日前，由陈松蹊教授带领的成人直播 和统计科学中心的环境大数据研究团队关于北京城区PM_2.5污染状况的研究（Assessing Beijing’s PM_2.5Pollution: Severity, Weather Impact, APEC and Winter Heating）被英国皇家学会会刊《Proceedings of the Royal Society A》正式接收，将于10月21日在线发表。

文章的第一作者是成人直播商务统计与计量经济系博士生梁萱，其它作者是邹韬（成人直播统计系博士生）、郭斌（毕业于成人直播统计系，川大助理教授）、李硕（成人直播统计系博士生）、张豪哲（Iowa State University统计系博士生）、张澍一（成人直播统计系博士生）、黄辉（数学院概率统计系，统计科学中心助理教授）、陈松蹊（成人直播统计系，统计科学中心教授）。陈松蹊和黄辉为共同通讯作者。

背景：我们观测到的PM_2.5实时浓度数据受气象因素的影响很大。这就导致一个地方的污染排放实际上增加了，但由于有利的气象扩散条件，观测的PM_2.5反而可能会更低。同理，由于在不同年份，不同城市气象条件不同，导致PM_2.5浓度变化有差异，直接比较原始PM_2.5的浓度会不科学甚至不公平。中国的大气污染防治需要一个科学的空气质量评估方法。该文章发现北京PM_2.5月度数据近80%的变化(variation)是由于气象因素的变化所导致。

环境大数据研究团队的文章利用统计学方法分析过去五年北京PM_2.5浓度与气象变量的关系。提出了一个公平地评估不同年份PM_2.5浓度是否有显著改善的方法。该文章提出应该去除掉气象变量的影响，对原始浓度进行调整以反映真实的城市污染、排放情况，从而为政府环保部门提出合理的、科学的指导方案。 文章中提出的统计学方法可以广泛地用于其它城市和地区的空气质量评估。

该文章通过学习、分析过去五年的污染和气象数据，发现在去除气象因素的影响后，2013年和2014年北京城区的PM_2.5污染水平与2012年相比并没有明显改善。 且2013年和2014年的PM_2.5年平均浓度比2012年分别增加了10.6%和5.9%。

Fig.1:北京2010-2014年PM_2.5月均值原始浓度（红色）及调整后月均值浓度（蓝色及其相应的95%置信区间）。

Fig.2:北京2010-2014年PM_2.5调整后浓度的月分位数。

利用上述调整方法，该文章还分析了2014年APEC期间政府减排措施的控污效应及2010-2014年北京冬季供暖效应。结果发现，“APEC蓝”确实是北京及周边地区采取了极大减排措施的结果。冬季供暖期比非供暖期的PM_2.5浓度平均要高出50%多。如果不使用文章中的方法进行调整，供暖效应在某些年份很难体现。

（a）十一月冬季供暖效应

（b）三月冬季供暖效应

Fig.3：冬季供暖效应：（a）PM_2.5在十一月非供暖期（蓝色）和供暖期（红色）的原始均值浓度（黑色实点）、调整后均值浓度（白色实线）及其95%置信区间。（b）PM_2.5在三月份供暖期（红色）和非供暖期（蓝色）的原始均值浓度（黑色实点）、调整后均值浓度（白色实线）及其95%置信区间。

文章最后提到，北京若要达到《大气国十条》所订下的PM_2.5浓度标准，即2017年相比2012年减少25%和年平均浓度不高于60微克/立方米的目标，政府需要实施更有效的减排措施并且真正执行环保法规，否则PM_2.5的污染水平很难大幅度降低。

文章的中文版报告：

//www.stat-center.crzb69.com/Stat/Uploads/Files/%5B20150421_0913%5DAir%20report.pdf

皇家学会会刊://rspa.royalsocietypublishing.org/