闡述環境空氣質量預警預報的天氣分型多元性回歸模型的運用

李北一

（南昌市環境監測站， 江西 南昌 330038 ）

闡述環境空氣質量預警預報的天氣分型多元性回歸模型的運用

李北一

（南昌市環境監測站， 江西 南昌 330038 ）

闡述了空氣質量預警預報的概念，提出空氣質量模型要素要點以及質量預警預報模型分析，為環境空氣質量預警預報模型的創建提供參考

空氣質量預警預報；模型要素；模型分析運用

1 空氣質量預警預報的概念

空氣質量預警預報是根據當前污染物影響污染的各種因素，采用科學的預測方法，預測和評價未來時間和空間尺度上空氣質量綜合指數（AQI）或污染等級，并向公眾發布的一種社會公益行為。其中，用于預報的短時預測，其預測時段由社會需要及預測方法的實用性決定。一般為小時預報、日預報和周預報，稱為逐時預報、日預報和周預報。預報模式上可分為數值預報、潛勢預報和統計預報等幾類。

2 空氣質量模型要素要點

針對各種情況下應當采用或推薦使用的空氣質量模型的具體規定，通常應考慮以下方面的問題：

2.1 污染源的類型及污染物的性質

污染物的形態有點源、線源、面源、體源和復合源，按其排放方式可分為瞬時源、間斷源和連續源。污染物可分為氣態源和顆粒源污染物，對后者還應考慮惰性或反應性污染物，化學轉化的重要性以及粒狀分布，估計重力沉降，干沉積與擴散的相對重要性。顯然，以上不同情況所選用的模式是有很大差別的。

2.2 模擬的時空范圍及分辨率

當模擬區域達數十平方公里以上時，除采用高斯煙團軌跡模型以外，可考慮選用K模型。大氣擴散模型計算的基準時間尺度為小時平均，其他時段的平均濃度可在小時平均濃度的基礎上逐時求和計算，也可選用專門的長期平均模型。模型計算濃度的空間分辨率是一項重要和敏感的指標。因此，在評價點源對局地環境的影響時，一般都采用高分辨率效能的高斯模型，而不采用分辨率低的K模型。

2.3 模擬區域的下墊面特征

對大氣擴散的影響，下墊面可分為平原山村、城市、山區和水陸交界地區等。一般來說，下墊面較為平坦的，可考慮選用高斯模型，而復雜下墊面，可采用三維數值模型。

2.4 對模型效能的要求

模型應當具備的效能與前述的三方面的條件及要求有密切關聯。例如，對局地空氣污染，通常僅需考慮大氣的擴散稀釋作用，而對中遠距離還必須考慮污染物的化學轉化和干濕沉積等其他物理化學過程，此時對模型效能提出不同的要求。

3 預警預報模型分析

用于空氣質量預警預報模型可分為機理型、統計型以及組合預警預報模型三大類。

3.1 機理型預警預報模型

主要模型為箱模型、高斯型及K理論型。

3.1.1 箱模型。是一種最簡單的城市空氣質量預警預報模型。它把整個城市空間看作一個或多個矩形的箱形式，其主要假設條件為1、在一個箱體內，污染源（看作面源）的源強是一個常數2、污染物進入箱體（大氣）后，立即在鉛直方向均勻分布。但是箱模型的假定與實際情況有很大差異，對近地面的濃度估算偏低。

3.1.2 高斯模型。高斯模型是城市空氣質量預警預報模型中最主要的應用模型，因為大多數平原及郊區的范圍在直徑20—30公里以內，流場并不十分復雜，城市空氣質量模型的誤差主要來源于模型輸入參數，從應用的效果看，復雜數值模型并不優于高斯模型；高斯模型對氣象資料的需求比其他空氣質量預警預報模型對氣象資料的需要更低，運算效率卻明顯較高。

高斯模型具有簡單實用、空間分辨率高的優點，但它有不足之處：（1）當模擬的尺度達到幾十公里，或者因下墊面不均勻，使流暢比較復雜時，高斯煙流模型的精度就難以滿足要求；（2）高斯模型對沉積和化學轉化過程只能作十分初略的處理，當這些過程已滿足重要或者作為研究對象時，高斯模型不適用。

3.1.3 K模型。該模型是由平流擴散方程式經各種簡單假設而推導得出的，它具有如下效能：1）能夠模擬三維非定常流場中的輸送和擴散，因此可以模擬復雜下墊面和較大尺度范圍的空氣污染2）污染源場可以任意給定3）邊界可以反射、吸收和穿透污染物質，其濃度在邊界上可變4）可以模擬包括非線性化學反應引起的濃度變化5）可以模擬干濕沉積引起的濃度變化。

K模型來源于模仿分子擴散的梯度輸送假設，它具有一定的局限性：1）梯度輸送假設要求滿足一定的尺度條件，使擴散方程僅僅在煙流尺度大于占優勢的揣窩尺度時才是正確的2）對流條件下梯度一旦輸送關系不成立，可能出現反梯度輸送現象，不能應用K模型3）K模型對基層資料及輸入參數的要求很高。

3.2 統計型預警預報模型

統計型預警預報模型主要有灰色理論模型、投影尋蹤回歸模型、模糊理論模型等。

3.2.1 灰色理論模型。用于大氣污染物預警預報的灰色理論模型主要有GM1模型和GMN模型。GM1模型相當于指數模型，是特定的指數曲線，形狀簡單，具有單調性，其特點是能反映事物發展的趨勢。GMN模型考慮了污染的主要影響因素，需要確定出與要預測的因子相關性較大的影響因子，在選取主要影響因子時采用灰色關聯分析方法。

3.2.2 投影尋蹤回歸模型。用于處理和分析高維位非正態觀測數據的一種探索性數據分析新方法?；舅枷胧前迅呔S數據投影到低微空間上，通過極小化某個投影指標，尋找能反映原高維數據結構或特征的投影，以達到研究分析高維數據的目的。能使模型更客觀地反映數據本身的內在結構，增強預測結果的穩定性。

除上述外，神經網絡模型、多元統計分析模型、多元線性回歸模型、自回歸分析模型可考慮影響因素的變化趨勢，采用線性或非線性的統計分析及回歸分析得出的統計模型，比較適用于影響有明顯變化趨勢的預警預報中。

［1］吳增茂，盛立芳，劉峰. 城市區域大氣質量數值預報方法的研究進展 氣象科技

［2］王樹功等. 環境空氣污染預測預報探討. 重慶環境監測

X51

A

1003-5168（2015）11-071-01

李北一（1969-），男，河北寧晉人，漢族，本科，高級工程師，研究方向：環境和環保。