CN111626624B - 一种空气质量改善评价方法 - Google Patents

一种空气质量改善评价方法 Download PDF

Info

Publication number
CN111626624B
CN111626624B CN202010477353.6A CN202010477353A CN111626624B CN 111626624 B CN111626624 B CN 111626624B CN 202010477353 A CN202010477353 A CN 202010477353A CN 111626624 B CN111626624 B CN 111626624B
Authority
CN
China
Prior art keywords
air quality
rate
weight
evaluation index
quality improvement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010477353.6A
Other languages
English (en)
Other versions
CN111626624A (zh
Inventor
罗彬�
文新茹
陈明扬
王聪
杨耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Environmental Policy Research And Planning Institute
Original Assignee
Sichuan Environmental Policy Research And Planning Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Environmental Policy Research And Planning Institute filed Critical Sichuan Environmental Policy Research And Planning Institute
Priority to CN202010477353.6A priority Critical patent/CN111626624B/zh
Publication of CN111626624A publication Critical patent/CN111626624A/zh
Application granted granted Critical
Publication of CN111626624B publication Critical patent/CN111626624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Chemical & Material Sciences (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Air Conditioning Control Device (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)

Abstract

本发明提供一种空气质量改善评价方法，充分考虑到不同大气污染物的同比变化对空气质量改善的贡献不同和污染物的季节特征，并确定不同评价指标因子的权重，突出各评价指标因子的差异性。同时，考虑到空气质量较好城市(地区)的空气质量改善指数对评价指标因子波动较为敏感引入波动系，构建出空气质量改善指数(Air Quality Improvement Index，AQII)。所述空气质量改善指数可及时评价月度空气质量改善/恶化情况，且在空气质量改善情况评价过程中，避免了评价人员的主观因素的影响，可及时体现环境空气质量改善/恶化情况，直观反映造成空气质量改善或恶化的特征污染物，为制定有效的污染控制措施及评估污染控制措施成效提供理论依据。

Description

一种空气质量改善评价方法
技术领域
本发明属于空气质量评价技术领域，特别涉及一种空气质量改善评价方法。
背景技术
近年来，我国的工业化、机动化快速发展，各类能源资源消耗持续增加，由于工业生产和交通运输等人为因素造成的大气污染日趋严重，以颗粒物、臭氧等多种污染物为特征污染物的复合型区域性大气环境问题日益突出。由于大气环境是一个包含了复杂物质能量交换过程且相对动态的耦合系统，且大气污染状况易受天气情况和地域转移等不确定因素和水平的影响，增加大气污染治理的难度和准度。因此，对空气质量改善状况进行准确、客观、及时的综合评价和分析，可为制定有效的区域污染控制措施及评估污染控制措施成效提供理论依据。
当前，传统的空气污染指数(AirPollution Index，API)和修正后的环境空气质量指数(Air Quality Index，AQI)法应用较广泛。API将常规监测的SO2、NO2、PM10浓度简化成为单一的数值，并进行空气污染程度和空气质量状况分级。AQI是一套在国际上被广泛应用的大气环境质量评价体系，是一种评价大气环境质量状况简单而直观的指标。AQI评价的SO2、NO2、PM10、PM2.5、CO和O3六项污染物因子具有不同的浓度限值，环境评价时需将不同污染物的观测值折算成各个空气质量分指数IAQI，取各个分指数值中最大的一个数值作为AQI值。以上方法评价结果简明方便，但不能直观反映环境空气质量改善情况，且忽略了各个污染物对空气质量改善的影响程度和污染物的季节特征。
发明内容
本发明的目的在于针对现有技术的不足，提供一种空气质量改善评价方法，解决现有技术无法快速、直观评价空气质量改善情况，以及无法评价各主要大气污染物对空气质量改善的影响程度，无法直观反映造成空气质量改善或恶化的特征污染物的问题，弥补现有技术对空气质量改善情况评价体系的缺失，实现精准、快速地反映目前空气质量改善进行到相持攻坚期的情况。
本发明充分考虑到不同大气污染物的同比变化对空气质量改善的贡献不同和污染物的季节特征，并确定不同评价指标因子的权重，突出各评价指标因子的差异性。同时，考虑到空气质量较好城市(地区)的空气质量改善指数对评价指标因子波动较为敏感，故引入波动系，构建出空气质量改善指数(Air Quality Improvement Index，AQII)。所述空气质量改善指数可及时评价月度空气质量改善/恶化情况，且在空气质量改善情况评价过程中，避免了评价人员的主观因素的影响，可及时体现环境空气质量改善/恶化情况，直观反映造成空气质量改善或恶化的特征污染物，为制定有效的污染控制措施及评估污染控制措施成效提供理论依据。
本发明所述空气质量改善评价方法，包括以下步骤：
(1)确定空气质量评价城市或地区内主要大气污染物浓度的月度或年度同比变化率，确定优良天数率的月度或年度同比变化率，作为多个评价指标因子(C)；
(2)根据不同大气污染物对污染天的贡献程度以及大气污染物的季节特征，确定每项评价指标因子的权重(Q)；
(3)确定波动系数：鉴于空气质量较好城市(地区)主要大气污染物浓度较低，空气质量改善指数对评价指标因子波动较为敏感，为减少波动带来的误差，引入波动系数；
(4)建立空气质量改善指数(AQII)：引入每项评价指标因子的权重，设定波动系数，建立如下空气质量改善评价模型：
式中：AQII为空气质量改善指数(％)，Ci、Qi分别为各项主要大气污染物评价指标因子(主要大气污染物同比变化率，％)和各评价指标因子对应的权重(％)，Cj、Qj分别为优良天数率同比变化率(％)、优良天数率同比变化率的权重(％)，γ为波动系数。
(5)制定空气质量改善评价标准：以AQII＝50％作为空气质量改善情况的分界线。当AQII小于50％，表示空气质量同比去年为恶化，且AQII越负向远离50％，表示恶化情况越严重；当AQII大于50％，表示空气质量同比去年为改善，且AQII越正向远离50％，表示改善情况越好；根据评价指标因子及其权重乘积的绝对值大小，判断造成空气质量改善或恶化的特征评价指标(特征污染物)，绝对值越大，表示该项评价指标因子对引起空气质量变化决定性越大；除优良天数率同比变化率这一评价指标因子外，评价指标因子与其权重乘积若为正值，则表示该评价指标因子造成空气质量同比恶化，评价指标因子与其权重乘积若为负值，则表示该评价指标因子造成空气质量同比改善；对于优良天数率同比变化率评价指标因子，评价指标因子与其权重乘积若为正值，则表示该评价指标因子造成空气质量同比改善，评价指标因子与其权重乘积若为负值，则表示该评价指标因子造成空气质量同比恶化。
所述优良天数率中的“优良天数率”是按照本领域空气质量监测的常规标准确定的空气质量“优”和空气质量“良”的天数的和，与监测时间段(月度或年度)的百分比。
上述方法中，进一步地，步骤(1)确定评价指标因子时，参考《环境空气质量标准》(GB3095-2012)与《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)的规定，选取六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10同比变化率和优良天数率同比变化率，作为评价指标因子(C)；所述同比变化率为月度或年度同比变化率。
上述方法中，进一步地，步骤(2)中，评价指标因子权重包括SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。考虑到近年来，全国SO2和CO已基本实现稳定达标，对SO2和CO同比变化率设定较低的权重；PM2.5和优良天数率是“十三五”生态环境保护规划中的约束性指标，而O3污染已逐步成为造成空气质量污染的首要污染物，因此给予PM2.5、优良天数率和O3同比变化率相对较高的权重。
上述方法中，进一步地，步骤(2)中，根据近年来大气污染特征，O3和PM2.5污染表现出明显的季节特征，即春夏季特征污染物为O3，秋冬季特征污染物为PM2.5。确定评价指标因子权重时，在本发明的一种实施方式中对春夏季和秋冬季O3和PM2.5同比变化率因子给予不同的权重，在本发明的另一种实施方式中弱化了O3和PM2.5的季节差异。具体地，各评价指标因子权重和优良天数率同比变化率的权重优选设定方案如下：
方案一：对春夏季和秋冬季O3和PM2.5同比变化率因子给予不同的权重
春夏季：3月至8月：
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝25-30％；Q(CO)＝3-8％；Q(PM10)＝15-20％；Q(PM2.5)＝10-15％；Q(优良天)＝15-20％
优选为：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝25-30％；Q(CO)＝5％；Q(PM10)＝15-20％；Q(PM2.5)＝10-15％；Q(优良天)＝15-20％
秋冬季：9月至次年2月：
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝10-15％；Q(CO)＝3-8％；Q(PM10)＝15-20％；Q(PM2.5)＝25-30％；Q(优良天)＝15-20％
优选为：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝10-15％；Q(CO)＝5％；Q(PM10)＝15-20％；Q(PM2.5)＝25-30％；Q(优良天)＝15-20％
方案二：弱化O3和PM2.5的季节差异
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝20-25％；Q(CO)＝3-8％；Q(PM10)＝15-20％；Q(PM2.5)＝20-25％；Q(优良天)＝15-20％
优选为：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝20-25％；Q(CO)＝5％；Q(PM10)＝15-20％；Q(PM2.5)＝20-25％；Q(优良天)＝15-20％
在每次空气质量改善评价中，使用的以上各评价因子权重和优良天数率同比变化率权重之和满足100％。
上述方法中，进一步地，步骤(3)中波动系数设定如下：
年平均PM2.5浓度＞15微克每立方米的城市(地区)，波动系数设定为1；
年平均PM2.5浓度≤15微克每立方米的城市(地区)，波动系数设定为0.3～0.5。
与现有技术相比，本发明具有以下有益效果：
本发明充分考虑不同大气污染物的同比变化对空气质量改善的贡献不同和污染物的季节特征，确定不同评价指标因子的权重，突出各评价指标因子的差异性；同时考虑到空气质量较好城市(地区)的空气质量改善指数对评价指标因子波动较为敏感，引入波动系数，最终制定出空气质量评价模型，用该模型计算出的空气质量改善指数可用以及时评价月度空气质量改善/恶化情况，且在空气质量改善情况评价过程中，避免了评价人员的主观因素的影响，可及时体现环境空气质量改善/恶化情况，直观反映造成空气质量改善或恶化的特征污染物，为制定有效的污染控制措施及评估污染控制措施成效提供理论依据。
附图说明
图1为实施例1中2019年1月—12月城市A空气质量改善指数图；
图2为实施例2中2019年1月—12月城市B空气质量改善指数图；
图3为实施例3中2019年10个城市空气质量改善指数图；
图4为对比例1中2019年1月—12月城市A空气质量改善指数图(对比例1)；
图5为对比例2中2019年1月—12月城市A空气质量改善指数图(对比例2)。
具体实施方式
以下通过具体实施例对本发明做进一步详细、完整的说明。有必要指出，以下实施例只用于对本发明作进一步说明，不能理解为对本发明保护范围的限制，所属领域技术人员根据上述发明内容，对本发明做出一些非本质的改进和调整进行具体实施，仍属于发明保护的范围。
实施例1
本实施例中选取城市A(年平均PM2.5浓度＞15微克每立方米)2019年1月至12月空气质量数据作为实施例数据，方法如下：
(1)确定评价指标因子(C)：确定六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10的月度同比变化率，确定优良天数率的月度同比变化率，作为评价指标因子；
(2)确定评价指标因子权重(Q)：包括SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。评价指标因子权重设定如下：
春夏季：3月至8月：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝25％；Q(CO)＝5％；Q(PM10)＝20％；Q(PM2.5)＝15％；Q(优良天)＝20％
秋冬季：9月至次年2月：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝15％；Q(CO)＝5％；Q(PM10)＝20％；Q(PM2.5)＝25％；Q(优良天)＝20％
(3)确定波动系数：城市A年平均PM2.5浓度＞15微克每立方米，因此波动系数设定为1；
(4)根据空气质量改善评价模型，计算空气质量改善指数(AQII)，空气质量改善评价模型如下：
式中：AQII为空气质量改善指数(％)，Ci、Qi分别为六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10评价指标因子(％)和评价指标因子的权重(％)，Cj、Qj分别为优良天数率同比改善率(％)、优良天数率同比改善率的权重(％)，γ为波动系数。
2019年1月至12月城市A环境空气质量监测数据和空气质量改善指数(AQII)、环境空气质量改善/恶化主要因素识别分别如表1、表2所示
表1 2019年1月至12月城市A环境空气质量监测数据统计表
表2 2019年1月至12月城市A环境空气质量改善/恶化主要贡献因子识别表(每个评价指标因子对应数据为其与权重的乘积)
空气质量改善情况评价：2019年，城市A12个月中有8个月空气质量呈现不同程度的改善，6月、8月、9月和12月AQII低于分界线，说明这4个月空气质量同比恶化。根据评价指标因子及其权重乘积，识别出造成6月和8月空气质量同比恶化的特征评价指标是O3；造成9月和12月空气质量同比恶化的特征评价指标分别是PM10和PM2.5，且9月NO2、O3、CO、PM10、PM2.5几项指标均出现较大幅度的上升，空气质量恶化程度较为严重；2月空气质量改善程度最大，各项评价指标均出现较大程度改善，其中由优良天数率的同比增大对空气质量改善的贡献最大；城市A夏季空气质量的改善(恶化)除4月外均O3的改善(恶化)贡献最大。
实施例2
本实施例中选取城市B(年平均PM2.5浓度≤15微克每立方米)2019年1月至12月及年度空气质量数据作为实施例子数据，方法如下：
(1)确定评价指标因子(C)：确定六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10的月度及年度同比变化率，确定优良天数率的月度及年度同比变化率，作为评价指标因子；
(2)确定评价指标因子权重(Q)：包括SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。评价指标因子权重设定如下：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝25％；Q(CO)＝5％；Q(PM10)＝15％；Q(PM2.5)＝25％；Q(优良天)＝15％
(3)确定波动系数：城市B年平均PM2.5浓度≤15微克每立方米，波动系数设定为0.5；
(4)根据空气质量改善评价模型(同实施例1)，计算空气质量改善指数(AQII)。
2019年1月—12月城市B环境空气质量监测数据和空气质量改善指数(AQII)、环境空气质量改善/恶化主要因素识别分贝如表3、表4所示。
表3 2019年1月至12月城市B环境空气质量监测数据统计表
表4 2019年1月至12月城市B环境空气质量改善/恶化主要贡献因子识别表(每个评价指标因子对应数据为其与权重的乘积)
空气质量改善情况评价：2019年，城市B12个月中有10个月空气质量呈现不同程度的改善，4月和12月AQII指数稍低于分界线，说明4月和12月空气质量同比略微恶化。根据评价指标因子及其权重乘积，识别出造成4月和12月空气质量同比恶化的特征评价指标均为NO2；空气质量改善明显的月份PM2.5和O3等权重较高的指标的同比改善情况均比较明显，城市A空气质量改善月份多数由PM2.5改善贡献；由2019年12个月月度AQII平均数得到的月均改善指数与2019年年度监测数据计算得出的年度AQII相差不大，说明本发明的空气质量改善评价模型计算出的AQII同时具有年度与月度适用性。
实施例3
本实施例中选取10个城市2019年空气质量数据作为实施事例，方法如下：
(1)确定评价指标因子(C)：确定六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10的年度同比变化率，确定优良天数率的月度同比变化率，作为评价指标因子；
(2)确定评价指标因子权重(Q)：包括SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。评价指标因子权重设定如下：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝20％；Q(CO)＝5％；Q(PM10)＝20％；Q(PM2.5)＝25％；Q(优良天)＝15％
(3)确定波动系数：年平均PM2.5浓度＞15微克每立方米的城市，波动系数设定为1；年平均PM2.5浓度≤15微克每立方米的城市，波动系数设定为0.5；
(4)根据空气质量改善评价模型(同实施例1)，计算每个城市的空气质量改善指数(AQII)。
2019年10个城市环境空气质量监测数据和空气质量改善指数(AQII)。、环境空气质量改善/恶化主要因素识别分别如表5、表6所示。
表5 2019年10个城市年度环境空气质量监测数据统计表
表6 2019年10个城市年度环境空气质量改善/恶化主要贡献因子识别表(每个评价指标因子对应数据为其与权重的乘积)
空气质量改善情况评价：2019年，10个城市中有5个城市空气质量呈现不同程度的改善，4个城市空气质量同比恶化。城市6SO2和O3同比降低，与PM2.5同比增加的改善效果相互抵消，造成空气质量改善不明显。根据评价指标因子及其权重乘积，识别出造成城市2和城市9空气质量同比恶化的特征评价指标均为O3；城市5和城市7空气质量改善由PM10的同比改善贡献。
对比例1
本对比例中选取城市A(年平均PM2.5浓度＞15微克每立方米)2019年1月至12月空气质量数据作为实施例数据，方法如下：
(1)确定评价指标因子(C)：确定六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10的月度同比变化率，确定优良天数率的月度同比变化率，作为评价指标因子；
(2)确定评价指标因子权重(Q)：SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。评价指标因子权重设定如下：
Q(SO2)＝20％；Q(NOx)＝25％；Q(O3)＝5％；Q(CO)＝10％；Q(PM10)＝20％；Q(PM2.5)＝10％；Q(优良天)＝10％
(3)确定波动系数：城市A年平均PM2.5浓度＞15微克每立方米，因此波动系数设定为1；
(4)根据空气质量改善评价模型，计算空气质量改善指数(AQII)，空气质量改善评价模型如下：
式中：AQII为空气质量改善指数(％)，Ci、Qi分别为六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10评价指标因子(％)和评价指标因子的权重(％)，Cj、Qj分别为优良天数率同比改善率(％)、优良天数率同比改善率的权重(％)，γ为波动系数。
2019年1月至12月城市A环境空气质量监测数据和空气质量改善指数(AQII)、环境空气质量改善/恶化主要因素识别如表7、表8所示。
表7 2019年1月至12月城市A环境空气质量监测数据统计表
表8 2019年1月至12月城市A环境空气质量改善/恶化主要贡献因子识别表(每个评价指标因子对应数据为其与权重的乘积)
空气质量改善情况评价：2019年，城市A12个月中有10个月空气质量呈现不同程度的改善，与实施例1相比，6月和8月的空气质量改善指数由低于分界线转变为略高于分界线，且根据评价指标因子及其权重乘积，识别出造成6月和8月空气质量同比变化的特征评价指标分别为SO2和PM10。6月，NO2、O3和PM10浓度分别同比上升22.22％、14.35％和6.7％，优良天数率同比下降3.33％。8月，O3、PM10和PM2.5浓度分别同比上升14.13％、17.2％和5.94％，优良天数率同比下降3.23％。用此种权重算出的空气质量改善指数与实际空气质量改善情况有所出入，并未体现造成空气污染的重要污染物(如O3、PM2.5、优良天数率)的同比变化对空气质量改善或恶化带来的影响，且放大了SO2和CO等已达标评价指标对空气质量改善指数的影响程度，不能准确反映空气质量改善情况。说明本发明技术方案中，各项评价因子的权重设置合理，计算出的空气质量改善指数能够准确反应空气质量改善状态。
对比例2
本对比例中选取城市A(年平均PM2.5浓度＞15微克每立方米)2019年1月至12月空气质量数据作为实施例数据，方法如下：
(1)确定评价指标因子(C)：确定六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10的月度同比变化率，确定优良天数率的月度同比变化率，作为评价指标因子；
(2)确定评价指标因子权重(Q)：SO2同比变化率权重、NO2同比变化率权重、O3同比变化率权重、CO同比变化率权重、PM2.5同比变化率权重、PM10同比变化率权重和优良天数率同比变化率权重。评价指标因子权重设定如下：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝50％；Q(CO)＝5％；Q(PM10)＝10％；Q(PM2.5)＝10％；Q(优良天)＝10％
(3)确定波动系数：城市A年平均PM2.5浓度＞15微克每立方米，因此波动系数设定为1；
(4)根据空气质量改善评价模型，计算空气质量改善指数(AQII)，空气质量改善评价模型如下：
式中：AQII为空气质量改善指数(％)，Ci、Qi分别为六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10评价指标因子(％)和评价指标因子的权重(％)，Cj、Qj分别为优良天数率同比改善率(％)、优良天数率同比改善率的权重(％)，γ为波动系数。
2019年1月至12月城市A环境空气质量监测数据和空气质量改善指数(AQII)、环境空气质量改善/恶化主要因素识别分别如表9、表10所示。
表9 2019年1月至12月城市A环境空气质量监测数据统计表
表10 2019年1月至12月城市A环境空气质量改善/恶化主要贡献因子识别表(每个评价指标因子对应数据为其与权重的乘积)
空气质量改善情况评价：2019年，城市A12个月中有7个月空气质量呈现不同程度的改善，与实施例1相比，由于评价指标因子的权重设置，10月空气质量改善指数由57.85％降低为46.44％，指数降低幅度达到11％，导致10月空气质量由实施例1中的改善转变为恶化，但是10月评价指标因子中，除O3浓度同比增大外，其余评价指标因子均表现出不同程度的改善，此种权重下放大了O3对空气质量改善的影响，造成空气质量改善/恶化的主要贡献因子与AQII不相符的情况。根据评价指标因子及其权重乘积，识别出除4月空气质量的改善由SO2和NO2的改善贡献，其余月份空气质量的改善/恶化均由O3的变化贡献。当O3和PM2.5的权重不在权利要求书步骤(2)中设定的评价指标因子权重范围时，在识别空气质量改善/恶化的主要贡献因子时会导致与实际情况具有较大误差，不能准确识别空气质量改善/恶化的主要贡献因子、反映空气质量改善情况。

Claims (5)

1.一种空气质量改善评价方法，包括以下步骤：
(1)选取六项主要大气污染物SO2、NO2、O3、CO、PM2.5、PM10，确定空气质量评价城市或地区内主要大气污染物浓度的月度或年度同比变化率，确定优良天数率的月度或年度同比变化率，作为多项评价指标因子C；
(2)根据不同大气污染物对污染天的贡献程度以及大气污染物的季节特征，确定每项评价指标因子的权重Q；所述评价指标因子权重包括SO2浓度同比变化率权重、NO2浓度同比变化率权重、O3浓度同比变化率权重、CO浓度同比变化率权重、PM2.5浓度同比变化率权重、PM10浓度同比变化率权重和优良天数率同比变化率权重；根据近年来大气污染特征，对于O3和PM2.5污染表现出明显的季节特征的地区，即春夏季特征污染物为O3，秋冬季特征污染物为PM2.5，确定评价指标因子权重时，对春夏季和秋冬季O3和PM2.5同比变化率因子给予不同的权重；
(3)确定波动系数：鉴于空气质量较好城市或地区主要大气污染物浓度较低，空气质量改善指数对评价指标因子波动较为敏感，为减少波动带来的误差，引入波动系数；年平均PM2.5浓度＞15微克每立方米的城市或地区，波动系数设定为1；年平均PM2.5浓度≤15微克每立方米的城市或地区，波动系数设定为0.3～0.5；
(4)建立空气质量改善指数AQII：引入每项评价指标因子的权重，设定波动系数，建立如下空气质量改善评价模型，
式中：AQII为空气质量改善指数(％)，Ci、Qi分别为各项主要大气污染物评价指标因子和各评价指标因子对应的权重，Cj、Qj分别为优良天数率同比变化率、优良天数率同比变化率的权重，γ为波动系数；
(5)制定空气质量改善评价标准：以AQII＝50％作为空气质量改善情况的分界线；当AQII小于50％，表示空气质量同比恶化，且AQII越负向远离50％表示恶化情况越严重；当AQII大于50％，表示空气质量同比改善，且AQII越正向远离50％表示改善情况越好；根据评价指标因子及其权重乘积的绝对值大小，判断造成空气质量改善或恶化的特征评价指标，绝对值越大，表示该项评价指标因子对引起空气质量变化决定性越大；除优良天数率同比变化率这一评价指标因子外，评价指标因子与其权重乘积若为正值，则表示该评价指标因子造成空气质量同比恶化，评价指标因子与其权重乘积若为负值，则表示该评价指标因子造成空气质量同比改善；对于优良天数率同比变化率评价指标因子，评价指标因子与其权重乘积若为正值，则表示该评价指标因子造成空气质量同比改善，评价指标因子与其权重乘积若为负值，则表示该评价指标因子造成空气质量同比恶化。
2.根据权利要求1所述方法，其特征在于，对于O3和PM2.5污染表现出明显的季节特征的地区，春夏季和秋冬季O3和PM2.5同比变化率因子给予不同的权重，具体如下：
春夏季：3月至8月：
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝25-30％；Q(CO)＝3-8％；Q(PM10)＝15-20％；
Q(PM2.5)＝10-15％；Q(优良天)＝15-20％；
秋冬季：9月至次年2月：
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝10-15％；Q(CO)＝3-8％；Q(PM10)＝15-20％；
Q(PM2.5)＝25-30％；Q(优良天)＝15-20％。
3.根据权利要求2所述方法，其特征在于，对春夏季和秋冬季O3和PM2.5同比变化率因子给予不同的权重，具体如下：
春夏季：3月至8月：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝25-30％；Q(CO)＝5％；Q(PM10)＝15-20％；
Q(PM2.5)＝10-15％；Q(优良天)＝15-20％；
秋冬季：9月至次年2月：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝10-15％；Q(CO)＝5％；Q(PM10)＝15-20％；
Q(PM2.5)＝25-30％；Q(优良天)＝15-20％。
4.根据权利要求1所述方法，其特征在于，步骤(2)中，根据近年来大气污染特征，对于O3和PM2.5污染未表现出明显的季节特征的城市或地区，确定评价指标因子权重如下：
Q(SO2)＝3-8％；Q(NOx)＝8-15％；Q(O3)＝20-25％；Q(CO)＝3-8％；Q(PM10)＝15-20％；
Q(PM2.5)＝20-25％；Q(优良天)＝15-20％。
5.根据权利要求4所述方法，其特征在于，步骤(2)中，根据近年来大气污染特征，对于O3和PM2.5污染未表现出明显的季节特征的城市或地区，确定评价指标因子权重如下：
Q(SO2)＝5％；Q(NOx)＝10％；Q(O3)＝20-25％；Q(CO)＝5％；Q(PM10)＝15-20％；
Q(PM2.5)＝20-25％；Q(优良天)＝15-20％。
CN202010477353.6A 2020-05-29 2020-05-29 一种空气质量改善评价方法 Active CN111626624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010477353.6A CN111626624B (zh) 2020-05-29 2020-05-29 一种空气质量改善评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010477353.6A CN111626624B (zh) 2020-05-29 2020-05-29 一种空气质量改善评价方法

Publications (2)

Publication Number Publication Date
CN111626624A CN111626624A (zh) 2020-09-04
CN111626624B true CN111626624B (zh) 2023-07-28

Family

ID=72271300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010477353.6A Active CN111626624B (zh) 2020-05-29 2020-05-29 一种空气质量改善评价方法

Country Status (1)

Country Link
CN (1) CN111626624B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111289040A (zh) * 2020-04-03 2020-06-16 中科三清科技有限公司 走航监测系统
CN113554052A (zh) * 2021-05-10 2021-10-26 北京数汇通信息技术有限公司 一种城市空气质量评估诊断系统
CN113281487A (zh) * 2021-07-01 2021-08-20 广东韶钢松山股份有限公司 烟煤质量稳定性的评价方法和装置
CN113761098B (zh) * 2021-09-08 2022-09-20 中科三清科技有限公司 大气污染热点网格的获取方法、装置、设备及存储介质
CN115936311B (zh) * 2022-11-30 2023-06-30 中科三清科技有限公司 减排策略获取方法、装置、介质及电子设备
CN117612645B (zh) * 2024-01-23 2024-04-09 中科三清科技有限公司 污染气象条件预测方法、装置、存储介质与电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015152175A (ja) * 2014-02-10 2015-08-24 パナソニックＩｐマネジメント株式会社 空気質評価装置及び空気質評価システム
CN107609731A (zh) * 2017-07-31 2018-01-19 贵州大学 一种环境空气质量评价方法
WO2020043031A1 (zh) * 2018-08-25 2020-03-05 司书春 一种大气污染监测传感器校准和协同工作的方法
CN110531030B (zh) * 2019-08-16 2021-11-12 北京慧辰资道资讯股份有限公司 一种基于物联网大数据大气污染物分析的方法及装置
CN110633449A (zh) * 2019-09-19 2019-12-31 郑州航空工业管理学院 一种基于改进熵权法的空气质量评价方法
CN111126872A (zh) * 2019-12-30 2020-05-08 生态环境部卫星环境应用中心 一种大气污染整治效果评估方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
环境保护部.环境空气质量指数（AQI）技术规定-HJ 633-2012.环境保护部,2012,1-6. *

Also Published As

Publication number Publication date
CN111626624A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN111626624B (zh) 一种空气质量改善评价方法
Zeng et al. The impacts of China's provincial energy policies on major air pollutants: A spatial econometric analysis
Kumar et al. Air pollution concentrations of PM 2.5, PM 10 and NO 2 at ambient and kerbsite and their correlation in Metro City–Mumbai
Shen et al. Chemical characteristics of fine particles (PM1) from Xi'an, China
Ilten et al. Investigating the impacts of some meteorological parameters on air pollution in Balikesir, Turkey
Nigam et al. Air quality index-A comparative study for assessing the status of air quality
Ho et al. Carbonaceous characteristics of atmospheric particulate matter in Hong Kong
CN104198657A (zh) 一种环境空气质量综合评价方法
CN109766517B (zh) 一种用于变电站能效评估的能耗基准修正方法
Cao et al. Does air pollution inhibit manufacturing productivity in Yangtze River Delta, China? Moderating effects of temperature
CN106682381A (zh) 一种面向环境空气质量的动态数据模拟预报方法
Jiang et al. Pollution characterization, source identification, and health risks of atmospheric-particle-bound heavy metals in PM10 and PM2. 5 at multiple sites in an emerging megacity in the central region of China
CN111489015A (zh) 基于多种模型对比和优化的大气o3浓度预测方法
Wang et al. Characteristics of PM2. 5 and assessing effects of emission-reduction measures in the heavy polluted city of Shijiazhuang, before, during, and after the ceremonial parade 2015
Çelik et al. The relation between meteorological factors and pollutants concentrations in Karabük city
CN107256341A (zh) 一种生态环境健康质量评估方法
Peng et al. The characteristics and local-regional contributions of atmospheric black carbon over urban and suburban locations in Shanghai, China
Lammers et al. Measuring progress with normalized energy intensity
Shen et al. Multi-type air pollutant emission inventory of non-road mobile sources in China for the period 1990-2017
Gupta et al. Influence of meteorological factors on air pollution concentration for a coastal region in India
CN108279135B (zh) 一种燃煤机组超低排放改造验收方法
CN113899681B (zh) 一种工业大气环境中耐候桥梁钢稳定锈层的评价方法
Tabatabaie et al. Assessment of contribution of SO 2, CO, and NO 2 in different urban land use in Bushehr region, Iran
Li et al. Innovation and environmental performance: An empirical study of 31 cities in China
CN110487689A (zh) 城市中相近区域扬尘颗粒物相对平均浓度的测算与比较方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant