GIS技術在空氣污染物數值預報中的應用研究

段利軍　古意瑾　歐虹伶　吳倩茵　廖志朗

摘要：為實現空氣污染物數值預報精度的提升，研究GIS技術在空氣污染物數值預報中的應用。選擇十六個預報點，通過3S技術采集預報點的地理信息數據、遙感數據與柵格數據、矢量數據。選取12個常規地面觀測的相關氣象要素作為空氣污染物預報試驗中的預報因子，利用逐步回歸的方式構建該地區的空氣污染物預報回歸模型。預報該地區各預報點的空氣污染物濃度，計算實測值與預報結果之間的平均相對誤差與平均絕對誤差。實驗結果表明，模型對于PM10、NO2、SO2的小時預報整體比較準確，小時預報平均相對誤差與平均絕對誤差均較低。

關鍵詞：地理信息技術；GIS軟件；空氣污染物數值預報；逐步回歸

中圖分類號：X831 文獻標志碼：B

前言

隨著環境問題的嚴峻與人們環保意識的加強，空氣污染問題受到了廣泛關注，全球都在積極探討空氣污染問題的解決方案。空氣污染問題不僅會對人類健康造成嚴重危害，引發鼻炎、神經系統疾病、皮膚病、咽喉炎、支氣管炎等常見疾病，還會對經濟的可持續發展造成很大制約。

特別是近十幾年，各種先進技術逐漸普及，使精準的空氣污染物預報成為可能，也越來越受到重視。基于該背景對GIS等地理信息技術在空氣污染物數值預報中的應用進行分析，以通過在空氣污染物預報中應用各種地理信息技術來實現預報精度的提升。對于空氣污染物預報問題的研究，目前已經有很多學者提出了多樣化的決策評估與數值模擬方法，并實現了多污染物實時協同效應的模擬與多種尺度下的決策評估。

譚小容等人提出通過優化初始條件來提高鐘差預報精度的方法，構建初始條件未知的CM（1，1）預報模型，采用原始序列的最新分量求解初始條件；盧健濤等人提出采用WebGIS、大數據、云計算和人工智能等新一代信息技術，研究開發了基于WebGIS的中珠聯圍洪澇預報預警系統，提供監測監控、預報預警、洪澇模擬、風險展示等綜合功能。現對以往的研究成果進行梳理，在空氣污染物數值預報中對GIS等地理信息技術進行應用。

1 空氣污染物預報回歸模型構建

1.1 采集數據

通過GIS技術、GPS技術以及RS技術等地理信息技術對預報中需要的地理信息數據進行采集。通過相關渠道查詢某市數據，選擇高鐵站、軍分區路口、市圖書館、文化廣場、文體中心、人民公園、市政府廣場、河西街道辦、第一實驗小學、萬達購物廣場、濱江公園、消防支隊路口、第四高級中學、市博物館、市人民醫院、自來水廠16個地點作為預報點。

采集以上預報點的地理信息數據。在位置數據的采集中，地形坐標系選用的是UTM坐標系，將區域計算網格大小定為500 m×500m。

并采集以上預報點的遙感數據與柵格數據、矢量數據。同時還要采集該地區的氣象數據，通過區域氣象觀測站對氣象數據進行采集，選取每個預報點最近的區域氣象觀測站代表該預報點的氣象數據。在對采集數據進行導入前，首先實施氣象數據的預處理。如當使用的氣象數據未達到該有的采集頻率，需要對其實施插值處理。在試驗中收集2021年8月至2022年7月逐日、逐次的氣象數據。

收集的地面氣象數據具體包括溫度、云量（以基本觀測站數據替代）、風速、風向、降水量、相對濕度等。在AERMET模塊中導人各種收集數據，通過AERMET模塊對該地區預報點的地面平均氣壓差、邊界層廓線、溫度梯度等數據進行計算。最后還要對各預報點的前日污染物濃度數據進行采集，采集的污染項目包括PM10、NO2、SO2。

1.2 預報因子選取與模型構建

通過對城市氣象條件與空氣污染的關系進行分析，可知該市區空氣中污染物的清除、稀釋、擴散的速度是由天氣形勢決定的。選取12個常規地面觀測的相關氣象要素作為空氣污染物預報試驗中的預報因子。

完成預報因子的選取后，利用逐步回歸的方式，構建該地區的空氣污染物預報回歸模型。構建模型的具體步驟如下：

（1）構建初始預測模型，具體如式（1）：

Cn=B0+B1An1+B2An2+…+B12An12 式（1）

式（1）中，n指時間序列，B指回歸因子。

（2）對初始預測模型的方差貢獻進行計算，計算公式具體如式（2）：

式（2）中，Wl指第l個變量的方差貢獻；dll指逆矩陣內的元素；Gl指對應因子變量的元素。

（3）實施F檢驗，剔除變量。F檢驗的公式如式（3）：

式（3）中，WQl指變量方差的最小貢獻者；F2是指F分布；uQxx指線性回歸方程中引入因子后的偏回歸平方和；Q指服從分子自由度。

結合采集數據構建該地區各種污染物的濃度預報方程，以冬季采暖期為例，構建PM10濃度預報方程具體如式（4）：

CPM10=0.001+0.125A1+0. 652A3+0.231A5+0.458A6+0.756A7+0.215A9+0.152A11 式（4）

構建的冬季采暖期的NO2濃度預報方程具體如式（5）：

CNO2=-0.001+0.125A1-0.123A2+0.315A6 -0. 326A7 -0.132A10 -0.326A11 -0.052A12 式（5）

構建的冬季采暖期的SO2濃度預報方程具體如式（6）：

CSO2=0.002+0.563A2-0.254A3+0.325A4 -0. 124A5 -0.315A7 -0.125A8 -0.326A11 式（6）

利用構建模型對該地區各預報點的空氣污染物濃度進行預報，計算實測值與預報結果之間的平均相對誤差。其中平均相對誤差的計算公式具體如式（7）：

式（7）中，Oij指實測值與預報結果之間的相對誤差；Jij指模型計算值；Hij指污染物的實測值；O指平均相對誤差；i指第i個樣本；M指總樣本數；j指污染物種類。

計算實測值與預報結果之間的平均絕對誤差，計算公式具體如式（8）：

獲得測試結果后對測試結果進行分析。

2 實例分析

2.1 工程概況

此次研究選擇廣西省賀州市作為研究區域，選擇十六個預測點完成預測。研究所采用的空氣質量數據取自賀州市環保局，包括2021年至2022年期間的SO2、NO2、PM10等數據。氣象數據則來源于中國氣象局網站，具體選取了賀州市2021年至2022年的氣象資料。文章利用連續兩年（即2021年至2022年）的日平均污染數據，對主要污染物SO2、NO2、PM10進行了小時級別的預報分析。

2.2 使用設備

在測試中使用的設備包括GIS設備、GPS設備以及RS設備，具體如下：

（1）GIS設備：軟件包括移動GIS、ArcGIS En-gine、Maplnfo、MapGIS等GIS軟件；基本設備包括計算機主機、磁盤陣列、數字化儀等；擴展GIS設備包括計算機網絡設備、全站儀、多媒體系統、圖像處理系統、數字測量系統等。

（2）GPS設備：主要包括BS - 7953DN型CPS接收器BS -7953DN和T113_PRO - S3型GPS解析器。

（3） RS設備：主要包括ALS50型機載激光雷達、ADS80型航空攝影數碼相機、ALSA+型機載成像光譜儀及ABS型機載雙譜掃描儀。

2.3 預報檢驗結果

2.3.1 PM10的小時預報檢驗結果

對于選擇的十六個預測點，PM10的小時預報檢驗結果見表1。

根據表1測試結果，所提模型對于PM10的小時預報整體比較準確，小時預報平均相對誤差與小時預報平均絕對誤差均較低，其中，小時預報平均絕對誤差整體低于0. 006，小時預報平均相對誤差整體低于16%。對于小時預報平均相對誤差來說，春季的誤差最大；對于小時預報平均絕對誤差來說，冬季采暖期與夏秋季非采暖期的誤差最大。

2.3.2 NO2的小時預報檢驗結果

對于選擇的十六個預測點，NO2的小時預報檢驗結果見表2。

根據表2的測試結果，所提模型對于NO2的小時預報整體比較準確，小時預報平均相對誤差與小時預報平均絕對誤差均較低，其中小時預報平均絕對誤差整體低于0. 008，小時預報平均相對誤差整體低于12%。對于小時預報平均相對誤差來說，冬季采暖期的誤差最大；對于小時預報平均絕對誤差來說，夏秋季非采暖期的誤差最大。

2.3.3 SO2的小時預報檢驗結果

對于選擇的十六個預測點，SO2的小時預報檢驗結果見圖1。

圖1測試結果表明，所提模型對于SO2的小時預報結果同樣比較準確，兩種均較低，其中小時預報平均絕對誤差整體低于0. 005，小時預報平均相對誤差整體低于14%。對于小時預報平均相對誤差來說，春季的誤差最大；對于小時預報平均絕對誤差來說，夏秋季非采暖期的誤差最大。

3 結束語

為實現大氣污染物的精準預測，此次研究開展GIS等地理信息技術在空氣污染物數值預報中的應用分析。選取賀州市為研究區域，采集該地區的氣象數據、前日污染物濃度數據，選取每個預報點最近的區域氣象觀測站代表該預報點的氣象數據，在AERMET模塊中導人各種收集數據，通過AERMET模塊對該地區預報點的地面平均氣壓差、邊界層廓線、溫度梯度等數據進行計算。選取12個常規地面觀測的相關氣象要素作為空氣污染物預報試驗中的預報因子，利用逐步回歸的方式，構建該地區的空氣污染物預報回歸模型。應用GIS等地理信息技術開展空氣污染物數值預報，經實例分析表明，該方法可實現比較準確的污染物預報，對于人們安排出行活動、決策部門作出相關決策等具有參考意義。