張 燦，蔣昌潭，羅財(cái)紅，劉姣姣，葉 堤，譙 捷，韓世剛

1.重慶市生態(tài)環(huán)境監(jiān)測(cè)中心，重慶 401147 2.城市大氣環(huán)境綜合觀測(cè)與污染防控重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 401147 3.重慶市環(huán)境監(jiān)察總隊(duì)，重慶 401147 4.重慶市氣象服務(wù)中心，重慶 401147

氣象因子對(duì)臭氧的影響及其在空氣質(zhì)量預(yù)報(bào)中的應(yīng)用

張 燦1,2，蔣昌潭1,2，羅財(cái)紅1,2，劉姣姣1,2，葉 堤1,2，譙 捷3，韓世剛4

1.重慶市生態(tài)環(huán)境監(jiān)測(cè)中心，重慶 401147 2.城市大氣環(huán)境綜合觀測(cè)與污染防控重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 401147 3.重慶市環(huán)境監(jiān)察總隊(duì)，重慶 401147 4.重慶市氣象服務(wù)中心，重慶 401147

為提高重慶市臭氧(O3)預(yù)報(bào)準(zhǔn)確率，利用2013—2015年5—10月O3監(jiān)測(cè)數(shù)據(jù)和氣象數(shù)據(jù)，通過(guò)主成分分析、逐步回歸分析等方法，確定了影響重慶O3濃度的主要?dú)庀笠蛩貫樽罡邷囟?、溫差、太?yáng)輻射、降水量、相對(duì)濕度、水氣壓和壓差；通過(guò)基于O3污染水平相似的主要?dú)庀罂刂埔蜃雍Y選和最優(yōu)組合的預(yù)報(bào)結(jié)果優(yōu)化方法，提高了O3預(yù)報(bào)準(zhǔn)確率，使2016年5—8月O3的AQI類別預(yù)報(bào)準(zhǔn)確率由57.7%增至72.4%，O3超標(biāo)的預(yù)報(bào)準(zhǔn)確率由38%增至46%。

氣象因子；臭氧；預(yù)報(bào)

環(huán)境空氣質(zhì)量預(yù)報(bào)已經(jīng)成為監(jiān)測(cè)部門一項(xiàng)比較重要的例行工作[1]。我國(guó)目前的環(huán)境空氣污染表現(xiàn)為以大氣細(xì)顆粒物(PM2.5)和臭氧(O3)為代表的復(fù)合型大氣污染，高濃度O3對(duì)眼睛和呼吸道有很強(qiáng)的刺激性，損害人體肺功能和傷害農(nóng)作物，并使大氣能見(jiàn)度降低[2]。O3已經(jīng)成為各大城市除PM2.5之外的造成環(huán)境空氣質(zhì)量超標(biāo)的首要污染物，因此對(duì)O3的準(zhǔn)確預(yù)報(bào)顯得尤為重要。

目前的預(yù)報(bào)方法主要有數(shù)值模型和統(tǒng)計(jì)模型。統(tǒng)計(jì)模型只需氣象數(shù)據(jù)、污染物監(jiān)測(cè)濃度數(shù)據(jù)即可進(jìn)行預(yù)報(bào)[3]，運(yùn)算量小、易于操作，不需要源清單和高性能計(jì)算硬件設(shè)備[4]，避免了數(shù)值模型預(yù)報(bào)方法的弊端[3]。與數(shù)值模型相比，統(tǒng)計(jì)模型預(yù)報(bào)結(jié)果準(zhǔn)確率高[5]，適合預(yù)報(bào)剛剛起步的城市使用。重慶市從2014年10月開(kāi)始對(duì)公眾發(fā)布空氣質(zhì)量預(yù)報(bào)結(jié)果，利用的是法蘭德斯技術(shù)研究院 (VITO)與比利時(shí)環(huán)保署合作開(kāi)發(fā)的基于神經(jīng)網(wǎng)絡(luò)的OVL模型。2014—2015年統(tǒng)計(jì)結(jié)果表明，模型對(duì)O3的AQI類別的預(yù)報(bào)準(zhǔn)確率為67.5%，低于其對(duì)PM2.5的預(yù)報(bào)準(zhǔn)確率73.9%；對(duì)O3超標(biāo)的判斷準(zhǔn)確率僅為36.4%，遠(yuǎn)低于PM2.5的67.9%。重慶市空氣質(zhì)量超標(biāo)天數(shù)均由PM2.5和O3造成，提高O3濃度預(yù)報(bào)準(zhǔn)確率尤其是準(zhǔn)確預(yù)判O3超標(biāo)天數(shù)將在很大程度上提高預(yù)報(bào)準(zhǔn)確率。

近幾年，北京、天津、上海、廈門、珠三角區(qū)域、沈陽(yáng)、西寧、太原、臨安本底站等都針對(duì)氣象條件對(duì)O3影響進(jìn)行了研究[6-16]；但對(duì)O3預(yù)報(bào)方法的研究較少，安俊琳等[6]利用主成分和回歸分析方法對(duì)北京O3進(jìn)行了預(yù)報(bào)；劉明花等[9]將多元非線性預(yù)報(bào)模式應(yīng)用在上海地面O3濃度的預(yù)報(bào)中；宋榕榮等[10]利用多元線性回歸法建立了廈門市O3預(yù)報(bào)及評(píng)估系統(tǒng)，都得到了相關(guān)性較好的預(yù)報(bào)結(jié)果。重慶也進(jìn)行了O3的相關(guān)研究[17]，但目前尚沒(méi)有針對(duì)重慶O3預(yù)報(bào)的研究。

重慶下墊面類型復(fù)雜，高溫高濕，太陽(yáng)輻射強(qiáng)度大，與其他城市不同。統(tǒng)計(jì)模型預(yù)報(bào)不需要源清單，更多的是依賴氣象條件的變化，在不同的天氣類型下，污染物擴(kuò)散方式和濃度分布均有明顯差異，天氣類型對(duì)區(qū)域空氣質(zhì)量有關(guān)鍵作用。由于各個(gè)氣象因子并不是獨(dú)立的而是相互影響、相互制約和協(xié)同作用的，僅單個(gè)分析氣象因素對(duì)O3濃度的影響難免造成信息缺失或誤導(dǎo)。本文在利用主成分分析和逐步回歸分析分析確定了O3的主控氣象因素后，提出了基于O3污染水平相似的主要?dú)庀罂刂埔蜃雍Y選和最優(yōu)組合的預(yù)報(bào)結(jié)果優(yōu)化方法，對(duì)OVL模型進(jìn)行補(bǔ)充，以期提高O3預(yù)報(bào)準(zhǔn)確率，為環(huán)境管理和污染天氣預(yù)警提供及時(shí)準(zhǔn)確的信息。

1 實(shí)驗(yàn)部分

1.1數(shù)據(jù)來(lái)源和處理

由于重慶O3污染主要集中在5—10月，因此，O3濃度數(shù)據(jù)利用2013—2015年5—10月主城區(qū)逐日自動(dòng)監(jiān)測(cè)數(shù)據(jù)；監(jiān)測(cè)儀器為河北EC9810B O3自動(dòng)監(jiān)測(cè)儀，采用紫外光度法原理。逐日氣象數(shù)據(jù)來(lái)自重慶市氣象臺(tái)，包括雨量、最高溫度、最低溫度、相對(duì)濕度、最小濕度、水氣壓、氣壓、最低氣壓、最高氣壓、風(fēng)速、風(fēng)向；溫差、壓差由原始數(shù)據(jù)計(jì)算而得，有降水標(biāo)記為“1”，無(wú)降水記為“0”。太陽(yáng)輻射數(shù)據(jù)來(lái)自重慶市大氣環(huán)境監(jiān)測(cè)超級(jí)站，監(jiān)測(cè)儀器為荷蘭UVS-AB紫外輻射計(jì)，UVS-AB紫外輻射計(jì)通過(guò)紫外輻射傳感器和CR1000數(shù)據(jù)采集模塊實(shí)時(shí)測(cè)量透過(guò)大氣層的太陽(yáng)紫外輻射UV-A和UV-B，監(jiān)測(cè)到達(dá)地面的太陽(yáng)紫外線輻射強(qiáng)度，共521個(gè)有效樣本。

1.2分析方法

1.2.1 主成分分析

主成分分析(PCA)是對(duì)一組變量進(jìn)行降維的統(tǒng)計(jì)學(xué)方法，即用少量的獨(dú)立變量來(lái)代替大量的有相關(guān)性的變量的一種方法?，F(xiàn)在PCA方法中普遍采用最大方差正交旋轉(zhuǎn)法來(lái)得到有意義的因子[18-19]。PCA的具體計(jì)算過(guò)程大體分3步：奇異值分解；維數(shù)的選擇(一般選擇特征值大于1的提取原則)；因子旋轉(zhuǎn)(一般采用方差最大正交旋轉(zhuǎn))[6]。

1.2.2 逐步回歸分析

多元線性方程的建立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Y(大氣污染物預(yù)報(bào)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)需將其從回歸方程中剔除，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。污染物預(yù)報(bào)濃度Y與預(yù)報(bào)關(guān)鍵參數(shù)X建立的最優(yōu)回歸方程格式：

式中：Y為污染物預(yù)報(bào)濃度；BQ為常數(shù)項(xiàng)；X1，X2，…，Xn為預(yù)報(bào)關(guān)鍵參數(shù)；B1，B2，Bn為關(guān)鍵參數(shù)的系數(shù)[4]。劉閩等[20]采用逐步回歸方法建立了沈陽(yáng)市冬季環(huán)境空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)模型。

2 結(jié)果與討論

2.1主要影響因子

2.1.1 主成分分析

將太陽(yáng)最大輻射、降水量、最高溫度、濕度、最小濕度、水氣壓、最高氣壓、風(fēng)速、風(fēng)向、壓差、溫差、是否下雨等12個(gè)參數(shù)作為變量，進(jìn)行主成分分析，使用方差極大法進(jìn)行旋轉(zhuǎn)，選擇KMO(Kaiser-Meyer-Olkin)和Bartlett的球形度檢驗(yàn)，得到旋轉(zhuǎn)后的因子載荷矩陣(見(jiàn)表1)，Bartlett球檢驗(yàn)顯著性指標(biāo)sig.<0.05為顯著，說(shuō)明存在因子結(jié)構(gòu)。KMO>0.9，說(shuō)明非常適合因子分析；0.8

旋轉(zhuǎn)后的因子載荷矩陣共產(chǎn)生3個(gè)貢獻(xiàn)較大的因子，其特征值均大于1，說(shuō)明具有統(tǒng)計(jì)顯著性。相關(guān)研究表明，選取因子時(shí)一般選取載荷大于0.50的因子[18]。載荷為負(fù)值時(shí)說(shuō)明該因子與本項(xiàng)目呈負(fù)相關(guān)關(guān)系。第一個(gè)因子中的高載荷組分主要指示了相對(duì)濕度、溫差、是否下雨，其次為最大太陽(yáng)輻射、雨量、最高溫度，這些因子解釋了36.2%的因變量變化；第二個(gè)因子中的高載荷組分主要指示了水氣壓、最高氣壓，這些因子解釋了21.7%的因變量變化；第三個(gè)因子中的高載荷組分主要指示了壓差、風(fēng)速，這些因子解釋了14.5%的因變量變化。這些因子共解釋了72.4%的因變量，說(shuō)明最大輻射、降水量、最高溫度，水氣壓、最高氣壓，壓差、風(fēng)速是影響5—10月氣象形勢(shì)的主要因素。

表1 旋轉(zhuǎn)后的因子載荷矩陣

用同樣的方法對(duì)O3質(zhì)量濃度小于或等于160 μg/m3的樣本(O3的AQI≤100，O3達(dá)標(biāo)日)以及O3質(zhì)量濃度大于160 μg/m3的樣本(O3的AQI>100，O3超標(biāo)日)分別進(jìn)行主成分分析，結(jié)果見(jiàn)表2、表3。O3達(dá)標(biāo)日產(chǎn)生3個(gè)主要因子，解釋了73.5%的變量，反映了相對(duì)濕度、最高溫度、溫差、降水、水氣壓、最高氣壓、壓差和風(fēng)速等對(duì)O3達(dá)標(biāo)日氣象形勢(shì)的影響，與5—10月相似。

O3超標(biāo)日產(chǎn)生5個(gè)主要因子：第一個(gè)因子中的高載荷組分主要指示了最高溫度、相對(duì)濕度、最高氣壓；第二個(gè)因子中的高載荷組分主要指示了最小濕度、水氣壓、溫差；第三個(gè)因子中的高載荷組分主要指示了降水量；第四個(gè)因子中的高載荷組分主要指示了最大輻射；第五個(gè)因子中的高載荷組分主要指示了壓差。這5個(gè)因子共解釋了78.7%的變量，反映了最高溫度、溫差、相對(duì)濕度、最高氣壓、壓差、水氣壓、降水量和最大太陽(yáng)輻射對(duì)O3超標(biāo)日氣象形勢(shì)的影響。與O3達(dá)標(biāo)日有所不同，多了“最大太陽(yáng)輻射”的影響，而少了“風(fēng)速”的影響。

表2 O3達(dá)標(biāo)日旋轉(zhuǎn)后的因子載荷矩陣

表3 O3超標(biāo)日旋轉(zhuǎn)后的因子載荷矩陣

2.1.2 逐步回歸分析

對(duì)521個(gè)樣本經(jīng)過(guò)逐步回歸分析，因變量為O3濃度，自變量為雨量、最高溫度、最低溫度、相對(duì)濕度、最小濕度、水氣壓、氣壓、最低氣壓、最高氣壓、風(fēng)速、風(fēng)向、溫差、壓差、是否下雨；利用Durbin-Watson值(DW，取值0～4)檢驗(yàn)回歸模型中殘差獨(dú)立的假設(shè)，當(dāng)DW愈接近2時(shí)，殘差項(xiàng)間越不相關(guān)。本次計(jì)算得到的DW=1.238，可以基本確定殘差是獨(dú)立的。

回歸結(jié)果如表4所示，共得到影響O3濃度的4個(gè)主要參數(shù)，即溫差、最高溫度、是否下雨和水氣壓。膨脹因子VIF<10，容差大于0.1，說(shuō)明這4個(gè)變量間不存在共線性，都可用于方程。sig.均小于0.05，具有顯著意義。根據(jù)表4得到O3濃度的逐步回歸方程式：

式中：Y為O3質(zhì)量濃度，μg/m3；X1為溫差，℃；X2為最高溫度，℃；X3為是否下雨，下雨為“1”，不下雨為“0”；X4為水氣壓，hPa。

表4 逐步回歸結(jié)果

注：“/”表示共線性僅針對(duì)變量進(jìn)行統(tǒng)計(jì)。

由圖1可知，通過(guò)該方程得到的O3濃度與實(shí)際值呈顯著正相關(guān)關(guān)系，相關(guān)系數(shù)達(dá)到0.86，通過(guò)了α=0.01水平(雙側(cè))的顯著性驗(yàn)證。通過(guò)對(duì)521個(gè)數(shù)據(jù)進(jìn)行驗(yàn)證，該方程對(duì)O3的AQI類別的預(yù)報(bào)準(zhǔn)確率為73.9%，雖然對(duì)優(yōu)、良水平的預(yù)報(bào)準(zhǔn)確率較高，但對(duì)O3超標(biāo)的預(yù)報(bào)準(zhǔn)確率僅為24.6%。

圖1 O3濃度擬合值與實(shí)際值的關(guān)系Fig.1 Fitting value and actual value of O3 concentration

通過(guò)以上方法，已經(jīng)基本確定了重慶主城區(qū)影響O3生成的主要?dú)庀笠蛩貫樽罡邷囟取夭?、太?yáng)輻射、降水量、相對(duì)濕度、水氣壓、壓差(見(jiàn)表5)。

表5 不同方法提取出的氣象因子

注：“√”表示影響較大；“空”表示沒(méi)有影響或者影響不顯著。

安俊琳等[6]分析了北京太陽(yáng)紫外輻射、溫度、相對(duì)濕度和壓力對(duì)夏季O3濃度的影響，表明氣溫和相對(duì)濕度是主要影響因素，其次是紫外輻射。北京超標(biāo)日O3濃度與氣壓、相對(duì)濕度呈負(fù)相關(guān)關(guān)系，與風(fēng)速、溫度呈正相關(guān)關(guān)系[7]。任麗紅等[8]對(duì)北京夏季不同高度O3濃度與氣象條件的研究表明：風(fēng)速在2 m/s以下，近地面O3濃度隨著風(fēng)速增加而增加；風(fēng)速超過(guò)2 m/s，O3濃度隨風(fēng)速的變化比較復(fù)雜，其原因有待進(jìn)一步研究。臨安大氣本底站研究也表明，O3與風(fēng)向的關(guān)系較復(fù)雜，與局地生成的O3有關(guān)[16]。劉明花[9]研究發(fā)現(xiàn)，上海一年四季對(duì)近地面O3影響最大的氣象因素是太陽(yáng)輻射。廈門市O3污染與溫度、風(fēng)速、相對(duì)濕度等氣象條件相關(guān)，且不同季節(jié)氣象因子的影響程度各不相同[10]。沈陽(yáng)風(fēng)速和溫度對(duì)O3濃度影響較大[11]。天津影響O3濃度的主要?dú)庀笠蛩厥菤鉁亍⑾鄬?duì)濕度和風(fēng)速風(fēng)向[12]。太原市城區(qū)O3與溫度、濕度和風(fēng)速存在極顯著的相關(guān)性[13]。西寧地區(qū)地面O3濃度隨云量狀況、風(fēng)向、風(fēng)速、相對(duì)濕度、氣壓等要素的變化比較明顯[15]。石家莊O3濃度與氣溫呈正相關(guān)，與相對(duì)濕度呈負(fù)相關(guān)[21]。從各個(gè)城市的研究結(jié)果來(lái)看，溫度、相對(duì)濕度均是影響O3濃度的主要因素；其他因素也因?yàn)榈赜驓庀筇卣?、地形特征的不同而有所不同?/p>

2.2因子最優(yōu)組合

圖2給出了氣象因素在不同分段值內(nèi)O3的AQI范圍。

圖2 O3的AQI在不同氣象因子下的分布Fig.2 Distribution of O3 AQI under meteorological factors

從圖2可以看出：

1)最高溫度：溫度在30 ℃及其以上時(shí)，出現(xiàn)O3超標(biāo)，且主要集中在33～39 ℃；27 ℃及以下，O3的AQI基本為0～50。

2)溫差：溫差在8 ℃及以下時(shí)，O3不會(huì)超標(biāo)；溫差在8 ℃以上時(shí)，開(kāi)始出現(xiàn)O3超標(biāo)；溫差在6 ℃及以下時(shí)，O3的AQI基本為0～50；溫差為10～12 ℃，容易出現(xiàn)高濃度O3，AQI>150。

3)太陽(yáng)輻射：太陽(yáng)輻射小于或等于40 W/m2時(shí)，O3達(dá)標(biāo)；太陽(yáng)輻射大于40 W/m2時(shí)，開(kāi)始出現(xiàn)O3超標(biāo)，且主要集中在40～70 W/m2；高濃度O3，AQI>150主要出現(xiàn)在40(不含40)～60之間；輻射更高時(shí)(如70 W/m2以上)，O3超標(biāo)率反而不高。

4)降水量：O3超標(biāo)主要發(fā)生在無(wú)降水時(shí)；降水量在20 mm以上時(shí)，O3的AQI基本為0～50。

5)相對(duì)濕度：相對(duì)濕度在80%及以下時(shí)，都可能出現(xiàn)O3超標(biāo)，主要集中在40%～70%；高濃度O3出現(xiàn)在50%～70%；相對(duì)濕度大于80%時(shí)，O3的AQI為0～50。

6)水氣壓：水氣壓在任何范圍內(nèi)，都可能出現(xiàn)O3超標(biāo)，只是水氣壓在15～20 hPa時(shí)，超標(biāo)概率較小。

7)壓差：壓差在4 hPa以下時(shí)，O3基本不會(huì)超標(biāo)；壓差在4 hPa以上時(shí)，開(kāi)始出現(xiàn)O3超標(biāo)；超標(biāo)主要集中在壓差4～8 hPa。

單看一種氣象條件下O3的濃度特征，對(duì)預(yù)報(bào)的支撐作用有限。需要對(duì)主要?dú)庀笥绊懸蜃幼霾煌慕M合，找到最大程度(概率)影響O3濃度的最優(yōu)組合。根據(jù)氣象因子預(yù)報(bào)數(shù)據(jù)準(zhǔn)確度高、易獲得的原則，以最高溫度作為首要約束條件，層層篩選其他氣象影響因子，直至得到O3濃度最大相似的組合。通過(guò)這種方法，可以得到若干組不同氣象條件組合下對(duì)應(yīng)的O3濃度，這里只列出O3超標(biāo)時(shí)主要?dú)庀笠蜃拥牟糠纸M合(見(jiàn)表6)。

表6 最優(yōu)化組合示例

注：“空”表示不對(duì)該氣象參數(shù)進(jìn)行判斷。

2.3結(jié)果評(píng)估

利用2016年5—8月的O3預(yù)報(bào)結(jié)果進(jìn)行驗(yàn)證分析，如圖3所示，本研究對(duì)2016年5—8月O3類別的預(yù)報(bào)準(zhǔn)確率為72.4%，高于現(xiàn)有OVL模型的57.7%以及逐步回歸方法的68.3%。對(duì)O3超標(biāo)的預(yù)報(bào)準(zhǔn)確率為46%，高于OVL模型和逐步回歸的38%、31%。

從預(yù)報(bào)結(jié)果來(lái)看，基于O3濃度相似的主要?dú)庀笞顑?yōu)組合的預(yù)報(bào)方法適合重慶本地O3預(yù)報(bào)，能得到較高的預(yù)報(bào)準(zhǔn)確率。雖然準(zhǔn)確率有所提高，但該方法也存在各種模型的共同問(wèn)題，當(dāng)空氣質(zhì)量為O3引發(fā)的輕度污染時(shí)，前一日可以較準(zhǔn)確地判斷出首要污染物為O3，但對(duì)空氣質(zhì)量類別容易低估。

圖3 本研究O3預(yù)報(bào)準(zhǔn)確率與其他方法對(duì)比Fig.3 The accuracy of O3 forecast compared with other methods

3 結(jié)論

1)通過(guò)主成分分析、逐步回歸分析等方法，確定影響重慶主城區(qū)O3濃度的主要?dú)庀笠蛩貫樽罡邷囟取夭?、太?yáng)輻射、降水量、相對(duì)濕度、水氣壓、壓差。

2)通過(guò)基于O3污染水平相似的主要?dú)庀罂刂埔蜃雍Y選和最優(yōu)組合的預(yù)報(bào)結(jié)果優(yōu)化方法，對(duì)2016年5—8月O3類別的預(yù)報(bào)準(zhǔn)確率為72.4%，高于現(xiàn)有OVL模型的57.7%。對(duì)O3超標(biāo)的預(yù)報(bào)準(zhǔn)確率為46%，高于OVL模型的38%。該方法適合重慶本地O3預(yù)報(bào)，能得到較高的預(yù)報(bào)準(zhǔn)確率。

3)本研究?jī)H考慮了氣象條件的影響，下一步仍需考慮其前體物NO2、VOCs的影響，不斷完善規(guī)律，以提高預(yù)報(bào)準(zhǔn)確性。

4)樣本量也是重要的影響因素，目前僅利用2013—2015年數(shù)據(jù)，畢竟3年的天氣形勢(shì)會(huì)有所不同，需要多年甚至十幾年的監(jiān)測(cè)和氣象數(shù)據(jù)，才能更好地反映本地特征。

5)不同地區(qū)的氣象條件不同，對(duì)O3的影響規(guī)律也不盡相同，需要在分析規(guī)律的基礎(chǔ)上，對(duì)當(dāng)?shù)豋3預(yù)報(bào)進(jìn)行指導(dǎo)。

[1] 王曉彥,陳佳,朱莉莉,等.城市環(huán)境空氣質(zhì)量指數(shù)范圍預(yù)報(bào)方法初探[J].中國(guó)環(huán)境監(jiān)測(cè),2015,31(6):139-142.

WANG Xiaoyan,CHEN Jia,ZHU Lili, et al. Discussion on the methods of urban ambient air quality index range forecasting [J]Environmental Monitoring in China, 2015,31(6):139-142.

[2] 張遠(yuǎn)航,邵可聲,唐孝炎,等.中國(guó)城市光化學(xué)煙霧污染研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版),1998,34(2):392-400.

ZHANG Yuanhang, SHAO Kesheng, TANG Xiaoyan,et al. The study of urban photochemical smog pollution in China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis (Natural Science Edition), 1998,34(2):392-400.

[3] 王淑瑩,許榮,尹翠芳,等.基于OPAQ 的城市空氣質(zhì)量預(yù)報(bào)系統(tǒng)研究[J].中國(guó)環(huán)境監(jiān)測(cè),2016,32(3):13-20.

WANG Shuying, XU Rong,YIN Cuifang, et al. Study on urban air quality forecasting with OPAQ[J]. Environmental Monitoring in China, 2016,32(3):13-20.

[4] 中國(guó)環(huán)境監(jiān)測(cè)總站.環(huán)境空氣質(zhì)量預(yù)報(bào)預(yù)警方法技術(shù)指南[M].北京:中國(guó)環(huán)境科學(xué)出版社:2014:24-25.

[5] 汪巍,高愈霄,趙熠琳,等.中小城市空氣質(zhì)量預(yù)報(bào)試驗(yàn)與問(wèn)題研究[J].中國(guó)環(huán)境監(jiān)測(cè),2015,31(6):134-138.

WANG Wei,GAO Yuxiao,ZHAO Yilin,et al. Analysis on the experiment and problems of air quality forecast in small and medium-sized cities in China[J].Environmental Monitoring in China,2015,31(6):134-138.

[6] 安俊琳,王躍思,朱彬.主成分和回歸分析方法在大氣臭氧預(yù)報(bào)的應(yīng)用——以北京夏季為例[J].環(huán)境科學(xué)學(xué)報(bào),2010,30 (6): 1 286-1 294.

AN Junlin, WANG Yuesi, Zhu Bin.Principal component and multiple regression analysis predicting ozone concentrations: Case study in summer in Beijing[J]. Acta Scientiae Circumstantiae, 2010,30 (6): 1 286-1 294.

[7] 程念亮,李云婷,張大偉,等.2014年北京市城區(qū)臭氧超標(biāo)日濃度特征及與氣象條件的關(guān)系[J].環(huán)境科學(xué),2016,37(6):2 014-2 051.

CHENG Nianliang, LI Yunting, ZHANG Dawei, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing City in 2014[J]. Environmental Science, 2016,37(6):2 014-2 051.

[8] 任麗紅,胡非,王瑋.北京夏季O3垂直分布與氣象因子的相關(guān)研究[J].氣候與環(huán)境研究,2005,10(2):166-174.

REN Lihong, HU Fei, WANG Wei. A study of correlations between O3concentration and meteorological factors in summer in Beijing[J]. Climatic and Environmental Research, 2005,10(2):166-174.

[9] 劉明花.上海市地面臭氧濃度分析及多元非線性預(yù)報(bào)模式研究[D].上海：華東師范大學(xué)，2009.

[10] 宋榕榮,王堅(jiān),張?jiān)鴱|,等.廈門市空氣質(zhì)量臭氧預(yù)報(bào)和評(píng)估系統(tǒng)[J].中國(guó)環(huán)境監(jiān)測(cè),2012,28(1):27-32.

SONG Rongrong, WANG Jian, ZHANG Zengtao, et al. The air quality forecast and evaluation system of ozone in Xiamen[J]. Environmental Monitoring in China, 2012,28(1):27-32.

[11] 王闖,王帥,楊碧波,等.氣象條件對(duì)沈陽(yáng)市環(huán)境空氣臭氧濃度影響研究[J].中國(guó)環(huán)境監(jiān)測(cè),2015,31(3):32-37.

WANG Chuang, WANG Shuai, YANG Bibo, et al. Study of the effect of meteorological conditions on the ambient air ozone concentrations in Shenyang[J]. Environmental Monitoring in China, 2015,31(3):32-37.

[12] 姚青,孫玫玲,劉愛(ài)霞.天津臭氧濃度與氣象因素的相關(guān)性及其預(yù)測(cè)方法[J].生態(tài)環(huán)境學(xué)報(bào),2009,18(6):2 206-2 210.

YAO Qing, SUN Meiling, LIU Aixia. Analysis and prediction of surface ozone concentration and related meteorological factors in summer in Tianjin[J]. Ecology and Environmental Sciences, 2009, 18(6): 2 206-2 210.

[13] 溫彥平.太原市近地面臭氧濃度變化規(guī)律及其與氣象要素的關(guān)系[J].環(huán)境工程學(xué)報(bào),2015,9(11):5 545-5 554.

WEN Yanping. Temporal variations of surface ozone and its relations with meteorological parameters in Taiyuan City[J].Chinese Journal of Environmental Engineering, 2015,9(11):5 545-5 554.

[14] 張浩月,王雪松,陸克定,等.珠江三角洲秋季典型氣象條件對(duì)O3和PM10污染的影響[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,50(3):564-576.

ZHANG Haoyue, WANG Xuesong, LU Keding, et al. Impact of typical meteorological conditions on the O3and PM10pollution episodes in the Pearl River Delta in Autumn[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014,50(3):564-576.

[15] 趙玉成,楊英蓮,蔡永祥,等.西寧地區(qū)近地面臭氧(O3)濃度的變化特征及氣象條件分析[J].青海環(huán)境,2013,23(2):76-89.

ZHAO Yucheng, YANG Yinglian, CAI Yongxiang, et al. Characteristics of near-surface ozone (O3) concentration and meteorological conditions in Xining[J]. Qinghai Environment, 2013,23(2):76-89.

[16] 范洋,樊曙先,張紅亮,等.臨安冬夏季SO2、NO2和O3體積分?jǐn)?shù)特征及與氣象條件的關(guān)系[J].大氣科學(xué)學(xué)報(bào),2013,36(1):121-128.

FAN Yang,FAN Shuxian, ZHANG Hongliang,et al. Characteristics of SO2,NO2,O3volume fractions and their relationship with weather conditions at Linan in summer and winter[J].Transactions of Atmospheric Sciences,36 (1):121-128.

[17] 劉姣姣,蔣昌潭,宋丹,等.重慶夏季近地面臭氧變化規(guī)律及影響因素分析[J].重慶大學(xué)學(xué)報(bào)：自然科學(xué)版,2014,37(8):91-98.

LIU Jiaojiao, JIANG Changtan, SONG Dan, et al. Analysis of Distribution Characteristics of Surface Ozone and its Influencing Factors in Summer in Chongqing[J]. Journal of Chongqing University: Natural Science Edition, 2014,37(8):91-98.

[18] GUO H, WANG T, LOUIE PKK. Source apportionment of ambient non-methane hydrocarbons in Hong Kong: application of a principal component analysis (PCA)/absolute principal component scores (APCS) receptor model [J]. Environmental Pollution, 2004,129(3):489-498.

[19] SINDOSI O A, KATSOU lIS B D, BARTZOKAS A. An objective definition of air mass types affecting Athens, Greece: the corresponding atmospheric pressure patterns and air pollution levels[J].Environmental Technology, 2003,24(8):947-962.

[20] 劉閩,王帥,林宏,等.沈陽(yáng)市冬季環(huán)境空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)模型建立及應(yīng)用[J].中國(guó)環(huán)境監(jiān)測(cè),2014,30(4):10-15.

LIU Min, WANG Shuai, LIN Hong, et al. The study on establishment and application of winter environment air quality forecasting model of Shenyang [J]. Environmental Monitoring in China,2014,30(4):10-15.

[21] 潘本鋒,程麟鈞,王建國(guó),等. 京津冀地區(qū)臭氧污染特征與來(lái)源分析[J].中國(guó)環(huán)境監(jiān)測(cè),2016,32(5):17-23.

PAN Benfeng,CHENG Linjun,WANG Jianguo, et al. Characteristics and source attribution of ozone pollution in Beijing-Tianjin-Hebei Region[J]. Environmental Monitoring in China, 2016,32(5):17-23.

EffectsofMeteorologicalConditionsonOzoneandItsApplicationinAirQualityForecast

ZHANG Can1，2, JIANG Changtan1，2, LUO Caihong1，2, LIU Jiaojiao1，2, YE Di1，2, QIAO Jie3, HAN Shigang4

1.Ecological and Environment Monitoring Centre of Chongqing, Chongqing 401147, China 2.Chongqing Key Laboratory of Urban Atmospheric Environment for Integrated Observation and Pollution Prevention and Control, Chongqing 401147, China 3.Chongqing Municipal Environmental Supervise Corps, Chongqing 401147, China 4.Chongqing Meteorological Service Centre, Chongqing 401147, China

In order to improve the accuracy of O3forecast in Chongqing, O3monitoring concentration and meteorological data from May to October in 2013-2015 were used to analyze the effects of meteorological factors on O3concentration by principal component analysis and stepwise regression analysis. The result showed that O3concentration was influenced by maximum temperature, temperature difference, radiation, precipitation, humidity, vapor pressure and pressure difference. By selection of major meteorological control factors on O3and the optimal combination of control factors based on O3concentration similarity, the accuracy of O3forecast was improved from 57.7% to 72.4% and the accuracy of O3over standard forecast was improved from 38% to 46% during May to August in 2016.

meteorological factors; ozone; forecast

X823；X84；X51

：A

：1002-6002(2017)04- 0221- 08

10.19316/j.issn.1002-6002.2017.04.28

2016-11-11;

：2017-01-12

重慶市環(huán)境保護(hù)局環(huán)?？萍柬?xiàng)目[2015(7號(hào))]

張 燦(1982-)，女，山東金鄉(xiāng)人，碩士，高級(jí)工程師。

羅財(cái)紅