华北理工大学 河北唐山 063210
摘要:塞罕坝是北方重要的国有林场和全国重要森林资源,塞罕坝对北京地区的生态环境有着至关重要的影响[1]。本文通过搜集数据选择合适的指标,建立塞罕坝对北京抗沙尘暴能力的影响的数学模型,并定量的评价塞罕坝对北京抗沙尘暴能力的作用大小。针对该问题本文采用了研究两组变量之间相关关系的多元统计方法——典型相关分析法,结合了第一问构建的塞罕坝历年的生态环境质量与北京的沙尘暴数据进行相关性分析,建立指标之间的联系。北京的相关环境指标与塞罕坝环境总体评价值呈正相关,表明塞罕坝地区环境的改善对北京地区环境污染具有积极的促进作用。
收集相关数据,选择合适的指标,建立塞罕坝对北京抗沙尘暴能力的影响的数学模型,并定量的评价塞罕坝对北京抗沙尘暴能力的作用大小。针对该问题本文采用了研究两组变量之间相关关系的多元统计方法——典型相关分析法,结合塞罕坝历年的生态环境质量与北京的沙尘暴数据进行相关性分析,建立指标之间的联系。北京的相关环境指标与塞罕坝环境总体评价值呈正相关,表明塞罕坝地区环境的改善对北京地区环境污染具有积极的促进作用[2]。
通过典型相关分析模型的建立并搜集关于北京沙尘暴数据中包括北京当年沙尘暴发生频率、北京地区沙尘的颗粒大小、沙尘暴的危害程度、空气质量,在此我们利用SPSS软件对塞罕坝的环境指标和北京地区沙尘暴指标进行典型相关分析,结果如下表所示:
表1. 塞罕坝的环境指标和北京地区沙尘暴指标结果
指标序号 | 1 | 2 | 3 | 4 |
典型相关系数 | 0.923 | 0.996 | 0.854 | 0.898 |
Prop Var | 0.001 | 0.016 | 0.005 | 0.002 |
由上表可知,典型相关系数大于0.9的指标有两对,即这两对典型变量的解释能力较强,变量与变量之间相关性较大。之后需要通过典型相关系数的显著性检验来进一步确定典型变量相关性的显著性程度,在此我们通过SAS进行检验,检验结果如下表所示:
表2. SAS检验
| Wilks Statistic | DF | Sig. |
1 | 0.000 | 163.683 | <0.0001 |
2 | 0.000 | 132.970 | <0.0001 |
3 | 0.002 | 103.520 | 0.0252 |
4 | 0.001 | 89.753 | 0.0002 |
由上表可知,当显著性水平在0.01以下时,前两对典型变量之间表现的相关关系更加明显,在此,我们为前两对典型变量写出标准化后的典型相关模型:
序号 | 典型相关模型 |
1 | |
2 | |
根据典型变量之间的系数大小反映的其相关程度,我们可以推理出塞罕坝的生态环境指标对北京地区沙尘暴情况的作用程度可以从两对典型相关变量进行描述:
第一对,典型变量主要将塞罕坝环境指标中的植被覆盖指数挑选出来,其典型载荷为3.87,与北京沙尘颗粒大小呈最大相关,相应典型载荷为1.01,可以得出结论,当塞罕坝植被覆盖率提升时,北京地区及其周边环境沙尘颗粒大小将得到显著降低,同时,对北京单次沙尘暴强度及空气质量有一定影响。
第二对,典型变量主要将塞罕坝环境指标中的水网密度指数和污染负荷指数挑选出来(其典型载荷为2.56和-0.998),与北京空气质量分数高低呈最大相关,相应典型载荷为3.67,可以得出结论,当塞罕坝水网密度指数的提高、污染负荷指数的降低将对北京及其周边地区空气质量产生显著正向影响,同时,也对北京地区沙尘颗粒大小、单次沙尘暴强度有一定影响。
[1]崔岩.塞罕坝天然次生林改培作业的可行性与必要性分析[J].安徽农学通报,2017,23(24):89-90.
[2]林树国.加强森林资源保护的几个问题[J].中国林业经济,2017(05):73-74.