基于AQI的九江市空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)方法

徐潔玲，楊 超，李 恒

(1.九江市氣象局，332005，江西，九江；2.九江市環(huán)境監(jiān)測站,332000，江西，九江)

0 引言

隨著中國城市化進(jìn)程加快，城鎮(zhèn)大氣污染問題越來越突出[1]，嚴(yán)重時(shí)會(huì)危害人體健康[2]。根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633—2012)規(guī)定[3]：空氣污染指數(shù)劃分為6個(gè)級(jí)別，分別為0～50、51～100、101～150、151～200、201～300和>300六級(jí)，新標(biāo)準(zhǔn)更科學(xué)、準(zhǔn)確地表述了國內(nèi)的空氣質(zhì)量情況?？諝赓|(zhì)量預(yù)報(bào)的關(guān)鍵是對(duì)氣象環(huán)境場預(yù)報(bào)，是科學(xué)研究和業(yè)務(wù)開展的重要內(nèi)容。相對(duì)其他天氣預(yù)報(bào)業(yè)務(wù)，空氣質(zhì)量預(yù)報(bào)技術(shù)還不成熟，重污染天氣預(yù)報(bào)、預(yù)警業(yè)務(wù)和發(fā)布機(jī)制不完善。隨著大氣污染防治攻堅(jiān)戰(zhàn)的開展，城市空氣質(zhì)量監(jiān)測及空氣污染預(yù)報(bào)預(yù)警工作迫在眉睫，掌握大氣污染演變趨勢，可為污染防治提供參考和依據(jù)。

很多學(xué)者[4-7]從大氣污染與氣象要素的相關(guān)性著手，找出影響空氣質(zhì)量的氣象因子。王景云[8]等研究發(fā)現(xiàn)北京地區(qū)不同季節(jié)和不同等級(jí)空氣條件下，氣象因素對(duì)空氣質(zhì)量影響差異較大，得出了關(guān)于空氣質(zhì)量預(yù)報(bào)的定性結(jié)論。王明潔[9]等提出不同季節(jié)應(yīng)關(guān)注不同污染物濃度變化和天氣形勢演變。劉郁鈺[10]等研究發(fā)現(xiàn)在不同季節(jié)各氣象要素與污染天氣相關(guān)關(guān)系有較大差異，通過分析不同氣象條件下污染天氣發(fā)生的情況，找出主要?dú)庀笥绊懸蜃?，歸納了用于當(dāng)?shù)匚廴咎鞖忸A(yù)報(bào)的指標(biāo)。天氣形勢的分型和與氣象要素的相關(guān)得到一些關(guān)于空氣質(zhì)量預(yù)報(bào)的定性結(jié)論，數(shù)值預(yù)報(bào)是空氣質(zhì)量預(yù)報(bào)重要方法和手段[11]，但預(yù)報(bào)結(jié)果仍然需要人工訂正。程念亮[12]等研究發(fā)現(xiàn)數(shù)值預(yù)測模型自動(dòng)計(jì)算生成得出的預(yù)測結(jié)果，由于受預(yù)報(bào)平臺(tái)性能和本身設(shè)置影響，準(zhǔn)確率并不理想，預(yù)報(bào)人員根據(jù)以往積累的經(jīng)驗(yàn)，再結(jié)合其他資料對(duì)數(shù)值預(yù)報(bào)結(jié)果做主觀訂正，能提高預(yù)報(bào)準(zhǔn)確率。麥建華[13]等基于GRAPES-CMAQ模式開發(fā)的中山市空氣質(zhì)量預(yù)報(bào)系統(tǒng)對(duì)AQI等級(jí)、首要污染物、PM2.5和O3濃度預(yù)報(bào)有一定的預(yù)報(bào)能力，但是該預(yù)報(bào)系統(tǒng)仍然不能有效預(yù)報(bào)出目前空氣重污染天氣。李昊[14]等利用ECMWF和T639數(shù)值預(yù)報(bào)產(chǎn)品和污染物質(zhì)量濃度監(jiān)測數(shù)據(jù)建立空氣質(zhì)量日均濃度預(yù)報(bào)模型，發(fā)現(xiàn)對(duì)24 h時(shí)效空氣質(zhì)量指數(shù)等級(jí)和首要污染物的預(yù)報(bào)成功較高。岳旭[15]等利用BP神經(jīng)網(wǎng)絡(luò)法對(duì)目前通過數(shù)值預(yù)報(bào)的6種污染物濃度預(yù)報(bào)結(jié)果進(jìn)行訂正，發(fā)現(xiàn)集合訂正方法對(duì)單一模式NO2、SO2、PM2.5污染物的預(yù)報(bào)結(jié)果有一定改進(jìn)作用。

目前業(yè)務(wù)應(yīng)用中空氣質(zhì)量預(yù)報(bào)方法都是數(shù)值預(yù)報(bào)和人工訂正相結(jié)合方式得出預(yù)報(bào)結(jié)果，空氣質(zhì)量指數(shù)AQI的預(yù)報(bào)準(zhǔn)確率跟訂正人員的預(yù)報(bào)水平有很大的關(guān)系。九江市空氣質(zhì)量研究正在開展[16-17]，但AQI預(yù)報(bào)缺少有數(shù)據(jù)支撐的方法。為此，建立一個(gè)適合于九江城市特點(diǎn)，適用于實(shí)際業(yè)務(wù)工作中空氣質(zhì)量預(yù)報(bào)方法，需求迫切。本文根據(jù)氣象要素與AQI指數(shù)的相關(guān)性分析，嘗試分季節(jié)建立統(tǒng)計(jì)預(yù)報(bào)模型，定量計(jì)算空氣質(zhì)量指數(shù)，以期為業(yè)務(wù)工作者預(yù)報(bào)、訂正AQI指數(shù)提供有效參考，進(jìn)而為環(huán)境管理決策提供定量、及時(shí)、準(zhǔn)確、全面的大氣環(huán)境質(zhì)量信息。

1 資料與方法

1.1 資料來源

2014—2017 年九江市環(huán)境監(jiān)測站提供空氣質(zhì)量觀測數(shù)據(jù)，包括西園、茅山頭、綜合工業(yè)園、水科所、十里、五七二七廠和石化總廠7個(gè)自動(dòng)站的SO2、NO2、O3、CO、PM10和PM2.56類污染物逐日平均濃度、AQI日均值與首要污染物等要素。九江市氣象觀測站觀測的地面氣象要素。

1.2 分析方法及軟件

數(shù)據(jù)統(tǒng)計(jì)分析使用的軟件為Excel 2016、SPSS Statistics V22.0，用以污染物和污染日數(shù)的統(tǒng)計(jì)分析、建立統(tǒng)計(jì)學(xué)預(yù)報(bào)模型。

2 九江市2014—2017年空氣質(zhì)量季節(jié)分布特征

2.1 九江市空氣質(zhì)量概況

2014—2017年，九江市空氣質(zhì)量為優(yōu)的天數(shù)逐漸增多,全年總天數(shù)從16%增加到23%，但污染總?cè)諗?shù)仍無下降趨勢。2014—2017年，輕度污染以上總天數(shù)為281 d，占總天數(shù)的19%，其中2014年70 d，占全年19%，2015年59 d，占全年16%，2016年76 d，占全年21%，2017年76 d，占全年21%(圖1)。

空氣質(zhì)量為輕度污染以上的天氣主要出現(xiàn)在冬季，其次是春季，10—12月、1—2月的冬、春季節(jié)，占總污染日數(shù)的60%，夏季和初秋最少(圖2)。中度污染以上天氣中76%出現(xiàn)在冬春季節(jié)，其次是5月、6月的初夏，4月、7月和8月污染最輕。

圖2 九江市2014—2017年輕度以上污染月分布圖

2.2 不同季節(jié)首要污染物分布

2014—2017年，在九江市影響空氣質(zhì)量的主要污染物有PM2.5、PM10和O33種，重度以上污染日的首要污染物全部是PM2.5(圖略)。對(duì)2014—2017年首要污染物分季節(jié)分布分析(圖3)發(fā)現(xiàn)，不同季節(jié)的首要污染物不同：春、秋季首要污染物是PM10、PM2.5、O3，且污染天數(shù)大致相同，夏季首要污染物主要是O3，冬季首要污染物主要為PM2.5，O3污染天數(shù)很少。

圖3 九江市2014—2017年分季節(jié)首要污染物分布天數(shù)

具體到逐月分布，如圖4所示，在11月到次年2月PM2.5是最重要的污染物，占比達(dá)到78 %，其次是PM10污染占比21 %，O3污染占比僅為2%。5—9月由于溫度和日照的影響，首要污染物中O3占比57 %為最高，PM10占比23 %，PM2.5占比明顯下降，僅占19%。PM10污染則分布比較均勻，沒有表現(xiàn)出明顯的月變化。由此可見，在不同季節(jié)，影響空氣質(zhì)量的首要污染物不同，為此嘗試分季節(jié)分析污染日的氣象影響因子。

圖4 九江市2014—2017年各類首要污染物逐月分布圖

3 AQI與氣象要素的相關(guān)和統(tǒng)計(jì)模型

3.1 2014—2016年逐日AQI與氣象要素的相關(guān)性分析

對(duì)2014—2016年1 093 d的有效樣本分季節(jié)做回歸分析，發(fā)現(xiàn)相關(guān)性最明顯為相對(duì)濕度項(xiàng)，其中最小相對(duì)濕度與AQI的相關(guān)系數(shù)達(dá)-0.33，其后依次為晴雨情況，20—20時(shí)降水量和極大風(fēng)速，相關(guān)系數(shù)分別為-0.28，-0.27，-0.26，然后為日照時(shí)數(shù)、最低氣溫和平均氣壓，而最小的最高氣溫的相關(guān)系數(shù)也在-0.04以上。利用2014—2016年全年的相關(guān)系分析做回歸預(yù)報(bào)方程，發(fā)現(xiàn)AQI預(yù)報(bào)結(jié)果并不理想，在實(shí)際業(yè)務(wù)對(duì)空氣質(zhì)量的預(yù)報(bào)應(yīng)用性較差，為此嘗試不同季節(jié)的分別建立回歸方程對(duì)AQI指數(shù)的預(yù)報(bào)準(zhǔn)確率高。

3.2 不同季節(jié)AQI與氣象要素的相關(guān)

九江市四季主要特點(diǎn)是四季分明，雨量充沛。春季受冷空氣和南支槽的共同影響，多低溫陰雨和強(qiáng)對(duì)流。夏季多降水、高溫天氣，全年降水50%以上集中在雨季4—7月。秋季受副熱帶高壓脊或大陸高壓控制，秋高氣爽。冬季主要受冷空氣南下侵入影響，以鄱陽湖區(qū)域?yàn)橄虮遍_口的盆地，冷空氣長驅(qū)直下，氣溫顯著下降，污染物隨之輸送而來?；谶@種氣候背景，不同季節(jié)首要污染物不同，AQI與氣象要素也呈現(xiàn)不同的相關(guān)性。對(duì)樣本分季節(jié)作相關(guān)性計(jì)算，從而找出不同季節(jié)影響空氣質(zhì)量的主要?dú)庀笠蜃印?/p>

如表1所示，春季的AQI相關(guān)性與全年的相比，主要表現(xiàn)為最高氣溫和極大風(fēng)速提高明顯，春季隨著氣溫的升高，O3污染也更加明顯，所以才會(huì)呈現(xiàn)出最高氣溫的相關(guān)性升高，春季冷空氣相對(duì)活躍，污染物隨冷空氣沿鄱陽湖口輸入本地，極大風(fēng)速的相關(guān)性較好。

表1 春季AQI與部分氣象要素的相關(guān)系數(shù)

如表2所示，夏季相對(duì)濕度、日照時(shí)數(shù)、最高氣溫和降水量呈現(xiàn)高度相關(guān)。根據(jù)前文分析，夏季的O3污染有明顯的升高，這跟日照增多和氣溫升高有密切的關(guān)系。夏季西南季風(fēng)活躍，多降水天氣，降水對(duì)大氣中的污染物有顯著的沉降作用，故而濕度和雨量對(duì)AQI表現(xiàn)出了明顯的負(fù)相關(guān)。

表2 夏季AQI與部分氣象要素的相關(guān)系數(shù)

秋季秋高氣爽、伏秋期多高溫干旱，AQI與最高氣溫和日照時(shí)數(shù)呈現(xiàn)較好的相關(guān)，初秋有臺(tái)風(fēng)影響，受臺(tái)風(fēng)外圍下沉氣流影響，下沉增溫影響最高氣溫。而在深秋，大氣環(huán)流的季節(jié)調(diào)整，冷空氣開始活躍，晴雨變化頻繁，由于污染物的累積特征和降水對(duì)污染物的清除作用，降水、前一日降水和相對(duì)濕度呈現(xiàn)了顯著的負(fù)相關(guān)(表3)。

表3 秋季AQI與部分氣象要素的相關(guān)系數(shù)

如表4所示，冬季的相關(guān)系數(shù)普遍不高，氣象因子主要表現(xiàn)為氣溫、降水量、極大風(fēng)速和氣壓。分析發(fā)現(xiàn)由于冷空氣活躍，弱冷空氣導(dǎo)致的北方污染物從鄱陽湖口輸入，再加上冬季大氣垂直層結(jié)穩(wěn)定，易形成逆溫，導(dǎo)致垂直擴(kuò)散能力下降。冬季九江市所有的重污染天氣都是由于外部輸入型及外部輸入和本地堆積的混合型造成的，弱冷空氣將北方污染物隨著近地層偏北風(fēng)輸送到本地區(qū)。

表4 冬季AQI與部分氣象要素的相關(guān)系數(shù)

3.3 建立分季節(jié)的回歸模型

由于九江地處江南，AQI的升高是污染物累積的過程，九江的AQI指數(shù)是一個(gè)滑動(dòng)的曲線性變化，前一天的指數(shù)對(duì)后一天的指數(shù)預(yù)報(bào)有重要的指示意義。對(duì)前后兩天的AQI進(jìn)行了分析發(fā)現(xiàn)相關(guān)系數(shù)高達(dá)0.66，經(jīng)過檢驗(yàn)對(duì)比，在回歸模型中加入前一天的AQI這項(xiàng)參數(shù)后，AQI指數(shù)的預(yù)報(bào)質(zhì)量有顯著的提高，所以在不同季節(jié)分別建立回歸模型時(shí)，前一天的AQI值作為最重要的一項(xiàng)參數(shù)。

1)春季回歸模型。

Y=73.98+0.71X1-0.43X2-0.29X3-2.1X4-0.2X5+0.53X6

其中：X1為最高氣溫，X2為平均相對(duì)濕度，X3為20—20時(shí)降水量，X4為極大風(fēng)速，X5日照時(shí)數(shù)，X6為前一天AQI。

2)夏季回歸模型。

Y=87.83-1.23X1-0.47X2-0.17X3+1.37X4+0.61X5

其中：X1為最高氣溫，X2為最小相對(duì)濕度，X3為20—20時(shí)降水量，X4為日照時(shí)數(shù)，X5為前一天AQI。

3)秋季回歸模型。

Y=85.7+0.01X1-0.4X2-0.07X3-0.15X4-3.04X5+0.14X6+0.45X7

其中：X1為最高氣溫，X2為最小相對(duì)濕度，X3為20—20時(shí)降水量，X4為前一天08—08時(shí)降水量，X5為極大風(fēng)速，X6為日照時(shí)數(shù)，X7為前一天AQI。

4)冬季回歸模型。

Y=456.05-0.39X1+1.39X2-1.23X3-2.44X4+0.51X5

其中：X1為最高氣壓，X2為最高氣溫，X3為20—20時(shí)降水量，X4為極大風(fēng)速，X5為前一天AQI。

4 預(yù)報(bào)能力檢驗(yàn)

利用2017年1月1日—12月31日的數(shù)據(jù)對(duì)預(yù)報(bào)模型進(jìn)行檢驗(yàn)發(fā)現(xiàn)(圖5)，春季AQI±20預(yù)報(bào)準(zhǔn)確率為78%，污染等級(jí)預(yù)報(bào)準(zhǔn)確率為82%；夏季AQI±20預(yù)報(bào)準(zhǔn)確率為81%，污染等級(jí)預(yù)報(bào)準(zhǔn)確率為80%；秋季AQI±20預(yù)報(bào)準(zhǔn)確率為68%，污染等級(jí)預(yù)報(bào)準(zhǔn)確率為66%；冬季AQI±20預(yù)報(bào)準(zhǔn)確率為58%，污染等級(jí)預(yù)報(bào)準(zhǔn)確率為54%。

圖5 預(yù)報(bào)模型預(yù)測與實(shí)況檢驗(yàn)圖

春季、夏季由于降水比較明顯，且由O3造成的污染日數(shù)相對(duì)較多，而高溫和日照對(duì)O3有顯著的相關(guān)，所以AQI的預(yù)報(bào)能力較強(qiáng)，預(yù)報(bào)準(zhǔn)確率高，且能較好地預(yù)報(bào)轉(zhuǎn)折性的污染變化。秋冬季隨著外來輸送污染嚴(yán)重和PM2.5首污的日數(shù)增加，氣象因子的相關(guān)性較低，預(yù)報(bào)能力也隨之降低。

5 小結(jié)與討論

本文利用空氣質(zhì)量監(jiān)測數(shù)據(jù)、氣象數(shù)據(jù)開展AQI與氣象要素的相關(guān)性分析，對(duì)2014—2016年1 093 d的有效樣本做分季節(jié)回歸分析，得出分季節(jié)的不同統(tǒng)計(jì)學(xué)預(yù)報(bào)模型，用客觀預(yù)報(bào)產(chǎn)品和數(shù)值預(yù)報(bào)產(chǎn)品做預(yù)報(bào)初始場，得出未來24 h的AQI指數(shù)預(yù)報(bào)，得到以下結(jié)論。

1)相對(duì)于全年回歸預(yù)報(bào)方程，分不同季節(jié)的回歸方程對(duì)AQI指數(shù)的預(yù)報(bào)準(zhǔn)確率高。不同季節(jié)的氣象要素與AQI的相關(guān)程度不同，春季選取的主要預(yù)報(bào)因子為最高氣溫、平均相對(duì)濕度、降水量、極大風(fēng)速、日照時(shí)數(shù)；夏季預(yù)報(bào)因子為最高氣溫、最小相對(duì)濕度、降水量、日照時(shí)數(shù)；秋季預(yù)報(bào)因子為最高氣溫、最小相對(duì)濕度、降水量、前一日降水量、極大風(fēng)速和日照時(shí)數(shù)；冬季預(yù)報(bào)因子為降水量、極大風(fēng)速、最高氣壓、最高氣溫。

2)AQI指數(shù)的增長有累積特點(diǎn)，前后兩天的AQI相關(guān)系數(shù)高達(dá)0.66，在回歸的過程中將前一天的AQI值做為最重要的一項(xiàng)參數(shù)，極大地提高了預(yù)報(bào)準(zhǔn)確率。

3)AQI預(yù)報(bào)準(zhǔn)確率春、夏季相對(duì)秋、冬季節(jié)較高。春季和夏季由于降水比較明顯，而且高溫和日照對(duì)O3有顯著的相關(guān)，所以AQI的預(yù)報(bào)能力較強(qiáng)，預(yù)報(bào)準(zhǔn)確率高，且能較好地預(yù)報(bào)轉(zhuǎn)折性的污染變化。秋冬季隨著污染的加強(qiáng)和PM2.5首污的日數(shù)增加，相關(guān)性較弱，預(yù)報(bào)能力也隨之降低。

4)模型中預(yù)報(bào)初始場最高氣溫、降水量為主觀預(yù)報(bào)產(chǎn)品，其余要素均使用數(shù)值預(yù)報(bào)結(jié)果，因此AQI的預(yù)報(bào)準(zhǔn)確率不僅受限于統(tǒng)計(jì)模型本身，還取決于天氣要素預(yù)報(bào)的準(zhǔn)確率。

5)九江市秋冬季受外來輸送污染嚴(yán)重[18]，今后可以嘗試將上游AQI值作為影響因子加入預(yù)報(bào)模型中，用以改善該模型對(duì)秋冬季AQI的預(yù)報(bào)能力。