泸州市2020年区域噪声分布特征及其监测点位优化分析

刘国安,杜 涛,扈正权,伍丽娟,薛京州

(四川省泸州生态环境监测中心站,四川 泸州 616000)

前 言

环境噪声污染是环境污染4大要素之一[1～3]。随着经济社会的快速发展，大众对声环境质量逐渐重视[4-5]。根据声环境监测相关要求，笔者所在单位每年均对泸州市区域噪声环境进行例行监测[6]，但“十四五”点位调整尚未进行优化更新，建成区噪声分布及强度也发生了很大变化，而噪声监测数据的有效性和监测点位的代表性是开展噪声监测工作的重要基础。

因此，合理、科学布置噪声监测点位对提高噪声监测效率与获取有效的监测数据尤为重要[7-8]。

鉴于此，笔者在全面分析2020年泸州市区域噪声分布特征的基础上，以多元统计分析为手段对泸州市区域噪声点位优化进行系统研究，对掌握建成区声环境现状、提高区域噪声监测效率、选取噪声自动监测站点位均有较大的现实意义。

1 声环境监测概况

泸州市位于四川省东南川滇黔渝四省市结合部，长江和沱江交汇处，是川滇黔渝结合部区域中心城市，是四川东南出川出海和重庆西南出海东南亚必经通道。泸州市建成区面积由2010年的83km2增加为2019年的172km2，人口由2010年的141万人增加到2018年的207万人，因此城市建成区面积和人口均已大幅增长。

“十三五”期间，泸州市区域噪声点位共布设146个，2017～2019年泸州市区域噪声昼间等效声级分别为53.2dB(A)、52.8dB(A)、54.7dB(A)，城市区域环境噪声质量维持在较好水平且变化幅度不大，但区域声环境监测点位布设于2010年，密集分布在原建成。

1-1类功能区；2-2类功能区；3-3类功能区；4-监测点；5-城北监测范围；6-城西及中心市监测范围；7-城东监测范围；8-城南监测范围图1 研究区位置概况及区域噪声监测点位分布图Fig.1 Location of the study area and distribution of noise monitoring points

区内，监测点同质性较高。为了便于对泸州市区域噪声点位进行优化研究，本次研究工作重新将整个城市建成区划分为152个正方形网格(1000m×1000m，不包括长江、沱江等水域面积大于50%的网格)，布设152个区域噪声优化监测点位(即2020年泸州市区域噪声监测点位)，编号为1～152，其中1类功能区5个、2类功能区110个、3类功能区37个。噪声监测获取了噪声Leq、L10、L50、L90、Lmax、Lmin、SD等7个参数。研究区位置概况及噪声监测点位分布见图1。

2 区域噪声分布特征

为研究建成区噪声空间分布特征以及区域噪声监测点位相关信息，获取2020年泸州市区域噪声昼间数据，应用Arcgis软件[1,9]，以50、55、60dB(A)为步长绘制噪声昼间等效声级等值图见图2。

由图2可知，城南和城东噪声水平整体较低，等效声级低于1类声环境功能区的噪声限值，部分地段甚至低于0类声环境功能区噪声限值；中心市噪声水平整体低于1类声环境功能区的噪声限值，但尚有水井沟步行街等商业金融、集市贸易地段噪声水平在2类声环境功能区噪声限值范围内；城西噪声水平整体偏高，越往西噪声水平越高，城西片区西部地段等效声级甚至大于60dB(A)，经实地勘查，城西西部地段处于城市建设施工中，万象汇地段是商业金融区；城北噪声水平分布不均，大部分地段处于较低水平，但小市、临港和安宁地段均有较大面积的较高噪声水平分布，经实地勘查，小市地段为商业、集市以及交通运输区域，临港地段目前为城市建设施工区域，安宁地段则是仓储物流区域。

区域噪声分布特征表明：泸州市建成区整体噪声水平较低，声环境质量较好；中心市商业金融、集市贸易地段对噪声水平稍有影响；城西西段城市建设、商业金融导致该区局部噪声水平偏高；城北小市、临港和安宁地段商业、集市以及仓储物流同样导致了该区局部噪声水平偏高。

1-Leq≤50 dB(A)；2- 50 dB(A)60dB(A)； 5～20：监测点位聚类分析第1～16类；21-城北监测范围；22-城西及中心市监测范围；23-城东监测范围；24-城南监测范围图2 工作区声环境昼间等效声级等值图Fig.2 Equivalent sound level contour map of sound environment in working area

3 监测点位优化

由图2可知，同一噪声等效声级等值均由多个监测数据控制，说明这些区域噪声监测点位的等效声级处于同一水平，但一组完整的噪声监测数据还包括L10、L50、L90、Lmax、Lmin、SD(在测量时段内有10%、50%、90%的时间等效声级超过的值，噪声等效声级的最大值、最小值以及方差)，而这些参数从不同角度反映了监测点位的噪声特性信息。因此若仅以等效声级来优选区域噪声监测点位显然不尽合理，有必要对区域噪声多参数进行多元统计聚类分析和相关分析。

多元统计分析是从经典统计学中发展起来的一个分支，研究客观事物中多个变量之间相互依赖的统计规律性[10～12]，从多个变量(或多个因素)中提取出隐含于其中的某些重要信息[12]。本次研究工作对监测数据进行聚类分析和相关分析，聚类分析和相关分析均应用IBM公司开发的SPSS(Statistical Product and Service Solutions)软件进行[13]。

3.1 监测点位聚类分析

聚类分析是按照“物以类聚”的思想对样品或变量进行分类[14]。把相似程度大的并成一类，而把相似程度小的分为不同的类[12]。系统聚类法的基本步骤为：先把每个监测点位看作为一类，计算各类之间的欧式距离；然后把欧式距离最小的两类合并为一类；再计算新的类间的距离；如此重复直到所有监测点位合并为一类为止[15-16]。

以Leq、L10、L50、L90、Lmax、Lmin、SD参数为变量进行系统聚类，以欧式距离2.5为阈值，把152个监测点位分为16类见图2，第1类、第2类聚类树状图见图3(囿于篇幅，其余14类未列出)，监测点位聚类分类表见表1。根据聚类分析结果，欧式距离越小，相似程度越大，因此可把152个监测点位大致分为16个类别，而同一类别中的监测点位相似程度则较大。

图3 第1类、第2类聚类分析树状图Fig.3 The cluster analysis phenograms of the first and second category

表1 监测点位聚类分析分类表Tab.1 Classification of monitoring points by cluster analysis

3.2 监测点位相关分析

为了进一步验证监测点位之间的相似关系，以Leq、L10、L50、L90、Lmax、Lmin、SD参数为变量进行相关分析。相关分析对多个具备相关性的变量进行分析，从而衡量变量因素的相关密切程度[17]。根据皮尔逊(Pearson)相关系数(rp)，当rp=0时，两个监测点位不存在线性相关，但不意味着二者无任何关系；当0<│rp│≤0.3时，两个监测点位微弱相关；当0.3<│rp│≤0.5时，两个监测点位低度相关；当0.5<│rp│≤0.8时，两个监测点位显著相关；当0.8<│rp│<1时，两个监测点位高度相关；当│rp│=1时，两个监测点位完全线性相关[18～20]。聚类分析中第1类、第2类中监测点位的相关系数见表2，囿于篇幅，其余14类中监测点位相关系数均未列出。

表2 第1类、第2类监测点位相关系数一览表Tab.2 List of correlation coefficients of the first and second category monitoring points

由表2可知，第1类监测点之间(16、106、11、10、138、146)的相关系数均大于0.50，说明同一类中监测点显著相关或高度相关；第2类监测点之间(18、149、126、88、133、116、139、43、135、136、147、150)的相关系数大部分大于0.50(仅126与133的相关系数为0.46)，说明同一类监测点相关性显著。其余14类中监测点相关性也呈相似特征。

4 优化结果

聚类分析和相关分析结果表明，具有相似特性的监测点位欧式距离短，分为一个类别，同时相关性系数大，相关性显著。综合监测点聚类和相关分析结果、监测点位分布情况、区域噪声等效声级(Leq)等值图以及区域噪声分布特征，在16类监测点位中优选了22个监测点位(编号为：7、15、21、43、49、56、59、65、67、70、76、78、91、93、96、99、108、118、121、131、136、147)作为区域噪声监测点位；另外，61号监测点位于城西西段城市建设施工区域，待该区域施工完毕后也可将该监测点作为区域噪声监测点位。优化前152个监测点位构成的区域噪声昼间等效声级(Leq)平均值为53.5 dB(A)，优化后22个监测点位构成的区域噪声昼间等效声级(Leq)平均值为52.9 dB(A)。

经区域噪声监测点位优化，区域噪声昼间等效声级(Leq)有所降低，监测点位合理地分布在各噪声功能区域内，以较少的监测点位即可掌握全区区域噪声水平及其变化情况。监测点位优化后不仅提高了噪声监测效率，还可将优化后的区域噪声监测点位选取为噪声自动监测站监测点位。

5 结 论

根据区域噪声等效声级(Leq)等值图、区域噪声分布特征、聚类分析结果和相关分析结果，将泸州市建成区区域噪声监测点位从152个优化为22个。监测点位优化后，以22个噪声监测点位即可掌握区域噪声水平及其变化情况，提高了噪声监测效率，同时也为噪声自动监测站监测点位的选取提供了技术支撑。

区域噪声分布特征及等效声级等值图显示了泸州市建成区区域噪声分布状况，也显示了监测点位等效声级水平。结合多元统计分析结果和噪声异常分布特征同时考虑了区域噪声分布情况、噪声数理特征和监测点内在关联关系。充分结合多元统计分析成果和噪声异常分布特征是合理、科学优化监测点位的有效方法。