雷达图分析法
雷达图分析法 雷达图（radar chart）亦称综合财务比率分析图法，又可称为戴布拉图、螂蛛网图、蜘蛛图 雷达图分析法简介 雷达图法是日本企业界的综合实力进行评估而采用的一种财务状况综合评价方法。按这种方法所绘制的财务比率综合图状似雷达，故得此名。
雷达图是对客户财务能力分析的重要工具，从动态和静态两个方面分析客户的财务状况。静态分析将客户的各种财务比率与其他相似客户或整个行业的财务比率作横向比较；动态分析把客户现时的财务比率与先前的财务比率作纵向比较，就可以发现客户财务及经营情况的发展变化方向。雷达图把纵向和横向的分析比较方法结合起来，计算综合客户的收益性、成长性、安全性、流动性及生产性这五类指标。
[编辑]
雷达图分析法详解 效益分析雷达图是企业经济效益综合分析工具，如图3.1所示(图中线条长短为举例，各企业不一样)。它是以企业收益性、成长性、流动性、安全性及生产性来分析（“五性分析”）结果的直观体现。
下面对涉及的5类指标进行说明。 [编辑] 1．收益性指标 分析收益性指标，目的在于观察客户一定时期的收益及获利能力。主要指标含义及计算公式如下表所示：
企业收益性指标 收益性比率 基础含义 计算公式
1.资产报酬率 反映企业总资产的利用效果 (净收益+利息费用+所得税) / 平均资产总额 2.所有者权益报酬率 反映所有者权益的回报 税后净利润 / 所有者权益 3.普通股权益报酬率 反映股东权益的报酬 (净利润-优先股股利) / 平均普通股权益 4.普通股每股收益额 反映股东权益的报酬 (净利润-优先股股利) / 普通股股数 5.股利发放率 反映股东权益的报酬 每股股利 / 每股利润 6.市盈率 反映股东权益的报酬 普通股每股市场价格 / 普通股每股利润
7.销售利税率 反映企业销售收入的收益水平 利税总额 / 净销售收入
8.毛利率 反映企业销售收入的收益水平 销售毛利 / 净销售收入 9.净利润率 反映企业销售收入的收益水平 净利润 / 净销售收入 10.成本费用利润率 反映企业为取得利润所付的代价 (净收益+利息费用+所得税) / 成本费用总额
[编辑] 2．安全性指标 安全性指的是客户经营的安全程度，也可以说是资金调度的安全性。分析安全性指标，目的在于观察客户在一定时期内偿债能力。主要指标含义及计算公式如图所示：
企业安全性指标 安全性比率 基本含义 计算公式
1.流动比率 反映企业短期偿债能力和信用状况 流动资产/流动负债
2.速动比率 反映企业立刻偿付流动负债的能力 速动资产/流动负债 3.资产负债率 反映企业总资产中有多少是负债 负债总额/资产总额 4.所有者权益比率（股东权益比率） 反映企业总资产中有多少是所有者权益 所有者权益/资产总额 5.利息保障倍数 反映企业经营所得偿付借债利息的能力 (税前利润－利息费用)/利息费用
其中流动负债说明每1元负债有多少流动资金作为保证，比率越高，流动负债得到偿还的保障就越大。但比率过高，则反映客户滞留在流动资产上的资金过多，未能有效利用，可能会影响客户的获利能力。经验认为，流动比率在2：1左右比较合适。所谓’速动资产’，通俗地讲就是可以立即变现的资产，主要包括流动资产中的现金、有价证券、应收票据、应收账款等，而存货则变现能力较差。因此，从流动资产中扣除存货后则为’速动资产’。经验认为，速动比率在1：1左右较为合适。资产负债率越高，客户借债资金在全部资金中所占比重越大，在负债所支付的利息率低于资产报酬率的条件下，股东的投资收益率就越高，对股东有利，说明经营有方，善用借债。但是，比率越高，借债越多，偿债能力就越差，财务风险就越大。而负债比率越低，说明客户在偿债时存在着资金缓冲。因此，资产负债率也要保持适当水平，一般说来，低于50％的资产负债率比较好；所有者(股东)权益比率与资产负债率之和等于1，所有者(股东)权益比率越大，资产负债比率越小，财务风险就越小；利息保障倍数如果比率低于1，说明客户经营所得还不足以偿付借债利息，因此，该比率至少应大于1。比率越高，说明按时按量支付利息就越有保障。
[编辑] 3．流动性指标 分析流动性指标，目的在于观察客户在一定时期内的资金周转状况，掌握客户资金的运用效率。主要指标含义及计算公式如图所示：
企业流动性指标 流动性比率 基本含义 计算公式 总资产周转率 反映全部资产的使用效率 销售收入/平均资产总额 固定资产周转率 反映固定资产的使用效率 销售收入/平均固定资产总额 流动资产周转率 反映流动资产的使用效率 销售收入/平均流动资产总额 应收帐款周转率 反遇年度内应收帐款的变现速度 销售收入/平均应收帐款 存货周转率 反映存货的变现速度 销售成本/平均存货
总资产周转率、固定资产周转率、流动资产周转率分别反映全部资产、固定资产和流动资产的使用效率，比率越高，说明资产利用率越高，获利能力强；应收账款周转率反映年度内应收帐款转为现金的平均次数，比率越高，说明客户催收账款的速度越快，坏账损失的可能性越小；存货周转率越高，说明投入存货至销售收回的平均期间就越短，资金回收越快，效率越高。
[编辑] 4．成长性指标 分析成长性指标，目的在于观察客户在一定时期内经营能力的发展变化趋势，一个客户既使收益性高，但成长必不好，也就表明其未来盈利能力下降。因此，以发展的眼光看客户，动态的分析客户财务资料，对战略制定来讲特别重要。计算这类指标比较简单，见下图
企业成长性指标 成长性比率 基本含义 计算公式 1.销售收入增长率 反映销售收入变化趋势 本期销售收入/前期销售收入 2.税前利润增长率 反映税前利润变化趋势 本期税前利润/前期税前利润 3.固定资产增长率 反映固定资产变化趋势 本期固定资产/前期固定资产 4.人员增长率 反映人员变化趋势 本期职工人数/前期职工人数 5.产品成本降低率 反映产品成本变化趋势 本期产品成本/前期产品成本
[编辑] 5．生产性指标 分析生产性指标，目的在于了解在一定时期内客户的生产经营能力、水平和成果的分配。主要指标如图所示：
企业生产性指标 生产性比率 基本含义 计算公式 1.人均销售收入 反映企业人均销售能力 销售收入/平均职工人数 2.人均净利润 反映企业经营管理水平 净利润/平均职工人数 3.人均资产总额 反映企业生产经营能力 资产总额/平均职工人数 4.人均工资 反映企业成果分配状况 工资总额/平均职工人数
上述客户财务能力的五性分析结果可以用雷达图表示出来，如下图所示。雷达图的绘制方法是：首先，画出三个同心圆，同心圆的最小圆圈代表同行业平均水平的1／2值或最低水平，中间圆圈代表同行业平均水平，又称标准线，最大圆圈代表同行先进水平或平均水平的1．5倍；然后，把这三个圆圈的360度。分成五个扇形区，分别代表收益性、安全性、流动性、成长性和生产性指标区域；再次，从5个扇形区的圆心开始以放射线的形式分别画出相应的财务指标线，并标明指标名称及标度，财务指标线的比例尺及同心圆的大小由该经营比率的量纲与同行业的水平来决定；最后，把客户同期的相应指标值用点标在图上，以线段依次连接相邻点，形成的多边形折线闭环，就代表了客户的现实财务状况。 收益性：（1）资产报酬率 （2）所有者权益报酬率（3）销售利润率（4）成本费用率
安全性：（5）流动比率（6）速动比率（7）资产负债率（8）所有者权益比率（9）利息保障倍数
流动性：（10）总资产周转率（11）应收帐款周转率（12）存货周转率 成长性（13）销售收入增长率（14）产值增长率 生产性：（15）人均工资 （16）人均销售收入
依据上图我们可以看出，当指标值处于标准线以内时，说明该指标低于同行业水平，需要加以改进；若接近最小圆圈或处于其内，说明该指标处于极差状态，是客户经营的危险标志；若处于标准线外侧，说明该指标处于较理想状态，是客户的优势所在。当然，并不是所有指标都处于标准线外侧就是最好，还要具体指标具体分析。
[编辑]
雷达图解决的问题 (1)综合分析和评价企业经营状况。 (2)寻找企业的优势和弱势。 (3)在经理人的日常管理中，也可以用这个图来分析你所在部门的工作业绩处于什么水平上。 [编辑]
雷达图分析法案例分析 [编辑] 案例一:宝德信金融集团 宝德信金融集团(Prudential Financial，美国企业，主营保险业务) 在2004年公布的世界500强企业排名中，宝德信金融集团位于第162位。 宝德信金融集团在企业效益规划和管理方面，堪称世界一流，该公司经理们最推崇的财务工具之一就是雷达图。
[编辑] 案例二:雷达图分析法在高校资产管理绩效评价中的应用研究[1] 一、高校资产管理现状及存在的问题 1、资产购置缺乏科学预算 由于高校经费主要是依靠国家拨款，各学院、实验室在申报项目计划时往往只考虑自身需要，购置缺乏全局计划性，呈现出。自给自足的模态’，因而易造成重复购置。如粟高校用于科研的价值数十万元安捷论频谱仪就重复购置了好几台，这些昂贵的设备大部分时间处于闲置状态。
2、缺乏大型仪器设备共享机制 高校资产一经形成就常常成为该单位或部门的“私有财产。，加之缺乏有效相关机制管理，因此很难做到资产在全校乃至更厂范围内的资源共享u1。
3、缺乏有效的监督约束机制 在实际工作中，使用部门的资产管理员对资产实际使用人缺乏有效监督约束机制，并且归口管理部门对使用部门的资产使用情况也缺乏行之有效的监督约束机制，从而造成归口管理部门基本只管采购，而在资产使用管理方面则几乎形同虚设，很难有效监督资产使用部门的资产管理情况，无法有效保证资产利用率和完好率。
4、资产管理人员素质参差不齐 资产管理工作是一项较为烦琐的日常工作。涉及面较广，需要资产管理人员具有责任性、相关财务与管理知识、计算机操作能力等。事实上，许多高校的资产管理工作基本由其行政管理人员兼管，资产管理人员能力参差不齐，又缺乏相应的培训，部分管理人员甚至缺乏基本的计算机知识或财务知识，缺乏管理积极性，通常只管账不管物，管理效率较低，反馈信息不及时．资产闲置甚至丢失等浪费现象也时有发生。
二、雷达图分析资产管理绩效评价模型 高校资产管理绩效评价指标体系一般通过指标值的计算，得出一个综合分值，通过该分值的高低评价高校内各学院乃至整个学校的资产管理水平。此方法的缺陷在于。不能很好地体现不同学院、不同高校差异造成的影响，在政府部门制定政策、学校改进管理上，也缺乏可操作性。为此，本文应用雷达分析法对评价对象进行分析，进而在一定程度上消除差异性引发的评价误差。
(一)评价指标厦其权重关系的确定 评价指标口1是建立高校资产管理绩效评价模型中至关重要的环节，它的合理与否，直接关系到整个评价体系能否有效地运行。因此，在选择评价指标的同时，必须根据评价指标的重要程度赋予不同的等效权重系数。且将各种不同的指标数值转化为可以直接相加(乘)的统一指标，这也是统计指标的无量刚化过程，目的是形成综合评价的指标基础。
标杆管理中的常用工具——雷达图
在选择标杆的过程中可以借助一些工具来确定，笔者经常用到的工具之一就是雷达图。
雷达图（Ra da r Cha rt Anal ysi s），也称为网络图、蜘蛛图、星图、蜘蛛网图、极坐标图或K ivi at图，是一个能够让人非常直观地看到看到差距和不足的工具。
对于大脑获取信息的方式来说，文字不如数字，数字不如表格，表格不如图形，在进行多维度的数字比较时，雷达图是最优的图形展示方式之一。
雷达图呈现的图形是我们的大脑更易接受的，一般来说，大脑对图形都会有更好的反应。
当我们熟悉了雷达图所呈现的信息以及它呈现的方式之后，在面对某一主题进行分析时，大脑的理解一定会比对数字、表格或柱状图的理解效率更高，更到位。
雷达图源于日本企业，最初是用来对企业经营情况进行系统分析的一种有效方法。
这种方法从企业的经营收益性、安全性、流动性、生产性、成长性等五个方面分析企业的经营成果。
并将这五个方面的有关数据用比率表示出来，填写到一张能表示各自比率关系的等比例图形上，再将各自比率的结点连接起来后，恰似一张雷达屏幕上展示的图形（图1）。
图1：企业经营情况雷达图雷达图可以用图形化方式展现对一个或多个客观主体的多个维度进行数值分析的结果，现在人们已将雷达图分析法延伸至其他方面的应用，如多款手机指标的对比分析、支付宝的芝麻信用多维度数据、个人综合状况对标、企业之间各项实力对比等等。
通常，人们在评价一个对象时，很难说清楚。
究其原因是被评价的目标对象会有多个维度，有的维度强一些，有的维度弱一些，人们会说尺有所短，寸有所长。
但是，尺究竟短在哪里?有多短？寸又长在哪里？有多长？很难说清楚。
这时候通过画一张雷达图，就能让很多目标对象的状况一目了然。
比如，你想找一个好老婆，有了一个目标对象，如何评价呢？可以用雷达图来这样做：首先，你要想明白你认为的一个好老婆，应该具有什么样的特征。
因为每个人的看法是不一致的，别人的意见可以参考，但最终是要由你自己决定的，问自己：你在意的究竟是什么？假设你最终明确你在意的是：漂亮、收入、谈吐、家务、背景和身材等六个维度。
雷达图的制作
TWO
雷达图的制作 过程
Part.02
雷达图的制作过程
工具/原料
WPS office
方法/步骤
以下列表格制作雷达图为例
雷达图的制作过程
图1
首先，建立一个EXCEL表单， 将需要进行比较的两个科室 各项数据罗列出来，以医院 制定的质控标准分进行对比 参照，如图1
雷达图的制作过程
图2
选中该表格的所 有单元格，如图2
制作雷达图常见的误区
选中坐标轴的数值， 单击右键
选择设置坐标轴格式 图6
制作雷达图常见的误区
图7 重新设置坐标值， 如图所示
案例分析
什邡市人民医院护理部举行2021年第一季度规培生操作考试，张三、 李红、张明、陈小四人列为一个小组考试，现监考老师需对这一小 组同学的成绩进行分析，请各位老师绘制一份雷达图，具体分数如 下：
雷达图的制作过程 选中插入选项
选择全部图表
图3
雷达图的制作过程
图4
图表标题可在生成雷达 图时选中修改
雷达图就制作好了， 科室A与科室B的护理 质控情况参照护理部 制定的标准就一目了 然了
THREE
制作雷达图常 见的误区
Part.03
制作雷达图常见的误区
图5
在制作雷达图过程中，雷达图的所 有坐标轴的数据均由我们生成的数 据表格中最大的数据为准，因此， 我们在制作表单的时候，需要根据 我们的实际情况来设置我们的最大 数据，例如，在我们医院，护理质 控分数满分为100分，因此我们需 要修改我们的坐标数值。
姓名
静脉输液
CPR
张三
87
85
李红
78
98
张明
89
97
基于雷达图法的教学信息化评价
便 、 确 地 用 图形 数 值 相 结 合地 表 示 综 合 评 价 结 精
自主 学 习 、 作 学 习 、 践 创 新 学 习 和 有 责 任 感 ， 协 实
实 现 知 识 重 构 和 知识 创 新 。
果 ， 出 实 现教 学 信 息 化 评 价 的 一 种 新 思 路 。 给
高 校 教 育 信 息化 持 续 发 展 迫 切 需 要 对 高 校 教 学 信 息 化 整 体 情 况 和 课 堂 教 学 质 量 、 生 的学 学 习效 果 进 行 测 度 和 评 价 。 立 课 堂 教 学 和 网络 教 建
山东 电力 高等专 科 学校 学报
第 １ ５卷 第 ４期
Ｊ ｕ ｎ ｌ ｆＳ ａ ｄ ｎ ｌｃｒｃ Ｐ ｗｅ ｌ ｇ ｏ ｒ ａ ｈ ｎ ｏ ｇ Ｅ ｅ ｔｉ ｏ ｒＣｏｌ ｅ ｏ ｅ
表２ 教 学信 息化 评价体 系（ 向课 程教学 ） 面
一
６ ３
表１ 教 学信息 化评 价体 系 （ 向学校 ） 面
６ ２
基 于雷 达 图法 的教学信 息化 评价
Ｖ １５Ｎ ． ｏ１ ｏ ． ４
基 于雷 达 图 法 的教 学 信 息化 评价
Ｅｖ ｌ ａ ｉｎ ｏ ｅ ｃ ｉ ｇ Ｉ ｆｒ ｔ ｎ Ｂ ｓ ｄ ｏ ｅ Ｒａ ａ － ｒ ｐ ｔ ｏ ａ ｕ ｔ ｆＴ ａ ｈ ｎ ｎ ｏ ｍａ ｉ ａ ｅ ｎ ｔ ｄ ｒ ｇ ａ ｈ Ｍｅ ｈ ｄ ｏ ｏ ｈ
２ 高 校 教 学信 息化 评 价 指 标
建立评价指标体系时应遵循全面完整性 、 层 次性 及 简 明科 学 、 测 性 等 原 则 。通 过 对 高校 教 可 学 信 息 化 系 统 结构 的 分 析 ， 结合 已有 的社 会 信 息 化 、 业 信 息 化 和 教 育 信 息 化 的 研 究 成 果 ， 们 企 我
特征雷达图的设计及其在大气污染成因分析中的应用
第３１卷㊀第８期２０１８年８月环㊀境㊀科㊀学㊀研㊀究ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓＶｏｌ.３１ꎬＮｏ.８Ａｕｇ.ꎬ２０１８收稿日期:２０１８￣０４￣１３㊀㊀㊀修订日期:２０１８￣０６￣１２作者简介:段菁春(１９７４￣)ꎬ男ꎬ山西太原人ꎬ研究员ꎬ博士ꎬ主要从事大气污染控制与空气质量管理研究ꎬｄｕａｎｊｃ＠ｃｒａｅｓ.ｏｒｇ.ｃｎ.∗责任作者ꎬ胡京南(１９７８￣)ꎬ男ꎬ安徽安庆人ꎬ研究员ꎬ博士ꎬ主要从事大气污染防治和机动车污染防治研究ꎬｈｕｊｎ＠ｃｒａｅｓ.ｏｒｇ.ｃｎ基金项目:国家重点研发计划重点专项(Ｎｏ.２０１６ＹＦＣ０２０８９００)ꎻ大气重污染成因与治理攻关项目(Ｎｏ.ＤＱＧＧ０３０３)ＳｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍｏｆＣｈｉｎａ ＦｏｒｍａｔｉｏｎＭｅｃｈａｎｉｓｍａｎｄＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙｏｆＡｉｒＰｏｌｌｕｔｉｏｎ(Ｎｏ.２０１６ＹＦＣ０２０８９００)ꎻＮａｔｉｏｎａｌＲｅｓｅａｒｃｈＰｒｏｇｒａｍｆｏｒＫｅｙＩｓｓｕｅｓｉｎＡｉｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌꎬＣｈｉｎａ(Ｎｏ.ＤＱＧＧ０３０３)段菁春ꎬ胡京南ꎬ谭吉华ꎬ等.特征雷达图的设计及其在大气污染成因分析中的应用[Ｊ].环境科学研究ꎬ２０１８ꎬ３１(８):１３２９￣１３３６.ＤＵＡＮＪｉｎｇｃｈｕｎꎬＨＵＪｉｎｇｎａｎꎬＴＡＮＪｉｈｕａꎬｅｔａｌ.Ｄｅｓｉｇｎｏｆｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎａｉｒｐｏｌｌｕｔｉｏｎａｎａｌｙｓｉｓ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１８ꎬ３１(８):１３２９￣１３３６.特征雷达图的设计及其在大气污染成因分析中的应用段菁春１ꎬ２ꎬ胡京南１ꎬ２∗ꎬ谭吉华３ꎬ陈㊀红４１.中国环境科学研究院ꎬ北京㊀１０００１２２.国家大气污染防治攻关联合中心ꎬ北京㊀１０００１２３.中国科学院大学资源与环境学院ꎬ北京㊀１０００４９４.广州宏泰环保科技有限公司ꎬ广东广州㊀５１０６２３摘要:为了更好地利用环境监测数据进行污染成因分析ꎬ提出数学算法ꎬ对多种污染物进行百分比成分谱化ꎬ并除以一定时期(或一定区域)的平均值ꎬ从而得到标准化特征谱ꎬ以消除污染物浓度变化的影响以及不同污染物间浓度值差异的影响ꎻ通过设计特征雷达图的方式ꎬ直观和快速地展现大气污染特征在时间序列和空间上发生的变化特征ꎬ为环境管理部门利用空气质量常规监测数据开展动态决策提供便利.该方法既可利用单点历史数据开展历史特征雷达图分析ꎬ也可基于区域多站点数据开展区域特征雷达图分析.该方法在时间序列上可以判断出偏沙尘污染型㊁偏燃煤污染型㊁偏二次颗粒物污染型㊁偏机动车污染型㊁偏烟花污染型等多个污染类型ꎻ在区域分布中可以判断出偏燃煤污染区㊁偏机动车污染区㊁偏钢铁污染区等多个区域类型.该方法除可应用于空气质量常规监测数据外ꎬ也可应用于其他组分数据如碳质组分㊁水溶性离子组分及元素组分等数据的分析.关键词:污染特征ꎻ时空变化ꎻ空气污染ꎻ来源解析ꎻ成因分析中图分类号:Ｘ５１３㊀㊀㊀㊀㊀文章编号:１００１￣６９２９(２０１８)０８￣１３２９￣０８文献标志码:ＡＤＯＩ:１０ １３１９８∕ｊ ｉｓｓｎ １００１￣６９２９ ２０１８ ０６ １２ＤｅｓｉｇｎｏｆＣｈａｒａｃｔｅｒｉｓｔｉｃＲａｄａｒＣｈａｒｔａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｉｎＡｉｒＰｏｌｌｕｔｉｏｎＡｎａｌｙｓｉｓＤＵＡＮＪｉｎｇｃｈｕｎ１ꎬ２ꎬＨＵＪｉｎｇｎａｎ１ꎬ２∗ꎬＴＡＮＪｉｈｕａ３ꎬＣＨＥＮＨｏｎｇ４１.ＣｈｉｎｅｓｅＲｅｓｅａｒｃｈＡｃａｄｅｍｙｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬＢｅｉｊｉｎｇ１０００１２ꎬＣｈｉｎａ２.ＮａｔｉｏｎａｌＪｏｉｎｔＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＴａｃｋｌｉｎｇＫｅｙＰｒｏｂｌｅｍｓｉｎＡｉｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌꎬＢｅｉｊｉｎｇ１０００１２ꎬＣｈｉｎａ３.ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓꎬＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔꎬＢｅｉｊｉｎｇ１０００４９ꎬＣｈｉｎａ４.ＧｕａｎｇｚｈｏｕＨｏｎｇｔａｉＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｏ.ꎬＬｔｄ.ꎬＧｕａｎｇｚｈｏｕ５１０６２３ꎬＣｈｉｎａＡｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｍａｋｅｂｅｔｔｅｒｕｓｅｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｍｏｎｉｔｏｒｉｎｇｄａｔａｆｏｒｐｏｌｌｕｔｉｏｎｃａｕｓｅａｎａｌｙｓｉｓꎬａｍａｔｈｅｍａｔｉｃａｌａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄꎬｗｈｉｃｈｃｒｅａｔｅｓｔｈｅｐｅｒｃｅｎｔａｇｅｓｐｅｃｔｒｕｍｏｆｍｕｌｔｉｐｌｅｐｏｌｌｕｔａｎｔｓꎻｔｈｉｓｉｓｔｈｅｎｄｉｖｉｄｅｄｂｙｔｈｅａｖｅｒａｇｅｐｅｒｃｅｎｔａｇｅｓｐｅｃｔｒｕｍｏｖｅｒａｇｉｖｅｎｐｅｒｉｏｄ(ｏｒｒｅｇｉｏｎ)ｔｏｏｂｔａｉｎｔｈｅｓｔａｎｄａｒｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｐｅｃｔｒｕｍꎬｓｏａｓｔｏｅｌｉｍｉｎａｔｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｃｏｎｃｅｎｔｒａｔｉｏｎａｎｄｃｏｎｃｅｎｔｒａｔｉｏｎｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｐｏｌｌｕｔａｎｔｓ.Ｂｙｔｈｅｄｅｓｉｇｎｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔꎬｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｉｒｐｏｌｌｕｔｉｏｎａｒｅｄｉｓｐｌａｙｅｄｉｎｔｕｉｔｉｖｅｌｙａｎｄｑｕｉｃｋｌｙ.Ｉｔｐｒｏｖｉｄｅｓｃｏｎｖｅｎｉｅｎｃｅｆｏｒｅｎｖｉｒｏｎｍｅｎｔａｌｍａｎａｇｅｍｅｎｔｄｅｐａｒｔｍｅｎｔｓｔｏｍａｋｅｄｙｎａｍｉｃｄｅｃｉｓｉｏｎｓｂｙｕｓｉｎｇａｉｒｑｕａｌｉｔｙｒｏｕｔｉｎｅｍｏｎｉｔｏｒｉｎｇｄａｔａ.Ｔｈｉｓｍｅｔｈｏｄｃａｎｍａｋｅｕｓｅｏｆｓｉｎｇｌｅｐｏｉｎｔｈｉｓｔｏｒｉｃａｌｄａｔａｔｏｃｏｎｓｔｒｕｃｔｈｉｓｔｏｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔꎬａｎｄｃａｎａｌｓｏｃａｒｒｙｏｕｔｒｅｇｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｓｂａｓｅｄｏｎｒｅｇｉｏｎａｌｍｕｌｔｉ￣ｓｉｔｅｄａｔａ.Ａｔｐｒｅｓｅｎｔꎬｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｈａｓｓｕｃｃｅｓｓｆｕｌｌｙｉｄｅｎｔｉｆｉｅｄｔｈｅｔｙｐｅｓｏｆｓａｎｄｄｕｓｔꎬｃｏａｌｃｏｍｂｕｓｔｉｏｎꎬｓｅｃｏｎｄａｒｙａｅｒｏｓｏｌꎬｖｅｈｉｃｌｅｅｍｉｓｓｉｏｎｓａｎｄｆｉｒｅｗｏｒｋｅｍｉｓｓｉｏｎｓｂｙｕｓｅｏｆｈｉｓｔｏｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔꎻａｎｄｔｈｅｚｏｎｅｔｙｐｅｓｏｆｃｏａｌｃｏｍｂｕｓｔｉｏｎꎬｖｅｈｉｃｌｅｅｍｉｓｓｉｏｎｓꎬｉｒｏｎａｎｄｓｔｅｅｌｐｏｌｌｕｔｉｏｎｅｔｃ.ｔｈｒｏｕｇｈｒｅｇｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔ.Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｃａｎａｌｓｏｂｅａｐｐｌｉｅｄｉｎｔｈｅａｎａｌｙｓｉｓｏｆｏｔｈｅｒｃｏｍｐｏｎｅｎｔｄａｔａꎬｓｕｃｈａｓｃａｒｂｏｎｃｏｍｐｏｎｅｎｔｓꎬｗａｔｅｒ￣ｓｏｌｕｂｌｅｉｏｎｓａｎｄｅｌｅｍｅｎｔｓ.Ｋｅｙｗｏｒｄｓ:ｐｏｌｌｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓꎻｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｖａｒｉａｔｉｏｎꎻａｉｒｐｏｌｌｕｔｉｏｎꎻｓｏｕｒｃｅａｐｐｏｒｔｉｏｎｍｅｎｔꎻｐｏｌｌｕｔｉｏｎａｎａｌｙｓｉｓ㊀㊀㊀环㊀境㊀科㊀学㊀研㊀究第３１卷㊀㊀自２０１３年以来ꎬ按照ＧＢ３０９５ ２０１２«环境空气质量标准»要求ꎬ我国环境空气质量常规监测指标从３项扩展到了６项[１].常规监测数据具有站点多㊁分布广㊁实时发布㊁数据质量高等优点ꎬ这为利用这些数据深入开展污染特征和成因分析提供了便利[２￣４].现有的分析技术多是利用浓度变化或简单的比值法分析大气污染特征ꎬ由于污染物浓度变化和不同污染物的浓度值在数值上存在数量级的变化[５]ꎬ导致直接利用这些数据进行分析时微小的特征变化被掩盖于巨大的浓度变化的背景之下ꎬ无法分辨污染特征在时间序列或空间上的差异性.在此背景下ꎬ该研究利用数学算法ꎬ全面而充分地利用现有常规环境监测站点产生的大数据ꎬ快速分离㊁挖掘和展示大气污染在时间序列和空间上发生的变化特征ꎬ为管理决策提供便利ꎬ具有非常重要的意义[６￣９].该研究总结多年来在环境空气质量监测数据分析过程中积累的经验ꎬ设计数学算法ꎬ通过对常规监测数据进行归一化处理ꎬ扣除污染物浓度变化和不同污染物的浓度值在数值上存在数量级的差异ꎬ并通过设计特征雷达图的方式直接表现大气污染在时间序列或空间上发生的变化特征ꎬ为利用空气质量常规监测数据实时动态指导环境管理部门进行决策提供便利.该方法既可利用单点历史数据开展历史特征雷达图分析ꎬ也可基于区域多点数据开展区域特征雷达图分析ꎬ目前该方法已成功在时间序列上明确判断出偏沙尘污染型㊁偏燃煤污染型㊁偏二次颗粒物污染型㊁偏机动车污染型㊁偏烟花污染型等多个污染类型ꎻ在区域空间分布中判断出偏燃煤污染区㊁偏机动车污染区㊁偏钢铁污染区等多个区域类型.该方法除可应用于空气质量常规监测数据外ꎬ在保证数据样本量的前提下ꎬ也可应用于其他组分数据如碳质组分㊁水溶性离子组分及元素组分等数据的分析.１㊀特征雷达图的设计１ １㊀设计思路环境空气质量监测数据中污染物的浓度波动较大ꎬ常常跨若干个数量级[１０]ꎬ以ＰＭ２ ５为例ꎬ空气质量较好时仅数μｇ∕ｍ３ꎬ但空气质量较差时可达几百μｇ∕ｍ３ꎻ不同污染物的质量浓度差异也较大ꎬ如ＳＯ２质量浓度仅数μｇ∕ｍ３时ꎬＣＯ质量浓度可达几千μｇ∕ｍ３.通常这些数据通过绘制浓度曲线图的方式来进行特征描述[１１￣１２]ꎬ这使低浓度污染物的变化被高浓度污染物的变化所掩盖ꎬ不利于对污染物的总体特征进行研究.为了扣除浓度差异对污染特征的影响ꎬ有些研究者利用比值法进行污染物特征研究[１３]ꎬ这种方法对于两两污染物种的对比较为方便有效ꎬ但对于更多的污染物种来说ꎬ则难以直观和快速地进行特征分析.为了更好地进行多种污染物的特征分析ꎬ可以通过以下数据前处理得以实现:①对多种污染物进行百分比成分谱化ꎬ这样可以扣除污染物浓度波动对污染特征表现形式的影响ꎻ②将百分比化的成分谱除以一定时期(或一定区域)的平均百分比化成分谱得到标准化特征谱ꎬ这样可以扣除不同污染物间成分谱占比差异对污染特征表现形式的影响ꎻ③将特定时间或站点的标准化特征谱与一定时期(或一定区域)的平均百分比化成分谱(包括标准偏差)共同绘制在雷达图上ꎬ这样可以直观快速地突显特定时间或站点多种污染物的特征与一定时期(或一定区域)平均污染物特征之间的差异ꎬ从而为污染特征分析和成因分析提供直观快速和便利的手段.１ ２㊀数据前处理算法根据以上设计思路ꎬ数据前处理计算方法包括以下３个步骤:步骤一:特定时间或站点的归一化成分谱.Ｚｉｊ＝ｃｉｊ∕ðｎｊ＝１ｃｉｊ(１)式中:Ｚｉｊ为ｉ时间(或ｉ站点)第ｊ种污染物归一化成分谱ꎻｃｉｊ为ｉ时间(或ｉ站点)第ｊ种污染物原始质量浓度ꎬμｇ∕ｍ３.步骤二:特定时间或站点污染物特征值.该特征值为该特定时间或特定站点的归一化成分谱与一定时期或一定区域归一化成分谱均值的比值ꎬ其计算公式为ＣＶｉｊ＝Ｚｉｊ∕Ｚｊ(２)式中ꎬＣＶｉｊ为ｉ时间(或ｉ站点)第ｊ种污染物的特征值ꎬＺｊ为一定时期或一定区域第ｊ种污染物的均一化值的平均值ꎬＺｉｊ为ｉ时间(或ｉ站点)第ｊ种污染物归一化值.步骤三:一定时期(或一定区域)污染物特征标准值及上(下)限值.标准值为一定时期或一定区域平均污染特征成分谱与该平均污染特征成分谱的比值ꎬ数值为１.上限为一定时期或一定区域平均污染特征成分谱的均值加上其标准差与该污染特征成分谱的均值的比值ꎬ数值大于１ꎬ其计算公式为Ｍａｘｊ＝(Ｚｊ＋Ｓｊ)∕Ｚｊ(３)㊀㊀下限为一定时期或一定区域平均污染特征成分谱的均值减去其标准差与该污染特征成分谱的均值的比值ꎬ数值小于１ꎬ其计算公式为０３３１第８期段菁春等:特征雷达图的设计及其在大气污染成因分析中的应用㊀㊀㊀Ｍｉｎｊ＝(Ｚｊ－Ｓｊ)∕Ｚｊ(４)式中ꎬＭａｘｊ为第ｊ种污染物的上限ꎬＭｉｎｊ为第ｊ种污染物的下限ꎬＳｊ为第ｊ种污染物的标准偏差.１ ３㊀特征雷达图的绘制根据实际研究案例ꎬ以ＳＯ２㊁ＮＯ２㊁ＣＯ㊁ＰＭ２ ５㊁粗颗粒(ＰＭ２ ５￣１０)为污染因子ꎬ将式(２)~(４)所获得的ＣＶｉｊ㊁标准值㊁Ｍａｘｊ㊁Ｍｉｎｊ绘制在特征雷达图上(见图１).利用一定历史时期的数据进行绘制的称为历史特征雷达图ꎬ利用一定区域的数据进行绘制的称为区域特征雷达图.特征雷达图包括４根呈五边形的线.线条１呈正五边形ꎬ为一定时期(或一定区域)污染物特征标准值ꎬ为无量纲数ꎬ数值为１ꎻ线条２呈不特定的五边形ꎬ为一定时期(或一定区域)污染物特征上限值ꎬ为无量纲数ꎬ数值大于１(Ｍａｘｊ)ꎻ线条３呈不特定的五边形ꎬ为一定时期(或一定区域)污染物特征下限值ꎬ为无量纲数ꎬ数值小于１(Ｍｉｎｊ)ꎻ线条４呈不特定的五边形ꎬ为特定时间或站点污染物特征值(ＣＶｉｊ).１ ４㊀特征雷达图的识别如图１所示ꎬ当特定时间或站点污染物特征值(线条４)处于污染物特征值上下限之间时(线条２㊁线条图２㊀特征雷达图主要类型(示例)Ｆｉｇ ２Ｔｙｐｅｓｏｆｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔ(ｅｘａｍｐｌｅ)３)ꎬ可认为污染特征未发生明显变化ꎻ当特定时间或站点污染物特征值(线条４)中一个或多个污染因子超出污染物特征值上下限时(线条２㊁线条３)ꎬ可认为污染特征与历史平均或区域平均相比发生了显著变化.根据实际经验ꎬ５种污染因子(ＳＯ２㊁ＮＯ２㊁ＣＯ㊁ＰＭ２ ５㊁粗颗粒)中ＳＯ２㊁ＮＯ２㊁ＣＯ和粗颗粒主要来自于一次来源[１４￣１５]ꎬＰＭ２ ５既有一次来源也有二次来源[１６].其中ꎬＳＯ２主要来自燃煤ꎬ也会来自于钢铁等工业过图１㊀特征雷达图(示例)Ｆｉｇ １Ｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔ(ｅｘａｍｐｌｅ)程[１７]ꎻＮＯ２主要来自燃煤㊁工业过程(焦化㊁玻璃等)㊁机动车[１８￣２０]ꎻＣＯ主要来自于燃煤㊁机动车㊁钢铁及生物质等的不完全燃烧[２１￣２２]ꎻ粗颗粒主要来自于扬尘[２３￣２４].依据特定时间或站点污染物特征值(线条４)的不同组合ꎬ可以判断环境空气质量特征受哪些源或机制影响(见图２)ꎬ为大气污染成因分析提供技术支撑.各污染因子特征值均未超出污染物特征值上下限ꎬ表明污染特征与历史平均或区域平均未发生显著变化 见图２(ａ) ꎻ只有ＰＭ２ ５特征值超出上限ꎬ表明污染特征受二次颗粒物生成影响显著 见图２(ｂ) ꎻ只有粗颗粒特征值明显超出上限ꎬ表明污染特征受沙尘过程影响 见图２(ｃ) ꎻＰＭ２ ５和ＳＯ２特征值明显超出上限ꎬ根据具体情况(春节期间)表明污染特征受烟花燃放过程影响[２５] 见图２(ｄ) ꎻＳＯ２㊁ＮＯ２和ＣＯ特征值超出上限ꎬ表明污染特征受工业排放(钢铁)１３３１㊀㊀㊀环㊀境㊀科㊀学㊀研㊀究第３１卷过程影响[２５￣２６] 见图２(ｅ) ꎻＮＯ２和ＣＯ特征值超出上限ꎬ表明污染特征受机动车影响显著[２７] 见图２(ｆ) ꎻ粗颗粒特征值超出上限ꎬ表明污染特征受扬尘影响显著 见图２(ｇ) ꎻＳＯ２特征值明显超出上限ꎬ表明污染特征受燃煤排放影响 见图２(ｈ) .图２所示仅为示例ꎬ具体判断还应根据实际情况来综合判断.２㊀特征雷达图的应用案例２ １㊀历史特征雷达图应用案例２ １ １㊀偏二次型重污染过程向偏沙尘型重污染过程转换案例２０１８年３月３１日 ４月２日京津冀及周边地区经历了一次中度至重度污染过程后ꎬ历史特征雷达图显示明显的偏二次型特征(ＰＭ２ ５特征值超出上限)ꎻ４月３日００:００以后ꎬ污染特征发生了明显变化ꎬ历史特征雷达图显示出明显的偏沙尘型特征(粗颗粒特征值明显超出上限)(见图３).２ １ ２㊀偏烟花型重污染向偏二次型重污染转换案例衡水市在２０１８年２月１６日(大年初一)历史特征雷达图呈现典型的偏烟花型污染特征(ＰＭ２ ５和ＳＯ２特征值超出上限)ꎻ随后(初二至初四)ꎬ历史特征雷达图显示高ＰＭ２ ５特征值的同时ꎬＳＯ２特征值逐渐下降ꎬＣＯ特征值则有所升高(见图４)ꎬ表明烟花污染影响在初二以后逐渐下降.２月１９日ꎬ衡水市历史特征雷达图已转为偏二次型(ＰＭ２ ５特征值超出上限).图３㊀北京市２０１８年４月２日０８:００ ３日０９:００的历史特征雷达图Ｆｉｇ ３ＨｉｓｔｏｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｉｎＢｅｉｊｉｎｇＣｉｔｙｆｒｏｍ０８:００ｏｎ２ｎｄｔｏ０９:００ｏｎ３ｒｄＡｐｒｉｌꎬ２０１８２ １ ３㊀从清洁期到重污染的转换案例２０１７年９月６ １１日北京市环境空气质量经历了一次从清洁期到重污染的转换ꎬ历史特征雷达图(见图５)显示ꎬ２０１７年９月６日为偏扬尘型污染(粗颗粒特征值超出上限)ꎬ随后随着污染程度的加重ꎬ２０１７年９月８日转变为偏二次型污染(ＰＭ２ ５特征值超出上限).２ ２㊀区域特征雷达图应用案例２０１８年３月１２日ꎬ京津冀及周边地区 ２＋２６ 城市发生重污染过程ꎬ为分析各城市间的污染特征差异和进一步研究污染来源及成因ꎬ利用 ２＋２６ 城市环境空气质量常规监测数据进行区域特征雷达图分析ꎬ并划分出以下６种类型(见图６㊁７).偏综合型:无明显超出上限的污染物.表明各污染物特征值变化趋势与区域平均特征相同ꎬ是区域污染物积累和混合的结果ꎬ偏综合型主要集中在区域中部污染物汇集地区ꎬ典型城市如石家庄市和新乡市.偏二次型:ＰＭ２ ５特征值偏高或超出上限.ＰＭ２ ５既来自于一次排放ꎬ也会来自于二次生成.ＰＭ２ ５一次排放的同时ꎬ一般也会伴随其他污染物的排放ꎬ因此ＰＭ２ ５特征值单独偏高或超出上限表明该城市二次颗粒物生成相对偏高.偏机动车型:ＮＯ２和ＣＯ特征值偏高或超出上限.ＮＯ２和ＣＯ的污染组合是机动车排放的主要特征ꎬ因此ＮＯ２和ＣＯ特征值同时偏高或超出上限表明该城市与区域平均特征相比机动车污染偏高ꎻ偏机动车型２３３１第８期段菁春等:特征雷达图的设计及其在大气污染成因分析中的应用㊀㊀㊀图４㊀衡水市２０１８年２月１６ ２０日期间ＰＭ２ ５质量浓度和历史特征雷达图Ｆｉｇ ４ＣｏｎｃｅｎｔｒａｔｉｏｎｏｆＰＭ２ ５ａｎｄｈｉｓｔｏｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｉｎＨｅｎｇｓｈｕｉＣｉｔｙｆｒｏｍ１６ｔｈｔｏ２０ｔｈＦｅｂｒｕａｒｙꎬｉｎ２０１８图５㊀北京市２０１７年９月６ １１日一次重污染过程历史特征雷达图Ｆｉｇ ５ＨｉｓｔｏｒｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｉｎＢｅｉｊｉｎｇＣｉｔｙｄｕｒｉｎｇａｈｅａｖｙｐｏｌｌｕｔｉｏｎｅｐｉｓｏｄｅｆｒｏｍ６ｔｈｔｏ１１ｔｈＳｅｐｔｅｍｂｅｒꎬ２０１７城市主要集中在区域北部北京市㊁天津市和沧州市等机动车保有量高ꎬ物流较发达的城市.偏燃煤型:ＳＯ２特征值偏高或超出上限.ＳＯ２主要来源于燃煤排放ꎬＳＯ２特征值偏高或超出上限表明该城市燃煤污染明显高于区域平均值ꎻ偏燃煤型城市包括太原市㊁阳泉市㊁晋城市和淄博市ꎬ这些城市均为区域主要的产煤城市.偏粗颗粒型:粗颗粒特征值偏高或超出上限.粗颗粒(ＰＭ２ ５￣１０)是ＰＭ１０中扣除ＰＭ２ ５的部分ꎬ主要来自于沙尘㊁土壤和扬尘.粗颗粒特征值偏高或超出上限指示该城市扬尘等污染源的占比高于区域平均水平ꎻ偏粗颗粒型城市主要集中在区域东南部菏泽市㊁济宁市等城市.其他类型:包括更复杂的组合.以该案例来说ꎬ唐山市是我国重要的钢铁生产基地ꎬＳＯ２㊁ＮＯ２和ＣＯ特征值偏高或超出上限可能指示该城市明显的钢铁污染排放特征[２８]ꎻ滨州市ＳＯ２㊁ＮＯ２和ＰＭ２ ５特征值偏高或超出上限可能是特定工业排放的结果ꎬ需进一步根据当地实际产业状况进行研究.以上研究表明ꎬ区域特征雷达图能够利用环境空气质量常规监测数据发现和定性不同城市间污染特征存在的差异性变化ꎬ从而为污染特征和成因分析提供直观㊁实时和便利的手段.３３３１㊀㊀㊀环㊀境㊀科㊀学㊀研㊀究第３１卷图６㊀ ２＋２６ 城市重污染过程期间区域特征雷达图Ｆｉｇ ６Ｒｅｇｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｉｎ ２＋２６ ｃｉｔｉｅｓｄｕｒｉｎｇａｈｅａｖｙｐｏｌｌｕｔｉｏｎｅｐｉｓｏｄｅ图７㊀重污染过程期间基于区域特征雷达图２＋２６ 城市不同污染类型分布Ｆｉｇ ７Ｐｏｌｌｕｔｉｏｎｔｙｐｅｓｂａｓｅｄｏｎｒｅｇｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｒａｄａｒｃｈａｒｔｉｎ ２＋２６ ｃｉｔｉｅｓｄｕｒｉｎｇａｈｅａｖｙｐｏｌｌｕｔｉｏｎｅｐｉｓｏｄｅ３㊀结论ａ)利用数学算法ꎬ消除污染物浓度变化的影响以及不同污染物间浓度值巨大差异的影响ꎬ通过设计特征雷达图的方式可以直观和快速地展现大气污染特征在时间序列和空间上发生的变化.ｂ)特征雷达图可分为历史特征雷达图和区域特征雷达图:历史特征雷达图能够表现不同时间点污染特征与一定时期平均污染特征间的相对变化ꎬ区域特征雷达图能够表现不同站点与区域平均污染特征间的相对变化.ｃ)案例研究表明ꎬ特征雷达图能够在过程中或区域不同站点间明确划分出标准型㊁偏二次型㊁偏沙尘型㊁偏烟花型㊁偏钢铁型㊁偏机动车型㊁偏扬尘型㊁偏燃煤型等多种污染特征类型.ｄ)案例分析表明ꎬ特征雷达图能够直观和快速地展现多种污染类型间的转变过程ꎬ从而为污染特征和成因分析提供直观㊁实时和便利的手段.４３３１第８期段菁春等:特征雷达图的设计及其在大气污染成因分析中的应用㊀㊀㊀致谢:感谢广州宏泰环保科技有限公司和北京思路创新科技有限公司在批量化数据处理和程序化制图方面为该研究提供的帮助.参考文献(Ｒｅｆｅｒｅｎｃｅｓ):[１]㊀史宇ꎬ王宁ꎬ杨丽阎.环境空气质量新标准对 十二五 目标完成的影响[Ｊ].环境保护科学ꎬ２０１７ꎬ４３(１):２６￣２９.ＳＨＩＹｕꎬＷＡＮＧＮｉｎｇꎬＹＡＮＧＬｉｙａｎ.ＡｎａｌｙｓｉｓｏｆｔｈｅｉｎｆｌｕｅｎｃｅｓｏｆｔｈｅＮｅｗＡｍｂｉｅｎｔＡｉｒＱｕａｌｉｔｙＳｔａｎｄａｒｄｏｎｃｏｍｐｌｅｔｉｏｎｏｆｔｈｅ１２ｔｈ￣ｆｉｖｅ￣ｙｅａｒＰｌａｎｔａｒｇｅｔｓ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎＳｃｉｅｎｃｅꎬ２０１７ꎬ４３(１):２６￣２９.[２]㊀黄晓虎ꎬ韩秀秀ꎬ李帅东ꎬ等.城市主要大气污染物时空分布特征及其相关性[Ｊ].环境科学研究ꎬ２０１７ꎬ３０(７):１００１￣１０１１.ＨＵＡＮＧＸｉａｏｈｕꎬＨＡＮＸｉｕｘｉｕꎬＬＩＳｈｕａｉｄｏｎｇꎬｅｔａｌ.ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎｓａｎｄｒｅｌａｔｉｏｎｓｈｉｐｓｏｆｍａｊｏｒａｉｒｐｏｌｌｕｔａｎｔｓｉｎＣｈｉｎｅｓｅｃｉｔｉｅｓ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１７ꎬ３０(７):１００１￣１０１１.[３]㊀程念亮ꎬ李云婷ꎬ张大伟ꎬ等 ２０１４年１０月北京市４次典型空气重污染过程成因分析[Ｊ].环境科学研究ꎬ２０１５ꎬ２８(２):１６３￣１７０.ＣＨＥＮＧＮｉａｎｌｉａｎｇꎬＬＩＹｕｎｔｉｎｇꎬＺＨＡＮＧＤａｗｅｉꎬｅｔａｌ.ＡｎａｌｙｓｉｓａｂｏｕｔｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｆｏｒｍａｔｉｏｎｍｅｃｈａｎｉｓｍｓｏｆｓｅｒｉｏｕｓｐｏｌｌｕｔｉｏｎｅｖｅｎｔｓｉｎＯｃｔｏｂｅｒ２０１４ｉｎＢｅｉｊｉｎｇ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１５ꎬ２８(２):１６３￣１７０.[４]㊀刘建国ꎬ谢品华ꎬ王跃思ꎬ等.ＡＰＥＣ前后京津冀区域灰霾观测及控制措施评估[Ｊ].中国科学院院刊ꎬ２０１５ꎬ３０(３):３６８￣３７７.ＬＩＵＪｉａｎｇｕｏꎬＸＩＥＰｉｎｈｕａꎬＷＡＮＧＹｕｅｓｉꎬｅｔａｌ.ＨａｚｅｏｂｓｅｒｖａｔｉｏｎａｎｄｃｏｎｔｒｏｌｍｅａｓｕｒｅｅｖａｌｕａｔｉｏｎｉｎＪｉｎｇ￣Ｊｉｎ￣Ｊｉ(ＢｅｉｊｉｎｇꎬＴｉａｎｊｉｎꎬＨｅｂｅｉ)ａｒｅａｄｕｒｉｎｇｔｈｅｐｅｒｉｏｄｏｆｔｈｅＡｓｉａ￣ＰａｃｉｆｉｃＥｃｏｎｏｍｉｃＣｏｏｐｅｒａｔｉｏｎ(ＡＰＥＣ)ｍｅｅｔｉｎｇ[Ｊ].ＢｕｌｌｅｔｉｎｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅꎬ２０１５ꎬ３０(３):３６８￣３７７.[５]㊀段菁春ꎬ谭吉华ꎬ盛国英ꎬ等.广州灰霾期间颗粒态ＰＡＨｓ的污染特征及来源[Ｊ].环境科学ꎬ２００９ꎬ３０(６):１５７４￣１５７９.ＤＵＡＮＪｉｎｇｃｈｕｎꎬＴＡＮＪｉｈｕａꎬＳＨＥＮＧＧｕｏｉｎｇꎬｅｔａｌ.Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｓｏｕｒｃｅｓｏｆｐａｒｔｉｃｕｌａｔｅｐｏｌｙｃｙｃｌｉｃａｒｏｍａｔｉｃｈｙｄｒｏｃａｒｂｏｎｓ(ＰＡＨｓ)ｄｕｒｉｎｇｈａｚｅｐｅｒｉｏｄｉｎＧｕａｎｇｚｈｏｕ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅꎬ２００９ꎬ３０(６):１５７４￣１５７９.[６]㊀李蔚ꎬ胡昊ꎬ徐富春ꎬ等.大数据解析技术在大气环境监测中的应用研究[Ｊ].中国环境监测ꎬ２０１５ꎬ３１(３):１１８￣１２２.ＬＩＷｅｉꎬＨＵＨａｏꎬＸＵＦｕｃｈｕｎꎬｅｔａｌ.Ｓｔｕｄｉｅｓｏｎｂｉｇｄａｔａａｎａｌｙｓｉｓｔｅｃｈｎｏｌｏｇｙｕｓｅｄｉｎｅｎｖｉｒｏｎｍｅｎｔａｌｓｃｉｅｎｃｅｓ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇｉｎＣｈｉｎａꎬ２０１５ꎬ３１(３):１１８￣１２２.[７]㊀ＳＯＮＧＭａｌｉｎꎬＣＥＮＬｉｎｇꎬＺＨＥＮＧＺｈｉｘｉａꎬｅｔａｌ.Ｈｏｗｗｏｕｌｄｂｉｇｄａｔａｓｕｐｐｏｒｔｓｏｃｉｅｔａｌｄｅｖｅｌｏｐｍｅｎｔａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｓｕｓｔａｉｎａｂｉｌｉｔｙ?ｉｎｓｉｇｈｔｓａｎｄｐｒａｃｔｉｃｅｓ[Ｊ].ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎꎬ２０１７ꎬ１４２:４８９￣５００.[８]㊀王博妮ꎬ濮梅娟ꎬ陈鹏ꎬ等.南京城区冬季大气污染特征.环境科学研究ꎬ２０１７ꎬ３０(９):１３３５￣１３４５.ＷＡＮＧＢｏｎｉꎬＰＵＭｅｉｊｕａｎꎬＣＨＥＮＰｅｎｇꎬｅｔａｌ.ＣｈａｒａｃｔｅｒｉｓｔｉｃａｎａｌｙｓｉｓｏｆａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔａｎｔｓｉｎＮａｎｊｉｎｇｕｒｂａｎａｒｅａｉｎｗｉｎｔｅｒ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１７ꎬ３０(９):１３３５￣１３４５.[９]㊀王春迎ꎬ潘本峰ꎬ吴修祥ꎬ等.基于大数据分析的大气网格化监测质控技术研究[Ｊ].中国环境监测ꎬ２０１６ꎬ３２(６):１￣６.ＷＡＮＧＣｈｕｎｙｉｎｇꎬＰＡＮＢｅｎｆｅｎｇꎬＷＵＸｉｕｘｉａｎｇꎬｅｔａｌ.Ｒｅｓｅａｒｃｈｏｎｑｕａｌｉｔｙｃｏｎｔｒｏｌｏｆａｔｍｏｓｐｈｅｒｉｃｇｒｉｄｍｏｎｉｔｏｒｉｎｇｂａｓｅｄｏｎｌａｒｇｅｄａｔａａｎａｌｙｓｉｓ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇｉｎＣｈｉｎａꎬ２０１６ꎬ３２(６):１￣６. [１０]㊀沈敏霞ꎬ曹军骥ꎬ张宁宁ꎬ等.西安市道路ＰＭ２ ５ＮＯ２ＣＯ水平浓度分布特征[Ｊ].环境科学研究ꎬ２０１７ꎬ３０(１):１３０￣１３６.ＳＨＥＮＭｉｎｘｉａꎬＣＡＯＪｕｎｊｉꎬＺＨＡＮＧＮｉｎｇｎｉｎｇꎬｅｔａｌ.ＨｏｒｉｚｏｎｔａｌｃｏｎｃｅｎｔｒａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＰＭ２ ５ꎬＮＯ２ａｎｄＣＯｏｎＸｉᶄａｎｒｏａｄｓ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１７ꎬ３０(１):１３０￣１３６.[１１]㊀陈朝晖ꎬ程水源ꎬ苏福庆ꎬ等.华北区域大气污染过程中天气型和输送路径分析[Ｊ].环境科学研究ꎬ２００８ꎬ２１(１):１７￣２１.ＣＨＥＮＺｈａｏｈｕｉꎬＣＨＥＮＧＳｈｕｉｙｕａｎꎬＳＵＦｕｑｉｎｇꎬｅｔａｌ.ＡｎａｌｙｓｉｓｏｆｓｙｎｏｐｔｉｃｐａｔｔｅｒｎｓａｎｄｔｒａｎｓｐｏｒｔｓｄｕｒｉｎｇｒｅｇｉｏｎａｌａｔｍｏｓｐｈｅｒｉｃｐｏｌｌｕｔｉｏｎｐｒｏｃｅｓｓｉｎＮｏｒｔｈＣｈｉｎａ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２００８ꎬ２１(１):１７￣２１.[１２]㊀高庆先ꎬ李亮ꎬ马占云ꎬ等 ２０１３ ２０１６年天气形势对北京秋季空气重污染过程的影响[Ｊ].环境科学研究ꎬ２０１７ꎬ３０(２):１７３￣１８３.ＧＡＯＱｉｎｇｘｉａｎꎬＬＩＬｉａｎｇꎬＭＡＺｈａｎｙｕｎꎬｅｔａｌ.ＴｈｅｉｍｐａｃｔｓｏｆｓｙｎｏｐｔｉｃｓｉｔｕａｔｉｏｎｏｎｈｅａｖｙｐｏｌｌｕｔｉｏｎｐｒｏｃｅｓｓｉｎａｕｔｕｍｎｉｎＢｅｉｊｉｎｇｄｕｒｉｎｇ２０１３￣２０１６[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１７ꎬ３０(２):１７３￣１８３.[１３]㊀李英红ꎬ饶志国ꎬ谭吉华ꎬ等.兰州大气细颗粒物中多环芳烃污染特征及来源分析[Ｊ].环境科学ꎬ２０１６ꎬ３７(７):２４２８￣２４３５.ＬＩＹｉｎｇｈｏｎｇꎬＲＡＯＺｈｉｇｕｏꎬＴＡＮＪｉｈｕａꎬｅｔａｌ.ＰｏｌｌｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗａｔｅｒｓｏｌｕｂｌｅｉｏｎｓｉｎａｔｍｏｓｐｈｅｒｉｃｆｉｎｅｐａｒｔｉｃｌｅｓｉｎＬａｎｚｈｏｕ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＣｈｅｍｉｓｔｒｙꎬ２０１６ꎬ３５(９):１７９９￣１８０７. [１４]㊀何涛ꎬ彭燕ꎬ乔利平ꎬ等.常州市冬季大气污染特征及潜在源区分析[Ｊ].环境科学研究ꎬ２０１８ꎬ３１(３):４８７￣４９５.ＨＥＴａｏꎬＰＥＮＧＹａｎꎬＱＩＡＯＬｉｐｉｎｇꎬｅｔａｌ.ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｉｒｐｏｌｌｕｔｉｏｎａｎｄｐｏｔｅｎｔｉａｌｓｏｕｒｃｅｉｎｗｉｎｔｅｒｏｆＣｈａｎｇｚｈｏｕＣｉｔｙ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１８ꎬ３１(３):４８７￣４９５. [１５]㊀ＸＩＥＹａｎｇｙａｎｇꎬＺＨＡＯＢｉｎꎬＺＨＡＮＧＬｉｎꎬｅｔａｌ.ＳｐａｔｉｏｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎｓｏｆＰＭ２ ５ａｎｄＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｓｂｅｔｗｅｅｎ３１ＣｈｉｎｅｓｅｃｉｔｉｅｓａｎｄｔｈｅｉｒｒｅｌａｔｉｏｎｓｈｉｐｓｗｉｔｈＳＯ２ꎬＮＯ２ꎬＣＯａｎｄＯ３[Ｊ].Ｐａｒｔｉｃｕｏｌｏｇｙꎬ２０１５ꎬ２０:１４１￣１４９.[１６]㊀ＸＩＡＮＧＰｉｎｇꎬＺＨＯＵＸｕｅｍｉｎｇꎬＤＵＡＮＪｉｎｃｈｕｎꎬｅｔａｌ.Ｃｈｅｍｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗａｔｅｒ￣ｓｏｌｕｂｌｅｏｒｇａｎｉｃｃｏｍｐｏｕｎｄｓ(ＷＳＯＣ)ｉｎＰＭ２ ５ｉｎＢｅｉｊｉｎｇꎬＣｈｉｎａ:２０１１￣２０１２[Ｊ].ＡｔｍｏｓｐｈｅｒｉｃＲｅｓｅａｒｃｈꎬ２０１７ꎬ１８３:１０４￣１１２.[１７]㊀ＭＥＮＧＺｉｈｅｎｇꎬＷＡＮＧＣｈｅｎｙｅꎬＷＡＮＧＸｉｎｇｒｕｉꎬｅｔａｌ.ＳｉｍｕｌｔａｎｅｏｕｓｒｅｍｏｖａｌｏｆＳＯ２ａｎｄＮＯｘｆｒｏｍｃｏａｌ￣ｆｉｒｅｄｆｌｕｅｇａｓｕｓｉｎｇｓｔｅｅｌｓｌａｇｓｌｕｒｒｙ[Ｊ].Ｅｎｅｒｇｙ＆Ｆｕｅｌｓꎬ２０１８ꎬ３２(２):２０２８￣２０３６.[１８]㊀ＬＩＵＴｉｎｇｎａꎬＺＨＵＡＮＧＧｕｏｓｈｕｎꎬＨＵＡＮＧＫａｎꎬｅｔａｌ.Ａｔｙｐｉｃａｌｆｏｒｍａｔｉｏｎｍｅｃｈａｎｉｓｍｏｆｈｅａｖｙｈａｚｅ￣ｆｏｇｉｎｄｕｃｅｄｂｙｃｏａｌｃｏｍｂｕｓｔｉｏｎｉｎａｎｉｎｌａｎｄｃｉｔｙｉｎｎｏｒｔｈｗｅｓｔｅｒｎＣｈｉｎａ[Ｊ].Ａｅｒｏｓｏｌ＆ＡｉｒＱｕａｌｉｔｙＲｅｓｅａｒｃｈꎬ２０１７ꎬ１７(１):９８￣１０７.[１９]㊀ＴＡＮＪｉｈｕａꎬＤＵＡＮＪｉｎｇｃｈｕｎꎬＭＡＹｏｎｇｌｉａｎｇꎬｅｔａｌ.ＳｏｕｒｃｅｏｆａｔｍｏｓｐｈｅｒｉｃｈｅａｖｙｍｅｔａｌｓｉｎｗｉｎｔｅｒｉｎＦｏｓｈａｎꎬＣｈｉｎａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０１４ꎬ４９３:２６２￣２７０.[２０]㊀段菁春ꎬ柴发合ꎬ谭吉华ꎬ等.钢铁行业氮氧化物控制技术及对策[Ｊ].环境污染与防治ꎬ２０１３ꎬ３５(３):１００￣１０４.５３３１㊀㊀㊀环㊀境㊀科㊀学㊀研㊀究第３１卷ＤＵＡＮＪｉｎｇｃｈｕｎꎬＣＨＡＩＦａｈｅꎬＴＡＮＪＩｈｕａꎬｅｔａｌ.Ｃｏｎｔｒｏｌｔｅｃｈｎｏｌｏｇｉｅｓａｎｄｐｏｌｉｃｉｅｓｏｆｉｒｏｎａｎｄｓｔｅｅｌｉｎｄｕｓｔｒｙ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＰｏｌｌｕｔｉｏｎ＆Ｃｏｎｔｒｏｌꎬ２０１３ꎬ３５(３):１００￣１０４.[２１]㊀李宇飞ꎬ李振华ꎬ胡京南ꎬ等.轻型汽油车尾气ＰＭ２ ５的排放特征[Ｊ].环境科学研究ꎬ２０１６ꎬ２９(４):５０３￣５０８.ＬＩＹｕｆｅｉꎬＬＩＺｈｅｎｈｕａꎬＨＵＪｉｎｇｎａｎꎬｅｔａｌ.ＥｍｉｓｓｉｏｎｐｒｏｆｉｌｅｏｆｅｘｈａｕｓｔＰＭ２ ５ｆｒｏｍｌｉｇｈｔ￣ｄｕｔｙｇａｓｏｌｉｎｅｖｅｈｉｃｌｅｓ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１６ꎬ２９(４):５０３￣５０８.[２２]㊀栾孟孝ꎬ姬亚芹ꎬ王伟ꎬ等.鞍山市秋季大气ＰＭ２ ５中元素污染特征和来源分析[Ｊ].环境化学ꎬ２０１６ꎬ３５(１０):２１９７￣２２０３.ＬＵＡＮＭｅｎｇｘｉａｏꎬＪＩＹａｑｉｎꎬＷＡＮＧＷｅｉꎬｅｔａｌ.ＣｈａｒａｃｔｅｒｉｓｔｉｃａｎｄｓｏｕｒｃｅｓｏｆｔｈｅｐｏｌｌｕｔｅｄｅｌｅｍｅｎｔｓｉｎＰＭ２ ５ｄｕｒｉｎｇａｕｔｕｍｎｏｆＡｎｓｈａｎ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＣｈｅｍｉｓｔｒｙꎬ２０１６ꎬ３５(１０):２１９７￣２２０３. [２３]㊀ＴＡＮＪｉｈｕａꎬＺＨＡＮＧＬｅｉｍｉｎｇꎬＺＨＯＵＸｕｅｍｉｎｇꎬｅｔａｌ.ＣｈｅｍｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｓｏｕｒｃｅａｐｐｏｒｔｉｏｎｍｅｎｔｏｆＰＭ２ ５ｉｎＬａｎｚｈｏｕꎬＣｈｉｎａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０１７ꎬ６０１∕６０２:１７４３￣１７５２.[２４]㊀程萌田ꎬ金鑫ꎬ温天雪ꎬ等.天津市典型城区大气碳质颗粒物的粒径分布特征和来源[Ｊ].环境科学研究ꎬ２０１３ꎬ２６(２):１１５￣１２１.ＣＨＥＮＧＭｅｎｇｔｉａｎꎬＪＩＮＸｉｎꎬＷＥＮＴｉａｎｘｕｅꎬｅｔａｌ.ＳｉｚｅｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｓｏｕｒｃｅｓｏｆｃａｒｂｏｎａｃｅｏｕｓａｅｒｏｓｏｌｓｉｎｔｙｐｉｃａｌＴｉａｎｊｉｎＣｉｔｙꎬＣｈｉｎａ[Ｊ].ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１３ꎬ２６(２):１１５￣１２１.[２５]㊀唐乃超ꎬＣａｒｏｌｉｎａＳａｈｌｎꎬ李经纬.烟花燃放气对环境和健康影响与管理对策研究[Ｊ].环境科学与管理ꎬ２０１４ꎬ３９(２):１５９￣１６２.ＫＡＮＧＮａｉｃｈａｏꎬＣａｒｏｌｉｎａＳａｈｌｎꎬＬＩＪｉｎｇｗｅｉ.Ｓｔｕｄｙｏｎｅｎｖｉｒｏｎｍｅｎｔａｌ＆ｈｅａｌｔｈｉｍｐａｃｔｓａｎｄｍａｎａｇｅｍｅｎｔｃｏｕｎｔｅｒｍｅａｓｕｒｅｏｆｆｉｒｅｗｏｒｋｓｍｏｋｅ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＭａｎａｇｅｍｅｎｔꎬ２０１４ꎬ３９(２):１５９￣１６２.[２６]㊀董娅玮ꎬ李杨扬ꎬ杜涛ꎬ等 ２０１４ ２０１５年关中地区环境空气质量状况对比分析[Ｊ].环境工程技术学报ꎬ２０１６ꎬ６(６):５３２￣５３８.ＤＯＮＧＹａｗｅｉꎬＬＩＹａｎｇｙａｎｇꎬＤＵＴａｏꎬｅｔａｌ.Ｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆａｉｒｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙｄｕｒｉｎｇ２０１４￣２０１５ｉｎＧｕａｎｚｈｏｎｇＡｒｅａ[Ｊ].ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇＴｅｃｈｎｏｌｏｇｙꎬ２０１６ꎬ６(６):５３２￣５３８.[２７]㊀ＴＡＮＪｉｈｕａꎬＤＵＡＮＪｉｎｇｃｈｕｎꎬＣＨＡＩＦａｈｅꎬｅｔａｌ.Ｓｏｕｒｃｅａｐｐｏｒｔｉｏｎｍｅｎｔｏｆｓｉｚｅｓｅｇｒｅｇａｔｅｄｆｉｎｅ∕ｕｌｔｒａｆｉｎｅｐａｒｔｉｃｌｅｂｙＰＭＦｉｎＢｅｉｊｉｎｇ[Ｊ].ＡｔｍｏｓｐｈｅｒｉｃＲｅｓｅａｒｃｈꎬ２０１４ꎬ１３９(６):９０￣１００. [２８]㊀杨晓东ꎬ张玲ꎬ姜德旺ꎬ等.钢铁工业废气及ＰＭ２ ５排放特性与污染控制对策[Ｊ].工程研究￣跨学科视野中的工程ꎬ２０１３ꎬ５(３):２４０￣２５１.ＹＡＮＧＸｉａｏｄｏｎｇꎬＺＨＡＮＧＬｉｎｇꎬＪＩＡＮＧＤｅｗａｎｇꎬｅｔａｌ.Ｅｘｈａｕｓｔｇａｓｏｆｉｒｏｎ＆ｓｔｅｅｌｉｎｄｕｓｔｒｙａｎｄｅｍｉｓｓｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＰＭ２ ５ａｎｄｐｏｌｌｕｔｉｏｎｃｏｎｔｒｏｌｍｅａｓｕｒｅｓ[Ｊ].ＪｏｕｒｎａｌｏｆＥｎｇｉｎｅｅｒｉｎｇＳｔｕｄｉｅｓꎬ２０１３ꎬ５(３):２４０￣２５１.(责任编辑:周巧富)６３３１。
质量常用的统计分析方法
质量管理中常用的统计分析方法在西方，“统计”（statistics）一词是由“国家”（state)一词演化而来的。
它的意思是指收集和整理国情资料、信息的一种活动。
随着现代科学技术的飞速发展，统计方法得到了日益广泛和深入的应用，对人类认识和改造世界产生重大影响.质量管理中，无论何时、何处都会用到数理统计方法，而且这些统计方法所表达的观点对于质量管理的整个领域都有深刻的影响.那么统计方法是什么呢?—-所谓统计方法,是指有关收集、整理、分析和解释统计数据，并对其所反映的问题做出一定的结论的方法。
它的用途有以下几个方面:提供表示事物特征的数据（如平均值、方差、极差等）;比较两事物的差异；分析影响事物变化的因素（如因果图、分层法等)；分析事物之间的相关关系；研究取样和试验方法，确定合理的试验方案，发现质量问题,分析和掌握质量数据的分布状况和动态变化（如排列图、控制图等)；描述质量形成过程（如控制图等)。
在这里应当指出，统计方法是在质量管理中起到的是归纳、分析问题，显示事物的客观规律的作用,而不是具体解决质量问题的方法。
就像医生为病人诊断一样,体温表、血压计、X光透视机、心电图仪、B超仪、核磁共搌仪等仪表器具，只是帮助医生作出正确诊断的工具，其诊断并不等于治疗。
要想治病，还应当吃药打针等。
因此，统计方法也是在质量管理中探索质量症结所在，分析产生质量问题的原因,但要解决质量问题和提高产品质量还需依靠各专业技术和组织管理措施。
一、分层法分层（stratification）法又叫分类法、分组法。
它是按照一定的标志，把搜集到的大量有关某一特定主题的统计数据加以归类、整理和汇总的一种方法.但在使用中,分层法常与其他统计方法结合起来应用，如分层直方图法、分层排列法、分层控制图法、分层散布图法和分层因果图法等等。
1、应用分层法的步骤：1.0收集数据;1.1 将采集到的数据根据不同的选择分层标志；1。
2 分层；1.3 按层分类；1。
SWOT分析和雷达图-2022年学习资料
SWOT分析法又称为态势分析法，它是由美-国旧金山大学的管理学教授韦克里-H-Weihric于20世纪80 代初提出来的。-这种分析方法就是将与研究对象密切相关的-各种主要内部优势、劣势以及外部机会和威-胁等，通过 查列举出来，并依据矩阵形式-排列，然后对其进行整体分析，以作出战略-性決策。
SN©T分析法常用作企业内部分析方法，即-根据企业自身的既定内在条件进行分析，-找出企业的优势、劣势及核心 争力所在。-在进行SWOT分析时，应把所有的内部因素-包括公司的优势和劣势都集中在一起，-然后用外部的力量 对这些因素进行评估。-这些外部力量包括机会和威胁，它们是由-于竞争力量或企业环境中的趋势所造成的。-内外部 素的平衡状况决定了公司应做什-么以及什么时候去做
第四节SWOT分析法在产业技术路-线图制定过程中的应用-·SWOT分析法的概念-·SWOT分析法的内容-· WOT分析法在产业技术路线图制定过程-·SWOT分析法的案例-·应用SWOT分析法注意事项
一、-SWOT分析法的概念-S-strength优势-W-weakness劣势-O--opportunit 机会-T-threat威胁-其中，优势和劣势是内部因素，机会和威胁-是外部因素
OT分析-比如当前社会上的盗版威肋：盗版产品限定了公-司产品的最高价，对公司不仅有威胁，可能也带-来机会。 业必须分析盗版产品给公司的产品或-服务带来的是“灭顶之灾”，还是提供了更高的-利润或价值；公司可以采取什么 施来降低成本-或增加附加值来增加消费者购买盗版产品的风险-以企业为例，采用SWOT分析法要分析的要素如-表 .4.2。
二、SWOT分析法的内容-·SWOT可以分为两部分：第一部分为SW,-主要用来分析内部条件；第二部分为OT -主要用来分析外部条件。利用这种方法可-以从中找出对自己有利的、值得发扬的因-素，以及对自己不利的、要避开 因素-发现存在的问题，找出解决的办法，并明-确以后的发展方向。
雷达图支持下的精准教学诊断
雷达图支持下的精准教学诊断摘要：随着教学信息化水平的提高，教学监测中形成了大量的诊断数据。
让数据更精准、更简洁、更直观地反映教学状况才是教学智慧。
本文力图以雷达图分析法为切入口，通过利用数据对学生的学业水平进行科学评价进而诊断教学效益，通过对教学的精准分析，为师生发展提供抓手，变数据信息为教学生产力。
关键词：雷达图教学诊断精准信息技术的飞速发展，给传统教育体制的改革也带了全新的活力。
目前很多学校在教育部推出《教育信息化十年发展规划（2011-2020年）》落实中，信息化建设已经有了非常乐观的进展，在现代信息技术与教育和教学深度融合中进行了积极的探索。
在教学质量检测时大都采用网阅形式，这样产生了很多数据信息，那么这些信息怎样才成为教育生产力呢？在《大数据时代战略性的数据智慧》（John Girard、Deanna Klein、Kristi Berg合著）一书中，作者从知识管理的角度将数据智慧定义为“使用技术、领导力和文化来创造、转化并保存隐含在数据中的知识，从而实现组织愿景”。
作者指出，数据的处理要基于“知识金字塔（knowledge pyramid）”得以实现，即数据要经历转化为信息、升级为知识、升华为智慧的过程（Girard et al.，2015）。
当设施硬件准备完毕后，如何更好地让信息化服务于教育教学、推动师生的更好成长就是重大课题。
本文提出一种基于数据的雷达图分析法对教学效果进行诊断，为精准教学提供抓手。
一、初识雷达图1.什么是雷达图雷达图（Radar Chart），又可称为戴布拉图、蜘蛛网图（Spider Chart），是一种以二维形式展示多维数据的图形。
雷达图从中心点出发辐射出多条坐标轴（至少大于三条），每一份多维数据在每一维度上的数值都占用一条坐标轴，并和相邻坐标轴上的数据点连接起来，形成一个不规则多边形。
如果将相邻坐标轴上的刻度点也连接起来以便于读取数值，整个图形形似蜘蛛网，或雷达仪表盘，因此得名。
科学利用五个常用的战略分析工具
科学利用五个常用的战略分析工具赵昌武(武汉钢铁公司规划发展部,湖北武汉430083)摘 要:分析五个常用的战略分析工具,即利益相关者分析法、五种力量模型分析法、SW OT 分析法、公司业务组合矩阵法和雷达图分析法。
利用这五个常用的战略分析工具,可系统全面地分析企业外部环境和企业的内部资源及能力状况,为企业战略管理提供决策依据。
关键词:战略;战略分析;分析工具中图分类号:F270.7 文献标识码:A 文章编号:1009-1890(2005)01-0045-05收稿日期:2004-11-06作者简介:赵昌武(1969-),男,湖南常德澧县人,高级工程师,武汉钢铁(集团)公司规划发展部发展战略处副处长。
进人21世纪以来,国际、国内环境日益动态化,即:环境变化的速度加快;技术创新加剧,竞争来源及新的竞争对手辈出;市场和消费者需求越来越复杂多变和不可预测。
因此,认真研究企业的外部环境和科学分析企业的内部资源及能力状况,对于有效地制定企业的发展战略和科学管理企业的战略具有至关重要的意义。
熟练掌握一套科学有效的战略分析方法,对于实施企业战略管理也就非常必要。
鉴于此,本文集中分析了五个常用的战略分析工具:利益相关者分析法、五种力量模型分析法、SW OT 分析法、公司业务组合矩阵法和雷达图分析法。
一、利益相关者分析法利益相关者分析法,主要用于分析与企业利益相关的所有个人和组织,帮助企业在战略制定时,分清重大利益相关者对于战略的影响。
利益相关者分析除了对战略制定产生影响以外,也是评价战略的有力工具。
利益相关者是指与企业有一定利益关系的个人或组织群体,可能是企业内部的,如雇员;也可能是企业外部的,如供应商或压力群体。
大多数情况下,利益相关者可分类如下:所有者和股东 银行和其它债权人供应商 购买者和顾客广告商 管理人员雇员 工会竞争对手 地方及国家政府管制者 媒体公众利益群体 政党和宗教群体以及军队其它1.绘制利益相关者图通过绘制利益相关者图,可以确定企业的所有利益相关者及他们之间的重要关系。
质量常用的统计分析方法
质量管理中常用的统计分析方法在西方，“统计”(statistics)一词是由“国家”（state）一词演化而来的.它的意思是指收集和整理国情资料、信息的一种活动.随着现代科学技术的飞速发展，统计方法得到了日益广泛和深入的应用，对人类认识和改造世界产生重大影响。
质量管理中，无论何时、何处都会用到数理统计方法，而且这些统计方法所表达的观点对于质量管理的整个领域都有深刻的影响。
那么统计方法是什么呢？——所谓统计方法，是指有关收集、整理、分析和解释统计数据，并对其所反映的问题做出一定的结论的方法.它的用途有以下几个方面：提供表示事物特征的数据（如平均值、方差、极差等）;比较两事物的差异;分析影响事物变化的因素（如因果图、分层法等）；分析事物之间的相关关系；研究取样和试验方法，确定合理的试验方案，发现质量问题，分析和掌握质量数据的分布状况和动态变化（如排列图、控制图等）;描述质量形成过程（如控制图等）。
在这里应当指出，统计方法是在质量管理中起到的是归纳、分析问题,显示事物的客观规律的作用，而不是具体解决质量问题的方法。
就像医生为病人诊断一样，体温表、血压计、X光透视机、心电图仪、B超仪、核磁共搌仪等仪表器具,只是帮助医生作出正确诊断的工具，其诊断并不等于治疗。
要想治病,还应当吃药打针等。
因此,统计方法也是在质量管理中探索质量症结所在,分析产生质量问题的原因，但要解决质量问题和提高产品质量还需依靠各专业技术和组织管理措施。
一、分层法分层( stratification）法又叫分类法、分组法。
它是按照一定的标志，把搜集到的大量有关某一特定主题的统计数据加以归类、整理和汇总的一种方法。
但在使用中,分层法常与其他统计方法结合起来应用，如分层直方图法、分层排列法、分层控制图法、分层散布图法和分层因果图法等等。
1、应用分层法的步骤：1.0收集数据；1。
1将采集到的数据根据不同的选择分层标志；1。
2分层；1。
3按层分类;1。
雷达图法在烤烟感官质量评价上的应用分析
只是进行数据运算袁很难使人们对其各个指标的优劣有清
楚直观的认识遥
. Al雷l达R图i法gh是t一s种R基e于se图r形v进ed行.综合评价的方法袁其图
形类似于雷达上的图表[4]遥该方法可将高维空间上的指标
折射到一个二维平面上袁进而来综合评价整体的优劣性[4]曰
其早期被用于经济领域[5]袁后因其直观尧简洁尧形象尧精确等
特点而被广泛应用于农业尧工业尧商业等多个领域[6-9]遥在烟
草上袁关于雷达图法的研究还较少袁且主要集中在烟草外
观质量尧化学成分等的综合评价上[10-13]袁对感官质量的综合
评价还鲜见报道遥本研究以 2011 年陕西省洛南尧旬阳尧洋
县 3 个县的主栽品种调查试验数据为例袁运用雷达图法对
其感官质量进行综合评价袁旨在探讨雷达图法在烟草感官
2
渊6冤
Cm
其中袁Si 为雷达图的平均面积曰Li 为雷达图的平均周长曰 i 为品种曰m 为指标数袁取值为 5曰p尧q 分别指代第 p尧q 指标曰
2017-03-14
250
于雷达图法的定量综合评价遥
2 雷达图法在烟草感官质量综合评价上的应用
2.1 感官质量评价指标的标准化选取赋值Leabharlann 化的香气质尧香气量尧刺激性尧余味尧杂气
5 项评价指标[2]数据对烟草感官质量进行综合评价遥设第
i 个品种为 xi袁第 j 个评价指标为 yj袁则可建立基于品种的集
合 X=渊x1袁x2袁x3袁x4袁噎袁xn冤和基于评价指标的集合 Y =渊y1袁y2袁
食品科学
现代农业科技 圆园17 年第 10 期
雷达图法在烤烟感官质量评价上的应用分析
张强 孙渭
渊陕西省烟草公司烟草研究所袁陕西西安 710061冤