本篇論文目錄導航：

【題目】邢臺市大氣污染政府治理問題探析
【第一章】大氣污染治理政府參與研究緒論
【第二章】邢臺市大氣污染狀況
【第三章】邢臺地區大氣污染的影響因素分析
【第四章】邢臺市大氣污染的政府治理狀況與問題分析
【第五章】政府大氣污染治理措施的改進建議
【參考文獻】政府治理大氣污染的路徑分析參考文獻

3 邢臺市大氣污染的影響因素分析

邢臺市環境保護局可查找的 AQI 數據始于 2012 年 1 月，考慮到 AQI 適用于對空氣質量進行短期分析，本章利用邢臺市 2012 年 1 月 1 日至 2013 年 6 月 31 日的 AQI 和各氣象指標的日度數據，對影響邢臺市環境質量的氣象因素進行分析，為相關部門治理大氣污染時考慮環境因素的干擾作用或促進作用提供一定依據。另外，社會經濟因素也影響空氣質量的重要因素，因此本章第二部分將運用適用于長期分析的空氣綜合污染指數，與各項社會經濟指標在 2006 年至 2012 年期間的季度數據，對影響邢臺市環境質量的社會經濟因素進行分析，為相關部門治理大氣污染時考慮社會經濟因素的干擾作用或促進作用提供一定依據。

3.1 邢臺市大氣污染的氣象因素分析

3.1.1 相關性分析

氣象因素對一個城市的大氣污染程度有很大的影響，這是因為有力的地區氣象因素有利于大氣污染物的遷移、擴散和轉化，而不利的氣象因素則容易造成污染物的累積，很容易造成嚴重的大氣污染事件。在其他自然環境因子和污染源等社會經濟因子一定的情況下，氣象因子對一個城市大氣污染狀況有著決定性影響。具體來講，同一氣象因素在不同的取值范圍，對大氣污染物濃度的影響不一，可能是加重污染，可能是減輕污染，也可能與污染不相關。其次，考慮到不同的氣象因素之間一定的關聯性，如降水與平均相對濕度這兩個因素具有較高的相關性，若相對濕度對某地區的大氣污染物濃度有影響，可能也意味著降水對大氣污染物的濃度波動也有關系。再者，基于空間角度，同一氣象因素在不同的地區，由于地理地形和氣候條件的差異，其對同一大氣污染物濃度的影響具有差異，在某一平原地區有利于減緩大氣污染程度，在另一高山地區就可能加重大氣污染程度。最后，基于時間角度，同一氣象因素在不同的季節、月份甚至是早中晚時點，對大氣污染物濃度的影響都有不同。

因此，本文結合數據可得性，區分季節深入分析邢臺市氣象要素與空氣質量的關系及其影響，探究邢臺市大氣質量的主要影響因素，并提出治理大氣污染的合理政策建議。

影響空氣質量的氣象要素主要有風速、溫度、濕度、氣壓和降水量，針對這五大要素，本文選取平均風速、平均空氣溫度、平均相對濕度、平均氣壓和降水量這五個指標進行量化，并用 AQI 衡量空氣質量，利用日數據探究氣象要素對空氣質量的關系及其影響，分析結果。

（一）平均風速與 AQI

由表 3-1 可知平均風速對全年 AQI 的影響呈顯著負相關，這是因為風可對空氣中的多數污染物進行水平傳運和擴散，最終降低污染物的濃度。當風度低于某一臨界值時，空氣流動速度低，集中在某一區域的各類污染物不容易疏散；當風速變大，增加空氣流動性，可加快區域高濃度污染物的疏散速度和疏散距離，進而降低該區域的污染物濃度；然而，當風速繼續增大，超過另個一臨界值，此時雖然可加快某些種類的污染物的疏散速度和距離，但同時過大的風速會把地面尤其是植被覆蓋率低的地區地面的塵土顆粒卷入大氣當中，這將導致 PM10和 PM2.5等污染物在大氣中的濃度。也即，風速由低到高并且小于某個臨界值時，值越大，越利于污染物的擴散，進而改善空氣質量；而當反之，風速越小，越不利于污染物的擴散。

從四季來看，平均風速對 AQI 的影響在春季和冬季均顯著正相關，夏季和秋季不顯著相關。邢臺市空氣干燥，在春季和冬季，大風將地表大量的沙粒、粉塵帶入到空中，形成浮塵、揚沙或沙塵天氣，PM10和 PM2.5濃度隨之增加，從而導致空氣質量惡化。

（二）平均空氣溫度與 AQI

由表 3-1 可知，平均氣溫在全年與 AQI 呈現顯著的負相關性。當靠近地面的空氣層的溫度較低時，由于空氣垂直對流活動程度不活躍，不利于污染物的輸送和擴散，進而不利于空氣質量的好轉；而當接近地面的空氣溫度較高時，空氣垂直運動程度提高，大氣污染物在不同的空氣層間的擴散速度和疏散距離都增加。綜上，即溫度升高有利于空氣質量的改善?；谝荒晁募镜慕嵌?，平均空氣溫度在冬季與 AQI 數值呈顯著負相關，在夏季均呈現出顯著正相關，春、秋季不顯著。究其原因，可能是邢臺市夏天的溫度較高，此時光化學反應比較容易發生，空氣污染物在光化學反應之后會產生大量的二次氣溶膠，結果導致空氣質量下降。

（三）平均相對濕度與 AQI.

由表 3-1 可知平均相對濕度與 AQI 在全年和夏季呈顯著負相關，在冬季呈顯著正相關。與平均風速類似，相對濕度對空氣質量狀況的影響，隨著相對濕度的取值范圍而不同，此外，相對濕度對空氣質量狀況的影響還呈現季節差異。當相對濕度取值在一定范圍之內，隨著相對濕度取值的增加，空氣中的水汽便會吸附、結合更多的空氣污染物，若此時的環境條件適合降雨或降雪，并結合一定量級的風速（至少為非靜風天氣），與水汽相結合的污染物便容易隨著雨雪降下。相反，若相對濕度達到可以吸附污染物的范圍，而天氣環境卻不利于降雨降雪甚至是靜風天氣，空氣污染物濃度很難短時間降低，空氣質量難以改善，因為此時大氣層相對穩定，容易形成霧罩。邢臺市冬季時常伴有靜風、逆溫天氣，因此呈現顯著正相關，夏季則相反。

（四）平均氣壓與 AQI

由表 3-1 可知平均氣壓在全年與 AQI 呈顯著正相關，這是因為，當低壓系統而非高壓系統主導時，空氣層內部氣流垂直上升運動程度較高，并且對流速度較大，空氣污染物容易被擴散，污染物濃度容易被降低。相反，當高壓系統而非低壓系統控制時，大氣層內部氣流垂直下沉運動程度占主導，各種污染物在接近地面的空氣層中聚集，導致污染物濃度很難被降低，甚至容易被拉高。因此，低壓系統占主導時，空氣質量較好的可能性更高。平均氣壓在夏季與 AQI 呈顯著負相關，這可能受到了夏季其它氣象因素的影響，如平均相對濕度。

（五）降水量與 AQI

由表 3-1 可知，降水量與 AQI 在全年和春、秋、冬季都不顯著相關，只在夏季相關。

降水量與 AQI 的關系受到很多因素的影響，包括降雨時長、降雨量、降雨強度等密切相關。當降雨量達到一定范圍時，降雨可將空氣粒徑大于 2 微米的微粒俘獲、溶解，最后帶離大氣層，進而提高空氣質量。相反，當降水量少時，由于降雨不僅直接降低了接近地面空氣層的對流速度，也通過降低該空氣層的溫度減小空氣對流的速度，這些都不利于污染物的擴散；另一方面，正如上述關于空氣濕度對空氣質量的影響，當降水少卻也使得空氣濕度取值超過一定濃度，空氣濕度反而加大了污染物濃度。從四季的角度分析，邢臺市降水對 AQI 影響在夏季凈化作用，而冬季較的凈化作用較弱甚至不明顯，這可能因為邢臺市夏季降雨量多，冬季少。最后，由于邢臺市地處干旱區，全年降水量稀少，所以降水量與 AQI 在全年沒有體現出顯著相關性。

3.1.2 主成分分析

主成分分析方法，常常用于降維。當引入眾多影響因素作為解釋變量去探究其余被解釋變量的關系時，眾多解釋變量之間一般存有一定的相關性，從而對模型的解釋力度和模型結果產生負面影響。主成分分析常用于解決此問題，其原理是將眾多變量轉化為精簡的幾個綜合變量，并且不會丟失原來一系列變量所蘊含的主要信息。

由于降水量與氣象因素的相關性不顯著，所以只選取風速、溫度、濕度和氣壓作為變量進行因子分析，結果如表 4-2 所示。KMO 值與 1 越相近，則可認為各個變量間的共同因子越多，因子分析的有效性則越好。Bartlett 的球形度檢驗中，如果實證結果不能拒絕原假設，意味著變量不適合做因子分析，顯著水平值一般采用 0.05.此處 Sig 值明顯小于 0.05,拒絕原假設，表明模型可進行因子分析。

為四個變量共同度的運行結果，"初始"反映每個變量可被所有因子進行解釋的方差，易知因子分析法中"初始"一欄的值都等于 1."提取"是指每個變量的共同度，表中變量共同度都較大，表明變量中的大部分信息都能被因子所提取，說明因子分析的結果是有效的。

因子貢獻率的結果，4 個氣象變量意味由 4 個因子。第二大欄的"合計"表示因子特征值，"方差%"是指因子特征值占總特征值的比例，"累積%"是指累積的比例。

表中有兩個成份的特征值超過了 1,且累計特征值為 90.483%,大于 85%,因此提前兩個因子作為主因子。第三大欄為因子提取的結果，未旋轉解釋的方差。第四大欄為旋轉后解釋的方差。對比分析旋轉平方和載入列與旋轉前初的始特征值列的數值，可知主因子的特征值發生變化，取值差距相對于旋轉前而言有所縮小，但旋轉前后累計方差百分比也沒有改變，依然為 90.483%.

未旋轉的因子載荷，從該表可以得到利用主成分方法提取的兩個主因子的載荷值，表中的數據是下一步在主成分分析中計算特征向量矩陣的依據，在 SPSS"計算變量"的"數字表達式"中輸入"新數據文件中定義的新變量名稱/SQRT",最后得到如表3-6 所示的特征向量矩陣。之后對原始數據：平均風速、平均空氣溫度、平均相對濕度、平均氣壓進行標準化，將標準化后的新變量名稱分別定義為：Z 平均風速、Z 平均空氣溫度、Z 平均相對濕度和 Z 平均氣壓。將要計算的兩個主成分的變量名稱定義為 Z1 和Z2,結合表 3-6 特征向量矩陣中的數據，在"計算變量"中按以下公式計算 Z1 和 Z2,最終得到表 3-7 主成分分析結果。

Z1 0.31 Z 平均風速 0.32 Z 平均空氣溫度 0.42 Z 平均相對濕度 0.36Z 平均氣壓式 5Z2 0.46 Z 平均風速 0.41 Z 平均空氣溫度 0.23 Z 平均相對濕度 0.18Z 平均氣壓式（6）3.1.3 回歸分析利用表 3-7 中的數據，與 AQI 日度數據進行回歸分析，得到如下結果：

AQI 204.277 21.728Z1 7.815Z2標準誤差： 5.306 0.329 0.254t 值： 38.500 66.043 30.7680.452, 0.439,F 779.383當樣本很大時， 超過 0.3 也表明回歸模型具有顯著性。此處， 為 0.439,結合較大的樣本容量 912,可認為回歸分析的擬合度在可接受范圍。同時，F 779.383,與F 值相應的 P 值是 0.000,遠遠小于顯著性水平 0.05,由此可以得出提取的主成分 Z1 和Z2 對 API 解釋的部分很顯著?；貧w分析的系數的檢驗結果中，回歸模型中 Z1、Z2 系數的 t 值相應的概率值都為 0.000,均遠小于顯著性水平 0.05,說明回歸模型的系數顯著。

結合式 5 和式 6,便可得到平均風速、平均空氣溫度、平均相對濕度和平均氣壓對AQI 的解釋關系：

AQI204.277 3.6 Z 平均風速 3.749 Z 平均空氣溫度 7.32 Z 平均相對濕度6.415 Z 平均氣壓式（8）式8反映的平均風速、平均空氣溫度、平均相對濕度和平均氣壓對AQI的影響關系，驗證了本章第一小節的相關性分析中得出的結論，也即平均風速、平均空氣溫度和平均相對濕度三個因素對全年 AQI 呈現弱化影響，以及平均氣壓對全年 AQI 呈現強化影響。

3.2 邢臺市大氣污染的社會經濟因素分析

基于空氣綜合污染指數的數據可得性和該指標的計量特性，下文采用該指標的季度數據，和各項社會經濟指標在 2006 年至 2012 年期間的相應數據，對影響邢臺市環境質量的社會經濟因素進行分析。

3.2.1 相關性分析

由表3-8可以看出，第二產業占比（第二產業/GDP）、第三產業占比（第三產業/GDP）、工業結構（重工業/輕工業）、煤炭消耗量、石油消耗量、天然氣消耗量、電力消耗量這7 個變量中，只有第二產業占比、工業結構、煤炭消耗量、石油消耗量和電力消耗量這五個變量與空氣污染指數具有顯著的相關關系。另外，除去電力消耗量與空氣綜合污染指數具有負相關關系之外，其他四個變量均與該指數具有正相關關系。結合實際情況，說明邢臺市第二產業占比越高、工業結構中重工業占比越高、煤炭消耗量越高、石油消耗量越高，都會在一定程度上降低該市的空氣質量，而電力消耗量，作為一種清潔的二次能源，在邢臺市的能源消耗結構中占比的提高，有利于空氣質量的提升。

3.2.2 主成分分析

根據相關性分析結果，選取將第二產業占比、工業結構、煤炭消耗量、石油消耗量、電力消耗量這 5 個社會經濟指標作為變量進行主成分分析分析。5 個變量共同度的結果，"提取"這一列表示各個變量的共同度。表中變量共同度取值都較大，這反映出變量所蘊含的多數信息可被因子提取，因此可認為此處因子分析有效。

因子貢獻率的結果，5 個社會經濟變量意味由 5 個因子。第二大欄的"合計"表示因子特征值，"方差%"是指因子特征值占總特征值的比例，"累積%"是指累積的比例。表中有兩個成份的特征值超過了 1,且累計特征值為 86.230%,大于 85%,因此提前兩個因子作為主因子（第二、三行的解釋同表 3-4 的解釋）。

未旋轉的因子載荷，從該表可以得到利用主成分方法提取的兩個主因子的載荷值，表中的數據是下一步在主成分分析中計算特征向量矩陣的依據，在 SPSS"計算變量"的"數字表達式"中輸入"新數據文件中定義的新變量名稱/SQRT",最后得到如表3-12 所示的特征向量矩陣。之后對原始數據第二產業占比、工業結構、煤炭消耗量、石油消耗量和電力消耗量進行標準化，將標準化后的新變量名稱分別定義為 Z 第二產業占比、Z 工業結構、Z 煤炭消耗量、Z 石油消耗量和 Z 電力消耗量。將要計算的兩個主成分的變量名稱定義為 Z1 和 Z2,結合表 3-12 特征向量矩陣中的數據，在"計算變量"中按以下公式計算 Z3 和 Z4,最終得到表 3-13 主成分分析結果。

Z1 0.96 Z 第二產業占比 0.34 Z 工業結構 0.88 Z 煤炭消耗量 0.60Z 石油消耗量 0.09 Z 電力消耗量式 9Z2 0.09 Z 第二產業占比 0.78 Z 工業結構 0.10 Z 煤炭消耗量 0.29Z 石油消耗量 0.91 Z 電力消耗量式（10）3.2.3 回歸分析。

利用表 3-7 中的數據，與綜合空氣污染指數季度數據進行回歸分析，得到如下結果：綜合空氣污染指數 4.11 1.037Z1 0.905Z2標準誤差： 0.243 0.486 0.359t 值： 16.914 2.134 2.5210.645, 0.617,F 144.372此處， 為 0.645,表明回歸分析的擬合度在可接受范圍。同時，F 144.372,與F 值相應的 P 值是 0.000,遠遠小于顯著性水平 0.05,由此可以得出提取的主成分 Z1和 Z2 對綜合空氣污染指數解釋的部分很顯著?；貧w分析的系數的檢驗結果中，回歸模型中 Z1 、Z2 系數的 t 值均小于顯著性水平 0.05 下的臨界值，說明回歸模型的系數顯著。

結合式 9 和式 10,第二產業占比、工業結構、煤炭消耗量、石油消耗量、電力消耗量對綜合空氣污染指數的影響關系：綜合空氣污染指數4.11 0.914 Z 第二產業占比 1.508 Z 工業結構 0.822Z 煤炭消耗量 0.360 Z 石油消耗量 0.732 Z 電力消耗量式（11）式 11 反映的第二產業占比、工業結構、煤炭消耗量、石油消耗量、電力消耗量這 5個變量對空氣綜合污染指數的影響關系，驗證了 3.2.1 相關性分析部分得出的結論，也即，第二產業占比、工業結構、煤炭消耗量、石油消耗量對空氣綜合污染指數的影響呈現強化關系，電力消耗量對空氣綜合污染指數的影響呈現弱化關系。

3.3 本章小結

相關性分析和回歸分析都表明，基于 2012 年 1 月 1 日至 2014 年 6 月 30 日的日度數據，平均風速、平均空氣溫度和平均相對濕度這三個氣象因素對全年 AQI 的影響呈現弱化作用，平均氣壓對全年 AQI 的影響呈現強化作用；基于 2007 第一季度到 2012年第四季度的季度數據，第二產業占比、工業結構、煤炭消耗量、石油消耗量這四個社會經濟因素對空氣綜合污染指數的影響呈現強化作用，電力消耗量對空氣綜合污染指數的影響呈現弱化作用。

其次，降水量與全年 AQI 不具有顯著的相關關系，第三產業占比和燃氣消耗量與空氣綜合污染指數不具有顯著的相關性關系。

另外，從四季來看，平均風速對 AQI 的影響在春季和冬季均顯著正相關，夏季和秋季不顯著相關；平均空氣溫度在冬季與 AQI 呈顯著負相關，在夏季均呈現出顯著正相關，春、秋季不顯著；平均相對濕度在冬季與 AQI 呈現顯著正相關，夏季則相反；平均氣壓在夏季與 AQI 呈顯著負相關。

以上關于氣象因素和社會經濟因素與 AQI 的關系分析，可為相關部門治理大氣污染時考慮氣象因素好社會經濟因素的干擾作用或促進作用提供一定依據。具體的政策建議，下文將給出。