-
我国在经济快速发展的同时,部分区域环境污染和生态破坏事件时有发生,对污染(破坏)者追责不到位和受损的生态环境无法及时有效恢复已成为当前环境管理的瓶颈[1-2]。在2015年7个省市开展生态环境损害赔偿制度改革试点基础上,国家印发《生态环境损害赔偿制度改革方案》(中办发〔2017〕68号),在全国范围内试行生态环境损害赔偿制度。目前,制度实施成效常用的评估方法有直接评价法、成本效益分析法、模糊综合评判法和层次分析法等[3-5],而每一种方法都有其适用范围和局限性[5],其中直接评价法、成本效益分析法往往只是对现有政策进行定性判断,具有一定的主观性,降低了所得结论的准确性[4];模糊综合评价法对难以量化、非确定性问题的解决非常有效,且系统性强、结果明确,但其权重通常是专家根据经验给出,难免带有主观性[5];而层次分析法能够将定性与定量相结合,在递阶层次关系构建基础上对不同层次的指标进行权重赋值,实现多目标决策、分析与评价[5-6]。因此,将层次分析法与模糊综合评价法相结合的综合评价方法(AHP-FCE),是一种对多影响因素的事物进行综合定量评价的有效方法[5-6],目前已经在安全系统评价[5]、污染治理技术及方案评价[6-8]和绩效评价[9-10]等诸多领域得到了广泛应用,但在制度实施成效评估方面的相关研究仍相对较少。
文章利用层次分析法—模糊综合评价法(AHP-FCE)对制度实施成效进行综合评估,解决了以往制度实施成效评估指标难以量化的现实问题,并以昆明市为例进行生态环境损害赔偿制度实施成效评估,以期为类似工作提供借鉴和参考。
-
昆明市是云南省省会、滇中城市群中心城市,市域面积21 473 km2,下辖14个县级行政区划单位(市辖区7个,县级市1个,县6个),2020年昆明市常住人口达到846万人,城镇化率为79.67%。自2008年开始,昆明市已在多个方面开展了有关环境污染损害追责的先行先试工作,如率先在全国成立了昆明市环保公安分局,在市人民检察院增设环境资源检察处,在市中级人民法院成立了环境保护审判庭[11],办理了全国首例由环保行政机关提起的环境公益诉讼案件,申请成为国家环境损害鉴定评估试点单位等;按照国家总体部署和工作要求,先后成立了昆明市生态环境损害赔偿制度改革工作领导小组,印发了《昆明市生态环境损害赔偿制度改革实施方案》(昆办发〔2019〕13号),制定出台了《昆明市生态环境损害赔偿资金管理办法(试行)》《关于在环境公益诉讼工作中加强协作配合的实施意见》等多项管理制度,全市生态环境损害赔偿制度基本建立。
-
在借鉴资料文献的基础上[5-10],基于层次分析法(AHP)建立递阶层次关系,将各指标项按属性分为目标层、准则层和指标层3个层次;结合相关规范文件及研究成果,从制度体系、管理能力、资金保障和运行状况等维度,梳理出制度实施成效评估的指标体系框架,见图1。
-
在评估过程中,不同层次的指标权重值的确定、单个指标实施的具体情况是重要环节。根据层次分析法的原理,一般采用专家打分方法确定各层级指标的权重系数,然而专家之间的判断结果往往存在较大的不一致性并存在专家偏好影响,因此引入多准则群体决策模型,通过客观的统计方法提高专家共识[12-14]。
(1)专家打分:根据制度实施成效评估指标体系,设计专家咨询表并向评估领域相关专家发放,由参与打分的专家按照标准(1~9标度)进行打分,结果统计形成评估需要的判断矩阵,计算这些判断矩阵的特征值并进行一致性检验[12-15],见式(1~3):
式中:CI为判断矩阵的一致性指标,RI为平均随机一致性指标(可由表1查询得到),CR为一致性比例;
λmax 为最大特征值,λ′max 为最大特征值的平均值;n为矩阵阶数。当CR<0.10时,认为判断矩阵的一致性时可以接受的,否则应对判断矩阵做适当修正,并需要重新做一致性检验,基本通过一致性检验的专家咨询表作为有效咨询表进入多准则群体决策模型[12-16]。
(2)基于聚类分析方法构造判断矩阵:系统聚类法的原理是通过计算各个向量之间的距离,将距离相近的向量进行合并,最后通过选定的阈值来确定分类的一种数值分析方法[12-15],见式(4~5):
式中:Wl为评估指标体系第l层的权重值;ai为第i位专家的权重系数;Wl(i)为各位专家同一层次判断矩阵得到的特征向量;Ψi为第i位专家所在类别的专家数量;Ψj为系统聚类分析后专家类别数量;k为参与打分的专家数量。
-
由于常规的制度实施成效评估带有一定程度的模糊性,难以获取或无法给出各评估指标的具体数值,而模糊综合评价法是将评估目标看成是由多种因素组成的模糊集合(称为因素集C),再设定这些因素所能选取的评审等级,组成评语的模糊集合(称为评判集V),分别求出各单一因素对各个评审等级的归属程度(称为模糊矩阵R),然后根据各个因素在评价目标中的权重分配,通过模糊矩阵合成,求出评价的定量解值[5-10]。
(1)建立因素集(C),见式(6):
式中:C为评估指标的集合;n为每个层级评估指标个数。
(2)确立评判集(V),见式(7~8):
式中:V为分级评判的集合,每个等级可对应一个模糊子集;D为评判集对应的数值集;m为评审等级数。
(3)确定模糊关系矩阵(R),见式(9):
式中:R为模糊关系矩阵或隶属度矩阵;rij为被评价对象对上一级模糊子集的隶属度;n为每个层级评估指标个数;m为评审等级数。
(4)确定权重集(Wl),在模糊综合评价中,使用层次分析法确定权重值,并在合成之前归一化,见式(10):
式中:Wl为第l层级权重值的集合;n为每个层级评估指标个数。
(5)合成模糊综合评估结果矩阵(S),见式(11~12)。采用“加权平均型”求隶属等级的方法,并利用合适的算子将各层级的W与各被评对象的R进行合成,得到各层级被评对象的模糊综合评估结果向量[10,17-19]。
(6)计算综合评估指数,对综合评估结果矩阵进行归一化处理后得到综合评估结果的隶属度,结合评审等级分值(RD),计算得到制度实施成效综合评估指数,以体现被评估对象的整体特征[10],见式(13):
-
根据已有研究成果[10],确定制度实施成效综合评估指数的分级标准,见表2,为评估制度实施现状和促进下一阶段工作开展提供评估依据。
-
根据生态环境损害赔偿制度改革实施成效评估指标体系筛选结果,数据主要来源于《昆明市生态环境损害赔偿制度改革实施方案》(昆办发〔2019〕13号)《昆明市统计年鉴》及2020年度部门总结资料。利用Excel 2021进行数据统计和处理;利用SPSS 26.0对各评估指标及计算结果进行Pearson相关性分析。
-
根据制度实施成效评估指标体系框架,结合《昆明市生态环境损害赔偿制度改革实施方案》(昆办发〔2019〕13号)实施情况及相关研究成果,从制度体系、管理能力、资金保障和运行状况等多个维度,梳理昆明市生态环境损害赔偿制度实施成效评估指标体系,计16项指标,见表3。
昆明市生态环境损害赔偿制度改革实施成效评估因素集(C)分别为:
-
参考政府目标考核文件和相关领域研究成果[10,12],将评审等级分为5级并赋予不同的分值,见表4。
评判集(V):
评判集对应的数据集(D):
-
在综合评估过程中,根据评审等级分值表设计专家咨询表,并向环境工程、环境科学、生态学、政策研究和决策管理等相关领域内20名专家进行发放(同时,各专家也对评估指标体系的各层级权重进行打分),由专家对评估指标体系中的各指标所属等级进行选择,共回收有效咨询表15份,限于篇幅,各专家的打分表原始数据不一一列出。根据准则层中各评估指标的专家选择统计结果构建隶属子集,进而得到各准则层的隶属度矩阵。
-
根据参与评估指标等级打分的专家对各层级权重打分结果,形成判断矩阵并进行一致性检验,经过计算和调整后,各个判断矩阵的平均随机一致性指标CR<0.1,说明15名专家打分结果是有效的。在此基础上,利用SPSS软件对各专家的打分进行聚类分析,采用多准则群体决策模型,计算出目标层—准则层、准则层—指标层中各指标的权重值。
-
根据模糊综合评价法基本原理和计算过程,结合已建立的因素集、评判集、数据集、隶属度矩阵和权重集,计算得到目标层的隶属度矩阵;同理,计算得到综合评估结果的隶属度,结合评判集对应的数据集,计算昆明市生态环境损害赔偿制度实施成效综合评估指数,见表5。
-
根据综合评估结果,昆明市生态环境损害赔偿制度实施成效综合评估指数为74.2,属于一般偏上接近良的水平。就准则层而言,昆明市生态环境损害赔偿制度实施成效主要集中在管理能力建设和制度体系完善方面,综合评估均表现为良的水平,其评估指数分别为80.9、79.0;而在制度运行状况和资金保障方面,综合评估均表现为一般偏下水平,其评估指数分别为64.7、62.1。
-
通过相关性分析发现,建立市级部门间综合协调和联动机制、完善鉴定评估技术标准体系、完善鉴定评估管理体系、成立环境资源审判庭或专门法庭、明确生态环境损害赔偿权利人职责分工对昆明市生态环境损害赔偿制度实施成效的贡献最大,对于推动实施生态环境损害赔偿制度具有积极作用;但在受损生态环境及时有效修复、生态环境损害赔偿制度工作专项经费落实、生态环境损害赔偿资金支出、市级部门间综合协调和联动机制运行等方面的工作开展力度还较为薄弱,成为制约生态环境损害赔偿制度在昆明市顺利实施的短板和不足,也是昆明市生态环境损害赔偿制度实施成效提升的重要着力点和努力方向。
-
根据昆明市生态环境损害赔偿制度实施成效综合评估及影响因素分析结果,昆明市应从以下方面开展工作:(1)持续规范生态环境损害赔偿案件办理规程,借鉴先进区域经验探索并尽快落实简化机制[20],创新生态环境损害修复方式和生态环境损害后监管机制,探索多样化信息公开和宣传警示渠道[20],加快制定昆明市生态环境损害赔偿公众参与办法[1,21],使受损生态环境得到及时有效修复。(2)严格落实《昆明市生态环境损害赔偿制度改革实施方案》,将生态环境损害赔偿制度改革工作经费纳入部门年度预算编制过程[21],用于专门人员培训、线索排查、鉴定评估、简易磋商程序办理和定期联动会议等生态环境损害赔偿案件办理工作。(3)在严格执行资金管理的基础上,探索建立资金收支简化程序,简化突发或重大生态环境损害案件中的资金审批手续,确保生态环境损害赔偿资金能够及时、足额用于生态环境损害案件办理工作。(4)强化生态环境损害赔偿工作目标考核机制并落实奖惩制度,提高市级部门间综合协调和联动机制运行效率。(5)加强全流程、多环节衔接,妥善协调生态环境损害赔偿诉讼与环境公益诉讼之间的关系[21-22],逐步健全长效管理机制。
-
利用层次分析法(AHP)建立制度实施成效评估指标体系框架,应用多准则群体决策模型进行权重赋值,并结合模糊综合评价法对昆明市生态环境损害赔偿制度实施成效进行综合评估,主要结论如下。
(1)基于层次分析法建立包含目标层、准则层、指标层的递阶层次关系,从制度体系、管理能力、资金保障和运行状况等维度梳理出制度实施成效评估的指标体系框架,并引入多准则群体决策模型进行权重赋值,能够为类似工作提供借鉴和参考。
(2)利用层次分析法—模糊综合评价法(AHP—FCE)对制度实施成效进行综合评估,既能充分体现评估因素和过程的模糊性,又尽可能与制度实施的实际相结合,解决了以往制度实施成效评估指标难以量化的现实问题,使综合评估结果较为可信。
基于AHP-FCE的生态环境损害赔偿制度实施成效评估研究
——以昆明市为例Effectiveness evaluation of eco-environment damage compensation system implementation based on AHP-FCE
-
摘要: 利用层次分析法(AHP)建立包含目标层、准则层和指标层的递阶层次关系,应用多准则群体决策模型进行权重赋值,并结合模糊综合评价法(FCE)进行制度实施成效综合评估。结果表明:以昆明市生态环境损害赔偿制度为例,其制度实施综合评估指数为74.2,属于一般偏上接近良的水平;下一步,昆明市应从持续规范生态环境损害赔偿案件办理规程、将工作经费纳入部门年度预算、探索建立资金收支简化程序、强化目标考核机制和健全长效管理机制等5个方面开展工作。利用层次分析法—模糊综合评价法对制度实施成效进行综合评估,解决了以往制度实施成效评估指标难以量化的现实问题,使综合评估结果较为可信,能够为类似工作提供借鉴和参考。Abstract: Analytical hierarchy process (AHP) is used to establish a hierarchical relationship including the target level, criterion level and index level. The multi-criteria group decision model is used to assign weights, and the fuzzy comprehensive evaluation (FCE) method is used to comprehensively evaluate the implementation effectiveness. The results showed that, based on the case of eco-environment damage compensation system in Kunming, its comprehensive evaluation index for system implementation was 74.2, close to a good level. It is necessary for Kunming to implement the future work from five aspects, including improving supporting system, increasing management capabilities and technical system construction, strengthening the connection of the whole process and multiple links, improving the level of funding security and innovative work model. Using AHP-FCE to evaluate the effectiveness of system implementation, the practical problem of the difficult quantification for the previous system implementation effectiveness evaluation indicators is effectively solved, and the comprehensive evaluation results is more credible. It can also provide a reference for a similar work.
-
近年来,随着城市化规模的扩大和工业化的迅速发展,大气环境日益恶化,环境空气质量问题越来越被广大人民群众所关注[1-3]。2013年起国家实施环境空气质量新标准,完善了污染物项目和监测规范,提高了数据有效性要求,有利于进一步保护公众健康,环境空气质量管理由一次污染物控制向二次污染物为主的复合污染控制转变。同年,国家颁布并实施《大气污染防治行动计划》[4]明确提出重点省市需要建立重污染天气监测预警体系,提升空气质量监测预警能力,环境空气质量预报工作作为大气污染防控及重污染预警的基础工作,已成为环境监测部门核心业务之一,而预报方法的准确性决定了其可用性,对预报模式效果评估是实现预报预警的前提。
目前应用范围较广的环境空气质量预报方法有统计预报法[5]和数值预报法[6-7]。统计预报法[8-10]简单易行、成本低,适合短期预报,但缺少确定性污染机理,难以捕捉重污染过程且重污染预报准确率偏低;数值预报法对于区域性长期预报有一定优势,但在技术及硬件设施方面投入较大。其中,集合预报法同时运行多个空气质量预报模式,准确率较高。目前数值预报是包括沈阳市在内新疆[11]、江苏[12]和河南[13]省多城市预报工作选择的主要预报手段。沈阳市2018年建立环境空气质量多模式预报预警系统,现选取系统中国际主流预报模式中第三代空气质量预报和评估系统空气质量模式(congestion mitigation and air quality, CMAQ)及国内应用较多的嵌套网格空气质量模式系统(nested air quality prediction model system, NAQPMS)空气质量预报模式的预报数据,进行定量评估,对比2种预报模式在沈阳市2019年采暖季(1~3月、11月和12月)的预报效果,以期为东北地区城市大气污染变化和空气质量预报工作的发展提供经验借鉴。
1. 资料与方法
1.1 资料来源
研究监测数据来自沈阳市11个环境空气自动监测国控站,仪器监测、数据分析统计严格参照《环境空气质量标准:GB 3095—2012》[14]《环境空气质量指数(AQI)技术规定(试行):HJ 633—2012》[15]《环境空气质量技术评价规范(试行):HJ 663—2013》[16]等相关标准执行。
数值预报模式为嵌套网格空气质量预报系统NAQPMS模式及区域多尺度空气质量模型CMAQ模式。2种模式均为前一日20时发布未来3日预报,包括污染物浓度、AQI和首要污染物。本研究选取2种模式的24 h、48 h和72 h预报结果进行评估。
1.2 预报方法介绍
区域多尺度空气质量模型(CMAQ)是由美国环境保护局(Environmental Protection Agency, EPA)开发的第三代空气质量预报和评估系统,被广泛应用于区域环境质量评估、污染成因分析、决策研究和空气质量预报等方面。CMAQ模式突破了传统模式针对单一物种和单相物种的模拟,是一种适用于模拟城市或区域尺度臭氧、酸沉降、能见度和气溶胶等的多尺度综合空气质量模式,模式以WRF等中尺度气象模式作为气象驱动模型,以SMOKE等源排放处理模型作为源处理模型。主要由边界条件模块、初始条件模块、光分解速率模块、气象-化学预处理模块和化学传输模块构成[17]。化学转化模块是CMAQ模式的核心模块,其综合考虑了污染物在大气中的空气动力学过程、气象化学过程、气溶胶过程和云化学与动力过程。
嵌套网格空气质量预报模式系统(NAQPMS)由中国科学院大气物理研究所研制,是区域和城市尺度三维欧拉化学传输模式[18]。可模拟细颗粒物、臭氧、氮氧化物、二氧化硫和一氧化碳等大气痕量气体和大气气溶胶。被广泛应用于多尺度污染问题的研究,不但可以研究区域尺度的空气污染(沙尘、酸雨等污染物的跨区域传输),还可以研究城市尺度的空气质量的发生机理及变化规律,和不同尺度区域间空气质量变化的相互影响。
1.3 预报评估方法
1.3.1 评估指标
目前常用的空气质量评估指标很多,本研究选择平均偏差(MB)、均方根误差(RMSE)、平均分数偏差(MFB)、平均分数误差(MFE)和相关系数(r)等统计指标,具体公式见文献[19]。对2种数值预报模式污染物浓度预报值预报准确率进行检验,通过衡量预报值与实况值的偏离来评价预报结果的稳定性及可行度。其中,MB的大小主要表示样本总体预报值比实况值偏大或偏小的数值;RMSE 反应了预报值与实况值的差值,其值越接近0,表明预报效果越好;r表示预报值与实况值逐渐变化趋势的吻合程度,其值越接近1,表示预报效果越好;MFB、MFE是2个无量纲的统计量,合理预报范围为−60%≤MFB≤60%、MFE≤75%;理想水平范围−30%≤MFB≤30%、MFE≤50%。
1.3.2 城市预报评估
依据《环境空气质量预报成效评估方法指南》[20]要求,常规业务预报评估可使用城市AQI范围准确率、AQI级别准确率及首要污染物准确率。
AQI范围准确率评估,当预报级别为优、良、轻度污染、中度污染时,预报范围以实况值±15为正确;当预报级别为重度污染、严重污染时,预报范围以实况值±30为正确,见式(1):
AQI范围准确率CAQI=nN×100% (1) 式(1)中,n表示AQI范围预报准确的天数,N表示评估预报总天数。
AQI级别准确率评估,当实况AQI级别在预报结果范围内,包含跨级别预报,则预报正确,否则错误,见式(2):
AQI级别准确率CG=nN×100% (2) 式(2)中,n表示AQI级别预报准确的天数,N表示评估预报总天数。
首要污染物准确率评估,当实况首要污染物为单一时,预报首要污染物为1个,且与实况相同,则预报正确;若预报首要污染物为2个,且其中1个与实况一致,则预报正确。当实况首要污染物为多个,若预报首要污染物与预报一致,则预报正确;若预报首要污染物为1个,与实况出现首要污染物中1个相同,也记为预报正确。当实况为优,无首要污染物,不做首要污染物预报评估,见式(3):
首要污染物准确率CPP=nN×100% (3) 式(3)中,n表示首要污染物预报准确的天数,N表示评估时段内非优预报总天数。
2. 沈阳市采暖期空气质量特征
2019年1~3月、11月和12月为沈阳市采暖期,占全年总天数41.4%。对比6项主要污染物,采暖期仅臭氧浓度低于非采暖期,由于臭氧作为二次污染物,主要受温度、太阳辐射影响,由于冬季气温及太阳辐射较夏季均偏低,臭氧光化学反应减弱,臭氧浓度明显低于夏季,见图1。
其他5项污染物浓度均高于非采暖季,其中,细颗粒物(PM2.5)浓度升高幅度最大,达到100%,二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)和可吸入颗粒物(PM10)浓度上升幅度分别为75.0%、50.0%、57.1%和47.0%。2019年采暖期与非采暖期不同空气质量类别天数占比,采暖期优良天数占全年优良天数的39.8%,中度及以上污染天数占全年80%,见图2。进一步对比采暖期不同污染类别首要污染物变化,见图3。
当AQI ﹥50时(良,轻度及以上污染),出现3种首要污染物分别为NO2、PM10和PM2.5,PM2.5为首要污染物天数占总天数55.9%;AQI ﹥100(轻度及以上污染)出现2种首要污染物(PM10和PM2.5),PM2.5为首要污染物天数占总天数94.7%;AQI ﹥150(中度及以上污染)仅出现PM2.5一种首要污染,占总天数100%。
空气质量类别及污染物浓度对比结果均显示出采暖期空气质量差于非采暖季。当污染程度越重,首要污染物逐渐单一且集中表现为PM2.5,PM2.5成为采暖季的主要污染物。因此本文以PM2.5来分析采暖季的2种预报模式及其预报效果。
3. 预报结果评估分析
3.1 AQI预报效果评估
沈阳市采暖期中CAMQ、NAQPMS模式未来24、48和72 h的AQI范围预报、AQI级别预报及首要污染物预报准确率,见表1。
表 1 CAMQ、NAQPMS模式AQI预报效果评估对比预报时次 范围准确率/% 级别准确率/% 首要污染物准确率/% CAMQ NAQPMS CAMQ NAQPMS CAMQ NAQPMS 24 h 43.7 27.8 74.2 66.2 60.3 58.9 48 h 31.8 21.9 74.2 61.6 59.6 60.9 72 h 34.4 20.5 67.5 55.6 60.3 57.0 表1可知,2种模式的AQI范围预报、AQI级别预报均表现出预报准确率随预报时次延长准确率下降,即24 h准确率高于48、72 h。首要污染物预报准确率表现为各预报时次准确率相差不大。AQI范围预报、AQI级别预报准率最高的为CAMQ模式的24 h预报,准确率分别为43.7%、74.2%;首要污染物预报准确率最高的为NAQPMS模式48 h预报,准确率为60.9%。
2种预报模式中仅48 h首要污染物预报NAQPMS模式略高于CAMQ模式,其他各预报时次的AQI范围预报、AQI级别预报及首要污染物预报均表现为CAMQ模式准确率高于NAQPMS模式。综合3种评估分析,CAMQ模式预报准确率优于NAQPMS模式。
3.2 PM2.5预报效果评估
3.2.1 时间序列对比
分别利用未来24、48 和72 h PM2.5预报浓度值与PM2.5实况浓度进行2019年采暖季PM2.5日均浓度对比分析。通过预报及实况浓度时间序列对比,来评估预报模式对污染物浓度累积及清除的预报能力。CAMQ、NAQPMS模式在3种预报时次中对PM2.5浓度预测值与实况值的变化趋势基本相似,说明2种模式对PM2.5浓度累积及清除过程具有一定的预报能力,但预报值与实况值仍存在一定偏差,预报模式均有优化空间,见图4。
2种预报模式在24、48和72 h预报中,在11月19~21日、12月7~8日、12月13~15日和12月20~21日均出现明显预报偏高情况,且预报趋势与实况相反。2种模式还存在对PM2.5浓度的峰值预判过度情况,1月10~12日、3月19~21日和11月19~20日出现预报浓度过高情况。
3.2.2 散点图分析
散点图用于对比成对的数值,对模型的模拟值与实况监测值间时空配对后,用来分析模式预报值与实况值的吻合程度,并可反映出预报值对实况值的高估或低估。设预报值处于实况值的0.5~2倍范围内认定为预报值可接受,采用FAC表示预报值在实况值0.5~2倍范围内的比例。
2019年采暖期CAMQ模式PM2.5浓度预报效果优于NAQPMS模式,CAMQ模式PM2.5浓度预报值基本集中在y=x附近,且呈收敛趋势;而NAQPMS模式PM2.5浓度预报值呈现明显偏高情况,多数集中在y=x于y=2x间,且随预报时间延长,预报高估情况愈加明显。2019年采暖期CAMQ模式的PM2.5浓度预报值FAC整体高于NAQPMS模式,随预报时长增加而降低。CAMQ模24 h预报FAC最高,达到88.7%,NAQPMS模式48 h、72 h 的FAC最低,为65.6%,见图5。
3.2.3 统计分析
通过统计分析对CAMQ、NAQPMS模式PM2.5日均浓度预测能力进行定量评估。2种预报模式的预报效果,见表2。
对比多种统计指标,CAMQ、NAQPMS模式对PM2.5的预报能力均表现出预报时次越短,预报效果更优,24 h预报效果最优,48 h次之,72 h最差。从2种预报模式预报值与实况值的MB来看,CAMQ、NAQPMS模式预报值均高于实况值,偏离程度随预报时长增加而增大,CAMQ模式PM2.5浓度预报偏高在1.25~11.38 μg/m3之间,NAQPMS模式预报偏高在26.52~35.19 μg/m3之间。NAQPMS模式预报值的偏离程度大于CAMQ模式。2种预报模式对PM2.5浓度预报的NMB、NME和R2均符合−50%<NMB<80%,NME<150%,R2>0.3要求,CAMQ模式的NMB、NME均﹤50%,预报效果优于NAQPMS模式。2种预报模式对PM2.5浓度预报的RMSE表现为CAMQ模式每个预报时次的RMSE均小于NAQPMS模式,CAMQ模式预报值与实况值偏差小于NAQPMS模式。2种预报模式MFB及MFE评估结果显示,CAMQ模式3个预报时次的MFB及MFE均处于理想范围内,NAQPMS模式的MFB及MFE则落于合理范围。综合多种统计指标,CAMQ模式对PM2.5浓度预报效果优于NAQPMS模式。
表 2 2019年采暖期CAMQ、NAQPMS模式PM2.5浓度预报统计分析统计指标 CAMQ NAQPMS 24 h 48 h 72 h 24 h 48 h 72 h MB 1.25 8.6 11.38 26.52 32.75 35.19 NMB/% 2.1 14.1 18.4 43.9 54.3 58.3 NME/% 37.7 45.1 48.7 54.4 62.6 66.6 r2 0.469 0.422 0.466 0.478 0.425 0.451 RMSE 30.92 36.83 38.33 42.11 49.94 50.98 MFB/% 3.7 13.5 15.9 42 48.3 50.9 MFE/% 37.2 44.2 48 47.5 52.7 54.9 注:平均偏差(MB)、标准化平均偏差(NMB)、标准化平均误差(NME)、和相关系数(r)、均方根误差(RMSE)、平均分数偏差(MFB)、平均分数误差(MFE)。 4. 结论
本研究基于2019年采暖期(2019年1~3月、11月和12月)空气质量实况值,采用CAMQ、NAQPMS模式模拟了沈阳市PM2.5浓度,评估了2种模式对单一污染物的预报能力。以统计等级、范围和首要污染物准确率评估了预报模式对污染物综合预报能力。以上结果均表现出CAMQ模式优于NAQPMS 模式,可为人工订正预报提供参考。
(1)沈阳市采暖期环境空气质量污染程度重于非采暖期,采暖期除臭氧外其他5项污染物浓度均高于非采暖季,采暖期细颗粒物浓度较非采暖期上升幅度达到100%。采暖期中度及以上污染占全年80%,首要污染物以细颗粒物为主。
(2)CAMQ、NAQPMS模式等级、范围和首要污染物准确率均为24 h预报准确率最高,而CAMQ模式的24 h等级、范围和首要污染物准确率高于NAQPMS模式,CAMQ模式综合预报能力更优。
(3)时间序列对比结果显示2种预报模式预报值与实况值总体时间变化趋势一致,但仍存在偏差,均表现为预报值明显高估。散点图对比结果显示2种模式对细颗粒物浓度预报均存在不同程度高估,随预报时次增加,偏高程度增大。CAMQ模式24 h预报的可接受度最高,为88.7%。
(4)利用统计分析对比2种模式对细颗粒物预报效果进行定量评估,CAMQ、NAQPMS模式对PM2.5的预报能力均表现出预报时次越短,预报效果更优。CAMQ模式预报效果优于NAQPMS模式。CAMQ模式3个预报时次预报效果均达到理想水平。
-
表 1 矩阵阶数n不同时对应的RI值
Table 1. RI values corresponding to different matrix orders
n RI 1 0.00 2 0.00 3 0.58 4 0.90 5 1.12 6 1.24 7 1.32 8 1.41 9 1.45 10 1.49 11 1.51 12 1.54 13 1.56 14 1.57 15 1.59 表 2 制度实施成效分级标准
Table 2. Grading standards of system effectiveness
综合评估指数(CEI) 评估结果 90≤CEI≤100 优 75≤CEI<90 良 60≤CEI<75 一般 50≤CEI<60 差 0≤CEI<50 很差 表 3 昆明市生态环境损害赔偿制度实施成效评估指标体系
Table 3. Summary of evaluation index system of the implementation effectiveness of the ecological environment damage compensation system in Kunming
目标层 准则层 指标层 生态环境损害赔偿制度改革实施成效(C) 制度体系(C1) 成立生态环境损害赔偿制度改革工作领导小组(C11) 明确生态环境损害赔偿权利人职责分工(C12) 建立市级部门间综合协调和联动机制(C13) 完善鉴定评估管理体系(C14) 制定生态环境损害赔偿资金管理办法(C15) 管理能力(C2) 具备生态环境损害鉴定评估专业力量(C21) 完善鉴定评估技术标准体系(C22) 成立环境资源审判庭或专门法庭(C23) 资金保障(C3) 生态环境损害赔偿制度改革工作专项经费落实情况(C31) 生态环境损害赔偿资金及时收缴情况(C32) 生态环境损害赔偿资金支出情况(C33) 运行状况(C4) 生态环境损害赔偿案件线索排查及移交(C41) 受损生态环境及时有效修复情况(C42) 市级部门间综合协调和联动机制运行情况(C43) 生态环境损害赔偿制度改革相关信息依法公开情况(C44) 按时报送年度部门改革工作开展情况(C45) 表 4 评审等级分值表
Table 4. Score of review rating
等级(V) 分数(D) 优 ≥90 良 ≥75 一般 ≥60 差 ≥50 很差 <50 表 5 昆明市生态环境损害赔偿制度实施成效评估结果
Table 5. Evaluate results of implementation effectiveness of the ecological environment damage compensation system in Kunming
类别 评估内容 评估指数 评估等级 准则层 制度体系 80.9 良 管理能力 79.0 良 资金保障 64.7 一般 运行状况 62.1 一般 目标层 昆明市生态环境损害赔偿制度实施成效 74.2 一般 -
[1] 王金南, 刘倩, 齐霁, 等. 加快建立生态环境损害赔偿制度体系[J]. 环境保护, 2016(2): 25 − 29. [2] 韦超前, 陈鑫. 生态环境损害赔偿磋商制度探析——基于十大典型案件的考察[J]. 环境与可持续发展, 2021(2): 134 − 137. [3] 马庆华, 杜鹏飞. 新安江流域生态补偿政策效果评价研究[J]. 中国环境管理, 2015(3): 63 − 70. doi: 10.3969/j.issn.1674-6252.2015.03.013 [4] 陆巧玲. 生态补偿政策绩效综合评估——以安吉县生态公益林政策为例[D]. 杭州: 浙江大学, 2019. [5] 韩利, 梅强, 陆玉梅, 等. AHP-模糊综合评价方法的分析与研究[J]. 中国安全科学学报, 2004, 14(7): 86 − 89. doi: 10.3969/j.issn.1003-3033.2004.07.022 [6] 阮久莉, 王艺博, 郭玉文. 基于层次分析-模糊综合评价法的锌冶炼行业水污染控制技术评价[J]. 环境工程技术学报, 2021, 11(5): 976 − 982. doi: 10.12153/j.issn.1674-991X.20210032 [7] 李娟, 成璐瑶, 曾萍, 等. 基于AHP-FCE模型的制药废水处理技术综合评价[J]. 环境工程技术学报, 2021, 11(3): 591 − 598. doi: 10.12153/j.issn.1674-991X.20200151 [8] 栾黎明, 齐兆军, 寇云鹏. 基于AHP-FCE的尾砂脱水方案优选[J]. 矿业研究与开发, 2020, 40(3): 150 − 154. [9] 郭潇敏, 沈燕萍. 基于AHP-FCE模型的中小煤炭企业财务绩效评价: 以A企业为例[J]. 中国中小企业, 2020(1): 115 − 116. [10] 叶珍. 基于AHP的模糊综合评价方法研究及应用[D]. 广州: 华南理工大学, 2010. [11] 王兴龙, 葛鹏. 浅谈昆明市环境污染损害鉴定评估[J]. 环境科学导刊, 2013(增1): 81 − 84. doi: 10.3969/j.issn.1673-9655.2013.z1.028 [12] 徐志新, 郭怀成, 郁亚娟, 等. 基于多准则群体决策模型的生态工业园区建设模式决策研究[J]. 环境科学研究, 2007(2): 123 − 129. doi: 10.3321/j.issn:1001-6929.2007.02.024 [13] 詹歆晔. 滇池生态安全变化影响机制研究及评价[D]. 北京: 北京大学, 2009. [14] 中国环境科学研究院. 湖泊生态安全调查与评估[M]. 北京: 科学出版社, 2012. [15] 杨贝贝, 黄凯, 孙德智. 基于多准则群体决策模型的城市面源污染控制及低影响开发技术评价研究[C]//中国环境科学学会, 2016全国水环境污染控制与生态修复技术高级研讨会, 上海, 2016. [16] 赵华安, 陈崇德. 水利工程建设施工监理安全检查及其评价方法[J]. 水电与新能源, 2020(8): 44 − 48. [17] 潘峰. 基于模糊决策的多策略模式匹配研究[D]. 济南: 山东大学, 2010. [18] 冷哲. 农村公共产品有效供给的财政激励制度研究[D]. 北京: 中央财经大学, 2016. [19] 郑浩昊, 陈丽. 区域绿色物流评价及其发展探讨[J]. 物流技术, 2006(1): 103 − 106. [20] 李艳菊, 赵珊, 倪少仁, 等. 甘肃省生态环境损害赔偿制度实践研究[J]. 环境与发展, 2021, 33(1): 46 − 53. [21] 於方, 刘倩, 牛坤玉. 浅议生态环境损害赔偿的理论基础与实施保障[J]. 中国环境管理, 2016(1): 50 − 53. [22] 钱晓丽. 我国生态环境损害赔偿诉讼制度研究[D]. 重庆: 重庆大学, 2018. -