春季值周工作总结范例(3篇)

春季值周工作总结范文

关键词：半干旱地区；黑碳气溶胶；潜在源

中图分类号：X131.1,P421

Propertiesofblackcarbonaerosolandtheirpotentialsourceanalysisinsemi-aridregion

ChenLin1,ChangNan2,YangGuicheng1,ZhouTian1

（1.KeyLaboratoryforSemi-AridClimateChangeoftheMinistryofEducation,CollegeofAtmosphericScience,LanzhouUniversity,Lanzhou730000,China

2.Atmosphericdetectioncollege,ChengduUniversityofInformationTechnology,Chengdu610225,China)

Abstract:Usetheblackcarbonconcentrationobservationdataofmulti-angleabsorptionspectrophotometer(MAAP-5012)insemi-aridclimateandenvironmentalobservationstations(SACOL)analyzestheblackcarbonaerosolsvariationcharacteristicsinYuZhongarea.blackcarbonaerosolsconcentrationrangefrom0.41ug/m3to6.22ug/m3,ThehighestaverageconcentrationappearedinJanuary,for2.96ug/m3,andthelowestaverageconcentrationappearedinApril,for0.88ug/m3.thehighestconcentrationappearedin09:00,for2.08ug/m3,thelowestconcentrationappearedin17:00,for1.31ug/m3,thesecondpeakappearedin20:00,for1.75ug/m3.Blackcarbonconcentrationinweekendhigherthanworkingdays,andinfall,blackcarbonaerosolsconcentrationinweekendlessthanworkingday,threeotherseasonsblackcarbonconcentrationintheweekendisthehighest.BlackcarbonaerosolsmaylargelywhenairflowcomefromthecentralareainGansuprovince,Chongqingarea,XinjiangandNorthernIndia.Forthefourseasons,blackcarbonaerosolsmaysourcesituation,intheautumnBlackcarbonaerosolsmainlycomefromwesternofGansu,centralofGansuandchongqingarea.inthewinterBlackcarbonaerosolsmainlyaffectedbythelocalemissions;inspringmainlycomefromcentralofGansuandChongqingareaandborderareaofGuizhou;insummerthemainlysourceconcentratedinthesoutheastofSACOL,includingChongqing,HubeiandYunnan-Guizhouarea.

Keywords：semi-aridareas;blackcarbonaerosol;potentialsource

0引言

黑碳气溶胶在大气气溶胶中扮演着重要的作用，大气气溶胶对太阳辐射的吸收作用90%(1)以上都是由黑碳气溶胶造成的。同时，黑碳气溶胶的辐射强迫作用仅次于CO2，是造成全球气候变暖的主要成分之一。黑碳主要是由于物质不完全燃烧造成的，其来源可能为化石燃料燃烧、森林大火、汽车尾气、工业生产等。大气中的黑碳气溶胶可以通过云-气溶胶相互作用，对云层的厚度、云层高度、云量和云顶反照率造成影响，从而造成半直接辐射强迫效应和间接辐射强迫效应(2)。近年研究发现，在南极(3)、北极(4)地区也观测到了黑碳气溶胶，且浓度较大，黑碳吸收太阳辐射可使气温升高，加速冰雪的融化，同时黑碳沉降在冰雪表面可使地表反照率减小，而进一步加速冰雪融化，使海平面上升问题更为严峻。我国大城市的日常生活中的化石燃料消耗量较大，城市工业、汽车尾气和居民活动产生的黑碳较多。由于工业化的发展,近年亚洲地区黑碳气溶胶排放日趋增多(5)。与其他温室气体在大气中往往存活上百年不同（如CO2），BC在大气中存活时间依靠气象及地理条件，由于BC在大气中存活时间较短，控制黑碳排放是较好的控制减缓全球变暖的方法，同时也能减少对人体健康的危害(6)。因此，实时连续的观测对了解黑碳气溶胶变化特征及其对气候、环境和人类健康影响有较大帮助。而中国半干旱地区由于沙尘天气及重工业污染的双重影响，使得黑碳气溶胶研究变得相对复杂。

1.观测仪器与方法

1.1观测地点

兰州大学半干旱气候与环境观测站（SACOL）位于兰州市郊榆中地区萃英山顶（35.95,104.08），2009年8月-2010年7月在兰州大学半干旱气候与环境观测站（SACOL）进行了BC浓度连续观测，BC浓度数据时间步长为1min，实验室每天记录天气情况、云量及周边局地人为活动的变化。数据处理时会根据观测记录对不合理数据进行剔除：仪器出现错误代码时；出现降水和沙尘等对黑碳浓度的观测有较大影响的天气时（沙尘天沙尘细粒子进入采集口影响观测数据，降水天气对黑碳的湿沉降作用使黑碳浓度降低）。

1.2黑碳气溶胶观测仪器

黑碳气溶胶的观测使用ThermoScientific公司生产的多角度吸收分光光度计(MultiAngleAbsorptionPhotometer,Model-5012)。该仪器利用光束通过气溶胶样品后的衰减量与滤膜上黑碳气溶胶质量浓度之间的线性关系，再测量光透过滤膜后的衰减量后，通过线性关系反算出气溶胶中黑碳的浓度。测量仪器腔体内增加了光散射的测量，可以用于校正颗粒物累积在滤带上造成的多次散射的影响。MAAP-5012型黑碳仪使用滤膜玻璃纤维收集大气中气溶胶，其观测波长为670nm。

1.3源解析模式

使用NOAA的hybridsingle-particlelagrangianintegratedtrajectory(HYSPLIT-4)model（7）500m高度5天后向轨迹,用来研究污染物的传输路径及作为观测点黑碳气溶胶的潜在来源的参考。

潜在源模式是通过计算高浓度个例后向轨迹的节点占总节点的比例，估算某一区域对观测点污染物浓度的贡献值的一种方法（8）。潜在源模式中每一个格点的贡献值可以用以下公式计算

PSCFij=nij/mij

其中mij为观测点观测到的高浓度个例的后向轨迹的节点落在ij经纬度格点中的个数（9），高浓度个例的选取是选择浓度大于一定阈值的个例，阈值可以取平均值(10),也可以取25%分位的浓度值(11)，本文取25%分位浓度值。nij为观测点所有后向轨迹的节点落在ij经纬度格点中的个数。为排除少数单条轨迹对PSCF计算结果的影响，需引入权重系数Wij：

wij=nij/10（nij＜10）

wij=1（nij＞10）

修正后的PSCF计算公式为

PSCFij=(nij*wij)/mij

2.结果分析

2.1黑碳浓度变化特征

榆中地区黑碳气溶胶质量浓度的变化范围为0.41μg/m3-6.22μg/m3，图1显示榆中地区黑碳气溶胶质量浓度的日变化特征。和其它地区黑碳气溶胶日变化特征相同，榆中地区黑碳气溶胶质量浓度的日变化特征呈现双峰与双谷结构。黑碳浓度从北京时间04:00开始增大，09:00达到最高值2.08μg/m3，17:00达到最低值1.31μg/m3，20:00达到次峰值1.75μg/m3，峰值出现主要受扩散条件及周边范围内居民活动影响，早上峰值后黑碳浓度的减小主要是由于太阳辐射增强使得边界层高度增加以及日间水平风速增大导致的。中国其他地区(12)及世界其他国家(13,14)黑碳浓度的观测研究也有相似的黑碳日变化特征。

使用SOCAL观测站气象塔观测的近地面2m处风速数据，黑碳浓度随风速的增大而逐渐减小，其中风速0-1m/s时黑碳平均浓度最大，为2.82μg/m3，说明地面风速低造成的扩散条件较差会使得黑碳浓度较高。

除了周变化之外，黑碳浓度也表现出较清晰的季节变化，图4给出榆中地区黑碳浓度的月变化情况。榆中地区在11-1月黑碳平均浓度较高，最高平均浓度出现在1月，为2.96μg/m3；4-6月黑碳平均浓度较低，最低平均浓度出现在4月，为0.88μg/m3。季节变化特征上总体显示秋末冬初黑碳浓度最高，而春末夏初黑碳浓度最低。从季节来看，榆中地区地区春季至冬季黑碳气溶胶平均浓度分别为0.96μg/m3、1.21μg/m3、2.05μg/m3、2.39μg/m3。秋冬季黑碳气溶胶浓度是春季的2倍以上，黑碳气溶胶浓度在冬季最大，春季最小，这种季节变化特征主要由于排放状况及气象条件不同所产生的，榆中地区冬季一般扩散条件较差（气压较高及地面风速较低）且西北地区冬季采暖黑碳排放较多。世界其他地区黑碳气溶胶季节变化也有类似特征(15，16，17)。

2.2黑碳潜在来源分析

为了研究影响榆中地区黑碳浓度的可能来源，这里用后向轨迹模式来追踪污染物的输送路径。榆中地区500m高度处气流主要来自西北方向和东南方向，其它方向传输过来的气流较少。计算出PSCF值来表示榆中地区黑碳气溶胶的可能来源，见图5。计算中使用每隔6小时一条的后向轨迹，每条后向轨迹追踪5天，起始时间为00:00，每四条轨迹代表一天的气流输送路线。通过潜在源分析发现，榆中地区黑碳气溶胶的可能来源主要是兰州至张掖地区一带、重庆地区、新疆中南部以及印度北部地区。曾有专家研究指出，中国地区黑碳气溶胶74%是由人口密集地带以及四川省西部向东到河北省一条细长带农业生产排放的（18），来自观测站南方的气流多经过重庆、湖北、河南一带，这些地区农业生产中的生物质燃烧对观测站黑碳浓度贡献较大。

3.结果与讨论

本文利用兰州大学半干旱气候与环境观测站2009年8月-2010年7月黑碳气溶胶观测数据进行分析，研究黑碳气溶胶在半干旱地区变化特征，并结合潜在源模式分析了黑碳气溶胶的潜在来源。得出如下结果：

(1)榆中地区全年黑碳气溶胶质量浓度的变化范围0.41μg/m3-6.22μg/m3，黑碳气溶胶质量浓度的日变化特征呈现双峰与双谷结构，09:00达到最高值2.08μg/m3，17:00达到最低值1.31μg/m3，20:00达到次峰值1.75μg/m3，峰值出现主要受扩散条件及周边范围内居民活动影响。榆中地区在秋季黑碳气溶胶浓度周末小于工作日，其他三个季节黑碳浓度在周末最大。

（2）榆中地区在11-1月黑碳平均浓度较高，最高平均浓度出现在1月，为2.96μg/m3，4-6月黑碳平均浓度较低，最低平均浓度都出现在4月，为0.88μg/m3。在两个观测点，秋冬季黑碳气溶胶浓度都是春季1.5倍以上。这种季节变化特征主要由于排放状况及气象条件不同所产生的，榆中地区冬季一般扩散条件较差（气压较高及地面风速较低）且西北地区冬季采暖黑碳排放较多。

（3）榆中地区黑碳气溶胶的可能来源主要是甘肃中部一带，重庆地区，新疆中南部以及印度北部地区。来自观测站南方的气流多经过重庆、湖北、河南一带，这些地区农业生产中生物质燃烧对观测站黑碳浓度贡献较大。从四个季节黑碳气溶胶可能来源情况来看，黑碳气溶胶在秋季主要来源地区为甘肃西部，甘肃中部及重庆地区；冬季主要受本地排放影响，没有较远地区的来源；春季主要来源地区为甘肃中部及重庆与贵州交界一带；夏季来源地区主要集中在观测站的东南方向，主要是重庆、湖北以及云贵地区。

参考文献

[1]HansenADA,KapustinVN,KopeikinVM,eta1.OpticalabsorptionbyAerosolblackcarbonanddustindesertregionofcentralAsia[J].Atmos.Environ.,1993,27(16):2527-2531.

[2]KochDandDelGAD.Blackcarbonsemi-directeffectsoncloudcover:reviewandsynthesis[J].Atmos.Chem.Phys.,2010,10:7685-7696.

[3]GrafHF,ShirsatSV,OppenheimerC,etal.ContinentalscaleAntarcticdepositionofsulphurandblackcarbonfromanthropogenicandvolcanicsources[J].Atmos.Chem.Phys.,2010,10:2457-2465.

[4]HuangL,GongSL,SharmaS,etal.AtrajectoryanalysisofatmospherictransportofblackcarbonaerosolstoCanadianhighArcticinwinterandspring(19902005)[J].Atmos.Chem.Phys.,2010,10:5065-5073.

[5]StreetsDG,BondTC,CarmichaelGR,FernandesSD,FuQ,HeD,KlimontZ,NelsonSM,TsaiNY,WangMQ,WooJH,andYarberKF.AninventoryofgaseousandprimaryaerosolemissionsinAsiaintheyear2000[J].J.Geophys.Res.,2003,108:8809.

[6]Jacobson,M.Z.,2002.Controloffossil-fuelparticulateblackcarbonandorganicmatter,possiblythemosteffectivemethodofslowingglobalwarming.JournalGeophysicalResearch107(D19),4410.doi:10.1029/2001JD001376.

[7]Draxler,R.R.,andG.D.Hess(1998),AnoverviewoftheHYSPLIT-4modelingsystemfortrajectories,description,anddeposition,Aust.Meteorol.Mag.,47,295-308.

[8]Ashbaugh,L.L.(1983),Astatisticaltrajectorytechniquefordeterminingairpollutionsourceregions,J.AirPollut.Control.Ass.,33,1096-1098.

[9]Cheng,Y.,S.C.Lee,K.F.Ho,Y.Q.Wang,J.J.Cao,J.C.Chow,andJ.G.Watson(2006),BlackcarbonmeasurementinacoastalareaofsouthChina,J.Geophys.Res.,111,D12310,doi:10.1029/2005JD006663.

[10]Hopke,P.K.,Li,C.L.,Ciszek,W.,Landsberger,S.,1995.Theuseofbootstrappingtoestimateconditionalprobabilityfieldsforsourcelocationsofairbornepollutants.ChemometricsandIntelligentLaboratorySystems30,69-79.

[11]Shuford,J.M.,Eoll,J.G.,Seely,S.L.,Moore,W.G.,Dreher,J.G.,2006.Comparisonoftwotransportdescriptorswithinahybridreceptormodellingsystem,AmericanMeteorologicalSociety,14thJointConferenceontheApplicationofAirPollutionMeteorologywiththeAirandWaterManagementAssociation.

[12]Kaufman,Y.J.,C.O.Justice,L.P.Flynn,J.D.Kendall,E.M.Prins,L.Giglio,D.E.Ward,W.P.Menzel,andA.W.Setzer(1998),PotentialglobalfiremonitoringfromEOSMODIS,J.Geophys.Res.,103,32215-32238.

[13]TiantaoCheng,ZhiweiHan,RenjianZhang,HuanhuanDu,XuanJia,JingjingWangandJiayunYao.2010.BlackcarboninacontinentalsemiaridareaofNortheastChinaanditspossiblesourcesoffireemission.J.Geophys.Res.,115,D23204

春季值周工作总结范文

关键词：地表水监测数据；分析评价；变化规律；成因分析

文章通过对清河断面2014年主要污染因子的分析评价，找出其年际变化规律，结合流域生态环境及环境管理等因素分析污染成因，为清河综合治理提供理论依据。

1材料与方法

1.1采样地点与频次

根据清河流域的分布和周围环境状况，选择其中一个具有代表性的断面作为采样点。采样时间为2014年1月～12月，每月初采样一次，全年共12次。

1.2评价因子和方法

根据历年监测资料，选取主要污染因子溶解氧（DO）、高锰酸盐指数、生化需氧量（BOD）、化学需氧量（COD）、总磷（TP）、氨氮（NH3-N）、阴离子表面活性剂作为评价因子，各因子分析方法全部采用国家标准分析方法，评价标准采用《地表水环境质量标准》（GB3838-2002）进行评价，水质类别评价采用单因子评价法，即根据评价时段内该断面参评的指标中类别最高的一项来确定。

2结果与分析

2.12014年断面监测数据统计（见表1）

2.2断面水体中COD年分布特征

COD是指强氧化剂氧化水中有机污染物时所需的氧当量。在河流污染和工业废水性质的研究以及污水处理厂的运行管理中，它是一个表征河流有机物污染程度的重要参数，当COD值较高时，水中能被强氧化剂氧化的有机污染物含量越高，有机污染也较为严重。

从表1可以看出COD浓度在2014年下半年呈现逐渐降低趋势，污染程度逐步降低。但是4、5月份浓度较高，分析原因可能是夏季降水量较其他季节多，河道的生态水量增加，河流的承载能力和自净能力得到了增强。春季降雨较少，河道生态径流小，自净能力较差。COD在2014年均值为37.8mg/L，年均值达到地表水环境质量Ⅴ类标准。

2.3断面水体中BOD年分布特征

BOD是指水中微生物在氧化分解有机物的过程中所消耗的溶解氧的总量。BOD可以用于表征水中有机物和其他需氧污染物的污染程度，这是由于水中有机污染物越多，微生物分解这些有机物时便需要消耗更多的溶解氧，当水中溶解氧不足时，便会对水生生物的生长带来致命的威胁，导致水质恶化。

从表1可以看到BOD浓度在2014年前三个月波动较大，从第四个月到年底BOD浓度呈现逐渐降低的趋势，说明水体的有机物浓度逐渐降低，BOD在2014年全年平均值为5.2mg/L，年均值达到地表水环境质量Ⅳ类标准。

2.4断面水体中总磷（TP）年分布特征

水体中溶解态活性磷是水体中生物可直接利用的有效态磷，其含量水平直接反映水体营养状况，资料表明，水体中磷含量的高低与水生生物特别是浮游植物数量密切相关，藻类细胞的生长主要取决于磷的浓度大小。

由表1可以看出，该断面春季、夏季和秋季的水体中总磷的含量分别为0.62～0.95mg/L、0.39～0.57mg/L和0.34～0.40mg/L。对比不同季节该断面总磷的含量大致趋势为：春季>夏季>秋季。原因可能为春季较秋季雨水少，对污染物起到一定的浓缩作用，所以总磷含量春季较秋季高一些；而夏季入河的地面径流中携带的悬浮物较高，水体中的总磷会被悬浮颗粒物吸附而沉积于表面，导致水体中的总磷含量有所下降。总磷在四月份浓度最高，春季气温开始回升，自然界万物复苏，河流底质的微生物也开始活跃，自然界的生化反应活跃，底泥上翻，营养盐释放，给河水带来了较为丰富的含磷营养盐，总磷年均值为0.49mg/L，超过地表水环境质量Ⅴ类标准。

2.5断面水体中的氨氮年分布特征

氨氮（NH3-N）以游离氨（NH3）或铵盐（NH4+）形式存在于水中。氨氮污染在我国地表水体中普遍存在，当氨氮含量超过一定量时可导致水体富营养化现象产生，对鱼类及某些水生生物产生毒害。氨氮的污染主要来源于生活污水，生活污水中含氮有机物经过复杂的生化反应可以被微生物分解为氨氮，造成水体中氨氮含量的升高。生活污水中平均含氮量每人每年可达2.5～4.5公斤。此外，流经沼泽地带的地表水中氨氮含量也较多。农业中化肥的过度使用会使得氨氮通过地表径流和地下渗流等方式流入水环境中，带来氨氮的污染，成为氨氮污染的重要来源之一。此外，许昌市特有的发制品行业也是氨氮的一大来源。

从表1可以看出，氨氮的含量处于波动的状况，从整体来看2014年1月～12月氨氮浓度呈逐渐降低的趋势，在11～12月氨氮浓度已降到0.130mg/L和0.286mg/L，已达到地表水环境质量标准Ⅱ类标准，说明氨氮浓度得到了有效的控制。氨氮浓度在1～4月和7月均高于国家地表水环境质量Ⅴ类标准，7月氨氮浓度回升主要是夏季雨水较大，面源污染物随着雨水进入河流，导致氨氮升高，同时1～4月份氨氮较高主要是因为污水处理厂的进水氨氮受到冲击，进口氨氮远远高于设计指标，导致污水处理厂出口氨氮很难达标。发制品行业是许昌市的特色行业，然而部分发制品厂处理未达标的水进入城市管网，对污水处理厂造成很大冲击。经过执法检查等专项行动后，全年氨氮呈降低趋势，氨氮年均值1.95mg/L，达到地表水环境质量Ⅴ类标准。

3结束语

通过现场测定和实验室分析得到了清河某断面主要污染物的全年监测数据，利用单因子评价方法对该断面水质状况进行分析与评价，结论如下：

（1）COD和BOD含量在2014年全年中处于波动状况。地表水中COD在2014年1月、4月、5月和6月这四个月水质超过Ⅴ类标准；BOD在这一年中的2月、4月和5月这三个月水质达到Ⅳ类标准。COD全年平均值为37.8mg/L，年均值达到Ⅴ类标准；BOD全年平均值为5.2mg/L，年均值达到Ⅳ类标准。氨氮的含量处于波动的状况，从整体来看2014年1月～12月氨氮浓度呈逐渐降低的趋势。氨氮浓度在1～4月和7月均超出Ⅴ类标准，2014年均值为1.95mg/L，年均值达到Ⅴ类标准。

春季值周工作总结范文篇3

关键词：居民储蓄；春节效应；传统节日；季节变化

文章编号：1003－4625（2009）02－0117－04中图分类号：F832.22文献标识码：A

Abstract:Urbanandruralresidents’depositsinChinaarechangedseasonally,soitisimportantformacroeconomicmanagementandthefinancialinstitutionstoanalyzeandforecastthechangingtrend.Residents’depositsareinfluencedgreatlybySpringFestival,soweprovideanefficientmethodtoanalyzetheimpactsoftraditionalfestivalstotheresidents’deposits.

KeyWords:Resident’sDeposits;SpringFestivalEffect;TraditionalFestivals;SeasonalChanges

把握城乡居民储蓄存款（以下简称居民储蓄）的季节变动规律，一方面有利于国家选择宏观经济调控的时机和力度；另一方面有利于金融机构制定经营计划，调整经营策略，控制资金规模。目前分析季节性变动的方法很多，但是主要由西方国家研究设计，针对阳历时间进行分析，而对我国这种阳历和阴历结合采用的国家，就显得不够全面，会出现时间交错的情况，难以适应我国国情。尤其是在2008年我国实行节假日改革以后，传统阴历节日对居民储蓄的影响将更加突出，对阴历节日分析的要求将更加强烈，需要一种好的分析方法来支持。本文以“春节效应”为切入点，提供一种分析传统阴历节日对居民储蓄影响的有效方法。

一、季节变动与节日影响因素

居民储蓄的影响因素众多，并非所有的影响因素都属于季节因素，如利率水平和物价水平的变化、股票、基金市场的波动，往往是受宏观经济和宏观调控的影响，通过改变消费、储蓄、投资之间的结构关系，影响居民储蓄。这些因素多表现为周期特征，而不是季节特征，不属于季节影响因素。只有那些受到了时间因素的影响，并表现为季节性变动规律的因素，才属于季节影响因素。这样的因素主要有两类：一类是节日影响因素，一类是节气影响因素，其中节日是居民储蓄的一项重要影响因素。

节日影响因素是季节特征中的主要因素，它不仅通过收入、消费和投资等外部因素的季节性变化来影响居民储蓄，还可以通过周转储蓄动机和生活性储蓄动机等内部因素来影响居民储蓄。2008年以前对我国居民储蓄影响最大的节日主要有四个：五一、十一、元旦和春节，其中春节属于阴历节日，其他三个节日属于阳历节日。2008年以后，随着我国节假日制度的改革，清明、端午、中秋、春节等传统的阴历节日都成为法定假日，阴历节日对城乡居民储蓄存款的影响将更加明显。

在传统的阴历节日中，春节是对居民储蓄最重要的影响因素，以春节为例说明阴历节日的影响：从资金来源看，春节期间，城镇工薪劳动者工资、奖金、红包发放较多，收入增长，居民储蓄增多；城镇个体经营者停止或减慢生产和销售，滞留储蓄的资金较多；农村流动务工人员集中发放工资，返乡过节，收入增长，居民储蓄增多；大部分地区的农民和农产品加工者停止种植和加工，滞留储蓄的资金较多。从资金支出看，受中国传统节日的影响，春节期间以家庭亲友团聚为主，外出旅游、消费购物都有所减少，消费减少使储蓄增加。这些因素都使城乡居民储蓄存款快速增长，通过对近些年居民储蓄的月增长额进行分析，可以发现，受春节的影响，1、2月份是居民储蓄全年增长的最高峰。

二、传统预测方法及其缺陷

季节变动的预测法很多，主要方法有：古典分解法、人口调查法Ⅱ、福兰系统等，其中“人口调查法Ⅱ”目前被广泛应用于宏观经济指标的短期预测。该方法能够将原始数据中的季节成分、趋势成分和周期成分分解出来，据此分析宏观经济指标的变化特征，并对未来趋势进行预测。

利用人口调查法Ⅱ分解出的季节特征如上图，分析数据采用我国2001年至2005年各月城乡居民储蓄存款数据，由于季节特征也会随着社会环境、经济环境的变迁而改变，因此不宜采用过长时期的数据。人口调查法Ⅱ剔除了周期特征和趋势特征后的季节变动呈现出明显的季节性波动，1月份上升，2、3月份达到顶点，之后便呈现连续下滑趋势，直到12月份才出现复苏迹象。季节特征主要受到了节日和节气因素的影响，周转性储蓄动机和生活性储蓄动机的季节性变化也对居民储蓄产生了综合影响。由于我国居民储蓄的长期趋势是增长趋势，因此季节性变动也表现为长期增长中的季节性规律。

由于人口调查法Ⅱ是以阳历节日为分析基础，因此在分析我国居民储蓄市场时，存在一定缺陷：

一是可比性修正有待改进。人口调查法Ⅱ的可比性修正中未考虑到我国阴历节日的影响，由于阴历与阳历时间不同步，阴历节日相对于阳历数据就成为浮动的季节影响因素，如果未对其进行分析和修正，则预测精度将大幅度下降。

二是季节因子对增量调整欠佳。目前我国居民储蓄存款呈现稳定上升趋势，人口调查法Ⅱ中的季节因子，是针对总量的季节调整系数，并未考虑增量的季节变动规律，导致预测精度下降。

三、季节指数、变动天数和变动比率的概念

为了克服人口调查法Ⅱ中的缺陷，需要分析阴历节日对居民储蓄的影响程度，因此引入新的分析指标：季节指数、变动天数和变动比率。

（一）季节指数

为了解决人口调查法Ⅱ针对总量进行预测，忽略增量季节变动的问题，采用针对增量的季节指数取代季节因子，该指数计算公式如下：

季节指数=本月居民储蓄增长额/全年居民储蓄增长额×100

季节指数是指月增长额占年增长额的比重，以增长占比作为季节指数，即能体现季节变动的规律，也能适应我国居民储蓄不断增长的趋势。通过计算2001年至2006年的季节指数，发现每年的季节变动都有相似的波动规律，季节特征十分明显，唯独在春节前后的1、2月份这种规律出现了混乱，季节指数似乎失去了规律性。通过对每年各月同期数据计算方差可以看出,1月组和2月组方差异常增大,高于其他月份，可以初步断定这是春节的影响。

（二）变动天数

变动天数表示阴历节日在所处两个阳历月份之间的相对位置，如：春节变动天数表示每年的春节距离阳历1月31日的天数，将1月31日设置为0，2月1日设置为1。春节处于1月，变动天数为负数；处于2月，变动天数为正数。春节和中秋节变动天数计算如下表：

（三）变动比率

变动比率表示居民储蓄增长额在两个月份之间变动的百分比，也就是两个月之间的增长差距。将两个月季节指数之间的差额与合计数进行比较，求得变动比率，公式：

变动比率=（本月季节指数-下月季节指数）/（本月季节指数+下月季节指数）×100

或＝（本月居民储蓄增长额-下月居民储蓄增长额）/（本月居民储蓄增长额+下月居民储蓄增长额）×100

如果阴历节日对居民储蓄的季节变动具有影响，则变动天数和变动比率应当存在相关关系。理论上，正相关关系表示阴历节日使居民储蓄增长，负相关关系表示阴历节日使居民储蓄下降。近年来,影响我国居民储蓄最多的两个阴历节日一个是春节，一个是中秋节,可以对这两个阴历节日对居民储蓄的影响程度进行分析。

四、城乡居民储蓄存款的春节效应

春节位于1、2月之间，计算1月和2月变动天数和变动比率，对两组数据进行相关性分析，发现变动天数和变动比率高度相关，相关系数R=0.9699，证明春节对居民储蓄的季节变动具有高度影响，可以称之为“春节效应”。

建立春节效应的线性回归模型：Y=-16.03+5.28X，计算拟合优度R2=0.9407，F检验值为63.42，T检验值为7.96，P大于0.95，模型通过了T检验和F检验。DW＝1.60，无自相关性，可用以上模型预测春节影响程度。春节效应说明了居民储蓄的增长与春节相关,在春节前后的1个月内,是居民储蓄存款增长的高峰期,如果春节位于1月，则1月增长额较高,位于2月，则2月增长额较高。

五、城乡居民储蓄存款的中秋效应

中秋节的分析方法与春节相同。中秋节位于9、10月之间，取9月和10月数据进行比较分析，变动天数和变动比率呈正相关，相关系数R=0.8375，证明中秋节对居民储蓄的季节变动具有一定影响，可以称之为“中秋节效应”。

建立中秋节效应的线性回归模型：Y=-12.13+2.55X，计算拟合优度R2=0.7018，F检验值为9.40，T检验值为3.07，P大于0.95，模型通过了T检验和F检验。DW＝0.96，存在自行关性。由于拟合优度低，用于预测的精确度不高，自相关性也使该模型无法用于测算，但中秋节效应证明了中秋节对居民储蓄具有影响力，是在分析过程中值得关注的一项因素。而且随着中秋节成为法定假日，“中秋效应”将更加明显。可以断言，随着我国居民不断适应新的假日制度，居民储蓄季节变动中的“中秋效应”、“清明效应”、“端午效应”都将显现出来，影响深远。

六、春节效应在季节变动分析和预测中的应用

掌握了春节效应，就可以利用这种规律进行分析和预测，为金融机构控制资金来源提供重要信息，也为国家宏观调控政策的效果提供合理的预期。

春节效应的线性回归模型：Y=-16.03+5.28X，可以理解为，春节所处阳历位置每一天的变化，将导致1、2月储蓄存款总增长额5.28％的变动，向1月移动1天，则1月占比增加5.28％，2月减少；向2月移动1天，则2月占比增加5.28％，1月减少。这种变动规律，不论是用于分析，还是用于预测，都会有很好的效果。

（一）历年季节指数的调整

根据春节效应，计算1、2月份的调整量，对季节指数进行调整，将本来不可比的存在时间差的季节指数调整一致。调整后的季节指数剔除了春节的影响，可以用于分析。利用调整量还可以推算以后年度的季节指数，对未来季节变动进行预测。

首先，默认每月的调整系数为1。其次，根据春节效应的线性回归模型计算每年1、2月份调整比率，该公式的变动天数需除以2，其作用在于对1、2月份同时调整，两月调整的合计值等于回归模型测算出的变动比率差额。最后，将调整比率乘以1、2月份季节指数合计值，得出调整量，根据调整量调整季节指数。公式如下：

调整比率=-16.03+5.28×变动天数/2

调整量=调整比率×（1月季节指数+2月季节指数）

调整后1月季节指数=调整前1月季节指数+调整量

调整后2月季节指数=调整前2月季节指数-调整量

经过调整，就统一将每年的春节位置调整为阳历1月31日，每年1、2月份的季节指数就具有一致性和可比性，从调整后季节指数可以看出，1、2月份同期数据的差距明显减少，体现出明显的季节性规律。

（二）未来季节指数的预测

未来年份的季节指数可以在历史数据的基础上预测得出，以2007年为例，季节指数可以在2001至2006年数据的基础上测算得出。首先，计算1、2月份季节指数合计值，取6年平均值38.35。其次，计算调整后的1月份季节指数占两月合计值比重，取6年平均值0.45。最后，测算出1、2月份无春节因素影响下的平均季节指数，1月为17.19，2月为21.17。

在此基础上，利用回归模型测算出2007年春节对季节指数的影响程度（调整量），据此预测2007年季节指数，把握春节的影响规律。公式如下：

2007年调整比率=-16.03+5.28×变动天数/2＝31.48

2007年调整量=2007年调整比率×（调整后1月平均季节指数+调整后2月平均季节指数）＝12.07

2007年1月季节指数=1月平均季节指数+2007年调整量＝5.12

2007年2月季节指数=2月平均季节指数-2007年调整量＝33.23

2007年居民储蓄实际增长情况看，1月实际季节指数2.08，2月实际季节指数为82.74，由于2007年居民储蓄受股票市场影响较大，有6个月居民储蓄出现下降，导致季节指数不稳定，出现一定偏差，但是季节变动方向的预测能够得到验证。

通过本文的分析，我们已经全面把握了春节效应的变动规律和运用方法。同时需要强调的是，季节变动的影响因素很多，还会受到股票、基金、利率水平、物价水平等周期性影响因素的干扰，因此完整的分析和预测需要全面的把握各类影响因素，春节效应是其中的一项重要内容。

参考文献：

[1]国家统计局.中国统计年鉴[Z].中国统计出版社,2006.