基于主成分分析的南京地区空气质量影响因素分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于主成分分析的南京地区空气质量影响因素分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要 随着经济和生产的发展，环境问题渐渐成为一项不能不重视的难题，而空气质量又是与人们生活所息息相关的问题。近期以来PM2.5一直是社会所议论的热点，本文针对12月初南京地区空气质量的异常，广泛地查询了各种相关因素，通过spss软件进行计算，并运用主成分分析的方法进行综合分析和评价。空气质量问题是一个较为复杂的问题，其产生原因众多且相互联系。本文运用主成分分析的方法，通过对各因素的计算和分析，得出降水量等因素与空气质量指数之间的关系，评估其相关性并计算相关度，从而提出解决方法。

关键词 空气质量指数；PM2.5；主成分分析；空气污染

中图分类号X8 文献标识码A 文章编号 1674-6708（2014）110-0135-02

1 空气质量评价的指标体系和评价方法

1.1 指标体系

空气质量指数（Air Quality Index，简称AQI）是定量描述空气质量状况的无量纲指数，参与空气质量评价的主要污染物为细颗粒物（PM2.5）、可吸入颗粒物（pm10）、二氧化硫（SO2）、二氧化氮（NO2）、臭氧（O3）、一氧化碳（CO）等六项。也就是说空气质量指数是个复杂的量，又由于影响空气质量的因素具有多样性和复杂性，在这里我们不可能将所有的因素全部罗列。所以本文列举了一些常见且具有代表的因素，包括：平均温度、最高风速、平均风速、海平面气压、露点、湿度、降水量、南京pm2.5浓度、周边地区空气质量指数（这里采用距离南京最近的四个市：扬州市、镇江市、滁州市、马鞍山市的平均空气质量指数）以及南京空气质量指数。

1.2 评价方法

图1 主成份分析法示意图

主成分分析(PCA)最早是由美国统计学家皮尔逊(PEARSON)在1901年的生物学理论研究中引入的，也称主分量分析或矩阵数据分析。它通过变量变换的方法把相关的变量变为若干不相关的综合指标变量，比如，建立一个指标体系，为了从不同的侧面反应系统分析和评价的综合性与全面性，在指标体系中要设立若干个（n个）指标，其指标权数的确定方法是基于数据分析而得到指标间的一种内在关系，摒弃了人工评价确定权数的主观性，是一种客观合理的方法，因此被广泛用于经济、社会、技术等领域，并起到了重要的作用。在环境质量评价方面，主成分分析是指把描述环境质量的多个要素(样本)化为少数几个综合指标的一种统计方法 。主成分分析的具体步骤如下：1）计算相关矩阵或协变量矩阵估计共同性（community，或称共通性）：是设定主成分开始萃取时的共同性。共同性是指变量的方差由主成分决定的比例，若是相关矩阵则共同性设为1；若是协变量矩阵则共同性为各变量的方差；2）从相关矩阵或协方差助阵中萃取主成分；3）决定因素的数目，对因素分析进行命名和结果解释。

2 数据的收集和处理分析

2.1 数据的收集

本文所使用的数据来源于国家空气质量自动监测点位的空气质量自动监测结果，进行整理和处理后作为原始数据使用。

2.2 数据的处理

使用spss软件对原始数据进行录入并处理，得出以下结果。

表1 主成分特征值及贡献率

成份

1 2 3

平均温度 0.484 0.563 0.299

最高风速 -0.105 0.882 0.046

平均风速 -0.251 0.896 0.004

海平面气压 -0.528 0.547 0.072

露点 0.406 0.293 0.852

湿度 0.168 -0.062 0.953

降水量 -0.704 0.244 0.538

南京pm2.5浓度 0.918 -0.158 0.333

周边地区AQI 0.938 -0.091 0.210

南京AQI 0.926 -0.131 0.317

表2旋转因子载荷矩阵

选取特征值大于1或累积贡献率大于85％ 因子为主成分。由表2可以发现，只有前三个成分的特征值是大于1的，其余都小于1，且前三个成分累积贡献率为85.262%，达到了85%的要求。所以本文将前三成分选取为主成分进行分析。对这三个主成分进一步分析得到标准化的正交旋转因子矩阵见表2。

3 数据分析

第一个主成分贡献率为44.757%，其包含降水量、南京pm2.5浓度、周边地区AQI（空气质量指数）、南京AQI，这些因素包含南京AQI，即与南京空气质量指数关系密切，所以本文将第一个主成分命名为“明显相关成分”。首先我们看到，南京pm2.5浓度与南京AQI之间有着极大的正相关性，也就是说，在数据采集的这两周内，pm2.5颗粒是南京空气质量的主要污染物，这正与国家空气质量自动监测点位给出的数据相一致，同时也符合南京12月初雾霾严重这一事实。在这里，本文可以给出一个初步的结论：在数据采集的两周内，影响南京地区空气质量指数的主要因素为pm2.5浓度。

接下来观察到周边地区AQI（空气质量指数）也具有较高的正载荷（0.938），这说明周边地区的AQI与南京地区AQI也具有极大的相关性。对于12月初南京的雾霾现象，有的市民认为是因为南京近期修路修地铁产生了大量灰尘所致。但是从数据中本文得到的结论是，南京空气质量和周边地区相一致，也就是说，12月初的雾霾现象涵盖面很广，并不仅仅是南京地区个别的现象。所以认为仅是因为南京近期的施工建设导致了空气质量的恶化是不严谨也是不准确的。

同时从第一个主成分中得到的还有降水量具有较高的负载荷，即降水量与南京空气质量之间存在很大负相关性。当降水量增加时，南京AQI显著下降，说明南京空气质量优化。本文认为这是由于雨水溶解了空气中的pm2.5颗粒，显著降低了空气中的pm2.5浓度，从而使南京空气质量指数减小。这也与上文得出的结论一致：在数据采集的这两周内，pm2.5颗粒是南京空气质量的主要污染物。PM2.5主要对呼吸系统和心血管系统造成伤害，包括呼吸道受刺激、咳嗽、呼吸困难、降低肺功能、加重哮喘、导致慢性支气管炎、心律失常、非致命性的心脏病、心肺病患者的过早死，同时人体的生理结构决定了对PM2.5没有任何过滤、阻拦能力。根据降水量与空气质量的关系，本文认为当pm2.5为主要空气污染物时，相关部门可以采取人工降雨的方式，有效地改善空气质量。

第二个主成分和第三个主成分贡献率分别为27.948%和12.557.第二个主成分包含平均温度、平均风速、最高风速、海平面气压，第三个主成分包含湿度和露点。这两个主成分均与南京空气质量指数关系较小，因此本文将其命名为“非明显相关成分”。虽然其相关性很小，但是依然可以对其进行一定的探究。由旋转因子载荷矩阵可以看到，平均温度与南京AQI、风速与南京AQI之间均有不明显的负相关性。相关资料显示，数据采集的两周内，南京地区温度的降低是受到北方寒流过境的影响，那么本文猜测，寒流的过境带走了一部分空气中的pm2.5颗粒，从而使得空气质量指数的下降，同时风速的影响也是同样的原因。虽然其相关性并不明显，但是从网络上查询的资料显示，南京空气质量好转之后一段时间，福建沿海甚至台湾地区出现了雾霾现象，这与上文的推论是相一致的。因此本文认为，寒流的过境很有可能也是促使南京空气质量好转的一个原因。

在得到了污染的主要因素的基础上，继续对造成这现象的原因进行分析。通过原始数据及相关系数矩阵，能够分析出南京地区12月初高污染时期温度与风速变化较小，且很长时间降水量均为零。通过查阅资料，南京全年消耗煤炭4400万吨，相当于每个南京人一年就要消耗5吨左右的煤炭。目前南京煤炭消耗已经超过北京每年消耗2200万吨，两者相差一倍，而今年南京在广泛地进行公路、地铁等设施建设，同时这一段时间是大部分农村地区燃烧麦秸的高峰期。那么基于这些条件，可以得出结论：南京雾霾严重的原因是工业废气、废物的排放；又由于上近期气流稳定、降水较少，加上农村地区麦秸的露天燃烧，更是加剧了空气质量的恶化。

4 结论

本文针对南京地区12月初空气质量恶化、雾霾严重的现象，对收集的因素进行主成分分析，发现降水能够有效地降低空气中的pm2.5指数，同时寒流也有可能是影响本次雾霾消散的一大原因。空气污染问题一直是近年来社会关注的焦点，也是损害民众身心健康一个很大隐患。2013年9月12日，国务院印发《大气污染防治行动计划》，提出经过五年努力，全国空气质量总体改善，重污染天气较大幅度减少；京津冀、长三角、珠三角等区域空气质量明显好转。力争再用五年或更长时间，逐步消除重污染天气，全国空气质量明显改善。当然，要达成彻底改善空气质量的目标还是任重而道远的，不仅需要运用科学的方法寻找解决问题的方案，更需要全社会共同而不懈的努力。

参考文献

[1]胡晓芳，王祖伟，王晓娟.基于主成分分析法研究内蒙古环境质量的统计分析，2012，2.

[2]杜敏.基于主成分分析法的环境质量综合指数研究，2011，12.

[3]孙东升.基于主成分分析法研究南京市环境质量的统计分析，2012，12.

[4]张贤达.矩阵分析与应用.清华大学出版社，2008，4.

[5]汪应洛.系统工程[M].北京：机械工业出版社，2009.

[6]林震岩.多变量分析SPSS的操作与应用.北京大学出版社，2007，8.