高地之大气因素对臭氧浓度.docx

1、高地之大气因素对臭氧浓度高地之大氣因素對臭氧濃度 的影響判別分析第三組水環三B 497481068 黃政隆水環三B 497480409 馬仲伶水環三B 497480748 陳苡庭電機系電機一 499500154 楊亞玲 目-I表目-II圖目-IIIChapter I 前言-VChapter II 判別分析法介紹2.1 峰度(Kurtosis)-52.2 偏度(Skewness)-52.3 回歸分析(Regression)-6Chapter III 分析結果3.1 大氣溫度之臭氧濃度原理及分析結果-83.2 單位日照量之臭氧濃度原理及分析結果-93.3 風速之臭氧濃度分析結果-103.4 各變數

2、對臭氧濃度之回歸分析結果-11Chapter V 結與建議-15考文獻-16I表目：表（3-1）：大氣溫度與臭氧濃度之峰度偏度分析-8表（3-2）：單位日照量與臭氧濃度之峰度偏度分析-9表（3-3）：風速與臭氧濃度之峰度偏度分析-10表（3-4）：回歸分析之平均數、變異數、個數-11表（3-5）：回歸分析之各變數相關性-11表（3-6）：回歸分析各變數之相關係數、判定係數、調整判定係數-11表（3-7）：ANOVA分析表-12表（3-8）：係數回歸分析表-12表（3-9）：Residual分析表-13 II 圖目錄：Fig.1：溫度臭氧濃度關係圖-8Fig.2：日照強度臭氧濃度關係圖-9Fig

3、.3：風速臭氧濃度關係圖-10Fig.4：日照強度臭氧濃度的關係點圖-13Fig.5：溫度臭氧濃度的關係點圖-14Fig.6：風速臭氧濃度的關係點圖-14 IIIChapter I 前言前言： 台灣地區光化學反應產生的臭氧主為主要的空氣汙染問題，大氣中的臭氧若位於平流層的臭氧可以吸收紫外線避免地面生物受到紫外線侵害。若位於對流層中的臭氧則是光化學反應中所產生的二次汙染物，主要來源為汽機車或是工業產生的氮氧化物以及碳氫化合物受到日光照射下所生成的。此外除了受化學反應的影響之下，氣象條件的不同也使得臭氧的問題更加多變，例如：地表溫度、日照強度、風速等氣象因子，而且隨著季節的變化，不同地區的天氣型態

4、所造成的臭氧事件也有所不同。臭氧為一刺激性物質，對動物、植物和材料都是有害的，即是吸入微量的臭氧也會造成人體呼吸道的不適，濃度更高點甚至會刺激眼睛或是造成其他臟器的慢性中毒。台灣地區的光化學汙染一直是一項嚴重的問題，尤其是臭氧，過去一直受到政府的重視展開管制措施，但是一直無法有效減少高臭氧濃度的產生，所以我們希望能夠藉由初步的氣象因素來了解臭氧濃度的變化性其特徵或是關聯性大小對此有個認知。VChapter II 判別分析法介紹2.1 峰度(Kurtosis)：峰度：為敘述某研究對象之所有變因之分配型態陡斜程度的統計量，此統計量是與常態分配相比較的量，峰度大於0表示比常態分配高峰更加陡峭，為尖形

5、頂峰；峰度小於0表示比常態分配高峰較為平坦，為平頂峰。2.2 偏度(Skewness)：偏度：為敘述某研究對象之所有變因之分配型態對稱性的統計量，偏度為0表示其分配型態與常態分部的偏度相同；偏度大於0表示正偏差數值較大，為正偏或右偏；偏度小於0表示副偏差數值較大，為負偏或左偏，而偏度的絕對數數值越大表示分配型態的偏斜程度越陡。 -5-2.3 回歸分析(Regression)：回歸分析： 在這裡我們是採用回歸分析，分為一元分析以及多元分析兩種類型。因為在這裡我們要討論的資料也就是臭氧跟多個變數(風、溫度、日照)有關係，單單只討論一個變數是不夠的。在大部分的實際案例之中，影響應變數的因素往往有很多

6、個，僅僅考慮單一變數是不夠的，還需要就一個應變數與多個因變數的關係來進行研究才能獲得比較滿意的結果，這就產生了測定多因素之間相關關係的問題。 在線性相關的條件下,兩個或是兩個以上因變數對一個應變數的數量變化關係稱為多元線性迴歸分析，是一元線性迴歸的延伸，只是計算上更為複雜一般迴歸分析會分成：1.撮合良度檢定,用來測定多元線性迴歸的撮合程度其中R平方越接近1撮合度越高,越接近0撮合度越低。-6-2.迴歸方程式的顯著性檢定(F檢定)與R2公式轉換得F值越大,則說明因變數所造成的應變數的變動遠遠大於隨機因素對應變數造成的影響。 3.迴歸係數的顯著性檢定(t檢定),用來找出各因變數對應變數的影響是否顯

7、著其中t越小,表示因變數對於應變數的解釋說明能力較差,影響較小。-7-Chapter III 結果與討論3.1 大氣溫度之臭氧濃度原理及分析結果：表（3-1）ppbCNValid100100Mean51.88670.87200Median53.387001.60000Variance644.45512.333Skewness.222-1.211Std. Error of Skewness.241.241Kurtosis-.1921.479Minimum3.800-11.900Maximum125.7006.000Sum5188.67087.200溫度的個案(N)有100個，溫度最大值是6.0、

8、最小值是 -11.9、平均數為0.872、標準差為3.51189、變異數為12.333，偏度為 -1.211，偏度小於0，表示所有溫度的分配中，付偏差數值較大，為負偏或左偏，即和常態分配小比較，溫度低的較多，有一條長尾巴拖在左邊，峰度為1.479，峰度大於0，表示溫度比常態分配的高峰更加陡峭，屬於尖型頂峰。Fig.1此圖為溫度與臭氧濃度的關係，顯示出高地溫度越高，臭氧濃度範圍越廣泛。 -8-3.2 單位日照量之臭氧濃度原理及分析結果：表（3-2）ppbJ/m2NValid100100Mean51.88670336.99334Median53.38700339.31000Variance644.

9、45579822.216Skewness.222.024Std. Error of Skewness.241.241Kurtosis-.192-1.675Minimum3.80012.476Maximum125.700803.901Sum5188.67033699.334日照量(N)個案有100個，日照量最大值是803.9、最小值是12.476、平均數為336.99、標準差為282.53、變異數為79822.216，偏度為0.024，偏度大於0，表示該日照量分配中，正偏差數值較大，即和常態分配相較下，日照量高的較多，有一條長尾巴拖在右邊，峰度為 -1.675，峰度小於0，表示日照量比常態分配要

10、來的平緩很多，屬於平頂峰。Fig.2此圖顯示出日照強度與臭氧濃度的分布情形，可觀察出極為平均，並沒有因日照太強或太弱而濃度有所改變。-9-3.3 風速之臭氧濃度分析結果：表（3-3）ppbm/sNValid100100Mean51.886702.22979Median53.387002.07950Variance644.4551.249Skewness.2221.082Std. Error of Skewness.241.241Kurtosis-.1921.624Minimum3.800.378Maximum125.7006.237Sum5188.670222.979風速的個案(N)有100個

11、，風速最大值是6.237、最小值是0.378、平均數為2.22979、標準差為1.1178、變異數為1.249，偏度為1.082，偏度大於0，表示風速分配中的正偏差數值較大，為正偏或右偏，即和常態分配相比較，風速高的較多，有一條長尾巴拖在右邊，峰度為1.624，峰度大於0，表示風速比常態分配的高峰要來的更加陡峭，屬於尖型頂峰。Fig.3此圖為風速與臭氧濃度間的關係，顯示出濃度因風速而變化，風速越大，擴散的效果顯著，濃度越低，風速13時的濃度範圍最廣。-10-3.4 各變數對臭氧濃度之回歸分析結果： Descriptive Statistics表（3-4） MeanStd. DeviationN

12、ppb51.8867025.386128100J/m2336.99334282.528257100C.872003.511887100m/s2.229791.117806100顯示出3個因變數及1個應變數，並同時計算出平均數、變異數、及個數各100個。 Correlations表（3-5） ppbJ/m2Cm/sPearson Correlationppb1.000.245.434-.330J/m2.2451.000.351-.150C.434.3511.000-.474m/s-.330-.150-.4741.000Sig. (1-tailed)ppb.007.000.000J/m2.007.

13、000.069C.000.000.000m/s.000.069.000.Nppb100100100100J/m2100100100100C100100100100m/s100100100100此圖顯示出臭氧濃度與溫度的相關性最大。 Model Summary(b)表（3-6）ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.468(a).219.19422.787431a Predictors: (Constant), m/s, J/m2, Cb Dependent Variable: ppb相關係數=0.468，判定係數=0

14、.219，調整的判定係數=0.194，回歸估計的標準誤差=22.787431。-11- ANOVA(b)表（3-7）Model Sum of SquaresdfMean SquareFSig.1Regression13951.45834650.4868.956.000(a)Residual49849.63596519.267 Total63801.09399 變異數分析表：統計量=8.956相伴機率值0.001說明變數間和臭氧濃度為線性迴歸關係。迴歸平方和=13951.458殘差平方和=49849.635總平方和=63801.093 Coefficients(a) 表（3-8）Model Un

15、standardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBetaBStd. Error1(Constant)54.7876.515 8.410.000J/m2.010.009.1091.133.260C2.304.783.3192.944.004m/s-3.6852.328-.162-1.583.117 -12-Residuals Statistics(a)表（3-9） MinimumMaximumMeanStd. DeviationNPredicted Value12.8202968.6149251.8867011.

16、871134100Std. Predicted Value-3.2911.409.0001.000100Standard Error of Predicted Value2.5588.7154.3991.196100Adjusted Predicted Value12.9037168.9883952.0012311.849192100Residual-53.23796868.175537.00000022.439511100Std. Residual-2.3362.992.000.985100Stud. Residual-2.3783.049-.0021.004100Deleted Resid

17、ual-55.13283970.817963-.11453023.320537100Stud. Deleted Residual-2.4383.192-.0011.015100Mahal. Distance.25713.4892.9702.415100Cooks Distance.000.090.010.014100Centered Leverage Value.003.136.030.024100列出預測值、預測標準值、標準預測差的最小值、最大值、平均值、變異數、個數。Fig.4日照強度臭氧濃度的關係點圖。-13-Fig.5溫度臭氧濃度的關係點圖。Fig.6風速臭氧濃度的關係點圖。 -14-

18、Chapter V 結與建議結論： 台灣地區的氣候條件和汙染物擴散受地形、海陸溫差、山谷風、都市熱島效應等影響極大，都呈現出複雜的局部環流，皆是影響空氣品質的重要因素，而臭氧濃度跟我們的環境問題有著密切的關係，也屬於空氣品質監測的其中之一，正因為如此，我們決定觀察臭氧對各個因素的分析資料，對其作一份觀察報告，讓我們在自己的專業領域上能有更深入的了解。 經過這次的分析報告，從資料數據收集、圖書館藏書等等，我們能夠更活用我們生活周遭的資源，來加強自己的做事能力與處事態度，用所學的來解析自己專業領域上的數值，分析這些數據經由解釋來讓大家得到理解。藉著組員之間良好的互動與分工合作能夠讓這份報告順利完成

19、,其中看這報告漸漸的趨近於完成這樣的成就感更是無可論述的,而我們彼此間分工的搭配也十分良好這樣的過程讓我們得到不僅僅是學業上的滿足與人之間的相處也是一大收穫,學習到當一個team遇到問題時要如何分工解決,這次的報告所收穫的東西遠比我們想像得更多更豐富。 -15-考文獻：論文集：(1) 台北地區臭氧預測模式 1990 洪文聖 Ozone forcasting models in Taipei area(2) 台灣地區臭氧濃度空間及時間分佈特性 2004 張勝富A characterization of the spatial and temporal variations of ozone co

20、ncentrations in Taiwan(3) 氣象輸入資料對光化學空氣品質模式計算結果的影響 2005 張佩琳The effects of meteorological input data on the results of a photochemical air quality model1.2.1 氣象條件對污染物的影響31.2.2 風對污染物的影響31.2.3 日照強度、雲量及降雨對污染物的影響4-16-數據資料 臭氧濃度 日照強度 溫度 風速 個數 33.875 290.783 -6.500 3.705 1.00 44.887 333.756 -3.300 2.068 2.00

21、 39.950 292.526 -.400 1.367 3.00 44.775 282.101 .400 2.881 4.00 42.162 492.437 2.100 2.223 5.00 71.525 533.243 3.300 2.911 6.00 89.463 557.490 3.500 2.122 7.00 75.488 501.642 2.500 2.763 8.00 24.000 257.936 -1.600 1.814 9.00 60.788 414.932 .600 2.654 10.00 78.975 551.195 3.700 2.790 11.00 66.288 458

22、.504 1.300 2.696 12.00 37.688 344.864 -.800 4.390 13.00 16.550 324.627 -3.900 5.483 14.00 43.363 445.356 -3.100 5.457 15.00 68.725 583.111 -1.400 2.638 16.00 55.012 585.948 -1.900 1.828 17.00 68.000 578.941 .700 .607 18.00 67.400 595.470 2.500 1.406 19.00 94.063 592.875 2.500 1.985 20.00 71.912 576.

23、061 1.500 1.848 21.00 44.050 567.535 3.600 .619 22.00 70.787 510.105 4.100 1.726 23.00 63.350 597.726 4.900 .903 24.00 40.100 587.082 3.700 .378 25.00 67.688 589.599 3.000 1.360 26.00 46.075 617.084 3.400 1.244 27.00 51.862 619.134 2.400 2.337 28.00 50.637 620.160 2.800 2.681 29.00 67.637 627.610 1.

24、600 3.528 30.00 19.388 302.963 -2.300 2.023 31.00 32.175 296.404 -3.600 2.762 32.00 51.950 329.501 -2.400 1.368 33.00 108.875 599.558 .900 1.190 34.00 43.671 622.017 3.800 1.060 35.00 61.100 645.042 4.000 .925 36.00 41.900 639.139 4.200 .738 37.00 35.162 658.787 4.800 1.314 38.00 91.175 634.311 4.200 .748 39.00 77.800 643.272 2.900 2.285 40.00 62.188 530.006 4.000 1.865 41.00 61.487 22.040 -.800 2.223 42.00 62.200 26.304 .200 3.530 43.00 82.825 18.262 .900 2.094 44.00 85.538 22.746 2.600 2.647 45.00 25.800 28.504 5.200 3.015 46.00 56.281 12.476 5.300 1