張 韡，楊偉森，白 騫，吳曉多

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

0 引言

空氣污染尤其是大規(guī)模的霧霾，對社會經(jīng)濟(jì)的可持續(xù)發(fā)展與國民身心健康都構(gòu)成嚴(yán)重威脅。現(xiàn)階段，我國的城市空氣質(zhì)量污染具有較強(qiáng)的區(qū)域特性。根據(jù)2021年生態(tài)環(huán)境部發(fā)布的《2020年中國生態(tài)環(huán)境狀態(tài)公報(bào)》[1]，從地理位置來看，在2020 年168 個(gè)城市環(huán)境空氣質(zhì)量排名前/后20位城市中，北方城市的大氣污染往往比南方城市更為嚴(yán)重。西安市2014—2020年全年空氣質(zhì)量達(dá)標(biāo)的天數(shù)分別為：211 天、251 天、192 天、180天、188 天、225 天和250 天。其中，全年空氣質(zhì)量達(dá)標(biāo)率最低為2017 年的49.32%，2015 年達(dá)標(biāo)率最高，但也僅為68.77%。汽車尾氣是造成大氣污染的主要因素之一，在我國大中城市尤為明顯。而城市經(jīng)濟(jì)的發(fā)展與建設(shè)規(guī)模的擴(kuò)大，促進(jìn)了汽車工業(yè)的快速發(fā)展，機(jī)動車作為城市的主要交通運(yùn)輸工具，與人們的生活越來越密不可分。汽車保有量的提升對經(jīng)濟(jì)發(fā)展有其積極影響，但是隨之而來的環(huán)境污染問題也越來越嚴(yán)重。

不同的研究機(jī)構(gòu)和專家學(xué)者關(guān)于機(jī)動車對空氣質(zhì)量的影響這一問題持不同甚至對立的觀點(diǎn)。有一部分研究主要集中在不同區(qū)域的交通流量與空氣質(zhì)量上。Smita 等[2]在澳大利亞選取了高速公路、城市道路和商業(yè)道路等3 個(gè)地點(diǎn)，對道路空氣質(zhì)量進(jìn)行了采集，對車輛排放情況進(jìn)行了測量，研究表明當(dāng)?shù)豊O2和O3濃度幾乎不受交通量的影響。Lau等[3]分析了路邊車輛排放對香港中部空氣質(zhì)量的影響。Zhao 等[4]考慮機(jī)動車號牌單雙號限行制度的影響，對城市和農(nóng)村地區(qū)的污染物濃度分別進(jìn)行了測量，研究結(jié)果表明，在限行期間，CO,NO2和PM2.5 的濃度相對減小，但空氣質(zhì)量指數(shù)（Air Quality Index,AQI）和O3濃度幾乎沒有波動。Chung 等[5]研究發(fā)現(xiàn)，超細(xì)顆粒物在PM2.5 總粒數(shù)濃度的占比中，城區(qū)明顯低于交通源附近。除此之外，周成等[6]基于多尺度空氣質(zhì)量模型（Community Multiscale Air Quality,CMAQ）研究了機(jī)動車對濟(jì)南市空氣質(zhì)量的影響；王乾[7]考慮了大氣污染水平、交通發(fā)展特征等因子，對武漢新區(qū)各污染物與機(jī)動車保有量的關(guān)系進(jìn)行了線性擬合；張丹[8]通過灰色關(guān)聯(lián)分析模型對北京市機(jī)動車排放污染物濃度進(jìn)行了測算，研究了空氣質(zhì)量與機(jī)動車尾氣排放量的相互關(guān)系；胡軍代[9]以天津?yàn)閷ο?，分析了汽車保有量及汽車尾氣排放因子與空氣質(zhì)量之間的關(guān)系；張春梅等[10]采用傳統(tǒng)的Logistic模型，分析了城市機(jī)動車保有量與PM2.5 濃度之間的關(guān)系；劉盛強(qiáng)等[11]通過對比國內(nèi)外數(shù)據(jù)，認(rèn)為機(jī)動車保有量對城市空氣質(zhì)量的影響程度十分微弱；閆靜等[12]通過分析成都市城區(qū)近4 年環(huán)境空氣中NO2濃度數(shù)據(jù)，得出了該市機(jī)動車保有量的變化與NO2濃度之間的關(guān)系；賀琴等[13]采用簡單相關(guān)分析、主成分回歸分析和灰色關(guān)聯(lián)分析等研究手段，確定了武漢市空氣中的主要污染物，得出了不同污染物的影響情況；Liu 等[14]研究了2012—2017 年武漢市機(jī)動車NOX排放變化趨勢，發(fā)現(xiàn)機(jī)動車數(shù)量在這5 年間不斷增長，而機(jī)動車NOX排放量先增長，到2015 年開始出現(xiàn)轉(zhuǎn)折，之后不斷減少。

從以上國內(nèi)外的研究成果可以看出，在不同國家、城市、道路、時(shí)段等條件下，得出的結(jié)果大不相同。機(jī)動車保有量的影響雖然只在某些區(qū)域內(nèi)顯著，但隨著機(jī)動車保有量的激增、城市居民出行方式的變化，若不采取措施，可能會加劇空氣污染。因此，本文以西安市為例，通過研究該城市機(jī)動車保有量與空氣污染物在2014—2021年期間的變化關(guān)系，希望能找出機(jī)動車保有量與城市空氣污染物之間的關(guān)系以及二者之間相關(guān)性的強(qiáng)弱，為下一步控制機(jī)動車數(shù)量、調(diào)整出行方式等政策措施的制定以及后續(xù)相關(guān)研究提供支持與參考。

1 城市空氣質(zhì)量與機(jī)動車保有量的數(shù)據(jù)調(diào)研

1.1 空氣質(zhì)量數(shù)據(jù)

西安市地處關(guān)中平原中部，渭河流經(jīng)城市北部，南以秦嶺為界，東以零河和灞源山地為界，西以太白山地及黃土臺塬為界，是西北地區(qū)最為重要的經(jīng)濟(jì)中心之一。西安市的氣候四季分明且降雨量適中，但其背靠秦嶺山脈，每年冷空氣南下時(shí)，大量冷空氣被秦嶺阻攔而回流至西安，同樣因空氣流動帶來的污染物被大量阻隔至秦嶺山脈，導(dǎo)致西安市空氣污染物無法有效擴(kuò)散，城市空氣質(zhì)量日益惡劣。在近幾年的全國城市空氣質(zhì)量排名中，西安市一直靠后。由于西安市本身城市污染物排放量較大，加上秦嶺山脈的作用，時(shí)常出現(xiàn)沙塵暴、霧霾等極端氣候現(xiàn)象。近年來，通過大力實(shí)施各項(xiàng)治霾措施，西安市的空氣污染趨勢得到了有效遏制，但相比全國其他城市，西安市的空氣質(zhì)量狀況仍不容樂觀。

現(xiàn)階段，在不同時(shí)間和空間，城市空氣質(zhì)量受到眾多因素的共同影響，工業(yè)排放、城市建設(shè)以及人們?nèi)粘Ｉ钆欧诺榷际侵匾绊懸蛩?。因城市的?jīng)濟(jì)建設(shè)差異及排放法規(guī)的不同，不同城市的污染物來源不盡相同。

我國一般采用空氣質(zhì)量指數(shù)（Air Quality Index,AQI）判斷空氣質(zhì)量。該指數(shù)標(biāo)準(zhǔn)劃分細(xì)致，能夠客觀地反映我國各城市當(dāng)前的空氣質(zhì)量狀況?；贏QI的空氣質(zhì)量等級劃分如表1所示。

表1 空氣質(zhì)量等級劃分

我國空氣質(zhì)量指數(shù)AQI 的評價(jià)指標(biāo)主要有PM10,PM2.5,O3,SO2,NO2和CO 的濃度。此外，首要污染物也是空氣質(zhì)量評價(jià)的一個(gè)重要指標(biāo)。而機(jī)動車尾氣成分較為復(fù)雜，包含多種不同的物質(zhì)，主要為氣態(tài)污染物（CO,HC,NOX,SO2）和顆粒污染物等。由于燃燒機(jī)理不同，汽油發(fā)動機(jī)的主要污染物為CO,HC 和NOX，而柴油發(fā)動機(jī)的主要污染物為HC,NOX和顆粒物。在前期的數(shù)據(jù)調(diào)研中，發(fā)現(xiàn)首要污染物指標(biāo)經(jīng)常出現(xiàn)缺失值。為更準(zhǔn)確地獲知機(jī)動車排放污染物對不同空氣質(zhì)量指標(biāo)的影響，本文選取AQI、顆粒污染物（PM2.5,PM10）濃度及氣態(tài)污染物（SO2,NO2,CO）濃度作為研究變量。

本研究需要以年度空氣質(zhì)量數(shù)據(jù)和機(jī)動車保有量數(shù)據(jù)為基礎(chǔ)，經(jīng)過對多個(gè)空氣質(zhì)量發(fā)布系統(tǒng)的篩選，認(rèn)為“中國空氣質(zhì)量在線檢測分析平臺”能滿足本研究的數(shù)據(jù)要求[15]。

1.2 機(jī)動車保有量數(shù)據(jù)

在研究初期，擬選用西安市近10年的機(jī)動車保有量進(jìn)行研究，但由于2017年“國家第五階段機(jī)動車污染物排放標(biāo)準(zhǔn)”（簡稱“國五”）的實(shí)施，加上新能源汽車的興起，決定適當(dāng)縮短研究時(shí)間跨度，使數(shù)據(jù)更具備當(dāng)下參考意義，故選擇2014—2021年的機(jī)動車保有量進(jìn)行研究。

由于機(jī)動車保有量是年度數(shù)據(jù)，而收集的空氣質(zhì)量指標(biāo)只有月度數(shù)據(jù)，所以在對機(jī)動車保有量與空氣質(zhì)量進(jìn)行灰色關(guān)聯(lián)分析時(shí)，需要對空氣質(zhì)量各指標(biāo)的月度數(shù)據(jù)做相應(yīng)的處理以便代替年均值用于本文研究。機(jī)動車保有量數(shù)據(jù)來源于西安市2014—2021年的國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)，空氣質(zhì)量指標(biāo)數(shù)據(jù)來源于中國空氣質(zhì)量在線監(jiān)測分析平臺的每月數(shù)據(jù)，統(tǒng)計(jì)結(jié)果見表2。

表2 機(jī)動車保有量與空氣質(zhì)量年度數(shù)據(jù)

2 機(jī)動車保有量與空氣質(zhì)量描述性統(tǒng)計(jì)分析

根據(jù)機(jī)動車保有量和空氣質(zhì)量統(tǒng)計(jì)數(shù)據(jù)調(diào)研結(jié)果，以年份為橫坐標(biāo)，左右縱坐標(biāo)分別表示機(jī)動車保有量及各類空氣污染物年平均濃度的無量綱化數(shù)據(jù)，繪制出機(jī)動車保有量與空氣質(zhì)量指標(biāo)之間隨時(shí)間變化的折線圖（見圖1），可以直觀地看出二者之間的關(guān)系。

圖1 2014—2021年西安市機(jī)動車保有量與各類空氣污染物濃度無量綱數(shù)據(jù)折線圖

由圖1 可知，機(jī)動車保有量呈逐年線性增長的趨勢；AQI 整體上呈W 形的變化趨勢，2014—2015 年、2017—2018 年呈下降趨勢，2015—2017年、2018—2019 年呈上升趨勢，分別在2015 年、2018年達(dá)到谷底，而在2017年達(dá)到峰值，其中較為突出的是2017—2018 年，AQI 從近年來的最高值減小至最低值。PM2.5和PM10是細(xì)微顆粒污染物的典型代表，嚴(yán)重影響空氣質(zhì)量，西安市的情況尤為嚴(yán)重。PM2.5濃度和PM10濃度兩條曲線均為向右下方傾斜的W 形折線，變化規(guī)律較為一致。這兩條折線的變化規(guī)律整體上與AQI 的變化較為接近，且PM2.5 濃度的變化趨勢與AQI 基本一致。與PM2.5 濃度折線不同，2016—2018 年P(guān)M10 濃度不斷降低，且2017—2018 年的下降幅度大于上一年。從數(shù)值上看，PM10 濃度呈現(xiàn)出明顯降低的趨勢。從2017 年開始，PM10 濃度逐漸降低，從《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）中的“三級”進(jìn)入“二級”。

對比機(jī)動車保有量的變化趨勢，AQI 大體上呈降低的趨勢，是一條略微向右下傾斜的W 形折線。PM2.5 濃度與AQI 的變化情況較為一致，大部分接近機(jī)動車保有量的變化趨勢，少部分呈現(xiàn)相反的變化趨勢。PM10 濃度變化較為明顯，但同樣無法看出與機(jī)動車保有量的直接關(guān)系。而3種氣態(tài)污染物濃度雖然變化各不相同，但均在2017 年開始出現(xiàn)轉(zhuǎn)折，SO2、NO2及CO 濃度均明顯降低。在此過程中，機(jī)動車保有量呈平穩(wěn)的線性增長。分析折線的變化特征可以發(fā)現(xiàn)，近8 年西安市機(jī)動車保有量與各類空氣污染物濃度的直接相關(guān)性并不明顯。因此，需要基于灰色關(guān)聯(lián)模型做進(jìn)一步的分析。

3 灰色關(guān)聯(lián)模型構(gòu)建與數(shù)據(jù)處理

本文主要采用灰色關(guān)聯(lián)模型研究2014—2021年西安市機(jī)動車保有量與空氣質(zhì)量之間的關(guān)聯(lián)程度。通過分析機(jī)動車保有量與各監(jiān)測污染物指標(biāo)的年度變化趨勢，得出機(jī)動車與各污染物之間的關(guān)聯(lián)度強(qiáng)弱，進(jìn)一步明確機(jī)動車對各空氣污染物濃度的影響及其程度。

3.1 灰色關(guān)聯(lián)模型建立

本文以AQI、顆粒污染物濃度以及氣態(tài)污染物濃度來表征城市空氣質(zhì)量。其中，顆粒污染物包括PM2.5 和PM10，氣態(tài)污染物包括NO2,SO2和CO。通過將城市空氣質(zhì)量數(shù)值化，建立機(jī)動車保有量與上述6 個(gè)參數(shù)之間的關(guān)系模型進(jìn)行灰色關(guān)聯(lián)分析，計(jì)算步驟如下。

（1）在關(guān)系模型中，以機(jī)動車保有量為參考序列Y，記作：

以AQI 和各污染物濃度為比較序列，定義：AQI 為X1,PM2.5 濃度為X2,PM10 濃度為X3,SO2濃度為X4,NO2濃度為X5,CO 濃度為X6。子序列X記作：

（2）變量的無量綱化：由于兩者之間的單位并無明顯關(guān)系，不便于比較分析，需對該數(shù)據(jù)作無量綱化處理，構(gòu)建相互數(shù)列關(guān)系，以實(shí)現(xiàn)關(guān)聯(lián)效果對比分析。本文通過均值化進(jìn)行數(shù)據(jù)的無量綱化處理，方法如下：

式（1）～式（2）中：i表示比較數(shù)列的個(gè)數(shù)；j表示比較數(shù)列中元素的個(gè)數(shù)；yj表示機(jī)動車保有量原始數(shù)據(jù)；表示機(jī)動車保有量均值；表示無量綱化后的機(jī)動車保有量；xij表示污染物濃度原始數(shù)據(jù)；表示第i行比較數(shù)列均值；表示無量綱化后的污染物濃度數(shù)據(jù)。

（3）分別計(jì)算比較序列與參考序列對應(yīng)元素差值的絕對值，公式如下：

（4）計(jì)算關(guān)聯(lián)系數(shù)。與的關(guān)聯(lián)系數(shù)為：

將式（3）代入，則有：

式（4）～式（5）中：ρ為分辨系數(shù)，ρ∈(0,1)，在本文灰色關(guān)聯(lián)度計(jì)算中，取ρ=0.05。

得出關(guān)聯(lián)系數(shù)矩陣為：

（5）計(jì)算關(guān)聯(lián)度：對數(shù)列關(guān)聯(lián)系數(shù)求平均值。yj與xij的關(guān)聯(lián)度γi計(jì)算公式如下：

（6）關(guān)聯(lián)度排序：按照關(guān)聯(lián)度數(shù)值的絕對值進(jìn)行排序，值越大，說明與參考數(shù)列越接近。

3.2 灰色關(guān)聯(lián)分析結(jié)果

選取參考數(shù)列Y和比較數(shù)列X。

通過上節(jié)所述數(shù)據(jù)處理方式得出每個(gè)數(shù)列的關(guān)聯(lián)度分別為：γ1=0.348;γ2=0.296;γ3=0.262;γ4=0.201;γ5=0.408;γ6=0.218。對關(guān)聯(lián)度排序，得：NO2＞AQI＞PM2.5＞PM10＞CO＞SO2。

機(jī)動車保有量與空氣質(zhì)量指標(biāo)的相關(guān)系數(shù)對比如圖2所示。

圖2 機(jī)動車保有量與空氣質(zhì)量指標(biāo)的相關(guān)系數(shù)

由圖2 可以看出，除NO2外，各數(shù)列的關(guān)聯(lián)度均小于0.4，其中關(guān)聯(lián)度最小值為SO2的0.201，說明機(jī)動車保有量對其影響最小，NO2的關(guān)聯(lián)度最大，為0.408，說明對其影響最大，屬中等相關(guān)。此外，所有數(shù)列關(guān)聯(lián)度均在0.2～0.4 范圍內(nèi)，屬弱相關(guān)。以上關(guān)聯(lián)度是由2014—2021年數(shù)據(jù)計(jì)算得出的，結(jié)果顯示不同污染物濃度與機(jī)動車保有量的關(guān)聯(lián)度存在差異，影響的強(qiáng)弱程度也不同。并且可以明顯看出，雖然機(jī)動車保有量每年都在大幅度增長，但與空氣質(zhì)量之間呈較弱的關(guān)聯(lián)性。通過分析年度數(shù)據(jù)變化趨勢可以發(fā)現(xiàn)，2017 年是近年西安市空氣質(zhì)量變化發(fā)生轉(zhuǎn)折的一年，這主要得益于重污染企業(yè)外遷、建筑工地防塵處理等治霾政策的施行。

3.3 灰色絕對關(guān)聯(lián)度分析

與3.2 所采用的灰色關(guān)聯(lián)分析模型相比，基于整體視角的絕對灰色關(guān)聯(lián)分析模型著重于機(jī)動車保有量與各空氣污染物濃度在幾何上的相似程度，各污染物濃度序列與機(jī)動車保有量序列幾何上的相似度越大，相關(guān)度也越大。

式（7）～式（11）為灰色絕對關(guān)聯(lián)度ε0i的計(jì)算公式。

式（7）～式（11）中：ε0i表示機(jī)動車保有量與各污染物濃度的灰色絕對關(guān)聯(lián)度；表示機(jī)動車保有量序列與各污染物濃度序列的始點(diǎn)零化像序列的第j個(gè)元素；變量的上下標(biāo)0表示機(jī)動車保有量序列。

計(jì)算得到機(jī)動車保有量與各類空氣污染物濃度的灰色絕對關(guān)聯(lián)度分別為：ε01=0.500328,ε02=0.500310,ε03=0.500265,ε04=0.500310,ε05=0.516721,ε06=0.500354。將結(jié)果繪制成直方圖，如圖3所示。

圖3 各類空氣污染物濃度的灰色絕對關(guān)聯(lián)度

由圖3 可以看出，機(jī)動車保有量與各類空氣污染物濃度的灰色絕對關(guān)聯(lián)度從大到小排序依次為NO2＞CO ＞AQI ＞PM2.5=SO2＞PM10。對比兩種模型的計(jì)算結(jié)果，受影響程度最大的因素始終是NO2，而其他幾個(gè)因素通過兩個(gè)模型計(jì)算得到結(jié)果差異較為明顯。因此，繼續(xù)對序列進(jìn)行灰色相對關(guān)聯(lián)度分析。

3.4 灰色相對關(guān)聯(lián)度分析

灰色相對關(guān)聯(lián)度是機(jī)動車保有量和各污染物序列相對于始點(diǎn)的變化速率聯(lián)系的表征，即關(guān)聯(lián)度只與機(jī)動車保有量和各污染物序列相對始點(diǎn)的變化速率有關(guān)，而與各觀測值的大小無關(guān)，機(jī)動車保有量和各污染物序列相對始點(diǎn)的變化速率越趨于一致，相關(guān)度越大。

式（12）～式（17）為灰色相對關(guān)聯(lián)度r0j的計(jì)算公式。

式（12）～式（17）中：r0i表示機(jī)動車保有量與各污染物濃度的灰色相對關(guān)聯(lián)度；表示機(jī)動車保有量序列與各空氣污染物濃度序列的初值像；表示xij的初值像的始點(diǎn)零化像；變量的上下標(biāo)0表示機(jī)動車保有量序列。

計(jì)算得到機(jī)動車保有量與各類空氣污染物的灰色相對關(guān)聯(lián)度分別為：r01=0.557952,r02=0.548360,r03=0.523171,r04=0.517628,r05=0.575181,r06=0.521924。將結(jié)果繪制成直方圖，如圖4所示。

由圖4 可以看出，機(jī)動車保有量與各類空氣污染物濃度的灰色相對關(guān)聯(lián)度從大到小排序依次為NO2＞AQI＞PM2.5＞PM10＞CO＞SO2。對比三種模型的計(jì)算結(jié)果，受影響程度最大的始終是NO2濃度，其灰色相對關(guān)聯(lián)模型的計(jì)算結(jié)果與灰色關(guān)聯(lián)分析模型、灰色絕對關(guān)聯(lián)模型均相同，而其他幾個(gè)結(jié)果差異較為明顯，模型之間略有分歧。為了兼顧各個(gè)模型的優(yōu)點(diǎn)，更全面地考慮各個(gè)影響因素，繼續(xù)進(jìn)行灰色綜合關(guān)聯(lián)度分析。

圖4 各類空氣污染物濃度的灰色相對關(guān)聯(lián)度

3.5 灰色綜合關(guān)聯(lián)度分析

灰色綜合關(guān)聯(lián)度既體現(xiàn)了序列機(jī)動車保有量與各污染物濃度序列的幾何相似程度，又反映出機(jī)動車保有量與各污染物濃度序列相對于始點(diǎn)的變化速率的接近程度，是較為全面地表征序列之間聯(lián)系是否緊密的一個(gè)數(shù)量指標(biāo)。灰色綜合關(guān)聯(lián)度既與機(jī)動車保有量及各污染物濃度序列的各個(gè)觀測數(shù)據(jù)的大小有關(guān)，又與各數(shù)據(jù)相對于始點(diǎn)的變化速率有關(guān)。

式（18）為灰色綜合關(guān)聯(lián)度ρ0i的計(jì)算公式，其中θ取0.5。

計(jì)算得到機(jī)動車保有量與各空氣污染物濃度的灰色綜合關(guān)聯(lián)度結(jié)果為：ρ01=0.529140,ρ02=0.524335,ρ03=0.523171,ρ04=0.517628,ρ05=0.575181,ρ06=0.521924。將結(jié)果繪制成直方圖，如圖5所示。

圖5 灰色綜合關(guān)聯(lián)度分析相關(guān)系數(shù)直方圖

由圖5 可以看出，機(jī)動車保有量與各類空氣污染物濃度的灰色綜合關(guān)聯(lián)度從大到小排序依次為NO2＞AQI ＞PM2.5＞PM10＞CO＞SO2。4 種灰色關(guān)聯(lián)度模型計(jì)算結(jié)果中，NO2的關(guān)聯(lián)度均為最高；就AQI,PM2.5,PM10,CO,SO2而言，灰色綜合關(guān)聯(lián)度模型與灰色相對關(guān)聯(lián)度模型結(jié)果一致，而與灰色絕對關(guān)聯(lián)度模型的結(jié)果差異較大；機(jī)動車保有量與各類空氣污染物濃度的灰色關(guān)聯(lián)度接近。

4 討論

在機(jī)動車保有量與空氣質(zhì)量描述性統(tǒng)計(jì)分析方面，機(jī)動車保有量與各類空氣污染物濃度的相關(guān)性并不明顯，具體的無量綱化分析如下。

（1）機(jī)動車保有量與SO2濃度年度數(shù)據(jù)分析

對比SO2濃度折線與機(jī)動車保有量折線可以看出，機(jī)動車保有量持續(xù)上升，而空氣中SO2濃度整體上持續(xù)降低。2014—2016 年SO2濃度不斷降低，從22.6%降低到20%，而2016—2017 年基本保持不變。2017 年以后，SO2濃度的下降速率陡增，2018 年相對于2017 年降低了26.3%，而后2019 年相對于2018 年降低了35.7%，使得整個(gè)折線呈下降的趨勢。根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》，從2017年開始，SO2濃度從“二級”進(jìn)入“一級”。

（2）機(jī)動車保有量與NO2濃度年度數(shù)據(jù)分析

相對空氣中的NO2濃度而言，NO2折線與AQI、細(xì)微顆粒物濃度折線都有著相同的變化趨勢，分別在2015 年、2017 年出現(xiàn)轉(zhuǎn)折。2014—2021 年，空氣中的NO2濃度整體上呈先增大后減小的趨勢。雖然空氣中NO2濃度從2017 年開始不斷降低，但是仍屬于“二級”。

（3）機(jī)動車保有量與CO濃度年度數(shù)據(jù)分析

分析圖1 中的數(shù)據(jù)可以看出，機(jī)動車保有量逐年增加，空氣中CO 濃度逐年降低。以2017 年為分界點(diǎn)，2017 年之前，CO 濃度下降較為平緩；2017 年西安市施行治霾政策以后，CO 濃度降幅開始增大。整體來看，西安市機(jī)動車保有量與CO濃度之間并無明顯相關(guān)性。

綜上，2017 年前后西安市空氣質(zhì)量開始好轉(zhuǎn)，可能是因?yàn)槲靼彩杏?017年實(shí)施了“鐵腕治霾·保衛(wèi)藍(lán)天‘1+1+9’”組合方案。該方案以改善環(huán)境空氣質(zhì)量為目標(biāo)，全面實(shí)行網(wǎng)格長制，進(jìn)一步強(qiáng)化“減煤、控車、抑塵、治源、禁燒、增綠”治霾措施，加快構(gòu)建“工程、管理、技術(shù)、政策”四位一體的大氣污染防治新體系，再加上2017年起開始實(shí)行“國五”排放標(biāo)準(zhǔn)，西安市空氣污染程度明顯降低。

5 結(jié)語

國內(nèi)外學(xué)者在機(jī)動車保有量與空氣質(zhì)量相關(guān)性的研究上沒有取得一致的結(jié)論，針對不同國家、地區(qū)的研究結(jié)果存在差異甚至出現(xiàn)相反的結(jié)論。鑒于此，本文以西安市為對象，具體探究西安市機(jī)動車保有量與城市空氣質(zhì)量之間的關(guān)系。收集了2014—2021年西安市機(jī)動車保有量與空氣質(zhì)量年度數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)分析。研究結(jié)果表明，西安市機(jī)動車保有量與空氣質(zhì)量各污染物指標(biāo)之間的關(guān)聯(lián)度較小，除與NO2濃度中等相關(guān)外，與其他指標(biāo)均呈弱相關(guān)性。然后運(yùn)用灰色絕對關(guān)聯(lián)度分析法、灰色相對關(guān)聯(lián)度分析法、灰色綜合關(guān)聯(lián)度分析法對各空氣污染物濃度序列進(jìn)行分析。在三種模型計(jì)算結(jié)果中，與NO2濃度的關(guān)聯(lián)度均為最高。整體上看，西安市機(jī)動車保有量與城市空氣質(zhì)量的相關(guān)性不大。因此，建議在西安市空氣污染治理工作中，基于研究結(jié)果更加合理地分配資源，以提升治理效果。未來可重點(diǎn)從工業(yè)污染方面考慮西安市空氣污染治理對策。