一種珠海市空氣質(zhì)量預(yù)測(cè)新模型
相關(guān)鏈接： 中國(guó)安全網(wǎng) 中國(guó)質(zhì)量網(wǎng) 中國(guó)論文網(wǎng) 中國(guó)資訊網(wǎng)
作者；張毅
空氣質(zhì)量預(yù)報(bào)成為繼大氣環(huán)境監(jiān)測(cè)后的又一熱點(diǎn)問(wèn)題。空氣質(zhì)量預(yù)報(bào)模式是是空氣質(zhì)量分析、預(yù)報(bào)等相當(dāng)重要的手段之一�，F(xiàn)階段應(yīng)用較為廣泛的空氣質(zhì)量數(shù)值模式包括：美國(guó)的WRF/Chem、Models-3/CMAQ和CAMx、德國(guó)的EU-RAD、法國(guó)的CHIMERE、等。以美國(guó)為例，美國(guó)投入了大量的人力和物力開(kāi)發(fā)研究大氣污染數(shù)值預(yù)報(bào)模式，20世紀(jì)90年代末期推出了第三代基于“一個(gè)大氣”理念的開(kāi)發(fā)設(shè)計(jì)的“Models-3/CMAQ”模式系統(tǒng)，2000年代后推出的包含大氣污染物與氣象場(chǎng)之間雙向反饋?zhàn)饔玫腤RF/Chem模式。
我國(guó)也相繼研發(fā)了多個(gè)具有自主知識(shí)產(chǎn)權(quán)的空氣質(zhì)量模式，例如中國(guó)科學(xué)院大氣物理研究所開(kāi)發(fā)了全球環(huán)境大氣輸送模式(GEATM)、全球多尺度嵌套大氣化學(xué)輸送模式(GNAQPMS)、嵌套網(wǎng)格空氣質(zhì)量模式系統(tǒng)( NAQPMS)、多模式空氣質(zhì)量集合預(yù)報(bào)系統(tǒng)(EMS)、等一系列模式產(chǎn)品；中國(guó)氣象科學(xué)研究院開(kāi)發(fā)了GUACE模式，南京大學(xué)研發(fā)了NJU-CAQPS模式等。近年來(lái)，上述部分模式也已在京津冀、長(zhǎng)三角、珠三角地區(qū)應(yīng)用并取得較好的效果，并在重大活動(dòng)的空氣質(zhì)量保障工作中發(fā)揮了重要的作用。
然而，數(shù)值模式的建設(shè)需要投入大量的數(shù)據(jù)資源及硬件成本，同時(shí)預(yù)報(bào)準(zhǔn)確度受限于源清單、下墊面、邊界條件等眾多要素本身的精確度，故較適用于有軟硬件條件支撐的區(qū)域或省市。對(duì)于大部分中、小城市而言，統(tǒng)計(jì)預(yù)報(bào)模型建設(shè)成本低、簡(jiǎn)單易于掌握、精度較好，因此成為城市空氣質(zhì)量預(yù)報(bào)工具的選擇之一，以提升當(dāng)前城市對(duì)重污染天氣的預(yù)報(bào)預(yù)警能力�？諝赓|(zhì)量統(tǒng)計(jì)預(yù)報(bào)模型亦是當(dāng)前的一項(xiàng)研究熱點(diǎn)，我國(guó)劉閩等用逐步回歸法對(duì)沈陽(yáng)空氣質(zhì)量進(jìn)行了預(yù)報(bào)研究，預(yù)報(bào)與實(shí)測(cè)結(jié)果對(duì)比表明環(huán)境空氣預(yù)測(cè)結(jié)果級(jí)別準(zhǔn)確率達(dá)到79.1%。孫峰采用線(xiàn)性回歸模型、分類(lèi)判別樹(shù)模型等共計(jì)5種預(yù)報(bào)模型，減小了在高污染季節(jié)的預(yù)報(bào)誤差。中山大學(xué)劉永紅等采用基于氣象相似性的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)華南和華北典型地區(qū)進(jìn)行了空氣質(zhì)量預(yù)報(bào)。該研究基于空氣質(zhì)量監(jiān)測(cè)實(shí)況數(shù)據(jù)和同期氣象監(jiān)測(cè)、預(yù)報(bào)數(shù)據(jù)，研發(fā)多元回歸、同期同歸模型2種統(tǒng)計(jì)預(yù)報(bào)模型，實(shí)現(xiàn)城市未來(lái)1-6 d空氣質(zhì)量預(yù)報(bào)，并對(duì)預(yù)報(bào)準(zhǔn)確度進(jìn)行綜合評(píng)估。
目前，國(guó)內(nèi)尚沒(méi)有與珠海市空氣質(zhì)量預(yù)測(cè)模型研究相關(guān)的文獻(xiàn)，然而，針對(duì)珠海市進(jìn)行空氣質(zhì)量預(yù)測(cè)漠型研究能夠更好的對(duì)珠海市未來(lái)空氣質(zhì)量進(jìn)行預(yù)測(cè)，反映珠海市大氣環(huán)境污染變化趨勢(shì)，為環(huán)境管理決策提供及時(shí)、準(zhǔn)確、全面的環(huán)境質(zhì)量信息，有效應(yīng)對(duì)尺氣重污染事件。
1 基礎(chǔ)數(shù)據(jù)分析
該研究基于2014年珠海市吉大、前山、唐家和斗門(mén)4個(gè)監(jiān)測(cè)站點(diǎn)的空氣質(zhì)量監(jiān)測(cè)實(shí)況日均值(N02、S02、CO、03、PMio、PM2.5共計(jì)6項(xiàng)參數(shù)）、氣象實(shí)況日均數(shù)據(jù)（包括風(fēng)向、風(fēng)速、溫度、氣溫、濕度、大氣壓、降雨等級(jí)、大氣穩(wěn)定度共計(jì)8項(xiàng)參數(shù)）為基礎(chǔ)，進(jìn)行統(tǒng)計(jì)模型建模并預(yù)測(cè)。
珠海市吉大、前山、唐家和斗門(mén)均為國(guó)控點(diǎn)，4個(gè)站點(diǎn)的空間位置如圖1所示。
l.l 污染物和氣象因子的相關(guān)性分析
選取PM25、03為例（后文均以PM25、03為例），基于2014年5月1日-6月30日的常規(guī)氣象要素與污染物濃度監(jiān)測(cè)數(shù)據(jù)（空氣質(zhì)量發(fā)布數(shù)據(jù)，數(shù)據(jù)源于全國(guó)城市空氣質(zhì)量實(shí)況發(fā)布平臺(tái)，http://ll3.108.142.147:20035/emcpublish/)進(jìn)行分析，相關(guān)性分析結(jié)果如圖2所示。
由圖2可看出，PM2.5與風(fēng)向具有較為相似的變化趨勢(shì)，與氣溫和濕度的變化關(guān)系不明顯；而03濃度與溫度、風(fēng)向、濕度具有較為一致的變化趨勢(shì)。因此，基于PM2.5和03濃度數(shù)據(jù)，結(jié)合氣象數(shù)據(jù)進(jìn)行進(jìn)一步的相關(guān)性分析，本文中，我們采用Pearson相關(guān)系數(shù)分別計(jì)算PM2.5和03與4個(gè)氣象要素（氣溫、風(fēng)向、風(fēng)速、濕度）的相關(guān)性，結(jié)果如表1所示。其中，皮爾遜相關(guān)也稱(chēng)為積差相關(guān)或積矩相關(guān)，是英國(guó)統(tǒng)計(jì)學(xué)家皮爾遜于20世紀(jì)提出的一種計(jì)算直線(xiàn)相關(guān)的方法。假設(shè)有2個(gè)變量X、y，那么兩變量間的皮爾遜相關(guān)系數(shù)可通過(guò)以下公式計(jì)算：
式(l)中，cov表示變量之間的協(xié)方差，σ表示標(biāo)準(zhǔn)差，E表示期望。
由表1可知，PM2.5與風(fēng)向的相關(guān)系數(shù)最大，其相關(guān)系數(shù)為0.403；03濃度與氣溫、濕度均具有較大的相關(guān)性，其相關(guān)系數(shù)分別為0.705、-0.823，即03濃度一定程度上隨著氣溫的升高而升高，隨著相對(duì)濕度的增加有所減少。
基于珠海市2014年5月1日至2014年6月30日的污染物濃度監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，相關(guān)性結(jié)果如表2所示。
由表2可知，PM25和PMio、N02、S02之間具有較為明顯的相關(guān)性，相關(guān)系數(shù)分別達(dá)0.890、0.744、0.714；PMio和S02之間亦具有明顯相關(guān)性，相關(guān)系數(shù)達(dá)0.753。不同污染物濃度之間的相關(guān)性分析可以作為建立污染物濃度預(yù)測(cè)模型時(shí)進(jìn)行變量篩選的依據(jù)，為今后的模型改進(jìn)提供理論支撐。
2 統(tǒng)計(jì)模型
2.1 同期回歸模型
同期回歸模型承認(rèn)事物發(fā)展的延續(xù)性。應(yīng)用過(guò)去的數(shù)據(jù)，就能推測(cè)事物的發(fā)展趨勢(shì)。該方法簡(jiǎn)單易行，便于掌握，適用于短期預(yù)測(cè)。
我們將同期回歸模型基于如下假設(shè)應(yīng)用到空氣質(zhì)量預(yù)測(cè)中：假設(shè)珠海市每天人流量、車(chē)流量變化幅度較小可忽略不計(jì)，若相鄰幾天氣象條件（氣溫、風(fēng)向、風(fēng)速、降雨量等）相似，則未來(lái)的污染物濃度將與歷史污染物濃度密切相關(guān)并呈一定函數(shù)關(guān)系。以線(xiàn)性關(guān)系為擬合函數(shù)，定義預(yù)測(cè)日前3d的污染物濃度為自變量，預(yù)測(cè)日當(dāng)天的污染物濃度為因變量，建立同期回歸模型如下：
式(2)中，Pt表示第f天污染物日均濃度，Pt-1表示第( t-l)天即前l(fā)d污染物日均濃度，Pt-2表示第（t-2）天即前2d污染物日均濃度，依次類(lèi)推。
回歸參數(shù)的估計(jì)采用最小二乘法。參數(shù)應(yīng)使總體預(yù)測(cè)誤差達(dá)到最小，即使式(3)的值達(dá)到最小。
式(3)中，E為所有樣本的總誤差，N為樣本數(shù)，yi為第f個(gè)樣本的實(shí)際值，yi為第i個(gè)樣本的預(yù)測(cè)值，根據(jù)回歸得到的參數(shù)進(jìn)行預(yù)測(cè)。
2.2 多元回歸模型
線(xiàn)性回歸(linear regression)是對(duì)一個(gè)或多個(gè)自變量與因變量建立的一種線(xiàn)性模型�；貧w分析中，如果只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用
直線(xiàn)近似表示，這種回歸分析稱(chēng)為一元線(xiàn)性回歸分析；如果回歸分析中包括2個(gè)或2個(gè)以上的自變量，且因變量和自變量之間是線(xiàn)性關(guān)系，則稱(chēng)為多元線(xiàn)性回歸分析。多元回歸方程一般采用逐步回歸算法。逐步回歸算法是在所有考慮的參數(shù)中，按其對(duì)因變量P(大氣污染物濃度)影響的顯著程度的大小，由大到小逐個(gè)引進(jìn)回歸方程。若已被引進(jìn)回歸方程的參數(shù)，在引進(jìn)新參數(shù)后，可能會(huì)由顯著變?yōu)椴伙@著，此時(shí)需要將其從方程中剔除，以保證在眾多預(yù)報(bào)參數(shù)中挑選出最佳的關(guān)鍵參數(shù)組合，建立最優(yōu)預(yù)報(bào)方程。
根據(jù)1.1節(jié)部分相關(guān)性分析結(jié)果可知，污染物濃度與氣象條件存在一定的相關(guān)性。因此，定義與預(yù)測(cè)日最接近的一天的污染物濃度及預(yù)測(cè)日當(dāng)天的氣象因子為自變量，預(yù)測(cè)日當(dāng)天的污染物濃度為因變量，建立多元回歸模型如下：
式(4)中，Pt表示第f天污染物日均濃度，xi(i=l，2，3…)表示自變量，如預(yù)測(cè)日當(dāng)天的氣象因子等。
回歸參數(shù)的估計(jì)和同期回歸模型的參數(shù)估計(jì)方法一樣。
3 模型預(yù)測(cè)準(zhǔn)確度分析
采用準(zhǔn)確度及相對(duì)誤差對(duì)統(tǒng)計(jì)模型評(píng)估，相對(duì)誤差越小，準(zhǔn)確度越高，即模型預(yù)報(bào)結(jié)果越接近實(shí)際值。
(l)準(zhǔn)確度。準(zhǔn)確度=(1-相對(duì)誤差)xl00%
(2)相對(duì)誤差。相對(duì)誤差=l預(yù)報(bào)濃度值一實(shí)況濃度值J／實(shí)況濃度值xl00%，
評(píng)估對(duì)象包括珠海市4個(gè)站點(diǎn)、6項(xiàng)污染物的未來(lái)1-6 d預(yù)報(bào)的污染物濃度。
3.1 監(jiān)測(cè)實(shí)況與預(yù)報(bào)對(duì)比
選取珠海市吉大站點(diǎn)，以CO和PM2.5為例，顯示2014年10月10日至11月20日的CO和PM2.5監(jiān)測(cè)實(shí)況及其24 h預(yù)報(bào)值對(duì)比結(jié)果如圖3所示。由圖3可知，同期回歸與多元回歸模型的24 h預(yù)報(bào)結(jié)果與實(shí)測(cè)值大體上相一致。
3.2 同期回歸模型準(zhǔn)確度分析
針對(duì)珠海市4個(gè)國(guó)控點(diǎn)，基于歷史3d的空氣質(zhì)量實(shí)況監(jiān)測(cè)數(shù)據(jù)，采用同期回歸模型，對(duì)10月1日一11月30日進(jìn)行每日l(shuí)—6 d預(yù)報(bào)，選取N02、CO、PMio和PM2.5，其24、48、72、96、120、144 h的污染物濃度準(zhǔn)確度結(jié)果分析見(jiàn)表3。
由圖4可知，對(duì)于珠海市4個(gè)站點(diǎn)，NO2、CO、PM10和PM2.5總體上呈現(xiàn)出隨著預(yù)報(bào)的時(shí)段越長(zhǎng)，污染物濃度預(yù)報(bào)的準(zhǔn)確度則有所小幅下降的趨勢(shì)，但對(duì)于N02和CO而言，該種下降趨勢(shì)并不明顯，而對(duì)于PM10和PM2.5該種下降趨勢(shì)趨為明顯。
對(duì)不同污染物預(yù)報(bào)的準(zhǔn)確度如表4所示。由表4可知，同期回歸模型對(duì)于6項(xiàng)污染物濃度預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM10>PM2.5>03>NO2>S02，其準(zhǔn)確度分別為84%、75.9%、73.4%、72.3%、66.8%與61.9%。由此可知，總體上，同期回歸模型對(duì)于CO、PM10、PM2.5與03具有較好的預(yù)報(bào)水平。
3.3 多元回歸模型準(zhǔn)確度分析
基于歷史60 d的氣象和空氣質(zhì)量實(shí)況監(jiān)測(cè)數(shù)據(jù)，采用多元回歸模型，對(duì)10月1日-ll月30日進(jìn)行每日1-6 d預(yù)報(bào)，選取NO2、CO、PM10和PM2.5，其24、48、72、96、120、144 h的污染物濃度分析如下。
由圖5可知，對(duì)于珠海市4個(gè)站點(diǎn)，采用多元回歸模型預(yù)測(cè)到的NO2、CO、PM10和PM2.5濃度，其預(yù)測(cè)趨勢(shì)總體上呈現(xiàn)出隨著預(yù)報(bào)時(shí)段的延長(zhǎng)，預(yù)報(bào)準(zhǔn)確度則有所下降，除CO以外，其他3項(xiàng)污染物的預(yù)報(bào)準(zhǔn)確度下降幅度均較為明顯，這與模型中應(yīng)用了預(yù)報(bào)氣象數(shù)據(jù)有關(guān)，通常中長(zhǎng)期的氣象預(yù)報(bào)數(shù)據(jù)準(zhǔn)確度較短時(shí)預(yù)報(bào)低。
多元回歸模型對(duì)不同污染物預(yù)報(bào)的準(zhǔn)確度如表5所示。由表5可知，多元回歸模型對(duì)于6項(xiàng)污染物濃度24 h預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM25>PM10>03>N02>S02，其準(zhǔn)確度分別為85.6%、73.3%、69.9%、67.6%、67.4%與64.0%，與同期回歸模型的預(yù)報(bào)準(zhǔn)確度相比，CO、PM2.5、N02和S02的預(yù)報(bào)準(zhǔn)確度相當(dāng)或部分略有升高，但PM10、03等污染物的準(zhǔn)確度有所下降，下降幅度分別為6%和4.7%。
3.4 同期回歸模型和多元回歸模型準(zhǔn)確度對(duì)比分析
比較同期回歸模型和多元回歸模型，會(huì)發(fā)現(xiàn)2種方法對(duì)6項(xiàng)污染物濃度的預(yù)報(bào)準(zhǔn)確度相差不大，如表5所示。
4 總結(jié)
通過(guò)選取珠海市吉大、唐家、前山、斗門(mén)4個(gè)大氣
自動(dòng)監(jiān)測(cè)站點(diǎn)，基于大氣環(huán)境監(jiān)測(cè)數(shù)據(jù)和氣象數(shù)據(jù)建立的同期回歸、多元回歸2種空氣質(zhì)量預(yù)報(bào)統(tǒng)計(jì)模型，分析2種模型在不同污染物(N02、SO2、CO、03、PM10、PM2.5)、不同預(yù)報(bào)時(shí)段(24、48、72、96、120、144h)、不同站點(diǎn)下的準(zhǔn)確度得到如下結(jié)論。
( 1)PM2.5與風(fēng)向的相關(guān)系數(shù)最大，其相關(guān)系數(shù)為0.403；03濃度與氣溫、濕度均具有較大的相關(guān)性，其相關(guān)系數(shù)分別為0.705、-0.823。
(2)PM2.5和PM10、NO2、S02之間具有較為明顯的相關(guān)性，相關(guān)系數(shù)分別達(dá)0.890、0.744、0.714。
(3)同期回歸模型對(duì)于6項(xiàng)污染物濃度預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM10>PM2.5>03>NO2>S02，其準(zhǔn)確度分別為84%、75.9%、73.4%、72.3%、66.8%與61.9%。
(4)多元回歸模型對(duì)于6項(xiàng)污染物濃度預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM2.5>PMl0>03>NO2>S02，其準(zhǔn)確度分別為85.6%、73.3%、69.9%、67.6%、67.4%與58.7%。
未來(lái)將進(jìn)一步考慮神經(jīng)網(wǎng)絡(luò)等非線(xiàn)性模型在空氣質(zhì)量預(yù)報(bào)中的應(yīng)用，此外，亦將考慮基于物理機(jī)制建立概念模型，如天氣形勢(shì)法，即在考慮氣象物理機(jī)制的前提下，綜合考慮氣象與環(huán)境空氣質(zhì)量之間的變化特征，預(yù)報(bào)區(qū)域或城市的短、中、長(zhǎng)期空氣質(zhì)量變化情況。
5摘 要：
空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)模型是當(dāng)前空氣質(zhì)量預(yù)報(bào)的重要工具之一。該研究選取珠海市4個(gè)圍控大氣自動(dòng)監(jiān)測(cè)站點(diǎn)（吉大、唐家、前山、斗門(mén)），基于大氣環(huán)境監(jiān)測(cè)數(shù)據(jù)和氣象數(shù)據(jù)研究了同期回歸、多元回歸2種空氣質(zhì)量預(yù)報(bào)統(tǒng)計(jì)模型，并對(duì)模型在不同污染物(NO2、SO2、CO、O3、PM10 PM25)、不同預(yù)報(bào)時(shí)段（24、48、72、96、120、144 h）、不同國(guó)控監(jiān)測(cè)站點(diǎn)的情景下進(jìn)行了預(yù)報(bào)準(zhǔn)確度綜合評(píng)估。結(jié)果表明：(1)PM25濃度與風(fēng)向的皮爾遜相關(guān)系數(shù)最大，其相關(guān)系數(shù)為0.403；O2濃度與氣溫、濕度均具有較大的相關(guān)性，其相關(guān)系數(shù)分別為0.705、-0.823；(2)同期回歸模型對(duì)于6項(xiàng)污染物濃度預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM10>PM2.02{>NO2>SO4，其準(zhǔn)確度分別為84%、75.9%、73.4%、72.3%、66.80%與61 .g%；(3)多元回歸模型對(duì)于6項(xiàng)污染物濃度預(yù)報(bào)的準(zhǔn)確度由高至低分別為：CO>PM25>PM10>03>N02>SO2，其準(zhǔn)確度分別為85.6%、73.3%、69.9%、67.6%、67.4%與58. 7%。
