基于AQI的文山市空氣質量統計預報研究

鄭舒天，朱黎陽，李自然，楊舒楊

（1.文山州氣象局，云南 文山 663000；2.紅河州氣象局，云南 紅河 661400）

隨著我國城市化和現代化建設進程的加快，城市空氣質量問題日益突出[1]，空氣質量關乎日常生活的方方面面，污染嚴重時甚至會危害人體健康。根據《環境空氣質量指數（AQI）技術規定（試行）》（HJ 633—2012）[2]，空氣污染程度按照空氣質量指數（AQI）的大小劃分為6 個等級，空氣污染與氣象因素密不可分。許多學者[3-5]從空氣質量指數與氣象因子的相關程度入手，找出影響空氣污染的氣象因子。王景云等[6]發現，北京市不同季節對空氣質量影響較大的氣象因子存在差異，得出了空氣質量預測的定性結論。劉郁鈺等[7]研究發現，每個季節空氣污染與不同氣象要素有很大差異，通過對不同氣象條件下污染天氣發生情況的分析，找出了影響污染天氣的主要氣象因素，總結了局地污染天氣預報指標。徐潔玲等[8]研究發現，AQI 指數的增大有累積特點，在回歸過程中將前一天的AQI 值作為一項參數加入回歸方程，極大地提高了預報準確率。

目前，文山氣象業務應用中缺少先進的空氣質量預報方法，因此迫切需要建立一種適用于文山實際工作的本地化空氣質量預報方法。本文根據各類氣象要素與空氣質量指數的相關性分析，嘗試建立各季節統計預報模型，通過編程自動計算AQI 指數，為業務工作中預報、訂正AQI 指數提供有效參考，進而開展文山市空氣污染預測預警專業氣象服務。

1 資料與方法

本文采用2015-2019年文山市國家氣象觀測站逐日常規地面觀測資料；使用2015-2019年文山市環境監測站空氣質量日平均觀測數據，包括6 類污染物逐日平均濃度值、AQI 逐日平均值等要素。編程使用的軟件為Visual Basic 6.0，用以在業務中定量計算未來72 h 內AQI 的值并自動預報空氣質量等級。

2 文山市2015-2019年空氣質量季節分布特征

2015-2019年，文山市空氣質量為優的日數呈增多的趨勢，2019年空氣質量優的日數約占全年日數的66%，相較2015年占比45%明顯升高。空氣質量為良以上的日數逐漸減少，2015-2019年良以上總日數為712 d，占總日數的39%，其中2015年202 d，占全年的55%，2016年152 d，占全年的42%，2017年101 d，占全年的28%，2018年132 d，占全年的36%，2019年125 d，占全年的34%（見圖1）。

圖1 文山市2015-2019年空氣質量等級分布

空氣質量為良以上的天氣主要出現在春季，其次是冬季，兩個季節的良以上日數占總污染日數的70%，夏季和秋季日數明顯較少。輕度污染以上日數中95%出現在冬春季節，主要出現在1-4月，其次是秋季，夏季空氣質量最好（見圖2）。

圖2 文山市2015-2019年空氣質量良以上的月分布

3 AQI 與氣象要素的相關性和統計模型

3.1 2015-2019年逐日AQI 與氣象要素的相關性分析

對2015-2019年1 820 d 的有效日數做回歸分析，發現相關性最明顯的因子為當天08:00-20:00 降水量，相關系數達-0.645，其后依次為日最低本站氣壓、日平均海平面氣壓、日總日照時數和日平均地面溫度，然后為日平均氣溫、日平均相對濕度、日最高本站氣壓和日平均2 min 風速，最小的日平均本站氣壓相關系數也在-0.063 以上。利用2015-2019年的全年相關分析做回歸預報方程，發現AQI 指數預報準確率并不理想。受AQI 指數的季節性特征和氣象環境場預報準確率的限制，在實際工作中，空氣質量等級的預報應用性較差。為此，分季節建立回歸方程，以提高預報準確率。

3.2 2015-2019年分季節AQI 值與氣象要素的相關性分析

文山市屬中亞熱帶季風氣候，春秋長，冬夏短。春季氣溫回升快，易出現大風天氣。夏季受暖濕氣流影響，多降水、高溫天氣。基于文山特殊的氣候背景，各個季節影響空氣污染的氣象因素也不盡相同。

如表1 所示，春季相關性較好的主要氣象因子是相對濕度、最高氣溫、日照時數和極大風速。春季，隨著雨水開始增多，氣溫逐漸升高，午后對流有效位能（CAPE）積累，開始出現雷暴天氣，O3的濃度也隨之升高，所以其與最高氣溫和日照時數的相關性升高。文山春季多大風天氣，污染物隨大風輸入文山境內，影響AQI 指數，所以極大風速的相關性也較好。

表1 春季AQI 值的相關性分析

夏季相關性較好的氣象因子為相對濕度、地面溫度、平均氣溫和20:00 至次日20:00 降水量（見表2）。夏季西南季風活躍，文山多高溫和降水天氣，AQI 指數與地面溫度、平均氣溫呈正相關，降水對大氣中的污染物有明顯的沉降作用，使得夏季PM10和PM2.5的濃度有所降低，故相對濕度、降水量與AQI 指數呈明顯的負相關。

表2 夏季AQI 值的相關性分析

秋季降水較夏季雖有減少，但和冬春季節相比，降水依然較多，偶爾還會受到臺風外圍影響，所以降水對污染物濃度降低的影響依然存在，并且隨著大氣環流的季節調整，冷空氣開始活躍，晴雨天氣交替頻繁，故相對濕度、降水量與AQI 指數依然呈現較好的負相關，最低地面溫度、最低氣溫與AQI 指數的相關性升高（見表3）。

表3 秋季AQI 值的相關性分析

冬季冷空氣活動更加頻繁，加上冬季大氣垂直層結構穩定，易形成逆溫，導致垂直擴散能力下降。冷空氣帶來的外部污染物輸入加上本地污染物堆積，導致空氣污染較嚴重。如表4 所示，最低地面溫度和最低氣溫的相關系數明顯升高，日照時數和相對濕度也呈現負相關。

表4 冬季AQI 值的相關性分析

3.3 建立分季節的回歸預報模型

由于文山市AQI 指數的上升是一個污染物積累的過程，因此前一天的AQI 指數對后一天的AQI 指數預測具有重要意義。將前后兩天的AQI 指數做相關分析，發現相關系數在4 個季節都比較高，且都在0.01水平（雙側）上顯著相關，分別為春季0.709、夏季0.751、秋季0.788、冬季0.741。在回歸模型中加入前一天的AQI 指數作為因子后，預報質量顯著提高。

春季回歸模型為：

模型的相關系數R2為0.605，其中，A1為相對濕度，A2為最高氣溫，A3為日照時數，A4為極大風速，A5為前一天AQI 指數。

夏季回歸模型為：

模型的相關系數R2為0.641，其中，B1為相對濕度，B2為地面溫度，B3為平均氣溫，B4為20:00 至次日20:00 降水量，B5為前一天AQI 指數。

秋季回歸模型為：

模型的相關系數R2為0.677，其中，C1為相對濕度，C2為最低地面溫度，C3為最低氣溫，C4為20:00 至次日20:00 降水量，C5為前一天AQI 指數。

冬季回歸模型為：

模型R2為0.607，其中，D1為最低地面溫度，D2為相對濕度，D3為最低氣溫，D4為日照時數，D5為前一天AQI 指數。

4 預報能力檢驗

利 用2019年1月1日至12月31日的數據對預報模型進行檢驗，結果發現：春、夏、秋三季的AQI±15 預報準確率均高于80%，冬季的預報準確率相對較低（見表5）。預報準確率的總體趨勢是隨著預報時效的增長而降低，春、夏、秋三季的AQI±15預報準確率均高于污染等級預報準確率（見表6），只有冬季是污染等級預報準確率高于AQI±15 預報準確率。

表5 AQI±15 預報準確率分析

表6 污染等級預報準確率分析

5 結論

本文利用2015-2019年1 820 d 有效日數的空氣質量監測日平均數據、氣象觀測日平均數據進行AQI指數和各氣象要素的相關性分析，并分季節建立線性回歸方程，得出各季節的統計學回歸預報模型，然后用氣象數值模式預報產品作為初始場，計算出AQI 指數預報準確率。研究表明，全年回歸預報方程的AQI指數預報準確率并不理想，在業務工作中的預報應用性較差。根據文山的季節性氣候特征，不同季節影響AQI 指數的關鍵氣象因子有所不同，分季節建立回歸方程，可以提高預報準確率。AQI 指數的增加具有累積性特征，四季前后兩天AQI 指數的相關系數較高，因此在回歸過程中加入前一天AQI 指數作為影響因素，預測質量得到顯著提高。

AQI 預報準確率夏秋季相對冬春季較高，四個季節的預報準確率都隨著預報時效變長而有不同程度的降低。原因之一是將之前的預報結果作為后一天預報的影響因子，導致誤差增大，影響預報準確率。由于采用氣象數值模式預報產品為初始場，因此AQI 的預報精度不僅受統計模式本身的限制，還取決于數值模式預報的精度。文山市的空氣污染還受到外來輸入的影響，今后可以嘗試在預測模型中加入AQI 值或周邊地區氣象要素作為影響因子，提高模型的預報 能力。