1第六章珠三角区域污染物相关性分析1一、全年污染物浓度数据分析1二、分季节的相关性分析1第七章结论1参考文献1致1-.z.第一章引言一、选题背景城市环境保护是一个国家环境保护的重要组成局部。随着我国城市化进程的加快，城市环境保护在国家环境保护中的地位日趋重要，城市环境污染治理也成为国家实施区域治理的重要容。在中国，城市群成了拉动经济快速开展的引擎，其中，又以长三角、珠三角、京津冀城市群为代表[1]。经济快速开展的同时，由于一直以来实行的粗放型经济增长模式，城市环境质量遭到了不可防止的破坏。2013年，在全国围出现了严重的雾霾，京津冀、长三角、珠三角城市群都未能幸免。我国大气污染防治形势依然严峻，传统煤烟型污染尚未得到有效控制，区域性复合型大气污染日益兴起，这种新型的大气污染以细颗粒物〔PM2.5〕、臭氧〔O3〕、酸雨为特征[2]。2012年10月，中国环境保护部发布了"重点区域大气污染防治“十二五〞规划"，提出以区域大气污染防治管理体系应对更加复杂、围更广的区域性复合型大气污染[3]。规划围包括京津冀、长三角、珠三角地区，以及中部、、及其周边、长株潭、成渝、海峡西岸、中北部、关中、甘宁、**乌鲁木齐城市群共13个重点区域[4]。这些区域是我国最富经济活力的城市群所在地，同时大气污染相对突出。面对日益严重的城市大气污染，本课题希望通过对我国城市环境空气污染物进展相关性分析，为进一步探究不同污染物的浓度影响机制，以及大气污染物浓度的影响因素提供参考。目前，国外对于不同的大气污染物之间相关性的研究相对较少，大多研究关注的是不同区域、不同气候条件下大气状况的比照，或是关注大气污染物与其他因素如气候条件、疾病、能见度的相关性。贲继东〔2012〕在分析市气候条件与空气污染状况时指出，风力、风向是污染物扩散的重要影响因素，而湿度对于污染物扩散过程更复杂，可能抑制扬尘，但也可能引起危害更大的酸雾[5]。罗杰、林、嘉晔等〔2012〕在对市大气能见度与污染物相关性分析后，得出结论，可吸入颗粒物〔PM10〕对大气能见度影响最大，而二氧化硫〔SO2〕、二氧化氮〔NO2〕对能见度影响较小[6]。元松林〔2015〕则从安康角度出发，得出了房颤与大气质量存在相关性的结论[7]。国也有较少的研究关注了局部大气污染物之间的相关性。王占山、云婷、添等人〔2014〕通过分析市区的臭氧及其前体物的浓度，发现臭氧浓度周末高于工作日，而且其前体物CO、NO、NO2浓度与臭氧浓度存在负相关性[8]。武鸣、秋云〔2013〕发现城区大气中CO2浓度与颗粒物相关性较低，而与SO2、NO、NO2、CO相关性较强[9]。煜、邓兰〔2014〕对市区的PM2.5浓度与其他大气污染物进展了分析，发现O3与PM2。5浓度相关性不显著，而PM2.5浓度与SO2、PM10、NO2、CO浓度显著性相关[10]。二、研究思路本文方案以“三区十群〞规划中的京津冀、长三角、珠三角为代表进展我国城市环境空气污染物的相关性分析。这三个地区有着中国最大的城市群，方别位于华北、华东、华南，其不同的气象条件可能会对不同空气污染物之间的相关性产生影响[11]。本文将分别收集汇总三个区域中重点监测城市的大气空气质量数据，包括PM2.5、PM10、SO2、O3、NO2、CO浓度在2014年与2015年两年间的每日数据，分析上述六种污染物之间的相关性。另外，本文还方案分析不同的季节下，上述六种污染物之间的相关性是否会呈现出不同的特点。第二章我国城市大气污染现状作为一个人口大国，我国一直面临着严峻的环境压力。改革开放之后，我国经历了快速的工业化和经济开展。粗放式的开展方式带来了城市大气质量的恶化。以煤炭为主的能源构造曾为我国北方城市带来严重的烟尘、二氧化硫、氮氧化物等污染[12]。为此，“十一五〞规划提出了主要污染物总量控制的目标，例如将二氧化硫排放总量减少10%。近年来，频繁出现的雾霾天气使大气污染防治面临新的挑战。2012年，环保部出台文件，提出了环境空气质量指数〔AQI〕取代空气污染指数〔API〕，并且将细颗粒物和臭氧参加新的环境空气质量标准[13]。目前，我国面临的大气污染防治形势依旧严峻，一方面，原有的煤烟型污染没有得到完全控制；另一方面，大气污染又呈现出区域性、复合性的新特点。我们需要面临以细颗粒物、臭氧、酸雨为特征的在更广阔的区域多种污染物共存的挑战。一、大气污染物排放负荷大“十二五〞规划提出了区域大气污染联防联控的机制以及主要污染物进一步减排的目标，我国的大气污染防治取得了一些积极的进展。根据环境保护部最新公布的"全国环境统计公布〔2014〕"，我们得到了二氧化硫、氮氧化物、烟〔粉〕尘的排放总量数据，如表1。2014年，氮氧化物排放总量同比下降了6.70%，二氧化硫排放总量同比下降了3.40%。但是污染物的排放负荷依旧巨大，2014年全年，氮氧化物全年排放总量2078.0万吨，二氧化硫排放总量1974.4万吨，烟〔粉〕尘排放总量为1740.8万吨。其中，粉尘排放总量还比2013年增长了36.2%，工业烟〔粉〕尘排放量和城市生活烟〔粉〕尘排放量均有较大幅度的增大。我国大气污染问题依旧十分严重，空气达标城市比例较低。根据"2014中国环境状况公报"，2014年，开展空气质量新标准检测的161个地级及以上城市中，仅、、、、、、、、、、、、、、和共16个城市空气质量达标〔好于国家二级标准〕，占9.9%；145个城市空气质量超标，占90.1%。表1二氧化硫、氮氧化物、烟〔粉〕尘排放总量单位：万吨污染物2014201320122011二氧化硫1974.42043.92117.62217.9氮氧化物2078.02227.32337.82404.3烟〔粉〕尘1740.81278.11234.31278.8二、日益严重的复合型大气污染在“十二五〞规划以前，我国大气污染防治的重点在于减少工业烟粉尘、二氧化硫的排放总量，而对于氮氧化物、细颗粒物、挥发性有机物的控制力度较弱。在这样的防治体系下，无法有效遏制复合型大气污染的出现和日益严重。在快速的城市化进程中，伴随着能源消耗、机动车数量的日益增长，排放的大量氮氧化物、二氧化硫、挥发性有机物在一定的温度、湿度、光照等大气条件下发生复杂的化学反响，形成了细颗粒物、氧化性污染物浓度高，能见度低的复合型大气污染体系。根据"2014中国环境状况公报"，、、细颗粒的年均值分别为85.9、52.0、49.0微克/立方米。京津冀和长三角区域全年以PM2.5为首要污染物的污染天数最多，其次为PM10和O3。珠三角区域全年以O3为首要污染物的污染天数最多，其次为PM2.5和NO2。复合型大气污染使得雾霾天气出现得愈加频繁，对人们的生产生活、人体安康造成严重影响。第三章研究区域、数据及研究方法一、研究区域与数据来源京津冀、长三角、珠三角是我国最重要的三个城市群，也是拉动我国经济快速增长的三大区域引擎[14]。“十三五〞规划纲要提出了要将京津冀、长三角、珠三角建立为世界级城市群的目标。在2015年中国城市竞争力排行榜中，、**、、、、、、入围十强，京津冀、长三角、珠三角一共占了十强中的八席。在保持强劲的经济活力的同时，三大城市群也面临着大气污染的严重挑战。“十二五〞规划将三大城市群划为大气污染防治重点区域，同时三大城市群也是最早实施"环境空气质量标准"〔GB3095-2012〕的区域，第一次将细颗粒物〔PM2.5〕参加大气质量评价体系。根据"重点区域大气污染防治“十二五〞规划"，京津冀地区重点控制区为、**、、、、6个城市；长三角地区重点控制区为、、、、、、、、、、、、、14个城市；珠三角地区重点控制区、、、江门、、、、、9个城市[15]。三大区域都面临复合型大气污染挑战，细颗粒物〔PM2.5〕、臭氧应成为重点监控对象。同时，京津冀区域由于聚集了大量钢铁、建材、石化企业，以及存在冬季燃煤取暖问题，还需对可吸入颗粒物〔PM10〕加强控制。而长三角、珠三角区域由于冶金工业排放的酸性气体、来自酸性土壤的烟尘，面临更严重的酸雨问题。2014年全国降水pH年均值线分布情况如图1〔资料来源为"2014中国环境状况公报"〕。图12014年全国降水pH年均值线分布示意图本文使用的数据来源于公益性的中国空气质量在线监测分析平台。本文查询了2014年、2015年间三大区域共29个重点城市的细颗粒物、可吸入颗粒物、二氧化硫、二氧化氮、臭氧、一氧化碳这6种主要污染物的日平均值数据，经过整理后进展实证分析。二、Spearman相关系数K-S检验说明，任一种大气污染物浓度均不满足正态分布，所以本文选择Spearman相关系数来衡量不同大气污染物浓度之间的线性相关性。Spearman相关系数r的取值围为-1到1。当两个变量之间呈正相关性时，r值取正号，且r越接近1，意味着正相关性越显著。同理，r越接近于-1，意味着负相关性越显著。r=0意味着两个变量之间不存在线性相关。Spearman相关系数与变量之间的线性关系如图2。图2Spearman相关系数与变量之间的线性相关Spearman相关系数计算公式如下：QUOTE〔1〕公式〔1〕中，QUOTE与QUOTE分别表示样本中第i个*，Y的秩，QUOTE、QUOTE分别为QUOTE、QUOTE的平均值，n为样本观测数。Spearman相关系数是标准化、无量纲的比值，任意变量的线性变化不会影响相关系数r的大小和正负。第四章京津冀区域污染物相关性分析一、全年污染物浓度数据分析利用SPSSStatistics软件，分析2014、2015两年间京津冀区域6个城市的6种空气污染物的日平均数据，得到了6种污染物之间的Spearman相关系数，如表2。表2京津冀地区城市大气污染物全年数据相关系数组分PM2.5PM10SO2CONO2O3PM2.51.0000.907**0.607**0.757**0.658**-0.153**PM100.907**1.0000.660**0.683**0.632**-0.107**SO20.607**0.660**1.000**0.741**0.668**-0.330**CO0.757**0.683**0.741**1.0000.774**-0.346**NO20.658**0.632**0.668**0.774**1.000**-0.362**O3-0.153**-0.107**-0.330**-0.346**-0.362**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。表2说明，任意两种污染物的浓度在0.01的置信水平下都表现出显著的相关性：其中比拟另类的是臭氧，与其他污染物均表现负相关性；而其他的污染物之间都表现出正相关。任意两组污染物之间，相关系数绝对值最大的是细颗粒物和可吸入颗粒物，其Spearman相关系数到达了0.907。根据定义，细颗粒物是可吸入颗粒物的一局部，然而细颗粒物占可吸入颗粒物的比例不是一成不变的，随气候条件、排放源的变化而变化。图3为京津冀地区可吸入颗粒物与细颗粒物浓度关系示意图。通过一元线性回归，得到的可吸入颗粒物浓度与细颗粒物浓度之间的线性回归方程为：QUOTEPAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***PAGE***௒PAGE***公式〔2〕中，Y—可吸入颗粒物浓度〔微克/立方米〕，*—细颗粒物浓度〔微克/立方米〕。图3京津冀地区可吸入颗粒物与细颗粒物浓度关系细颗粒物浓度与二氧化硫、一氧化碳、二氧化氮的浓度在0.01的置信水平下都表现出显著的正相关性，Spearman相关系数分别为0.607、0.757、0.658。大气中二氧化硫的人为来源为含硫煤炭的燃烧，城市大气中的氮氧化物的来源主要是机动车等流动燃烧源的排放，一氧化碳则主要来自于燃料的不完全燃烧。在这些气体污染物的排放过程中，往往伴随着其他气体污染物以及颗粒物的排放，因此它们两两相互以及与细颗粒物、可吸入颗粒物之间均表现出正相关性。臭氧属于二次污染物，具有很强的氧化能力，是光化学烟雾的代表性污染物。在0.01的置信水平下，臭氧浓度与其他的污染物均表现为显著的负相关性。当大气中颗粒物浓度升高，形成气溶胶时，可能减弱紫外线辐射，从而减少了臭氧的形成，因此细颗粒物、可吸入颗粒物浓度均与臭氧浓度呈负相关[16]。另外，一氧化碳、二氧化氮是低空臭氧形成过程中的前体物，臭氧的形成需要消耗这些前体物。同时，具有强氧化性的臭氧可以将二氧化硫氧化，降低大气中二氧化硫浓度。二、分季节的相关性分析为了解不同季节污染物浓度之间的相关性特点，本文选取6个城市2014、2015年间1、4、7、10四个月份的数据分别代表冬季、春季、夏季、秋季进展相关性分析，结果见表3、表4、表5和表6。表3京津冀地区城市大气污染物1月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.966**0.733**0.885**0.819**-0.556**PM100.966**1.0000.793**0.885**0.800**-0.500**SO20.733**0.793**1.0000.815**0.716**-0.429**CO0.885**0.885**0.815**1.0000.833**-0.546**NO20.819**0.800**0.716**0.833**1.000-0.596**O3-0.556**-0.500**-0.429**-0.546**-0.596**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。根据1月份的数据，我们可以发现，和全年数据一样，在0.01的置信水平下任意两种污染物的浓度均表现出线性相关性，且正负方向一样。与全年数据相比，任意两种污染物浓度的相关系数都要更大，尤其是臭氧，除与二氧化硫浓度相关系数为-0.429外，与其他污染物浓度的相关系数绝对值均大于0.5，而在全年数据中，绝对值最大的也只是与二氧化氮浓度的-0.362。1月份属于京津冀地区的燃煤供暖月份，同时排放大量颗粒物与二氧化硫，使得颗粒物与二氧化硫的浓度相关系数与全年数据相比有较大幅度的提高，细颗粒物、可吸入颗粒物与二氧化硫浓度相关系数分别为0.733、0.793，全年数据为0.607、0.660。表4京津冀地区城市大气污染物4月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.732**0.572**0.606**0.534**0.450**PM100.732**1.0000.640**0.445**0.413**0.308**SO20.572**0.640**1.0000.654**0.571**0.294**CO0.606**0.445**0.654**1.0000.623**0.281**NO20.534**0.413**0.571**0.623**1.0000.293**O30.450**0.308**0.294**0.281**0.293**1.000注:**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。与全年数据以及1月份数据相比，4月份数据的一大特点在于，臭氧与其他污染物浓度没有表现出负的线性相关，而是表现为正的线性相关。其中，臭氧与细颗粒物浓度相关系数最大，为0.450；与一氧化碳的相关系数最小，为0.281。此外，除臭氧外的任意两种污染物浓度相关系数均小于全年数据。表5京津冀地区城市大气污染物7月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.853**0.320**0.538**0.189**0.473**PM100.853**1.0000.483**0.481**0.246**0.436**SO20.320**0.483**1.0000.479**0.361**0.274**CO0.538**0.481**0.479**1.0000.550**0.425**NO20.189**0.246**0.361**0.550**1.0000.336**O30.473**0.436**0.274**0.281**0.336**1.000注:**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。与1月份数据一样，臭氧与其他污染物均表现为正的线性相关，其中与二氧化硫的浓度相关系数最小，为0.274；与细颗粒物的浓度相关系数最大，为0.473。相关系数最小的一组污染物是细颗粒物与二氧化氮，为0.189，相比之下全年数据的这一系数为0.757。除细颗粒物与可吸入颗粒物外，相关系数最大的是一氧化碳与二氧化氮，为0.550，全年数据下为0.774。表6京津冀地区城市大气污染物10月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.948**0.514**0.853**0.702**0.328**PM100.948**1.0000.638**0.824**0.724**0.369**SO20.514**0.634**1.0000.619**0.572**0.254**CO0.853**0.824**0.619**1.0000.728**0.212**NO20.702**0.723**0.572**0.582**1.0000.284**O30.328**0.369**0.254**0.212**0.284**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。10月份任意两种污染物也都表现为正的线性相关。与7月份相比，臭氧与其他污染物浓度的相关系数均有所减小，更接近于4月份，其中最小的是与一氧化碳的浓度相关系数，为0.212，而这也是全部污染物浓度相关系数中最小的一组。除细颗粒物与可吸入颗粒物外的任意两种污染物中，浓度相关系数最大的是细颗粒物与二氧化硫的0.853，全年数据下该系数为0.607。综合来看，4个月份中1月的数据与全年数据最为接近，而冬季也是京津冀地区大气污染最严重，雾霾天气最频繁的季节。1月，臭氧与其他污染物浓度的相关系数均表现为负值，与全年数据一样，而其他月份均为正值。除臭氧外，任意两种污染物的相关系数在4个月份数据及全年数据中均为正值，其中7月份的任意一组相关系数均为最小。第五章长三角区域污染物相关性分析一、全年污染物浓度数据分析利用SPSSStatistics软件，分析2014、2015两年间长三角14个城市的6种空气污染物的日平均数据，得到下表所示的6种污染物之间的Spearman相关系数，见表7。表7长三角地区城市大气污染物全年数据相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.905**0.584**0.605**0.716**0.015PM100.905**1.0000.688**0.669**0.582**0.080**SO20.605**0.688**1.0000.478**0.546**0.041**CO0.716**0.690**0.478**1.0000.528**-0.166**NO20.592**0.582**0.546**0.528**1.000-0.083**O3-0.0150.080**0.041**-0.166**-0.083**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。表7说明，除了细颗粒物与臭氧以外，任意一组污染物的浓度在0.01的置信水平下都表现为显著的相关性。长三角地区的全年数据中，细颗粒物与臭氧的浓度相关系数为0.015，显著性P值为0.118，可以认为二者不具有线性相关性，二者的散点分布如图4所示。此外，臭氧与其他污染物浓度的相关系数绝对值也较小，与可吸入颗粒物、二氧化硫、一氧化碳、二氧化氮的相关系数分别为0.080、0.041、-0.166、-0.083。除了臭氧与一氧化碳、臭氧与二氧化氮表现为负的线性相关外，其他任意两种污染物浓度之间均表现为正的线性相关。除了细颗粒物与可吸入颗粒物之间，相关系数最高的是细颗粒物与二氧化氮，为0.716。图4长三角地区臭氧与细颗粒物浓度关系二、分季节的相关性分析为了解不同季节污染物浓度之间的相关性特点，本文选取长三角区域14个城市1、4、7、10四个月份的数据分别代表冬季、春季、夏季、秋季进展相关性分析，结果见表8-表11。表8长三角地区城市大气污染物1月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.921**0.610**0.824**0.554**0.112**PM100.921**1.0000.724**0.799**0.544**0.149**SO20.610**0.724**1.0000.572**0.635**0.076*CO0.824**0.799**0.572**1.0000.504**0.069*NO20.554**0.544**0.635**0.504**1.0000.118**O30.112**0.149**0.076*0.069*0.118**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。表8说明，任意两种污染物浓度的相关系数均为正值。其中，臭氧与二氧化硫、臭氧与一氧化碳的相关系数最小，为0.076、0.069，可以认为在0.05的置信水平下具有线性相关性，而其他任意两种污染物浓度可以认为在0.01的置信水平下具有线性相关性。我们发现，二氧化氮与细颗粒物、可吸入颗粒物的相关系数均小于全年数据。而其他臭氧外的污染物浓度相关系数均大于全年数据。除了细颗粒物与可吸入颗粒物之间，相关系数最高的是细颗粒物与一氧化碳，为0.824。表9长三角地区城市大气污染物4月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.797**0.576**0.539**0.602**0.241**PM100.797**1.0000.726**0.514**0.595**0.372**SO20.576**0.726**1.0000.403**0.538**0.351**CO0.539**0.514**0.403**1.0000.313**0.036NO20.602**0.595**0.538**0.313**1.0000.340**O30.241**0.372**0.351**0.0360.340**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。表9说明，任意两种污染物浓度的相关系数均为正值，其中最小的是臭氧与一氧化碳，为0.036，显著性P值为0.306，可以认为两者不具有显著的线性相关关系。4月份的细颗粒物与可吸入颗粒物浓度相关系数要小于全年和1月份，为0.797。除此之外，相关系数最大的是二氧化氮与细颗粒物，为0.602。表10长三角地区城市大气污染物7月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.896**0.439**0.698**0.511**0.433**PM100.896**1.0000.484**0.678**0.472**0.447**SO20.439**0.484**1.0000.367**0.271**0.343**CO0.698**0.678**0.367**1.0000.536**0.243**NO20.511**0.472**0.271**0.536**1.0000.341**O30.433**0.447**0.343**0.243**0.341**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。从表10来看，7月份任意两种污染物浓度之间相关系数均为正值，且均在0.01的置信水平下表现为线性相关。相比于全年数据，7月份臭氧与其他污染物浓度的相关系数绝对值要大很多，最小的是与一氧化碳，相关系数为0.243。除此之外，二氧化硫与二氧化氮的浓度相关系数也相对较小，为0.271。除了细颗粒物与可吸入颗粒物，相关系数最大的是细颗粒物与一氧化碳的浓度，为0.698。表11长三角地区城市大气污染物10月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.885**0.504**0.727**0.634**0.350**PM100.885**1.0000.585**0.724**0.605**0.357**SO20.504**0.585**1.0000.374**0.419**0.330**CO0.727**0.724**0.374**1.0000.582**0.198**NO20.634**0.605**0.419**0.582**1.0000.258**O30.350**0.357**0.330**0.198**0.258**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。与7月份一样，10月份数据各污染物浓度相关系数也都为正值，且在0.01置信水平下，表现为线性相关。在任意两种污染物中，臭氧与一氧化碳的相关系数是最低的，为0.198。除了细颗粒物与可吸入颗粒物，相关系数最大的是一氧化碳与细颗粒物，为0.727，这一点也与7月份情况一样。比拟4个月份的数据，发现1月份、4月份臭氧与其他污染物浓度的相关系数较小，而7月份二氧化硫与其他污染物浓度的相关系数最小。4个月份各项相关系数均为正值，而全年数据中臭氧与一氧化碳，臭氧与二氧化氮的浓度相关系数则为负值。第六章珠三角区域污染物相关性分析一、全年污染物浓度数据分析利用SPSSStatistics软件，分析2014、2015两年间珠三角9个城市的6种空气污染物的日平均数据，6种污染物之间的Spearman相关系数见表12。表12珠三角地区城市大气污染物全年数据相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.952**0.666**0.612**0.710**0.451**PM100.952**1.0000.648**0.555**0.682**0.484**SO20.666**0.648**1.0000.423**0.550**0.395**CO0.612**0.555**0.423**1.0000.596**0.031*NO20.710**0.682**0.550**0.596**1.0000.172**O30.451**0.484**0.395**0.031*0.172**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。根据上表数据，我们发现不同于京津冀、长三角区域，任一组相关系数均为正值，其中最小的是臭氧与一氧化碳的浓度相关系数最小，为0.031，线性相关性在0.05置信水平下显著，其余各组浓度线性相关性在0.01置信水平下显著。相比而言，臭氧与细颗粒物、可吸入颗粒物的浓度相关系数绝对值要大于京津冀地区、长三角地区。除了两种颗粒物，浓度相关系数最大的是细颗粒物与二氧化氮，为0.710。图5珠三角地区臭氧和一氧化碳浓度关系二、分季节的相关性分析为了解珠三角地区不同季节大气污染物浓度之间的相关性特点，本文选取珠三角地区9个重点防控城市1、4、7、10四个月份的数据分别代表冬季、春季、夏季、秋季进展相关性分析，结果见表13-表16。表13珠三角地区城市大气污染物1月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.946**0.719**0.543**0.708**0.493**PM100.946**1.0000.702**0.529**0.700**0.496**SO20.719**0.702**1.0000.398**0.596**0.372**CO0.543**0.529**0.398**1.0000.471**-0.023NO20.708**0.700**0.596**0.471**1.0000.233**O30.493**0.496**0.372**-0.0230.233**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。根据上表数据，浓度相关系数绝对值最小的是臭氧与一氧化碳，为-0.023，可以认为不具有线性相关性。其余各组相关系数均为正值，任意两种污染物浓度在0.01置信水平下具有显著的线性相关性。除细颗粒物与可吸入颗粒物之外，相关系数最大的是二氧化硫与细颗粒物的浓度，为0.719。表14珠三角地区城市大气污染物4月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.894**0.668**0.522**0.693**0.475**PM100.894**1.0000.600**0.331**0.572**0.551**SO20.668**0.600**1.0000.415**0.506**0.416**CO0.522**0.331**0.415**1.0000.557**0.078NO20.693**0.572**0.506**0.557**1.0000.191**O30.475**0.551**0.416**0.0780.191**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。与1月份数据一样，臭氧与一氧化碳的相关系数最小，为0.078，不具有线性相关性。除臭氧与一氧化碳外，其余各组污染物浓度在0.01置信水平下，线性相关。和全年数据一样，相关系数最大的是二氧化氮与细颗粒物的浓度，为0.693。表15珠三角地区城市大气污染物7月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.914**0.643**0.374**0.580**0.818**PM100.914**1.0000.577**0.397**0.545**0.740**SO20.643**0.577**1.0000.118**0.446**0.587**CO0.374**0.397**0.118**1.0000.430**0.212**NO20.580**0.545**0.446**0.430**1.0000.478**O30.818**0.740**0.587**0.212**0.478**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。根据表15数据，任意两种污染物浓度在0.01置信水平下，表现出显著的正线性相关性。臭氧与细颗粒物、可吸入颗粒物的浓度相关系数，与全年数据或其他月份相比要大，为0.818、0.740。除了细颗粒物与可吸入颗粒物，臭氧与细颗粒物浓度的相关系数是最大的。而最小的是二氧化硫与一氧化碳的浓度相关系数，为0.118。表16珠三角地区城市大气污染物10月相关系数PM2.5PM10SO2CONO2O3PM2.51.0000.949**0.671**0.469*0.651**0.762**PM100.949**1.0000.611**0.477**0.700**0.727**SO20.671**0.611**1.0000.337**0.561**0.563**CO0.469**0.477**0.337**1.0000.330**0.306**NO20.651**0.700**0.561**0.330**1.0000.417**O30.762**0.727**0.563**0.306**0.417**1.000**相关性在0.01置信水平下显著，*相关性在0.05置信水平下显著。根据10月份数据，任意两种污染物浓度相关系数均为正值，且均大于0.3，线性相关性在0.01置信水平下显著。相关系数最小的是臭氧与一氧化碳的浓度，为0.306。除细颗粒物与可吸入颗粒物外，相关系数最大的是臭氧与细颗粒物，为0.762。综合4个月份的数据分析结果来看，除了1月、4月的臭氧与一氧化碳的浓度线性相关不显著外，其余各组在0.01的置信水平下均表现为显著的正线性相关，这也与全年数据一致。同时，珠三角地区的一个特点是10月数据与7月接近，而4月数据与1月接近，这可能与珠三角地区的气候条件有关。第七章结论本文收集了京津冀、长三角、珠三角地区2014、2015年间的大气污染物数据，对3个大气污染防治重点区域的大气污染物进展了相关分析，得到任意两种污染物之间的Spearman相关系数。并且，对每个区域的1、4、7、10月份的大气污染数据进展分析，以探究不同季节污染物浓度相关性的特点，得到以下主要结论：〔1〕不同污染物的浓度之间相关系数大多为正值，表现出0.01置信水平下显著的正向线性相关。臭氧是个例外，在京津冀地区的全年数据中，臭氧与其他污染物浓度的相关系数均为负值，表现为0.01置信水平下显著的负向线性相关。在长三角地区的全年数据中，臭氧与细颗粒物浓度不存在显著的线性相关，臭氧与一氧化碳、二氧化氮浓度表现为0.01置信水平下的负向线性相关。在珠三角地区的全年数据中，臭氧与一氧化碳浓度的线性相关性在0.01置信水平下不显著，在0.05置信水平下显著。〔2〕同一地区不同季节间，两种污染物浓度之间的相关系数有较大差异。在京津冀地区，1月份臭氧与其他污染物浓度相关系数为负值，在0.01置信水平下表现为显著的负向线性相关，而其他3个月份相关系数均为正值，且在7月相关系数值最大。在长三角和珠三角地区，1月份臭氧与其他污染物的浓度相关系数较小，而7月份该相关系数较大。另外三个区域有一个共同特点，二氧化硫与其他污染物浓度相关系数在1月份最大，在7月最小。〔3〕由于可吸入颗粒物中自然包含了细颗粒物，两者的相关系数在不同地区、不同月份都是最大的。而除了这组