日前，由陈松蹊教授带领的环境大数据研究团队关于北京城区PM2.5污染状况的研究（Assessing Beijing’s PM2.5 Pollution: Severity, Weather Impact, APEC and Winter Heating）被英国皇家学会会刊A辑（Proceedings of the Royal Society A）正式接收。

文章的第一作者是光华管理学院商务统计系博士生梁萱，其他作者有光华管理学院博士生邹韬、李硕、张澍一，爱荷华州立大学（Iowa State University）统计系博士生张豪哲等。四川大学助理教授郭斌，北大数学科学学院概率统计系、统计科学中心助理教授黄辉为共同通讯作者。

PM2.5实时浓度观测数据受气象因素的影响很大。比如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PM2.5反而可能会更低。同理，由于在不同年份、不同地点气象条件不同，PM2.5浓度变化也会有差异，直接比较原始PM2.5的浓度会不科学甚至不公平。因此空气质量评估应该考虑气象因素的变化。

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PM2.5浓度与气象变量的关系，提出了一个公平地评估不同年份PM2.5浓度是否有显著改善的方法：去除气象变量的影响，对原始检测浓度数据进行调整以反映真实的城市污染情况，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PM2.5污染水平与2012年相比并没有明显改善，并且2013年和2014年的PM2.5年平均浓度比2012年分别增加了10.6%和5.9%。

北京2010-2014年PM2.5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）

北京2010-2014年PM2.5调整后浓度的月分位数

根据上述方法，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。近些年冬季供暖期比非供暖期的PM2.5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的监测数据中很难体现。

冬季供暖效应：（a）PM2.5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）PM2.5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《大气污染防治行动计划》所订下的PM2.5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严格执行环保法规，否则PM2.5的污染水平很难大幅度降低。

该研究得到了北京大学统计科学中心的资助。