0 引言

山西省是以煤炭为主要资源的省份，加之其特殊的地理环境，导致雾霾天气频繁发生，空气污染问题严重影响到当地经济的发展和城市化进程。对雾霾的分布特征及其影响因素进行分析不仅能为雾霾污染的防止与治理提供有效的建议，且对社会经济的发展和社会的稳定起到重要的作用。不同区域雾霾天气的发生特征及其形成原因不尽相同，对山西省雾霾时空分布特征及其影响因素分析具有重要意义。

对雾霾的研究始于20世纪七八十年代，这时期对雾霾问题的研究集中在对雾、霾概念的界定上［1-2］。到21世纪，对雾霾问题的研究，集中在如何辨认雾霾天气和雾霾天气可见度的问题上［3-5］。近些年来，对雾霾的研究从对其基本概念的鉴定与分析，转向了实证分析。张生玲［6］等基于全国228个以上城市的12个月均AQI数据，对雾霾的季节分布特征、空间分布特征和影响雾霾的社会经济因素进行了探讨。马晓倩等［7］等基于2013年12月至2014年11月京津冀地区PM2.5数据，对京津冀地区雾霾时空分布特征及其与不同的自然与社会经济相关要素的相关性进行了分析。王立平等［8］从经济、人口、政策角度选取出社会经济变量对中国雾霾的空间相关性及其影响因素进行研究。

山西省属于华北地区雾霾天气频繁发生的省份之一，以往对该地区雾霾的研究集中在定性研究上以及对其长时间段变化趋势进行分析［9-10］，对其影响因素的探讨较少。本文对山西省雾霾时空分布特征及影响因素进行分析，以期对山西省雾霾防治提供一定的参考。

4）怕积涝。大樱桃园长期积水容易导致根系缺氧，呼吸困难，甚至产生厌氧呼吸，根系中毒，吸收根死亡，叶片萎蔫变褐，失去光合能力，出现死树现象。

由以上分析得知,微环谐振系统的传输性能与传输波长和耦合系数均有关系,利用MATLAB对系统传输性能与传输波长、耦合系数等参量进行仿真,结果分别如图2、图3所示。

1 资料与方法

1.1 资料来源

山西省位于东经 110°14′～114°33′，北纬 34°34′～40°44′之间，包括大同、忻州、阳泉、长治、晋中、临汾、运城、朔州、太原、晋城、吕梁11个地级市。全省面积15.67万km2，人口3681.6万。属于温带大陆性气候，年均温度8.8℃，年均降水量500mm［11］。省内主要以原煤、粗钢、焦炭等资源的生产加工为主，环境污染问题严重。

本工程构件共分三个航次拖运，从厦门刘五店港区至福州港罗源湾港区海上拖运距离约190海里，如此远距离的海上拖运安装施工，可借鉴的经验极少。通过本文相关拖运技术的探讨，可以为今后类似工程的技术方案提供一些思路和经验。

AQI值是定量描述空气质量的指数，能综合反映雾霾污染水平。因此本文选择AQI数值来反映山西省11个地级市雾霾污染水平。文中所选取11个地级市2015年12月—2016年11月AQI数据来源于环境保护部数据中心［12］。对山西省雾霾影响因素进行分析所选取的指标中，指标 X1 来源于地理空间数据云［13］；X2、X3、X4、X5、X6来源于中国气象局国家气候中心［14］；其它指标来源于山西省统计年鉴［15］。

根据表3得出：主成分1在人均GDP、绿地面积、第三产业产值等指标上占比较大，代表了当地生活水平；主成分2在年均气温、年均降水量、气压、相对湿度指标上占比较大，代表当地自然条件；主成分3在常住人口数量、第一产业产值、第二产业产值、第三产业产值、机械设备年末总数等指标上占比较大，代表当地经济发展水平；主成分4在第二产业产值、原煤产量、工业单位个数、焦炭产量等指标上占比较大，代表当地工业发展水平。

1.2 方法

文中采用spss主成分分析和多元线性回归分析对所选取的20个指标进行分析，以此探究山西省雾霾污染影响因素。

1.2.1 主成分分析

主成分分析法在保证不损失原来指标所反应出来的信息的前提下，尽可能的提取相关性较高的几个因子。本文所选的模型如下：设X1，X2，…，Xn是n个随机变量指标，它们之间不是毫无关联的，而是其中有可能有着一定的关联［16］。采用正交因子模型，使得X1，X2，…，Xn可以用它们的线性组合表示：

其中 E1，E2，… Em为共有的因子；aij为因子载荷；ε1，ε2，…，εp是单个变量特有的因子。

1.2.2 多元线性回归分析

运用spss软件对所选取的20个影响雾霾发生的指标进行标准化处理，通过主成分分析对选取变量进行提取分析，得出主成分的特征值和累积方差值（表2）。

2 结果与分析

2.1 雾霾时间分布特征

根据2015年12月到2016年11月山西省AQI数值得出，在时间分布上，2015年12月、2016年1～2月是AQI值较高的时期，表明这一时期雾霾最严重。2016年3～4月是AQI值较低的时期，表明这一时期雾霾最轻。从整体时间序列上来看，总趋势为初冬AQI值开始呈上升趋势，到春季AQI值开始呈下降趋势，夏季AQI值相对春、秋季高。雾霾具有明显的季节性特征，冬季为污染严重的季节，春、秋季为污染较轻的季节，夏季为雾霾相对高发的季节。

图1 山西省各市AQI月平均值 Fig.1 The AQI monthly average value of cites in Shanxi Province

2.2 雾霾空间分布特征

统计2015年12月到2016年11月山西省各个地级市月均AQI值，得出山西省雾霾空间分布图（图2），并与月份相结合，从时间分布和空间分布相结合的角度对山西省雾霾分布特征进行分析。由图2可见，全省雾霾整体空间分布上，晋南地区AQI值较其它地区较高，这一地区雾霾最严重；其次晋中地区的太原市AQI值相较其它地区较高，雾霾相对较严重；晋北地区AQI值较低，雾霾发生状况相对较低，空气质量相对较好。将时间和空间相结合得出，11～12月雾霾从全省大部分地区的轻度污染开始逐步扩大到全省范围，覆盖到全省各个市，其中临汾市为雾霾发生最严重的地区。从2～4月雾霾污染状况逐渐减轻，空间发生范围也迅速减小。

由于管理薄弱，河道乱采砂石、乱弃废渣和垃圾、违章施工建设等现象屡禁不止。因为重视不够，前期工作缺乏资金安排，治理规划工作滞后，整治项目勘察设计滞后。

图2 山西省各市AQI月平均值空间分布 Fig.2 Spatial distribution of AQI monthly average value of cites in Shanxi Province

2.3 雾霾影响因素分析

2.3.1 主成分分析

表1 指标体系 Tab.1 Index system

编号 指标 编号 指标X1 海拔高度（m） X2 年均气温（℃）X3 年均降水量（mm） X4 气压（Pa）X5 年均风速（m／s） X6 相对湿度（%）X7 第一产业产值（万元） X8 第二产业产值（万元）X9 第三产业产值（万元） X10 钢材（万吨）X11 工业单位个数（个） X12 焦炭（万吨）X13 原煤产量（万吨） X14 机械设备年末总数（台）X15 绿地面积（公顷） X16 公共汽车数量（辆）X17 常住人口数量（人） X18 供气总量（万km3）X19 人均GDP（元） X20 出租汽车数 （辆）

雾霾的形成是多种因素综合作用的结果。为了明确山西省雾霾的影响因素，文中选取20个影响雾霾发生的指标，对影响山西省雾霾分布的影响因素做定量分析。具体选取的指标见表1。

抓监管，社会共治取得新突破。林芝市局和7县（区）局共聘请食品安全协管员124名，每乡镇街道2～3名；聘任村级食品安全信息员501名，每村1～2名。研究出台《林芝市食品药品违法行为举报奖励办法》，鼓励群众举报食品药品违法行为，净化食品药品安全环境。

多元线性回归分析是根据所选取的多个自变量来预测一个因变量，探讨自变量和应变量之间的关系。其中，Y表示因变量，B0表示常数项，F1、F2、Fn 表示自变量，B1、B2、Bn 是 Y 对 F1、F2、Fn的回归系数［17］。表达公式如下：

表2 主成分分析解释的总方差 Tab.2 The total variance of the principal component analysis

成份 合计 方差的% 累积（%）1 7.169 35.843 35.843 2 6.140 30.700 66.543 3 2.255 11.276 77.819 4 1.837 9.184 87.004

根据主成分分析所提取的特征值和累积方差，主成分累计方差应大于85%且特征值≥1［18］。根据表2得出，第1个主成分的提取平方和载入的方差的贡献率为38.843%，第2个为66.543%、第 3个为 78.819%，第 4个为87.004%，所提取出的第4个的主成分累计方差贡献率达到87.004%，满足累积方差贡献率达到85%的要求；因此可用所选取的20个指标对雾霾分布影响因素进行分析。第4个主成分的特征值为1.837，大于1，所以提取出的4个主成分可以代表所取20个指标的主要趋势，因此可以根据这4个指标来进行计算与分析。

根据表4多元线性回归分析参数，得出回归方程中调整 R2＝0.866，Durbin-Watson＝2.022，F＝17.215，P＝0.000。方程整体检验结果表明，用该多元线性回归方程来判断雾霾分布影响因素是可行的［19］。其中第2主成分和第3主成分的sig值都小于0.05，得出第2和第3自变量与因变量之间线性关系显著，对AQI值是有效的。因此得出线性回归方程：

诊断性评价也称教学前评价或前置评价，是教师在教育活动开始前或进行中通过一定方式发现学生在学习过程中存在的问题，并分析这些问题产生的原因，从而为改进和调整教学策略提供依据。在该课程中，诊断性评价主要发挥两方面作用，第一，对学生初期的SPOC平台内容的自主学习情况进行考评，以便教师根据考评结果对后续的教学内容与教学方式进行调整。第二，通过以个人考评成绩作为小组考评成绩的方式督促全组全员参与到SPOC平台下的自主学习环节中，规避SPOC、MOOC等模式中学生听课率不高的问题。

表3 主成分分析成分矩阵 Tab.3 Principal component analysis matrix

指标 1 2 3 4 指标 1 2 3 4 X1 -0.257 -0.813 0.438 0.069 X2 0.370 0.705 -0.317 -0.204 X3 -0.006 0.599 0.033 0.562 X4 0.339 0.778 -0.413 -0.260 X5 -0.028 -0.063 0.711 -0.522 X6 0.216 0.728 -0.270 0.338 X7 0.024 0.759 0.280 -0.507 X8 0.881 -0.031 0.197 0.370 X9 0.947 -0.238 0.158 0.017 X10 0.759 0.485 -0.013 0.276 X11 0.212 0.658 0.493 0.042 X12 0.340 0.575 0.435 0.445 X13 -0.578 -0.451 0.348 0.474 X14 0.931 -0.222 0.080 0.029 X15 0.878 -0.430 0.132 -0.101 X16 0.878 -0.445 -0.054 -0.091 X17 0.515 0.658 0.451 -0.156 X18 0.586 -0.447 -0.480 -0.141 X19 0.565 -0.633 -0.209 0.193 X20 0.850 -0.427 0.120 -0.157

2.3.2 多元线性回归分析

通过主成分分析将影响雾霾分布的20个指标进行降维得到4个新的变量，现假定多元线性回归的方程为：

语言的发展变化具有非线性的特征，充满着不可预测性。在以往语言研究中，语言系统往往被描述为一组明确规则的组合，各个部分之间具有线性的相互作用，语言在本质上是线性的简单系统。然而，研究表明，在母语习得和二语习得过程中，语言都表现出非线性的系统复杂性和变异性。例如，有研究表明语音意识(phonological awareness)是母语中阅读习得的最佳先导之一（沈昌宏，吕敏，2008）。这种非线性可归因于语言系统内部的全面连接性和交互性。所谓“牵一发而动全身”。由于语言系统内部的子系统在多个层面上相互连接，交互变化，因此，某个部分的变化不仅会引起其他部分的变化，甚至还会引发整个语言系统的变化。

其中，Y 表示 AQI数值；B0为常数项；F1、F2、F3、F4为通过主成分分析降维的4个变量；F1代表当地生活水平；F2代表当地自然条件；F3代表了当地经济发展水平；F4代表当地工业发展水平。将通过降维得到的4个新的变量进行多元线性回归分析，得出所选取指标的自变量和因变量之间的回归关系（表4）。

表4 多元线性回归分析参数 Tab.4 Multivariate linear regression analysis parameters

变量 B值 sig VIF 总体检验B0 111.571 0.000 调整R2＝0.866 F1 5.790 0.017 1.000 Durbin-Watson＝2.022 F2 9.718 0.001 1.000 P＝0.000 F3 9.002 0.002 1.000 F＝17.215 F4 1.974 0.304 1.000

通过主成分分析正交旋转得出所提取的20个指标4个主成分矩阵（表3）。

表4中，B0的sig＜0.05具备显著性特征，因此将常数项保留。F2为第2主成分得分分值，F3为第3主成分得分分值。根据多元线性回归方程得出，第2主成分和第3主成分与AQI值之间呈现正相关关系。在其它因素不发生变化的情况下，随着第2主成分和第3主成分得分系数的增加，AQI值会随之增加。为具体分析不同因素对山西省雾霾影响程度，根据第2主成分和第3主成分的得分系数（表5）计算出其所选取20个指标的关系表达式，得出公式 F2和F3。

表5 成分得分系数矩阵 Tab.5 Component score coefficient matrix

指标 2 3 指标 2 3 指标 2 3 指标 2 3 X1 0.127 -0.183 X2 0.115 -0.141 X3 -0.036 0.036 X4 -0.132 0.194 X5 -0.072 -0.024 X6 -0.103 -0.093 X7 0.124 0.124 X8 -0.005 0.087 X9 -0.039 0.070 X10 0.079 -0.006 X11 0.107 0.218 X12 0.094 0.193 X13 -0.073 0.154 X14 0.098 0.015 X15 -0.070 0.058 X16 -0.010 0.315 X17 0.107 0.200 X18 0.073 0.213 X19 0.119-0.120 X20 -0.030 0.053

将F2、F3带入回归方程 Y＝111.571+9.718F2+9.002F3中，得到 AQI值与选取的20个变量指标的多元线性回归方程。

根据AQI值与20个指标多元线性回归方程得出：海拔高度、年均气温、相对湿度、年均降水量、年均风速、绿地面积与AQI值之间存在负相关的关系，表明随着这些因素对雾霾的发生起着正效应。海拔高的地方，AQI值相对低，雾霾相对较轻；温度越高，空气中热流对流明显，污染物易向高空抬升，易扩散，不易形成雾霾天气［20］；夏季和秋季降水量多，空气湿度较高，AQI值相对较低，雾霾相对较轻；风力越大，能够使污染物快速扩散，不易形成雾霾；城市中绿地面积越大，可对空气起到净化作用，降低雾霾发生概率。产业产值、常住人口数量、人均GDP、原煤产量、钢材产量、工业单位数、焦炭产量、机械设备年末总数、供气总量、气压、出租汽车数量、公共汽车数量与AQI值之间存在正相关关系，表明随着这些因素对雾霾的发生起着负效应。随着产业产值、人口数量、汽车数量等指标的增长，雾霾加重。其中钢材产量、原煤产量、工业单位数量等指标与AQI值正相关系数较高。可见，工业的发展是山西省雾霾污染形成的重要因素。

3 结论

利用主成分分析、多元线性回归分析，以2015年12月—2016年11月AQI数据为依据，对山西省雾霾时空分布特征及影响因素进行分析，得出以下结论：

（1）雾霾污染具有明显的季节性特征，冬季为雾霾污染严重的季节，春、秋季为污染较较轻的季节，夏季为雾霾污染相对高发的季节。

濡化理论阐述了学习者对目的语文化的态度,以及此态度对学习效果的影响。濡化理论是美国人舒曼在1978年提出的,此后舒曼又对该理论进行过多次补充[3]。濡化是指学习者与目的语群体的社会融合和心理融合。舒曼认为,学习者的第二语言习得程度取决于其濡化程度。在舒曼的模式中，濡化程度是语言习得的决定性因素。舒曼认为较好的濡化者在心理上对目的语群体保持开放态度，在社会生活方面能够融合于目的语群体，或者甚至放弃了母语群体的生活方式和价值观，并以目的语群体的生活方式和价值观取而代之。该理论强调了在二语学习过程中，学习者深入学习目的语生活方式和价值观的重要性。

（2）晋南地区AQI值较其它地区较高，这一地区雾霾污染最严重；其次晋中地区的太原市AQI值相较其它地区较高，雾霾相对较严重；晋北地区AQI值较低，雾霾发生状况相对较低，空气质量相对较好。

（3）山西省雾霾形成和自然要素密切相关。自然要素中年均气温、年均降水量、相对湿度、年均风速与AQI值之间存在负相关的关系，气压与AQI值之间存在正相关的关系。雾霾的形成受社会生产活动影响较大，与原煤产量、钢材产量、工业单位数、焦炭产量等社会经济因素正相关系数较高，社会经济因素是影响山西省雾霾发生的根本原因。

参考文献

［1］ 伍端平.辨认轻雾、霾与浮尘的体会［J］.气象，1976，2（4）：23-23.

［ 2 ］ 易仕明.略谈轻雾、霾、浮尘、烟幕［J］.气象，1982，8（11）：25-27.

［3］ 钱峻屏，黄菲，黄子眉，等.汕尾市雾霾天气的能见度多时间尺度特征分析［J］.热带地理，2006，26（4）：308-313.

［4］ 罗水平，伍哲文.雾霾天气辨析［J］.今日科苑，2007（2）：81-81.

［5］ 刘艳杰，许敏，李娜，等.京津冀连续雾霾及重污染天气特征分析［J］.防灾科技学院学报，2017，19（1）：47-55.

［6］ 张生玲，王雨涵，李跃，等.中国雾霾空间分布特征及影响因素分析［J］.中国人口·资源与环境，2017（9）：15-22.

［7］ 马晓倩，刘征，赵旭阳，等.京津冀雾霾时空分布特征及其相关性研究［J］.地域研究与开发，2016，35（2）：134-138.

［8］ 王立平，陈俊.中国雾霾污染的社会经济影响因素——基于空间面板数据 EBA模型实证研究［J］.环境科学学报， 2016，36（10）：3833-3839.

［9］ 段再明.解析山西雾霾天气的成因［J］.太原理工大学学报，2011，42（5）：539-541.

［10］ 王咏梅，武捷，禇红瑞，等.1961—2012年山西雾霾的时空变化特征及其影响因子［J］.环境科学与技术，2014，37（10）：1-8.

［11］ 张丽花，延军平，刘栎杉.山西气候变化特征与旱涝灾害趋势判断［J］.干旱区资源与环境，2013，27（5）：120-125.

［12］ 中华人民共和国环境保护部.中华人民共和国环境保护部信息中心 ［DB／OL］.（2016-11-30）［2018-1-01］.http：／／www.mep.gov.cn／.

［13］ 中国科学院计算机网络信息中心.地理空间数据云 ［DB／OL］.（2016-11-30）［2018-01-01］.http：／／www.gscloud.cn／search.

［14］ 中国气象局国家气候中心.中国气象数据网 ［DB／OL］.（2016-11-30）［2018-01-01］.http：／／data.cma.cn／.

［15］山西省统计局.山西省统计年鉴［M］.中国统计出版社，2017.

［16］ 王惠文.京津冀地区大气严重污染的主要影响因素分析［J］.数学的实践与认识， 2017（20）：84-89.

［17］ 顾静，李想，李娜，等.基于统计分析的江苏省雾霾影响因素研究［J］.安徽农业科学，2016（34）：105-109.

［18］ 林海明，杜子芳.主成分分析综合评价应该注意的问题［J］.统计研究，2013， 30（8）：25-31.

［19］ 翟绪军，尚杰.基于多元线性回归的城乡居民收入差距实证研究——以黑龙江省为例［J］.生产力研究，2011（6）：37-38.

［20］ 郑美秀，周学鸣.厦门空气污染指数与地面气象要素的关系分析［J］.气象与环境学报，2010，26（3）：53-57.