利用IGS對(duì)流層產(chǎn)品預(yù)報(bào)空氣質(zhì)量指數(shù)研究

潘文超，郝金明，徐海鑫，吳　帥

(信息工程大學(xué)，河南 鄭州 450052)

Research on the Air Quality Index Forecast Using IGS Tropospheric Products

PAN Wenchao，HAO Jinming，XU Haixin，WU Shuai

?

利用IGS對(duì)流層產(chǎn)品預(yù)報(bào)空氣質(zhì)量指數(shù)研究

潘文超，郝金明，徐海鑫，吳帥

(信息工程大學(xué)，河南 鄭州 450052)

Research on the Air Quality Index Forecast Using IGS Tropospheric Products

PAN Wenchao，HAO Jinming，XU Haixin，WU Shuai

摘要：空氣質(zhì)量指數(shù)用來(lái)反映霧霾對(duì)大氣的污染狀況，如何對(duì)空氣質(zhì)量進(jìn)行預(yù)報(bào)成為研究的重點(diǎn)和難點(diǎn)?？諝赓|(zhì)量指數(shù)與近地面氣象參數(shù)相關(guān)，本文簡(jiǎn)要介紹了常用的空氣質(zhì)量預(yù)報(bào)方法及衛(wèi)星數(shù)據(jù)觀測(cè)預(yù)報(bào)的優(yōu)勢(shì)。利用北京房山IGS站氣象數(shù)據(jù)文件，建立了空氣質(zhì)量指數(shù)預(yù)報(bào)的多元線性回歸最小二乘模型和卡爾曼濾波模型。結(jié)果表明卡爾曼濾波模型得到的預(yù)報(bào)值與實(shí)際值的相關(guān)系數(shù)和RMS分別為0.995和7.532，均顯著優(yōu)于多元回歸模型。為了驗(yàn)證模型的適用性和效果，選用了霧霾較少的2014年夏季氣象數(shù)據(jù)和空氣質(zhì)量指數(shù)數(shù)據(jù)，試驗(yàn)發(fā)現(xiàn)：采用卡爾曼濾波模型得到的相關(guān)系數(shù)和RMS分別為0.985和7.378，預(yù)報(bào)值與實(shí)際值符合得很好，且預(yù)報(bào)精度較高。本文驗(yàn)證了利用衛(wèi)星導(dǎo)航地面氣象參數(shù)進(jìn)行空氣質(zhì)量預(yù)報(bào)的可行性，為下一步利用衛(wèi)星導(dǎo)航系統(tǒng)對(duì)流層產(chǎn)品對(duì)空氣質(zhì)量進(jìn)行監(jiān)測(cè)和預(yù)報(bào)奠定了一定的研究基礎(chǔ)。

關(guān)鍵詞：霧霾；IGS；空氣質(zhì)量指數(shù)；卡爾曼濾波

霧霾是霧和霾的統(tǒng)稱，是一種大氣的污染狀態(tài)，其中PM2.5(空氣動(dòng)力學(xué)中直徑小于等于2.5 μm的顆粒物)被認(rèn)為是造成霧霾天氣的“元兇”[1-2]。報(bào)告顯示，中國(guó)最大的500個(gè)城市中，只有不到1%的城市達(dá)到世界衛(wèi)生組織推薦的空氣質(zhì)量標(biāo)準(zhǔn)。因此，對(duì)霧霾的監(jiān)測(cè)和預(yù)報(bào)成了十分迫切和重要的課題。

霧霾的厚度為地面以上1~3 km，當(dāng)前對(duì)霧霾的判斷主要依靠地面氣象站的實(shí)測(cè)數(shù)據(jù)，雖然可以得到較為準(zhǔn)確的霧霾信息，但只能在站點(diǎn)附近有限的區(qū)域內(nèi)進(jìn)行，難以反映出霧霾的范圍、動(dòng)態(tài)變化的趨勢(shì)。而衛(wèi)星觀測(cè)具有宏觀性、時(shí)效性、經(jīng)濟(jì)性、真實(shí)性、信息源可靠等諸多優(yōu)勢(shì)[3]。

全球衛(wèi)星導(dǎo)航系統(tǒng)的建成投入使用，不僅在導(dǎo)航領(lǐng)域有著廣泛的應(yīng)用，更促進(jìn)了相關(guān)領(lǐng)域的研究和發(fā)展。近年興起的GPS/MET，通過(guò)研究影響GPS精密定位和數(shù)據(jù)處理主要誤差源之一的對(duì)流層延遲，求解出包含大氣折射信息的大氣折射量，來(lái)反演大氣中的水汽分布，從而進(jìn)行氣象學(xué)研究和天氣預(yù)報(bào)[4]。國(guó)際GNSS服務(wù)組織(International GNSS Service，IGS)通過(guò)網(wǎng)絡(luò)可以近乎實(shí)時(shí)地提供高精度的GPS觀測(cè)數(shù)據(jù)、衛(wèi)星星歷、高質(zhì)量的衛(wèi)星軌道、電離層數(shù)據(jù)和對(duì)流層數(shù)據(jù)等服務(wù)，為當(dāng)今許多重大科學(xué)項(xiàng)目和課題的研究提供了數(shù)據(jù)支持，如國(guó)際地球參考框架的實(shí)施與改進(jìn)、固體地球的形變的監(jiān)測(cè)、對(duì)流層效應(yīng)及氣候?qū)W研究和異常惡劣天氣的預(yù)報(bào)等[5-6]。

本文利用IGS提供的對(duì)流層相關(guān)產(chǎn)品，提出兩種AQI預(yù)報(bào)模型，得到了有參考意義的結(jié)果。

一、空氣質(zhì)量指數(shù)預(yù)報(bào)

通常采用空氣質(zhì)量指數(shù)(air quality index，AQI)來(lái)對(duì)霧霾信息表征，空氣中的主要污染物有PM2.5、PM10、二氧化硫、一氧化碳等?？諝赓|(zhì)量指數(shù)是定量描述空氣質(zhì)量狀況的無(wú)量綱指數(shù)[7]。針對(duì)單項(xiàng)污染物還規(guī)定了空氣質(zhì)量分指數(shù)(individual air quality index，IAQI)。參與空氣質(zhì)量評(píng)價(jià)的主要污染物為細(xì)顆粒物、可吸入顆粒物、二氧化硫、二氧化氮、臭氧、一氧化碳等6項(xiàng)。

二、模型建立和AQI預(yù)報(bào)

本文選用國(guó)家環(huán)保部官網(wǎng)上發(fā)布的城市日(24-hour average)AQI和北京市環(huán)保局官網(wǎng)上提供的北京市各監(jiān)測(cè)點(diǎn)的每小時(shí)(1-hour average)AQI和IAQI數(shù)據(jù)，分別選取了2012、2013和2014年霧霾多發(fā)的春冬兩季[15]。數(shù)據(jù)較為連續(xù)，數(shù)據(jù)質(zhì)量較高且相對(duì)完整，天氣狀況較為穩(wěn)定且無(wú)大的水汽波動(dòng)和降雨天氣，年積日為47—76共計(jì)30 d的AQI數(shù)據(jù)。同時(shí)選用了位于北京房山的IGS站BJFS，獲取了對(duì)應(yīng)時(shí)段包含氣溫(T)、氣壓(P)和相對(duì)濕度(H)氣象數(shù)據(jù)(M)文件。下面將利用BJFS站的P、T、H3個(gè)基本參數(shù)分別建立線性回歸最小二乘模型和卡爾曼濾波模型，來(lái)對(duì)AQI進(jìn)行預(yù)報(bào)和模型精度評(píng)定檢核。

1. 線性回歸最小二乘模型

式中，X0j=1，k=0,1,…,N。通過(guò)推導(dǎo)變換可化為如下求解多元線性回歸最小二乘解的正規(guī)方程組

(1)

(2)

式中,P為測(cè)站氣壓；T為測(cè)站溫度；H為測(cè)站相對(duì)濕度。

2. 卡爾曼濾波模型

設(shè)卡爾曼濾波的量測(cè)方程為yi=b0+b1x1i+b2x2i+…+bmxmi+li，li為量測(cè)噪聲。在卡爾曼濾波系統(tǒng)中，將b0、bi作為狀態(tài)向量，從t-1時(shí)刻到t時(shí)刻變化的過(guò)程中有狀態(tài)向量bt=bt-1+lt-1，表明狀態(tài)向量從bt-1變化到bt受到動(dòng)態(tài)噪聲lt-1的影響。其中動(dòng)態(tài)噪聲lt-1與量測(cè)噪聲li均為隨機(jī)向量，并假定它們互不相關(guān)，均值為0，方差分別為W、V的白噪聲，應(yīng)用廣義最小二乘法，得到如下公式

(3)

Rt=Ct-1+W

(4)

(5)

(6)

(7)

(8)

3. 誤差分析

通過(guò)對(duì)數(shù)據(jù)處理，采用多元回歸模型和卡爾曼濾波模型得到AQI預(yù)報(bào)值，與AQI實(shí)際值作對(duì)比。限于篇幅，這里只給出2014年模型預(yù)報(bào)值與實(shí)際值的變化圖。

從圖1中可以看出，多元回歸模型得到預(yù)報(bào)值曲線較為平滑，與實(shí)際值相比基本可以反映AQI等的變化趨勢(shì)，但是峰值和谷值都不明顯，偏差較大。相比較而言，采用卡爾曼濾波模型，則能很好地反映真實(shí)值的變化趨勢(shì)，峰值和谷值明顯，但存在一定的滯后性，這主要是由卡爾曼濾波的遞推特性所造成的，通過(guò)加入上一次的修正值，對(duì)本次量測(cè)值進(jìn)行預(yù)報(bào)。通過(guò)計(jì)算，得到回歸模型和卡爾曼濾波模型與實(shí)際值的相關(guān)系數(shù)和RMS，見(jiàn)表1和表2。

圖1　2014年AQI模型預(yù)報(bào)值與實(shí)際值

201220132014多元回歸0.5320.5370.521卡爾曼濾波0.9310.9650.995

表2　預(yù)報(bào)值與實(shí)際值差值RMS

通過(guò)相關(guān)系數(shù)和RMS比較不難發(fā)現(xiàn)，采用卡爾曼濾波模型得到的預(yù)報(bào)值相較于多元回歸模型，都有較大的改善。其中的一個(gè)原因可能是由于采用數(shù)據(jù)量相對(duì)較少，因此不能很好地利用多元回歸模型得到較為準(zhǔn)確的預(yù)報(bào)值。而在數(shù)據(jù)量較少的情況下采用卡爾曼濾波方法得到AQI預(yù)報(bào)值與實(shí)際值的相關(guān)系數(shù)為0.995，RMS為7.5，能夠較好地預(yù)報(bào)AQI及其變化趨勢(shì)，且精度較高。

4. 模型驗(yàn)證

為了進(jìn)一步驗(yàn)證采用卡爾曼濾波模型的精度和有效性，本文選用了2014年積日147—181霧霾較少季節(jié)共30 d的BJFS的M文件和1 h分辨率的AQI數(shù)據(jù)。采用相同的處理方法，首先使用多元回歸模型確定回歸系數(shù)初值，然后利用卡爾曼濾波模型進(jìn)行AQI預(yù)報(bào)，并作相應(yīng)的誤差分析。對(duì)數(shù)據(jù)進(jìn)行處理，得到線性回歸方程

YAQI=273.8-0.559 9P+9.996 9T+1.672 3H

(9)

以回歸模型系數(shù)初始值作為卡爾曼濾波模型初值，通過(guò)模型得到預(yù)報(bào)值。

由圖2不難發(fā)現(xiàn)，采用卡爾曼濾波模型得到的AQI預(yù)報(bào)值要遠(yuǎn)遠(yuǎn)好于多元回歸模型，基本與實(shí)際值的變化相一致，而多元回歸模型變化則較為平緩，峰值表現(xiàn)不明顯，二者與實(shí)際值的相關(guān)系數(shù)和RMS見(jiàn)表3。

圖2　2014年6月份AQI預(yù)報(bào)值與實(shí)際值

相關(guān)系數(shù)RMS多元回歸0.39738.937卡爾曼濾波0.9857.378

綜合表1、表2和表3不難發(fā)現(xiàn)，采用卡爾曼濾波方法，利用氣象參數(shù)進(jìn)行AQI預(yù)報(bào)精度較高，證明了利用IGS站氣象參數(shù)進(jìn)行AQI預(yù)報(bào)的可行性和有效性。同時(shí)，預(yù)報(bào)值RMS接近10，仍有改進(jìn)的空間。下一步將進(jìn)一步研究影響AQI的其他因素，加入更多參數(shù)，使得模型的預(yù)報(bào)精度及時(shí)間分辨率更高，以滿足日常的監(jiān)測(cè)和預(yù)報(bào)需求。

三、結(jié)束語(yǔ)

由于區(qū)域性灰霾天氣頻發(fā),危害日益嚴(yán)重，如何測(cè)量和控制灰霾天氣,改善區(qū)域環(huán)境空氣質(zhì)量,成為我國(guó)實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展的關(guān)鍵問(wèn)題之一。GPS等衛(wèi)星導(dǎo)航系統(tǒng)的廣泛應(yīng)用為其他領(lǐng)域的研究提供了全新的視角和思路。本文利用IGS提供的站點(diǎn)M文件中的氣壓、溫度和相對(duì)濕度參數(shù)，對(duì)BJFS站AQI建立多元回歸模型和卡爾曼濾波模型，對(duì)AQI進(jìn)行了預(yù)報(bào)，并對(duì)預(yù)報(bào)結(jié)果進(jìn)行了比對(duì)分析。試驗(yàn)結(jié)果表明：使用卡爾曼濾波模型得到的預(yù)報(bào)值相對(duì)于多元回歸模型的預(yù)報(bào)值，更接近于實(shí)際值，具有較高的相關(guān)系數(shù)和較高的預(yù)報(bào)精度，為霧霾的監(jiān)測(cè)和預(yù)報(bào)提供了一種新的思路和方法。各地區(qū)CORS系統(tǒng)的全面建設(shè)和使用，不僅利于區(qū)域?qū)Ш蕉ㄎ痪鹊奶岣?，促進(jìn)地區(qū)建設(shè)，而且利用廣泛分布的地面CORS站。在獲取相關(guān)的對(duì)流層氣象參數(shù)后，利用本文建立的卡爾曼濾波模型等方法對(duì)空氣質(zhì)量進(jìn)行檢測(cè)預(yù)報(bào)，將會(huì)節(jié)約建立空氣質(zhì)量監(jiān)測(cè)站的費(fèi)用和人力。同時(shí)利用高采樣率的CORS站氣象數(shù)據(jù)，將會(huì)提高空氣質(zhì)量預(yù)報(bào)的分辨率。

參考文獻(xiàn)：

[1]孫亮.灰霾天氣成因危害及控制治理[J].環(huán)境科學(xué)與管理，2012，37(10)：71-72.

[2]錢(qián)凌.南京大氣氣溶膠的污染特征及其影響因素觀測(cè)研究[D].南京：南京信息工程大學(xué)，2008.

[3]姜杰，查勇，袁杰，等.遙感技術(shù)在灰霾監(jiān)測(cè)中的應(yīng)用綜述[J].環(huán)境監(jiān)測(cè)管理與技術(shù)，2011，23(2)：15-17.

[4]TONG N，ELGERED G．Ground-based GPS for Validation of Climate Ground-based GPS：The Impact of the Elevation Cutoff Angle[J]．Transactions on Geoscience and Remote Sensing，2010，48(10)：10-15．

[5]WANG J，ZHANG L，DAI A．A Gobal, 2-hourly Atmospheric Precipitable Water Dataset from IGS Ground-based GPS Measurements：Scientific Applications and Future Needs[C]∥Proceeding of IGS Workshop．[S.l.]: IGS, 2006：8-11．

[6]MACLEOD K, CAISSY M. Real Time IGS Pilot Project(RT-PP) Status Report[R]. Newcastle: IGS Workshop,2010.

[7]中國(guó)環(huán)境保護(hù)部. 環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定：HJ633—2012[S].北京：中國(guó)環(huán)境科學(xué)出版社，2012.

[8]朱紅芳，王東勇.合肥市空氣質(zhì)量預(yù)報(bào)方法[J].氣象，2002, 28(5):40-43.

[9]朱玉強(qiáng).幾種空氣質(zhì)量預(yù)報(bào)方法的預(yù)報(bào)效果對(duì)比分析[J].氣象，2004,30(10):30-33.

[10]陳亦君，尤佳紅，束炯，等.基于WRF-RTIM的上海地區(qū)霾預(yù)報(bào)MOS方法研究[J].環(huán)境科學(xué)學(xué)報(bào)，2014,34(3):574-581.

[11]萬(wàn)夫敬.南京地區(qū)降水預(yù)報(bào)研究[D].南京：南京大學(xué)，2011.

[12]劉大杰，于正林.動(dòng)態(tài)測(cè)量系統(tǒng)與卡爾曼濾波[J].測(cè)繪學(xué)報(bào)，1988,17(4): 254-262.

[13]陸如華，徐傳玉，張玲，等.卡爾曼濾波的初值計(jì)算方法及其應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，1997,8(1):34-43.

[14]MALM W C．Characteristics and Origins of Haze in the Continental United-States[J]．Earth-Science Reviews，1992，33(1)：1-36．

[15]童堯青. 南京地區(qū)霆天氣及其污染特征分析[D].南京：南京信息工程大學(xué)，2008

[16]葛茂榮，劉經(jīng)南.GPS定位中對(duì)流層折射估計(jì)研究[J].測(cè)繪學(xué)報(bào)，1996, 25(4): 285-291.

[17]張過(guò)，陳鉭，潘紅播，等.基于有理多項(xiàng)式系數(shù)模型的物方面元最小二乘匹配[J].測(cè)繪學(xué)報(bào),2011,40(5):592-597.

[18]BOEHM J，HEINKELMANN R，SCHUH H. Short Note：A Global Model of Pressure and Temperature for Geodetic Applications[J]．Journal of Geodesy, 2007, 81(10)：679-683．

引文格式： 潘文超，郝金明，徐海鑫，等. 利用IGS對(duì)流層產(chǎn)品預(yù)報(bào)空氣質(zhì)量指數(shù)研究[J].測(cè)繪通報(bào)，2016(1)：76-79.DOI:10.13474/j.cnki.11-2246.2016.0019.

作者簡(jiǎn)介：潘文超(1989—)，男，助理工程師，主要從事衛(wèi)星導(dǎo)航和對(duì)流層方面的研究工作。E-mail:ywsy2008003@yeah.net

收稿日期：2014-11-15

中圖分類(lèi)號(hào)：P228.4

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2016)01-0076-04