宁夏全省不同环境空气污染特征比较及影响评价研究

王 梅

（宁夏华正检测技术有限公司，宁夏 银川 750001）

引言

近年来，随着工业化和城市化进程不断推进，工业、交通等基础设施大力建设和燃油机动车保有量的大幅增加，全球气温逐渐变暖等诸多因素的影响，以二氧化硫、颗粒物和氮氧化物等主要污染物的大气环境污染日趋严重，全社会对环境大气污染关注已达到前所未有的程度[1]。目前，在环境空气质量领域，国内外许多学者研究取得了较大进展[2-6]。“十三五”以来，以及“十四五”计划，环境大气是国家最关注的问题，防治目标已从污染排放量总量控制，发展到同时关注排放总量和环境大气质量。

目前，宁夏建成了全省空气质量评价监测网，包括城市空气质量监测站、颗粒物组分监测站以及国控站、区控站和农村站等各类监测站，实现全省区（县）空气自动监测全覆盖，形成环境空气质量和大气污染监控相结合的大气环境自动监测网络，为空气质量达标和精细化管理提供了有力的保障措施。本文选取宁夏5 个城市（银川市、石嘴山市、吴忠市、中卫市和固原市，以下简称宁夏全省）六类污染物SO2、NO2、PM2.5、PM10、CO 和O3作为主要研究对象，本文目前通常采用Spearman 秩相关系数法（Daniel 趋势检验分析）和主成分分析法（principal component analysis，PCA）两种分析方法[7-8]对6 类污染物进行分析研究，有利于全面了解空气质量主要污染指标状况，为下一阶段全省空气质量改善方案的制定提供理论支撑。

1 数据与分析方法

1.1 数据来源

本文所用资料为2016 年—2020 年宁夏环境监测站6 类空气污染物年均值、月均值和特定百分浓度数据。

1.2 分析方法

本文采用Spearman 秩相关系数法（Daniel 趋势检验分析）和主成分分析法（principal component analysis，PCA）两种分析方法。

1.2.1 Spearman 秩相关系数法（Daniel 趋势检验分析）

Spearman 秩相关系数法（Daniel 趋势检验分析），即利用环境监测站所提供的日均值数据求出各污染物的年均浓度进行趋势变化分析。计算公式如式（1）和式（2）。

式中：Xi为周期i～n 按浓度值从小到大排列序号；Yi为按时间排列序号；di为变量Xi和Yi的差值；n 为年份。

将秩相关系数法gs 绝对值同Spearman 秩相关系数统计表中的临界值Wp进行比较。|rs|＞Wp，则表示变化趋势有显著意义；如果γs是负值，表明在统计时段内有关统计计量指标呈下降或好转趋势；如果γs是正值，表明在统计时段内有关统计计量指标呈上升或加重趋势。当|rs|＜Wp，则表明变化趋势没有显著意义，说明在评价时段内环境空气质量变化稳定或平稳。

1.2.2 主成分分析法（PCA）

PCA 是一种统计方法，采用正交法将一组可能相关的变量（实体，每个实体具有不同的数值）的观察值转换为一组称为主成分的线性不相关变量值。PCA 是最简单的基于特征向量的多元分析，通过降维技术，客观处理各个指标的权重，使评价结果更加客观。本文主要使用SPSS 软件进行主成分分析。具体分为6 个步骤。

在河南乃至全国农资界，不知道范国防这个名字的人不多。前不久，笔者到南宁参加了一次会议，有幸当面聆听了范国防这位绿业元集团公司掌舵人的一次演讲。可以毫不夸张地说，他领导的绿业元公司，这几年创造了农资行业的一个个销售神话：2017年销售额实现10.17亿元；进入2018年，刚刚到6月底，销售就突破了15亿元大关，仅6月份一个月销售额就达到5.23亿元。在谈到自己的销售经验时，范国防提出的“人、品、法”经营法则，让所有参会者为之折服。

1.2.2.1 对原始记录标准化处理

假设有n 个样品，每个样品有p 个变量描述，就构成n×p 阶的数据矩阵，对数据按照公式（3）进行标准化处理，最终获得均值为0，标准差为1 的标准化数据。

式中：i=1，2，3…，n；j=1，2，3，…，n；Zij表示第i 站位第j 指标的标准化值；xij表示第i 站位第j 指标的实测值表示第j 指标的平均值；Sj表示第j 指标的方差。

1.2.2.2 计算标准化数据的相关系数矩阵R

在标准化数据基础上计算原式指标的相关系数矩阵R，即R=（rij）p×p（i=1，2，3，…，p；j=1，2，3，…，p），rij为原来变量Xi和Xj的相关系数。

1.2.2.3 计算相关系数矩阵R 的特征向量和特征值

1.2.2.4 计算主成分贡献率

计算主成分贡献率，并根据累计贡献率确定主成分个数，一般取累计贡献率达到85%的特征λ1，λ2，λ3，…，λm所对应的第一，第二，…，第m 个（m＜p）主成分，按照方差占总方差的比例（通常取α=85%）来选取，m 为主成分的个数。

1.2.2.5 计算主成分Fi 值选取前m 个特征值对应的特征单位向量，计算各主成分的Fi值（i=1，2，3，…，m）。

1.2.2.6 确定综合评价函数

以方差贡献率di作为权重，对提取的前m 个主成分在每个单元内的分Fi进行加权求和，即得综合评价函数，从而计算主成分综合得分F。

计算公式为式（4）：

2 结果分析

2.1 近5 年主要污染物趋势分析

本文对2016 年—2020 年期间宁夏全区6 类特征污染物SO2、NO2、PM2.5、PM10、CO 和O3浓度逐年变化进行了分析和研究，分析结果见图1。

图1 2016 年—2020 年6 类污染物逐年变化趋势

为进一步了解宁夏全省主要污染物情况，本文采用Spearman 秩相关系数法（Daniel 趋势检验分析）对2016 年—2020 年6 类污染物年均值秩相关系数γs（n=5，设取置信度为0.05，则Wp=0.900）污染趋势进行分析，分析结果见表1。

表1 2016 年—2020 年6 类污染物秩相关系数γs 评价结果

综上研究发现，宁夏全区2016 年—2020 年期间SO2、PM10和CO 质量浓度均呈下降趋势，且SO2具有明显下降趋势；NO2、O3-8h 质量浓度呈上升趋势，但不具有显著性；PM2.5除石嘴山市具有上升趋势且不具有显著性外，银川市、吴忠市、固原市和中卫市都具有下降趋势，均不具有显著性。

2.2 不同季节主要污染物趋势分析

本文对宁夏全省6 类特征污染物SO2、NO2、PM2.5、PM10、CO 和O3质量浓度虽季节变化进行分析和研究，分析结果见图2。

图2 2020 年6 类污染物质量浓度变化趋势

由6 类污染物2020 年年内浓度变化趋势可以看出，O3月均值在6 月～9 月出现最大值，其余5 类月均值在1 月～3 月和10 月～12 月出现最大值；宁夏O3浓度呈波动上升趋势，尤其在6 月～9 月以O3为首要污染物，O3成为影响主要污染物，原因可能为近地面O3主要来源还是挥发性有机物（volatile organic compounds，VOCs）和氮氧化物（nitrogen Oxide，NOx）等前体物光化学反应产生；化石燃料燃烧、机动车尾气排放等贡献大部分NOx，工业企业排放（多为无组织排放）、机动车尾气排放、生活源和植物源排放是VOCs 主要贡献源等。其次，宁夏地处西北干旱、半干旱区域，全年太阳辐射仅次于青藏高原，蒸发强烈，降水稀少，三面环沙（毛乌素、腾格里和乌兰布和沙漠）的独特地理环境，造成每年10 月至次年3 月，城市扬尘污染是环境空气颗粒物浓度出现波动的主要因素；另外，全省还存在部分30 t 以下燃煤锅炉、燃煤火力发电厂等，加之冬、春季节为宁夏采暖期，导致SO2、NO2、PM2.5、PM10、CO 在冬、春两季出现最大值。

2.3 主要影响因素分析

在PCA 法中，KMO 统计量取值在0～1 之间，其值越大，表明变量间相关性越强，分析效果越好；而巴特利特检验显著性P＜0.05，表明变量之间存在相互关系，不相互独立。为进一步研究各污染物之间的影响，本文采用SPSS 软件对6 类特征污染物进行分析，分析结果表明PM2.5、PM10、CO 和O3的KMO 检验系数大于0.5，P 值＜0.05，说明这4 中变量之间的相关性得到认可，相关系数矩阵见表2，KMO 和巴特利特检验见表3，总方差解释见表4。说明环境空气中PM10、PM2.5排放严重，PM10和PM2.5在空气中均比较稳定，容易长时间聚焦，使空气恶化，与之密切相关的O3本身和其他空气相比比较重，最容易在地面沉淀，故对空气污染影响较大；CO 主要跟居民生活、工业燃烧和机动车排放有关，进入大气后参与化学和光化学反应。

表2 相关系数矩阵

表3 KMO 和巴特利特检验

表4 总方差解释

3 结论

1）每年10 月至次年3 月正处宁夏干旱、降水稀少季节和采暖期，SO2、NO2、PM2.5、PM10、CO 出现最大值；O3在6 月到9 月会出现最大值，表明首要污染物与季节变化、地域有明显的相关性。

2）通过Spearman 秩相关系数法（Daniel 趋势检验分析），表明近5 年来宁夏全省SO2、PM10和CO 浓度均呈下降趋势，且SO2具有明显下降趋势，城市环境空气质量逐年得到改善。

3）通过PCA 分析，表明宁夏全省以PM10和PM2.5主导的首要污染物与O3浓度之间相关性显著，说明这三种污染物具有一定相似来源，在环境空气污染中变化具有一定相似性。