PM2.5又称细颗粒物，与PM10、O3、SO2、NO2、CO等是影响大气环境质量得主要污染物，此外，空气中得PM2.5可对人体造成很大的健康隐患，甚至影响气候变化。
据现有数据表明PM2.5成分中约有60%来自燃煤，尾气排放等人为源，23%左右来自于扬尘等，还有17%来自于二次转化与其它。
江苏省历年PM2.5变化情况
先看江苏省近几年的空气质量状况，从综合指数来看，江苏省的历年综合指数均处于下降趋势，而排名变化较小，处于22位左右。PM2.5浓度也在持续下降，从2014年的67微克/立方米到2017年的50微克/立方米，在今年年末有望下降到50微克/立方米以下。
从PM2.5浓度变化情况来看，由下图可以看出PM2.5的浓度变化情况基本呈‘U’分布，即呈现出冬高夏低的季节性变化，各年份PM2.5同期浓度均值下降幅度不明显。
由下六大污染物之间的相关性表中可以看到PM2.5与PM10和CO是高度相关的关系，与O3为负相关。
以下就通过建立VAR模型详细分析江苏省各项污染物以及风速和湿度对PM2.5浓度的影响关系。
基于VAR模型的江苏省PM2.5与其他大气污染物的关系
以江苏省为例，采用预测相互联系时间序列系统的VAR模型来研究PM2.5与其影响因素间的动态关系。考虑到数据可得的完整性，在此选取PM10、SO2、NO2、CO、O3、WATER(湿度)、WIND(风速)作为指标，收集2015年1月1日至2018年8月31日相关数据进行研究。在数据处理过程中为了消除异方差，降低数据波动，对所有变量做对数化处理，对数化后的变量分别为LNPM2.5、LNPM10、LNSO2、LNNO2、LNCO、LNO3、LNWATER及LNWIND。
VAR模型公式如下：
式中：为k维内生变量；为k x k待估计的系数矩阵；服从期望为0，方差为∑的独立同分布(其中∑为k维向量的方差-协方差矩阵)，
1
为确保VAR模型有效性与反映信息的完整性，综合单位根检验与滞后期判断结果，单位根检验结果显示所有指标经过对数化处理后均通过检验，为平稳时间序列；滞后期判断结果显示该模型的最优滞后期为7。由下VAR(7)模型稳定性检验AR逆根可以看到图中AR特征多项式的逆根都在单位圆内，表明PM2.5与选取的污染物指标、气象因素指标构成的系统是稳定的。
2
Granger因果检验主要用来分析变量间的因果关系，判断一个变量的变化是否是另一个变量变化的原因。通过Granger因果检验可以判断出变量y能在多大程度上被变量x的过去值所解释，即加入变量x的滞后期是否提高了解释力度。如果变量y收到变量x滞后期影响，则x与y之间的Granger因果关系成立。Granger因果检验的原假设为变量x不是变量y的Granger原因。检验结果如下表：
由Granger因果检验表中可知，在滞后7阶以及5%的显著性水平下：1、检验结果接受了LNPM10不是LNPM2.5的Granger原因，即表明PM10浓度与PM2.5浓度虽然存在相关关系，但是两者没有Granger原因，所以治理PM10并不是PM2.5问题的关键；
2、检验结果拒绝了LNCO、LNNO2、LNO3、LNSO2、LNWATER、LNWIND不是LNPM2.5的Granger原因，表明治理PM2.5可以从这几方面入手。
3
在VAR(7)模型基础上采用广义脉冲响应函数分析PM2.5对PM10、SO2、NO2、CO、O3、WATER(湿度)及WIND(风速)的脉冲响应，研究PM2.5与它们之间的短期动态关系，选择1~10个滞后期，结果如下图:
各指标对PM2.5的脉冲响应分析
由脉冲响应分析图中可以看出，给与NO2、SO2、CO、O3一个标准差大小的正向冲击，PM2.5浓度会呈现增长趋势，其中NO2与SO2一个标准差的正向冲击导致PM2.5浓度的增长，且影响深远，达到，而CO与O3会在第三期时给PM2.5浓度带来负向移动，其中CO最后影响为0，而O3达到-0.05，pm10在前期对PM2.5浓度带来负增长随后在第2个滞后期后PM2.5浓度呈波动减少且达到最小值，但是在第3个滞后期后PM2.5浓度转变为正向增长。因此从整体上来看NO2,SO2,CO及PM10对PM2.5总体影响为正向关系，而臭氧浓度则与PM2.5浓度起反向影响作用。天气情况方面，给与湿度和风速一个标准差大小的正向冲击对PM2.5浓度均为抑制作用，而从长期来看，风速对PM2.5浓度产生正向影响作用。
4
为了进一步分析影响因素对PM2.5的相对作用大小，基于VAR(7)模型对LNPM2.5进行方差分解(滞后期为10期)，可以从表中看到PM2.5浓度在第1滞后期只受到自身影响，在考察期内SO2及湿度的变动对PM2.5浓度的影响作用在不断加强，并在第10个滞后期分别达到2.417%和4.230%，而NO2在第5个滞后期达到最大值，随后在7.490%上下浮动。总体而言，在污染物中，NO2的变动对PM2.5的影响最大，其次为O3、SO2、CO与PM10，而气象因素的湿度与风速均对PM2.5影响较大。
结论与建议
通过建立VAR(7)模型及平稳性检验可知大气污染物PM2.5、PM10、O3、CO、NO2、SO2与气象因素风速与湿度之间的影响是多变的，但是它们构成的系统是稳定的。
基于VAR(7)的LNPM2.5方程的格兰杰因果检验结果来看，O3、CO、NO2、SO2与气象因素风速与湿度是PM2.5的格兰杰原因，即它们的变化会引起PM2.5浓度的变化。而PM10不是PM2.5的格兰杰原因。
广义脉冲响应函数分析结果表明：NO2,SO2,CO及PM10对PM2.5总体影响为正向关系，而臭氧浓度则与PM2.5浓度起反向影响作用。湿度对PM2.5浓度具有抑制作用，而风速在短期内的影响为负向，从长期来看会转变为正向关系。
通过方差分解可知，在所选取的变量中，气体污染物中NO2浓度对PM2.5浓度的影响最大，而且具有较强的滞后效应，气象因素中湿度与风速均对PM2.5浓度有较大影响。
因此改善大气污染情况需要增强居民环保意识，扩大城市园林绿地面积，减少污染排放主要从工业与交通业处入手，工业上需要加强对重污染行业的结构调整，强化源头控制，推进产业结构合理化；交通业方面优先发展公共交通，控制汽车等数量的无序增长。此外要将环境管理融入餐饮企业管理中，控制污水、烟囱以及废气的排放。
声明：本站部分 章内容系出于传递信息之目的源自于第三方 站转载，行业企业、终端用户投稿。若对稿件内容有任何疑问或质疑，请立即与本 站联系，本 站将迅速给予回应并第一时间做出处理（联系邮箱：jinwei@zod.com.cn）。