陳曈

(都柏林大學(xué) 斯莫菲特商學(xué)院，愛(ài)爾蘭 都柏林 D014 V1W8)

“綠水青山就是金山銀山.”[1]生態(tài)環(huán)境對(duì)于一個(gè)城市的發(fā)展至關(guān)重要，人民群眾對(duì)于藍(lán)天白云的呼聲也越來(lái)越高.2018年，國(guó)務(wù)院發(fā)布《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》，旨在通過(guò)三年努力，大幅減少主要大氣污染物排放總量，協(xié)同減少溫室氣體排放，進(jìn)一步顯著降低細(xì)顆粒物(PM2.5)濃度，減少重污染天數(shù)，明顯改善環(huán)境空氣質(zhì)量，增強(qiáng)人民的藍(lán)天幸福感[2].作為風(fēng)景旅游城市的廈門(mén)市也認(rèn)真貫徹落實(shí)《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》并取得優(yōu)異的成績(jī).2020年廈門(mén)市空氣質(zhì)量取得“十三五”以來(lái)最佳成績(jī)，全年優(yōu)良率達(dá)到99.7%，在全國(guó)168個(gè)重點(diǎn)城市中排名并列第3名.空氣質(zhì)量綜合指數(shù)為2.53，同比下降15.1%，居全國(guó)第4名；與2019年相比，除O3外其他污染物的年平均濃度均有所下降，特別是PM2.5濃度僅為18 μg/m3，同比降低25%. 然而，2020年廈門(mén)市集美區(qū)爭(zhēng)創(chuàng)國(guó)家生態(tài)文明建設(shè)示范區(qū)的目標(biāo)尚未達(dá)標(biāo)，需從多個(gè)方面進(jìn)一步提高生態(tài)文明水平.

以往大多數(shù)對(duì)空氣質(zhì)量研究采用的評(píng)價(jià)指標(biāo)都是空氣質(zhì)量指數(shù)(air quality index，AQI)，而對(duì)本文所采用的空氣質(zhì)量綜合指數(shù)(air quality composite index，AQCI)的研究則相對(duì)缺乏.AQCI是評(píng)價(jià)時(shí)段內(nèi)6項(xiàng)污染物濃度與它們對(duì)應(yīng)的二級(jí)標(biāo)準(zhǔn)值之商的總和；而AQI則是先計(jì)算6項(xiàng)污染物空氣質(zhì)量分指數(shù)，再取分指數(shù)中的最大值進(jìn)行發(fā)布，是用來(lái)判斷每日優(yōu)良率及污染等級(jí)的指數(shù).二者在計(jì)算方法上有一定的差異，但都是用污染物濃度和分級(jí)濃度限值進(jìn)行計(jì)算而得，且AQI、AQCI、空氣質(zhì)量等級(jí)和污染程度都存在一一對(duì)應(yīng)的轉(zhuǎn)化關(guān)系，因此對(duì)AQI的研究方法也普遍適用于AQCI.然而，AQI的評(píng)價(jià)僅依據(jù)污染物的上限值對(duì)污染程度和空氣優(yōu)良率進(jìn)行簡(jiǎn)單地判斷，其優(yōu)點(diǎn)是對(duì)標(biāo)容易，評(píng)價(jià)方便，能反映該地區(qū)的污染程度，但受首要污染物影響較大，不能真實(shí)準(zhǔn)確地反映具體污染物的濃度值.AQCI與AQI相比計(jì)算方法相對(duì)簡(jiǎn)單，雖然無(wú)法明確顯示出首要污染物，但能夠綜合地反映各項(xiàng)污染物對(duì)空氣質(zhì)量的影響，從而更客觀地體現(xiàn)出環(huán)境空氣質(zhì)量的優(yōu)劣.目前AQCI已經(jīng)成為評(píng)價(jià)城市空氣環(huán)境質(zhì)量的主要指標(biāo)，因此本文選用AQCI作為衡量各項(xiàng)污染物對(duì)空氣質(zhì)量影響的指數(shù).

關(guān)于空氣質(zhì)量影響因素的研究一直是治理大氣污染問(wèn)題的關(guān)鍵，多年來(lái)我國(guó)已有眾多學(xué)者對(duì)此進(jìn)行了全面而廣泛的研究.夏大峰等[3]利用南京9個(gè)監(jiān)測(cè)站測(cè)得的PM2.5濃度作為依據(jù)，結(jié)合地理環(huán)境、天氣及其他影響因素，研究了以日、周、月為時(shí)間間隔的PM2.5濃度變化趨勢(shì).劉金培等[4]利用西安市2013-2014年空氣質(zhì)量和氣象因素的相關(guān)數(shù)據(jù)，運(yùn)用VAR模型分析PM2.5與其影響因素的動(dòng)態(tài)關(guān)系.鄧煜凡[5]通過(guò)統(tǒng)計(jì)分析法和 Spearman 相關(guān)系數(shù)法分析2017年江西省PM2.5的時(shí)間序列分布特征和影響因素，發(fā)現(xiàn)PM2.5與SO2、NO2、CO和O3都呈顯著正相關(guān).丁梓越等[6]采用時(shí)空地理加權(quán)回歸(GTWR)模型，分析眾多因素對(duì)2014-2018年期間河南省AQI的作用模式及其時(shí)空變化.郭歡[7]收集2015-2019年廊坊市的AQI以及2019年的逐日AQI構(gòu)建多元回歸模型，發(fā)現(xiàn)AQI與PM2.5存在極強(qiáng)的線(xiàn)性相關(guān).閆緒嫻等[8]搜集31個(gè)旅游城市的AQCI月均值，運(yùn)用均值統(tǒng)計(jì)和趨勢(shì)回歸方法分析我國(guó)AQCI時(shí)空分布特征及其對(duì)旅游效益的影響.太春寧等[9]對(duì)吉林省9個(gè)市的AQCI及分指數(shù)、月份綜合指數(shù)的相關(guān)性進(jìn)行分析，發(fā)現(xiàn)AQCI與6項(xiàng)污染物中的5項(xiàng)有強(qiáng)相關(guān)性且與12個(gè)月份的AQCI都有強(qiáng)相關(guān)性.本研究將通過(guò)VAR模型實(shí)證分析2020年集美區(qū)空氣質(zhì)量狀況，以期能夠更具體地分析影響集美區(qū)空氣質(zhì)量的主要因素并提出相應(yīng)的空氣污染綜合治理建議.

1 研究方法與描述性統(tǒng)計(jì)

1.1 數(shù)據(jù)來(lái)源

根據(jù)生態(tài)環(huán)境部2012年發(fā)布的《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633-2012)[10]中規(guī)定的6個(gè)基本項(xiàng)目：SO2、NO2、CO、O3、PM10、PM2.5，評(píng)價(jià)它們的污染程度.AQCI是評(píng)價(jià)時(shí)段內(nèi)，各項(xiàng)污染物單項(xiàng)質(zhì)量指數(shù)之和，AQCI越大表明城市空氣污染程度越重.為了更好地反映出《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》的實(shí)施下集美區(qū)空氣質(zhì)量改善的完成情況，從集美區(qū)生態(tài)環(huán)境局監(jiān)測(cè)站收集2018-2020年的相關(guān)年度數(shù)據(jù)進(jìn)行縱向比較，并進(jìn)一步選取集美區(qū)2020年52周的空氣質(zhì)量綜合指數(shù)和6項(xiàng)污染物濃度指標(biāo)構(gòu)建VAR模型進(jìn)行實(shí)證分析.

1.2 研究方法

本研究主要運(yùn)用向量自回歸(VAR)模型來(lái)估計(jì)內(nèi)生變量的動(dòng)態(tài)關(guān)系.該類(lèi)模型采用多方程聯(lián)立的形式，它不以經(jīng)濟(jì)理論為基礎(chǔ)，在模型的每一個(gè)方程中，內(nèi)生變量對(duì)模型的全部?jī)?nèi)生變量的滯后值進(jìn)行回歸，從而估計(jì)全部?jī)?nèi)生變量的動(dòng)態(tài)關(guān)系.構(gòu)建的VAR(p)模型的表達(dá)式如式(1)所示：

(1)

1.3 AQCI指標(biāo)介紹

空氣質(zhì)量綜合指數(shù)(AQCI)計(jì)算方法如下：

Ii=Ci/Si.

(2)

其中：Ci為污染物i的濃度值(當(dāng)i為SO2、NO2、PM10及PM2.5時(shí)，Ci為月均值;當(dāng)i為CO和O3時(shí)，Ci為相應(yīng)的百分位數(shù)濃度值)，Si為污染物i的年均值二級(jí)標(biāo)準(zhǔn).環(huán)境空氣質(zhì)量綜合指數(shù)(AQCI)為：

(3)

其中：Ii為污染物i的單項(xiàng)指數(shù)，i包括全部6項(xiàng)常規(guī)大氣污染物指標(biāo).將以上6種大氣污染物指標(biāo)作為研究AQCI影響因素的指標(biāo).

1.4 描述性統(tǒng)計(jì)

1.4.1 空氣質(zhì)量綜合指數(shù)(AQCI)與其影響因素的變化情況 集美區(qū)空氣質(zhì)量?jī)?yōu)良，以AQCI中的一項(xiàng)重要影響因素PM2.5為例，2020年集美區(qū)PM2.5年平均濃度為17 μg/m3，遠(yuǎn)遠(yuǎn)低于《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》 (GB 3095-2012)規(guī)定的PM2.5年平均濃度二級(jí)標(biāo)準(zhǔn)限值35 μg/m3.表1為2018-2020年集美區(qū)空氣質(zhì)量綜合指數(shù)與6項(xiàng)污染物濃度的統(tǒng)計(jì)分析結(jié)果.2020年集美區(qū)空氣質(zhì)量?jī)?yōu)良率為99.5%，其中SO2、NO2、CO、O3、PM10和PM2.5的評(píng)價(jià)濃度(實(shí)況濃度)均低于國(guó)家空氣污染物濃度二級(jí)標(biāo)準(zhǔn)年均限值.6項(xiàng)常規(guī)污染物相對(duì)于2019年呈現(xiàn)“兩平一升三降”的特征，SO2和CO同比持平，NO2、PM10和PM2.5同比分別下降28.6%、18.4%和10.5%，O3同比上升2.4%.空氣質(zhì)量綜合指數(shù)由2019年的2.63下降為2.36，在廈門(mén)市6個(gè)區(qū)的排名從第1降為第4名，環(huán)境空氣質(zhì)量總體保持優(yōu)良水平.

從2020年6項(xiàng)空氣污染物單指數(shù)對(duì)AQCI的貢獻(xiàn)率來(lái)看，2020年集美區(qū)SO2、NO2、CO、O3、PM10和PM2.5對(duì)AQCI的貢獻(xiàn)分別為3.4%、16.1%、7.6%、33.5%、18.6%和20.8%.綜合來(lái)看，2018-2020年集美區(qū)的AQCI逐年降低，但是2020年O3的濃度和貢獻(xiàn)率較2019年相比有所提高，總體上2020年集美區(qū)AQCI的降幅相對(duì)較小，排名較廈門(mén)市其他行政區(qū)相對(duì)靠后.

表1 2018-2020年集美區(qū)AQCI和6項(xiàng)污染物濃度統(tǒng)計(jì)結(jié)果Tab.1 Statistical results of AQCI and concentration of 6 pollutants in Jimei District in 2018-2020

1.4.2 空氣質(zhì)量綜合指數(shù)(AQCI)影響因素的相關(guān)性 描述兩變量之間的相關(guān)關(guān)系時(shí)，通常采用Pearson相關(guān)系數(shù)，但該系數(shù)的局限性是只能描述變量間的線(xiàn)性相關(guān)關(guān)系，數(shù)據(jù)需滿(mǎn)足正態(tài)分布且受異常值影響較大.而Spearman相關(guān)系數(shù)是對(duì)兩變量的秩次大小進(jìn)行相關(guān)性分析，不需要數(shù)據(jù)滿(mǎn)足正態(tài)關(guān)系，不僅可以描述線(xiàn)性相關(guān)現(xiàn)象關(guān)系，還可以描述非線(xiàn)性關(guān)系.當(dāng)前者大于后者時(shí)，表明兩變量間主要為線(xiàn)性相關(guān)，否則兩變量間主要為非線(xiàn)性關(guān)系.兩種相關(guān)系數(shù)的取值范圍均為[-1,1]，系數(shù)的絕對(duì)值越大，說(shuō)明兩變量的相關(guān)等級(jí)越高，反之相關(guān)等級(jí)越低.本文同時(shí)測(cè)算 2020年52周的集美區(qū)AQCI和6項(xiàng)污染物濃度的Pearson相關(guān)系數(shù)和Spearman相關(guān)系數(shù).計(jì)算結(jié)果如表2所示.由表中可知，集美區(qū)的AQCI與PM10、PM2.5和NO2有著較強(qiáng)的線(xiàn)性相關(guān)，而與CO、O3和SO2是非線(xiàn)性相關(guān).因此，集美區(qū)的AQCI與PM10和PM2.5的相關(guān)性較大，且與NO2、CO和O3也具有相關(guān)性，而與SO2的相關(guān)性較小.

表2 集美區(qū)AQCI和相關(guān)影響因素之間的相關(guān)系數(shù)Tab.2 Correlation coefficient of AQCI and its influencing factors of Jimei District

2 計(jì)量結(jié)果和分析

2.1 單位根檢驗(yàn)

采用ADF(Augmented Dickey Fuller)進(jìn)行檢驗(yàn)，由于對(duì)數(shù)據(jù)取自然對(duì)數(shù)可以降低異方差性，并能使時(shí)間序列趨勢(shì)線(xiàn)性化， 所以對(duì)所有的時(shí)間序列進(jìn)行自然對(duì)數(shù)處理，檢驗(yàn)結(jié)果如表3所示.

表3 單位根檢驗(yàn)的結(jié)果Tab.3 ADF test results

(續(xù)表3)

由表3可知，在顯著性為5%的情況下，6個(gè)變量序列l(wèi)nAQCI、lnNO2、lnCO、lnO3、lnPM10和lnPM2.5總體趨于平穩(wěn)，而變量序列l(wèi)nSO2則不是平穩(wěn)的.進(jìn)一步對(duì)所有序列一階差分后得到的序列再進(jìn)行ADF檢驗(yàn)，發(fā)現(xiàn)它們的一階差分序列都是平穩(wěn)的.因此，本文采用這7個(gè)變量序列的差分序列進(jìn)行分析，分別記為dlnAQCI、dlnSO2、dlnNO2、dlnCO、dlnO3、dlnPM10和dlnPM2.5.

2.2 AQCI與其影響因素的多元回歸分析

確定了變量是同階平穩(wěn)后，為了研究AQCI受哪項(xiàng)污染物影響最大，可以建立AQCI與6項(xiàng)污染物濃度的多元回歸方程，通過(guò)系數(shù)的大小判斷對(duì)AQCI影響程度，見(jiàn)表4.

表4 回歸方程系數(shù)相關(guān)性分析Tab.4 Correlation analysis of regression equation coefficients

根據(jù)回歸結(jié)果，得到多元回歸方程如下：

dlnAQCI=-0.001+0.059dlnCO+0.176dlnNO2+0.23dlnO3+0.263dlnPM10+ 0.163dlnPM2.5+0.129dlnSO2+ei.

(4)

從表4可以看出，AQCI與CO、NO2、O3、PM10、PM2.5、SO2都呈正相關(guān).由方程系數(shù)大小可知，PM10變動(dòng)對(duì)AQCI變動(dòng)的影響最大，PM10每變動(dòng)1%，AQCI變動(dòng)0.263%.其次為O3、NO2、PM2.5和SO2，而CO對(duì)AQCI的影響最小.

2.3 格蘭杰因果關(guān)系檢驗(yàn)

格蘭杰因果關(guān)系檢驗(yàn)是對(duì)某變量的滯后項(xiàng)進(jìn)行的檢驗(yàn)，看其是否包含在其他某變量的方程中，為了確定各污染物與空氣質(zhì)量綜合指數(shù)間建立的長(zhǎng)期關(guān)系，進(jìn)而找到針對(duì)空氣治理的方案，需要得到它們長(zhǎng)時(shí)間內(nèi)存在的因果關(guān)系.格蘭杰因果關(guān)系檢驗(yàn)結(jié)果如表5所示.

表5 Granger因果檢驗(yàn)結(jié)果Tab.5 Granger causality test results

從檢驗(yàn)結(jié)果可以看出，在10%的顯著水平上，若拒絕原假設(shè)，即“各變量不是dlnAQCI的原因”的假設(shè)，從而接受了“各變量是lnAQCI的原因”的結(jié)論.由表5可知，CO和AQCI互為因果關(guān)系，且O3、PM10是AQCI的因，即CO、O3、PM10濃度的變動(dòng)將會(huì)不可避免地對(duì)AQCI的變動(dòng)產(chǎn)生影響.而AQCI和PM2.5存在單向因果關(guān)系，AQCI是PM2.5的因，因此PM2.5濃度的提高不會(huì)對(duì)AQCI產(chǎn)生太大影響.此外，SO2和NO2與AQCI間不存在顯著因果關(guān)系.綜上所述，CO、O3和PM10濃度的增長(zhǎng)是導(dǎo)致2020年集美區(qū)空氣質(zhì)量綜合指數(shù)增長(zhǎng)的原因.

2.4 VAR模型的構(gòu)建和穩(wěn)定性檢驗(yàn)

采用脈沖響應(yīng)函數(shù)和方差分解對(duì)AQCI的影響因素進(jìn)行滯后性分析，因此需要先構(gòu)建向量自回歸(VAR) 模型.采用dlnAQCI、dlnSO2、dlnNO2、dlnCO、dlnO3、dlnPM10和dlnPM2.5這7個(gè)變量序列構(gòu)建7維VAR模型.根據(jù)LR、FPE、AIC、SC和HQ共5個(gè)最優(yōu)滯后階數(shù)取值準(zhǔn)則，歸納結(jié)果列于表6.

表6 VAR模型的滯后期判斷結(jié)果Tab.6 Judgments of lag time for VAR model

從表6可以看出，SC和HQ指標(biāo)最優(yōu)滯后期為0，LR、FPE和AIC指標(biāo)最優(yōu)滯后期為4.為體現(xiàn)信息的完整性和VAR模型的有效性，最終確定模型的最優(yōu)滯后期為4，從而得到AQCI變動(dòng)dlnAQCI的水平向量自回歸方程：

dlnAQCI=-2.022 dlnAQCI(-1)-0.093 dlnAQCI(-2)-3.874 dlnAQCI(-3)-

0.038 dlnAQCI(-4)-0.046 dlnCO(-1)-0.294 dlnCO(-2)- 0.0979 dlnCO(-3)-

0.455 dlnCO(-4)+0.397 dlnNO2(-1)+0.003 dlnNO2(-2)+0.923 dlnNO2(-3)+

0.049 dlnNO2(-4)+0.560 dlnO3(-1)+0.275 dlnO3(-2)+0.869 dlnO3(-3)+

0.213 dlnO3(-4)+0.368 dlnPM10(-1)-0.589 dlnPM10(-2)+1.314 dlnPM10(-3)+

0.082 5 dlnPM10(-4)+0.186 dlnPM2.5(-1)+0.443 dlnPM2.5(-2)+

0.475 dlnPM2.5(-3) - 0.009 dlnPM2.5(-4) + 0.235 dlnSO2(-1) -

0.398 dlnSO2(-2) + 0.211 dlnSO2(-3) - 0.386 dlnSO2(-4) + 0.012 +ei.

由回歸方程可知，從長(zhǎng)期來(lái)看，dlnAQI與dlnSO2、dlnNO2、dlnO3、dlnPM10和dlnPM25呈正向關(guān)系，而與dlnCO呈負(fù)向關(guān)系.這說(shuō)明從長(zhǎng)期來(lái)看，SO2、NO2、O3、PM10和PM2.5的增加會(huì)引起AQCI的增加，CO的增加會(huì)引起AQCI的降低.

圖1 VAR(4)模型穩(wěn)定性檢驗(yàn)AR根圖Fig.1 Inverse roots of AR characteristic polynomial

圖1是對(duì)AR特征多項(xiàng)式穩(wěn)定性檢驗(yàn)的AR根圖，由圖中看出所有的逆根都在單位圓內(nèi)，表明AQCI和相關(guān)的各項(xiàng)大氣污染物構(gòu)成的系統(tǒng)是穩(wěn)定的，VAR模型的構(gòu)建過(guò)程有效.

2.5 脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)是用于衡量隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊對(duì)內(nèi)生變量當(dāng)前和未來(lái)取值的影響，能夠比較直觀地反映出變量之間的動(dòng)態(tài)交互作用及其效應(yīng).因此，采用脈沖響應(yīng)函數(shù)對(duì)2020年集美區(qū)的空氣質(zhì)量綜合指數(shù)與其影響因素的脈沖響應(yīng)進(jìn)行分析，選擇分析期的長(zhǎng)度為10期，結(jié)果如脈沖響應(yīng)函數(shù)圖2～7所示.

由圖2～7可知，AQCI對(duì)CO、NO2一個(gè)標(biāo)準(zhǔn)差信息的正向沖擊會(huì)引起AQCI的正向變動(dòng)，從而使AQCI增加，在第1期響應(yīng)值達(dá)到最大.在第2期之間會(huì)引起AQCI的負(fù)向變動(dòng)，使AQCI產(chǎn)生滯后的抑制作用，同時(shí)達(dá)到負(fù)向波動(dòng)最低值.在第4期響應(yīng)值變?yōu)檎担?期后脈沖響應(yīng)漸趨于0.AQCI對(duì)O3、PM10、PM2.5、SO2一個(gè)標(biāo)準(zhǔn)差信息的正向沖擊會(huì)帶來(lái)AQCI的正向變動(dòng)，引起AQCI增加，在第1期響應(yīng)值達(dá)到最大.在第2期之間會(huì)帶來(lái)AQCI的負(fù)向變動(dòng)，使AQCI產(chǎn)生滯后的抑制作用，同時(shí)達(dá)到負(fù)向波動(dòng)最低值.在第3期響應(yīng)值變?yōu)檎担?期后脈沖響應(yīng)漸趨于0.綜上所述，AQCI受各項(xiàng)污染物的沖擊一開(kāi)始影響較大，污染物濃度的增加會(huì)引起AQCI的增加，隨后迅速減弱，直至逐漸消失.

圖2 dlnAQCI對(duì)dlnCO的脈沖響應(yīng) 圖3 dlnAQCI對(duì)dlnNO2的脈沖響應(yīng)Fig.2 Impulse response of dlnAQCI to dlnCO Fig.3 Impulse response of dlnAQCI to DNO2

圖4 dlnAQCI對(duì)dlnO3的脈沖響應(yīng) 圖5 dlnAQCI對(duì)dlnPM10的脈沖響應(yīng)Fig.4 Impulse response of dlnAQCI to dlnO3 Fig.5 Impulse response of dlnAQCI to DPM10

圖6 dlnAQCI對(duì)dlnPM2.5的脈沖響應(yīng) 圖7 dlnAQCI對(duì)dlnSO2的脈沖響應(yīng)Fig.6 Impulse response of dlnAQCI to dlnPM2.5 Fig.7 Impulse response of dlnAQCI to DSO2

2.6 方差分解

為了進(jìn)一步分析各項(xiàng)污染物對(duì)空氣質(zhì)量綜合指數(shù)的相對(duì)作用大小，基于VAR(4)模型對(duì)dlnAQCI進(jìn)行方差分解，得到結(jié)果見(jiàn)表7.從表中方差分解結(jié)果看來(lái)，集美區(qū)的AQCI短期內(nèi)主要受自身的影響，隨著時(shí)間推移，各項(xiàng)污染物的貢獻(xiàn)度從第二期開(kāi)始明顯上升，從長(zhǎng)期看來(lái)，SO2對(duì)AQCI影響相對(duì)較大，CO、NO2對(duì)AQCI影響也有一定的影響，O3、PM10和PM2.5影響相對(duì)較小但總是存在的 .

表7 dlnAQCI的方差分解Tab.7 Variance decomposition of dlnAQCI

3 結(jié)論與建議

3.1 結(jié)論

(1)在短時(shí)間內(nèi)污染物濃度的增加對(duì)AQCI的影響較大，具有正向促進(jìn)作用，但影響會(huì)迅速消減，這與相關(guān)性分析的結(jié)論保持一致，表明對(duì)污染物的治理在短期內(nèi)會(huì)有效降低AQCI的大小.

(2)從各項(xiàng)影響因素分析，SO2和NO2不是AQCI的因，因此它們的變動(dòng)不會(huì)造成AQCI的變動(dòng).CO與AQCI呈正相關(guān)性，但單位變動(dòng)引起的AQCI的變動(dòng)在所有影響因素中最小.

(3)根據(jù)方差分解結(jié)果來(lái)看，PM10與AQCI之間有強(qiáng)正相關(guān)關(guān)系，單位變動(dòng)引起AQCI的變動(dòng)在所有影響因素中最大，說(shuō)明PM10含量的增加將會(huì)引起AQCI的顯著增加.與PM10類(lèi)似，O3也與AQCI呈正相關(guān)，單位變動(dòng)引起AQCI的變動(dòng)較大，且與2019年相比，2020年集美區(qū)O3濃度有明顯上升.綜上所述，O3和PM10是影響2020年集美區(qū)空氣質(zhì)量的首要污染物.

2020年集美區(qū)6項(xiàng)常規(guī)污染物相對(duì)于2019年呈現(xiàn)“兩平一升三降”的特征，SO2和CO同比持平，NO2、PM10和PM2.5同比下降，O3同比上升，AQCI同比下降了10.3%，空氣質(zhì)量總體上得到改善.這樣的成績(jī)離不開(kāi)環(huán)境部門(mén)對(duì)環(huán)境治理的持續(xù)加強(qiáng).2019年集美生態(tài)環(huán)境局完成了對(duì)NO2、PM10、PM2.5、O3四項(xiàng)主要污染物年度減排任務(wù)，落實(shí)陸源排海污染物、重金屬總量控制，對(duì)重點(diǎn)企業(yè)展開(kāi)嚴(yán)格監(jiān)管和整改.然而，盡管2020年集美區(qū)的空氣質(zhì)量持續(xù)改善，O3濃度卻有明顯上升.相比各區(qū)同比變化情況，廈門(mén)其他區(qū)的O3濃度同比均下降，集美區(qū)則有所升高.AQCI排名在廈門(mén)市全區(qū)中也有明顯下降，排名從第1降為第4，且未能成功入選國(guó)家生態(tài)文明建設(shè)示范區(qū).主要原因有：(1)集美中學(xué)監(jiān)測(cè)點(diǎn)空氣質(zhì)量下滑明顯，主要污染源為O3和PM2.5.(2)各街道周邊工地?fù)P塵管控落實(shí)不夠到位，導(dǎo)致O3濃度年均同比上升，相關(guān)單位的應(yīng)急響應(yīng)積極性不足.(3)2020年新增集美中學(xué)國(guó)控點(diǎn)的周邊空氣質(zhì)量仍有待提高.

3.2 建議

(1)加強(qiáng)揮發(fā)性有機(jī)物(VOCs)的整治.O3和PM2.5污染受到揮發(fā)性有機(jī)物(VOCs)的影響，VOCs不僅對(duì)環(huán)境和人體健康有直接影響，還參與大氣光化學(xué)反應(yīng)生成二次污染物，是O3和PM2.5的前體污染物.主要來(lái)源是工業(yè)廢氣、汽車(chē)尾氣等.因此，環(huán)境部門(mén)可通過(guò)鼓勵(lì)重點(diǎn)行業(yè)企業(yè)進(jìn)行生產(chǎn)工藝和設(shè)備的水性化改造，增加綠色、低揮發(fā)性涂料產(chǎn)品的使用，從生產(chǎn)源頭上減少VOCs排放.同時(shí),優(yōu)化產(chǎn)業(yè)布局，對(duì)石化、化工、制鞋等高VOCs排放的項(xiàng)目建設(shè)實(shí)行嚴(yán)格的準(zhǔn)入政策.

(2)推進(jìn)天然氣和電能利用.通過(guò)優(yōu)化能源結(jié)構(gòu)，發(fā)展新能源和可再生能源，控制煤電規(guī)模和投產(chǎn)時(shí)序，促進(jìn)煤炭清潔高效利用，從源頭上降低O3和PM10的排放濃度.以集美的旅游、交通等領(lǐng)域?yàn)閭?cè)重點(diǎn)，加快推進(jìn)電能替代工作，如通過(guò)在停車(chē)場(chǎng)設(shè)立充電樁、對(duì)充換電設(shè)施用電實(shí)行價(jià)格優(yōu)惠等措施推動(dòng)電動(dòng)汽車(chē)代替?zhèn)鹘y(tǒng)燃油車(chē).在工業(yè)燃料和民用領(lǐng)域推進(jìn)天然氣基礎(chǔ)設(shè)施建設(shè)，擴(kuò)展天然氣產(chǎn)業(yè)鏈.

(3)加強(qiáng)對(duì)交通尾氣排放的整治.集美監(jiān)測(cè)站點(diǎn)受島內(nèi)及海滄的機(jī)動(dòng)車(chē)、工業(yè)源排放的O3前體物傳輸?shù)挠绊戄^大，需加強(qiáng)站點(diǎn)附近交通源NO2的排放防控.通過(guò)監(jiān)管部門(mén)嚴(yán)格執(zhí)行過(guò)往車(chē)輛的質(zhì)檢和國(guó)家對(duì)機(jī)動(dòng)車(chē)尾氣排放標(biāo)準(zhǔn)的規(guī)定，進(jìn)而保證主要交通干道車(chē)輛通行能力，減少車(chē)輛因滯停、擁堵等原因造成的尾氣排放.另一方面，促進(jìn)高排放老舊車(chē)淘汰，推廣使用新能源機(jī)動(dòng)車(chē)，加快交通運(yùn)輸結(jié)構(gòu)升級(jí).

(4)加強(qiáng)揚(yáng)塵治理.集美區(qū)的PM10濃度受監(jiān)測(cè)站點(diǎn)周邊交通干道和施工工地的揚(yáng)塵影響較大.針對(duì)揚(yáng)塵防控，應(yīng)強(qiáng)化對(duì)污染源頭企業(yè)的監(jiān)管、治理、整改；從用地結(jié)構(gòu)上改善工地?fù)P塵監(jiān)管頂層設(shè)計(jì)；加強(qiáng)輕微污染天氣響應(yīng)，使用灑水車(chē)、霧炮車(chē)等遏制道路煙塵的產(chǎn)生；強(qiáng)化揚(yáng)塵管控，可通過(guò)委托第三方服務(wù)機(jī)構(gòu)對(duì)轄區(qū)工地、道路開(kāi)展揚(yáng)塵防控巡查工作.

2021年是“十四五”規(guī)劃開(kāi)局之年，做好“碳達(dá)峰、碳中和”工作是2021年重點(diǎn)任務(wù)之一.生態(tài)環(huán)境部將編制實(shí)施“十四五”空氣質(zhì)量全面改善行動(dòng)計(jì)劃，聚焦于推進(jìn)O3和PM10的協(xié)同控制和大氣多污染物的協(xié)同減排，目的在從源頭防控、結(jié)構(gòu)優(yōu)化、末端治理等方面，加快補(bǔ)齊VOCs和氮化物污染防治短板，促進(jìn)大氣污染減排工程項(xiàng)目的實(shí)施，最終推動(dòng)O3和PM10濃度同步降低，實(shí)現(xiàn)減污降碳協(xié)同效應(yīng).為了進(jìn)一步改善空氣質(zhì)量環(huán)境，集美區(qū)應(yīng)確定目標(biāo)導(dǎo)向，努力實(shí)現(xiàn)O3和顆粒物濃度進(jìn)一步降低，強(qiáng)化源頭治理、系統(tǒng)治理、整體治理，以生態(tài)環(huán)境高水平保護(hù)促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、交通運(yùn)輸結(jié)構(gòu)和用地結(jié)構(gòu)加快調(diào)整，形成源頭防控體系和區(qū)域大氣污染聯(lián)防聯(lián)控.