日前，由陈松蹊教授携带的ONE游戏官网治理学院和统计科学中心的环境大数据钻研团队关于北京城区PM_2.5传染情况的钻研（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》正式接管，将于10月21日在线颁发。

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

布景：我们观测到的PM_2.5实时浓度数据受形象成分的影响很大。这就导致一个处所的传染排放现实上增长了，但由于有利的形象扩散前提，观测的PM_2.5反而可能会更低。同理，由于在分歧年份，分歧城市形象前提分歧，导致PM_2.5浓度变动有差距，直接比力原始PM_2.5的浓度会不科学甚至不平正。中国的大气传染防治必要一个科学的空气质量评估步骤。该文章发现北京PM_2.5月度数据近80%的变动(variation)是由于形象成分的变动所导致。

环境大数据钻研团队的文章利用统计学步骤分析从前五年北京PM_2.5浓杜纂形象变量的关系。提出了一个平正地评估分歧年份PM_2.5浓度是否有显著改善的步骤。该文章提出应该去除掉形象变量的影响，对原始浓度进行调整以反映真实的城市传染、排放情况，从而为当局环保部门提出合理的、科学的领导规划。 文章中提出的统计学步骤能够宽泛地用于其它城市和地域的空气质量评估。

该文章通过进建、分析从前五年的传染和形象数据，发此刻去除形象成分的影清脆，2013年和2014年北京城区的PM_2.5传染水平与2012年相比并没有显著改善。 且2013年和2014年的PM_2.5年均匀浓度比2012年别离增长了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%相信区间）。

Fig.2:北京2010-2014年PM_2.5调整后浓度的月分位数。

利用上述调整步骤，该文章还分析了2014年APEC期间当拘孽排措施的控污效应及2010-2014年北京冬季供暖效应。了局发现，“APEC蓝”的确是北京及周边地域采取了极大减排措施的了局。冬季供暖期比非供暖期的PM_2.5浓度均匀要逾越50%多。若是不使用文章中的步骤进行调整，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（玄色实点）、调整后均值浓度（白色实线）及其95%相信区间。（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（玄色实点）、调整后均值浓度（白色实线）及其95%相信区间。

文章最后提到，北京若要达到《大气国十条》所订下的PM_2.5浓度尺度，即2017年相比2012年削减25%和年均匀浓度不高于60微克/立方米的指标，当局必要执行更有效的减排措施并且真正执行环保律例，不然PM_2.5的传染水平很难大幅度降低。

文章的中文版汇报：

http://www.stat-center.pku.edu.cn/Stat/Uploads/Files/%5B20150421_0913%5DAir%20report.pdf

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