11:江 苏 12:浙 江 13:安 徽 14:福 建 15:江 西 16:山 东 17:河 南 18:湖 北 19:湖 南 20:广 东 21:广 西 22:海 南 23:重 庆 24:四 川 25:贵 州 26:云 南 27:西 藏 28:陕 西 29:甘 肃 30:青 海 31:宁 夏 32:新 疆 1 1 1 5 6 1 4 1 1 1 1 1 1 1 1 1 1 1 1 7 4 8 1 1 1 5 5 1 4 1 1 1 1 1 1 1 1 1 1 1 1 6 4 7 1 1 1 3 3 1 4 1 1 1 1 1 1 1 1 1 1 1 1 5 4 6 1 1 1 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 1 5 1 1 1 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 表3.3.5 质心分类法群集成员
所得柱形图如下：
21
图 3.3.6 质心分类法的柱形图
所得柱形图如下：
22
图3.3.7 质心分类法的柱形图
由上面的树状图，我们对各污染区域按年度的不同对各省份进行划分，所得结果如下表所示：
表3.3.6 运用质心分类法按年度的不同进行划分的结果
类别 第
对应编号 对应地区 空气质量排名 1、27、20、11、16、24、4、23、全国、西藏、广东、江苏、山东、23
7 一类 19、22、5、10、3、25、26、28、四川、河北、重庆、湖南、海南、13、12、21、18、29 山西、上海、天津、贵州、云南、陕西、安徽、浙江、广西、湖北、甘肃 第二类 第三类 第四类 第五类 第六类 第七类 30 青海 1 2 北京 2 32 新疆 3 14、15、6 福建、江西、内蒙古 4 9、17、31 黑龙江、河南、宁夏 5 7、8 辽宁、吉林 6
（四） 聚类结果分析
由以上聚类结果可知，用所选的三种数据进行聚类，产生的七个类是在整体上是一致的。这就表明，空气污染程度与废气处理的力度是成正相关的，这也就说明，空气污染程度越严重的地区，废气处理的力度就大，这是非常合理的。另外，二氧化硫是废气中的主要气体之一，二氧化硫排放量与废气的排放量有着密切的关联，可以说二氧化硫的排放量一定程度上能反映出空气质量的好坏。
由所分的七类可以看出，空气质量较好的的地区有北京、天津、海南、西藏、青海。北京是我国首都，对空气质量的要求很高，相关部门也加大了治理力度，通过对空气质量的高度关注和严格把关，北京市的空气质量相对较高。天津、海南、青海、西藏在空气质量上也严格把关。另外，西藏等地由于地理位置等因素的影响，工业化水平低，这也是其空气质量较好的一个重要原因。对于这类地区，我们应继将工作重心放在“防”上，使空气质量始终保持良好。当然，“治”也不能忽视，只有防治结合，才能有更好的呼吸环境。
24
空气质量最差的地区是山东。山东的土质土壤和特殊的地理位置使得该地区容易造成扬尘。另外，汽车尾气也是影响山东空气质量的重要原因。山东的空气质量有待改善。对于这类地区，相关工作人员应该重视空气污染的防治工作，加大力度对废气进行处理，改善空气质量，同时加强宣传，号召群众共同参与到空气污染的防治工作中。
（五）通过运用不同聚类方法对聚类结果进行对比
为了更好的证明以上运用系统聚类法得到的聚类结果的合理性，我们又采用了一种划分的聚类方法——k-means方法，对所选的数据进行聚类，并与以上所得的聚类结果进行对比。在这里，我们仅考虑按各地区空气污染程度不同进行聚类，按废气处理情况聚类以及按年度聚类可类似考虑。我们运用SPSS软件对各污染区域按空气污染程度不同进行k-means法聚类，聚类界面图如下所示：
图3.5.1 运用 k-means法按各地区空气污染程度不同进行聚类
利用k-means法按各地区空气污染程度不同进行聚类，所得结果如下表所示：
表3.5.1 运用k-means法按各地区空气污染程度不同进行聚类的结果
25