论文部分内容阅读
空气质量是环境问题中的热点问题之一,作为生态文明建设的先驱城市,上海的空气质量一直备受关注。随着改革开放的深入,城市建设对环境承载力的影响越来越严重,大气污染的问题也日益凸显。寻找一种科学合理的方法对空气质量做出描述和预测,找到空气质量变化规律,可以为改善空气质量找到依据。找到污染源,可以从源头上阻止污染,为市民提供更美好的生态环境。本文利用上海市2016.1.1-2019.1.31的空气质量指数（AQI）及其六种主要污染物的时间序列数据,对上海市近三年的AQI进行评价和预测研究。首先基于传统多元回归和分位数回归方法研究各变量的影响机制,发现各个序列的分位数回归模型的系数均和最小二乘回归系数有显著差异,只在较少的分位点处分位数回归模型的系数位于最小二乘回归系数的95%置信区间内,单纯的运用最小二乘回归来评价各个序列对AQI的影响具有一定的局限性。然后利用时间序列分位数回归模型（QAR、QADL）综合研究不同分位点下各个序列的预测效果,并与传统的时间序列模型（AR）预测结果进行了对比。最后进一步对QAR和QADL进行优化（记为Sub-QAR、Sub-QADL）,对AQI进行评价和预测。研究结果显示,除了SO2对AQI的贡献不显著外,PM2.5、PM10、CO、NO2和O3均对AQI形成显著影响;CO、NO2和O3对AQI具有长期影响趋势,前一期的AQI对当期AQI具有影响趋势;AR模型对AQI的平均预测误差为57.01%,QAR模型对AQI的平均预测误差为25.82%,QADL模型对AQI的平均预测误差为24.77%.Sub-QAR对AQI的平均预测误差为25.18%,Sub-QADL对AQI的平均预测误差为24.23%;AR模型均对未来的AQI预测偏大,（Sub）QAR和（Sub）QADL模型能更好的预测出AQI的值,其中Sub-QADL模型的预测效果相对更优。说明经过模型优化,考虑了各个解释变量对AQI的综合影响作用后对AQI具有更优的拟合和预测效果,更能准确识别AQI的动态变化趋势和未来表现结果。本文利用相关统计资料对上海市AQI的污染源进行探究。首先确定AQI的污染因素为PM10、PM2.5、SO2、NOx、CO和VOCs,其次将上海市大气污染的排放源分为点源、线源及面源。其中点源包括工业行业原煤、焦炭、汽油、柴油、燃料油、煤油燃烧排放的污染物。线源主要是机动车尾气排放的污染物。面源则分为居民生活燃料燃烧和上海六个重点生产工艺行业排放的污染物,以及建筑行业产生的扬尘。最后研究AQI主要污染因素的主要污染源头。研究结果显示,PM10和PM2.5的主要来源为建筑扬尘和生产工艺制造污染,其中住宅类建筑扬尘污染较为严重,石油化工及精细化工制造业和精品钢材制造业扬尘污染严重;CO和VOCs的主要来源为生产工艺制造,其中CO的主要污染源为精品钢材制造业,VOCs的主要污染源为石油化工及精细化工制造业和成套设备制造业;SO2的主要来源为生产工艺制造、居民生活燃料燃烧和工业能源燃烧,其中石油化工及精细化工制造业和精品钢材制造业、煤炭生活燃料和工业行业焦炭燃烧是其主要污染源;NOx的主要来源为生产工艺制造、居民生活燃料燃烧和工业能源燃烧,其中电子信息产品制造业、居民天然气消耗、工业行业原煤和焦炭燃烧是其主要污染源。