基于模糊综合评价法的河北省大气环境质量评价

刘张强，马民涛，朴锦泉

(北京工业大学环境与能源工程学院，北京 100124)

1 前言

近些年来，河北省经济快速发展，随现代化、工业化进程，人民生活水平日益提高;同时伴随的环境污染问题也日益严重，其中大气污染最引人关注。

大气中主要污染物有二氧化硫 (SO2)、二氧化氮 (NO2)和可吸入颗粒物 (PM10);这些污染物对人体健康的危害已经引起了广泛关注;相关研究显示，硫氧化物主要损伤和危害呼吸系统，严重时则会导致呼吸衰竭，甚至过早死亡［1，2］;氮氧化物同样对人体健康造成极大威胁。国内许多研究者对我国城市大气污染状况曾进行了多方面的研究，王红芳等［3］运用人工神经网络理论和方法建立了西安市大气环境质量评价的BP神经网络模型，客观评价了西安市不同功能区的大气环境质量等级。卓倩［4］等采用层次分析法对福州市2001～2008年的大气环境质量进行了综合评价，结果表明福州市大气环境质量2001～2008年整体呈逐年好转趋势。樊敏［5］等运用灰色理论模型对厦门市大气环境质量的变化趋势进行了预测，预测2008～2010年厦门市SO2、NO2和PM10浓度年均值均呈上升趋势，与环保权威部门公布的数据较好的吻合。虽然上述方法在大气环境质量评价中得到了广泛的应用，但仍存在不足之处。如BP神经网络法对作者计算机水平要求较高，不便推广。层次分析法标度工作量太大，易导致判断混乱。灰色理论模型容易出现分辨率不够的情况。大气环境是一多因素耦合复杂动态系统，并受多种因素控制。模糊综合评价法是从系统角度出发，对多因素综合效应进行宏观评价的有效方法。其特点是只利用较少的数据，就可提取系统宏观定性至半定量的内部隐含信息;其评价对象更适合于较大区域、较长时间变化的系统。既可以客观地反映污染因子共同作用下的大气环境状况，又能突出主要污染因子和评价对象的隶属程度［6］。因此，本文采用模糊综合评价法对河北省大气质量状况进行总体综合评价。保证了评价结果的准确及客观性。

2 研究区域概况

河北省位于东经 113°04″～ 119°53″，北纬 36°01″～42°37″，地处华北，黄河下游以北，全省面积为18.77x104km2，人口6744 x104。河北属温带季风气候——暖温带、半湿润——半干旱大陆性季风气候。地势西北高、东南低。地貌复杂多样。全省现设石家庄、唐山、邯郸、秦皇岛、保定、张家口、承德、廊坊、沧州、衡水、邢台共11个地级市。市下辖172个县 (市、区)，其中23个县级市、115个县、34个市辖区。

3 数据来源与分析

图1 2003～2012年河北省大气主要污染物变化曲线Fig.1 The curves of the main atmospheric pollutants in Hebei province in 2003～2012

图2 2003～2012年河北省煤炭消费总量变化曲线Fig.2 The curves of coal consumption in Hebei province in 2003～2012

由图1分析可知，10年来河北省大气环境质量总体状况好转，全省大气中主要污染物浓度均呈下降趋势;NO2下降趋势较缓慢，处于动态平衡状态;PM10除在2006年有所波动外，整体呈较快下降趋势;SO2呈现出的下降速度最快、幅度也最大。说明河北省对SO2的控制力逐年加强，使得其在大气环境好转中贡献最大。

区域大气中的SO2、NO2和PM10来源很广，但它们主要来源仍是燃料燃烧。因此，对于大气中SO2、NO2和PM10污染的讨论应该适当考虑煤炭消费量因素。由图2可知，10年来，河北省煤炭消费总量不断上升，而大气中主要污染物却呈下降趋势，其原因有:

(1)SO2年均浓度下降速度最快、幅度最大，说明河北省在近10年间为改善大气SO2污染做出了巨大努力;经实施取缔燃烧不充分的中小型锅炉，对污染较重的大型工业企业加大治理燃煤型污染，严格执行相关污染排放标准等一系列积极有效措施，使得河北省大气中SO2污染状况得到明显改善。

(2)NO2年平均浓度一直保持在相对平衡状态下呈缓慢下降，说明河北省近年来在对机动车尾气排放管理方面取得一定成效。

(3)PM10浓度变化存在波动，但是波动幅度不大，这说明河北省对生活、生产中污染物排放状况还没有得到彻底管控;近年来区域性雾霾的加重，PM10是原凶。

4 大气环境质量综合评价

4.1 评价标准

本文据国家环保局颁发的《环境监测评价规范 (大气和废气部分)》［7］规定制定评价指标体系如表1所示。

表1 环境空气质量标准浓度限值Tab.1 The concentration limit of ambient air quality standard

4.2 模糊综合评价模型与方法

4.2.1 因素集和评价集的建立

易非这样想着时，就不由自主起来了，反正冷，反正睡不着，不如起来活动一下，反而会暖和些。可当她穿好衣服时，她就毫不犹豫地向着青梅居的方向去了，一刻也不曾犹豫，仿佛她起来就是为了到那栋房子里去。

本文所采用的模糊综合评价数学模型中的因素集为:U={u1，u2，…，um}

式中:ui为参与评价的污染物因子(i=1，2，…，m);本文中 U={PM10，SO2，NO2};本文所采用的模糊综合评价数学模型中的评价集为:

V={v1，v2，…，vn}

式中:vj是各个污染因子相应的质量标准等级的集合(j=1，2，…，n);本文中V={表1中的Ⅰ，Ⅱ，Ⅲ}

4.2.2 隶属函数和模糊关系矩阵的建立

隶属度是描述污染物因子与各污染等级间相关程度的参数。据各污染物实测值和各级评价标准可算出各污染物相对应的污染等级隶属度。计算隶属度时采用“降半阶梯型”隶属度函数。质量评价标准给出3种指标形式，对应3种不同隶属函数的数学模型如下:

式中:i表示各个污染因子;

j表示每个评价年份;

k表示各级大气环境质量标准(表1中Ⅰ、Ⅱ、Ⅲ级);

将各年 SO2、NO2、PM10年均浓度值(xi)和各级浓度标准(sik)分别代入上述3个公式，得到模糊关系矩阵Rj。

式中:rik…表示第i个因素对第k评价等级的隶属度;其中 i=(1，2，…，m);k=(1，2，…，n)。

这样，相应的(ri1，ri2，…，rin)就成为第 i个因素的评判模糊子集。多因素评判模糊子集可构成模糊评判矩阵。

4.2.3 权重矩阵B的建立

本文采用超标倍数赋权法，并将权值归一化，这样既反应各因子重要程度，又考虑不同污染因子标准差异。计算公式如下:

式中:si为各主要污染物各级标准的平均值;

bij为2003～2012年第j年的第 i种污染物权重;计算后，组成权重矩阵 Bj=bj1，bj2，…，bjm)，如表2所示。

表2 2003～2012年河北省单项污染因子权重Tab.2 The single pollution index weights in Hebei province in 2003～2012

从表2分析可知，2003～2008年间，影响河北省大气环境质量主要污染因子是SO2，权重分别为 0.524、0.471、0.432、0.394、0.384、0.372;2009年开始PM10成为影响大气主要污染物，权重分别为 0.380、0.373、0.377、0.380。由此表明，河北省近十年来处理和控制SO2排放技术已得到广泛应用，但在水泥、钢铁、煤炭等工业、企业不断发展过程中，控制和处理PM10排放是河北省在环保方面的一项重要任务。

4.2.4 模糊综合评价输出矩阵A的建立及评价

当确定单因子评判矩阵R和权重集B后，利用R和B的复合运算得出模糊综合评价输出矩阵A=B·R，算法与普通矩阵类似，只将矩阵乘法运算中的加号“+”改为“∨”，将乘号改为“∧”，“∨”的意义是取加数中最大者为“和”，“∧”的意义为取相乘两数较小者为“积”。然后进行归一化处理。模糊评价结果矩阵实际上是一个一维向量;它包含n个元素，依据最大隶属度原则，可由结果矩阵得出评价对象的污染等级，即结果矩阵n个元素与n个污染等级相对应，结果矩阵n个元素中数值最大者，评价对象的污染等级就与之相对应。

经对表3给出的模糊综合评价结果分析表明:近10年来河北省大气环境质量由中度污染向轻度污染过渡，大气环境质量状况逐年好转;该结果与河北省环保部门公布的结果较好的吻合，说明运用模糊综合评价模型对大气环境质量评价是切实可行的，也说明近10年来河北省在改善大气环境质量方面已做出大量切实有效的工作。

表3 模糊综合评价结果Tab.3 The results of fuzzy comprehensive evaluation

5 结论

模糊综合评价方法较适合针对大区域多年少量数据进行总体评价。该方法对污染因子权重大小的判断是根据实测值与污染因子标准值比较确定的，不仅考虑到了污染因子的综合作用，还考虑了高浓度污染因子作用;最终结果同时反映了大气的污染级别以及各种污染物的隶属情况。但该方法也存在计算复杂，且当指标集较大时，相对隶属度权系数往往偏小，结果会出现超模糊现象，无法区分谁的隶属度更高等一些缺点。

河北省大气环境质量在2003～2012年间的变化表现为，各主要污染物总体均呈下降趋势，且SO2下降速度最快、幅度最大;主要污染因子权重，2008年前以SO2为主，2008年之后逐渐转向以PM10为主，PM10权重逐渐上升，NO2权重虽然一直没有排在第一位，但其权重10年间一直呈缓慢上升趋势。

河北省对SO2污染虽已取得显著成效，但PM10、NO2污染形势严峻。今后除要继续加大对工业、企业产生燃煤管控外，对区域性PM10、NO2管控任务更为艰巨。

［1］Shaddick G，Wakefield J.Modeling daily multivariate pollutant data at multiple sites［J］.Journal of the Royal Statistical Society，2002，51:351.

［2］Fuentes M，Song H R，Ghosh S K，et al.Spatial association between SO2，NO2，PM10speciated fine particles and mortality［J］.Biomet-rics，2006，(62):855-863.

［3］王红芳，康慕宁，邓正宏.BP神经网络在大气环境质量评价中的应用研究［J］.科学技术与工程，2009，9(7):1997-2000.

［4］卓 倩，杨文卿，钱庆荣，等.层次分析法在福州市大气环境质量评价中的应用［J］.福建师范大学学报(自然科学版)，2012，28(1):60-65.

［5］樊 敏，顾兆林.灰色理论模型在大气环境质量预测中的应用研究［J］.上海环境科学，2009，28(4):174-177.

［6］季 奎，戴晓兰.模糊数学在大气环境质量评价中的应用［J］.环境科学与管理，2006，31(6):184-186.

［7］国家环保总局.环境监测评价规范［M］.北京:中国环境科学出版社，2003.