众所周知，人类活动引起的过度排放是造成大气污染的主要原因，北京大学统计科学中心陈松蹊教授团队，经过反复的数据筛选和建模分析，近日，所取得的最新研究进展：通过静稳期数据实验度量本地污染排放的论文——“Assessing Local Emission for Air Pollution via Data Experiments”，被大气环境领域重要英文国际期刊Atmospheric Environment正式接收。
文章以华北平原北部北京、唐山和保定三个城市为研究对象，针对2013年3月至2019年2月六个季节年的空气质量数据和气象数据，开发了一种数据选择算法，通过数据实验，在强清洗过程之后选择“静稳期数据”，采用面板数据回归模型，来研究三种大气污染物（PM_2.5、NO₂和SO₂）浓度在污染传输到达前的增长趋势，从而科学度量本地污染排放。
“静稳期”数据选择是本研究的一个重要前提和关键，基于华北平原的地理特点和气象现实，“静稳期”设定为强大的偏北风系统彻底地使空气清新之后，南风输送污染物到来之前的平静、干燥期。静稳期具体由三个关键时间点来确定：（i）北风清洁过程的结束时间t_w，（ii）静稳期开始时间t_s，（iii）静稳期的结束时间t_e。

图1.2013年冬季北京东四监测点选出的静稳期PM2.5时间序列数据（红色）
文章将华北地区三个城市的空气质量监测站点根据地理位置，分成四个组群：BeijingSE、BeijingNW、Tangshan、Baoding进行研究。选择气象变量：边界层耗散（BLD）、露点温度（DEWP）、边界层高度（BLH）、相对湿度（HUMI）、温度（TEMP）、气压（PRES）、累积北风风速（CNWS）、累积南风风速（CSWS），对四个组群选出的静稳期数据，加入小时虚拟变量进行线性面板数据回归，估计三种污染物（PM_2.5、SO₂和NO₂）静稳期的小时增长率。
为了消除气象干扰，估计的增长率根据2013—2018年气象基准线分布进行了季节调整。以北京西北站点群为例，静稳期PM_2.5增长率调整前后对比如图2所示。

图2.北京西北站点群静稳期前6小时PM2.5增长率气象调整前后对比
四组监测站点三种污染物（PM_2.5、SO₂和NO₂）浓度，从2013年到2018年调整后四个季节平均的年增长速度（μg/m³perhour）如下表所示，并分别相对2013年和2014年的水平做了对比，负值代表上升。
表一 2013年至2018年气象调整后对四个季节平均的小时增长率（μg/m³perhour），以及2018年相对于2013年和2014年的（相对）减少。

估计结果显示，自2013年以来，经气象调整的PM_2.5和SO₂平均增长率呈持续下降趋势。与2013年相比，2018年PM_2.5小时平均增长速度从5.9-11.1μg/m³下降到了2.9-4.5μg/m³，SO₂小时平均增长速度从2.2-8.9μg/m³下降到了0.4-2.5μg/m³，降幅分别达到了44-70%和57-82%。然而，NO₂小时平均增长率变化较小，2018年相对于2013年的年度平均降幅在-9.4%到27.9%之间，唐山和保定反而呈现出一些明显的增长趋势。对北京来说，在2017年开始出现一些减少的迹象。这也印证了华北地区空气质量治理策略的效应，该策略一直以改善与煤炭有关的排放为重点，而与机动车有关的排放控制远远落后于煤炭。

图3.四组监测站点群2013-2018六个季节年三种污染物浓度在不同季节里静稳期前6小时内的平均增长
综上，研究表明，与2013年相比，2017—2018年几乎所有季节和城市的PM_2.5和SO₂小时平均增长率显著降低。然而，保定和唐山春季和冬季的NO₂相关排放量没有明显减少。研究还发现，北京的PM_2.5冬季增长率与重工业城市唐山和保定相当，甚至北京2018年冬季PM_2.5小时增长率还高于唐山和保定，表明北京冬季的污染排放压力仍然很大。文章中“静稳期数据”选择的算法和统计分析模型，可以推广到世界上其他区域，所估计的静稳期污染物浓度增长率可及时有效评估本地污染排放。
该论文的第一作者是朱玉茹（北京大学统计科学中心2018级博士生），通讯作者是其导师陈松蹊教授，另一作者是梁银双副教授（郑州工程技术学院信息工程学院，曾为北京大学统计科学中心访问****）。本研究得到了国家重点研发计划《大气污染成因与控制技术研究》专项项目2016YFC0207701的部分资助和国家自然科学基金项目71532001、71973005的资助。