2015年，有一部很火的IP作品《何以笙箫默》，里面有一句蛮有意味的小句“世界上最痛苦的事，不是无能为力，而是当一切都触手可及，我却不愿伸出手去。”曾经的岳阳，我们自豪的说，岳阳是一座可以深呼吸的城市。然而，回首2015年，岳阳人，是否依然可以深呼吸？
2015年10月，一位朋友从常德过来，游玩之余，漫不经心的说了一句，“岳阳今天天气好差，不会有霾吧”。当时我心里一惊：“或许是雾吧”，但却萌生了用Python和PHP来分析岳阳空气质量的想法。
时间转眼到了一月，两篇报道吸引了我的注意。
作为一个对数字还算敏感的人，当时我就发现第一篇文章332/365绝对不可能为88.3%，而是应该为90.96%，而假如逆推88.3%的话，应该为322天，与“相比上年度空气质量优良天数267天多出65天”又自相矛盾。而且332和267这个两个数字都属于加1减1的补偿的思维定式，所以有一定的捏造的可能，同时与省环保厅宣传差别太大，平均77.9%，岳阳全省倒数第二，所以这里肯定有问题。
既然有问题，那就解决它吧。在中华人民共和国环境保护部信息中心爬下了所有AQI数据，并从青悦开放环境数据中心得到一部分缺失的数据（2014.4.11才启用南湖风景区、城陵矶、开发区、云溪区、君山区、金凤水库监控点，之前全市只有国控和非国控两个数据），利用Execl和SPSS开始了分析。
总体分析
| 地区/时间 | 优 | 良 | 轻度污染 | 中度污染 | 重度污染 | 严重污染 | 优良率 |
|---|---|---|---|---|---|---|---|
| 娄底2015 | 18.4% | 58.6% | 20.3% | 2.2% | 0.5% | 77% | |
| 株洲2015 | 21.6% | 55.1% | 14.5% | 6.6% | 2.2% | 76.7% | |
| 常德2015 | 14.8% | 64.1% | 17.0% | 3.8% | 0.3% | 78.9% | |
| 长沙2015 | 18.5% | 51.5% | 19.6% | 6.9% | 3.6% | 70% | |
| 湘潭2015 | 19.2% | 55.3% | 18.4% | 6.0% | 1.1% | 74.5% | |
| 郴州2015 | 29.3% | 54.2% | 14.8% | 1.6% | 83.5% | ||
| 岳阳2015 | 8.8% | 64.7% | 24.7% | 1.9% | 73.5% | ||
| 岳阳2014 | 2.7% | 73.4% | 16.5% | 5.8% | 1.1% | 0.5% | 76.1% |
部分数字采用四舍五入的进位方式，
在统计中2015年有国控和非国控以及省和环保部好几套数据，由于是与其它市洲和往年比较，选取了一套数据较全的样本集，其它样本集计算出来优良率的结果分别为79.45%和75.62％，与新闻上宣传的88.3%差别还是蛮大的，和环保厅的77.9%比较接近。
在全省看来，今年岳阳空气质量真的算差的，2015年全国月排名最好一次169，最差一次276，平均202；而2014年全国月排名岳阳平均104，也就是说2015年退步了98个名次，说好的深呼吸呢！！！
同时，不能抹杀环保部门的努力，2015年相比2014年，严重污染、重度污染和中度污染大有减少，均值也有所下降。全年12月中，同比减少的月份有1、3、4、5、6、10、11月，同比增加有2、8、9月，同比持平有7、12月，总体上还是向好的趋势转变。
污染严重的天什么时候出门比较好？
如果遇到污染天气，全天污染较为严重的分别是0点、1点、2点和13点、21点、22点、23点，所以早点回家不要在外面浪是对的....
实际是因为白天有太阳辐射的作用，空气之间的交换比较明显，即便有污染也会跟其他周围的空气进行扩散、稀释；但在夜间地面辐射降温作用比较明显，所以近地面层的空气容易形成逆温层，地面风力较小的话，空气交换作用不明显。
岳阳哪个地方空气质量最好，哪个地方最差？哪个地方治理最见成效？
首先，金凤水库监控点工作人员要培训啦吧....一年故障数快接近其它监控点的故障数总和。然后不出意外的南湖风景区以6633次优良、1383次污染位列宜居榜之首（不过哪个点在地图上怎么看都像是在金鹗公园里面），君山区以6437次优良、1489次污染居第二，最差的则是经济开放区。
云溪区以20.69%的优良提升率居第一，君山区12.69%居第二，金凤水库是唯一有下降的地方，下降5.48%。
地区 |2015年 |2014年|优良变化率|
----|------------|---------------|
城陵矶|0.74795943606233|0.707094201694634|0.0408652343676963
金凤水库|0.733737323769478|0.788503073600266|-0.0547657498307877
君山区|0.796067276774672|0.669211618257261|0.126855658517411
开发区|0.734603017561217|0.709762970329852|0.0248400472313645
南湖风景区|0.820306702943359|0.790531561461794|0.0297751414815649
云溪区|0.784442245857037|0.577586206896552|0.206856038960485
利用插值估计和海拔图来推测岳阳区域空气最好的地方（由于大部分为平原，不考虑地势分布和空气扩散条件，同时没有地面1.5m的开阔、通风地区的均一观测值，结论有可能完全不正确，just for fun!)
顺便玩个小游戏，大家一起来猜猜哪天发生了什么
2月19号我猜出来是初一零点大家在放烟花。
但1月19号是什么？
数据是否有作假？
Benford 定律验证法
奔福德定律（Benford'slaw）也被称为“首位数现象”（First-digitphenomena）、有效数字法则（Significantdigitlaw）、对数法则（LogarithmLaw），是从统计学角度检测鲜为人知的数字分布的内在规律。该定律揭示了在满足特定条件的情况下，大量统计数据中数字1—9出现在数据首位的概率分布规律。
1881年，美国数学家Newcomb最早发现Benford定律。1938年，美国通用电气公司（GE）科学家FrankBenford通过研究，得出和Newcomb同样的结论：人们处理较小数字开头的数值的频率较大。为了证明结论，Benford收集了20229个20组数据，这些数据来源千差万别，发现整数1在首位出现的概率约为30%，整数2约为17%，而8和9在数字首位出现的概率分别为5%和4%。通过分析，Benford发现正常的数据集符合某种规律，并因此推导出Benford定律的数学表达式，即数字第一位上各个非0数字出现的概率，用公式表达如下：
依据加州大学伯克利分校对北京AQI指数进行的benford率验证的方法（论文链接），我对岳阳2014、2015年AQI进行验证，结果如下：
一般而言，chi-squre 值低于5% 的数值表示表示实际分配符合预测分配(Benford) 的概率非常低；而数值10%或以下，表示至少有 90%的概率，資料可能是不正常的。独立性检查结果值非常低，表示样本资料可能是人工伪造的。
Logistic回归分析
即逻辑模型（英语：Logit model，也译作“评定模型”、“分类评定模型”）是离散选择法模型之一，属于多重变量分析范畴（详细解释）。
由于我无法建立符合逻辑的评定模型，咨询THU的朋友也无果，表示放弃该分析方法。
附：空气质量指数级别
资料来源：
中华人民共和国环境保护部信息中心
青悦开放环境数据中心
中国大陆重点城市空气质量历史数据库项目
PM2.5科学实验专家小组
Wikipedia
