基于集对分析法的长三角雾霾风险评估

(上海理工大学 管理学院,上海 200093)

基于集对分析法的长三角雾霾风险评估

盛小星,叶春明

(上海理工大学 管理学院,上海 200093)

通过层次分析法确定雾霾风险评价指标权重,依据指标选择原则确立10个雾霾风险指标,引入集对分析法对我国长三角雾霾风险进行风险等级评估。研究表明:①上海、南京、杭州、合肥四个城市风险等级分别为IV级、III级、III级、III级。②四个城市雾霾风险较高普遍原因是PM2.5年均浓度、PM10年均浓度差异度过高,其中上海市风险等级高于其他三个城市,原因是单位机动车数量和人口密度为对立因素,以及环境监测和城市绿化率有待改善。对雾霾风险分析结果做出了相应的风险对策研究。

层次分析法;集对分析法;雾霾;风险评估

近几年雾霾在中国各个地区频繁出现,严重影响了人们的生活和健康,带来了一系列空气污染问题。目前国内外相继对雾霾风险进行了评估:Wong C M、Samet J M等研究发现,城市雾霾对人体健康、小孩与孕妇等人的生理反应[1,2]有较大危害;Ting Qiao等[3]通过对上海市PM1-PM2.5的监测和组成进行了分析,发现雾霾的污染特征与雾霾天PM1-PM2.5的变化;Jorge Herrera Murillo等[4]对美国中部哥斯达黎加城市的PM10和PM2.5化学特征进行了分析;Yele Sun等[5]对北京2013年1月严重雾霾的来源其及演变过程进行了研究;Sailesh N等[6]对上海冬季雾霾的化学成分和对人体有害的组成物质进行了分析;李氵恬氵恬[7]等对雾霾中PM2.5相关人群的死亡进行了评估;吴伟强等引入故障树[8]方法对城市源雾霾风险进行了分析;唐魁玉[9]等对雾霾生态污染进行了社会风险分析;盛小星等[10]通过空间统计,对雾霾污染区的风险性进行了空间差异分析。

集对分析法对不同问题、不确定关系的处理有很大优势,通过联系数对研究对象信息等要素缺少而导致的不确定性进行理论分析[11],可应用于雾霾的风险评估中。近年来集对分析法被广泛运用于生态绩效评估[12]、城市经济系统的脆弱性评估[13,14]、土壤重金属污染及土壤质量评价[15,16]、洪水灾害风险评价[17]和工业安全[18]评价。

本文引入集对分析法,以长三角的上海、南京、杭州、合肥为研究对象,对研究区域影响雾霾形成的风险指标进行风险评估。

1 集对分析雾霾风险评价模型

1.1 评价指标的建立——层次分析法

层次分析法(AHP)是Saaty[19]提出的一种层次权重决策分析方法,通过将复杂系统分成不同层次,并在此基础上进行定性和定量分析。层次分析法对各评价指标权重的确定步骤为:①构造判断矩阵。应用九分位的比例标度,评判标准为指标的相对重要性。②计算权向量。通过判断矩阵A可得到判断矩阵最大特征根λmax所对应的特征向量W:AW=λmaxW。③一致性检验。通过对特征向量进行归一化计算可得出各指标体系的权重,以及对判断矩阵进行一致性检验,公式为:CI=(λmax-n)/(n-1)。式中,CI为一致性检验指标,m为判断矩阵阶数。当CR=CI/RI<0.1时，表示权重设置合理；当CR=CI/RI>0.1时，则需要对判断矩阵进行修正。RI为平均随机一致性指标[20],RI值见表1。④指标权重确立。

表1 平均随机性指标RI数值

1.2 雾霾风险评估的集对分析模型

集对分析法原理:集对分析(SPA)是1989年由赵克勤[11]提出的一种解决关于确定、不确定问题的系统理论方法，主要的理论核心是将两个有相关关系集合的确定、不确定问题通过三个方面来研究事物之间的联系与转化。集对分析法有两个基本概念,即一个是集对,一个是联系度。集对就是两个集合组成的具有关联的对子,而联系度是两个集合之间的对立度、同一度、差异度的综合表现形式,公式为:

(1)

简化为:μ=a+bi+cj

(2)

μ=a+b1i1+b2i2+b3i3+cj

(3)

式中,b1i1、b2i2、b3i3为差异度分量,1=a+b1+b2+b3+c,由此产生的5元联系度,反映了两个集合关系之间的整体结构。

建立雾霾风险评价模型:通过集对分析法对雾霾风险进行分析,将雾霾风险的实际指标与标准既定的指标组成一个集对,比较两者之间的联系度。xr(r=1,2,3,…,n,n为指标个数)为实际指标值,设为集合Ai,而相应的标准指标设为集合Bl(l=1,2,3,…,n,n为实际指标个数)。

采用模糊评价分析法可求得联系度μmr,且可将联系度μmr指标类型分为两类：越大则风险越高型和越大越安全型。越大风险越高型:

(4)

越大越安全型:

(5)

式中,V1、V2、V3、V4分别为雾霾评价指标的门限值,xr为雾霾评价指标的实际值,m为第m个评价区域,r表示第r个评价指标,因此可建立基于联系度μ的l元联系度SPA雾霾风险评价模型:

(6)

式中wr为指标权重矩阵。差异度分量系数i1、i2、i3具有不确定性和随机性,同时避免对差异度分量系数的讨论和简化问题,应用置信度准则判定:

dk=e1+e2+e3+e4+e5=τ

(7)

表2 雾霾风险等级划分原则

2 实例分析

2.1 长三角地区概况及数据来源

长三角地区包括上海市，江苏省的南京、无锡、苏州等城市，浙江省的杭州、宁波等城市，安徽省的合肥、芜湖等26个地级市。这些地区交通便利、经济发达,但城市的发展也带来了环境恶化,雾霾天气频发,特别是上海、南京、杭州三个城市出现了重度的雾霾天气。本文选取安徽省的长三角地区的上海市、杭州市、南京市、合肥市四个经济发达、雾霾影响恶劣的城市作为研究对象，数据来源于上海、南京、杭州、合肥2015年的《统计年鉴》和《环境统计公报》,数据来源于官方发布,准确可靠。

2.2 研究区的雾霾风险评价

雾霾风险指标选取及权重确立:遵循评价指标选取的系统性、典型性、客观性、可获得性原则,本文选取四个城市2014年10个雾霾风险评价指标,见图1。其中,风险型指标是指对雾霾的风险程度而论,指标值越大,对雾霾所造成的风险就越大,包括PM10年均浓度(x1)、SO2年均浓度(x2)、PM2.5年均浓度(x3)、NO2年均浓度(x4)、酸雨频率(x5)、单位机动车车数量(x6)、人口密度(x7)、人均生产总值(x8)等8个指标。其中,x1、x3、x4、x5是雾霾的组成污染物,体现雾霾组成的风险状况,x6是道路交通中严重影响城市污染的机动车污染排放量,对城市雾霾的影响很大,x7、x8体现了人口压力和经济发展对雾霾风险的影响。

图1 雾霾风险评估指标体系

安全型指标是指对雾霾风险程度而论,指标值越大,对雾霾的形成作用越小,雾霾的风险就越小,包括环境检测站数x9、建成区绿地覆盖率x10两个指标,环境监测站个数体现了对环境监测的手段,是及时反映雾霾状况、雾霾频发地区的严重程度和有效采取措施的必要方式;建成区绿地覆盖率更能体现城市的绿化状况,对净化空气、减少雾霾污染程度有着极大的帮助作用。依据层次分析法,计算得CR=0.057<0.1,因此对雾霾10个指标的判断矩阵设置合理,计算所得的权重符合标准,权重wr见表3。

表3 评价指标权重

表4 评价指标分类门限值

表5 分量置信值

雾霾风险等级计算:依据雾霾风险等级划分原则,需对每个指标设定4个门限值。根据《大气环境质量标准》GB3095-2012和自然断裂法,每个指标的4个门限值见表4。通过式(4)—式(6)计算,可得四个城市各分量置信值(表5)。从表5可见,上海e2、e3、e4的数值较大,说明上海市各水平状况下的雾霾指标的差异度较大;南京、杭州、合肥e3的数值最大,贡献最多,说明南京市在第三门限值的雾霾指标贡献最大。取置信度值τ=0.7,则四个城市的雾霾风险等级见表6。从表6可得,上海市的雾霾风险等级为IV级,处于较高风险状态;南京、杭州、合肥的雾霾风险等级为III级,处于中等风险状态。

表6 城市雾霾风险等级

3 结果分析与风险对策研究

3.1 雾霾风险分析

从表6可见,南京、杭州、合肥三个城市的雾霾风险等级为III级,表明这三个城市受雾霾的影响程度较高。从表5可见,三个城市的指标差异度较明显,南京、杭州、合肥普遍受PM10年均浓度、PM2.5年均浓度、单位机动车车数量、人口密度、人均生产总值影响较大,南京市的PM2.5年均浓度对城市雾霾风险的贡献最大,杭州市的PM2.5年均浓度、酸雨率和PM10年均浓度对杭州市雾霾风险的影响较突出,合肥市PM2.5年均浓度和单位机动车车数量等因素加大了城市雾霾风险程度。

从表6可见,上海市的雾霾风险等级为IV级,处于较高风险状态,表明上海市受雾霾影响非常严重。从表5可见,上海市受雾霾影响的风险指标中有对立因素,是造成严重雾霾的重要因素,即单位机动车车辆数量和人口密度。同时,上海市的PM2.5年均浓度、酸雨率和PM10年均浓度对该市雾霾风险的加大有很大的贡献。上海比南京、杭州、合肥三个城市的雾霾风险度高,主要有两个原因:①单位机动车数量和人口密度比其他三个城市高,城市环境负荷大。②南京、杭州、合肥三个城市的环境检测站数、建成区绿地覆盖率对降低雾霾风险的贡献度大于上海,说明环境检测站数、建成区绿地覆盖率对雾霾风险降低有较大作用。

3.2 城市雾霾对策研究

从表6可见,上海、南京、杭州、合肥四个城市都受到雾霾不同程度的影响,且风险程度偏高,对城市发展、经济、人们生活健康有很大的危害。基于对雾霾风险因素的分析,本文讨论了关于长三角雾霾风险对策的相关研究:①加大环境监测力度。从四个城市的雾霾风险分析可见,长三角四个经济发达城市的雾霾影响突出,主要是由于城市的PM2.5年均浓度、PM10年均浓度均过高,对城市雾霾的影响很大,因此对PM2.5浓度、PM10浓度等污染颗粒物的监测非常重要,对及时反馈城市雾霾的情况,实时了解城市雾霾的风险动态有很大的帮助,能及时做出相关政策来应对雾霾的突发情况。②加强城市生态建设。上海市的雾霾风险程度高于南京、杭州、合肥三个城市,很重要的因素是南京、杭州、合肥三个城市的绿化程度高于上海,城市绿化率能有效、直接地降低城市雾霾的风险程度。因此,应加大城市生态建设,合理规划城市绿化和城市区域规划,改善城市雾霾。③合理规划城市机动车数量和人口数量。上海雾霾风险较高的重要原因是城市单位机动车数量过大、人口密度过高,对城市发展有很大的影响,特别是对生态环境的影响。因此，政府应制定合理的城市机动车购买政策,加强对公共交通的投资与建设,让人们更愿意使用公共交通;同时,应严格控制城市人口数量,加强人口政策的管理,缓解城市雾霾风险。④加强长三角雾霾协作联防机制。长三角地区经济发达、人口众多,但同时环境状况也困扰着城市的发展。因此,对长三角城市雾霾风险的预防和控制,需要各个区域城市的共同参与。四个城市应建立雾霾监测共享,建立以上海市为中心的雾霾风险应对机制,分散上海市的人口和环境压力;南京、杭州、合肥三个城市应互相借鉴各自的环保对策,加强联动机制。根据对上海、南京、杭州、合肥四个城市雾霾风险分析,本文绘制了长三角雾霾协作联防机制(图2)。

图2 长三角雾霾联防机制

4 结论与讨论

通过层次分析法确立指标权重,根据指标选取原则,采用风险型和安全型两种类型的10个指标,将置信准则引入雾霾风险等级划分,运用集对分析法构建雾霾风险评价模型,确立了长三角地区的上海、南京、杭州、合肥四个城市的风险等级,分别为IV级、III级、III级、III级，分析了城市雾霾风险形成原因、各城市雾霾风险差异与城市雾霾对策研究,评价结果较符合实际,为长三角地区进一步改善雾霾状况和进行雾霾风险评估提供参考。

由于影响雾霾形成的因素较复杂,指标选取困难,集对分析方法对指标的选取、等级划分等步骤并没有统一标准,因此仍然存在不足。建立统一的雾霾风险指标能进一步规范雾霾风险评价标准,使评价结果更具真实性,因此可进一步探索研究雾霾风险指标的建立,形成评价标准。

集对分析法主要是对不确定性、复杂性对象的处理,但无法做到完全量化。雾霾风险评估的量化处理很困难,其中量化处理包括两个方面:一方面是风险指标的量化处理。由于风险指标涉及面广、指标较多,对指标量化需更严格的要求。另一方面是通过风险评价模型的量化来对雾霾风险等级进行量化评估,需要积极探索适合的数量模型。

[1]Wong C M,Vichit-vadakan N,Kan H,etal.Public Health and Air Pollution in Asia(PAPA):A Multicity Study of Short-term Effects of Air Pollution on Mortality[J].Environ Health Perspect,2008,116(9)∶1195-1202.

[2]Samet J M,Zeger S L,Dominici F,etalThe National Morbidity,Mortality,and Air Pollution Study.Part Ⅱ：Morbidity and Mortality from Air Pollution in the United States[J].RES REP Health EF INST,2000,94(2)∶65-70.

[3]Qiao Ting,Zhao Meng-fei,Xiu Guang-li,etal.Simultaneous Monitoring and Compositions Analysis of PM1 and PM2.5 in Shanghai：Implications for Characterization of Haze Pollution and Source Apportionment[J].Science of the Total Environment,2016,95(3)∶386-394.

[4]Murillo J H,Roman S R,Felix Rojas Marin Jose,etal.Chemical Characterization and Source Apportionment of PM10 and PM2.5 in the Metropolitan Area of Costa Rica,Central America[J].Atmospheric Pollution Research,2013,4(2)∶181-190.

[5]Sun Ye-le,Qi Jiang,Wang Zi-fa,etal.Investigation of the Sources and Evolution Processes of Severe Haze Pollution in Beijing in January 2013[J].Journal of Geophysical Research：Atmospheres,2014,119(7)∶4380-4398.

[6]Sailesh N B,Jinping C,Xian H A,etal.Chemical Composition and Acidity of Size-fractionated Inorganic Aerosols of 2013—2014 Winter Haze in Shanghai and Associated Health Risk of Toxic Elements[J].Atmospheric Environment,2015,122(9)∶259-271.

[7]李氵恬氵恬,崔亮亮,陈晨,等.北京市2013年1月雾霾天气事件中PM2.5相关人群超额死亡风险评估[J].疾病监测,2015,30(8)∶668-671.

[8]吴伟强,王欣.基于故障树模型的城市雾霾风险分析 [J].广州大学学报(自然科学版),2015,14(5)∶76-81.

[9]唐魁玉,唐金杰.雾霾生态污染的社会风险研究[J].齐齐哈尔大学学报(哲学社会科学版),2015,38(7)∶1-4.

[10]盛小星,叶春明,杨传训.上海市雾霾风险差异的空间统计分析[J].物流工程与管理,2016,38(10)∶128-131.

[11]赵克勤.集对分析及其初步应用[M].杭州：浙江科学技术出版社,2000.

[12]宋叙言,沈江.基于主成分分析和集对分析的生态工业园区生态绩效评价研究——以山东省生态工业园区为例[J].资源科学,2015,37(3)∶546-553.

[13]苏飞,张平羽.基于集对分析的大庆市经济系统脆弱性评价[J].地理学报,2010,65(4)∶454-464.

[14]苏飞,陈媛,张平宇.基于集对分析的旅游城市经济系统脆弱性评价——以舟山市为例[J].地理科学,2013,33(5)∶538-544.

[15]葛康,汪明武,陈光怡.基于集对分析与三角模糊数耦合的土壤重金属污染评价模型[J].土壤,2011,43(2)∶216-220.

[16]聂艳,周勇,雷文华,等.基于集对分析法的农田土壤环境质量评价[J].长江流域资源与环境,2008,17(3)∶396-400.

[17]宋振华,赖成光,王兆礼.基于集对分析法的洪水灾害风险评价模型[J].水电能源科学,2013,31(4)∶34-37.

[18]谭羽中,陆愈实,车恒.集对分析法在露天采石场安全评价及预测中的应用[J].安全与环境学报,2016,16(3)∶25-29.

[19]Saaty T L.How to Make a Decision：The Analytic Hierarchy Process[J].Interfaces,1994,24(6)∶19-43.

[20]姚梅芳,王升涛,郑雪冬.信息不对称背景下风险投资的资信风险评估体系研究[J].情报科学,2004,22(4)∶423-427.

HazeRiskAssessmentBasedonSetPairAnalysisinChangjiangRiverDelta

SHENG Xiao-xing,YE Chun-ming
(Business School,University of Shanghai for Science and Technology,Shanghai 200093,China)

Haze risk evaluation index weights determined by analytic hierarchy process(AHP),and setting 10 haze risk index based on the principles of index selection,the introduction of set pair analysis was carried out on the haze risk level of risk assessment of Changjiang River Delta.The results showed that:①In Shanghai,Nanjing,Hangzhou,Hefei four city risk graded IV level III,level III,level III respectively.②The annual common reason of four cities haze riskier was that the higher of annual concentration of PM2.5 and PM10 was concentration difference,and the risk level of Shanghai was higher than other three cities,the reason was that the unit number of motor vehicles and population density were opposite factors and environmental monitoring and urban afforestation needed to be improved.Finally it made the corresponding risk countermeasure research for the haze risk analysis results.

risk assessment;haze;set pair analysis;AHP

10.3969/j.issn.1005-8141.2017.03.014

X820.4

A

1005-8141(2017)03-0334-04

2017-01-07；

2017-02-25

上海市哲学社会科学规划项目(编号：2014BGL024);上海市一流学科项目资助(编号：S1201YLXK)。

盛小星(1991-),男,江西省宜春人,硕士研究生,主要从事城市风险管理研究。

叶春明(1964-),男,安徽省宣城人,教授,博士生导师,主要从事城市风险管理及工业管理研究。