日前，，，，由陈松蹊教授向导的安博电竞治理学院和统计科学中心的情形大数据研究团队关于北京城区PM_2.5污染状态的研究（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》正式吸收，，，，将于10月21日在线揭晓。。。

文章的第一作者是安博电竞商务统计与计量经济系博士生梁萱，，，，其它作者是邹韬（安博电竞统计系博士生）、郭斌（结业于安博电竞统计系，，，，川大助理教授）、李硕（安博电竞统计系博士生）、张豪哲（Iowa State University统计系博士生）、张澍一（安博电竞统计系博士生）、黄辉（数学院概率统计系，，，，统计科学中心助理教授）、陈松蹊（安博电竞统计系，，，，统计科学中心教授）。。。陈松蹊和黄辉为配合通讯作者。。。

配景：我们视察到的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现实上增添了，，，，但由于有利的气象扩散条件，，，，视察的PM_2.5反而可能会更低。。。同理，，，，由于在差别年份，，，，差别都会气象条件差别，，，，导致PM_2.5浓度转变有差别，，，，直接较量原始PM_2.5的浓度会不科学甚至不公正。。。中国的大气污染防治需要一个科学的空气质量评估要领。。。该文章发明北京PM_2.5月度数据近80%的转变(variation)是由于气象因素的转变所导致。。。

情形大数据研究团队的文章使用统计学要领剖析已往五年北京PM_2.5浓度与气象变量的关系。。。提出了一个公正地评估差别年份PM_2.5浓度是否有显著改善的要领。。。该文章提出应该去除掉气象变量的影响，，，，对原始浓度举行调解以反映真实的都会污染、排放情形，，，，从而为政府环保部分提出合理的、科学的指导方案。。。 文章中提出的统计学要领可以普遍地用于其它都会和地区的空气质量评估。。。

该文章通过学习、剖析已往五年的污染和气象数据，，，，发明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年相比并没有显着改善。。。 且2013年和2014年的PM_2.5年平均浓度比2012年划分增添了10.6%和5.9%。。。

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

Fig.2:北京2010-2014年PM_2.5调解后浓度的月分位数。。。

使用上述调解要领，，，，该文章还剖析了2014年APEC时代政府减排步伐的控污效应及2010-2014年北京冬季供暖效应。。。效果发明，，，，“APEC蓝”确实是北京及周边地区接纳了极大减排步伐的效果。。。冬季供暖期比非供暖期的PM_2.5浓度平均要横跨50%多。。。若是不使用文章中的要领举行调解，，，，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）、调解后均值浓度（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（玄色实点）、调解后均值浓度（白色实线）及其95%置信区间。。。

文章最后提到，，，，北京若要抵达《大气国十条》所订下的PM_2.5浓度标准，，，，即2017年相比2012年镌汰25%和年平均浓度不高于60微克/立方米的目的，，，，政府需要实验更有用的减排步伐并且真正执行环保规则，，，，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：

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/