空气质量评价与大气污染预报问题
1问题重述
大气是地球自然环境的重要组成部分之一，是人类赖以生存的必要条件。
随着近年来人口的急剧增加和经济的急速增大，地球上的大气污染日益严重。
为了人类环境的保护，加强大气质量监测和预报是非常必要的。目前大气质量
监测的主要对象是大气中的SO2、NO2以及PM10等的浓度。
本文根据所给附件，针对A、B、C、D、E、F六个城市的空气质量，主
要解决以下几个问题：
1）找出各个城市SO2、NO2和PM10之间的特点，并将几个城市的空气质
量进行排序。
2）对未来一周即2010年9月15日至9月21日各个城市的SO2、NO2、PM10
以及各气象参数作出预测。
3）分析空气质量与气象参数之间的关系。
4）就空气质量的控制对相关部门提出你的建议。
2模型假设
2.1假设F城市的发展是平衡发展，政府对环境治理干预较小，即F城市的
环境不会出现强烈波动
2.2数据附件所给的六个城市的污染物浓度及气象参数等有效数据（剔除坏
点后的数据）都准确可靠，不考虑人为因素，检测仪器精确度不同的影
响，具有统计、预测意义
2.3在对预测期内即2010年9月15日至9月21日时间段内，各个城市不会
出现重大空气污染事故
2.4城市空气质量好坏与季节及气象条件的关系十分密切
3符号变量说明
各污染物当月第i天的污染指数
C 各城市第i种污染物第j个月的平均污染指数x 第j个城市三种污染物的污染指数各城市第j个月的月综合平均污染指数y 第i个城市三种污染物的客观权值
第i个城市三种污染物的主观权值
第i个城市三种污染物的综合权值
准则层第i个元素对目标层元素的权重
空气质量评价与大气污染预报问题
附录中给出的有效数据测量月数 n 各城市的综合指数方差
m
4 问题分析与模型建立
4.1 污染物之间的特点及各城市空气质量排名
4.1.1 数据处理
根据附录中所给数据观察可以发现有三类异常数据，一是第86项数据日期记录为2005年2月21日，与前后年份记录不相一致；二是有很多相邻数据为零，可能是三种污染物都为零，也可能的污染物中的一种为零。我们将这两类数据当做异常数据进行整行剔除，即，该行中有一个异常数据，该行不再参与运算；三是气象参数中第986项气压值，第310项温度的数据与前后数据相比，不符合实际气候条件，对其进行整行剔除。
4.1.2 找各个城市三种污染物之间的特点
大气污染是由于大气中某些成分含量不正常的增量导致的，在这里，我们只考虑SO 2、NO 2和PM10三种物质。判断大气污染级别应先计算出污染指数（API ），根据表1-1（空气污染指数对应的污染物浓度限值）计算各污染物指数。API 其基本的计算公式如下：
（1） 其中，I 为某污染物的污染指数，C 为该污染物的污染浓度。C 大与C 小分别为
表1-1中最贴近C 值的两个值，C 大为大于C 的限值，C 小为小于C 的限值，同
样，I 大与I 小也是限值。
污染指数
污染物浓度（毫克/立方米） API
SO 2（日均值） NO 2（日均值） PM10（日均值） 50
0.050 0.080 0.050 100
0.150 0.120 0.150 200
0.800 0.280 0.350 300
1.600 0.565 0.420 400
2.000 0.750 0.500 500 2.620 0.940 0.600
表1- 1 空气污染指数对应的污染物浓度限值
计算出各污染物的污染指数后，我们按月为周期计算污染指数的平均值， 其计算公式如下：
（2）
其中，为某城市平均污染指数，n为当月对该污染物的测量天数，其
确值依数据而定。通过计算，我们可以得到六个城市三种污染物每个月的污染
指数平均值，每个城市分别绘制各污染物指数平均值的折线图，比较即可得到
污染物之间的特点。
4.1.3根据API进行空气质量排名的分析和模型建立
由4.1.2可以知道各城市每个月的三种污染物污染指数平均值，取最大者为该城市当月的空气污染指数API，同时，最大者为当月的首要污染物。根据
表1-2（空气污染指数范围及相应的空气质量类别、等级）确定该城市当月的
空气质量级别。
空气污染指数
0~50 51~100 101~150 151~200 201~250 251~300 ＞300 （API）
空气质量状况优良轻微污染轻度污染中度污染中度重污染重污染等级一级二级三级四级五级六级七级
目前我国环境空气质量评价的主要依据是API值的二级达标天数，即根据已有的API分级制，计算城市的二级空气质量达标天数并以之作为该城市空C 气质量的评价。由于这里我们以月为周期对数据进行了处理，因此，我们按月
均值的二级达标次数作为本题的排序依据。
4.1.4用综合评价模型进行空气质量排名的分析
空气质量的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的，空气污染是一个复杂的现象，在特定的时间和地点空气污染物浓度
受到许多因素影响，且不同污染物对空气污染程度的影响不同。API指数评价
模型具有较大的限值性，其主要原因是API空气质量分级制具有较大跨度，使
得这种评价浪费了大量信息，不适合客观细致的对城市进行空气质量的评价、
排名。
为了全面的评价各个城市的空气质量并进行排序，本文选用了综合评价模型，将本题中涉及到的三个空气污染指标通过分析比较，进行量化，确定各项
指标的权重系数，得到每个城市三种污染物对空气质量的影响程度。考虑到空
气质量检测仪给出的客观空气质量评估与人们自身对空气的敏感程度给出的
主观空气质量评估存在差异，我们最后将主客观两方面有机结合对各个城市的
空气质量进行综合评价，并对其排序。
4.1.5建立综合评价模型
首先，我们分析所涉及的几种因素之间的关系：一个城市空气质量的好坏取决于这个城市污染物的API值，由API值确定污染程度。
为叙述方便，下面以A城市为例，对求解步骤做以下说明：
（1）客观出发
○1由4.1.2我们计算出A城市三种污染物60个月来的污染指数；
○
2设三种污染物的权值做出客观的定量为： i ω； ○
3求出60个月的每月月综合指数：
j y （3） ○
4综合指数的平均值： （4） ○
5综合指数方差：
（5） 为了使各城市之间用于比较的数据区别较大，这里，需要让方差达到最
大值，即数据整体差异最大，从而问题转化为求权重系 数ωi 使方差max 有最大值。
（2）主观出发
我们将人们对空气敏感程度作为对空气质量好坏的评价，给出主观 的污染物权值i ，即SO 2对空气污染的影响程度最大，PM10次之，NO 2影响相对较小。
（3）主客观结合
为了使权值具有代表性，我们令：
（6） 因此，最终得到的综合指数的计算式为：
（7）
4.1.6 用层次分析法进行排名的分析
上述提到的综合评价模型以不同种类的污染物的API 数值为基础，以对
六个城市的污染程度进行综合排名为最终目的，具有一定的层次性，受此启发，我们考虑用建立以对六个城市的污染物污染程度排序为目标层，以不同种类的污染物API 数据为准则层，以待评的六个城市为方案层的选优排序问题，根据层次分析方法，确定方案层对目标层的权重，从而达到建立层次分析模型对六个城市污染程度进行排序的目的。
4.1.7 建立层次分析模型
层次分析法是一种定性和定量相结合的、系统的、层次化的分析方法。
通过逐层比较多种关联因素来为分析、决策、预测或控制事物的发展提供大量
依据。具体建模步骤如下：
（1）分析系统中各因素之间的关系，建立系统的递阶层次结构。
本题中所涉及的因素有城市，污染物以及排序总共三个，影响排序的指标为三个污染物的指标，而污染物的指标又受到不同城市的影响，据此建立
的层次结构如下图1-1所示：
图1- 1 系统中各因素层次结构
（2）构造判断矩阵。
构造判断矩阵主要通过比较同一层次上的各因素对上一层相关因素的影响作用。比较时采用相对尺度标准度量，同时，要尽量依据实际问题具体情况，减少由于决策人主观因素对结果造成的影响。
对于准则层判断矩阵的构造，我们参考了上面方法最终得出的六个城市的权重向量，以此作为主观构造判断矩阵的依据，得到判断矩阵Z。
而方案层判断矩阵的构造较为复杂，由于所给数据不具有连续性，E城市的观测数据前段缺失，而F城市的数据过少，我们考虑对数据做以下处理：不考虑F城市，依E城市拥有的数据量做基准，只考虑A、B、C、D、E都有数据的后31个月。
分别统计每个城市SO
2、PM10作为首要污染物出现的次数，对于NO
2
的数
据，我们以每次浓度达到均值及以上记一次，得到三种污染物的次数矩阵T：
再由该矩阵构造判断矩阵Z
1、Z
2
、Z
3
。下面以Z
1
矩阵的构造为例，定义判
断矩阵构造的方法：
○1对角线元素为1。
○
2第i 个元素与第i+j 个元素相比，若第i 个元素较大，则相减得到的绝对值作为分子，分母为1,；反之，分子为1，相减得到的绝对值为分母。这个数值做为构造矩阵的第i 行第i+j 列元素，依次构造出上三角矩阵的元素。
○
3根据正反矩阵，构造出下三角矩阵，即可得到完整的判断矩阵。 （3）由判断矩阵计算被比较因素对每一准则的相对权重，进行判断矩阵的一致性检验。
确定相对权重向量的方法很多，这里我们选择特征根法。以判断矩阵Z 为例：设权重向量为P ，
P ，且Z ，则有下列等式：
ZP （8） 这里，P 为最大特征根λ所对应的特征向量，且λ≥n 。据此方法，还可以得出方案层的特征向量Q=（P 1，P 2，P 3），注意P 是有三个元素的一维向量，P 1、P 2、P 3都是有六个元素的一维行向量，其计算方法同P 。
最后，我们得出了方案层对目标层的最终权重的计算式：
R （9） 所得最终权重表示各城市空气质量受污染程度，数值越大说明该城市污染越严重，空气质量越差。
4.2 对未来一周的污染物浓度与气象参数预测
4.2.1 模型分析
题目要求预测的是2010年9月15日至9月21日各个城市的SO 2、NO 2、 PM10以及各气象参数，预测时期短，数目多，可以选择时间序列进行预测，将数据序列选取为2010年所有测量日的数据。具体的，我们利用Eviews 软件进行分析，选用ARIMA 模型对上述总共7项数据进行预测。
4.2.2 模型建立
ARIMA （p,d,q ）是一常用的随机时间序列模型，并且是一种高精度的短 期预测模型。其基本思想是：某些时间序列是依赖于时间t 的一族随机变量，但是整个时间序列的变化却具有一定的规律，可以用相应的数学模型来近似描述，达到最小方差下的最优预测。预测的基本步骤为：
（1）时间序列的平稳性检验：
在使用时间序列模型进行预测前，首先进行序列的平稳性检验，确定所要选用的模型，一般选择ADF 单位根检验法。如果得出的时间序列是非平稳的，则需进行下一步。
（2）确定差分阶数d ：
对于非平稳的时间序列可用差分方法进行处理，直至变为平稳序列，
差分次数即为阶数d 的值。一般而言，参数d 通常只取0，1或2。
（3）确定阶数p,q ：
对于差分后的时间序列ARMA （p ，q ）进行p ，q 定阶，可运用最佳准
则函数定阶法（AIC 准则），该准则是在模型阶数极大似然估计基础上，对模
型的相应阶数同时给出一组最佳估计。
（4）模型检验：
对模型进行检验，诊断残差序列是否为白噪声序列，若是，则说明模型可用于实际预测。若不是，回到步骤3）重新选择p，q，再次检验，直到通过残差序列为白噪声为止。
（5）进行预测：
利用所得到的模型对所需预测的数据进行预测即可。
下面给出建模流程图：
图1-2 时间序列建模流程图
4.3空气质量与气象参数之间的关系
4.3.1模型分析
由于空气质量由各项污染物浓度高低决定，因此，在分析空气质量与气象参数之间的关系时，可以转而分析各项污染物浓度与气象参数之间的关系。在分析各项污染物与气象因子之间的关系时，因各项污染物浓度与季节气候有关，我们按照季节气候抽取了04年至09年春季（3至5月）与冬季（当年12月至次年2月）的数据进行整理，以每个月各项污染物浓度的月均值做分析。
所给的数据中只有一组气象参数，但空气质量数据却为六个城市的，且由前面的求解可以发现，各个城市空气质量变化不一样，可以推断，所受到的气象影响也是不一样的，所给的该组气象参数不可能是全部城市的，因此需要确定该气象参数所属的城市，考虑到气象参数数据的完整性，首先可以排除数据缺失的D、E、F三个城市，转而考虑A、B、C三个城市与气象参数之间的相关性，利用相关性分析的方法确定出气象参数所属城市之后，采用多元回归分析研究该城市影响空气质量的各项污染物浓度与气象参数之间的关系，得出相关系数，并对其进行检验，以便后文进行讨论。
4.3.2 模型建立
（1）确定气象参数所属城市
影响大气污染物扩散、稀释程度的气象因素有风速、温度、湿度和大气 压等。因此气象因子变化与空气中污染物浓度变化均有明显的规律性。为了探求气象参数与污染物浓度之间的因果关系，我们可以通过典型相关分析，得出典型变量之间的典型相关系数来综合地描述两组变量的线性相关关系，进而得出A,B,C 城中，与气象因素相关性最高的城市，以推断气象参数所属城市。所用的典型相关性分析原理如下：
将两组变量的相关性研究转化为两个综合变量的相关性研究，这种相关称为典型相关，这两个综合指标称为典型变量。典型相关分析是基于主成分的相关分析，首先运用主成分分析，分别对两组变量抽取主成分，进而分析两组主成分间的相关性。
○
1根据分析目的建立原始矩阵： ??????????????=np n n p p x x x x x x x x x M 212222111211 ， ???????
?????????=nq n n q q y y y y y y y y y N 212222111211； 这里，如果矩阵中元素的量纲互不相同时，我们需要对矩阵中的元素进 行标准化处理。以M 矩阵为例，标准化公式为：
（10）
其中矩阵M 中第p 列元素的均值，而Sp 的计算公式为：
（11）
○2对原始数据进行标准化变化并计算相关系数矩阵如下：
其中，R MM 、R NN 分别为第一组变量M 和第二组变量N 的相关系数矩阵，
且为第一组变量M 和第二组变量N 的相关系数。
○3求典型相关系数和典型变量：
计算矩阵以及矩阵的特征值和 特征向量，分别得到典型相关系数和典型变量。
○4检验各典型系数和相关系数的显著性。
检验过程由软件SPSS 计算，结果直接得出，这里给出检验标准。
典型相关系数矩阵：
典型相关系数γ反应的相关成分最多，称为第一对典型变量，典型相关系数γ反应的相关成分次之，称为第二对典型变量；依次类推。
相关系数大小
一般解释 0.8~1.0
非常强的相关 0.6~0.8
强相关 0.4~0.6
中度相关 0.2~0.4
弱相关 （2）多元线性回归分析气象参数与污染物浓度的关系
气象因素对空气污染的影响是各个气象因子综合作用的结果。例如影响SO2浓度的气象因素可能有风速、湿度等。多元线性回归可以建立各气象因子与污染物浓度之间的线性关系。
一般的，多元线性回归分析的模型为：
（12） 式中都是与无关的未知参数，其中
称为回归系数。本题中，由于观测数据为三种污染物浓度，故
（10）式中所示的y 应是一个三个元素的一维向量。自变量元素为四个气象参数，则具体模型为：
（13）
其中i=1,2,3,yi 表示三项污染物的月均浓度值，m=1,2,3,4,5,6， xim 为第i 种气象因子的值。βi 为污染物与气象参数之间的相关系数。
因为我们事先无法知道或不能断定随机变量y 与一组变量x 1，x 2，…，x k 之间确有线性关系，所以用Matlab 求出各个相关系数之后，需要对其进行检验，我们选择了F 检验法和R 检验法。
首先提出原假设：H 0：
，并构造回归平方和U 值、残差平
方和Q 值和总平方和L 值：
U =，Q ，L （14）
F 检验法：当H 0成立时，构造F 统计量
F = （15） 在显著性水平α给定的情况下，由
α= （16） 知检验规则为：
如果F>F 1-α（k ，m-k-1），则拒绝H 0，认为y 与x 1，x 2，…，x k 之间显著地
有线性关心；否则就接受H 0，认为y 与x 1，x 2，…，x k 之间关系不显著。
R 检验法：与一元回归情形类似，y 与x 1，x 2，…，x k 线性相关的密切程
度也可用回归平方和U 在总平方和L 中所占的比例大小来衡量：
（17）
（17）式提供了y 与x 1，x 2，…，x k 的多元相关系数计算方法。
4.4 就空气质量的控制对相关部门提出建议
从整个建模的过程中队数据的分析以及对求解结果的分析，可以定出与空气质量的控制相关的部门，就近年空气质量的走势，对其提出相应的建议。 5 模型求解
5.1 各个城市SO 2、NO 2、PM10之间的特点
5.1.1 各个城市SO 2、NO 2、PM10的月 API 均值折线图，见图2-2。
5.1.2 结果分析
整体分析图2-1可以发现，A 、B 、C 、D 、E 、F 六个城市中的污染物SO 2、
NO 2和PM10的月API 均值均有所波动，且折线总体呈下降趋势。
分析A 城市的折线走势，发现观测前期SO 2指数一直高于PM10，中后期
或与PM10指数持平，或远低于PM10指数。而NO 2指数绝大多数月份都低于SO 2和PM10的指数，但在第11个月左右有一个明显的回升。
B 城市与A 城市有类似的地方，但是B 城市的SO 2指数波动较A 城市的大，
且下降趋势不明显，而PM10指数在观测后期有显著的降低趋势，且NO 2指数远
低于前两种污染物指数，处于一种平稳状态。
C 城市的折线走势在观测的个别阶段，PM10指数有一个突然升高的趋势，而其余时间三条折线走势都比较平稳。
D 城市与C 城市的折线走势相似，在观测的个别阶段PM10指数也突然升高，且两城市PM10升高的阶段相近。
020
40
60
80
100
120
140
160
A 城市
0204060
80
100
120140160180B 城市
050
100
150200
250
300
350
C 城市
050
100
150200
250D 城市
020
40
6080
100120
E 城市
1020
30
40
50
60
70
80
90F 城市
图2- 1 各城市各指标月API 均值折线图
E 城市的NO 2指数与PM10指数在观测期间都比较平稳，但SO 2在个别阶段波动较大，总体上，E 城市的空气质量平稳性较前三个城市要好。
由于F 城市的数据极少，这里只能对当下能用的有效数据进行处理，得出的指数走势图比较平稳，不能确定其确切的空气质量。
最后，做出如下总结：根据上述分析，我们猜测，A 城市与B 城市的城市结构有相似之处，C 城市与D 城市在个别月可能同时受到相同的外界因素影响，
导致PM10突然升高，而E城市空气质量平稳性最好。
5.2城市空气质量排名
5.2.1根据API指数进行排序
公式（1）和公式（2）给出了我们计算各污染物月均API的方法，运用
Matlab计算可得第j个城市第i种污染物的月均值，同时取三种污染物中最
大者为该城市API指数I，则各城市API指数的二级达标次数如下表2-1所示：
由于F城市数据不足，导致其二级达标月数为全部测量月，且仅有4个月，
这里我们不将其数据同其他五个城市作比较排序。得出的城市空气质量按优到
差排序为：E A D B C。
5.2.2综合评价模型的求解
同样以A城市为例。根据设定的客观权值，用软件lingo（程序见附录七）
求出A城市三种污染物的客观权值为：ω验证可知，ω是带入（5）时，使得方差最大的权值。将ω和ω=带入（6）式计算得最终综合权值ω为：w由（6城市名污染综合评价指数A 40.87 B 46.54 C 45.70 D 52.87 E 32.59 从表内容可知，D城市污染最为严重，E城市污染较轻。空气质量由优到
差排序为：E F A C B D。
5.2.3层次分析模型求解
由4.1.7 中（2）提到的方法依次构造判断矩阵为：
，，
，，
得到判断矩阵之后，由4.1.7中第3）步，用软件可以算出准则层和方案
层的特征向量如下：
P=将P和Q代入式（9），即可得到最终的方案层对目标层的权重R：
依据权重，按空气质量由优到差对城市进行排序：C E A B D。
上述三种方法中，只有综合评价模型将F城市纳入排名中，但鉴于其他城
市的数据与F城市同期数据重叠部分过少，其排名也存在不合理性。
5.3预测模型的求解
为便于下文叙述，此处选用D城市的NO2为例进行求解。根据所选数据
绘制序列NO2的折线图。
图2- 2 序列NO2的折线图
由折线图可以看出序列不存在明显的时间趋势，因此初步判断序列是非平稳序列，采用ARIMA模型。下面，我们按4.2.1中提到的步骤，逐一求解。
（1）用ADF单位根检验序列NO2的平稳性
在进行ADF单位根检验之前，需要确定检验回归模型的形式，可通过如上面所得序列的折线图判断是否需要加入截矩项和时间趋势项。本题的序列折线图随时间没有明显的增加趋势，所以可以确定检验回归方程中只需包含截矩项。
确定检验回归模型后，在序列窗口工具栏中选择ADF检验，再在选项Tset for unit root in中选择Level进行原序列单位根检验，并在选项Include in teat equation中选择Intercept 选项，表示检验回归方程中仅包含截矩项。检验结果如下图2-3：
的ADF单位根检验结果
图2- 3 原序列NO
2
由图分析，在1%，5%，10%的检验水平下，t统计量值=-2.498484，
检验水平下的三个统计量临界值大，只能拒绝原假设，所以我们确定序列NO2是非平稳序列。
（2）确定差分阶数d
是非平稳序列时，我们接着上面的步骤，在Tset for unit 当原序列NO
2
root in 选项中选择 1st difference 对序列的一阶差分进行单位根检验，检验结果如下图2-4所示：
一阶差分的单位根检验结果
图2- 4 序列NO
2
同第（1）步中所作同样的分析可知，序列NO2一阶差分的ADF检验的
一阶差分没有t统计量都比1%，5%，10%检验水平下的临界值小，因此序列NO
2
是一阶差分平稳的，故d=1。
单位根，也即序列NO
2
（3）确定阶数p，q
在估计模型之前需要确认模型形式，可以通过分析一阶差分序列的自相关图和偏自相关图来识别。我们对原序列NO2一阶差分后的平稳序列分别绘制了自相关图与偏相关图，如下图2-5所示。
每一随机过程都有典型的自相关函数（AC）和偏自相关函数（PAC）下面表2-3给出了时间序列的AC和PAC的理论模式，AR（p）过程的AC和PAC，与MA（q）过程的AC和PAC相比较，有相反的变化模式。
模型类型自相关函数（AC）的典型模式偏自相关函数（PAC）的典型模式AR（p）模型指数衰减或衰减的正弦波或两者显著地直至滞后p阶的尖柱MA（q）模型显著地直至滞后q阶的尖柱指数衰减
ARMA（p，q）模型指数衰减指数衰减
表 2- 3 时间序列的AC与PAC的理论模式
图2- 5 序列NO
的自相关和偏相关图
2
通过上图可知，序列NO2一阶差分后的偏自相关函数呈指数衰减，而自相关函数AC一直到滞后2阶都是下降的，自相关函数在滞后1阶、2阶处都超出了95%的置信区域，由表2-3确定时间序列模型为MA（1）或MA（2）。再利用Eviews软件进行定阶，MA（1）与MA（2）两个模型分析拟合优度，结果如下图2-6所示：
（1）MA（1）的估计结果（2）MA（2）的估计结果
图2- 6 MA（q）估计
从上图可知拟合优度，对于MA（1）模型：
，，，AIC准则=-6.1826，SC准则=-6.1549。
对于MA （2）模型：
R ，R ，F 统， AIC 准则=-6.1969，
SC 准则=-6.1546。
两个模型的F 统计量相应的概率值都非常小，对比所列出的数据，MA(2)的AIC 准则与SC 准则都比MA(1)的小，而且R 2的拟合优度更大，所以q=2。
（4）模型检验
用Eviews 软件对模型MA （2）做残差检验，看是否满足白噪声过程结果如图2-7所示：
图2- 7 模型MA （2）的残差相关图
分析图可知，残差序列的样本自相关函数和偏相关函数都在95%的置信区
域以内，因此可以认为该残差为一白噪声过程，从而通过检验。结合之前已定阶数d=1，所以选用ARIMA （0,1,2）模型。该模型中所用到的公式为： t ， y 为NO 2的浓度随时间变化的量。
（5）进行预测
最后，我们利用所得到的模型ARIMA （0,1,2）对2010年所有测量月进行
预测，预测结果与实际结果的相对误差如下图2-8所示：
（1）实际结果与预测结果比较图（2）预测结果与误差图
图2- 8预测结果与实际结果折线图
图2-8（1）中蓝线为实际结果，红线为预测结果，2-8（2）中蓝线为预测结果，红线是预测置信区间。2010年所给数据详细的预测结果及其它城市未来一周的预测结果分别见附录五。利用所得模型，计算D城市未来
日期9月15日9月16日9月17日9月18日9月19日9月20日9月21日
预测值0.012094 0.011648 0.011523 0.011398 0.011273 0．011148 0.011023
2
针F城市，由于其数据测量于2004年9月至12月，若根据测量数据2010年9月15日至9月21日的各个污染物浓度进行预测显然不合理，因此对影响F城市空气质量的各污染物采取定性分析。由假设1，F城市的环境不会出现强烈了变化，因此可认为F城市空气中各个因素的浓度只在很小范围内波动，并且由第一个问题的综合评价模型得出，F的排名在A排名之前，可以对A、F进行对比作出定性的分析，分析如下：
在F城市的环境不会出现强烈的变化的情况下，分析城市A中各项污染物的API的值，发现均有所下降，可以认为城市A的空气质量有所改善，即城市A的空气质量综合评价有所提高，缩小了与F城市的差距。由此可认为F城市各个污染物浓度变化走势与A城市接近。
5.4空气质量与气象参数之间的关系的求解
5.4.1相关性分析的求解
运用统计和分析软件SPSS（程序见附录六）进行典型相关性分析，详细的数据结果见附录一。观察对比A、B、C三个城市春季和冬季的相关系数块和相关系数矩阵块。比较三个城市的典型相关系数，在典型相关系数矩阵块中，以某污染物受四种气象参数影响由高到底比较气象参数的相关系数即可得结论：气象参数因子属于C城市。下面给出城市C的上述两个模块的数据
结果分析：
典型相关系数春季和冬季均有：
C 城市气象因子与污染物的相关系数春季和冬季均是中、强度相关，相关程度均高于A 和B 城市，且显著性检验效果明显，从而通过显著性检验。检验结果见附录二。
5.4.2 城市C 进行各污染物浓度与气象参数之间的关系求解
根据多元线性回归法的基本理论，以C 城市春季统计数据处理为例，分 别考虑大气压（mmhg ）、温度（tem ）、湿度（rh ）、地面平均风速（ws ）四个变量，自变量分别以p ，t ，f ，v 表示，因变量用c 1，c 2，c 3表示C 城市SO 2，NO 2，PM10的浓度，根据公式（13）用Matlab 统计工具箱中的多元回归分析命令regress 进行求解，结果如下：
查表可得F 0.5（4,2）的值，对比上表看出，SO 2、NO 2的三项指标数值满足
参数检验标准，是合理的。PM10的三项指标数值不满足参数检验标准： F< F 0.5（4,2）,P(F)>0.05，拒绝原假设。所得回归方程为：
用同样的方法计算出冬季的回归系数，并检验的三个指标值（见附录三）都是合理的，从而得出多元线性回归方程如下：
。
利用所得回归方程，利用C 城市04至09年春冬两季的各项气象因子对各
项污染物的浓度进行预测，检验所得相关系数在实际意义中的合理性。实际
值与预测值具体见附录四，拟合图如下：
图2-9预测值与实际值的折线图
结果分析：
春季：春季SO
2
与风速、湿度的相关系数分别为：-0.002和-0.129，呈现
负相关，与实际意义相符合。同样作为气体性污染物，NO
2
与风速、湿度的相
关性与SO
2
类似，都呈现负相关，而与大气压、温度相关性不高。PM10与四个气象参数的相关性不高，但仍有一定的相关性。
冬季：冬季三种污染物（SO
2、NO
2、
PM10）与四项气象参数的相关性不高，
SO
2与大气压呈微弱的负相关，与风速成正相关。NO
2
与大气压的相关系数为
0.003，呈微弱正相关，与温度，湿度和风速皆成负相关，且相关度也不高。PM10与大气压和风速都呈正相关，说明风速可引起PM10的扩散，加重空气污染。
总的来说，春季时，风速与气体性污染物（SO
2，NO
2
）呈现负相关，说明
风速越大，污染物浓度越低，空气质量越好。温度与三种污染物（SO
2、NO
2、
PM10）
呈现弱相关；冬季时，整体相关性较差，相对而言，风速对污染物的影响要稍重一些，风速越大，对NO
2
的污染有所减轻，而对PM10的污染则会加重。
5.5就空气质量的控制对相关部门提出建议
环保部门对空气中污染物浓度数据的真实，有效，准确的检测并记录
对评估空气质量有着重要作用；另一方面，由第三个问题中的分析与求解可以得出，各个气象因素对每种污染物都有一定程度的影响，因此对气象因素的监测有利于环保部门做出对当前时期的主要污染物以及其未来一定时期的变动
做出有效地评估分析；最后由第三问的求解结果分析，发现气体污染物的污染程度与风速，大气压等密切相关，因此，在城市规划中可以考虑采取人为措施，对环境进行改变。据此，我们对以下有关部门提出建议：
环保部门：应有效地做好对空气质量评价各个指标的监测，切实做到数
据的真实与可靠性，并根据各项污染物一段时间内的变化趋势采取相应的治理措施。同时环保部门也应该做好监督的责任，按时查访各个工厂，检验废气的排放是否达标，工厂烟囱设计是否合理。对不达标，不合理的工厂要依法处理。
气象部门：根据当前气象因子对空气的污染程度，及时做出可行的人为
调整，以提高空气质量。例如：当前和未来一定时期内为强烈干燥气候时，
空气的相对湿度较低，部分气体污染物的污染相对增强，应采取人工降雨的措
施增加空气相对湿度，以此降低空气中气体污染物，如SO
2、NO
2
的浓度，以提
高空气质量。
车辆监管部门及城市道路规划部门：在城市原有车辆的基础上，采取措施控制车辆的增长，以减少汽车尾气中硫化物、氮氧化物的排放，并对城市道路
规划做出合理改善与完善，以避免车辆引起的二次扬尘增加空气中可吸入颗粒的浓度。
6 模型评价与改进
6.1 模型评价
? 模型优点：
问题一分别采用了API 指数、综合评价模型和层次分析法对空气质量进 行排名，运用API 指数进行排序时采用目前我国环境空气质量评价的主要依据，即API 值的二级达标天数，排序过程简易。综合评价模型全面利用各项污染物的测量数据，充分的考虑了每一个因素的每一属性所存在的差异，同时在此模型中增加了人们对空气敏感程度对空气质量评价的影响，即增加了综合评价模型的主观实际，因此综合评价模型具有一定的客观科学性和主观实际性。在层次分析法中用特征根法确定每个因素的权重向量，再用矩阵相乘得到方案层对目标层的组合权重，以此作为排序的基准。这种方法科学合理地将半定性，半定量的问题转化为定量问题，并使解题过程层次化。
问题二中对未来一周各个城市的2SO 、2NO 、PM10以及各气象参数作出 预测，运用时间序列建立ARIMA 模型，很好地解决了具有时序性，随机性，前后时刻具有相依性，呈现某种趋势，或周期性特点的数据序列，并能够做出准确的短期预测，且预测效果较好。
问题三中运用SPSS 软件进行典型自相关分析解决了气象参数归属哪一 个城市的问题，从总体上把握了气象参数与各城市三种污染物指标之间的相关关系，之后建立多元线性回归模型，定量的解释了各个气象参数与三种污染物浓度之间的关系，并能从实际意义与理论意义做出检验。
? 模型缺点：
对问题一排序问题，利用API 指数进行排序的模型并未对附件中的详细数据进行深入挖掘，且API 指数浪费了大量信息，使得排序结果不够精确。此外，由于F 城市测量数据量较少，只有在综合评价模型中才对监测的六个城市进行的相应的排序，另外两种模型排序均未能让F 参与排序，这是问题一中API 指数排序和层次分析法排序两个模型的缺点，需要进行改正，使得F 也能进行相应的排序。
对问题二，预测未来一周各个城市的SO 2、NO 2、PM10以及各气象参数中，
采用时间序列进行分析，由于F 城市的统计数据较少，以及所拥有的数据的时间间隔与需要预测时间跨度过大，只能对F 城市做出合理假设，进行定性分析，并没有给出定量的预测。
对问题三，采用多元线性分析，确定的是四个气象参数对每个污染物浓度的影响，并没有做剔除某一参数或控制某一参数对污染物浓度影响的分析，因此为了更好的说明气象参数与空气质量的关系，应该对此做出更为细致的分析。
6.2 改进
对问题一模型改进方向，应该API 和层次分析法排名进行适当修改调整，以便让F 城市也能进入排名序列；
对问题二模型的改进，由于用Eviews 做时间序列分析对样本的数据量有一定的要求，因此限制了F 城市，不能够对F 城市的数据进行预测。可以考虑采用建立灰色——神经网络模型结合灰色理论中的GM(1 ,1) 、无偏GM(1 ,1) 、
中新网10月22日电据市政府门户“首都之窗”消息，市今日正式发布《市空气重污染应急预案》。 全文如下： 市空气重污染应急预案(试行) 近年来，本市不断加大大气污染防治工作力度，通过采取压减燃煤、控车减油、治污减排、清洁降尘等措施，持续降低了污染物排放总量。但是，目前大气污染物排放总量仍然超过环境容量，短期遇极端不利气象条件，可能发生不同程度的空气重污染。在加大大气污染治理力度的同时，针对可能发生的空气重污染，需采取更为严格的应急措施，以减缓污染程度，保护公众健康。 按照《国务院关于印发大气污染防治行动计划的通知》(国发〔2013〕37号)和《市实施〈中华人民国大气污染防治法〉办法》、《市人民政府关于印发市2013-2017年清洁空气行动计划的通知》(京政发〔2013〕27号)的有关规定和要求，在调整完善《市空气重污染日应急方案(暂行)》基础上，制定《市空气重污染应急预案(试行)》(以下简称《应急预案》)。 一、空气质量监测与预报 依据国家《环境空气质量标准》开展空气质量监测和评价，根据地理、气象条件和污染排放分布状况，每日对空气质量进行预报。通过市环保监测中心(.bjmemc..)、电视、广播、手机等途径发布空气质量日报、预报。 二、空气重污染预警分级 根据环境保护部《环境空气质量指数(AQI)技术规定》分级方法，空气质量指数(AQI)在201—300之间为重度污染；在301-500之间为严重污染。依据空气质量预报，同时综合考虑空气污染程度和持续时间，将空气重污染分为4个预警级别，由轻到重顺序依次
为预警四级、预警三级、预警二级、预警一级，分别用蓝、黄、橙、红颜色标示，预警一级(红色)为最高级别。 (一)预警四级(蓝色)：预测未来1天出现重度污染； (二)预警三级(黄色)：预测未来1天出现严重污染或持续3天出现重度污染； (三)预警二级(橙色)：预测未来持续3天交替出现重度污染或严重污染； (四)预警一级(红色)：预测未来持续3天出现严重污染。 三、空气重污染应急措施 根据空气质量预报结果对应的预警级别，分级采取相应的重污染应急措施，旨在进一步减少污染排放，减缓污染程度，保护公众健康。主要措施包括：健康防护提醒措施、建议性污染减排措施和强制性污染减排措施。对沙尘暴等污染采取的重污染应急措施按照《市沙尘暴灾害应急预案》执行。对其他污染物导致的空气重污染，主要采取以下应急措施： (一)预警四级(蓝色) 1.健康防护提醒措施。提醒儿童、老年人和呼吸道、心脑血管疾病患者等易感人群减少户外运动。 2.建议性污染减排措施。倡导公众及排放大气污染物的单位自觉采取措施减少污染物排放。 (1)尽量乘坐公共交通工具出行，减少机动车上路行驶； (2)增加施工工地洒水降尘频次，加强施工扬尘管理； (3)增加道路清扫保洁频次，减少交通扬尘污染； (4)排污单位进一步采取措施，减少污染物排放。 (二)预警三级(黄色)
大气污染及对人的危害 大气污染对人身健康的危害人吸入了受污染的空气后,可以导致呼吸系统、心血管及神经系统发病。在浓度较高的地区,甚至造成老人、儿童患病致死。... 更普遍的情况是人长期受低浓度大气污染的危害,会患慢性疾病,体质下降,有精神不振等症状。大气污染既危害人体健康，又影响动植物的生长，破坏经济资源。严重时可改变大气的性质。 1．对人体健康的危害。受污染的大气进入人体，可导致呼吸、心血管、神经等系统疾病和其他疾病。①化学性物质污染。主要来自煤和石油的燃烧、冶金、火力发电、石油化工和焦化等工业生产过程排入大气的有害物质最多。一般通过呼吸道进入人体，也有少数经消化道或皮肤进入人体。对居民主要产生慢性中毒，城市大气污染是慢性支气管炎、肺气肿和支气管哮喘等疾病的直接原因或诱因。世界上闻名的重大污染事件有比利时的马斯河谷事件，美国的多诺拉事件。墨西哥的帕沙利卡事件，英国的伦敦事件等。②放射性物质污染。主要来自核爆炸产物。放射性矿物的开采和加工、放射性物质的生产和应用，也能造成空气污染。污染大气起主要作用的是半衰期较长的放射性元素。③生物物质污染。一种空气应变源，主要有花粉和一些霉菌孢子，能在个别人身上起过敏反应，可诱发鼻炎、气喘、过敏性肺部病变。城市居民受大气污染是综合性的，一般是先污染蔬菜、鱼贝类，经食物链进入人体。 2．对材料的危害。如腐蚀金属、侵蚀建筑材料、使橡胶制品脆裂、损坏艺术品、使有色金属褪色等。 3．对大气的影响。能改变大气的性质和气候的形式。二氧化碳吸收地面幅射，颗粒物散射阳光，可使地面温度上升或降低。细微颗粒物可降低见光度，增加云量和降水量，雾的出现频率也增加并延长持续时间。 4．污染的大气可以严重影响人们的健康。在低浓度空气污染物的长期作用下，可引起上呼吸道炎症、慢性支气管炎、支气管哮喘及肺气肿等疾病。冠心病、动脉硬化、高血压等心血管疾病的重要致病因素之一也是空气污染。癌症，尤其是肺癌的多发，更与空气污染有密切的关系。另外，空气污染还会降低人体的免疫功能，使人的抵抗力下降，从而诱发或加重多种其他疾病的发生。大气污染对农业、林业、牧业生产的危害也十分严重。一般植物对二氧化硫的抵抗力都比较弱，少量的二氧化硫气体就能影响植物的生长机能，发生落叶或死亡现象。在一些有色金属冶炼厂或硫酸厂的周围，由于长期受二氧化硫的危害，树木大都枯死。工厂排出的含氟废气除了污染农田、水源外、对畜牧业也有很大的影响
环境空气质量监测预警预报发布系统 天津智易时代科技发展有限公司 2016年4月 目录 一、项目概述34 1.1 背景介绍3 1.2 现状4 1.3 目标5
1.4 技术标准6 1.5 设计原则6 二、系统架构8 2.1 系统结构8 2.2 系统逻辑架构9 2.3 系统网络部署10 2.4 系统技术路线11 2.5 系统接口设计11 三、建设内容12 3.1数据接收系统12 3.2数据库管理系统15 3.3数据审核处理系统48 3.4环境空气质量监测预警预报发布系统18 3.4.1Web端发布系统18 3.4.1.1 环境质量数据排名22 3.4.1.2 AQI实时报、日报自动生成22 3.4.1.3 污染物来源分析23 3.4.1.4 设备监控23 3.4.1.5 环境数据动态云图展示55 3.4.1.6 空气质量、气象数据导出25 3.4.1.7 站点管理25 3.4.1.8 短信配置26 3.4.1.9 污染物浓度预警27 3.4.1.10 数据修约27 3.4.1.11 用户管理28 3.4.2移动端发布系统60 3.4.3面向公众的环境空气质量微信发布平台33 四、基础硬件支撑环境33 4.1发布软件及服务器33
一、项目概述 1.1 背景介绍 近年来，空气环境污染日益严重，党中央、国务院高度重视大气污染防治，2013年国务院出台《关于印发大气污染防治行动计划的通知》（国发〔2013〕37号）。提出大气污染防治的总体要求、奋斗目标和政策举措。其中明确指出要建立监测预警应急体系，妥善应对污染天气。各省市，各地区针对本地大气特点和环境空气污染现状，也制定了相应的计划，主要实现环境空气质量预报预警体系的建立，突出重点、分类指导、多管齐下、科学施策，把调整优化结构、强化创新驱动和保护环境生态结合起来，用硬措施完成硬任务，确保防治工作早见成效，促进改善民生，培育新的经济增长点。 大气污染防治是一项涉及面广、综合性强、艰巨复杂的系统工程，只有通过系统而完善的大气污染防治技术的综合运用，才会取得显著的效果，通过建立环境空气质量预报预警系统，主要满足环境空气质量预报预警的首要环节，为大气污染防治的应急处理和优化控制提供基础保障。 2015年8月，国务院办公厅印发《生态环境监测网络建设方案》，对今后一个时期我国生态环境监测网络建设做出全面规划和部署。按此方案，环保部将适度回收生态环境质量监测事权，建立全国统一的实时在线环境监控系统。到2020年，全国生态环境监测网络基本实现环境质量、重点污染源和生态状况监测的全覆盖，以及各级各类监测数据系统的互联共享。这将为保障监测数据质量、实现监测与监管执法联动提供重要支撑。（附件1） 2016年3月，环境保护部近日印发了《生态环境大数据建设总体方案》（下文简称《方案》）的通知，提出未来五年内，生态环境大数据建设要实现的目标是，生态环境综合决策科学化、生态环境监管精准化、生态环境公共服务便民化。 生态环境大数据建设的原则是顶层设计、应用导向；开放共享、强化应用；健全规范、保障安全；分步实施、重点突破。 《方案》指出，大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信
中新网10月22日电据北京市政府门户网站“首都之窗”消息，北京市今日正式发布《北京市空气重污染应急预案》。 全文如下： 北京市空气重污染应急预案(试行) 近年来，本市不断加大大气污染防治工作力度，通过采取压减燃煤、控车减油、治污减排、清洁降尘等措施，持续降低了污染物排放总量。但是，目前大气污染物排放总量仍然超过环境容量，短期内遇极端不利气象条件，可能发生不同程度的空气重污染。在加大大气污染治理力度的同时，针对可能发生的空气重污染，需采取更为严格的应急措施，以减缓污染程度，保护公众健康。 按照《国务院关于印发大气污染防治行动计划的通知》(国发〔2013〕37号)和《北京市实施〈中华人民共和国大气污染防治法〉办法》、《北京市人民政府关于印发北京市2013-2017年清洁空气行动计划的通知》(京政发〔2013〕27号)的有关规定和要求，在调整完善《北京市空气重污染日应急方案(暂行)》基础上，制定《北京市空气重污染应急预案(试行)》(以下简称《应急预案》)。 一、空气质量监测与预报 依据国家《环境空气质量标准》开展空气质量监测和评价，根据地理、气象条件和污染排放分布状况，每日对空气质量进行预报。通过市环保监测中心网站 (https://www.doczj.com/doc/c68312156.html,)、电视、广播、手机等途径发布空气质量日报、预报。 二、空气重污染预警分级 根据环境保护部《环境空气质量指数(AQI)技术规定》分级方法，空气质量指数(AQI)在201—300之间为重度污染；在301-500之间为严重污染。依据空气质量预报，同时
综合考虑空气污染程度和持续时间，将空气重污染分为4个预警级别，由轻到重顺序依次为预警四级、预警三级、预警二级、预警一级，分别用蓝、黄、橙、红颜色标示，预警一级(红色)为最高级别。 (一)预警四级(蓝色)：预测未来1天出现重度污染； (二)预警三级(黄色)：预测未来1天出现严重污染或持续3天出现重度污染； (三)预警二级(橙色)：预测未来持续3天交替出现重度污染或严重污染； (四)预警一级(红色)：预测未来持续3天出现严重污染。 三、空气重污染应急措施 根据空气质量预报结果对应的预警级别，分级采取相应的重污染应急措施，旨在进一步减少污染排放，减缓污染程度，保护公众健康。主要措施包括：健康防护提醒措施、建议性污染减排措施和强制性污染减排措施。对沙尘暴等污染采取的重污染应急措施按照《北京市沙尘暴灾害应急预案》执行。对其他污染物导致的空气重污染，主要采取以下应急措施： (一)预警四级(蓝色) 1.健康防护提醒措施。提醒儿童、老年人和呼吸道、心脑血管疾病患者等易感人群减少户外运动。 2.建议性污染减排措施。倡导公众及排放大气污染物的单位自觉采取措施减少污染物排放。 (1)尽量乘坐公共交通工具出行，减少机动车上路行驶； (2)增加施工工地洒水降尘频次，加强施工扬尘管理； (3)增加道路清扫保洁频次，减少交通扬尘污染；
大气污染的危害主要有以下几个方面： 令狐采学 （1）对人体健康的危害：人需要呼吸空气以维持生命。一个成年人每天呼吸大约2万多次，吸入空气达15～20立方米。因此，被污染了的空气对人体健康有直接的影响。 大气污染物对人体的危害是多方面的，主要表现是呼吸道疾病与生理机能障碍，以及眼鼻等粘膜组织受到刺激而患病。 大气中污染物的浓度很高时，会造成急性污染中毒，或使病状恶化，甚至在几天内夺去人的生命。其实，即使大气中污染物浓度不高，但人体成年累月呼吸这种污染了的空气，也会引起慢性支气管炎、支气管哮喘、肺气肿及肺癌等疾病。 （2）对植物的危害：大气污染物，尤其是二氧化硫、氟化物等对植物的危害是十分严重的。当污染物浓度很高时，会对植物产生急性危害，使植物叶表面产生伤斑，或者直接使叶枯萎脱落；当污染物浓度不高时，会对植物产生慢性危害，使植物叶片褪绿，或者表面上看不见什么危害症状，但植物的生理机能已受到了影响，造成植物产量下降，品质变坏。 （3）对天气和气候的影响：大气污染物对天气和气候的影响是十分显著的，可以从以下几个方面加以说明： ① 减少到达地面的太阳辐射量：从工厂、发电站、汽车、家庭取暖设备向大气中排放的大量烟尘微粒，使空气变得非常浑浊，遮挡了阳光，使得到达地面的太阳辐射量减少。据观测统计，
在大工业城市烟雾不散的日子里，太阳光直接照射到地面的量比没有烟雾的日子减少近40％。大气污染严重的城市，天天如此，就会导致人和动植物因缺乏阳光而生长发育不好。 ② 增加大气降水量：从大工业城市排出来的微粒，其中有很多具有水气凝结核的作用。因此，当大气中有其他一些降水条件与之配合的时候，就会出现降水天气。在大工业城市的下风地区，降水量更多。 ③ 下酸雨：有时候，从天空落下的雨水中含有硫酸。这种酸雨是大气中的污染物二氧化硫经过氧化形成硫酸，随自然界的降水下落形成的。硫酸雨能使大片森林和农作物毁坏，能使纸品、纺织品、皮革制品等腐蚀破碎，能使金属的防锈涂料变质而降低保护作用，还会腐蚀、污染建筑物。 ④ 增高大气温度：在大工业城市上空，由于有大量废热排放到空中，因此，近地面空气的温度比四周郊区要高一些。这种现象在气象学中称做"热岛效应"。 ⑤ 对全球气候的影响：近年来，人们逐渐注意到大气污染对全球气候变化的影响问题。经过研究，人们认为在有可能引起气候变化的各种大气污染物质中，二氧化碳具有重大的作用。从地球上无数烟囱和其他种种废气管道排放到大气中的大量二氧化碳，约有50％留在大气里。二氧化碳能吸收来自地面的长波辐射，使近地面层空气温度增高，这叫做"温室效应"。 （1）工业：工业是大气污染的一个重要来源。工业排放到大气中的污染物种类繁多，性质复杂，有烟尘、硫的氧化物、氮的
摘要 本文对空气质量的评价及污染预报问题做了深入具体的研究，运用综合评价、层次分析两种方法对所给六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用ARIMA模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了典型相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。 通过将数据附件所给有效数据，即污染物浓度，转化为污染物指数，根据各城市污染指数API的走势曲线图，分析了各个城市不同污染物之间的特点，并依据API指数值，二级达标次数为准，进行了各城市之间空气质量的简单排名。针对API指数排名的劣势性，又建立了综合评价模型，加入主观因素，结合客观计算，对城市空气质量进行排序。受上面两种排序方法的启发，接下来讨论了用层次分析的方法对城市空气质量进行排序。三种方法各有其优点和不足，其中，受到数据影响，只有综合评价模型对六个城市进行了完整排名。 为了精确预测各城市短期内的数据，本文选用时间序列中的ARIMA模型，对2010年的数据进行分析整理，结合实际测量值对预测效果进行分析，结果显示模型的预测效果显著，能够对所要预测数据进行预测。由于F城市数据的限制，根据假设做了合理的定性分析，并未对其进行定量预测。 分析空气质量与气象参数之间的关系时，根据数据完整性，气象参数应只属于其中一个城市，首先排除了D、E、F的可能性，再根据典型相关性分析的方法，用典型时期（本文选了春冬两季）的数据进行分析，确定了气象参数属于C 城市。根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。最后对该系数的理论与实际意义做了检验，效果良好。 由以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。 关键词：API综合评价模型层次分析 ARIMA模型典型相关性分析多元回归
大气污染对人体健康的影响 随着经济的发展和城市化进程的不断加快，以城市为中心的大气污染问题日趋严重。大气颗粒物已成为我国大多数城市的首要污染物，是影响城市空气质量的主要因素。大气颗粒物是悬浮在大气中固体和液体颗粒物的总称，其主要来源包括： （1）自然界的风沙尘土，海水喷溅等； （2）各种燃料如煤炭、液化石油气、天然气和石油等的燃烧；（3）钢铁厂、水泥厂、石油化工厂等的工业生产过程； （4）公路扬尘、建筑物扬尘等。 大气颗粒物作为一种重要的大气污染物，其粒径大小不同，被吸入并沉积在呼吸系统的部位不同, 引起机体的危害也有明显差异。一般来说，粒径小的颗粒物沉降速度慢，在空气中的悬浮时间长，与人体接触机会大。研究显示：粒径在10μm以下的可吸入颗粒（即PM10）是大气颗粒物中对环境和人体健康危害最大的一类。大气颗粒物对人体健康的影响主要包括以下几个方面： 1、呼吸系统 刺激肺部使其出现炎症；肺功能下降，肺部排除污染物的能力降低；导致鼻炎、慢性咽炎、慢性支气管炎、支气管哮喘、肺气肿等疾病恶化；引起哮喘等过敏性疾病和矽肺、石棉肺、肺气肿等肺病。
2、心血管系统 可引起血液成分的改变，血液粘度增加，血液凝集以及血栓形成；可引起动脉收缩，血压升高。 3、免疫系统 降低免疫功能，增加对细菌、病毒等感染的易感性，使机体对传染病的抵抗力下降；病原微生物随颗粒物进入体内后，使机体抵抗力下降，诱发感染性疾病。 4、神经系统 导致高级神经系统紊乱和器官调解失能，表现为头疼、头晕、嗜睡和狂躁等。 5、癌症的发生 颗粒物所吸附的多环芳烃化合物(PAHs)是对机体健康危害最大的环境三致(致癌、致畸、致突变)物质，其中苯并芘(a)能诱发皮肤癌、肺癌和胃癌。 此外，大气颗粒物还可造成胎儿增重缓慢；影响儿童的生长发育和功能；导致患有心血管疾病、呼吸系统疾病和其他疾病的敏感体质患者过早死亡。
浪潮空气质量预警预报系统建设方案 发布时间：2014年09月03日 一、需求与挑战 从2012年年底开始，大气污染事件在我国频繁发生。2014年2月20日开始的灰霾天气，席卷中东部大部分地区，灰霾影响面积约为143万平方公里，约占国土面积的15%，重霾面积约为81万平方公里，57个城市(细颗粒物)濒临“爆表”。雾霾天气造成了道路管制、机场关闭、企业运停等一系列不良影响，严重危害了人们的生产生活和身体健康，使得发布准确、及时大气污染预警预报信息的呼声异常高涨。 为了应对这一严重的环境问题，降低大气污染对公众的危害，政府对环境保护管理部门提出了更加严格的要求。2010年5月，国务院办公厅转发了环境保护部等九部委《关于推进大气污染联防联控工作改善区域空气质量指导意见的通知》，明确要求国家“三区十群”联防联控重点区域通过采取联防联控措施，加大污染防治力度，尽快解决区域大气污染问题，改善区域空气质量，提升区域可持续发展能力和群众满意度。2012年2月，国务院同意正式颁布的新空气质量标准中新增等指标，并进一步严格了其他原有污染物控制指标。《国家环境十二五监测规划》中明确规定300多个地市级环保部门每日必须发布环境空气质量日报和预报。2012年底颁布的《重点区域大气污染防治“十二五”规划》要求京津冀、长三角等三区十群117个城市，到2015年浓度至少降低5%，并要求超标城市编制达标规划。2013年9月国务院出台的《国务院关于印发大气污染防治行动计划的通知》中，也提出要建立重污染天气预警体系。由此可见，不断完善空气质量监测体系，研究空气质量预报技术，建设空气质量管理平台，从而实现实时准确的监测空气质量状况，科学合理的预测未来空气质量形势，快速及时的发布大气污染预警信息，保障人民群众的生命安全，维护社会的稳定和谐发展这一远大目标。 二、浪潮空气质量预警预报系统建设方案 浪潮空气质量预警预报系统建设方案采用浪潮高可靠高性能的产品和技术，承担系统所需气象场、污染源排放清单、空气质量在线监测等基础数据服务，建立预警预报基础数据平台。 浪潮空气质量预警预报系统建设方案采用浪潮领先的高性能集群方案和以预报模式支撑系统为基础，建设一套集气象与空气质量状况分析、未来空气状况预报预警功能为一体的空气质量预警预报平台。 通过GIS技术实现结果的直观展示与发布，为提前掌握空气质量状况，及时发布大气污染预警信息，为帮助政府和公众提早预防，减少大气污染天气带来的影响提供可靠地结果与科学的辅助。
大气污染评价与预报模型 摘要 本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用一元多项式回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。 通过将数据附件所给有效数据，即日污染物浓度，转化为对应的月污染物浓度的均值，根据各城市月均污染浓度做出其随时间的走势折线图，分析了各个城市2SO 、2NO 、PM10之间的特点。我们拟根据API 指数值，以二级达标次数为准，对各城市之间的空气质量进行排名，但由于依据API 的区分空气质量等级时灵敏度较低，故采用了层次分析法对空气质量进行排名。由于我们采用了全部数据进行排名，而E 、F 数据较少，故只对ABCD 进行了排名。依据层次分析法得出的排名为：A 、B 、D 、C 。 为了精确预测各城市短期内的数据，本文选用一元多项式回归模型。对2010年的数据进行分析整理，依据回归模型得出其与时间的关系，得出预测值，并得出其置信度为95%的置信区间，结果显示模型的预测效果尚能接受，能够对所要预测数据进行预测。但由于F 城市数据缺失，根据假设做了合理的定性分析，并未对其进行定量预测。 分析空气质量与气象参数之间的关系时，首先根据数据完整性，气象参数应只属于其中一个城市，排除了D 、E 、F 的可能性，再根据相关性分析的方法，确定了气象参数属于A 城市。根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，由于季节对污染物的浓度存在影响，分季节得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。最后对该系数的理论与实际意义做了检验。 根据以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。 关键词：API 评价模型 层次分析 一元多项式回归模型 相关性分析 多元回归
第23卷 第4期 西安科技学院学报Vol.23 No.4 2003年12月 JOURNAL OF XI ’AN UN IV ERSIT Y OF SCIENCE AND TECHNOLO GY Dec.2003 文章编号:1671-1912(2003)04-0411-04城市大气污染预报模式的研究进展 Ξ 陈 柳1,2,马广大1,纪海维2(1.西安建筑科技大学环境与市政工程学院,陕西西安 710055;2.西安科技大学能源学院,陕西西安 710054)摘 要:介绍了城市大气污染预报模式的国内外研究现状,并对它们采用的预报系统及结果作了简要阐述。美国目前已发展到第三代Momdel -3CMAQ 模式系统,中国已开发了3套较成熟的模式系统。文中指出中国城市大气污染预报模式存在的问题,并对发展方向进行了探讨。 关键词:大气污染;预报模式;数值预报 中图分类号:X 32 文献标识码:A 大气污染预报是人们在对大气污染物排入大气环境后扩散、迁移和清除规律认识的基础上,利用科学的方法预测预报未来不同空间尺度上空气污染物浓度变化状况及趋势的过程。它对城市环境管理、污染控制、环境规划、城市建设及公共卫生事业均有重要的实际应用价值,并能促进公众参与及提高城市居住环境意识。 大气污染预报的主要方法有潜势预报、统计预报和数值模式预报3种:潜势预报采用的基本方法是从已发生的多个污染事件着手,归纳总结发生污染事件时所有的气象条件、天气形势及气象指标;统计预报是在不了解事物变化机理的情况下,通过分析事物规律来进行预测的方法;数值预报可以定量描述空气中大气污染物的浓度,预报它们的变化。数值预报需要掌握大气污染物在空气中的演变规律,即需了解污染物在空气中所经历的物理、化学和生物过程。用于描述这些过程的定量数学方法系统被称为模式。城市大气污染预报模式是大气污染数值预报的基础和核心。城市大气污染预报模式实用性强,应用面广,其模式的好坏和精度高低对预报结果图1 Models -3CMAQ 模式流程图Fig.1 Flow chart of models -3CMAQ pattern 有着直接的关系,因此,对大气污染预报模式的研究是极其重要 的[1]。 下面介绍国内外大气污染预报模式的发展现状。 1 国外大气污染预报模式 1.1 美国的预报模式 美国大气污染预报模式研究已经从第一代Lagrange 模式进 化成为第二代Euler 模式,现在又开发出第三代模式系统,命名为 Models -3CMAQ 模式。第一代Lagrange 模式主要采用的是高斯扩散模型。最广泛使用的是第二代Euler 模式。它主要包括城市大气质量模式(UAM )[2]、区域酸沉降模式(RADM1和RADM2)及区域氧化物模式(ROM )[3]。第三代Models -3CMAQ 模式是由美国环保局(EPA )1998年完成的,并于1999～2000年作了进一步完善。 下面对Models -3CMAQ 模式作以简单介绍[4]。 Models -3CMAQ 模式区别于上两代模式的最大特点是它可以实现多种污染物、多范围的大气污染预报。它由4大部分组成:污染源模式化模型,气象模式,输入、输出模式,浓度计算模式。其流程图如图1。 浓度计算模式的基础是大气扩散方程,采用Byun (1999)提出的空气质量模型[6]。浓度控制方程如下 Ξ收稿日期:2002-11-06 基金项目:西安市科技计划项目(SF200346) 作者简介:陈 柳(1975-),女,新疆伊犁人,助教,在读博士,主要从事大气污染预报的研究.
大气污染与健康论文： 我国大气污染对人体健康危害研究文献分析 摘要:通过对《中国期刊全文数据库》的检索,可以发现论文除在年代分布以及期刊分布上有不同的特征外,不同时期的文献研究在内容上也存在很大差异,随着科技的进步和人类生存质量要求的提高,相关的研究内容已从单纯的研究危害后果向析因、预防大气污染危害的方向发展,研究角度也逐步多元化。 Abstract: From the search of "database in full of Chinese periodical",we can find in the papers,besides different characteristics at distribution and periodical distribute in times,there is a difference in content in the literature research of different periods,with technology advances and the human quality of life improved,related research has developed from the content of simple harmful consequences to the factorial,and preventing the development of the atmospheric pollution hazards,research directions are diversified. 关键词:大气污染;健康;危害;文献分析 Key words: air pollution;health;hazard;literatures analysis 1材料与方法 检索《中国期刊全文数据库》,检索年限为1975-2007年,检索词为“大气污染”逻辑加“健康”,范围为全部期刊,匹配精确,总目录为理工B(化学化工冶金环境矿业)、医药卫生、经济与管理,搜索后命中文献347篇。对命中文献的年代分布、期刊分布进行归类、分析,同时对文献研究的主要内容进行归纳、总结,结合研究背景、研究领域、研究方向梳理、概括出这些文献的主要内容及指导意义。 2分析结果 2.1 文献发表的年代相关分析 2.1.1 文献发表的年代分布。我国关于大气污染对人体健康危害方面的研究文献,最早发表于1975年,当年有两篇关于这一领域的文章发表,之后的四年是这一领域研究的起步阶段,随后的四年除1981年发表3篇外,每年的发表篇数都在6篇以上,1985年开始进入了文献发表的第一个高峰期,1996年开始,迎来了文献发表的第二个高峰期,2003年至2009年,文献发表进入一个飞跃期,每年发表论文20篇以上,数量稳定总体呈上升趋势,五年年均发表论文22篇。 2.1.2 文献年代分布特征及形成因素。从总体上来看,我国在大气污染对健康危害这一领域的研究起步较晚,1975年才出现第一篇相关文献,之后的几年也由于当时年代的影响和科技实力的因素,发展较为缓慢,导致文献数量没有增加。造成这一现象的原因分析如下:改革开放后,工业发展迅速,经济上的巨大成果使人们忽视了环境保护。 2.2 文献在不同种期刊上的分布情况 这次调查研究中,目标文献共分部在190种期刊上,其中发表5篇以上(含5篇)的期刊9种,共发表文献107篇,占总文献总数的30%,发表5篇以下的期刊181种,共发表文献240篇。 2.3 文献的主要研究内容概要 2.3.1 大气污染对人体健康危害的研究背景和意义。近年来国内外一系列的研究表明,空气污染对人群健康造成了极大威胁,有些甚至是低浓度的空气污染(空气质量标准值以下)也可引起人群(尤其是敏感人群)的健康反应[1],因此不断完善和重新修定空气质量标准和排放标准,通过流行病学调查等技术研究低浓度下的潜在危害及其特征, 对保护人群健康是有重要意义的[2]。 2.3.2 大气污染对人体造成危害的种类。①对呼吸系统及肺功能的影响:根据我国五大城市20个全球大气监测点连续12年的SO2和TSP (总悬浮颗粒物)监测结果分析后认为,五大城市有80%的人生活在TSP年平均浓度超过200毫摩每立方米的环境中,在重污染的工业区,呼吸道疾病明显增加[3]。②对人群免疫功能的影响:对某污染区二氧化硫、氮氧化物未超标准(二级),仅TSP最高日平均值1.87摩尔每立方米,某对照区共1300名儿童。调查后认为污染区儿童较对照区儿童淋巴细胞应激能力差(P<0.01),即污染区儿童的淋巴细胞由幼弱型转化成淋巴母细胞的能力差,空气污染对儿童的细胞免疫功能产生一定影响[4]。 2.3.3 主要研究方法。流行病学是主要的研究大气污染与疾病相关的方法[5],所以在众多的文献中,这类方法应用最广。某研究采用主成分Possion回归分析方法,分别建立了大气污染物与COPD住院率、脑血管疾病住院率二个剂量反应关系模型;为评价大气颗粒物污染对人群心血管疾病死亡的急性效应,研究人员应用时间分层的病例交叉设计,分析了杭州市2002～2004年间大气可吸入颗粒物(PM10)日平均浓度短期增加与人群每日心血管疾病死亡的关系;在分析上海市卢湾区2001年1月1日~2004年12月31日大气污染与居民每日死亡数的关系时,在控制死亡的长期趋势、气象因素、“星期几效应”等混杂因素的基础上,分别采用了时间序列的半参数广义相加模型(GAM)和广义线性
空气污染的调查报告 （一） 在全国上榜的中国32个城市中，成都位列第25名，污染情况较严重。 这种可吸入颗粒物主要来源于烟囱和汽车尾气，对人体呼吸系统危害大。目前，成都市对此已有监测，今年还增加了细颗粒物监测等项目。 成都污染程度只比北京好一点？ 该报告依据各国在20**年至20**年内的报告数据，测量了全球91个国家近1100个城市空气中小于10微米的颗粒物（即可吸入颗粒物）含量，主要分析指标为此类悬浮颗粒物的重量。 昨日，天府早报记者查询了世界卫生组织官方网站。该报告显示，可吸入颗粒浓度数据全球的平均值为每立方米71微克。美国、加拿大为全球空气质量最好国家。伊朗、印度、巴基斯坦的城市和蒙古首都是全球空气污染最严重的。 相比以上亚洲国家，中国状况稍好点。报告列出的国内32个省会城市或直辖市中，成都可吸入颗粒浓度为每立方米111微克，排名国内城市第25名，污染情况较严重。 此外，海口污染指数最低，兰州污染指数最高；北京每立方米121微克（第28）、范文TOP100上海每立方米81微克（第11）、广州则是每立方米70微克（第7）。
本土空气监测全市38个监测点 成都有无关于可吸入颗粒物的监测？对此项又是如何监测？ 昨日，天府早报记者在成都市环保局网站看到，首页左侧边栏公布着成都市中心城区和周边区县每日和预报明日的空气污染指数。根据其显示，大成都范围内空气质量基本都是良，而主要污染物则基本是可吸入颗粒物。 目前，成都市共有38个环境空气监测点位（均为自动监测站），其中8个国控监测点位，分别位于人民公园、草堂寺、梁家巷、沙河铺、金泉两河、三瓦窑、里店和三道堰。成都中心城区每天的空气污染指数，就是来源于这8个点位。 今年，成都市被环境保护部列为全国26个开展《城市环境空气质量评价办法（试行）》试点监测工作城市之一。成都对空气中污染物的监测，将从原来的二氧化氮、二氧化硫、可吸入颗粒物等3项，增加为细颗粒物、一氧化碳、臭氧等共11项。 可吸入颗粒物PM10 PM10指粒径在10微米以下的可吸入颗粒物，思想汇报 专题它能够渗入到肺部并可能进入血液循环，引起心脏病、肺癌、哮喘和急性下呼吸道感染。每年全球有200多万人因吸入细小微粒而死亡。汽车尾气是可吸入颗粒物主要来源之一。 可吸入颗粒物PM10：空气中的“隐形杀手” 成都中心城区8个监测点位
大气颗粒物对环境和人体健康的危害 大气是人类赖以生存的基本环境要素。但随着工业的发展、城市人口的密集、煤炭和石油燃料的迅猛增长，大气环境质量日趋恶化，大气污染已成为影响世界环境和人类身体健康的主要危害因素之一。由于大气污染物中悬浮颗粒物会对人体健康产生直接的负面影响，从而受到各国政府及有关部门的高度重视。在研究过程中，人们逐渐认识到粒径小于10um的颗粒物（即PM10，又称为可吸入颗粒物）是悬浮颗粒物中对环境和人体健康危害最大的一类，因此，国际上很重视对PM10的研究和防治工作，大多数国家都规定了空气中PM10的质量标准。美国国家环保局EPA于1985年将原始颗粒物指示物质由总悬浮颗粒物（TSP）项目修改为PM10，我国也于1996年规定了PM10的二级质量标准为100ug／m3。随着认识的发展，美国环保局在1997年再一次修改美国国家大气质量标准，规定了PM2.5的最高限制值，以降低这些细颗粒物对人体健康和环境的影响。 近几年来，我国的大气污染日益严重，可吸入颗粒物已成为北京等大都市的首要空气污染物,PM10的污染问题正引起越来越多的关注，有关部门已开展了这方面的研究工作。 1.PM10的基本特性、污染现状 1.1 PM10的基本特性 PM10是指空气动力学直径在10um以下的固态和液态颗粒物。不能靠自身的重力降落到地面，因此，又被称为“飘尘”，它空气中可漂浮几天，甚至几年。其在空气中的迁移特性及最终进入人体的部位都主要取决于颗粒物的粒径大小。研究表明，10um以下的颗粒物可进入鼻腔，7um以下的颗粒物可进入咽喉，小于2.5um的颗粒物（即PM2.5）则可深达肺泡并沉积，进而进入血液循环，可能导致与心和肺的功能障碍有关的疾病。 目前已知的PM10的化学成分包括可溶性成分(大多数为无机离子,如硫酸根、硝酸根离子等）、有机成分〔如多环芳烃〕、硝基多环芳烃等、微量元素、颗粒元素碳等，有时PM10上还吸附有病原微生物（细菌和病毒）。对PM10的化学组成研究表明，颗粒物的粒径越小，其化学成分越复杂、毒性越大。这是因为小颗粒的比表面积大，更容易吸附一些对人体健康有害的重金属和有机物，并使这些有毒物质有更高的反应和溶解速度。 1.2PM10的污染现状 目前，我国大气可吸入颗粒物的污染状况非常严重。对几个大城市检测结果表明比美国1997年颁布的标准值高2.8-9.7倍。由此可见，控制PM10污染，减少PM10对环境、人体健康的危害已经成为当前我国大气污染防治工作的重中之重。 2.PM10对环境的影响 虽然大气颗粒物只是地球大气成分中含量很少的组分，但对环境的危害极大。轻者污染建筑物表面,影响市容,重者对能见度、温度等均产生重要影响。 2.1PM10对能见度的影响 自20世纪70年代以来,大气颗粒物对能见度的影响就一直是环保部门所关注的问题之一。尽管在大气中只占很少的一部分，但颗粒物对城市大气光学性质的影响可达99％。大量的研究表明， PM10和PM2.5的性质与能见度的降低密切相
空气重污染预警响应分级
————————————————————————————————作者: ————————————————————————————————日期: ?
空气重污染预警响应分级 根据环境保护部《环境空气质量指数(AＱI）技术规定》分级方法，空气质量指数(AQI)在２0１—30０之间为重度污染；在３0１-500为严重污染。依据空气质量预报,同时综合考虑空气污染程度和持续时间,将空气重污染分为四个预警级别,由轻到重顺序依次为预警四级、预警三级、预警二级、预警一级，分别用蓝、黄、橙、红颜色标示，预警一级（红色)为最高级别。 （一）预警四级(蓝色):预测未来１天出现重度污染; （二）预警三级（黄色）:预测未来1天出现严重污染或者持续3天出现重度污染； （三)预警二级(橙色)：预测未来持续3天交替出现重度污染或严重污染； （四)预警一级(红色）：预测未来持续３天出现严重污染。 空气重污染应急措施 根据上级指挥部发布的空气质量预报结果对应的预警级别，按照要求分级采取相应的重污染应急措施,旨在进一步减少污染排放，减缓污染程度,保护公众健康。主要措施包括：健康防护提醒措施、建议性污染减排措施和强制性污染减排措施。对于沙尘暴等污染采取的重污染应急措施按照《北京市沙尘暴灾害应急预案》执行。对于其他污染物导致的空气重污染，主要采取以下应急措施：
（一）预警四级（蓝色） 1.健康防护提醒措施 提醒儿童、老年人和呼吸道、心脑血管疾病患者等易感人群减少户外运动。 2.建议性污染减排措施 倡导公众及排放大气污染物的单位自觉采取措施,减少污染物排放。 (1）尽量乘坐公共交通工具出行,减少汽车上路行驶; （２)增加施工工地洒水降尘频次,加强施工扬尘管理; (3）增加道路清扫保洁频次,减少交通扬尘污染; (4)排污单位进一步采取措施，减少污染物排放。 （二)预警三级（黄色) 1.健康防护提醒措施 提醒儿童、老年人和呼吸道、心脑血管疾病患者等易感人群尽量留在室内，避免户外运动;建议中小学、幼儿园减少体育课等户外运动;一般人群减少户外运动和室外作业时间。 2.建议性污染减排措施 倡导公众及排放大气污染物的单位自觉采取措施，减少污染物排放。 (1)尽量乘坐公共交通工具出行,减少汽车上路行驶; （2)增加施工工地洒水降尘频次,加强施工扬尘管理; （3)排污单位进一步采取措施，减少污染物排放; （4)驻车时及时熄火,减少车辆原地怠速运行。 3.强制性污染减排措施
主要大气污染物及其危害 大气污染物的种类很多，已经产生危害，受到人们注意的污染物有数十种。大气中有害物质主要通过下述三个途径侵入人体造成危害：①通过人的直接呼吸而进入人体；②附着在食物或溶解于水，随饮水、饮食而侵入人体；③通过接触或刺激皮肤进入到人体，尤其是脂溶性的物质更易从完整的皮肤渗入人体。其中通过呼吸而侵入人体是主要的途径，危害也最大。这是因为，第一，一个成年人每天要吸入12立方米的空气，数量很大；第二，在55~70平方米的肺泡面积上进行气体交换，其浓缩作用很强；第三，整个呼吸道富有水分，对有害物质粘附、溶解、吸收能力大、感受性强。目前对环境质量有较大影响的有粉尘、硫氧化如、氮氧化物、碳氢化合物和光化学烟雾等，下面介绍几种主要的大气污染物的性质、来源及其危害。 1．粉尘 粉尘分落尘和漂尘两种。能很快在中立作用下降落到地面的为落尘，长时间漂浮的则为漂尘。粉尘的主要来源是工业用煤、水泥厂、石棉厂、冶金厂和碳墨厂。落尘因空中停留时间短，不易被人吸入，故危害不大。而漂尘能通过呼吸道吸入人体，沉积于肺泡内或被吸收到血液及淋巴液内，从而危害人体健康。更严重的是漂尘具有很强的吸附能力，很多有害物质包括一些致病菌等都能吸附在微粒上，吸入人体后，会导致急性或慢性病症的发生。 2．硫氧化物 硫氧化物主要指二氧化硫和三氧化硫。大气中的硫氧化物主要是有燃烧含有硫的煤和石油等燃料产生的，此外金属冶炼厂、硫酸厂等也排放相当数量的硫氧化物气体。一般1吨煤中含硫5-50Kg，1吨石油中含硫5-30Kg，这些硫在燃烧时将产生2倍于硫重量的硫氧化物排入大气。 二氧化硫、硫酸雾(二氧化硫在空气中可被氧化成三氧化硫，遇水蒸汽时形成硫酸雾)等能消除上呼吸道的屏障功能，使呼吸道阻力增加；同时，在二氧化硫长期作用下，粘膜表面粘液层增厚变稠，纤毛运动受阻，从而导致呼吸道抵抗力减弱，有利于烟尘等的阻留、溶解吸收和细菌生长繁殖，引起上呼吸道发生感染产疾患。 受二氧化硫污染的地区常出现酸性雨雾，其腐蚀性很强。能直接影响人体健康和植物生长，并能腐蚀金属器材和建筑物表面。 3．氮氧化物 氮氧化物是一氧化氮、二氧化氮、四氧化二氮、五氧化二氮等的总称，但造成大气污染的主要是前二者。 氮氧化物主要来自重油、汽油、煤炭、天然气等矿物燃料在高温条件下的燃烧。此外生产和使用硝酸的工厂也排放一定数量的氮氧化物。高浓度的氮氧化物呈棕黄色，当含大量氮氧化物的气体排出时，看上去象一条黄龙腾空，故也有人称之为“黄龙”。 一氧化氮会使人的中枢神经受损，引起痉挛和麻痹。二氧化氮是一种刺激性气体，其毒性是一氧化氮的4-5倍，可直接进入肺部，削弱肺功能，损害肺组织，引起肺水肿和持续性、阻塞性支气管炎，降低机体对传染性细菌的抵抗能力。二氧化氮被吸收后变为硝酸与血红蛋白结合变性血红蛋白，可降低血液输送氧气的能力，同时对心、肝、肾和造血器官也有影响。
大气污染监测预报预警工作方案 为贯彻落实《X省人民政府关于印发〈以X为重点的东部城市群大气污染防治实施意见〉的通知》（X政〔X〕65号）、省政府办公厅《转发关于X省大气污染监测预报预警工作方案的通知》（X政办〔X〕131号）要求，及时向政府和公众提供大气污染监测预报预警信息，做好应对重污染天气的应急准备工作，为公众出行提供健康指引，特定本工作方案。 一、工作目标 加强X环境空气质量监测预报预警工作，州环境保护部门和气象部门在充分利用现有的环境监测与气象观测站网和设施设施的基础上，加强科研、监测和数据信息共享合作。联合开展主要城镇空气质量预报，分析研判重污染天气过程，发布重污染天气预警信息，为地方政府启动应急预案提供技术支撑和决策参考，在条件具备时采取必要气象干预措施。 二、职责分工 州环境保护和气象部门联合组织开展X主要城镇环境空气质量 预报、重污染天气监测预警和信息发布工作。其中，环境保护部门负责主要城镇环境空气质量监测，发布空气质量日报及预报；气象部门负责气象要素监测，发布气象灾害预警信号、空气污染气象条件预报。两部门负责人联合会商签发严重污染天气Ⅱ级（橙色）、严重污染天气Ⅲ级（黄色）、重度污染天气IV级（蓝色）预警信息；县级环境
保护部门负责将环境保护和气象部门主要负责人联合签发后的极严 重污染天气I级（红色）预警信息报送当地人民政府分管领导批准后，及时公开发布极重污染天气预警信息。 州环境监测站和州气象台为开展我州空气质量预报和重污染天 气预警服务的州级技术保障单位。州环境监测站和州气象台为我州开展空气质量预报和重污染天气预警服务的州级技术保障单位。 三、合作机制 （一）技术合作。 州环境监测站和州气象台联合探索研究环境空气质量预报预警 技术，提高城市环境空气质量预报和重污染天气预警水平。组织有关业务单位及专家，加强对州环境空气质量预报预警业务人员的技术培训，不断提高预报预警的准确度。 （二）信息共享。 加快建设我州环境空气质量预报预警系统平台，共享环境空气质量监测数据、气象观测数据和环境空气质量预报结果。环境保护部门与气象部门共享与空气质量相关的环境监测数据，包括实时及历史的六项污染物浓度值等。气象部门与环境保护部门共享与空气污染相关的气象观测及预报数据，包括实时及历史的气象观测要素资料（温度、压强、风向、风速、相对湿度、降水量等）。实时数据仅限于监测预报预警工作，且遵守双方制定的保密协议要求。 （三）联合会商