《表3 多重线性回归分析排除变量》
由图1与图2可知,不同大气污染物指标随季节变化的幅度呈现不同特点,PM2.5、PM10、SO2、NO2等4项指标变化趋势基本一致,均在8月份达到最低值,O3浓度值的变化则呈相反态势,全年与温度的变化紧密相关;CO浓度值在5月份达到最低值。首要污染物PM2.5与其他5项监测指标以及Isum的相关系数也不相同,PM2.5与PM10、SO2、NO2、CO 4项指标呈高度正相关(相关系数分别为0.96、0.94、0.90、0.94),相关系数均>0.80,PM2.5与O3呈高度负相关,相关系数为-0.83。PM2.5与Isum的相关系数最大,达到0.98;为了进一步探讨PM2.5与Isum之间的关系,通过偏相关分析,分别在控制时间、PM10、SO2、NO2、CO、O3条件下,得到两者的相关系数0.98、0.83、0.85、0.92、0.89、0.97,并计算了线性回归方程,Isum=2.567+0.051×PM2.5,相关系数R2=0.97,此时t=17.51,P<0.05,说明该回归分析模型具有意义。为了确定Isum与其他指标浓度值之间的关系,进行多重线性回归分析,详见表2、表3。结果显示多重线性回归分析排除了变量SO2(P=0.360>0.10),得到方程:Isum=0.55+0.029×PM2.5+0.015×PM10+0.023×NO2+0.317×CO+0.006×O3;该结论的实际意义是现阶段大气污染防治工作重心应该深度治理PM2.5等5项污染物,涉及SO2排放的治污设施进一步提标改造对于整体上改善Isum价值不大。
图表编号 | XD00199656800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 刘正朋 |
绘制单位 | 山东省泰安市生态环境局新泰分局 |
更多格式 | 高清、无水印(增值服务) |