北京空气质量以及可能影响因素调查研究
《2024年北京雾霾的成因及其管制政策》范文
《北京雾霾的成因及其管制政策》篇一一、引言近年来，北京作为我国的重要城市，频繁遭受雾霾天气的困扰。
雾霾问题不仅影响了人们的日常生活，也对环境、健康等方面带来了严重的威胁。
因此，深入研究北京雾霾的成因及管制政策显得尤为重要。
本文将探讨北京雾霾的成因，分析现有管制政策及其效果，并探讨未来可能的政策调整方向。
二、北京雾霾的成因1. 自然因素（1）气象条件：北京地处北方地区，气候干燥，冬季逆温层较多，导致大气污染物的扩散能力较弱。
（2）地理环境：北京周围多山，山风等自然现象有时会使得空气中的污染物受到限制，难以扩散。
2. 人为因素（1）工业排放：部分工业企业的排放标准不够严格，导致大量污染物排放到大气中。
（2）交通排放：随着汽车数量的不断增加，汽车尾气排放成为了城市空气污染的主要来源之一。
（3）生活污染：燃煤、燃放烟花爆竹等行为也会对空气质量造成影响。
三、现有管制政策及其效果1. 法律法规（1）《大气污染防治法》：该法规定了各类污染物的排放标准及相应的处罚措施，为治理雾霾提供了法律保障。
（2）《北京市大气污染防治条例》：针对北京市的特殊情况，制定了更为严格的排放标准和治理措施。
2. 行政措施（1）限行限产：通过限制高污染企业的生产和汽车尾号限行等措施，减少污染物排放。
（2）环保督查：加强对企业的环保督查力度，对违规排放的企业进行处罚。
（3）推广清洁能源：鼓励使用清洁能源，减少燃煤等传统能源的使用。
这些政策在一定程度上改善了北京的空气质量，但雾霾问题仍需持续关注和治理。
四、未来可能的政策调整方向1. 加强区域协同治理：通过加强与其他省份的协作，共同应对雾霾问题，实现区域联防联控。
2. 强化环保科技创新：加大环保科技研发投入，提高污染物治理效率和效果。
3. 推动绿色产业发展：鼓励发展绿色产业，推动经济结构转型，减少对传统能源的依赖。
4. 普及环保意识教育：加强环保宣传教育，提高公众的环保意识，倡导绿色生活方式。
大气环境质量影响因素分析及预测
大气环境质量影响因素分析及预测大气环境质量是一个与每个人息息相关的问题，它直接影响到人们的身体健康和生活质量。
在如今工业化快速发展的背景下，我们不得不关注大气环境质量的问题，并找出其影响因素以及可能的预测方法。
首先，大气环境质量的主要影响因素之一是工业排放。
随着工业的快速发展，大量的废气和污染物被排放到大气中。
其中，燃煤和汽车尾气是两个主要的排放来源。
燃煤产生的二氧化硫和氮氧化物是造成大气酸化和雾霾的主要原因，而汽车尾气中的颗粒物和有机物则是造成空气污染的主要因素。
由于工业排放的复杂性，减少排放量并改善大气质量是一个非常复杂的任务。
其次，天气条件也会对大气环境质量产生重要影响。
例如，气温、湿度和风速等天气要素都会影响大气的稳定性和污染物的扩散。
在冬季，由于温度逆温和湿度较低，大气中的污染物往往无法扩散，导致雾霾天气的形成。
而在夏季，高温和高湿度则会加速污染物的反应和形成臭氧，使空气质量下降。
因此，在预测大气环境质量时，必须考虑天气条件的影响。
第三个影响大气环境质量的因素是人类活动。
人类的生产生活方式对大气质量有着直接和间接的影响。
例如，燃烧木柴和煤炭等传统能源是农村地区主要的取暖方式，而这种方式会产生大量的颗粒物和有害气体。
此外，城市化进程中的交通拥堵、工地扬尘、焚烧垃圾等活动也会对大气环境质量造成负面影响。
因此，改变人类活动方式，提倡绿色生活和低碳出行非常重要。
除了分析大气环境质量的影响因素，我们还需要一种可行的预测方法来及时预警和防范大气污染。
传统的模型方法结合了监测数据和物理模型，能够对大气污染情况进行较为准确的预测。
然而，由于各种因素的复杂交互作用，传统模型方法的预测结果仍然存在一定误差。
因此，在预测大气环境质量时，我们可以使用新的技术手段，例如机器学习和人工智能等。
这些新技术能够更好地处理非线性关系和多维度数据，从而提高预测的准确性。
综上所述，大气环境质量的影响因素十分复杂，包括工业排放、天气条件和人类活动等。
《2024年雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估》范文
《雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估》篇一一、引言随着工业化进程的加快和城市化水平的提升，雾霾问题已成为中国乃至全球关注的环境焦点之一。
特别是在首都北京，雾霾天气频繁出现，高浓度的PM2.5成为主要污染成分，给居民健康带来了巨大的风险。
本文旨在评估雾霾重污染期间北京居民因高浓度PM2.5持续暴露所面临的健康风险及其损害价值。
二、研究背景与意义北京作为国内一线城市，其空气质量直接关系到居民的生活质量和健康状况。
PM2.5作为雾霾的主要成分，其对人体健康的危害已得到广泛认可。
因此，对雾霾重污染期间北京居民的健康风险进行评估，不仅有助于了解当前环境问题对居民健康的实际影响，还能为政府决策提供科学依据，推动环境保护政策的制定和实施。
三、研究方法本研究采用文献综述、实地调查和数据分析等方法，结合历史气象数据、空气质量监测数据以及居民健康状况数据，对雾霾重污染期间北京居民的健康风险进行评估。
四、高浓度PM2.5对居民健康的损害1. 呼吸系统疾病：高浓度PM2.5可导致呼吸道炎症、哮喘、慢性支气管炎等疾病的发病率上升。
2. 心血管疾病：PM2.5可进入血液循环，导致心脏病、高血压等心血管疾病的病情加重。
3. 其他健康问题：长期暴露于高浓度PM2.5环境中，还可能导致癌症、神经系统疾病等严重健康问题。
五、健康风险评估1. 暴露评估：根据空气质量监测数据，计算居民在高浓度PM2.5环境中的暴露时间和暴露程度。
2. 风险评估：结合暴露评估结果、健康损害数据以及气象因素，评估雾霾重污染期间北京居民面临的健康风险。
3. 损害价值评估：采用经济学方法，估算因高浓度PM2.5导致的医疗费用、生产力损失等经济损失。
六、结果与讨论1. 结果：研究发现，雾霾重污染期间北京居民因高浓度PM2.5持续暴露，面临较高的健康风险。
其中，呼吸系统疾病和心血管疾病的发病率显著上升，给居民健康带来了巨大的损害。
北京城区低层大气PM10和PM2.5垂直结构及其动力特征
北京城区低层大气PM10和PM2.5垂直结构及其动力特征1. 引言PM10和PM2.5是指空气中直径小于等于10微米和2.5微米的颗粒物，它们屡屡被认为是空气质量指标中最为关键的因素之一。
北京是中国的首都，也是一个高度工业化和人口密集的城市，空气质量问题长期以来备受关注。
理解北京城区低层大气PM10和PM2.5的垂直结构及其动力特征的探究对于改善空气质量、保卫居民健康具有重要意义。
2. 低层大气PM10和PM2.5的来源低层大气PM10和PM2.5的来源多种多样，主要包括工业废气、机动车尾气、燃煤和燃油的燃烧、扬尘等。
这些来源在北京城区的分布不匀称，同时受到气象条件的影响。
了解污染物的来源和分布对于实行相应的控制措施具有重要意义。
3. 北京城区低层大气PM10和PM2.5的垂直结构通过对北京城区不同高度的空气质量监测数据的分析，可以得到低层大气PM10和PM2.5的垂直分布特征。
探究结果显示，在北京城区，PM10和PM2.5呈现出明显的垂直梯度变化。
一般状况下，随着高度的增加，PM10和PM2.5的浓度逐渐减小。
这种分布特征与空气质量受到的排放源的影响以及气象因素如风向、风速、湿度等因素密切相关。
4. 动力特征对低层大气PM10和PM2.5的影响动力特征是指与空气流淌相关的因素，包括风向、风速、湍流强度等。
这些因素对低层大气PM10和PM2.5的浓度分布具有重要影响。
例如，风向和风速决定了污染物的输送方向和速度，往往会导致扩散或积聚。
湍流强度则决定了污染物在空气中的混合强度，影响了其浓度分布的匀称性。
5. 影响北京城区低层大气PM10和PM2.5浓度的因素除了源排放和动力特征外，还有其他因素会影响北京城区低层大气PM10和PM2.5的浓度。
例如，气象条件的变化会导致大气层中的温度逆温层形态的变化，从而影响PM10和PM2.5的扩散条件。
此外，地理因素、城市规划、植被遮盖率等也会对PM10和PM2.5的分布产生一定影响。
空气污染物的时空分布及其影响因素研究
空气污染物的时空分布及其影响因素研究随着工业化和城市化的不断加强，空气污染成为了一个全球性的问题。
而中国更是在近年来因为其高强度的工业化进程和人口快速膨胀，成为了世界上空气污染最严重的国家之一。
空气污染的排放主要来源于二氧化硫、氮氧化物、颗粒物等，它们对于空气质量的影响是非常明显的。
本文将对空气污染物的时空分布及其影响因素进行研究，以期对于环保工作有所帮助。
一、空气污染物的时空分布（一）时空分布空气污染物的时空分布是具有非常明显的差异性的。
首先，从时间维度来看，在不同的季节和时间段，空气污染物的浓度也会有不同的变化。
例如，在夏天，二氧化氮和臭氧的浓度较高，这与高温、光照和气象条件有关。
在冬天，颗粒物和硫化物的浓度较高，这与天气条件的寒冷和稳定有关。
其次，从空间维度来看，空气污染物的分布范围也有差异。
近年来，我国环保部门发布的数据表明，我国南方的大城市和长江三角洲地区的空气污染严重程度更为突出。
而从城市内部来看，大型工厂、交通路段以及人口密集的地区都是污染物浓度高的地方。
（二）污染物种类污染物种类是空气污染的主要组成部分。
二氧化硫、氮氧化物以及可吸入颗粒物是目前空气污染最为严重的三大污染物。
其中，二氧化硫和氮氧化物主要来源于燃煤和燃油，而可吸入颗粒物则来源于工业、交通等。
二、影响因素（一）气象因素气象因素是空气污染的重要影响因素。
在气象条件不利的情况下，污染物的扩散和沉降会受到限制，从而导致浓度升高。
例如，在无风、高温、高湿情况下，臭氧的浓度会显著上升。
（二）人类活动人类活动也是导致空气污染的重要因素之一。
工业生产、交通运输以及城市建设等都会对空气质量产生巨大的影响。
例如，工业生产过程中的排污和废气排放都会对大气环境产生直接的影响。
而交通运输过程中的尾气排放也是空气污染的主要来源之一。
（三）自然因素自然因素也是影响空气质量的重要因素之一。
例如，大气层的水平、垂直风速以及风向等气象条件都会对空气质量产生重要的影响。
城市环境空气质量状况及影响因素与污染防治对策研究
城市环境空气质量状况及影响因素与污染防治对策研究摘要：在既要金山银山也要绿水青山的经济发展观念之下，我国各个城市日渐重视生态文明建设，城市空气质量已经成为影响城市居民生活质量的一个重要因素。
近年来，南京市江北新区深入推进大气污染综合治理工作，空气质量得到持续改善，取得了明显成效。
但从总体上看，南京市江北新区大气环境质量还处于气象影响型阶段，大气污染治理仍在爬坡上坎、不进则退的关键期，治理成效还不稳固，稍有松懈就可能出现反复。
对此，文章通过对南京市江北新区空气污染现状及成因进行了深入分析，并针对当前交通、工业、扬尘、餐饮油烟等污染源方面存在的问题提出了针对性的防治对策，为生态环境管理部门决策提供参考依据，有效推动该地环境空气质量进一步改善。
关键词：空气质量状况；影响因素；污染防止；对策分析2022年，根据生态环境部对于全国环境空气质量监测数据通报显示，南京、常州、连云港等城市进入了全国138个重点城市空气质量变化排名的前20位。
南京作为国内环境保护压力较大的城市，该城市的空气污染状况存在点多面广的特点。
近年来，在生态城市构建的过程中，南京为改善城市空气环境质量，针对多个污染源，依靠污染防控机制、法治以及科技力量，多管齐下，取得了显著的防污治污效果，较大程度提升了南京空气质量。
据微信公众号“南京生态环境”消息称，2022年，江北新区顶山街道重点区域PM2.5浓度、空气质量优良天数比率分别位列南京市第一、第二名。
但与此同时，南京市江北新区城市环境空气质量也面临着交通污染、扬尘污染、餐饮油烟污染等问题，要实现该地区大气污染治理的目标，还需要大力推进大气环境监测、防污治理等工作。
1大气污染现状及成因分析1.1大气污染现状分析在城市现代化进程的推进之下，南京市江北新区的经济得到迅猛发展。
与此同时，该地区的基础建设、工程建设进度也在不断加快，建设规模持续扩大，这样的经济发展形势固然喜人，但是也给南京市江北城市环境空气质量的保护与管理带来更大难度。
对空气质量的调查研究过程
对于对空气质量的调查研究过程中，划分了几个探究性问题，（1）造成空气质量变化的根本原因是什么？（2）空气质量的变化对人类的有什么影响？（3）对于改善空气质量我们应该采取哪些措施？
为了对以上几个探究性问题的探究，为此我们通过运用网络上网咨询和询问有关人员的途径来进行探究。
运用网络上网查询得知质量空气变化的的污染物有：烟尘、总悬浮颗粒物、可吸入颗粒物（PM10）、细颗粒物（PM2.5）、二氧化氮、二氧化硫、一氧化碳、臭氧、挥发性有机化合物等等。
询问有关人员也得知现在的空气质量大不如前，以前天很蓝，能见度高，现今天经常蒙蒙的，能见度低。
他们认为现在工业化的加速，许多工厂的建立，但工厂的排污又没得以很好的解决。
他们希望政府能够给以解决。
收集网络和有关人员的询问得到的信息，经过过去和现在的对比，清晰的可以看出我们现今空气质量污染较严重，已经开始危害到人类的健康了，如今越来越多的人出现呼吸道疾病和肺部疾病，得癌症的概率也越来越大。
对于人类过度的无节制的开发，而又不加保护的态度，大自然给予了最铿锵的回应。
对于改善空气质量的呼吁越来越大，人们对于其重视度也由以前的漠不关心开始转变。
北京大气污染
北京大气污染北京大气污染是一个长期存在且严重的问题，对人们的健康和环境造成了巨大的威胁。
本文将从污染原因、影响以及解决方案三个方面来讨论北京大气污染的现状和应对策略。
一、污染原因1. 工业排放：北京是一个高度工业化的城市，工业排放是造成大气污染的主要原因之一。
工厂和企业的燃煤、燃油等排放物质，包括二氧化碳、氮氧化物和颗粒物，直接进入大气层，导致空气质量下降。
2. 机动车污染：大量的汽车尾气也是导致北京大气污染的重要原因。
机动车的尾气排放中含有大量的有害气体，如一氧化碳、二氧化氮等，这些物质被排放到大气中后，会与空气中的颗粒物相互作用，形成细颗粒物，对空气质量造成严重损害。
3. 燃煤污染：在冬季，北京地区大量居民依赖燃煤取暖，燃煤所产生的煤烟和煤灰对空气质量造成了严重污染。
燃煤时释放的硫化物和氮化物等有害物质，会与空气中的颗粒物结合形成细颗粒物，严重影响人们的健康。
二、影响1. 健康问题：北京大气污染对居民的健康产生了严重影响。
空气中的细颗粒物和有害气体进入人体后，会引发呼吸系统疾病，如哮喘、慢性支气管炎等。
长期暴露在污染环境下，还可能导致肺癌等严重疾病的发生。
2. 生态环境破坏：大气污染也对生态环境造成了损害。
有害气体和颗粒物的排放导致植被凋零，土壤酸化，水源受到污染。
这不仅威胁到当地的动植物种群，也对整个生态系统产生了负面影响。
三、解决方案1. 政府行动：政府应该加强工业和交通领域的环保管理，制定更严格的排放标准。
同时，加大对工业企业和机动车辆的监管力度，加强对污染源的治理和减排，推动清洁能源的发展和使用。
2. 环境意识提升：社会公众应加强环保意识，提倡绿色出行和低碳生活方式。
减少机动车使用，鼓励步行、骑行、共享交通等环保出行方式，降低尾气排放。
人们还应主动参与到环境保护行动中，积极开展环保宣传和教育活动。
3. 科技创新：加强科技研发，推动环境友好型产业的发展，减少对传统高污染产业的依赖。
大力发展清洁能源技术，提高能源利用效率，减少能源消耗对空气质量的影响。
关于空气质量的调查报告
千里之行，始于足下。
关于空气质量的调查报告空气质量是人们关注的热点问题之一，其直接影响着人们的生活质量和健康状况。
为了深入了解和分析当今空气质量的状况，本文进行了一项调查研究，主要包括调查目的和方法、调查结果和数据分析以及对改善空气质量的建议。
1. 调查目的和方法本次调查的目的是了解人们对空气质量的认知程度，评估他们对目前空气质量的满意度，并了解他们对改善空气质量的期望和建议。
调查方法主要包括问卷调查和个别访谈。
问卷调查采用随机抽样方式，共发放了500份问卷，有效回收了450份。
个别访谈则针对一些特定群体进行了深入交流和访问。
2. 调查结果和数据分析根据调查结果，大部分被调查者对当前的空气质量不满意或不太满意，占比达到70%。
而只有10%左右的被调查者对空气质量表示满意。
其中，青少年和老年人对空气质量最为关注，满意度较低。
调查还显示，被调查者普遍认为车辆排放、工业污染和燃煤是导致空气质量恶化的主要原因。
数据分析表明，空气质量不仅影响人们的健康，也对经济社会发展带来负面影响。
不良的空气质量可能导致呼吸系统疾病增加、生活质量下降，甚至对经济产业造成损害。
因此，改善空气质量是当务之急。
3. 改善空气质量的建议根据调查结果和数据分析，本文提出以下几点建议来改善空气质量：1) 加强工业企业的环境保护，严格控制废气排放和污染物排放，推动绿色生产。
2) 促进能源结构的调整，减少对煤炭等高污染能源的依赖，加大清洁能源的开发和利用。
第1页/共2页锲而不舍，金石可镂。
3) 完善汽车尾气治理，推广新能源汽车，减少尾气对空气质量的污染。
4) 强化城市绿化建设，增加绿地和森林覆盖率，提高空气净化能力。
5) 加大宣传和教育力度，提高人们对空气质量的认知和保护意识，倡导绿色、低碳的生活方式。
本次调查分析了当下空气质量的现状和问题，并提出了一些改善空气质量的建议。
希望能引起社会各界的重视，进一步加强环保意识，共同致力于改善空气质量，提升人们的生活品质和健康水平。
《2024年北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系》范文
《北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系》篇一一、引言随着工业化和城市化的快速发展，大气污染问题日益突出，尤其是北京地区作为我国首都，其空气质量备受关注。
PM2.5和PM10作为衡量空气质量的重要指标，其污染水平及分布规律与气象条件的关系成为研究的热点。
本文旨在分析北京地区冬春季节PM2.5和PM10的污染水平时空分布特征，并探讨其与气象条件的关系，为制定有效的空气质量改善措施提供科学依据。
二、研究方法本研究采用北京地区冬春季节的PM2.5和PM10监测数据，结合气象数据，运用统计学方法和地理信息系统技术进行分析。
三、PM2.5和PM10的污染水平时空分布1. 时间分布特征在北京地区冬春季节，PM2.5和PM10的污染水平呈现出明显的日变化和季节变化特征。
在冬季，由于供暖等因素的影响，PM2.5和PM10的浓度普遍较高，而在春季，随着供暖季的结束和风力较大等气象条件的影响，污染水平有所降低。
2. 空间分布特征空间分布上，北京地区的PM2.5和PM10污染水平呈现出明显的区域性差异。
城市中心区域由于交通拥堵、工业排放等因素的影响，污染水平较高；而郊区及周边地区由于相对较少的污染源和较强的自然净化能力，污染水平相对较低。
四、PM2.5和PM10与气象条件的关系1. 风速与风向的影响风速和风向对PM2.5和PM10的扩散和传输具有重要影响。
当风速较大时，有利于污染物的扩散和稀释，降低污染水平；而当风向有利于污染物从周边地区传输至北京地区时，则可能导致污染水平的升高。
2. 温度与湿度的影响温度和湿度对颗粒物的形成和转化具有重要影响。
在低温高湿的环境下，颗粒物的形成和积累速度较快，导致污染水平升高；而在温暖干燥的环境下，颗粒物的扩散能力增强，有利于污染水平的降低。
五、结论与建议通过本研究发现，北京地区冬春季节的PM2.5和PM10污染水平呈现出明显的时空分布特征，与气象条件密切相关。
城市空气质量监测报告及分析
城市空气质量监测报告及分析随着工业化和城市化的快速发展，城市空气质量成为了人们日常生活中越来越重要的关注点。
城市空气质量的监测和分析是评估城市环境状况、保护公众健康以及制定环境政策的重要依据。
本报告将对某城市的空气质量进行监测和分析，旨在为政府、公众和环保机构提供参考。
一、监测方法和数据收集为了准确地评估城市的空气质量，我们采用了国际通用的空气质量监测方法。
监测站点遍布城市不同区域，并根据环境背景、交通状况、工业分布等因素进行选择。
监测包括大气污染物浓度、颗粒物浓度、二氧化硫、氮氧化物等污染物的监测。
数据收集方面，我们采用了自动监测设备和实地取样相结合的方法。
自动监测设备每天定时采集数据并传输给中央数据库，而实地取样则确保数据的准确性和可靠性。
监测时间段为一年，以消除季节性因素对结果的影响。
二、监测结果及分析根据数据分析，我们得出了以下关于某城市空气质量的特点和趋势：1. 大气污染物浓度：该城市的大气污染物浓度总体呈现下降趋势。
这得益于政府加大了对工业企业和机动车尾气排放的治理力度。
然而，在特定时段（如高温季节）仍然存在个别污染物超标的情况，特别是颗粒物浓度。
2. 颗粒物浓度：颗粒物是最直接影响空气质量和人体健康的因素之一。
监测数据显示，颗粒物浓度在城市不同区域之间存在明显差异。
主要工业区和交通繁忙地段的颗粒物浓度较高，而生活区和绿化带则相对较低。
应重点关注重污染源，并加强相关治理措施。
3. 二氧化硫和氮氧化物：二氧化硫和氮氧化物是主要的大气污染物之一，主要来自于工业生产和交通尾气。
监测结果显示，二氧化硫浓度有所下降，但仍然需要进一步降低。
而氮氧化物浓度相对较高，说明交通尾气排放仍然是城市空气质量的主要贡献源之一。
三、影响城市空气质量的因素城市空气质量受到多种因素的影响，主要包括以下几个方面：1. 工业排放：大型工厂和企业的废气排放对城市空气质量影响显著。
政府应加强对工业企业的监管和治理，促使其加大污染物减排措施的力度。
环境空气质量变化及其影响因素研究
环境空气质量变化及其影响因素研究摘要：众所周知，中国幅员辽阔，地大物博，但人口众多，能源消耗总量巨大，作为世界上最大的能源消耗和碳排放国家，我国一直面临着改善环境空气质量的巨大压力。
自“九五”以来，中国开始对主要污染物排放实施总量控制，通过不断探索和实践，大气污染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与空气质量。
“十三五”时期污染防治攻坚战全面开展，生态环境质量获得了较大的改善。
与此同时，众多省市完成了“气十条”的任务和获得了“蓝天保卫战”的胜利，蓝天、白云已成为优质空气质量的代名词。
但空气质量改善成效不牢固，部分城市部分指标存在反弹，部分区域仍未达标，重污染天气仍未彻底消除，距离建成美丽城市仍有较大差距。
关键词：环境空气质量；变化；影响因素引言随着大城区建设和城镇化水平的提升，外来人口聚集增加。
近年来，大气环境污染问题时有发生，大气颗粒物、臭氧是大气污染的主要因子，对人们日常生活产生了一定的危害，对气候变化、大气能见度产生了重大影响。
为改善大气环境质量，确保大气颗粒物、臭氧因子的稳定达标，为提升城区环境空气质量提供一定的参考。
1环境空气质量变化及其影响因素1.1气象因素的影响气象因素包括温度、日照、相对湿度、降雨量、风速、风向等，在污染物的排放相对稳定的情况下，气象因素会成为影响环境空气质量的主要因素。
工业污染源和生活污染源排放的一次大气污染物在气象因素的作用下会生成二次污染物。
环境空气中的SO2、NO2和CO对空气污染的贡献很小，环境空气的污染以O3为主导，而O3为光化学反应的重要产物之一。
光化学反应速率与某些气象因素有密切联系，因而臭氧的生成与某些气象因素有很大的相关性。
温度变化与O3浓度正相关，太阳辐射强度，即日照强度的增强也伴随着温度的升高，日照时长的增大也会加剧光化学反应，使O3浓度升高。
春季开始，气温逐渐回升，日照时长和强度也不断增加，这些条件均有利于O3的生成，O3浓度会随之升高，对空气的污染也较明显。
北京大气能见度和消光特性变化规律及影响因素
北京大气能见度和消光特性变化规律及影响因素王英;李令军;李成才【摘要】利用长时间序列的大气能见度与湿度等气象资料以及近年来大气污染物的监测数据,探讨了北京大气能见度及消光特性的变化规律及影响因素.结果显示:近50年来北京大气消光作用存在降-升-降的变化过程,1954～1967年以下降为主,20世纪60年代中期至70年代明显上升,此后特别是20世纪90年代以来北京大气消光作用基本呈缓慢下降趋势,能见度变化过程与此相反.从区域分布看北京大气消光作用北部及西部山区低于平原区,平原区存在由北向南逐渐升高的分布规律,即北部平原区低于中部市区,中部市区低于南部平原区.近10年来北京大气颗粒物消光作用区域差异逐渐减小,这与大气污染区域分布变化趋势基本一致.北京大气消光作用20世纪80年代之前冬高夏低,之后转为冬低夏高,对应于大气污染由煤烟型向综合型的转变.大气消光作用平均日变化呈双峰双谷型,09:00和21:00形成双峰,06:00和16:00处于双谷,但月际差异明显.大气消光作用受颗粒物浓度与相对湿度影响显著.高消光作用通常与高相对湿度和高颗粒物浓度有关;低消光作用出现在湿度和颗粒物质量浓度同时较小情况.相对湿度低于70％时,大气颗粒物消光作用会随着PM2.5浓度的升高明显增强,消光作用与PM2.5浓度存在线性关系;当相对湿度大于70％时,消光作用对PM2.5浓度变化的响应并不明显.【期刊名称】《中国环境科学》【年(卷),期】2015(035)005【总页数】9页(P1310-1318)【关键词】北京;能见度;消光作用;颗粒物;相对湿度【作者】王英;李令军;李成才【作者单位】中央民族大学生命与环境科学学院北京100081;北京市环境保护监测中心北京100048;北京大学物理学院北京100871【正文语种】中文【中图分类】X51大气颗粒物通过散射和吸收对太阳短波辐射造成消光，大气能见度是这种消光特性的直接反映.造成能见度下降的主要因素包括大气颗粒物浓度与湿度的高低［1-4］.平均来说，83%左右的大气消光是由细粒子造成的［5］.相对湿度小于70%时，能见度与大气颗粒物浓度近似反相关关系［6］；相对湿度大于90%，能见度主要受大气湿度制约［7］.大气颗粒物浓度的高低决定了能见度的好坏；而湿度不仅直接影响能见度，还通过改变气溶胶粒子的物理属性对能见度产生间接影响.空气污染导致世界各地大气能见度明显降低，在人类活动密集的城市地区，能见度主要受硫酸盐、硝酸盐以及元素碳等大气颗粒物组分增加的影响［8］.1973～2007年全球大陆晴天能见度基本呈下降趋势［9］，中国主要城市能见度下降明显［10］.近30年多年来，能源结构的大规模调整使北京大气污染特征发生了根本改变，逐渐由煤烟型向机动车型以及综合型过渡［11-12］，进一步导致大气消光特性的变化，并影响能见度的时空分布.本研究试图利用20个气象站多年地面气象观测数据，车公庄环境空气质量监测站的大气污染监测资料，分析北京市大气能见度的变化趋势、制约因素以及环境影响，特别是与颗粒物浓度、大气湿度的相关关系，探讨气象因素与大气污染对北京大气能见度的影响，为污染治理提供参考.气象资料包括1951年以来观象台气象站的能见度、相对湿度以及日照总时数等逐年数据，2003～2012年北京20个气象站的能见度、风速、温度等逐日数据，以及紫竹院和观象台自动气象监测站逐时数据.车公庄站的数据包括PM2.5以及能见度的逐时数据.PM2.5采用美国R&P公司生产的RP1400a颗粒物检测仪测定，最低检出限为0.1μg/m3，可输出5min数据.采样点位于北京市环境保护监测中心七楼顶.能见度资料来自北京观象台等20个气象站的观测员目测资料，日观测4次；另外包括车公庄站的器测数据，采用的是FD12前向散射能见度仪，通过测量气块对近红外线光束的散射得到气象光学能见度，测量范围是10～50000m，精度为±4%.相对湿度采用北京市气象局紫竹院自动气象监测站逐时数据，该站与北京市环境保护监测中心仅隔一个街区，周边环境差异不大，因此认为紫竹院与北京市环境保护监测中心周边大气环境与气象条件基本一致.受仪器监测原理影响，PM2.5数据在湿度下降过程中可能会出现的负值在数据处理过程中予以剔除.利用Bext=3.912/V （Bext为大气消光系数，V为大气能见度）［13］，计算北京大气消光特性.为消除局地影响，气象数据采用多个站点平均值代表不同区域能见度水平:海淀、朝阳和丰台站点的平均值代表市区；房山、大兴和通州站点的平均值代表南部平原区域；密云、怀柔、昌平和顺义站点的平均值代表北部平原区域；背景区域选择了北部的上甸子站和西部的霞云岭站.2.1 年际变化20世纪50年代至今，北京大气能见度存在升-降-升的变化过程. 20世纪50年代中期至60年代中期北京能见度逐渐升高，1967年能见度升至23km，达到历史较高水平［14-15］，70年代下降非常迅速，1980年降至10.1km. 20世纪80年代，北京夏季大气能见度持续转差，由初期的12km下降至90年代末的8～9km；而冬季能见度由80年代初的9km上升到90年代末的14km［16］.与能见度转差相对应，北京大气气溶胶光学厚度1977～1994增长了约2/3［17］.从更大区域尺度看，京津冀1980～2003年大气能见度整体呈下降趋势［18］. 20世纪中期以来，北京日照总时数也出现了升降变化过程（图1），与能见度存在明显相关性. 1998年之后北京能见度逐步回升，至2009年达到历史较高水平，首都机场与京津冀区域监测结果也印证了这种变化趋势［18-19］.一般说来，能见度低表明大气消光作用强，到达地面的太阳辐射相应降低，日照时数也会受到间接影响.统计结果显示，20世纪50～70年代北京日照总时数与大气能见度先升高后下降的变化规律基本一致.90年代后期以来北京日照总时数呈持续下降趋势，而大气能见度逐渐升高，这可能与北京及周边大气光学厚度增加，削弱了到达地面的太阳辐射能量有关.1998～2010年北京实施了16个阶段的大气污染措施，特别是奥运前后进行了大规模的污染治理，空气质量有所改善，大气能见度逐步回升；与此同时，河北平原区大气能见度却在逐渐下降［18］.能见度是大气污染的间接反映，说明华北平原区大气污染整体加重，客观上掩盖了北京空气质量的局地改善.由图2可见，与能见度变化相反，北京大气消光系数存在降-升-降的过程.20世纪50年代北京大气消光系数与相对湿度都存在逐渐下降过程， 60～70年代两者基本以上升为主，此后北京大气消光系数与相对湿度呈下降趋势.两者变化的一致性说明大气相对湿度与消光作用存在一定的因果关系.此外，近年来大气污染治理的逐步加强客观上也促进了北京能见度的改善.2000年以来北京定陵大气颗粒物浓度基本呈下降趋势［20］，与大气消光作用变化过程也基本一致.在大气总消光作用测算基础上，基于文献［21］提出的经验统计关系将大气消光系数转换为大气颗粒物的消光特性.由图3可见，北京大气颗粒物消光系数北部和西部山区低于中、南部平原区，平原区存在由北向南逐渐升高的分布规律，即北部平原区低于中部市区，中部市区低于南部平原区.2012年北部平原区、市区以及南部平原区颗粒物消光系数分别为0.18km-1、0.20km-1和0.21km-1.2003～2012年北京平原区颗粒物消光系数基本存在下降趋势，而北部及西部清洁山区略有上升.从全市范围看，颗粒物消光系数区域差异逐渐减小.北部平原区与南部平原区颗粒物消光系数的差距由2003年的0.068km-1降至2012年的0.033km-1；市区与清洁区上甸子的差距更是由0.119km-1降至2012年的0.076km-1.消光系数的大小间接反映了大气污染的程度，北京这两者的变化趋势基本一致.北京PM10平均浓度由2000年162µm/m3降至2010年121µm/m3；而背景点定陵PM10浓度2000年与2010年基本无差别，分别为95µm/m3与94µm/m3.市区与清洁背景区差距明显缩小.但是，北京城市CO、NO2等污染物近地面质量浓度的下降并没有从根本上扭转整个华北区域污染上升的趋势，CO、NO2等污染物柱浓度越来越高，而且京津冀大气污染的区域性越来越显著［22-23］.城市建设的快速发展使下垫面粗糙度增加，间接影响到风速［24］，进而使大气扩散能力降低，对大气消光作用造成影响.如图4所示，北京2003～2012年平原区特别是市区风速明显降低，污染扩散能力在逐渐下降，北京市区平均风速由2003年的2.09m/s降至2012年的1.59m/s.北部山区的上甸子略有下降，但变化不大，西部山区的霞云岭风速却呈上升趋势.以上说明区域背景流场无显著变化，只是由于城市大规模的建设增加了城市粗糙度，水平风速下降.2.2 季节变化北京大气消光系数季节变化表现为冬低夏高，1月前后为全年最低，7月升至全年最高（图5）.上甸子颗粒物消光系数全市最低，2003～2012年平均0.122km-1，但月际变化低于平原区，1月与7月相差0.075km-1；霞云岭颗粒物消光系数月际变化较为平缓， 1月与7月相差仅0.041km-1，为全市最低，除6～8月之外月际变化都在0.012km-1以内.北京平原区颗粒物消光系数月际差异较大且由北向南逐渐减小，北部平原区、市区和南部平原区颗粒物消光系数最大月际差异分别为0.136、0.124和0.078km-1.上甸子位于北京三大风口之一的古北口附近，扩散条件非常好，以偏北气流为主的月份（10月至次年3月）能见度都在30km以上；但以南风为主的夏季（6～9月）能见度都低于25km，主要原因一是夏季偏南风带来大量水汽，湿度明显升高，二是偏南风带来了市区的污染输送，进一步加剧了颗粒物消光作用.霞云岭处于西山之中，地形相对封闭，风速在全市域处于极低水平（图4），全年整体扩散条件一般，月际差异较小.对于平原区来说，颗粒物消光作用由北向南逐渐加强，月际变化也是越来越小.夏季主导风向为偏南风，偏南风带来大量水汽以及华北甚至更大区域的污染排放，颗粒物消光作用较强；冬季盛行偏北气流，北京上游污染排放输送相对较少，大气污染以局地排放和内部传输为主，空气质量存在由北部山区、北部平原区、市区以及南部平原区依次转差的分布特征.南部平原区是全市下风向，局地排放叠加市区的污染输送，空气质量最差，消光作用全市最强，季节变化幅度也最小.多年平均状况显示北京颗粒物消光作用夏季强于冬季，但季节变化存在明显的年际差异图6）.1991～1996年北京颗粒物消光作用冬季以减弱为主，而夏季则逐年加强，致使冬夏季能见度比值存在明显的上升过程.该段时期内北京冬季湿度明显降低，风速逐渐增大；2月相对湿度由1991年的42%降至1996年的22%，风速由1991年的2.2m/s升至1996年的3.1m/s.1991～ 1996年夏季云雨逐渐增多，太阳日照时数明显减少，8月日照时数由1991年的2726h降至1996年的1183h，夏季颗粒物消光作用逐渐加强.1996～1998年，颗粒物消光作用夏季维持在较低水平，冬季则明显回落，冬夏差异明显下降，该段时期内北京大气湿度明显升高，年均相对湿度由1996年的51.2%升至1998年的62.1%.1998年底至2010年北京先后实行了十六个阶段的控制大气污染措施，开始以燃煤污染治理为主，并逐渐向综合污染治理过渡.经过多年的治理大气主要污染物浓度明显下降，东四监测站点大气PM10和SO2浓度分别由1999年的249、169µm/m3降至2010年的130、37µm/m3，空气质量改善显著，特别是煤烟型污染出现根本好转.与此同时北京大气颗粒物消光作用冬夏季都呈下降趋势，冬季下降幅度尤其明显，这主要是该段时间以燃煤污染治理为主的措施相关，冬季燃煤锅炉的除尘脱硫措施以及煤改气、煤改电的实施极大地改善了空气质量，大气颗粒物消光作用持续减弱.从更长时间尺度看，北京能见度季节分布存在由冬低夏高逐渐向冬高夏低的转换，这对应于大气污染由煤烟型向综合型的过渡.20世纪70年代春季能见度较好，冬季能见度最差［14］； 80年代，北京大气能见度依然是夏季高于冬季［25］.此后，北京大气能见度冬夏差异出现了翻转.1990～2000年北京大气能见度已表现为春季最高，冬季次高，夏季最低［26］.与此相对应的是大气颗粒物消光作用冬强夏弱向冬弱夏强的转变.这与北京大气污染类型的变化有关.1990年代以前，北京能源消费中煤炭占绝对优势，1980年煤炭占总能源消费的76.9%，且能源消费粗放，燃煤设施基本没有脱硫除尘设施，污染排放严重；至1998年终端能源消费中煤炭和焦炭所占比重已降至41.0%；2011年北京能源消费构成中，煤炭仅占26.5%，大型燃煤设施中不仅脱硫除尘，还要求做脱硝处理.与此同时北京清洁能源比例越来越高，至2011年北京能源构成中天然气与外调电力等已占40.9%. 中国大陆特别是东部区域能见度季节分布普遍表现为冬低夏高［18，25，27］，这与欧美等国家甚至周边的韩国以及中国香港地区冬季大于夏季的分布特征相反［3，28-30］.全国大部分区域特别是北方省市能见度冬低夏高的分布特征，除了与陆地边界层冬季显著低于夏季，还与地面污染排放在冬季加剧有关，冬季出现大范围的燃煤采暖，许多农村地区甚至存在大量秸秆燃烧采暖，加重了冬季空气污染程度，使冬季污染明显高于夏季，能见度明显降低.能源消费总量的居高不下以及相关产业的粗放型发展致使能源消费结构难以在短时间内得到根本调整，中国大气污染治理任重而道远.2.3 日变化从2009～2011年平均状况看，北京大气能见度日变化呈双峰双谷型（图7）.06:00和16:00形成双峰，09:00和21:00处于双谷.日变化过程:00:00开始能见度逐渐好转，至06:00达到次峰值后逐渐降低，09:00降至次谷值；此后一直升高，16:00达到全天最大值，这段时间大气消光作用的降低主要与午后混合层的发展、垂直扩散范围增大、近地面空气质量改善有关，同时也受白天相对湿度下降的影响.17:00后，能见度迅速降低，20:00～24:00维持在全天最低水平.颗粒物消光系数与PM2.5质量浓度日变化相似，基本表现为白天低夜间高，早高峰相对平缓，而能见度09:00急剧升高与相对湿度的下降相对应.图8显示，北京大气湿度日变化规律季节差异不大，无论夏季还是冬季相对湿度日变化都呈现单峰单谷型，06:00左右出现峰值，14:00左右降至谷底.大气相对湿度日变化规律季节差异不明显，但湿度绝对值夏季明显高于冬季.湿度对大气消光作用的影响由量变到质变，相对湿度大于90%能见度主要受大气湿度制约.大气颗粒物消光作用日变化存在明显的月际差异.10月至次年4月北京大气颗粒物消光系数日变化呈现双峰双谷，峰值出现在09:00和21:00左右，谷值时间为06:00和16:00左右；6～8月能见度为单峰单谷，峰值时间与谷值时间分别在07:00和16:00左右；5月与9月是单峰单谷与双峰双谷转换的过渡月份，主峰值分别为09:00和00:00，主谷值则出现在16:00，次峰与次谷不显著.1月是北京大气颗粒物消光作用最弱月份，1天中消光系数06:00出现最低值；此后2～7月消光系数呈逐月上升趋势，7月消光系数升至全年最高；与此同时06:00谷值也逐渐减弱，6～8月06:00谷值已完全消失.7月之后消光系数逐月降低，并于10月再次出现06:00谷值，且谷值逐渐增强；至次年1月消光系数再次降至全年最小值.颗粒物的消光作用主要由细粒子引起［5］，本研究以颗粒物消光系数与PM2.5质量浓度的比值QPM表征颗粒物消光效率.QPM值越大说明单位颗粒物质量浓度消光作用越显著.QPM日变化如图9所示，00:00开始基本呈上升趋势，09:00升至全天最高；之后逐渐降低，17:00左右降至全天最低；此后QPM波动上升，至次日09:00再次升至最高.整个日变化过程中包含次一级的峰谷值，但幅度不大.消光效率与PM2.5质量浓度最低值出现时间相近，且对应于低湿度时段；消光效率高值时段与PM2.5质量浓度有明显差异，而与高湿度时段相吻合.以上说明低湿度条件下，颗粒物消光作用与其质量浓度密切相关；而高湿度时，颗粒物消光作用主要受大气湿度制约.2.4 北京大气能见度与颗粒物、大气湿度相关关系北京大气颗粒物消光作用与PM2.5浓度呈显著负相关.平均来说，83%左右的大气消光由PM2.5引起［5］，其他因素包括粗粒子的贡献以及气体分子的贡献.相对湿度小于70%的条件下，能见度与大气气溶胶的质量浓度近似满足反相关关系［6］.从2009～2011年平均日变化状况看，PM2.5浓度与大气颗粒物消光作用日变化呈正相关:一天中16:00左右车公庄站PM2.5浓度与大气颗粒物消光系数降至全天最低；20:00～23:00车公庄站PM2.5浓度全天最高时段对应颗粒物消光系数的最大值大气颗粒物消光系数与PM2.5浓度并不是在所有时间段呈完全正相关关系，夜间PM2.5的相对高值对应于消光系数的相对低值说明大气能见度不仅仅受PM2.5浓度的影响，可能还受其他因素的制约.研究结果显示大气消光作用受湿度的影响也非常显著，当相对湿度达到一定程度后，湿度是大气能见度的主要制约因素［7］.7月和8月是北京湿度最大的两个月份，2009～2011年平均相对湿度分别达到75.8%和74.8%.两个月份内大气颗粒物消光作用与相对湿度日变化呈正相关，06:00前后北京相对湿度达到最高值，颗粒物消光系数也是全天最大；16:00前后北京相对湿度降至全天最低值，而消光系数也最小.天津武清8～9月能见度与大气相对湿度有非常好的反相关关系，与北京较为相似［31］.统计了2010年车公庄站逐时大气颗粒物消光系数与PM2.5浓度、大气相对湿度的相关关系，结果如图10所示.总体来看，大气相对湿度低于70%时，消光系数与PM2.5浓度存在线性关系，ρ（PM2.5）=122.8×V （其中ρ（PM2.5）表示PM2.5浓度，V表示能见度），统计结果显示确定系数R2=0.611.相对湿度低于70%时，大气颗粒物消光作用会随着PM2.5浓度的升高明显增强；但当相对湿度大于70%时，大气颗粒物消光作用对PM2.5浓度变化的响应并不明显，大部分维持在0.5km-1以上，平均为1.48km-1.高能见度对应着低湿度，统计0.3km-1以下的大气颗粒物消光系数对应的平均相对湿度仅为30.5%.硫酸盐是大气中重要的消光物质和气溶胶辐射强迫成分［32-34］.SO2排放决定着大气颗粒物中硫酸盐浓度的变化，间接影响到大气消光作用和辐射强迫.SO2排放的减少可以改善大气能见度［35］.统计1991～2010年颗粒物消光系数与SO2浓度发现:两者存在明显正相关关系，相关系数高达0.80（图11）.3.1 20世纪50年代至今，北京大气颗粒物消光系数存在降-升-降的变化过程.20世纪50～60年代初期降低，此后逐渐升高，90年代以来基本处于下降趋势.北京颗粒物消光作用的变化与大气湿度呈显著正相关；北京日照总时数前期与颗粒物消光作用变化规律基本一致，后期受华北平原整体能见度下降的影响，也呈减少趋势.近10年来北京城市大气流场的减弱以及热岛强度的增强也没有使大气颗粒物消光作用升高，应归功于城市大气污染治理的卓有成效.3.2 北京大气颗粒物消光作用季节变化由20世纪70年代的冬高夏低转换为现在的冬低夏高，对应于大气污染由煤烟型向综合型的过渡.北京大气颗粒物消光作用季节变化幅度由北向南逐渐降低，季节振幅由大到小分别是北部山区、北部平原区、市区以及南部平原区.3.3 北京大气颗粒物消光作用年日变化呈双峰双谷型.09:00和21:00形成双峰，06:00和16:00处于双谷.这主要取决于颗粒物浓度的变化，同时也受大气湿度的影响.3.4 北京大气颗粒物消光作用与PM2.5浓度呈显著正相关，受湿度的影响也非常大.2010年的监测结果显示大气相对湿度小于70%时，北京颗粒物消光系数与PM2.5浓度存在线性关系，显示确定系数R2=0.611.大气颗粒物消光作用会随着PM2.5浓度的升高明显增强；但当相对湿度大于70%时，大气颗粒物消光作用对PM2.5浓度变化的响应并不明显，大部分维持在0.5km-1以上，平均为1.48km-1.【相关文献】［1］Cass G R. On the relationship between sulfate air quality and visibility with examples in Los angeles ［J］. Atmospheric Environment， 1979，13（8）:1069-1084.［2］姚青，蔡子颖，韩素芹，等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响［J］. 中国环境科学， 2014，34（3）:596-603.［3］Sisler J F. The relative importance of soluble aerosols to spatial and seasonal trends of impaired visibility in the United States ［J］. Atmospheric Environment， 1994，28（5）:851-862.［4］Malm W C， Day D E， Kreidenweis S M， et al. Humidity-dependent optical properties of fine particles during the Big Bend Regional Aerosol and Visibility Observational Study ［J］. Journal of Geophysical Research， 2003，108:4279，16PP.doi: 10.1029/2002JD002998.［5］Diederen HSMA， Guicherit R， HolLonder J.C.T. Visibility reduction by air pollution in The Netherlands. Atmospheric Environment， 1985，19（2）:377-383.［6］Charlson R J， Horvath H， Pueschel R F. The direct measurement of atmospheric light scattering coefficient for studies of visibility and pollution ［J］. Atmospheric Environment， 1967，1（4）:469-478.［7］Chen J， Zhao C S， Ma N， et al. A parameterization of low visibilities for hazy days in the North China Plain ［J］. Atmos. Chem. Phys. Discuss.， 2011，11，31363-31399. ［8］Kim Y J， Kim K W， Kim S D， et al. Fine particulate matter characteristics and its impact on visibility impairment at two urban sites in Korea: Seoul and Incheon ［J］. Atmospheric Environment， 2006，40（Supplement 2）:593-605.［9］Wang K， Dickinson R E， Liang S. Clear sky visibility has decreasedover landglobally from 1973 to 2007 ［J］. Science 2009，323:1468-1470，DOI:10.1126/science.1167549.［10］Chang D， Song Y， Liu B. Visibility trends in six megacities in China 1973-2007 ［J］. Atmospheric Research， 2009，94（2）:161-167.［11］张菊，苗鸿，欧阳志云，等.近20年北京市城近郊区环境空气质量变化及其影响因素分析［J］. 环境科学学报， 2006，26（11）: 1886-1892.［12］王英，金军，李令军，等.北京大气污染区域分布及变化趋势研究.中央民族大学学报（自然科学版）， 2008，17（1）:59-61.［13］刘新民，邵敏.北京市夏季大气消光系数的来源分析［J］. 环境科学学报， 2004，24（2）:185-189.［14］邱金桓.北京等地气象能见度的变化特性分析［J］. 大气科学，1986，10（4）:437-442. ［15］宋艳玲，董文杰，张尚印，等.北京市城、郊气候要素对比研究［J］.干旱气象， 2003，21（3）:63-68.［16］王继志，徐祥德，杨元琴.北京城市能见度及雾特征分析［J］. 应用气象学报， 2002，z1:160-169.［17］李放，吕达仁.北京大气气溶胶光学厚度中长期变化特征［J］.大气科学， 1996，20（4）:385-394.［18］范引琪，李春强.1980-2003京、津、冀地区大气能见度变化趋势研究［J］. 高原气象，2008，27（6）:1392-1400.［19］张宏，刘子锐，胡波，等.北京能见度变化趋势及冬季一次典型污染过程分析［J］. 气候与环境研究， 2011，16（5）:620-628.［20］李令军，王英，李金香.北京清洁区大气颗粒物污染特征及长期变化趋势［J］. 环境科学，2011，32（2）:319-323.［21］李令军，王英，李金香，等.北京市冬春季大气颗粒物的粒径分布及消光作用［J］. 环境科学研究， 2008，21（4）:90-94.［22］王英，李令军，刘阳.京津冀与长三角区域大气NO2污染特征［J］. 环境科学， 2012，33（11）:3685-3692.［23］Li L J， Liu Y. Space-borne and ground observations of the characteristics of CO pollution in Beijing， 2000-2010 ［J］.Atmospheric Environment， 2011，45（14）:2367-2372.［24］徐阳阳，刘树华，胡非，等.北京城市化发展对大气边界层特性的影响［J］. 大气科学，2009，33（4）:859-867.［25］Qiu J， Yang L. Variation characteristics of atmospheric aerosol optical depths and visibility in North China during 1980-1994 ［J］. Atmospheric Environment， 2000，34（4）:603-609.［26］王淑英，张小玲，徐晓峰.北京地区大气能见度变化规律及影响因子统计分析［J］. 气象科技， 2003，2:109-114.。
空气质量的调查报告
空气质量的调查报告空气质量的调查报告近年来，随着城市化进程的加快和工业化的发展，空气质量成为了人们关注的焦点之一。
为了深入了解和探讨空气质量的现状以及对人类健康的影响，我们进行了一项调查研究。
调查范围涵盖了多个城市和地区，包括大城市、中小城市以及乡村地区。
我们采用了多种方法和工具，包括空气质量监测设备、问卷调查以及采样分析等，以全面了解不同地区的空气质量状况。
首先，我们对大城市的空气质量进行了监测。
结果显示，由于工业排放和交通尾气等原因，大城市的空气质量普遍较差。
尤其是在早晚高峰期，空气中的颗粒物浓度明显增加，达到了对人体健康有害的水平。
此外，大城市的空气中还存在一些有害气体，如二氧化硫和二氧化氮等，这些气体的浓度超过了国家标准，对人体呼吸系统和免疫系统造成了一定的危害。
其次，我们对中小城市的空气质量进行了调查。
结果显示，相较于大城市，中小城市的空气质量整体上要好一些。
这主要得益于中小城市相对较少的工业污染和交通压力。
然而，由于一些中小城市正在迅速发展，工业化进程加快，空气质量也面临一定的挑战。
一些工业园区和化工厂的建设，使得这些城市的空气中出现了更多的有害物质，如挥发性有机物和重金属等。
因此，中小城市也需要加强环境保护和空气质量监测，以避免重复大城市的错误。
最后，我们还对乡村地区的空气质量进行了调查。
结果显示，相较于城市，乡村地区的空气质量普遍较好。
这主要得益于乡村地区的植被覆盖率高、污染源较少以及空气流通性好等因素。
然而，一些农业活动，如农药使用和秸秆焚烧等，也对乡村地区的空气质量造成了一定的影响。
因此，乡村地区也需要加强环境教育和农业管理，以保护好自身的空气质量。
综上所述，我们的调查报告显示，空气质量是一个全球性的问题，不仅仅是大城市，中小城市和乡村地区都面临着一定的挑战。
为了改善空气质量，我们需要采取一系列措施，如加强环境保护法律法规的制定和执行、推广清洁能源和绿色出行方式、提高公众的环保意识等。
空气污染调查报告范文（精选9篇）
空气污染调查报告范文（精选9篇）空气污染调查报告范文（精选9篇）当某一情况或事件需要弄明白时，我们必须开展调查以搞清情况，调查结束以后，还需要写调查报告。
快来参考调查报告是怎么写的吧，下面是小编帮大家整理的空气污染调查报告范文，欢迎大家分享！空气污染调查报告篇1北京市预警中心、北京市空气重污染应急指挥部办公室11月26日发布了“空气重污染蓝色预警”称，受不利扩散条件影响，北京空气质量已达“5级重度污染”水平，建议公众做好健康防护，减少户外运动等。
这也是北京今年入冬以来第二次发布空气重污染预警。
于是，北京的空气质量以及对人体健康影响再度引发公众的热议。
空气中微生物和重金属会致病吗对拉森团队的研究成果，北京市卫计委表示，细菌的耐药性和致病性是完全不同的概念，耐药性的增加不意味着致病性的增强。
不过，北京等城市空气成分复杂是不争的事实。
清华大学生命学院朱听课题组在2014年发表的《严重雾霾天气中北京PM2.5与PM10污染物中的可吸入微生物》论文中指出，北京大气悬浮颗粒物中包含1300多种微生物，在这些微生物中，细菌占八成以上，另外还有少量的古细菌和病毒。
课题组通过鉴别大气悬浮颗粒物中的微生物组分发现，其中大部分为非致病性微生物，有很多可能来自于土壤。
除微生物外，城市空气中还含有多种重金属成分。
珠三角地区是我国重点地区中空气质量相对较好的地区，2015年PM2.5。
实现达标，在我国三大重点区域中率先实现PM2.5年均值在35微克/立方米以下。
在中国环境科学学会组织召开的2016国家环境与健康研讨会上，据环境保护部华南环境科学研究所胡国成博士团队研究成果显示，通过对珠三角城市积尘中重金属污染特征研究发现，总体看来，城市空气灰尘中重金属含量水平冬季高于夏季;从不同功能区来看，交通区、工业区和商业区重金属含量水平较高。
珠三角城市灰尘中锌(Zn)、铜(Cu)普遍超标，具有非致癌风险，灰尘中的铅(Pb)和铬(Cr)对儿童也是非致癌风险。
关于空气质量的调查报告
关于空气质量的调查报告
标题：空气质量调查报告
1. 引言
- 环境污染是全球面临的一个重要问题，其中空气污染对人类健康和环境造成严重影响。
- 本调查报告旨在探讨空气质量的现状和影响，以及可能的解决方案。
2. 调查方法
- 选择了城市和乡村两个不同地区进行调查。
- 使用空气质量监测仪器对空气中的污染物进行监测和采样。
- 进行面对面访谈，了解居民对于空气质量的感受和环保意识。
3. 调查结果
- 城市地区的空气质量普遍较差，主要污染物包括PM2.5、二氧化硫、一氧化碳等。
- 乡村地区的空气质量相对较好，但也存在农业活动和垃圾焚烧等污染源。
- 大多数居民表示对空气质量的关注程度较低，缺乏环保意识。
4. 空气污染的影响
- 对人类健康的影响：空气污染与呼吸系统疾病、心血管疾病以及癌症等疾病的发生有密切关联。
- 对环境的影响：空气污染会导致植物凋落、水体污染和生态系统破坏等问题。
5. 解决方案
- 政府行动：加强环境监管、推动清洁能源发展、改善工业排放控制等。
- 公众参与：提高居民环保意识、推广绿色出行方式、减少燃煤等污染行为。
- 科技创新：研发空气污染治理技术、促进可持续发展等。
6. 结论
- 空气质量是一个重要的环境问题，对人类健康和环境造成严重影响。
- 解决空气污染需政府、公众和科技的共同努力。
- 提高公众环保意识和采取切实有效的措施，可以改善空气质量，创造更健康的环境。
北京空气污染问题现状分析及对策研究
北京空气污染问题现状分析及对策研究一、阐明问题本文从北京近年来空气质量状况为切入点，通过媒体报道、调查访问等方式详细分析北京空气污染问题，并且明确衡量空气质量、污染程度的具体项目和数值，以及各项指标与人体生理心理健康、社会活动等的关系及影响程度，强调治理空气污染的必要性和急迫性。
通过全面分析北京空气污染问题的主要原因，明确主要污染源与各项空气污染指标之间的关系。
通过综合分析内部因素与外部因素，权重短期利益与长远利益、局部效益与总体效益，结合技术、经济、政治、人文、社会各方面因素，找出治理北京空气污染问题的最优方案，在合理期限内改善空气质量，从空气质量数据指标和居民主观感受两个方面都能达到特定要求。
二、系统分析2.1系统总体目标本文从北京近年来空气质量状况为切入点，通过媒体报道、调查访问等方式详细分析北京空气污染问题，并且明确衡量空气质量、污染程度的具体项目和数值，以及各项指标与人体生理心理健康、社会活动等的关系及影响程度，强调治理空气污染的必要性和急迫性。
通过全面分析北京空气污染问题的主要原因，明确主要污染源与各项空气污染指标之间的关系。
通过综合分析内部因素与外部因素，权重短期利益与长远利益、局部效益与总体效益，结合技术、经济、政治、人文、社会各方面因素，找出治理北京空气污染问题的最优方案，在合理期限内改善空气质量，从空气质量数据指标和居民主观感受两个方面都能达到特定要求。
2.3系统环境分析2.4系统功能分析2.5系统结构分析系统要素4->2->7->5->1法规制度的落实保证资金投入，增加了新能源的使用,减少了化石能源消费量,而化石能源消费量进一步影响空气污染治理设备，进而影响粗放型企业数量。
2->6->1加大资金投入从而增加绿化面积进而减少粗放型企业数量。
4->3->9->8法规制度的落实增强了公民的环保意识，使公民转变出行方式，从而增加了公共交通规模，进而减少了私家车的数量。
北京“城外诚”家具城室内空气污染状况调查分析
北京“城外诚”家具城室内空气污染状况调查分析作者：李申岫来源：《中国科技教育》2010年第09期【摘要】本文对北京市“城外诚”家具城若干展区的室内空气污染状况进行了调查研究,发现家具城整体污染情况较严重,甲醛、甲苯、二甲苯、TVOC的平均浓度均超标。
各展区总羰基化合物浓度平均为782.0μg/m3,远高于一般办公环境。
由此得出结论,家具城内空气污染特征与其他环境不同;各展区由于污染源和环境条件等不同,污染水平、特征及变化规律也不相同。
最后,提出加强设备换气效率等改进措施和建议。
【关键词】室内空气污染羰基化合物甲醛挥发性有机物一、研究背景1.背景介绍家具装饰污染是室内空气的首要污染。
随着人们居家水平的提高,越来越多的人热衷于逛家具城。
在家具、装饰品云集的家具城,空气质量又会如何呢?它的污染特点是怎么样的呢?对此,我们挑选了北京“城外诚”家具城作为调查对象,进行调查研究。
2.国内研究现状国内对家具城调查的主要方法是:空气质量检测和调查问卷法。
3.研究思路(1)常规项目检测(甲醛、TVOC)分别于2009年7月19日、7月29日、8月6日和8月12日到北京“城外诚”家具城,分展区对其室内空气污染状况进行实地检测。
(2)空气中羰基化合物检测于2009年8月6日对家具城内6个主要展区进行羰基化合物的检测,共布设9个采样点。
(3)建议及改进措施二、研究方法甲醛及TVOC按照《室内环境空气质量监测技术规范》中的方法进行操作。
羰基化合物的采样分析方法采用美国环保局的标准方法US EPA,TO-11A进行操作。
三、结果与讨论1.常规项目(甲醛、TVOC)检测结果分析表1是4次采样各展区在营业时间内甲醛和TVOC浓度的平均值。
从中可以看出,6个展区在营业时间内甲醛的浓度差异不大,平均超过《室内空气质量标准》(以下简称超标)2-4倍。
所有展区的TVOC平均浓度超标3倍以上,其中欧美、沙发地毯、办公展区在一个浓度水平上,超标1倍左右;儿童和餐桌餐椅区在一个水平上,超标3倍左右;饰品区TVOC的平均浓度也最高,超标在7倍以上,污染状况是最严重的。
北京市居民室内PM2_5暴露水平调查
北京市居民室内PM2.5暴露水平调查2011年秋冬季对于我国中东部地区是一个多雾的季节，仅北京雾霾天数就高达65天。
大雾导致城市空气质量下降，在公众对大雾天气的持续关注过程中，一个原本陌生的词汇P M2.5进入了人们的视野。
PM2.5是指空气动力学直径小于或等于2.5um的颗粒物。
与TSP（总悬浮颗粒物，即空气动力学直径小于或等于100um的颗粒）、PM10（可吸入颗粒物）相比，PM2.5可直接进入肺泡并沉积，导致与心和肺的功能障碍有关的疾病（如心血管病），对人体健康构成较大危害。
目前环境大气中PM2.5的研究已经引起公众和有关部门的关注，但是室内空气中PM2.5的研究仍处于起步阶段。
人们每天约有80%的时间是在室内度过，因此室内环境中颗粒物的浓度直接影响着人们的健康。
2011年12月北京市劳动保护科学研究所室内环境检测中心对北京市城区居民进行入户采样检测，检测结果中室内PM2.5浓度最低值为0.007mg/m3，最高值为0.402mg/m3，平均值为0.095mg/m3。
同时测得当地室外P M2.5浓度最低值为0.012m g/m3，最高值为0.550m g/m3，平均值为0.119m g/m3。
室内外PM2.5浓度最高值出现于12月5日至6日，当日天气状况为小雪，无持续风向，风力小于3级。
在接受检测的住户中，57.9%的居民室内PM2.5浓度低于室外浓度。
室内PM2.5的形成主要包括直接以固态形式排出的一次粒子和由多相（气-粒）化学反应而形成的二次粒子。
其主要来源一般包括：室外污染源、室内污染源以及室内活动引起的粒子再悬浮。
其中，从室外进入室内的颗粒物是室内PM2.5的重要来源。
室外颗粒物通过开窗通风或窗隙、门缝等进入室内，其主要污染源为燃煤、工业排放、机动车和地面扬尘等。
北京在经历了多年的工业、燃煤治理后，工业污染源已经基本不存在了，汽车尾气对于PM2.5的贡献率已占60%以上。
汽车尾气排放时，由气态变成颗粒态，最初粒径很小，经过一段时间互相碰撞后，体积增大，形成PM2.5。
北京调查报告
北京调查报告北京调查报告一、引言北京作为中国的首都和政治、经济、文化中心，一直备受关注。
为了深入了解北京的发展状况和问题，我们进行了一项调查研究。
本报告旨在总结调查结果，并提出相应的建议，以期对北京的发展起到一定的促进作用。
二、经济发展北京的经济发展一直保持较快的速度，成为全国最具活力的城市之一。
根据我们的调查，北京的GDP在过去十年中持续增长，经济结构逐渐优化。
然而，我们也发现北京的经济增长主要依赖于高科技产业和金融服务业，对传统产业的支持不够。
因此，我们建议政府应加大对传统产业的扶持力度，以实现经济结构的更加均衡发展。
三、城市规划和交通随着北京人口的不断增加，城市规划和交通问题也日益凸显。
我们调查发现，北京的交通拥堵现象严重，尤其是高峰时段。
此外，城市规划方面也存在问题，一些老旧的建筑物和社区亟待改造。
因此，我们建议政府加大对交通基础设施的投资，同时加强城市规划，提升城市的宜居性。
四、环境保护环境保护是北京发展中面临的重要问题之一。
尽管政府已经采取了一系列措施，如限制汽车尾气排放和推广可再生能源，但我们的调查显示，北京的空气质量仍然不理想。
此外，城市垃圾处理和水资源管理也存在一定的问题。
我们建议政府进一步加大环境保护力度，加强污染治理和资源循环利用。
五、教育和文化北京是中国的文化中心，拥有丰富的历史和文化遗产。
我们的调查显示，北京的教育资源相对较好，高等教育水平较高。
然而，一些社区和农村地区的教育资源相对匮乏。
此外，尽管北京有许多博物馆和文化活动，但文化产业的发展仍然有待提升。
我们建议政府加大对基础教育和文化产业的投入，促进教育和文化的普及和发展。
六、社会问题北京作为一个大都市，也面临着一些社会问题。
我们的调查显示，北京的房价居高不下，给普通居民带来了压力。
此外，一些外来务工人员和农民工的权益保护问题也需要关注。
我们建议政府加大对住房保障和社会保障的支持力度，同时加强对外来人口的管理和服务。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《商务统计学》课程报告北京空气质量以及可能影响因素调查研究——基于因子分析和线性回归小组成员姓名：周坤郝策张庆庆郝坤2016年5月7号《商务统计学》课程报告摘要北京空气质量近些年成为人们关注的热点，客观地评价其变化趋势和影响因素，不仅有利于正确认识北京空气质量，也为有效预测和控制提供依据。
本文主要通过对其他文献研究和空气质量评价体系，尽可能选取多的与北京空气质量可能有关的因素，希望找出具体的影响因素，更加清晰认识到北京的空气质量的罪魁祸首。
通过选取北京2008年至2014年的相关数据，先通过因子分析的方法，提取四个公共因子，构建新的空气质量评价体系。
然后用因子得分矩阵，得到四个的得分结果，用这个结果作为自变量，空气质量优良天数作为因变量做回归分析，最终得到一个线性回归模型，可以很好的解释北京空气质量的影响因素。
关键词：北京空气质量因子分析回归分析模型构建AbstractBeijing's air quality in recent years becomes the focus of public, objective evaluation of its trends and influencing factors can not only conducive to a correct understanding of Beijing's air quality, but also provide the basis for effective prediction and control.In this paper, by factors other literature research and air quality evaluation system, select the number of Beijing's air quality as possible and may be relevant to find out which specific factors, a clearer understanding of the air quality in Beijing is the culprit. By selecting the relevant data in Beijing from 2008 to 2014, first by the method of factor analysis extracted four common factors to build a new air quality evaluation system. Then scoring matrix by a factor to obtain the results of four scores, as a result of using this argument, the air quality days to do as the dependent variable regression analysis, end up with a linear regression model can well explain the factors that affect air quality in Beijing.Keywords: Beijing Air Quality ,Factor Analysis ,Regression ,Model《商务统计学》课程报告目录摘要 (1)1绪论 (3)1.研究背景及目的 (3)2.可能影响因素与空气质量评价体系的构建 (3)2 空气质量影响的因素选取 (3)3数据分析与研究 (5)3.1 数据采集 (5)3.2 数据因子分析与描述 (5)3.2.1 数据标准化处理 (5)3.2.2 因子分析和可行性分析 (6)3.2.3 提取公因子 (6)3.2.4 因子命名与新空气质量评价体系的构建 (9)3.3 因子的回归分析与描述 (10)3.3.1因子的回归分析 (10)3.3.2回归分析结果的解释 (14)3.4 数据可视化描述与解释 (14)4结论 (16)参考文献 (16)附录 (17)图表目录图表 1 变异数总计 (7)图表 2 碎石图 (8)图表 3 因子旋转组件矩阵 (9)图表 4 组件评分系数矩阵 (12)图表 5 因子得分变换 (12)图表 6回归模型摘要 (13)图表 7 回归模型系数 (13)图表 8 年份趋势图 (15)《商务统计学》课程报告1绪论1.研究背景及目的近年来工业化和城镇化的快速发展，我国的经济飞速增长。
但同时出现的环境问题也日益突出，最受大家关注的莫过于雾霾与PM2.5，越来越频发的雾霾天气严重影响了人们的正常生活和身体健康。
那么北京作为国家首都，经济政治文化中心，那么它的空气质量也当然备受关注，研究影响空气质量因素也显得尤为必要，因为一些预防治理政策都要以此为依据。
在想到这篇文章的题目时，就想知道大家说的空气质量到底和什么因素有关呢？现有的质量评价体系又是怎么样的，是不是很全面很有说服力呢？因此在一些研究的基础上，本文想通过分析得到更全面的，更具有说服力的的评价体系，找到更多的可能影响空气质量的因素。
2.可能影响因素与空气质量评价体系的构建在分析了一些文献和自己的想法后，选取了以下的21个可能影响因素，可吸入物颗粒年日均值，二氧化硫排放量，氮氧化物年日均值，粗钢产量，水泥产量钢材产量，发电量年，平均降水量年，平均气温，平均气压，大风日数，雨日数，日照数机动车拥有量，，环境污染治理投资城市绿化覆盖率，常住人口密度，用电量，煤炭日均消耗量，汽油日均消耗量，天然气日均消耗量希望通过这些因素构建新的质量评价体系。
2 空气质量影响的因素选取《商务统计学》课程报告《商务统计学》课程报告影响空气质量不仅有以上几个方面，其他的因素当然还有很多，本文由于获取数据途径和考虑范围有限，只能选取以上因素进行分析，数据选取于北京市统计年鉴。
3数据分析与研究3.1 数据采集数据主要来源于北京统计年鉴和国家统计年鉴，选取北京市2008年至2014年这七年的数据作为分析样本，具体数据见附录。
3.2 数据因子分析与描述3.2.1 数据标准化处理本文选取的指标不是同一个量纲和量纲单位，不能直接对不同量纲的指标进行比较。
为了对整体指标进行综合评价，需要先对评价指标进行数学变换来消除指标量纲的影响，即进行无量纲化处理。
标准化法是目前使用较为广泛的一种无量纲化方法，公式如下所示：《商务统计学》课程报告Z=X−JYδ其中，Z为原始变量X标准化后的数值，JY为X的期望值，δ为X的标准差。
3.2.2 因子分析和可行性分析应用KMO和Bartlett球形检验测定样本是否适宜做因子分析。
KMO的值在0~1之间，越接近于1，变量间的偏相关性越强，因子分析效果越小。
可是当我们把所有因子输入做可行性分析时，并没有输出相关系数矩阵，显示为此矩阵为非正定矩阵，但输出了因子分析的结果，研究和查找资料发现，可能是由于样本数太少，也可能是某些变量间相关性太强，进一步发现后面一些变量的方差太小，也就是特征值太小，意味着主成分方差过小，也说明主成分包含的信息量少，因此可能无法满足正定矩阵的条件。
此种情况可以采取逐一淘汰变量的方法，最终得到检验的结果，由于影响不大，也可以直接使用因子分析得出的结果，本文采取第二种方法。
3.2.3 提取公因子利用特征值作为保留主成分标准，经SPSS分析得到如下主成分方差累计贡献率的表格：说明的变异数总计组件起始特征值撷取平方和载入循环平方和载入总计变异的 % 累加 % 总计变异的 % 累加 % 总计1 13.256 63.125 63.125 13.256 63.125 63.125 11.1692 3.128 14.894 78.019 3.128 14.894 78.019 3.5213 2.533 12.062 90.081 2.533 12.062 90.081 3.1824 1.026 4.884 94.964 1.026 4.884 94.964 2.0715 .757 3.607 98.5716 .300 1.429 100.0007 2.946E-15 1.403E-14 100.000《商务统计学》课程报告8 1.376E-15 6.551E-15 100.0009 4.802E-16 2.287E-15 100.00010 4.185E-16 1.993E-15 100.00011 2.903E-16 1.382E-15 100.00012 1.224E-16 5.829E-16 100.00013 2.597E-17 1.237E-16 100.00014 -4.159E-17 -1.980E-16 100.00015 -1.641E-16 -7.813E-16 100.00016 -2.168E-16 -1.032E-15 100.00017 -2.979E-16 -1.419E-15 100.00018 -3.429E-16 -1.633E-15 100.00019 -5.111E-16 -2.434E-15 100.00020 -6.181E-16 -2.943E-15 100.00021 -1.447E-15 -6.891E-15 100.000提取方法：主成分分析图表 1 变异数总计根据上表可知，提取因子因子有四个，累计方差贡献率为94.964，碎石图如下：《商务统计学》课程报告图表 2 碎石图由上图可直观看出，因子4和因子5很接近，而且从因子4开始，下降趋势很缓慢，因此提取四个因子是合理的。
4个因子的旋转矩阵如下表：《商务统计学》课程报告图表 3 因子旋转组件矩阵3.2.4 因子命名与新空气质量评价体系的构建根据旋转矩阵我们可以看出，可吸入颗粒物年日均值（x1），二氧化硫排放量（x2）, 氮氧化物年日均值(x3), 环境污染治理投资(x4), 粗钢产量(x5), 钢材产量(x6) 发电量(x8), 日均用电量(x9), 汽油日均消耗量(x11), 天然气年日均消耗量(x12), 雨日数(x17), 机动车拥有量(x19), 常住人口密度(x20), 城市绿化覆盖率(x21),在因子1上有较高载荷，这些变量比较综合，涉及到各个方面，里面主要有工《商务统计学》课程报告业产能，污染物排放以及人口与活动方面的因素，因此可以命名为“污染物排放与人类活动指数”，记为Y1。
年平均降水量（x13）大风日数（x16）在因子2上载荷较大，因此可以命名为“自然风雨量指数”，记为Y2。