可吸入顆粒物PM2.5的影響因子分析*

朱吉祥，徐　　冉，張　　琳，劉力軍

（大連民族學院理學院，遼寧　　大連　116600）

可吸入顆粒物PM2.5的影響因子分析*

朱吉祥，徐冉，張琳，劉力軍

（大連民族學院理學院，遼寧大連116600）

運用相關性分析得出了PM2.5與PM10、CO、NO2、SO24項影響因素的相關性，采用多元線性回歸方法得到了PM2.5和PM10、CO、NO2和SO2之間的線性回歸方程，運用主成分分析方法進行因子分析，結果表明PM2.5與PM10、CO、SO2、NO2呈正相關性。

PM2.5；因子分析；相關性分析

PM2.5是指空氣動力學直徑小于或等于2.5 μm的顆粒物，雖然PM2.5只是地球大氣成分中含量很少的組分，但它對空氣質量和能見度等有重要影響，并呈現典型的區域性、復合型污染特征［1-2］。當前以行政單元為主體、孤立的大氣污染防治模式難以有效解決PM2.5的污染問題［3］。深入研究PM2.5及其主要影響因素，并在此基礎上制定有針對性的控制措施，是控制PM2.5的有效途徑。為此，我國開展了PM2.5因素分析的研究。劉輝等［4］的分析表明除污染源排放外，氣象條件也是影響PM2.5及其水溶性離子濃度的重要因素。孟昭陽等［5］的研究結果表明：冬季PM2.5、有機碳和元素碳濃度均較高。

筆者使用線性回歸法、主成分分析法分析了PM2.5和PM10、CO、NO2、SO2之間的線性相關關系，揭示了不同來源對PM2.5的貢獻，進而為PM2.5的治理提出政策性建議。

1　　數據的收集和分析方法

1.1數據來源

數據包含2014年10月1日至2015年3月31日共183 d大連市細顆粒物PM2.5歷史數據［6］，每日數據包含PM2.5、PM10、CO、NO2、SO2濃度數據，其部分數據如表1所示。

表1　　大連市細顆粒物PM2.5的部分歷史數據

1.2Pearson相關性分析法

n個樣本的2個指標xik和xil之間的Pearson相關系數定義為：

相關系數用來衡量2個數據集合。是否在一條線上，它用來衡量隨機變量間的線性關系。Pearson相關系數的r絕對值越大，相關性越強；相關系數越接近于1或-1，相關度越強；相關系數越接近于0，相關度越弱。通常情況下以r的絕對值取值范圍判斷變量的相關強度，見表2。

表2　　相關系數與相關性強弱關系

2　　分析結果

2.1相關分析和線性回歸

運用SPSS以PM2.5與PM10、CO、NO2、SO2的濃度做統計分析，計算出它們的相關系數如表3所示。

表3　Pearson相關性檢驗

從表3的Pearson相關系數的計算結果可知，PM2.5與這4項因素具有顯著正相關性。

筆者采用多元線性回歸方法建立PM2.5與PM10、CO、NO2、SO2的預測模型，其線性回歸系數的計算結果和R2分析如表4～6所示。

表6　　多元線性方程的回歸系數

R2值表明了模型對樣本數據的擬合程度，其值越高說明模型對樣本數據擬合得更好，表4顯示此線性回歸模型的擬合度為86.4%，F值是對所有解釋變量整體顯著性的檢驗，由表5所示F統計量為289.385，Sig=0.000＜0.005，表明此線性回歸模型具有整體顯著性。由表6可知，多元線性回歸系數分別為0.253、51.884、0.292、-0.128，回歸系數常量為-19.024，因此我們得到多元線性方程：

PM2.5=0.253×PM10+51.884×CO+0.292×NO2-0.128×SO2-19.024

圖1顯示了回歸標準化殘差的P-P圖，可見數據符合正態分布。

圖1　回歸標準化殘差的P-P圖

2.2基于主成分分析方法的因子分析

在得到PM2.5回歸方程后，運用主成分分析方法，將這幾項因素分別進行降維，可得到它們的碎石圖和因子分解圖（見圖2～3）。

圖2　主成分分析的碎石圖

表4　模型匯總

表5　方差分析

圖3　主成分分析因子分解圖

取前2個主成分，累計總方差為78.5%，圖3顯示了5個指標的因子分解結果，可以得到如下結論：

1） PM2.5和CO、SO2、NO2、PM10呈正相關性，其中CO對PM2.5的影響最大，可見CO與PM2.5幾乎會同時出現。

2） PM10對PM2.5也起到正相關作用，與其他正相關因素相比，PM10與PM2.5的關系在第二主成分上相同。

3　　結論

建立了PM2.5和PM10、CO、NO2、SO2之間的線性回歸模型。通過主成分分析方法揭示了不同來源對PM2.5的影響，PM10、CO、NO2、SO2和PM2.5呈正相關性。PM10和PM2.5的粒徑雖然不同，但二者密切相關，減少PM10的產生有助于降低PM2.5的濃度。

［1］ Chan C K，Yao X.Air pollution in mega cities in China［J］.Atmos Environ，2008，42（1）：1-42.

［2］ 賀克斌，楊復沫，段鳳魁，等.大氣顆粒物與區域復合污染［M］.北京：科學出版社，2011.

［3］ 薛文博，付飛，王金男，等.中國PM2.5跨區域傳輸特征數值模擬研究［J］.中國環境科學，2014，34（6）：1361-1368.

［4］ 劉輝，賀克斌，馬永亮，等.2008年奧運前后北京城郊PM2.5及其水溶性離子變化特征［J］.環境科學學報，2011，31（1）：177-185.

［5］ 孟昭陽，張懷德，蔣曉明，等.太原冬季PM2.5中有機碳和元素碳的變化特征［J］.應用氣象學報，2007，18（4）：524-531.

［6］ 中國環境監測總站.大連空氣質量指數AQI PM2.5歷史數據［R］.2014-10—2015-03.

Influence Factor Analysis of Inhale Particle PM2.5

Zhu Jixiang，Xu Ran，Zhang Lin，Liu Lijun
（School of Science，Dalian Nationalities University，DalianLiaoning116600）

Four influence factors of PM2.5were obtained by using correlation analysis.The linear regression equation among PM2.5，PM10，CO，NO2and SO2was acquired by the approach of multivariate linear regression.Factor analysis was carried out through principalcomponent analysis.Resultsshowed that PM2.5waspositivelycorrelated with PM10，CO，SO2and NO2.

PM2.5；factor analysis；correlation analysis

X513

A

1005-8206（2016）01-0059-03

朱吉祥（1993—），學士，主要從事數學建模方法研究。

大學生創新創業訓練計劃項目（201412026030）

2015-06-02