基于因子分析法的空氣質量綜合評價研究

周玉香，徐愛蘭，蔣 榮

(1.南京理工大學，江蘇 南京 210094；2.江蘇省南通環境監測中心，江蘇 南通 226000)

0 引言

隨著經濟發展和城市化加快，能源消耗和大氣污染物排放上升，以大氣氧化劑和細粒子為主的大氣復合型污染問題越來越突出[1]。大氣污染會嚴重影響人們的生活質量和健康水平，人們越來越關注周圍環境的空氣質量情況。2018年是打贏藍天保衛戰三年行動計劃的第一年，城市環境污染形勢嚴峻，各相關部門深感任重而道遠。《GB3095-2012環境空氣質量標準》中規定了PM10、PM2.5、SO2、NO2、CO和O3共6項常規污染物[2]，研究這些污染物的污染分布特征和綜合評價城市的環境空氣質量，對于改善城市大氣環境、制定減排措施具有重要意義[3]。

環境空氣質量綜合評價中可以考慮多種評價方法，從而更客觀更全面地反映空氣質量水平。目前我國常見的是用環境空氣質量指數法，其計算量較大，而且分析比較復雜[4]。多元統計分析中的因子分析法可以很好地詮釋時間序列中的主因子，找出問題的成因[5]，有針對性地提高和改進。基于因子分析法，借助SPSS 20.0軟件，選取2018年南通市崇川區6項常規大氣污染物進行分析，研究污染物的時間分布特征、內在聯系，對空氣質量進行綜合評價，期望為南通市制定大氣污染控制和治理策略提供科學依據。

1 資料與方法

1.1 資料來源

觀測點位選擇南通市崇川區現有國控點位，分別為虹橋、城中和南郊，其中南郊為清潔對照點不參與統計。數據選擇6項常規污染物2018年的每日自動監測數據。

1.2 分析方法

因子分析法，旨在利用降維的思想，通過探究眾多變量中間的內部依賴關系，尋求觀測數據中的基本結構，并用少數幾個抽象的變量來表示其基本的數據結構[6]。計算步驟如下：①對原始數據進行標準化處理；②計算各污染物相關系數矩陣；③確定初始主因子；④選取公共因子個數，計算因子載荷矩陣；⑤計算因子得分函數的系數；⑥計算公因子得分和綜合得分。

2 結果與分析

2.1 大氣污染物的時間特征

2.1.1 大氣污染物的濃度水平

2018年，南通市崇川區環境空氣質量SO2年均濃度為17.77μg/m3，NO2年均濃度為34.10μg/m3，PM10年均濃度為 63.23μg/m3，均達到二級標準；PM2.5年均濃度為40.61μg/m3，劣于二級標準；臭氧日最大8h滑動平均值為101.23μg/m3，CO年平均值0.710mg/m3。

2.1.2 大氣污染物的濃度月份分布特征

由圖1可知PM10、PM2.5、SO2、NO2、CO濃度月份變化似“V型”且月均濃度最小值都出現在8月份，但最大值出現月份各不相同。PM10月均濃度最大值出現在4月份，PM2.5月均濃度最大值出現在1月份，SO2月均濃度最大值出現在12月份，NO2月均濃度最大值出現在3月份，CO月均濃度最大值出現在2月份，可見全年夏季和秋季污染較輕，冬季和春季污染較嚴重。PM10、PM2.5、SO2、NO2、CO濃度月份變化曲線有相似性，與它們的來源有關，化石燃料燃燒等的工業污染是SO2和PM10的重要來源，機動車尾氣是NO2和PM10的重要來源，燃煤主要排放硫化物、氮氧化物和煙塵。PM2.5的主要來源為煤炭燃燒、機動車尾氣和工業污染源[7]。CO主要來源于內燃機排氣，其次是鍋爐中化石燃料的不充分燃燒。

圖1 大氣污染物濃度月份變化曲線

O3濃度月份變化似“M型”，月均濃度最小值出現在2月份，4月、5月、6月和10月的月均濃度較高，可見O3污染全年冬季污染較輕，春季、夏季和秋季污染較嚴重。由于氣溫升高，太陽輻射增強，O3在大氣中與其他污染物發生復雜光化學反應更強烈[8]。該區屬北亞熱帶氣候區，四季分明，夏季的溫度是最高的，但O3濃度在7月和8月不是最高，與相應月份強降水較多有關，夏季降水對O3濕清除作用最為明顯[9]。

2.2 因子分析

2.2.1 相關分析

利用SPSS 20.0對原始數據用標準差標準化法消除量綱的影響，進行因子分析得到大氣污染物間相關系數矩陣如表1。可以看出，PM10、PM2.5、SO2、NO2、CO呈顯著正相關。這幾種污染物除來源相似，變化機制也有相似性。大氣中的 NO2和SO2通過氣相或者多反應氧化形成酸性氣溶膠，同NH3反應生成硝酸銨和硫酸銨氣溶膠粒子，最終轉化為硝酸鹽和硫酸鹽顆粒物，硝酸鹽和硫酸鹽是PM2.5和PM10中的重要組分[10]。O3僅與CO在0.05水平上呈顯著相關，與其他污染物之間相關性都不明顯，一方面是近地面臭氧主要來自于汽車尾氣、石油化工等排放的氮氧化物和揮發性有機化合物的大氣光化學反應[11]，具有不穩定性，另一方面可能更多地因其強氧化性而與其他物質反應有關[12]。

表1 相關系數矩陣

考察變量是否適合進行因子分析，進行KMO和Bartlett球體檢驗，KMO檢驗系數>0.5，P值<0.05時，表示數據取自正態分布，變量之間的相關性得到認可，表明原始數據適合進行因子分析。如表2，本次分析得出KMO值為0.641，P值為0.00，表明可以進行因子分析。

表2 KMO和Bartlett的檢驗

2.2.2 求公因子及載荷矩陣

如表3所示，提取特征值分別為4.149和1.041兩個公因子，其中因子1解釋了69.153%的方差，大于總方差2/3，因子1對總變異起著支配性作用；因子2解釋了17.352%的方差，因子1和因子2累積方差貢獻率包含86.505%的信息，可提取2個因子，原有變量的信息丟失較少，分析結果較為理想。

表3 特征值和因子貢獻率及累計貢獻率

由主成分法得到初始因子載荷矩陣如表4，由表4可知，NO2、PM2.5、PM10、SO2、CO 在因子1上有較高的載荷，其中NO2影響最大，這些污染物主要來源于燃煤、工業污染和機動車尾氣等，由污染源直接或間接排入環境，性質比較穩定，因子1可解釋為初次污染物影響因子。O3在因子2上有較高的載荷，O3是由陽光照射污染物、污染物與大氣成分發生化學反應形成，因子2可解釋為二次污染物影響因子，說明該區存在一定的光化學污染。因子1和因子2典型代表變量突出，都能較好地賦予合理的解釋，無需進行因子旋轉。

表4 初始因子載荷值

2.2.3 計算因子得分

采用回歸法估計得分系數矩陣如表5所示，因子得分函數表達式可以表示為：

表5 因子得分系數矩陣

F1=0.213X1+0.216X2+0.210X3+0.225X4+0.206X5-0.108X6

F2=0.338X1+0.048X2+0.067X3+0.238X4-0.286X5+0.837X6

根據以上表達式可以計算出各公因子上的得分及排名，再以提取的各公因子的方差貢獻率占提取公因子總方差貢獻率的比重作為權重，將各公因子得分加權匯總[13]，計算各月份的綜合得分見表6。

表6 各月份空氣質量因子得分排名

2.2.4 結果與討論

依據公因子上的得分由小到大依次排名，因子1得分排名第一在8月份、排名最后在1月份，表示初次污染物影響在8月污染最輕，1月污染最重。因子2得分排名第一在12月份、排名最后在4月份，表示二次污染物影響在12月污染最輕，4月污染最重。綜合得分數值越小，排名越靠前，說明該月的空氣質量越好。由表6可以看出全年只有6—10月的綜合得分為負值，說明全年中6—10月空氣質量較好，該區受季風影響明顯，雨熱同季，6—10月為夏秋季，受來自海洋上空清潔氣團影響，各污染物濃度明顯下降。綜合得分最高的是1月和4月，說明全年1月和4月的空氣質量較差，該區1月份要加強初次污染物的管控，4月份要加強二次污染物管控。

通過因子分析法計算的綜合得分與空氣質量綜合指數值對比如圖2，得出兩種分析方法的趨勢是一致的，因子分析法的評價結果具有較高的準確性。基于因子分析法空氣質量綜合評價，不僅反映出污染物間的相關性，還能簡化為同類污染物的因子項進行分析，綜合得分的結果直觀明了，對管理部門掌握本地區大氣污染物間關聯性，有針對性地綜合治理污染物，管控空氣質量具有應用價值。

圖2 綜合得分與空氣質量綜合指數值對比

3 結論與建議

(1)2018年，南通市崇川區PM10、PM2.5、SO2、NO2、CO濃度月份變化似“V型”，夏季和秋季污染較輕，冬季和春季污染較嚴重。O3濃度月份變化是“M型”，冬季污染較輕，春季、夏季和秋季污染較嚴重。

(2)PM10、PM2.5、SO2、NO2、CO呈顯著正相關，O3僅與CO在0.05水平上呈顯著相關，與其他污染物之間相關性都不明顯。

(3)基于因子分析法，提取特征值分別為4.149和1.041兩個公因子，因子1和因子2累積方差貢獻率包含86.505%的信息，原有變量的信息丟失較少。NO2、PM2.5、PM10、SO2、CO 在因子1上有較高的載荷，其中NO2影響最大，因子1可解釋為初次污染物影響因子。O3在因子2上有較高的載荷，因子2可解釋為二次污染物影響因子，說明該區存在一定的光化學污染。

(4)依據公因子上的得分由小到大依次排名，初次污染物影響在8月污染最輕，1月污染最重，二次污染物影響在12月污染最輕，4月污染最重，綜合得分排名可以看出全年中6—10月空氣質量較好，1月和4月的空氣質量較差。

(5)南通市崇川區大氣污染治理應以1月份PM2.5管控為首，在冬春季重點開展PM10、PM2.5、SO2、NO2綜合治理攻堅行動，建議加強治理道路揚塵、建筑工地揚塵和工業粉塵，加強交通污染源的管理和控制，鼓勵綠色出行。同時對南通市O3污染的形成機理進一步研究，管制其前體物的排放，以控制春季O3污染形勢的惡化。