郑州大学学报(理学版)  2018, Vol. 50 Issue (2): 122-126  DOI: 10.13705/j.issn.1671-6841.2017044

引用本文  

王明仕, 曹景丽, 桂晨露, 等. 基于主成分分析法对河南省大气主要污染物关系的研究[J]. 郑州大学学报(理学版), 2018, 50(2): 122-126.
WANG Mingshi, CAO Jingli, GUI Chenlu, et al. Study on the Primary Air Pollutants of City in Henan Province Based on Principal Component Analysis[J]. Journal of Zhengzhou University(Natural Science Edition), 2018, 50(2): 122-126.

基金项目

国家自然科学基金项目(41272173)

通信作者

作者简介

王明仕(1978—),男,山东菏泽人,教授,主要从事环境地球化学研究,E-mail:mingshiwang@hpu.edu.cn

文章历史

收稿日期:2017-03-13
基于主成分分析法对河南省大气主要污染物关系的研究
王明仕 , 曹景丽 , 桂晨露 , 宋党育     
河南理工大学 资源环境学院 河南 焦作 454003
摘要:以2015年河南省17个城市为研究对象,借助统计产品与服务解决方案(statistical product and service solutions, SPSS)软件对数据进行计算,运用主成分分析法对大气主要污染物数据进行分析.依据计算分析结果,提取占总方差85%以上的3个因子来反映空气的污染程度:1) PM10、NO2.2) CO、O3.3) PM2.5、SO2.第一主成分的贡献率为52.049%;第二主成分的贡献率为25.306%;第三主成分的贡献率为13.947%.相关性分析发现:SO2、NO2与PM2.5和PM10的相关性显著,表明这几种污染物具有相似的来源;CO和O3呈现出一定的负相关性,可能由于CO和O3均是光化学反应的重要参与物质,这也表明河南省存在一定程度的光化学污染.分析结果将有助于为环保部门大气污染物的治理工作提供参考.
关键词主成分分析    大气污染物    相关性    
Study on the Primary Air Pollutants of City in Henan Province Based on Principal Component Analysis
WANG Mingshi , CAO Jingli , GUI Chenlu , SONG Dangyu     
Institute of Resource and Environment, Henan Polytechnic University, Jiaozuo 454003, China
Abstract: The SO2, NO2, PM10, PM2.5, CO, O3 in 17 cities of Henan Province were analyzed and calculated using the principal component analysis. Three factors that account for 85% of the total variance were extracted to reflect the degree of air pollution. Then three principal component factors were identified 1) PM10, NO2; 2) CO, O3; 3) PM2.5, SO2. Three principal component contribution rates were 52.049%, 25.306%, 13.947% respectively. Correlation analysis revealed that significant relationship among PM2.5, PM10, SO2, NO2, and which illustrated that they might share a similar pollution sources. O3 and CO had a negative correlation. This might be due to they were the important participate in photochemical reaction, which showed that there was a certain degree of photochemical pollution in Henan province. The findings could be useful reference for the control of air pollutants in environmental protection.
Key words: principal component analysis    primary air pollutants    correlation    
0 引言

近年来,环境污染问题日趋严重,其中以颗粒物、二氧化硫、氮氧化物为主的大气环境问题越来越突出.大气颗粒物主要来源于工业生产、建筑施工、地表扬尘及汽车尾气的排放等[1].人体的呼吸系统、心血管系统疾病发病率以及人群死亡率等随着颗粒物浓度的增加而增高[2-3],而且随着颗粒物粒径的减小,其对人体的危害也越来越大[4].此外,颗粒物附着的多环芳烃等多种有机物污染具有三致效应[5-8].大气中的SO2主要来自含硫能源的燃烧、金属的熔炼以及其他含硫原料的生产加工[9],短时间接触或者完全暴露于高浓度的SO2中,对人体的呼吸道等都会造成严重的损伤[9-11],长期暴露于SO2中会造成呼吸系统发病率的升高. NO2除来自自然源之外[12-14],含氮物质的高温燃烧、汽车尾气及工业生产也可产生大量的NO2[13-14],NO2对呼吸道和肺部造成损伤,甚至引发呼吸困难、咳嗽、发热哮喘等症状[15-17]. CO主要来自于工业燃烧排放以及机动车尾气等[18]. O3是光化学烟雾的代表性污染物[19],高浓度的O3具有很强的氧化性,对眼睛和呼吸道有强烈的刺激性,损害人体心肺功能[20-21],甚至导致死亡[22].

目前,研究者基于已发布的空气质量数据,对大气主要污染物的成分分析、来源解析等方面进行了研究[7, 23-30].常见的环境空气质量指数评价法,其计算量较大,并且分析比较复杂.因此本文采用主成分分析法对河南省的主要大气污染物之间的关系进行探究,计算过程运用SPSS软件进行简化,计算快捷、结果精确,从而为环保部门以及相关的科研工作者提供参考.

1 方法及数据 1.1 主成分分析法 1.1.1 基本原理

主成分分析法从数学的角度来说,属于一种降维的数据处理技术.在计算大气污染物的主成分时,应把各大气污染物作为待求因子,然后建立各个因子及其浓度之间的数学模型,确定二者之间的数学关系式,进而得出系数矩阵以及初始因子载荷矩阵,最终得出大气主要污染物的类型及其对应的方差贡献率[31-32].

1.1.2 计算步骤

根据常用的主成分分析方法,其主要计算步骤为:1)标准化原始数据;2)计算各污染指标相关性矩阵;3)依据R值,确定污染物的主成分;4)根据方差贡献率确定大气污染物主成分个数;5)计算初始因子载荷矩阵;6)计算主成分载荷值[33].

1.2 数据来源

本文数据为2015年河南省的17个城市的大气污染物浓度.空气质量分析的大气污染物指标为6项(见表 1),分别为PM10、SO2、NO2、PM2.5、O3和CO[34].数据来源于中国环境监测总站“全国城市空气质量实时发布平台”.采用SPSS 19.0对表 1中的6个指标进行主成分分析.经验证,KMO检验系数为0.629>0.5,适合进行主成分分析[35].标准化数据结果见表 2,其相关性系数矩阵、主成分贡献率分别见表 3表 4.主成分载荷矩阵等于初始因子载荷矩阵中的数值除以主成分相对应的特征值的平方根,计算结果见表 5.

表 1 河南省17个城市空气质量指标 Table 1 Air quality indexes of 17 cities in Henan Province

表 2 标准化数据 Table 2 Standardized data

表 3 相关性系数矩阵 Table 3 Matrix of correlation coefficients

表 4 特征值和主成分贡献率及累计贡献率 Table 4 Eigenvalues, contribution rates and accumulated contribution rates of principal components

表 5 主成分载荷值 Table 5 Loading values of principal components
2 结果分析与讨论 2.1 城市大气主要污染物污染状况

表 1可得,河南省整体污染较为严重,其中颗粒物污染最为突出.河南省PM2.5的年均质量浓度为79.975 μg/m3,其中郑州市PM2.5的浓度值最大,是国家年均二级标准值(35 μg/m3)的2.73倍,浓度最小值是信阳市,是国家二级标准值的1.99倍;而PM10的年均质量浓度为135.598 μg/m3,其中郑州市PM10的浓度值是年均二级标准值(70 μg/m3)的2.39倍,信阳浓度值最小,超标1.61倍,表明河南省是粗细粒子共存的复合型污染;SO2的国家年均二级浓度值为60 μg/m3,河南省SO2的最大值为50.275 μg/m3,均未出超二级标准值,表明河南省SO2污染较轻;NO2的年均浓度值为40.757 μg/m3,除周口、商丘、漯河、南阳、驻马店、信阳外,其他各市均超出标准值(40 μg/m3),其中郑州NO2浓度值最大,是标准值的1.4倍,表明NO2的排放源在河南省的分布并不均衡.综上可以发现,河南省经济在发展的同时,对环境也造成一定的污染,但是因各市的经济发展程度不同,其污染程度也不尽相同.

2.2 城市大气污染物的主成分分析

表 3的相关数据可以看出,O3与CO的相关性数值为-0.818**,绝对值较其他相关性数值大,这可能是由于CO是O3的前体物[12, 36],又均参与了光化学反应过程,因而导致相关性较高,由此也证明河南省大气存在一定程度的光化学污染.

表 4所示,前3个主成分的累积贡献率达到91.300%,其中第一主成分的贡献率达到总方差的1/2以上,所占比重较大,由此表明,河南省PM10和NO2污染物最严重,并且存在一定的光化学污染.这说明河南省空气质量污染主要是工业排放的废气、机动车尾气、道路扬尘等,所以相关部门要加强这方面的监督管理工作. PM2.5、PM10质量浓度与SO2、NO2质量浓度均呈现出显著性正相关,说明影响其质量浓度的污染源具有较强的相关性.工业污染以及机动车尾气排放、道路扬尘是影响以上指标质量浓度的重要来源[31].并且空气中的SO2和NO2通过气相或者多反应氧化成酸性气溶胶,再和大气中的NH3反应生成硫酸铵或者硝酸铵气溶胶粒子,最终转换成硫酸盐或者硝酸盐颗粒物,而硫酸盐和硝酸盐是PM2.5和PM10中的主要组成部分,所以PM2.5和PM10的质量浓度与SO2、NO2质量浓度的相关性显著[37-38].因而,工业企业、汽车尾气等排放的污染物以及不利的气象条件[39-41]都会严重影响着河南省的空气质量.

3 结论

1) SO2、NO2与PM2.5和PM10的相关性显著,说明这几种污染物具有相似的来源.此外,河南省各市的颗粒物浓度均超出国家二级年均标准值一定的倍数,由此可以表明河南省是粗细粒子共存的复合型污染.

2) O3与SO2、NO2、CO、PM2.5、PM10等均呈现一定的负相关性,并且CO和O3的浓度较高,表明河南省存在一定程度的光化学污染.

3) 河南省控制质量污染的第一主成分是PM10、NO2,第二主成分是CO、O3,第三主成分是SO2、PM2.5.其主成分贡献率分别为52.049%、25.306%、13.947%.

4) 第一主成分的贡献率达到总方差的1/2以上,可以得出河南省城市空气污染物最严重的是第一成分PM10和NO2.

参考文献
[1]
胡敏, 唐倩, 彭剑飞, 等. 我国大气颗粒物来源及特征分析[J]. 环境与可持续发展, 2011(5): 15-19. (0)
[2]
付高平. 成都市微细颗粒物(PM2. 5)形成机理及对人类健康危害研究[D]. 成都: 西南交通大学, 2014. (0)
[3]
李红, 曾凡刚, 邵龙义, 等. 可吸入颗粒物对人体健康危害的研究进展[J]. 环境与健康杂志, 2002, 19(1): 85-87. (0)
[4]
郭辰, 刘涛, 赵晓红. 大气细颗粒物的健康危害机制及拮抗作用研究进展[J]. 环境与健康杂志, 2014, 31(2): 185-188. (0)
[5]
王超, 张霖琳, 刀谞, 等. 京津冀地区城市空气颗粒物中多环芳烃的污染特征及来源[J]. 中国环境科学, 2015, 35(1): 1-6. (0)
[6]
王超, 刀谞, 张霖琳, 等. 我国大气背景点颗粒物PAHs分布特征及毒性评估[J]. 中国环境科学, 2015, 35(12): 3543-3549. DOI:10.3969/j.issn.1000-6923.2015.12.003 (0)
[7]
王少毅, 曾燕君, 琚鸿, 等. 广州地区秋冬季细颗粒物PM2.5化学组分分析[J]. 环境监测管理与技术, 2013, 25(4): 9-12. (0)
[8]
王群, 郭月, 姜楠, 等. 郑州市PM10和PM2.5中多环芳烃污染特征及健康风险评价[J]. 郑州大学学报(理学版), 2016, 48(2): 84-89. (0)
[9]
刘玉香. SO2的危害及其流行病学与毒理学研究[J]. 生态毒理学报, 2007, 2(2): 225-231. (0)
[10]
VAN THRIEL C, SCHAPER M, KLEINBECK S, et al. Sensory and pulmonary effects of acute exposure to sulfur dioxide (SO2)[J]. Toxicology letters, 2010, 196(1): 42-50. DOI:10.1016/j.toxlet.2010.03.013 (0)
[11]
黄欣欣, 蔡琳. 大气污染与肺癌关系研究进展[J]. 中国公共卫生, 2006, 22(12): 1443-1445. (0)
[12]
崔淑华, 倪艳姝. 城市主要气体污染物与PM2.5相关性建模分析[J]. 森林工程, 2016, 32(2): 65-68. (0)
[13]
龙连芳, 王新明, 冯宝志, 等. 广州市区公交车站PM2.5与CO暴露水平研究[J]. 环境科学与技术, 2010, 33(9): 140-145. (0)
[14]
高一博, 张鑫, 陶圣荣, 等. 2006—2014年南京都市圈对流层NO2时空变化特征及污染源分析[J]. 大气与环境光学学报, 2016, 11(3): 182-190. (0)
[15]
ZHU N, LI H, HAN M, et al. Environmental nitrogen dioxide (NO2) exposure influences development and progression of ischemic stroke[J]. Toxicology letters, 2012, 214(2): 120-130. DOI:10.1016/j.toxlet.2012.08.021 (0)
[16]
姜辉, 叶庆春. 氮氧化物致病机制及净化技术原理研究[J]. 齐鲁医学杂志, 2006, 21(2): 183-184. (0)
[17]
LI H, HAN M, GUO L, et al. Oxidative stress, endothelial dysfunction and inflammatory response in rat heart to NO2 inhalation exposure[J]. Chemosphere, 2011, 82(11): 1589-1596. DOI:10.1016/j.chemosphere.2010.11.055 (0)
[18]
戴永立, 陶俊, 林泽健, 等. 2006—2009年我国超大城市霾天气特征及影响因子分析[J]. 环境科学, 2013, 34(8): 2925-2932. (0)
[19]
沈利娟, 李莉, 吕升, 等. 2013年夏季嘉兴市一次光化学事件的观测分析[J]. 环境科学, 2014, 35(5): 1662-1670. (0)
[20]
YANG C, YANG H, GUO S, et al. Alternative ozone metrics and daily mortality in Suzhou: The China Air Pollution and Health Effects Study (CAPES)[J]. Science of the total environment, 2012(426): 83-89. (0)
[21]
马一琳, 张远航. 北京市大气光化学氧化剂污染研究[J]. 环境科学研究, 2000, 13(1): 14-17. (0)
[22]
LIU T, LI T T, ZHANG Y H, et al. The short-term effect of ambient ozone on mortality is modified by temperature in Guangzhou, China[J]. Atmospheric environment, 2013, 76: 59-67. DOI:10.1016/j.atmosenv.2012.07.011 (0)
[23]
ZHANG K, BATTERMAN S. Air pollution and health risks due to vehicle traffic[J]. Science of the total environment, 2013(450/451): 307-316. (0)
[24]
LI H, QIAN X, HU W, et al. Chemical speciation and human health risk of trace metals in urban street dusts from a metropolitan city, Nanjing, SE China[J]. Science of the total environment, 2013(456/457): 212-221. (0)
[25]
DAAZ-ROBLES L A, FU J S, VERGARA-FERNA N A, et al. Health risks caused by short term exposure to ultrafine particles generated by residential wood combustion: A case study of Temuco, Chile[J]. Environment international, 2014, 66: 174-181. DOI:10.1016/j.envint.2014.01.017 (0)
[26]
徐文体, 李琳. PM10和PM2.5与人类健康效应关系的研究进展[J]. 职业与健康, 2014, 30(11): 1556-1559. (0)
[27]
李秀镇, 盛立芳, 徐华, 等. 青岛市大气PM2.5元素组成及来源研究[J]. 环境科学, 2012, 33(5): 1438-1445. (0)
[28]
窦筱艳, 赵雪艳, 徐珣, 等. 应用化学质量平衡模型解析西宁大气PM2.5的来源[J]. 中国环境监测, 2016, 32(4): 7-14. (0)
[29]
刘爱明, 杨柳, 吴亚玲, 等. 城市区域大气颗粒物的健康效应研究[J]. 中国环境监测, 2012, 28(5): 19-23. (0)
[30]
刘妍月, 李军成. 长沙市大气中PM2.5浓度分布的空间插值方法比较[J]. 环境监测管理与技术, 2016, 28(2): 14-18. (0)
[31]
王晓丽, 刘畅, 关文玲. 基于主成分分析法的城市大气主要污染物关系研究[J]. 天津理工大学学报, 2015, 31(2): 20-23. (0)
[32]
廖国礼, 吴超. 主成分分析法在矿山空气污染监测点优化中的应用[J]. 金属矿山, 2005(5): 44-47. (0)
[33]
段凤魁, 贺克斌, 刘咸德. 北京PM2.5中有机酸的污染特征及来源[J]. 环境科学学报, 2009, 29(6): 1139-1145. (0)
[34]
GB 3095—2012环境空气质量标准[S]. 北京: 中国环境科学研究院, 中国环境监测总站. 中国标准出版社, 2012. (0)
[35]
江敏, 阮慧慧, 梅卫平. 滴水湖沉积物重金属生态风险评价及主成分分析[J]. 安全与环境学报, 2013, 13(3): 151-156. (0)
[36]
王坚. 厦门市光化学污染特征分析[J]. 环境监测管理与技术, 2015, 27(4): 69-71. (0)
[37]
钱晓雍, 郭小品, 林立, 等. 国内外农业源NH3排放影响PM2.5形成的研究方法探讨[J]. 农业环境科学学报, 2013, 32(10): 1908-1914. DOI:10.11654/jaes.2013.10.002 (0)
[38]
毛华云, 田刚, 黄玉虎, 等. 北京市大气环境中硫酸盐、硝酸盐粒径分布及存在形式[J]. 环境科学, 2011, 32(5): 1237-1241. (0)
[39]
喻义勇, 陆晓波, 朱志峰, 等. 南京2013年12月初持续重污染天气特征及成因分析[J]. 环境监测管理与技术, 2015, 27(2): 11-16. (0)
[40]
王佳, 李晓, 吴瑞杰, 等. 郑州市PM2.5和PM10中水溶性无机离子的污染特征[J]. 郑州大学学报(理学版), 2014, 46(4): 81-87. (0)
[41]
耿红, 宣莹莹, 蔡夏童, 等. 太原市2014年春节期间常规大气污染物浓度变化及聚类分析[J]. 环境科学学报, 2015, 35(4): 965-974. (0)