基于機器學習的鄭州市大氣PM2.5 與O3 濃度預測方法及氣象因子的影響分析

張容碩，謝沛遠，陳宏飛，楊清榮，關民普，馬 南，尉 鵬，朱仁成*

1. 中國環境科學研究院大氣環境研究所，北京 100012

2. 鄭州大學生態與環境學院，河南 鄭州 450001

3. 河南省生態環境技術中心，河南 鄭州 450046

近年來，化石能源的廣泛使用對我國大氣環境產生了嚴重的影響[1]. 經過數年的大氣污染防控，全國常規大氣污染物濃度已明顯下降，城市空氣質量明顯好轉[2-5]. 2022 年全國339 個地級及以上城市細顆粒物(PM2.5)年均濃度為29 μg/m3，低于《環境空氣質量標準》(GB 3095-2012)二級標準限值(35 μg/m3). 然而，京津冀及周邊等重點區域PM2.5濃度仍未達標，且全國以O3為首要污染物的平均超標天數占總超標天數比例逐年上升[6-8]，PM2.5和O3污染協同控制成為我國當前城市大氣污染防治的主要任務.

隨著常規大氣污染物濃度的下降，氣象因子對大氣污染物濃度的影響愈發重要. 研究[9-11]表明，大氣PM2.5和O3與氣象因子及區域傳輸等環境因素密切相關. 如Zhao 等[12]發現，在新型冠狀病毒感染期間的兩個特定時段廣州等城市的PM2.5、SO2和CO 濃度大幅下降，其中氣象條件的影響比人為排放的影響更大. Shu 等[13]認為，海洋空氣團可能是造成長三角地區沿海城市2013-2014 年PM2.5濃度較高的主要原因. Li 等[14]分析了2013-2018 年京津冀地區199次顆粒物污染日成因，發現約2/3 的污染日與冷高壓東移有關.

近年來，多種算法被應用于探究氣象條件與大氣污染物濃度之間的關聯. 例如，侯素霞等[15]利用多元線性回歸模型(MLR)分析了上海市大氣污染物與氣象因子之間的關系. 然而，在MLR 應用時通常假設各變量之間是相互獨立的，而氣象因子之間的自相關性可能會影響分析結果的可靠性[16]. 集成學習是機器學習的一個重要分支，在分析特征間的非線性關系方面具有獨特優勢，已被廣泛應用于復雜的大氣污染與氣象因子分析領域，如隨機森林法(RF) 和梯度提升回歸樹(BRTs)等[17-18]. LightGBM (Light Gradient Boosting Machine)也是集成學習方法，與BRTs 相似，但具備根據特征的梯度信息選擇最佳分裂點的能力，能更高效地構建決策樹來分析大氣污染與氣象因子間的關系[19]. 例如，Yin 等[20]利用LightGBM 模型精確預測了大氣中的甲醛濃度，并確定氣溫是影響預測的最重要特征.

鄭州市是我國中部地區人口過千萬的重要中心城市，本研究以鄭州市2018-2022 年逐時大氣污染物和氣象因子數據為基礎，采用基于統計學的單因素分析和基于LightGBM 的多因素綜合分析方法，為區域PM2.5和O3濃度預測及探究氣象因子對其濃度的影響提供了一種新的分析方式.

1 材料與方法

1.1 數據來源

大氣污染物監測數據為鄭州市小時濃度數據，共選取了9 個國控站點(煙廠、鄭紡機、銀行學校、供水公司、經開區管委、四十七中、市監測站、河醫大、崗李水庫)，時段為2018 年1 月-2022 年12 月，包括SO2、NO2、CO、PM2.5、PM10、O3. 同期的氣象數據來源于中央氣象臺數據共享(www.data.cma.cn)，包括氣壓、溫度、降水量和風速. 為更準確地表示空氣中的水汽含量，本研究選用比濕來評價大氣濕度狀況.選取美國國家航天局戈達德地球科學數據和信息服務中心(NASA GESDISC，https://disc.gsfc.nasa.gov)，113.35°E、35.0°N 的逐時衛星數據作為鄭州市比濕、太陽輻射和云量的數據補充.

1.2 數據處理

本研究使用python 編程語言中pandas 數據分析庫作為數據處理工具，將9 個站點逐時污染物濃度數據(不含O3-8 h 濃度)中的空值忽略后，計算平均值作為逐時污染物濃度值. 使用同樣的方法計算大氣污染物濃度的逐日、逐月、逐年均值. 使用O3日最大8 h 滑動平均(O3-MDA8) 評價O3的當日濃度水平，并使用O3-MDA8 的90 百分位濃度評價月度及年度O3濃度水平.

將整體數據按照4∶1 的比例劃分為訓練集與測試集，即使用2018-2021 年的數據訓練模型，并利用2022 年數據驗證模型精度. 為提升模型的計算效率并減弱特征自相關性影響，在將數據輸入模型之前，將數據按式(1)進行歸一化預處理.

式中：x′為歸一化之后的污染物濃度數據，取值范圍為0～1；x為原始污染物濃度或氣象因子數據；Xmin和Xmax分別為該種污染物濃度或氣象因子數據的最小值與最大值.

1.3 分析方法

皮爾遜相關系數(r)是一種用于衡量數據間線性關系的方法，可用于分析不同量綱數據間的相關性. 本研究利用r分析兩個單一變量之間的相關性，計算公式：

式中，xti為t時刻第i種大氣污染物濃度值或氣象因子數據，為第i種污染物濃度或氣象因子數據的平均值，而yti和分別為第i種污染物濃度或氣象因子數據的預測值及其平均值.

本研究采用3 種常用的評價指標評估LightGBM模型的預測精度，分別為r、相關系數(R2)和均方誤差(RMSE).R2與RMSE 的計算公式：

此外，模型超參數會極大影響預測效果，本研究使用KFold 和貝葉斯優化兩種策略共同優化模型的超參數組合，所涉及的超參數如表1 所示.

表1 模型超參數Table 1 Model hyperparameters

2 結果與討論

2.1 鄭州市大氣污染物分布特征

2.1.1 大氣污染物年分布特征

鄭州市主要大氣污染物濃度的逐年分布特征如圖1 所示. 由圖1 可見：2014-2022 年鄭州市大氣污染物濃度均呈明顯下降趨勢. 其中，SO2年均濃度已連續8 年下降，自2018 年開始，年均濃度已低于《環境空氣質量標準》(GB 3095-2012)一級標準限值(20 μg/m3)，2022 年已降至8 μg/m3；自2020 年開始，NO2年均濃度已降至GB 3095-2012 一級標準限值(40 μg/m3)以內，且達標后仍保持每年10%以上的改善幅度；CO 年均濃度同樣呈逐年下降趨勢，近8 年降幅高達58.4%；PM2.5與PM10年均濃度均大幅下降，這主要歸因于中央和地方政府相繼出臺了多項有效的減排措施，工業生產和道路交通等污染物排放量大幅減少，使得近幾年PM2.5與PM10濃度峰值持續降低[21-22]. 但僅2021 年的PM10濃度低于GB 3095-2012 二 級 標 準 限 值(70 μg/m3)，其 他 年 份PM2.5與PM10濃度均未達標. 2021 年的PM2.5與PM10濃度較前一年有大幅降低，但2022 年二者濃度均有所升高.2014-2022 年，O3月評價值都處于較高區間，其中2017 年達238 μg/m3. 由此可見，鄭州市對SO2、NO2和CO 防控取得了較好的成效，但目前仍面臨PM2.5與O3復合污染的挑戰，同時也需要進一步加強對PM10污染的防控.

圖1 2014-2022 年鄭州市大氣PM2.5、PM10、SO2、NO2 年均濃度及O3 年評價值Fig.1 The yearly average concentrations of air PM2.5, PM10, SO2, NO2 and O3 yearly assessment value in Zhengzhou City from 2014 to 2022

2.1.2 PM2.5濃度和O3月評價值分布特征

2018-2022 年鄭州市PM2.5濃度和O3月評價值分布特征如圖2 所示. 每年10 月-翌年1 月，PM2.5濃度呈持續上升趨勢，至2 月開始下降. 季節性特征表現為冬季及春季初最高、夏季濃度最低、春秋季居中. 鄭州市PM2.5濃度的季節性特征與京津冀[23]、山東省[5]、浙江省[24]和長三角[25-26]等地區相似. 這可能是由冬季光化學反應相對較弱，采暖季二次轉化強烈，以及頻繁的近地表逆溫等原因綜合導致[27-28].

圖2 鄭州市2018-2022 年PM2.5 濃度和O3 月評價值分布情況Fig.2 The monthly concentrations of PM2.5 and O3 monthly assessment value in Zhengzhou City from 2018 to 2022

由圖2 可見，鄭州市O3月評價值從1 月開始逐步上升，5-9 月是濃度高峰期，10 月后迅速下降. 每年6 月O3月評價值首次達到峰值，7 月O3月評價值有所下降，隨后8 月或9 月O3月評價值再次出現峰值，但二次峰值濃度低于首次峰值濃度，呈現“大小雙峰”分布. O3月評價值也表現出極強的季節性特征，夏季O3月評價值持續較高，而冬季較低，春秋季居中，這樣的季節性特征與長三角[29]、浙江省[30]、山東省[31]等地區相似. 然而，不同地區O3濃度分布特征也存在一定差異，如鄭州市近5 年O3濃度在6 月達到最高值，而南京市則在8 月和9 月濃度達到最高值. 這主要是因為6-7 月為江淮地區梅雨季節，連續的陰雨天氣導致光照強度大幅降低，不利于O3的累積[19].

2.2 相關性分析

鄭州市大氣環境各因素的相關性如圖3 所示. 由圖3 可見，與O3-8 h 濃度呈正相關的因子有溫度、比濕和輻射. 其中，溫度和比濕與O3-8 h 濃度的線性關系均較明顯，r值分別達0.43 和0.45. 與O3-8 h 濃度呈負相關的因子有氣壓、NO2濃度、PM2.5濃度、SO2濃度和PM10濃度. 其中，O3-8 h 濃度與氣壓和NO2濃度的線性關系較明顯，r值分別達到-0.54 和-0.41；此外，O3-8 h 濃度與PM2.5、SO2和PM10濃度也均呈一定的負相關，r值分別為-0.35、-0.30 和-0.20. 這主要是因為NO2是O3的重要前體物，而PM2.5、SO2和PM10在大氣中也會與O3發生復雜的光化學反應[32-33].風速、O3-8 h 濃度與降水量和總云量的相關性較弱.

圖3 鄭州市大氣污染物及氣象因子間的相關性Fig.3 Correlation of meteorological factors and atmospheric pollutants of Zhengzhou City

由圖3 可見，PM10、NO2、SO2濃度和溫度均與PM2.5濃度呈較明顯的線性關系，其r值分別為0.69、0.50、0.44 和-0.43. 由于PM10與PM2.5均受到工業生產排放、化石及生物質燃料燃燒等影響，在濃度上呈現明顯的正相關. 而NO2和SO2是二次氣溶膠的重要前體物，能夠形成硫酸鹽與硝酸鹽顆粒物，因此PM2.5濃度與NO2和SO2濃度均呈明顯正相關[34-35].PM2.5濃度與溫度和比濕均呈負相關，r值分別為-0.43 和-0.39. PM2.5濃度與O3-8 h 濃度和輻射均呈一定的負相關性，r值分別為-0.35 和-0.20. PM2.5濃度與云量、風速和降水量的相關性均較小. 降雨的沖刷作用會有效降低大氣中的PM2.5濃度[36]，較小的r值是因大部分降水量的逐時數據為0，但較小的r值并不代表降水不會對PM2.5濃度產生影響.

2.3 基于LightGBM 的逐時濃度預測

2.3.1 模型訓練

根據數據相關性以及前期文獻調研分析，本研究在訓練LightGBM 模型時選擇了2018-2022 年連續5 年的共12 個特征，其中包括5 種大氣污染物(SO2、NO2、PM10、PM2.5和O3)以及7 種氣象因子(降水量、比濕、總云量、輻射、溫度、風速和氣壓). 在兩輪訓練過程中分別將目標污染物PM2.5或O3-8 h 濃度數據設置為預測標簽. 訓練過程采用KFold 交叉驗證，并將訓練數據集劃分為5 份. 模型訓練5 次，每次使用其中4 份作為訓練集，另外1 份作為驗證集，確保每一份數據都被用作驗證集一次. 同時結合貝葉斯優化策略，找出在訓練數據上性能較好的超參數組合. 最終得到的超參數結果如表2 所示.

表2 模型超參數Table 2 Model hyperparameter

2.3.2 模型預測結果分析

O3-8 h 與PM2.5濃度觀測值與模型預測值的對比如圖4 所示. 由圖4 可見，LightGBM 模型能夠較好地預測PM2.5和O3-8 h 濃度的變化趨勢，但對PM2.5濃度極值的預測表現更好. PM2.5和O3-8 h 濃度預測值與觀測值的RMSE 分別為18.76 和27.16. 其中，PM2.5濃度預測值與觀測值之間的差距更小，具有更高的預測精度. 根據GB 3095-2012，采用逐時濃度標準來界定污染天氣，PM2.5濃度超過75 μg/m3時，被判定為發生PM2.5污染；而當O3-8 h 濃度超過160 μg/m3時，則被判定為發生O3污染. 該模型在預報PM2.5污染事件發生方面表現出較高的準確度，達80.8%. 然而，在預測O3污染事件發生時，準確度為52.5%，對O3污染事件的預報有改進空間.

圖4 2022 年PM2.5 與O3-8 h 逐時濃度觀測值與預測值對比Fig.4 Comparison of the observed values and the predicted hourly concentrations of PM2.5 and O3-8 h in 2022

PM2.5與O3-8 h 濃度預測值與觀測值之間的相關性如圖5 所示. 由圖5 可見：PM2.5濃度預測值與觀測值的r值為0.88，R2值為0.78，擬合直線方程為y=0.89x+7.38；O3-8 h 濃度預測值與觀測值的r值為0.83，R2值為0.68，擬合直線方程為y=0.72x+24.62.PM2.5濃度多集中在0～50 μg/m3之間，而O3-8 h 濃度出現頻次最多的是在30～130 μg/m3范圍. PM2.5濃度預測值與觀測值的相關性更好，兩種相關系數值均較大，且擬合直線更接近于y=x直線. 在實現LightGBM模型對PM2.5和O3-8 h 濃度有效預測的基礎上，可進一步綜合分析各污染物及氣象因子在預測過程中的重要性.

圖5 模型預測值與觀測值的相關性Fig.5 Correlation between the model predicted values and the observed values

2.3.3 影響大氣PM2.5和O3-8 h 濃度的特征重要性分析

大氣污染物與氣象因子對PM2.5和O3-8 h 濃度的綜合影響重要性排序如圖6 所示. 由圖6 可見：PM10因與PM2.5高度同源性而在預測中被認為是最重要的大氣污染物因子；其次，SO2、O3-8 h 和NO2濃度對PM2.5濃度影響也較大，其中SO2和O3-8 h 濃度重要性相近均略高于NO2濃度；氣象因子中比濕的重要性得分最高，其次是氣壓、溫度、輻射和云量，而降水量和風速的重要性得分較低. 根據數據相關性分析和LightGBM 特征重要性分析結果，風速并不是影響鄭州市PM2.5濃度預測的主要因子. 而風速會較明顯地影響大氣擴散能力，且研究[37]表明，風速對PM2.5濃度有較顯著的影響，這與模型分析結果存在差異，其原因可能是因為風速具有較強的不確定性，其數據規律性相比其他因子弱，因此在模型預測中不起主導作用.

圖6 影響大氣PM2.5 和O3-8 h 濃度的特征重要性排序Fig.6 The feature importance rank of affecting the concentrations of PM2.5 and O3-8 h in the atmosphere

研究[38]發現，氣象因子對O3濃度可能會有較大影響. 由圖6 可見：模型分析結果中，影響O3-8 h 濃度的特征重要性排在前3 位的均為氣象因子，分別為比濕、輻射和氣壓；相較于相關性分析結果，輻射的重要程度顯著提高，并高于其他大氣污染物的影響. 大氣污染物對O3-8 h 濃度影響的重要性相近，其中SO2、NO2和PM2.5濃度的重要性得分略高于PM10濃度. 總云量對O3-8 h 濃度也有一定影響，而風速和降水量對O3-8 h 濃度影響的重要性程度較低.

2.4 氣象因子分析

2.4.1 PM2.5濃度氣象因子分析

2020-2022 年PM2.5月 均 濃 度 如 圖7 所 示. 由圖7 可見：除2021 年1 月和2021 年12 月外，PM2.5月均濃度均處在相近區間內；2022 年除1 月和12 月外，僅有7 月和9 月PM2.5濃度略高于2021 年，其他月PM2.5濃度均低于2021 年；2022 年僅3 月和9 月PM2.5濃度略高于2020 年，其他月份均低于2020 年.由此可見，2020-2022 年鄭州市PM2.5月均濃度有下降 的 趨 勢. 然 而，2021 年1 月PM2.5濃 度 為85.02 μg/m3，比2020 年低29.4%，比2022 年低22.1%；12 月PM2.5濃度為51.98 μg/m3，比2020 年低37.9%，比2022年低32.1%. 相比同期，2021 年1 月和12 月PM2.5濃度屬異常低值，也因此2022 年PM2.5濃度相較2021年反彈了8.8%.

圖7 2020-2022 年鄭州市PM2.5 月均濃度Fig.7 The monthly average concentrations of PM2.5 in Zhengzhou City from 2020 to 2022

2020-2022 年1 月和12 月鄭州市主要氣象因子對比如表3 所示. 由表3 可知：2021 年1 月和12 月氣壓均低于同期前后兩年，氣溫高于同期前后兩年；2021 年1 月比濕低于同期前后兩年，而12 月比濕高于同期前后兩年. 結合2.2 節與2.3.3 節的分析可知，較低的氣壓、較高的氣溫和較高的比濕有利于PM2.5濃度朝較小的趨勢發展；此外，2021 年1 月和12 月較同期前后兩年分別有較強的西北風和北風，而較高的風速有利于PM2.5的擴散. 2021 年1 月，受到有利氣象條件(較低的氣壓、較高的溫度和較快的風速)影響，PM2.5月均濃度較同期前后兩年平均降低了25.8%；而2021 年12 月，同樣在有利的氣象條件(較低的氣壓、較高的溫度、較高的比濕和較大的風速)下，PM2.5月均濃度較同期前后兩年平均降低了35.0%. 更有利的氣象條件可能是2021 年12 月PM2.5濃度比1 月降幅更大的原因之一. 荊琦等[39]分析了京津冀周邊城市PM2.5濃度與氣象特征后也得出了相似結論，認為氣象條件可能有利于2021 年PM2.5濃度較低.

表3 2020-2022 年鄭州市1 月與12 月氣象因子對比Table 3 Comparison of meteorological factors in Zhengzhou City between January and December from 2020 to 2022

2.4.2 O3月評價值氣象因子影響分析

2020-2022 年6 月鄭州市O3月評價值與主要氣象因子間的對比如圖8 所示. 由圖8 可見：2020-2022 年6 月與O3月評價值呈正相關的輻射和溫度都逐年升高，而與O3月評價值呈負相關的氣壓則逐年降低；比濕沒有明顯的規律變化，在12 g/kg 附近浮動. 在更高的輻射、更高的溫度以及更低的氣壓的共同影響下可能促使2020-2022 年6 月O3月評價值上升. 因此，不利的氣象背景可能有利于鄭州市從2020 年開始連續兩年6 月O3月評價值上升.

圖8 鄭州市2020-2022 年6 月O3 月評價值及氣象因子Fig.8 O3 monthly assessment value and meteorological factors in Zhengzhou City from June 2020 to 2022

3 結論

a)鄭州市PM2.5濃度季節性特征表現為冬季及春季初最高、夏季最低、春秋季居中；而O3月評價值呈“大小雙峰”分布，春末至秋初是O3月評價值的高峰期，夏季O3月評價值持續較高、冬季較低.

b) LightGBM 模型對PM2.5污染出現預報的準確度較高，達80.8%；但對O3污染出現預報的準確度略低，只有52.5%，仍需進一步優化提升.

c)對鄭州市PM2.5濃度影響最大的氣象因子分別為比濕、氣壓和溫度，其中，PM2.5濃度與氣壓呈正相關，與溫度和比濕均呈負相關；對O3-8 h 濃度影響最大的氣象因子分別為比濕、輻射和氣壓，其中，比濕和輻射均與O3-8 h 濃度呈正相關，氣壓與O3-8 h濃度呈負相關.

d)有利的氣象條件可能是2021 年PM2.5年均濃度顯著低于同期前后兩年的重要因素；但與2020 年相比，2022 年的PM2.5年均濃度仍有一定程度的下降. 同時，不利的氣象條件也促使2021 年和2022 年6 月O3月評價值有所上升.