胡秋靈*，楊哲

（陜西師范大學國際商學院，西安 710119）

基于高頻AQI數(shù)據(jù)的關(guān)中城市群空氣污染規(guī)律探索

胡秋靈*，楊哲

（陜西師范大學國際商學院，西安 710119）

基于高頻分時AQI及各污染物濃度數(shù)據(jù)，本文使用“AQI小時指數(shù)”、首要污染物等進行統(tǒng)計分析并建立VAR模型對關(guān)中城市群空氣污染的總體情況、日內(nèi)波動規(guī)律以及城市間空氣污染的關(guān)聯(lián)規(guī)律做了不同層次的挖掘。研究結(jié)果表明：①關(guān)中城市群的空氣質(zhì)量整體較差，春、冬季空氣污染程度明顯大于夏季，空氣污染的“季節(jié)效應”和“集簇性”明顯，且主要表現(xiàn)為顆粒物污染。②空氣質(zhì)量的日內(nèi)波動規(guī)律在春、冬兩季表現(xiàn)為下半天優(yōu)于上半天，夏季夜間優(yōu)于白天。但在不考慮四季AQI小時指數(shù)圖“相位”差異的情況下，四季空氣污染的日內(nèi)波動呈現(xiàn)出明顯的相似性。③各城市空氣污染存在明顯的關(guān)聯(lián)規(guī)律。城市群內(nèi)一個城市空氣污染的惡化會加劇其他城市的空氣污染，并且對其他城市空氣污染的影響峰值會在24小時之內(nèi)出現(xiàn)，且該影響會隨著空間和時間尺度的增大而逐步衰減。

高頻AQI數(shù)據(jù)；關(guān)中城市群；AQI小時指數(shù)；首要污染物；VAR模型

引言

空氣污染危害人類身體健康及經(jīng)濟的可持續(xù)發(fā)展，《2010年全球疾病負擔評估》稱目前全球每年因空氣污染而過早死亡的人口超過320萬，《邁向環(huán)境可持續(xù)的未來——中華人民共和國國家環(huán)境分析》稱每年中國空氣污染造成的經(jīng)濟損失，基于支付意愿估算，約占GDP的3.8%。改革開放以來，我國城市建設(shè)取得了一定成就，然而，城市化效率總體偏低導致城市空氣污染問題日益嚴峻。城市群作為推進城市化的主體形態(tài)，其集聚效應無形中造成了更高風險的污染威脅。目前關(guān)于城市群空氣污染的研究大多集中在京津冀城市群、長三角城市群和珠三角城市群[1-3]，也有少部分關(guān)于關(guān)中城市群空氣污染的研究[4,5]。但基于高頻分時數(shù)據(jù)的關(guān)中城市群空氣污染相關(guān)研究我們尚未發(fā)現(xiàn)。本文期望通過對關(guān)中城市群高頻分時AQI及各污染物濃度數(shù)據(jù)的分析，挖掘出關(guān)中城市群空氣污染的深層次規(guī)律，為該區(qū)域空氣污染治理提供科學依據(jù)。

1 文獻綜述

近年來，國內(nèi)外研究者已從多個視角對空氣污染的特征和原因做了解讀，如Kassomenos等分析了歐洲三個城市顆粒物污染的來源和季節(jié)性特征[6]，Kimbrough等分析了美國拉斯維加斯市交通排放的季節(jié)變化對當?shù)乜諝赓|(zhì)量的影響[7]，Zhou等研究了污染季節(jié)包頭市可吸入顆粒物的分布特征[8]，Xu等研究了寧波市不同程度的污染時期空氣中氣溶膠成分特征及其來源情況[9]等。在方法論上，描述性統(tǒng)計分析、相關(guān)分析、主成分分析等統(tǒng)計方法已被研究者廣泛使用，如AzidA等使用主成分分析和人工神經(jīng)網(wǎng)絡方法對空氣污染等級進行預測[10]，Assareh等對泰國東部地區(qū)1997—2012年干燥季節(jié)的臭氧量做了統(tǒng)計分析[11]。此外，神經(jīng)網(wǎng)絡、模糊數(shù)學、支持向量機和現(xiàn)代計量經(jīng)濟學模型方法等也獲得了不同程度的應用，如Bai等基于反向傳播神經(jīng)網(wǎng)絡模型對大氣污染物濃度做了分析和預測[12]，Kaburlasos等應用模糊推理對環(huán)境中臭氧含量進行估計[13]等。隨著高頻海量空氣質(zhì)量數(shù)據(jù)的出現(xiàn)，一些研究者嘗試將數(shù)據(jù)挖掘方法應用于對空氣污染物之間關(guān)聯(lián)規(guī)律等的研究，如賈瑾使用數(shù)據(jù)挖掘等方法分析了大氣復合污染的時空特征[14]。這些研究為基于AQI高頻數(shù)據(jù)的關(guān)中城市群空氣污染規(guī)律挖掘提供了方法論基礎(chǔ)。

2 研究區(qū)域與數(shù)據(jù)來源

2.1 研究區(qū)域

本文的研究區(qū)域為我國關(guān)中城市群。關(guān)中城市群是我國已形成的11個國家級城市群之一，關(guān)中城市群主要包括西安、咸陽、銅川、寶雞及渭南5個城市，其所在的關(guān)中平原是經(jīng)渭河、涇河和洛河沖積而成，是一個由斷陷作用形成的槽形地塹，海拔在400～500m，北部的北山和南部的秦嶺構(gòu)成了天然的屏障[15]。這種獨特的地形特征導致關(guān)中城市群構(gòu)成了一個在環(huán)境上相對封閉且城市之間相互影響明顯的系統(tǒng)，系統(tǒng)內(nèi)的污染較難向外擴散，這就導致了在容易出現(xiàn)空氣污染的季節(jié)系統(tǒng)內(nèi)污染容易集聚，污染范圍廣、程度深、時間長。根據(jù)近年來在該地區(qū)的生活經(jīng)驗，同時參考環(huán)保部公布的相關(guān)數(shù)據(jù)，我們發(fā)現(xiàn)關(guān)中城市群的空氣污染形勢十分嚴峻。

2.2 數(shù)據(jù)來源及預處理

本文采集了上述5個城市2015年1月2日零時到2015年12月31日23時的AQI值與SO2、CO、NO2、O3、PM2.5和PM106項污染物的濃度分時數(shù)據(jù)，其中，AQI（空氣質(zhì)量指數(shù)）為定量描述空氣質(zhì)量狀況的無量綱指數(shù)，我國的AQI指數(shù)分為6個等級，AQI的數(shù)值越大，說明空氣質(zhì)量越差，污染越嚴重。本文中春季為3～5月，夏季為6～8月，秋季為9～11月，冬季為1、2和12月[16]。數(shù)據(jù)來源于http://www.pm25.in網(wǎng)站提供的國家環(huán)保部空氣質(zhì)量數(shù)據(jù)的實時更新。其中，對于少數(shù)缺失數(shù)據(jù)，本文通過試算比較幾種常用的插值方法，最終選用誤差最小的三次插值法補全。

3 關(guān)中城市群空氣污染規(guī)律統(tǒng)計分析

本部分將從關(guān)中城市群空氣質(zhì)量總體情況以及日內(nèi)波動情況兩方面分析關(guān)中城市群空氣污染的統(tǒng)計規(guī)律。

3.1 關(guān)中城市群空氣質(zhì)量概況

3.1.1 基于AQI時序圖的分析

圖1描述了關(guān)中城市群5個城市2015年全年8736個小時的AQI分時波動情況。圖1中，中度污染線對應空氣污染達到中度污染時的AQI值（151），此時空氣質(zhì)量指數(shù)級別達到四級，圖1中均值為各城市全年AQI平均水平。由圖1可知，5個城市的AQI時序圖呈現(xiàn)出相似的波動特征，具體表現(xiàn)在：

①5個城市的全年AQI均值分布在87.70～94.83，相差不大，但都高于全國平均水平79.36①AQI全國平均水平是根據(jù)收集到的全國190個城市2015年全年所有AQI分時數(shù)據(jù)計算出的平均值。，反映出關(guān)中城市群整體空氣質(zhì)量較差。

②5個城市AQI值超過“中度污染線”的時段都主要出現(xiàn)在春、冬兩季，而夏、秋兩季的AQI值普遍較低，春、冬兩季的空氣質(zhì)量明顯劣于夏、秋兩季，季節(jié)特征明顯；空氣污染會在某一時間段內(nèi)集中連續(xù)出現(xiàn)，呈現(xiàn)出“集簇性”。

③5個城市的AQI值幾乎總在相同的時段達到峰值或處于較低水平，一個最明顯的例子是，第7700小時到第8700小時之間，5個城市都先后出現(xiàn)了4次時間上較一致的嚴重的污染天氣。波動上的相似性從一個側(cè)面反映出5個城市之間存在空氣污染的關(guān)聯(lián)規(guī)律。

3.1.2 基于首要污染物的分析

根據(jù)環(huán)境空氣質(zhì)量指數(shù)技術(shù)規(guī)定（HJ 633—2012）中定義，首要污染物為AQI大于50時IAQI最大的空氣污染物。表1列出5個城市全年共8736個小時的首要污染物情況的統(tǒng)計結(jié)果，表2是對“AQI＜50”及各首要污染物出現(xiàn)時所處季節(jié)的占比情況的統(tǒng)計。結(jié)合兩表可知：

圖1 各城市AQI值時序圖

①5個城市全年出現(xiàn)次數(shù)最多的首要污染物是PM10，其中，西安全年的首要污染物中，PM10占比高達73.27%，此外PM10作為首要污染物主要出現(xiàn)在春、夏、秋三季；

②5個城市全年出現(xiàn)次數(shù)次多的首要污染物為PM2.5，主要出現(xiàn)在春、秋、冬三季；

③5個城市O3污染主要出現(xiàn)在夏季，西安的O3污染在5個城市中最為嚴重；

④5個城市“AQI＜50”的情況主要出現(xiàn)在春、夏、秋三季，從一個側(cè)面反映出冬季空氣質(zhì)量在一年中相對最差。

表1 各城市首要污染物占比

表2 “AQI＜50”及各首要污染物季節(jié)分布情況

4.2 關(guān)中城市群空氣污染日內(nèi)波動規(guī)律

4.2.1 AQI小時指數(shù)的構(gòu)建

季節(jié)指數(shù)用來反映某季度的變量水平與總平均值之間的比較穩(wěn)定的關(guān)系，繪制季節(jié)指數(shù)圖可以幫助我們更清晰地總結(jié)月度變遷對待研究變量的影響，本文類似地定義AQI小時指數(shù)，用來反映一個季節(jié)內(nèi)某一時點的AQI水平與季節(jié)平均水平之間的關(guān)系。其構(gòu)建過程如下：

第一步，計算某個季節(jié)AQI各時點平均值。

AQI序列以24小時為一個周期，設(shè)一個季節(jié)共有n個周期，則：

第二步，計算某個季節(jié)AQI的總平均值，

第三步，用各時點平均值除以總平均值得到各時點的小時指數(shù)Hk（k =1,2,…,24），即

Hk大于1，說明該時點的AQI值常常會高于該季節(jié)總平均值；反之，則說明該時點的AQI值常常會低于該季節(jié)總平均值。通過對AQI小時指數(shù)圖的觀察，可以總結(jié)出某個季節(jié)一天之中空氣污染的波動規(guī)律。

4.2.2 關(guān)中城市群空氣污染日內(nèi)波動規(guī)律分析

該部分以西安市為例進行規(guī)律分析，首先分別計算出西安市每個季節(jié)的24個AQI小時指數(shù)值，然后通過觀察四季AQI小時指數(shù)圖分析西安市不同季節(jié)空氣污染的日內(nèi)變化規(guī)律。西安市四季AQI小時指數(shù)變化情況見圖2。觀察圖2我們發(fā)現(xiàn)：

①春、冬兩季的小時指數(shù)波動狀態(tài)大體一致，夏季明顯異于春、冬兩季，而秋季則介于兩者之間。

②春、冬兩季的小時指數(shù)從22時開始到次日13時基本都處于大于1的狀態(tài)，并且在凌晨2時到3時之間達到一個小的峰值，在11時左右達到一個較大的峰值，此時的空氣質(zhì)量全天最差，在14時到21時之間小時指數(shù)小于1，最小值出現(xiàn)在17時左右，此時的空氣質(zhì)量全天最優(yōu)；夏季一天中，從8時到22時，小時指數(shù)基本都大于1，兩個峰值分別出現(xiàn)在11時和19時左右，22時到次日7時之間小時指數(shù)小于1，最小值出現(xiàn)在1時左右。總結(jié)以上規(guī)律可知，一天內(nèi)的空氣質(zhì)量變化情況為：春、冬兩季的下半日（14時到23時）相對優(yōu)于上半日（0時到13時），夏季夜間相對優(yōu)于白天。

③春、夏、秋、冬四季的小時指數(shù)曲線在形狀上具有相似性，只是在“相位”上有所不同，或者說，春、冬季的小時指數(shù)圖可以經(jīng)過左右平移相似地得到秋季和夏季的小時指數(shù)圖，即四個季節(jié)有較一致的日內(nèi)空氣污染相對變化，只是一天內(nèi)空氣質(zhì)量的優(yōu)或劣所處時點不同。

圖2 西安市四季AQI小時指數(shù)圖

通過對其他4個城市四季AQI小時指數(shù)的分別考察，同樣能得到類似上述的空氣污染日內(nèi)變化規(guī)律。

5 基于VAR模型的關(guān)中城市群空氣污染關(guān)聯(lián)規(guī)律分析

該部分使用向量自回歸（VAR）模型研究關(guān)中城市群內(nèi)5個城市空氣污染的關(guān)聯(lián)規(guī)律。因為在做首要污染物分析時，我們發(fā)現(xiàn)5個城市分時首要污染物全年占比居于前兩位的分別是PM10和PM2.5（具體的首要污染物占比統(tǒng)計結(jié)果見表1），同時考慮到PM2.5對人體健康較強的危害性，該部分我們選擇PM2.5作為城市間空氣污染關(guān)聯(lián)規(guī)律研究的分析對象。

5.1 VAR模型簡介和指標選取

VAR模型的數(shù)學表達式如下：

其中，yt是5維內(nèi)生變量列向量；p是滯后階數(shù)；T是樣本個數(shù)。5×5維矩陣Φ1， …， Φp是待估計的系數(shù)矩陣，ut是5維擾動列向量，也被稱為脈沖值（impulse）。根據(jù)前文說明，該部分我們選用西安、咸陽、銅川、寶雞和渭南5個城市的2015年全年分時PM2.5時間序列數(shù)據(jù)進行建模分析。

5.2 VAR模型的建立

首先，檢驗數(shù)據(jù)序列的平穩(wěn)性。進行VAR動態(tài)回歸模型擬合時，各參與建模的數(shù)據(jù)序列必須滿足平穩(wěn)性要求。本文采用ADF檢驗法對上述各數(shù)據(jù)序列的平穩(wěn)性進行檢驗（詳見表3），從表3可以看出，5個城市的PM2.5序列在99%的置信水平下都是平穩(wěn)的，可以建立VAR模型。

然后，確定模型的滯后期。采用施瓦茲（SC）準則確定的模型的滯后期為3。

表3 ADF檢驗結(jié)果

實證結(jié)果顯示，VAR模型中5個函數(shù)的擬合優(yōu)度都在0.967以上，由圖3可知，模型的特征方程的特征根的倒數(shù)都位于單位圓之內(nèi)，表明模型結(jié)構(gòu)穩(wěn)定，是一個平穩(wěn)系統(tǒng)。

圖3 VAR模型平穩(wěn)性檢驗

5.3 脈沖響應分析

對于VAR模型，我們重點關(guān)注的是系統(tǒng)的動態(tài)特征，即利用脈沖響應函數(shù)分析對某個內(nèi)生變量施加的沖擊會對其他變量產(chǎn)生怎樣的影響。圖4中的脈沖響應函數(shù)圖即反映了對西安市（PM2.5濃度）施加沖擊后其他4個城市所受影響的變化情況。由圖4可知：

①西安市PM2.5的濃度變化對其他4個城市的影響都是正向的，即其他城市的PM2.5的濃度會隨著西安市的濃度升高而升高。

②沖擊對其他4個城市的影響有相同的變化趨勢，隨時間推移，影響都是先增大，達到峰值，然后逐漸衰減趨零。

③影響峰值都出現(xiàn)在沖擊后一天（24小時）之內(nèi)，但每個城市各有不同，具體表現(xiàn)為咸陽（5小時）、渭南（6小時）、銅川（17小時）和寶雞（20小時），結(jié)合關(guān)中城市群的地圖（圖5）我們發(fā)現(xiàn)，沖擊后影響峰值出現(xiàn)所需的時間隨空間距離的遞增而遞增。

④4個城市影響的峰值相對大小也有差異，結(jié)合圖5我們發(fā)現(xiàn)，隨空間距離的遞增，峰值大小逐步遞減，峰值大小變化具體表現(xiàn)為咸陽（6.7）、渭南（4.9）、銅川（4.0）和寶雞（3.7）。

此外，對其他城市的脈沖響應函數(shù)分析也可以得到類似的規(guī)律。

圖4 VAR模型脈沖響應函數(shù)

圖5 關(guān)中城市群行政地圖

6 結(jié)論

本文通過對關(guān)中城市群5個城市2015年全年（不包括1月1日）的分時AQI及6項污染物濃度數(shù)據(jù)的統(tǒng)計和建模分析，挖掘了城市群空氣污染的總體情況、日內(nèi)分時波動規(guī)律以及城市間污染的關(guān)聯(lián)規(guī)律，得出以下結(jié)論：

①關(guān)中城市群的整體空氣質(zhì)量狀況較差，且污染特征明顯。各城市空氣污染全年平均水平都劣于全國平均水平；各城市全年污染波動狀況高度相似，呈現(xiàn)出明顯的關(guān)聯(lián)性；春、冬季空氣污染程度明顯嚴重于夏季，且空氣污染的“季節(jié)效應”和“集簇性”明顯；空氣污染主要表現(xiàn)為顆粒物污染，PM10和PM2.5占全年所有分時首要污染物的絕大部分，O3污染主要集中在夏季。

②關(guān)中城市群日內(nèi)空氣污染規(guī)律的季節(jié)差異明顯。AQI小時指數(shù)的變化情況具有明顯的季節(jié)性，春、冬季和夏季呈現(xiàn)出不同的波動情況，空氣質(zhì)量在春、冬兩季表現(xiàn)為下半天相對優(yōu)于上半天，夏季夜間相對優(yōu)于白天；但在不考慮四季AQI小時指數(shù)圖“相位”差異的情況下，四季空氣污染日內(nèi)波動呈現(xiàn)出明顯的相似性。

③關(guān)中城市群各城市空氣污染存在明顯的關(guān)聯(lián)規(guī)律。一個城市的空氣污染沖擊會給其他城市帶來正向的污染影響，影響的峰值會在一天之內(nèi)出現(xiàn)，且該影響會隨著空間和時間尺度的增大而逐步衰減。

[1] 胡秋靈, 李雅靜. 基于AQI的滇中、黔中和北部灣城市群空氣污染統(tǒng)計規(guī)律比較研究[J]. 生態(tài)經(jīng)濟, 2016, 32(5): 170-174, 185-185.

[2] 萬慶, 吳傳清, 曾菊新. 中國城市群城市化效率及影響因素研究[J]. 中國人口·資源與環(huán)境, 2015, 25(2): 66-74.

[3] 方創(chuàng)琳, 關(guān)興良. 中國城市群投入產(chǎn)出效率的綜合測度與空間分異[J]. 地理學報, 2011, 66(8): 1011-1022.

[4] 李養(yǎng)養(yǎng), 唐小威, 張佳音. 關(guān)中城市群環(huán)境空氣污染特征及對策研究[J]. 環(huán)境與發(fā)展, 2015, 27(4): 60-62.

[5] 彭艷, 王釗, 李星敏, 等. 近60a陜西關(guān)中城市群大氣能見度變化趨勢與大氣污染研究[J]. 干旱區(qū)資源與環(huán)境, 2011, 25(9): 149-155.

[6] KASSOMENOS P, VARDOULAKIS S, CHALOULAKOU A, et al. Levels, sources and seasonality of coarse particles (PM10-PM2.5) in three European capitals-Implications for particulate pollution control[J]. Atmospheric environment, 2012, 54: 337-347.

[7] KIMBROUGH S, BALDAUF R W, HAGLER G S W, et al. Long-term continuous measurement of near-road air pollution in Las Vegas: seasonal variability in traffic emissions impact on local air quality[J]. Air quality, atmosphere & health, 2013, 6(1): 295-305.

[8] ZHOU H J, HE J, ZHAO B Y, et al. The distribution of PM10 and PM2.5 carbonaceous aerosol in Baotou, China[J]. Atmospheric research, 2016, 178-179: 102-113.

[9] XU J S, XU H H, XIAO H, et al. Aerosol composition and sources during high and low pollution periods in Ningbo, China[J]. Atmospheric research, 2016, 178-179: 559-569.

[10] AZID A, JUAHIR H, TORIMAN M E, et al. Prediction of the level of air pollution using principal component analysis and artificial neural network techniques: a case study in Malaysia[J]. Water, air, & soil pollution, 2014, 225(8): 2063.

[11] ASSAREH N, PRABAMROONG T, MANOMAIPHIBOON K, et al. Analysis of observed surface ozone in the dry season over Eastern Thailand during 1997-2012[J]. Atmospheric research, 2016, 178-179: 17-30.

[12] BAI Y, LI Y, WANG X X, et al. Air pollutants concentrations forecasting using back propagation neural network based on wavelet decomposition with meteorological conditions[J]. Atmospheric pollution research, 2016, 7(3): 557-566.

[13] KABURLASOS V G, ATHANASIADIS I N, MITKAS P A. Fuzzy lattice reasoning (FLR) classifier and its application for ambient ozone estimation[J]. International journal of approximate reasoning, 2007, 45(1): 152-188.

[14] 賈瑾. 基于空氣質(zhì)量數(shù)據(jù)解析大氣復合污染時空特征及過程序列[D]. 杭州: 浙江大學, 2014: 1-135.

[15] 韓超. 關(guān)中地區(qū)環(huán)境空氣污染物濃度的統(tǒng)計特征及與氣象要素的關(guān)系[D]. 西安: 長安大學, 2012: 1-73.

[16] 王振波, 方創(chuàng)琳, 許光, 等. 2014年中國城市PM2.5濃度的時空變化規(guī)律[J]. 地理學報, 2015, 70(11): 1720-1734.

Research on Air Pollution Laws in Guanzhong Urban Agglomeration Based on High Frequency AQI Data

HU Qiuling*, YANG Zhe
(International Business School of Shaanxi Normal University, Xi’an 710119)

Based on high frequency data of AQI and contaminants, this paper made several layers of researches including the general situation, daily fuctuation rules and correlation laws between cities of air pollution by using statistic analysis with the hour index of AQI and primary pollutants and building the VAR model. The results presented the following three aspects: frstly, the situation of air pollution in Guanzhong urban agglomeration is not optimistic. Air pollution in spring and winter is worse than that in summer, and it is obvious that air pollution which often manifests as pollution of particulates has a seasonal effect and the clustering property. Secondly, air quality in frst half day is worse than that in the rest of the day in spring and winter, while in summer, air quality in night is better than that in the day time. However, fuctuations of AQI hour index in four seasons have a noticeable likeness to one another in the situation that with no consideration of the phase position diversity. Thirdly, an impulse acts on one city can cause a plus pollution infuence on others, and the peak of this infuence will appear in one day generally. What’s more, the infuence will weaken along with the increase of the distance and time.

high frequency AQI data; Guanzhong urban agglomeration; AQI hour index; primary pollutants; VAR model

F062.2；X830.3

1674-6252（2017）02-0037-06

A

10.16868/j.cnki.1674-6252.2017.02.037

教育部人文社會科學研究西部項目“基于AQI高頻大數(shù)據(jù)的西部城市群空氣污染統(tǒng)計規(guī)律挖掘及治污減霾對策設(shè)計”（批準號：15XJA910001）；陜西省軟科學研究計劃一般項目“基于AQI高頻大數(shù)據(jù)的關(guān)中城市群空氣污染統(tǒng)計規(guī)律挖掘及治污減霾對策設(shè)計”（批準號：2016KRM096）。

*責任作者： 胡秋靈（1964—），女，副教授，博士，主要研究方向為經(jīng)濟與金融市場計量分析、金融工程、農(nóng)村金融，E-mail: hu_ql@163.com。