 ==>> 点击下载文档 |
由于受当时数据的局限，《北京城区研究报告》仅仅对美国大使馆PM2.5数据进行了分析
我们深知，一个站点的数据并不能完全反映一个城市的污染状况，因此在这次发布的报告中，
在北京，我们将观测站点扩展为四个，除了美国大使馆（简称美使馆）外，还对美使馆附近
的三个环保部站点的PM2.5
这份报告的观测周期为2013年1月至2015年12月，分别对这五大城市的美国大使馆
或领事馆（简称美国使/领馆），以及其邻近的中国环保部监测站点的PM
数据进行了分析，以确保数据的科学性和准确性。同时，我们还将
研究范围从北京扩展至中国的其他区域，并选取了四个颇具代表性的城市：上海、广州、成
都和沈阳。在这四个城市中，则各自选用了美国领事馆（简称美领馆）和两个与其邻近的环
保部站点的数据
2.5逐小时数据，结
合气象数据，进行了对比分析。通过美国使/领馆与环保部两个独立数据源的交叉验证，来
分析中国主要城市的空气质量。同时，我们运用现代统计学的方法，计算出了五大城市自
2013年以来在可比气象条件下的PM2.5月度/半年度/年度的均值浓度、中位数浓度1和90%分
位数浓度2。我们利用这些空气质量统计指标，对近几年五大城市的空气质量进行量化分析，
提炼出了各城市PM2.5中位数浓度：是指有50%的PM2.5数值低于该浓度，50%的数值高于该浓度，它刻画了污染程度的中间水平。 2
90%分位数浓度：是指有90%的PM2.5数值低于该浓度，10%的数值高于该浓度，它刻画了最严重的10%的污
染程度
污染的主要特征和动态趋势，以便能为评估中国空气质量全局提供一个
观察窗口
在这份报告中，我们也试图回答公众普遍关心的两大问题：一是中国环保部发布的空气
污染数据的质量如何，是否权威可靠；另一个则是，近几年中国主要城市的空气污染状况，
是否在持续恶化，还是有所好转。针对这两大问题，本报告将从统计学的角度，用数据进行
分析解答，以确保结论的公正性和客观性。目录
一、背景.. 3
二、五城市的地理和气候条件........ 4
三、数据来源.......... 5
四、五城市空气污染的基本统计描述.. 6
五、美国使/领馆与其邻近的环保部站点数据的对比. 9
六、风和降水的影响... 11
七、剔除气象因素后的污染浓度..... 16
八、年度污染浓度变化. 20
九、冬季供暖对PM2.5 的影响 .......... 24
十、五城市空气质量综合比较....... 27
十一、能源、经济与地形对污染的影响分析....... 32
十二、结论........... 35
参考文献： 37
附录：.... 39一、背景
中国过去20多年的快速工业化，对促进中国经济增长发挥了重要作用，但也极大地增
加了对化石类能源的消耗。国家统计局数据[2]显示，自2001年加入世界贸易组织以来，中
国的能源总消耗从2001年的15.55亿吨标准煤迅速提高到了2014年的42.6亿吨标准煤
这意味着，过去13年里中国总的能源消耗增加了1.75倍。如此巨量的能源消耗及其伴随着
的污染物排放，给中国大气环境带来了沉重的压力[3]。中国东部、中部地区及四川、重庆
等地区的污染排放，已经远远超过了自然环境所能承载的上限。与此同时，大气污染防治与
环境执法监管的力度，却远远落后于能源消耗和污染排放的增加速度。这两方面的因素，也
是导致中国一些人口密集区域备受雾霾天气袭扰的关键原因
作为中国政治经济发展中非常重要的五个大型城市，北京、上海、广州、成都和沈阳，
分别位于京津冀、长三角、珠三角、川渝和辽宁经济区。这五大区域的经济总量占据全国总
量的50%以上，能源消耗量巨大，也是大气污染和雾霾天气灾害较为严重的区域。雾霾的主
要成分PM2.5对人类健康有着极大的危害[4-6]，也不同程度地影响着农业、生态、气候和居
民的生活质量[7-9]，因此研究中国这五个主要城市PM2.5的污染状况及其影响因素，将为中
国大气污染的预防和治理提供重要的实证依据
要量化PM2.5污染的严重程度，首先需要可靠的数据支持。中国环保部自2013年1月开
始，正式对全国74个城市的PM2.5污染状态进行实时播报。从2015年1月，实时播报范围扩
大到338个城市。美国驻华大使馆从2008年开始发布北京的PM2.5污染数据，并分别于2011
年11月、12月，2012年6月和2013年4月，开始发布其在广州、上海、成都和沈阳的美
领馆所在地的PM2.5
但是，自2008年以来，时有国外媒体怀疑中国环保部大气污染数据的真实性。例如《华
尔街日报》[10]在2012年1月23日的一篇报道中称，北京官方的PM
数据。这两方发布的数据，是目前公众判断空气污染程度最常用的两大数
据源
2.5数据与美国大使馆的
数据不一致。这也不完全是空穴来风，因为有研究表明，2013年以前，中国某些城市的PM10
数据存在人为干扰的迹象。Andrews[11]在其2008年发表的研究中发现北京市的蓝天指数同
公布的PM10数据存在不一致。Chen等[12]发现中国许多城市的PM10的统计分布在数值为100处有不连续的跳跃，这一跳跃在统计学上找不到解释，唯一的解释是PM10等于100是定义蓝
天的界值。Ghanem和Zhang[13]独立验证了[12]关于PM10数据人为干扰的问题
需要强调的是，大气污染数据的可靠性是大气污染防治的重要保障。因此，本报告的一
个目的是运用统计学方法交叉验证美国使/领馆和邻近的环保部站点数据的可靠性。只有大
气污染数据的可靠性得以保证，基于真实和高质量数据的后续分析的结果才有价值，才能真
实地反映一个城市大气的污染程度
为了交叉验证数据的可靠性，我们分别使用美国使/领馆和邻近环保部站点两个独立数
据源的PM2.5数据，分析和比较了描述大气污染不同状态的统计量的一致性和相关系数。同时，
在剔除气象因素对数据造成的影响后，使用两个数据源的数据分别计算出各站点的PM2.5的月
均值和百分位数浓度。通过多方面、多层次的相互对比和相关性分析，我们发现，使用这两
个数据源所得到的空气质量评价，有着比较高的一致性。这可以在一定程度上，为公众对中
国主要城市空气污染数据质量的评估提供一个参考依据
同时，我们使用美国使/领馆和邻近的环保部站点数据，量化分析了近年来五个城市PM2.5
二、五城市的地理和气候条件
浓度的基本分布状态，提炼出了各城市空气污染的主要特征和动态趋势，并对五城市的相对
污染程度给出了合理的比较
从地理条件来看，北京位于华北平原的西北角，西临太行山脉，北靠燕山山脉，地形并
不利于大气污染物的扩散。而北京东面和南面的华北平原上分布着大量的重工业企业。因此
在气象扩散条件不利时，例如在持续的南风或者无风、高湿的静稳天气下，极易发生污染物
输入或是为PM2.5的二次化学生成提供有利条件。成都位于四川盆地的西部，其西面和北面都
有高山，扩散条件差，极易形成污染物的堆积。而与北京和成都相比，上海、广州和沈阳的
地形较为开阔，大气污染物较易扩散。其中上海和广州离海较近，污染物容易被海风吹散
广州靠近北回归线，常年气温较高，大气边界层高度也高于其它城市，易于稀释大气污染物
。。。以上简介无排版格式，详细内容请下载查看
