貴陽市主要污染物濃度預(yù)報模型研究

夏曉玲，宋 丹

(貴州省氣象服務(wù)中心，貴州 貴陽 550002)

?

貴陽市主要污染物濃度預(yù)報模型研究

夏曉玲，宋 丹

(貴州省氣象服務(wù)中心，貴州 貴陽 550002)

選取貴陽市環(huán)保站2013年3月—2014年2月共12個月的主要污染物(PM10、PM2.5和O3)濃度的小時均值進行分析，發(fā)現(xiàn)PM10和PM2.5在20時—次日08時較容易出現(xiàn)日最大值，O3在12—18時較容易出現(xiàn)日最大值，PM10和PM2.5污染物濃度的月平均，以夏季最低，冬春兩季最高，這可能與貴陽市冬春兩季的采暖有一定的關(guān)系。而O3濃度的月平均值以冬夏兩季較低，春秋兩季較高，但整體變化幅度不大。分析以上3種污染物和氣象要素的相關(guān)性發(fā)現(xiàn)，濕度對污染物濃度較大，呈負相關(guān)。運用逐步回歸方法分別建立PM10、PM2.5和O3的預(yù)報方程，其中PM10的預(yù)報方程預(yù)報等級的準確率為67.81%，訂正后準確率為70.55%；PM2.5的預(yù)報方程準確率為65.75%，訂正后準確率為71.23%，故業(yè)務(wù)對PM10和PM2.5的預(yù)報中可以參考訂正值。O3的預(yù)報方程準確率為70.55%，訂正后準確率為68.49%，業(yè)務(wù)中預(yù)報O3可以直接參考預(yù)報值。

PM10；PM2.5；O3；SPSS；預(yù)報模型

1 引言

隨著社會經(jīng)濟與城市化進程的快速發(fā)展，大氣污染日益加劇，環(huán)境空氣質(zhì)量問題已引起人們密切的關(guān)注和重視[1]。目前對于城市大氣污染的研究主要有污染個例分析、濃度變化規(guī)律、污染物和氣象因子的關(guān)系等這幾個方面[2-4]。同時對于空氣污染較為嚴重的地區(qū)例如長江三角洲和環(huán)渤海地區(qū)的研究較多[5-9]，對于西南地區(qū)的研究普遍較少[10-13]，雖然2013年貴陽市空氣質(zhì)量優(yōu)良率為76.2%，在74個城市中總和排名為第10，省會排名為第4(貴州省環(huán)保廳公布)，但是2013年中有中度污染14 d，重度污染1 d，同時在貴陽市布設(shè)的10個觀測點中，可吸入顆粒物(PM10)和細顆粒物(PM2.5)年均值指標未達到國家環(huán)境空氣質(zhì)量二級標準。貴陽市主要的污染物有PM10、PM2.5和O3這3種[14]，故本文利用12個月PM10、PM2.5和O3的觀測資料和氣象要素進行分析，形成預(yù)報方程，為貴陽市PM10、PM2.5和O3的預(yù)報提供依據(jù)。

2 數(shù)據(jù)和方法

本文選取貴陽市環(huán)保站2013年3月—2014年2月共12個月PM10、PM2.5和O3的污染物濃度小時均值進行分析，考察污染物峰值出現(xiàn)的時段；通過小時均值計算日均值，分析日均值的月變化，為研究以上3個污染物濃度日均值的變化和氣象要素之間的關(guān)系，選取相同日期的地面，高空3個層次(850 hPa、700 hPa和500 hPa)風(fēng)速、風(fēng)向、溫度、濕度等57個貴陽站的氣象要素進行相關(guān)性分析，最后運用SPSS軟件對污染物濃度進行多元線性逐步回歸分析，建立模型。多元線性逐步回歸法是目前空氣質(zhì)量統(tǒng)計預(yù)報中運用最廣泛的建立污染物濃度預(yù)報模型的方法[15-16]。建立模型后，選取模型中模擬較好的，運用2014年4—8月的污染物濃度和EC細網(wǎng)格預(yù)報數(shù)據(jù)對模型進行檢驗，訂正后形成基于EC細網(wǎng)格氣象要素預(yù)報的貴陽市PM10，PM2.5和O3污染物濃度日均值的預(yù)報方程。

3 貴陽市環(huán)保站PM10、PM2.5和O3污染物濃度變化規(guī)律

3.1 PM10濃度變化規(guī)律

分析時間段內(nèi)，PM10小時均值的日極值大部分出現(xiàn)在20時—次日08時，其中冬季的比例略低，為56.56%，秋季的比例最高，為72.43%，最大濃度為839 μg/m3，出現(xiàn)在2013年4月15日00時。而PM10日均值的最大值為223.7 μg/m3，出現(xiàn)在2013年10月10日；最小值為9.4 μg/m3，出現(xiàn)在2013年9月25日。分析PM10的月平均變化，可以看出，夏季PM10的濃度明顯低于其他3個季節(jié)，夏季氣溫高，降水多，對空氣中可吸入顆粒物有凈化作用；而冬春兩季的PM10濃度偏高，這與冬春兩季貴陽處于采暖期可能有一定的關(guān)系。同時在11月和2月PM10濃度有明顯的低值，查詢天氣實況發(fā)現(xiàn)，在2013年11月和2014年2月，受較強冷空氣影響，貴陽市有幾次明顯的雨雪天氣，降雨量較常年略偏多，對PM10的濕沉降作用明顯，故這2個月和夏季一樣，月平均濃度有明顯的下降。

3.2 PM2.5濃度變化規(guī)律

與PM10的變化規(guī)律相似，PM2.5小時均值的日極值大部分也出現(xiàn)在20時—次日08時，其中冬季比例較小為62.22%，其余3個季節(jié)均為72%左右。小時均值最大為485 μg/m3，出現(xiàn)在2014年1月31日01時。而PM2.5日均值的最大值為167 μg/m3，出現(xiàn)在2013年12月23日，最小值為7.2 μg/m3出現(xiàn)在2013年7月22日。對于PM2.5的月平均變化圖可以看出，同PM10相似，夏季的濃度明顯低于其他3個季節(jié)，這與夏季降水的對污染物的濕沉降有明顯的關(guān)系。同時對比圖1和圖2可以看出PM10和PM2.5的變化規(guī)律比較相似，兩者濃度有一定的相關(guān)性，11月和2月的濃度低值可能也與當(dāng)月受冷空氣影響，降水量偏多有一定的關(guān)系。

圖1 2013年3月—2014年2月貴陽市環(huán)保站PM10月平均變化規(guī)律

圖2 2013年3月—2014年2月貴陽市環(huán)保站PM2.5月平均變化規(guī)律

3.3 O3濃度變化規(guī)律

O3的變化和PM10及PM2.5有明顯的不同，其小時均值的日極值大部分出現(xiàn)在12—18時，冬季的比例較小為52.55%，夏季的比例最大為92.39%。小時均值最大為171 μg/m3，出現(xiàn)在2013年5月21日18時。而O3日均值的最大值為129.8 μg/m3，出現(xiàn)在2013年9月22日，最小值為5.5 μg/m3，出現(xiàn)在2013年5月12日。從月平均來看，O3的濃度在冬季和夏季明顯偏低，其余兩個季節(jié)偏高，但整體的浮動不大。

圖3 2013年3月—2014年2月貴陽市環(huán)保站O3月平均變化規(guī)律

4 PM10、PM2.5和O3污染物濃度日均值與主要氣象要素的相關(guān)性分析

研究以上3個污染物濃度日均值變化和氣象要素之間的關(guān)系，選取相同日期的地面，高空3個層次(850 hPa、700 hPa和500 hPa)的風(fēng)速、風(fēng)向、溫度、濕度等57個氣象要素進行相關(guān)性分析，其中，PM10與37個變量有相關(guān)性，且大部分通過了0.1的顯著性水平檢驗，為正相關(guān)的有15個變量，負相關(guān)的有22個變量；PM2.5與43個變量有相關(guān)性，且大部分通過了0.1的顯著性水平檢驗，為正相關(guān)的有16個，負相關(guān)的有27個；O3與14個變量有相關(guān)性，且大部分通過了0.1的顯著性水平檢驗，其中呈正相關(guān)的有6個變量，呈負相關(guān)的有8個變量。其中有8個變量與以上3個污染物濃度的日均值都有顯著相關(guān)性(表1)，除地面20時的風(fēng)速和O3為顯著正相關(guān)外，其余變量均與污染物濃度的日均值呈顯著負相關(guān)。其中不同層次的濕度變量有5個，說明濕度對污染物濃度有明顯的影響，濕度越大，污染物濃度越小。同時500 hPa的濕度與PM10以及PM2.5濃度的日均值也為顯著負相關(guān)，故預(yù)報PM10和PM2.5時，可以用各層濕度做參考。

表1 與PM10、PM2.5和O3濃度日均值顯著相關(guān)的氣象要素及相關(guān)系數(shù)(**表示通過α<0.1的顯著性檢驗)

5 預(yù)報模型的建立和訂正

為了準確的預(yù)報PM10、PM2.5和O3濃度的日均值，運用SPSS采用逐步回歸的方式建立預(yù)報模型，并且運用2014年4—8月的污染物濃度和EC細網(wǎng)格預(yù)報數(shù)據(jù)對模型進行檢驗并訂正，從而形成預(yù)報模型。

5.1 PM10預(yù)報模型

運用SPSS逐步回歸方法[13]，以PM10濃度日均值為因變量，前日PM10濃度日均值和36個氣象要素為自變量(此處剔除了溫度露點差變量，保留濕度變量，因為兩個變量相關(guān)性較大，同時由于EC細網(wǎng)格對降水的預(yù)報值偏大的比例較高，使得預(yù)報值

明顯偏低，故也剔除)，生成預(yù)報模型8個，其中第8個模型的復(fù)相關(guān)系數(shù)R，決定系數(shù)R方，校正決定系數(shù)調(diào)整R方較前7個模型都偏大，且隨機誤差的估計值都偏小。Anova表(表2)中模型8的Sig<0.05，故該模型可用，選取第8個模型。在模型8中運用的變量有：前日PM10濃度日均值，850 hPa 20時的濕度，850 hPa 20時的風(fēng)速，地面08時風(fēng)速，地面08時氣壓，地面20時總云量。以上6個變量的sig均<0.05，故采用這6個變量做回歸模型，回歸系數(shù)見表3，預(yù)報方程為：

PM10濃度日均值=-1 366.059+0.530x1-0.746x2-4.367x3+4.595x4+1.470x5-1.318x6

其中x1為前日PM10濃度的日均值，x2為850hPa 20時濕度，x3為850 hPa 20時風(fēng)速，x4為地面08時風(fēng)速，x5地面20時氣壓，x6為20時總云量。

表2 PM10濃度日均值預(yù)報模型匯總

表3 模型8所需變量及系數(shù)

運用2014年4—8月的污染物濃度和EC細網(wǎng)格預(yù)報數(shù)據(jù)對PM10預(yù)報模型8進行檢驗，其中共有146 d的可用數(shù)據(jù)。預(yù)報結(jié)果和實況進行對比發(fā)現(xiàn)，該預(yù)報模式對于極值的預(yù)報效果不佳，5月28日的預(yù)報值明顯較實況偏低，同時大部分實況值明顯高于預(yù)報值，定義(實況值-預(yù)報值)/預(yù)報值為預(yù)報誤差百分比，計算146 d的誤差百分比后剔除誤差百分比絕對值>1的數(shù)，求平均后得到系統(tǒng)偏差為0.12，故可以將預(yù)報值乘以(1+0.12)得到訂正值。訂正后濃度變化曲線更加接近實況值，但是該種訂正方式對于極端情況的預(yù)報效果依然不理想。根據(jù)污染物濃度等級對預(yù)報及預(yù)報訂正進行檢驗，即污染物濃度<50為1級，污染物濃度在51～150之間為2級，濃度在151～250之間為3級，濃度在251～350之間為4級，濃度在351以上為≥等級5級(HJ633-2014環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行))。預(yù)報和實況的等級相同時視為預(yù)報正確。未訂正的預(yù)報準確率為67.81%，訂正后的準確率為70.55%，提高了2.74%，訂正的效果一般，但訂正后預(yù)報正確率>70%，業(yè)務(wù)中可以參考訂正值。

圖4 PM10預(yù)報值和訂正值與實況對比

5.2 PM2.5預(yù)報模型

與PM10類似，運用SPSS逐步回歸方法預(yù)報模型6個，其中模型6的復(fù)相關(guān)系數(shù)R，決定系數(shù)R方，校正決定系數(shù)調(diào)整R方較前5個模型都偏大，且隨機誤差的估計值都偏小。Anova表(表4)中模型6的Sig<0.05，故該模型可用，選取第6個模型。

表4 PM2.5濃度日均值預(yù)報模型匯總

在模型6中，運用的變量有：前日PM2.5濃度日均值，地面08時氣壓，850 hPa 20時的濕度，850 hPa 20時的風(fēng)速，700 hPa 20時溫度，850 hPa 08時的風(fēng)速。采用這6個變量做回歸模型，回歸系數(shù)見表5，預(yù)報方程為：PM2.5濃度日均值=-351.577+0.653x1+0.399x2-0.284x3-2.274x4-0.986x5+1.163x6

其中x1為前日PM2.5濃度的日均值，x2為地面08時氣壓，x3為850 hPa 20時濕度，x4為850 hPa 20時風(fēng)速，x5700 hPa 20時溫度，x6為850 hPa 08時風(fēng)速。

表5 模型6所需變量及系數(shù)

運用2014年4—8月的污染物濃度和EC細網(wǎng)格預(yù)報數(shù)據(jù)對PM2.5預(yù)報模型6進行檢驗。預(yù)報結(jié)果和實況進行對比發(fā)現(xiàn)，該預(yù)報模式的預(yù)報值明顯偏高，與PM2.5的檢驗相同，求得系統(tǒng)偏差為-0.39，故將預(yù)報值乘以(1-0.39)得到訂正值。訂正值相對于預(yù)報值有明顯的改善，但是對于極端情況的預(yù)報效果依然不理想。根據(jù)污染物濃度等級對預(yù)報及預(yù)報訂正進行檢驗，即污染物濃度<35為1級，污染物濃度在36～75之間為2級，濃度在76～115之間為3級，濃度在116～150之間為4級，濃度在151以上為≥5級(HJ633-2014環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行))。預(yù)報和實況的等級相同時視為預(yù)報正確。未訂正的預(yù)報準確率為65.75%，訂正后的準確率為71.23%，正確率提高5.48%，訂正后預(yù)報正確率>70%，業(yè)務(wù)中可以參考訂正值。

圖5 PM2.5預(yù)報值和訂正值與實況對比

5.3 O3預(yù)報模型

運用SPSS逐步回歸方法生成O3濃度的預(yù)報模型5個，其中模型5的復(fù)相關(guān)系數(shù)R，決定系數(shù)R方，校正決定系數(shù)調(diào)整R方較前4個模型都偏大，且隨機誤差的估計值都偏小。表Anova表(表6)中模型5的Sig<0.05，故該模型可用，選取第5個模型。

在模型5中，運用的變量有：前日O3濃度日均值，850 hPa 20時的風(fēng)速，850 hPa 08時的風(fēng)速，地面20時風(fēng)速，地面20時總云量。以上5個變量的sig均<0.05，故采用這5個變量做回歸模型，回歸系數(shù)見表7，預(yù)報方程為：

表6 O3濃度日均值預(yù)報模型匯總

O3濃度日均值=13.413+0.529x1+1.293x2-0.827x3+1.51x4-0.309x5

其中x1為前日O3濃度的日均值，x2為850 hPa 20時風(fēng)速，x3為850 hPa 08時風(fēng)速，x4為地面20時風(fēng)速，x5為總云量。

表7 模型5所需變量及系數(shù)

運用2014年4—8月的污染物濃度和EC細網(wǎng)格預(yù)報數(shù)據(jù)對O3預(yù)報模型5進行檢驗，預(yù)報結(jié)果和實況進行對比發(fā)現(xiàn)，該預(yù)報模式的預(yù)報值略偏低，求得系統(tǒng)偏差為0.17，故將預(yù)報值乘以(1+0.17)得到訂正值。訂正值相對于預(yù)報值略有改善，由于標準中對O3的濃度日均值無明確規(guī)定，故采用與PM2.5相同的分類，對預(yù)報值和訂正值進行分等級檢驗。預(yù)報和實況的等級相同時視為預(yù)報正確。未訂正的預(yù)報準確率為70.55%，訂正后的準確率為68.49%，訂正后的正確率反而有所下降，由于模式5未訂正時的預(yù)報準確率>70%，故業(yè)務(wù)中可以參考該模式的預(yù)報值。

圖6 O3預(yù)報值和訂正值與實況對比

6 小結(jié)

本文通過對貴陽市內(nèi)市環(huán)保站的主要污染物(PM10、PM2.5和O3)的污染物濃度的小時均值和日均值進行分析，得出以下結(jié)論：

① PM10和PM2.51 d內(nèi)的最大小時均值大部分出現(xiàn)在20時—次日08時，而O31 d內(nèi)的最大小時均值大部分出現(xiàn)在12-18時。PM10和PM2.5污染物濃度的月平均，以夏季最低，冬春兩季最高，這可能和貴陽市冬春兩季的采暖有一定的關(guān)系。而O3濃度的月平均以冬夏兩季較低，春秋兩季較高，但整體變化幅度不大。

② 分析PM10、PM2.5和O3日均值變化和選取的57個氣象要素之間的關(guān)系，發(fā)現(xiàn)其中有8個變量與以上3個污染物濃度的日均值都有顯著相關(guān)性，除地面20時的風(fēng)速和O3為顯著正相關(guān)外，其余變量均與污染物濃度的日均值呈顯著負相關(guān)。其中不同層次的濕度變量有5個，說明濕度對污染物濃度有明顯的影響，濕度越大，污染物濃度越小，故預(yù)報PM10和PM2.5時，可以用各層濕度做參考。

③ 通過逐步回歸建立PM10的預(yù)報方程的等級預(yù)報準確率為67.81%，訂正值為預(yù)報值乘以(1+0.12)，訂正后準確率為70.55%，故業(yè)務(wù)中可以參考訂正值。

④ 通過逐步回歸建立PM2.5的預(yù)報方程的等級預(yù)報準確率為65.75%，訂正值為預(yù)報值乘以(1-0.39)，訂正后準確率為71.23%，故業(yè)務(wù)中可以參考訂正值。

⑤ 通過逐步回歸建立O3的預(yù)報方程的等級預(yù)報準確率為70.55%，訂正值為預(yù)報值乘以(1+0.17)，訂正后準確率為68.49%，訂正效果不理想，故業(yè)務(wù)中可以直接參考預(yù)報值。

⑥ 由于污染物濃度的觀測數(shù)據(jù)來源于環(huán)保部門，僅取得了1 a的數(shù)據(jù)進行研究分析，從統(tǒng)計學(xué)的角度考慮，樣本量偏少，但隨著中央氣象局和貴州省氣象局對AQI和主要污染物濃度預(yù)報的研究和開展，在以后的業(yè)務(wù)工作中可以積累數(shù)據(jù)資料，并對以上模型進行進一步的訂正和完善。

[1] Helmut M.Air pollution in cities[J].Atmosphere Environment，1999，33：4029-4037.

[2] 蔡彥楓，王體健，謝旻，等.南京地區(qū)大氣顆粒物影響近地面臭氧的個例研究[J].氣候與環(huán)境研究，2013(2)：251-260.

[3] 王俊，夏偉，史金保，等.宣城市空氣污染特征與氣象要素的關(guān)系分析[J].安徽農(nóng)業(yè)科學(xué)，2014，42(10)：3042-3044.

[4] 胡琳，曹紅利，張文靜，等.西安市環(huán)境空氣質(zhì)量變化特征及其與氣象條件的關(guān)系[J].氣象與環(huán)境學(xué)報，2013，29(6)：150-153.

[5] 王郁，侯青.2000—2010年北京空氣持續(xù)污染特征研究[J].高原氣象，2012(06)：1675-1681.

[6] 陳雷華，余曄，陳晉北，等.2001—2007年蘭州市主要大氣污染物污染特征分析[J].高原氣象，2010(06)：1627-1633.

[7] 程興宏，徐祥德，陳尊裕，等.北京地區(qū)PM10濃度空間分布特征的綜合變分分析[J].應(yīng)用氣象學(xué)報，2007，18(2)：165-172.

[8] 王紅磊，朱彬，馬梁臣，等.南京市夏季城市不同功能區(qū)氣溶膠污染特征[J].南京信息工程大學(xué)學(xué)報：自然科學(xué)版，2010，2(3)：221-229.

[9] 邱粲，曹潔，王靜，等.濟南市空氣質(zhì)量狀況與氣象條件關(guān)系分析[J].中國環(huán)境監(jiān)測，2014(01)：53-59.

[10] 高原.昆明市主城區(qū)環(huán)境空氣質(zhì)量及變化趨勢[J].環(huán)境科學(xué)導(dǎo)刊，2011，30(1)：79-81.

[11] 王京，王初，陳振樓.貴陽市城區(qū)近地面PM10/PM2.5及重金屬污染水平研究[J].環(huán)境科學(xué)與技術(shù)，2011(04)：74-76.

[12] 俞相陽，李金娟，楊榮師.貴陽市大氣PM10中水溶性金屬元素的污染特征[J].貴州大學(xué)學(xué)報：自然科學(xué)版，2011，28(3)：137-140.

[13] 羅乃興，曾莉萍.近年來貴陽市SO2污染的變化特征分析[J].貴州氣象，2015，39(2)：29-33.

[14] 宋丹.貴陽市空氣質(zhì)量狀況和預(yù)報方法研究[J].西南區(qū)域氣象中心預(yù)報技術(shù)交流會，2014，34-44.

[15] 許楊，王凱，賈橋蓮，等.2007—2008年武漢市空氣質(zhì)量預(yù)報及檢驗[J].氣象與環(huán)境學(xué)報，2012，28(2)：81-84.

[16] 張朝能，胡冰.空氣質(zhì)量預(yù)報方法綜述[J].云南環(huán)境科學(xué)，2003，22(2 )：55-57.

2015-01-28

夏曉玲(1990—)，女，助工，主要從事氣象服務(wù)工作。

空氣質(zhì)量和空氣污染氣象條件預(yù)報研究(黔氣科合KF[2015]04號)。

1003-6598(2015)06-0050-06

P456

B