陈松蹊课题组 编者按： 北方的供暖季将陆续结束，供暖对 PM2.5 影响几何也是人们普遍关心的问题。本文节选并整理自《空气质量评估报告（二）：中国五城市空气污染状况之统计学分析》中对北京和沈阳两个集中供暖城市的数据分析，结果显示，北京冬季供暖会使 PM2.5 比非供暖期平均增加 47%，而沈阳的这一数字是 37%。 1.评估供暖效应须排除气象因素的干扰 在本报告考虑的五个城市中，北京和沈阳是具有集中供暖的两个城市。尽管近几年北京逐渐用天然气取代煤作为冬季供暖能源，但煤炭仍然占主导地位，尤其是在北京郊区和河北省，散煤的燃烧量依然相当大。煤炭会产生比天然气更多的 PM2.5 前体物（能够通过化学反应生成 PM2.5 颗粒的悬浮物）。我们利用北京和沈阳两个城市的数据，量化和评估城市冬季供暖对 PM2.5 的影响。 北京的供暖时间，一般是从每年的 11 月 15 日至来年的 3 月 15 日。而沈阳由于冬天更长久，供暖时间则从每年的 11 月 1 日至下一年的 3 月 31 日。确切的供暖时间可能会提前或延后数日。为了更加准确地揭示供暖对 PM2.5 的影响，我们定义非供暖期为 11 月供暖开始前的两周和 3 月停止供暖后的两周；定义供暖期为 11 月供暖开始后的两周及 3 月停止供暖前的两周。为了剔除气象条件的影响，我们综合有气象数据的所有年份的非供暖期和供暖期气象变量作为基准，通过建立 PM2.5 与气象变量之间的非线性回归模型，对污染浓度进行气象调整，以此得到 11 月份和 3 月份的供暖效应。 研究选取了北京的美国大使馆以及附近的三个环保部站点（农展馆、东四环、东四），沈阳的美国领事馆和邻近的两个环保部站点（太原街、小河沿），2013 年至 2015 年三个供暖季共六个时段（2013 年 3 月、11 月，2014 年 3 月、11 月和 2015 年 3 月、11 月）的数据，在剔除气象因素后，计算供暖期与非供暖期的 PM2.5 均值浓度及其 95%置信区间（统计学术语，指统计量有 95%的概率落在这个区间内），并对总共 7 个站点的供暖效应进行了统计检验。 下图中，每一个站点的供暖期 95%置信区间由红色长方形表示，其间的白色横线代表剔除气象因素后的 PM2.5 均值浓度；相应地，非供暖期的置信区间由蓝色长方形表示；图中的黑色实点，则代表未剔除气象因素的原始平均浓度。图中北京东四环站在 2015 年 11 月以及沈阳美领馆在 2013 年 3 月份都由于数据严重缺失，所以没有对该月进行相应的供暖效应分析。 ▼北京冬季供暖效应（点击单张图片可放大） ▼沈阳冬季供暖效应（点击单张图片可放大） 从图中我们可以看到，在有些时段，非供暖期比供暖期的原始平均浓度还要高，例如北京的 2014 年 3 月份和 2013 年 11 月份。但在可比气象条件下，供暖期就比非供暖期高出许多，这说明如果不剔除气象因素，供暖效应会被气象条件干扰，无法体现供暖对 PM2.5 浓度的影响。 2.京、沈 PM2.5 浓度在供暖期明显增加 供暖时段的供暖效应，是供暖期的 PM2.5 均值浓度减去非供暖期的 PM2.5 均值浓度（均剔除气象因素影响）。我们对北京和沈阳 7 个站点进行显著性水平为 5%的统计学检验。检验结果表明，对北京的四个站点而言，除 2013 年 11 月供暖期的东四环站点外，其它站点在供暖期的 PM2.5 均值浓度，均高于非供暖期的 PM2.5 均值浓度。 沈阳的三个站点，11 月份的供暖效应在 2013-2014 年都不显著，但 3 月份的供暖效应在 2013-2015 年全部显著（5%检验水平）。沈阳的 11 月供暖效应不显著，是由于其非供暖期处于 10 月最后两周，而这两周，在沈阳及周边区域进行的秸秆燃烧往往会产生高浓度的 PM2.5。由于掺入了生物燃烧因素，导致供暖效应无法被发现。而北京供暖开始于 11 月 15 日，对应的非供暖期是 11 月 1 日至 11 月 14 日，刚好错开了秸秆燃烧的高峰，因此其 11 月份的供暖效应较易获得。 通过分析北京与沈阳在冬季供暖季的 PM2.5 数据，我们发现，美国使 / 领馆和邻近的环保部站点数据，对这两个城市的供暖效应的度量基本一致。这主要表现在，每个站点供暖期和非供暖期的 PM2.5 均值浓度的变化具有相同趋势。且两者年度变化趋势也基本吻合。这也从侧面验证了美国使 / 领馆数据和邻近的环保部站点 PM2.5 数据的一致性和可靠性。 3.挑战严峻，供暖效应在中国北方具有普适性 综合北京各站点 11 月份和 3 月份的数据，平均供暖效应比例（供暖效应比例：供暖期 PM2.5 均值浓度减非供暖期 PM2.5 均值浓度再除以非供暖期 PM2.5 均值浓度，代表了供暖期 PM2.5 均值浓度相比非供暖期 PM2.5 均值浓度增加的比例）是 47%（标准差为 19%），即冬季供暖会使 PM2.5 比非供暖期平均增加 47%。这里，没有考虑 2014 年和 2015 年 11 月份是由于这两年 11 月份的供暖效应比例都异常大（大于 100%,甚至 200%）。2014 年 11 月份的异常是由于非供暖期间，北京召开了 APEC 高峰会议，当时政府的大力减排效应使得非供暖期的 PM2.5 均值浓度很低，从而拉高了 2014 年 11 月份的供暖效应比例。而 2015 年 11 月份的异常还需要进一步研究。 沈阳 11 月份供暖效应不显著，所以我们只计算了 3 月份沈阳各站点（2013-2015 年）的平均供暖效应比例，结果为 37%（标准差为 16%）。 至于 2015 年 11 月，供暖效应在北京、沈阳两城市的所有站点急剧增加的原因，是散煤质量下降造成的，还是另有它因，需要做进一步的研究。由于研究中已经剔除了气象因素的影响，所以不应该归咎于厄尔尼诺现象。 通过统计分析发现，北京和沈阳具有非常显著的冬季供暖效应。这一效应，对于整个淮河以北地区应该也同样适用。冬季的大气污染防治是中国北方地区面临的最大挑战。解决这一问题的关键是大大提高天然气等低排放能源的使用，替代、减少煤炭的消耗，包括使用经济手段极大的抑制煤炭的消耗。如果中国的冬季供暖暂时还离不开燃煤，我们建议：建立严格的监管体系并有效实施，检测市场上所售煤炭的质量，禁止开采、贩卖低质煤炭，从而有效减少因冬季供暖用煤带来的污染物排放。 发达国家的经验和教训说明， 极大地减少煤炭的消耗是解决大气污染问题的一个有效方法。中国自加入世贸组织以来，煤炭消耗占世界总消耗的份额从 31% 剧增到 2012 年的 48%，绝对量上增加了 1.75 倍。中国需要核算煤炭及其它主要能源（如天然气），所带来的经济效益，及由其产生的污染所带来的环境成本、人类健康损害成本、农作物 / 食品质量成本和气候变化等成本。这一能源费效核算，理应成为国家制定能源战略的基础数据之一，为建立大气污染防治的能源策略提供科学的依据。 本期内容节选并整理自北京大学光华管理学院和北京大学统计科学中心团队于 2016 年 3 月 4 日发布的《空气质量评估报告（二）：中国五城市空气污染状况之统计学分析》。原文链接：空气质量评估报告(二)--- 中国五城市空气污染状况之统计学分析 课题组成员 梁 萱，北京大学光华管理学院博士研究生 李 硕，北京大学光华管理学院博士研究生 张澍一，北京大学光华管理学院博士研究生 黄 辉，北京大学概率统计系，北京大学统计科学中心助理教授 陈松蹊，北京大学光华管理学院，北京大学统计科学中心讲席教授，课题负责人 原载微信公号《北京大学光华管理学院》，《知识分子》获授权转载。 （责任编辑 李晓明） 关注请加微信号:the-intellectual 投稿、授权事宜请联系：zizaifenxiang@163.com。 发自知乎专栏「知识分子」
