宋曉輝,杜亮亮,李劍東,程曉丹,張 珺

(1.邯鄲市氣象局，河北 邯鄲 056001；2.中國科學(xué)院大氣物理研究所，北京 100029；3.河北省邯鄲環(huán)境監(jiān)測中心，河北 邯鄲 056000)

隨著城市規(guī)模擴(kuò)大和工業(yè)化迅速發(fā)展，大氣環(huán)境日益惡化，城市空氣污染是當(dāng)前全球大氣環(huán)境和城市氣候研究領(lǐng)域的熱點和難點問題之一。我國長期積累的能源結(jié)構(gòu)矛盾和粗放型經(jīng)濟(jì)增長方式使經(jīng)濟(jì)發(fā)展與自然環(huán)境的矛盾日益突出，城市空氣質(zhì)量問題已成為影響社會經(jīng)濟(jì)發(fā)展和居民生活的重要議題[1]。京津冀地區(qū)是我國北方最大的城市群和經(jīng)濟(jì)核心區(qū)，也是北方大氣污染最嚴(yán)重的區(qū)域之一，京津冀空氣質(zhì)量指數(shù)的年均高值中心位于河北中南部，首要污染物濃度冬季高而夏季低，天津和石家莊空氣質(zhì)量最差的時段均為1和12月，京津冀供暖季污染物濃度明顯高于其他季節(jié)[2-3]。因此，研究京津冀地區(qū)城市采暖期的環(huán)境污染特征是近年來我國大氣污染研究及治理的熱點。

城市空氣質(zhì)量與污染物排放、地形地貌和氣象條件等諸多因素有關(guān)[4-9]。氣象要素是制約空氣污染物稀釋、擴(kuò)散、遷移和轉(zhuǎn)化的重要因素[7]。研究表明，北方大城市空氣污染與當(dāng)?shù)仫L(fēng)向、降水、大氣穩(wěn)定度等氣象條件關(guān)系密切[7]；重污染天氣過程多發(fā)生在靜穩(wěn)天氣形勢下，污染物主要來源為本地排放和外來輸送[10-12]，而城市空氣污染加重、維持、消散的過程主要取決于本地空氣污染源的排放規(guī)模以及影響空氣污染物匯聚與擴(kuò)散的氣象條件[13-16]；人為排放及不利氣象條件的綜合作用使得京津冀地區(qū)空氣污染事件頻發(fā)[17]。明確城市的空氣污染特征及開展有效的空氣質(zhì)量預(yù)報已成為京津冀地區(qū)大氣環(huán)境研究和社會經(jīng)濟(jì)發(fā)展的迫切需求。

當(dāng)前的空氣質(zhì)量預(yù)報研究主要采用統(tǒng)計預(yù)報模式和數(shù)值預(yù)報方法，發(fā)達(dá)國家自20世紀(jì)60年代起先后建立了大氣污染數(shù)值預(yù)報業(yè)務(wù)系統(tǒng)[18-20]。20世紀(jì)80年代起，國內(nèi)直轄市和省會城市先后開展了空氣污染預(yù)報方法研究，早期主要為污染潛勢預(yù)報，選取表征大氣擴(kuò)散稀釋能力的氣象因子，通過組合加權(quán)計算潛勢指數(shù)，對空氣污染狀況進(jìn)行定性或半定量的判斷[21-22]；隨著數(shù)值模式的發(fā)展和計算機性能的提高，利用數(shù)值模式進(jìn)行空氣質(zhì)量預(yù)報的研究越來越多，學(xué)者們采用多元線性回歸和神經(jīng)網(wǎng)絡(luò)等方法，通過建立污染物濃度與氣象因子間的統(tǒng)計預(yù)報模型，實現(xiàn)了污染物濃度的定量預(yù)報[23-25]。人工神經(jīng)網(wǎng)絡(luò)是具有較強非線性映射能力、自學(xué)習(xí)能力和自組織能力的技術(shù)，可通過訓(xùn)練獲得輸入和輸出之間的非線性關(guān)系并解決復(fù)雜問題，近年來已成為空氣質(zhì)量預(yù)測領(lǐng)域的重要研究技術(shù)[26-28]。

近年來，京津冀特大城市(特別是北京)的污染物局地排放已得到有力控制，城市空氣質(zhì)量也在穩(wěn)步提升[17]。然而，邯鄲等具有相當(dāng)人口與經(jīng)濟(jì)規(guī)模的區(qū)域城市空氣質(zhì)量問題還很嚴(yán)重。邯鄲地處太行山脈東麓和華北平原南部，主城區(qū)常住人口近360萬，為京津冀Ⅰ型大城市。邯鄲屬溫帶大陸性季風(fēng)氣候區(qū)，常年盛行偏西風(fēng)，太行山的阻擋和背風(fēng)坡氣流下沉作用使得沿保定—石家莊—邯鄲一線的污染物不易擴(kuò)散，形成大氣高污染帶[14-17]。2013年以來，邯鄲雖然在轉(zhuǎn)型發(fā)展、結(jié)構(gòu)調(diào)整方面取得了一定成效，但空氣質(zhì)量水平一直位于全國重點城市環(huán)境空氣質(zhì)量綜合指數(shù)排名后10位，大氣污染治理形勢依然嚴(yán)峻。目前，邯鄲這類城市的區(qū)域大氣環(huán)境數(shù)值預(yù)報服務(wù)尚在起步階段，還無法滿足業(yè)務(wù)與服務(wù)需求。因此，急需探究適用于此類城市環(huán)境污染的統(tǒng)計預(yù)報方法,這對于京津冀地區(qū)的空氣污染特征、空氣質(zhì)量的預(yù)報及治理具有重要的現(xiàn)實意義。

該研究利用邯鄲環(huán)境監(jiān)測數(shù)據(jù)和同期氣象觀測數(shù)據(jù)，對該市采暖期環(huán)境污染(包括空氣質(zhì)量與環(huán)境氣象條件)的時間演變特征進(jìn)行分析；在此基礎(chǔ)上，采用統(tǒng)計方法選取影響當(dāng)?shù)乜諝赓|(zhì)量的關(guān)鍵氣象因子，重點利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行邯鄲采暖期空氣質(zhì)量的預(yù)報研究。研究結(jié)果可為京津冀區(qū)域城市大氣污染和空氣質(zhì)量預(yù)報研究提供有價值的科學(xué)參考。

1 資料與方法

1.1 資料來源

研究所用氣象資料由河北省氣象信息中心提供，包括邯鄲國家基本氣象觀測站2013—2017年的地面觀測資料及同期的大氣靜穩(wěn)指數(shù)與混合層高度等?？諝赓|(zhì)量資料由河北省邯鄲環(huán)境監(jiān)測中心提供，包括環(huán)保局、叢臺公園、東污水處理廠和礦院4個監(jiān)測站點2013—2017年的6種空氣污染物數(shù)據(jù)，即SO2、NO2、PM10、PM2.5、CO(95)(CO日均值的第 95百分位數(shù))和O3-8(90) (O3日最大8 h值的第90百分位數(shù))的空氣質(zhì)量指數(shù)(AQI)和質(zhì)量濃度(圖1)。

圖1 邯鄲市氣象及空氣質(zhì)量監(jiān)測點位置示意

2013—2016年的資料用于分析氣候特征，2017年的資料用于預(yù)報研究。該研究中邯鄲采暖期定義為11月15日至次年3月15日。

1.2 方法介紹

首先采用相關(guān)性分析篩選空氣質(zhì)量的預(yù)報因子，再分別利用多元線性回歸和BP神經(jīng)網(wǎng)絡(luò)2種統(tǒng)計方法建立基于氣象要素的采暖期逐日污染物濃度的預(yù)報模型，進(jìn)行空氣質(zhì)量預(yù)報；通過與同期污染物濃度觀測值及線性回歸模型預(yù)報結(jié)果的比較來檢驗BP神經(jīng)網(wǎng)絡(luò)對邯鄲市空氣質(zhì)量的預(yù)報效果。

1.2.1預(yù)報因子的篩選

考慮到前期空氣污染物的累積直接影響后期的空氣污染程度，因此，選取前一日6種污染物質(zhì)量濃度作為預(yù)報因子；初步選取直接或間接影響大氣污染、有明確物理意義的氣象因子(69個)，包括邢臺探空站的逆溫、850和925 hPa高度、氣溫、露點、風(fēng)速、混合層高度以及氣象測站的氣溫、氣壓、濕度、風(fēng)、能見度、露點和靜穩(wěn)指數(shù)等。在2013年1月—2017年3月的采暖期共收集邯鄲市區(qū)各類污染物質(zhì)量濃度有效資料478條。通過相關(guān)性分析可知，除O3-8(90)外，其他5種污染物質(zhì)量濃度與前一日污染物質(zhì)量濃度、靜穩(wěn)指數(shù)、逆溫、相對濕度和露點溫度等呈明顯正相關(guān)，與氣溫、風(fēng)速、能見度和混合層高度等呈負(fù)相關(guān)；O3-8(90)與其前一日質(zhì)量濃度、溫度、露點和混合層高度呈正相關(guān)，與其他5種污染物前一日質(zhì)量濃度、靜穩(wěn)指數(shù)、氣壓和相對濕度等呈負(fù)相關(guān)；選擇相關(guān)系數(shù)大的因子作為預(yù)報因子，同時考慮同一種污染物中各個因子是否類別相近，例如當(dāng)08：00氣溫和日平均氣溫同時入選時，則只選擇相關(guān)性最佳的因子，舍去其他同類別因子，而不同時刻的相關(guān)因子則不進(jìn)行剔除。按照以上原則確定12～14個采暖期各類污染物質(zhì)量濃度的預(yù)報因子。

1.2.2線性回歸預(yù)報方法

利用SPSS軟件的多元線性回歸計算功能，按照經(jīng)前述相關(guān)分析確定的各類污染物影響因子對預(yù)報值的影響程度，由大到小逐個引入回歸方程，采用F檢驗，當(dāng)候選變量中最大F值的P值≤0.05時，引入相關(guān)變量；在引入的變量中，最小F值的P值≥0.1時，則剔除該變量；最終無顯著因子可以引入且無不顯著變量需要剔除時，建立各類空氣污染物質(zhì)量濃度的線性回歸預(yù)報模型。

1.2.3BP神經(jīng)網(wǎng)絡(luò)預(yù)報方法

大氣環(huán)境受多重特征因子影響，且主要特征因子之間的關(guān)系非常復(fù)雜，有極為顯著的非線性特征，BP 神經(jīng)網(wǎng)絡(luò)具有良好的非線性處理能力[29-30]，是筆者重點采用的統(tǒng)計方法。研究利用MATLAB數(shù)學(xué)軟件的神經(jīng)網(wǎng)絡(luò)計算建立6種污染物濃度的BP神經(jīng)網(wǎng)絡(luò)預(yù)報模型。首先對經(jīng)過上述線性回歸方法篩選出的各類污染物的最優(yōu)樣本進(jìn)行數(shù)據(jù)歸一化處理，選出訓(xùn)練樣本和測試樣本，利用訓(xùn)練樣本建立BP神經(jīng)網(wǎng)絡(luò)模型；使用3層網(wǎng)絡(luò)結(jié)構(gòu)和S型神經(jīng)元傳遞函數(shù)，通過選擇不同訓(xùn)練函數(shù)和改變隱層節(jié)點數(shù)的方法，選取最優(yōu)訓(xùn)練樣本建立BP神經(jīng)網(wǎng)絡(luò)，并挑選出最優(yōu)網(wǎng)絡(luò)模型。其中，PM2.5的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中輸入層、隱含層節(jié)、輸出層的節(jié)點數(shù)分別為7、10和1，PM10為7、10和1，SO2為8、10和1。

1.2.4預(yù)報結(jié)果的評估方法

通過平均絕對誤差(EMA)、平均相對誤差(EMR)和時間相關(guān)系數(shù)(r)對2種統(tǒng)計預(yù)報方法所得污染物濃度進(jìn)行分析評估。計算公式分別為

(1)

(2)

(3)

2 邯鄲空氣質(zhì)量特征

2013—2016年邯鄲主城區(qū)6種污染物AQI的時間變化特征見圖2。由圖2可見，PM10、SO2和PM2.5的AQI月變化趨勢基本一致，均呈單谷型分布，1—5月逐漸下降，夏季為低谷，9月逐漸上升；O3-8(90)呈單峰型分布，1—5月逐漸上升，之后逐漸下降；NO2的月變化相對平緩，冬半年略高；CO(95)的月變化更為平穩(wěn)。除O3-8(90)污染物之外，其他5類污染物AQI表現(xiàn)為冬半年高于夏半年。

從6種污染物AQI的四季變化(圖2)可知，SO2冬季最高，春季次之，夏季最低；PM2.5和NO2冬季最高，秋季次之，夏季最低；PM10冬季最高，春季次之，夏季最低；CO(95)四季均較其他5種污染物略低，冬季略高；O3-8(90)夏季最高，春季次之，冬季最低。僅O3-8(90)的采暖期AQI均值低于年均值，其他5種污染物采暖期AQI均值都高于年均值。這表明采暖期是邯鄲空氣質(zhì)量最差的時段，需要進(jìn)一步結(jié)合當(dāng)前的環(huán)境氣象條件特征分析采暖期空氣質(zhì)量的影響因子。

3 邯鄲采暖期環(huán)境氣象條件特征

很多研究已表明水平風(fēng)速較小時空氣流通能力差，不利于空氣污染物水平擴(kuò)散；低層相對濕度高有利于SO2的吸濕增長；逆溫層抑制了空氣垂直交換，造成水汽和氣溶膠在近地面層聚集；靜穩(wěn)天氣指數(shù)高說明環(huán)境氣象條件不利于空氣污染物擴(kuò)散。對邯鄲站2013—2016年間風(fēng)、降水量、相對濕度和靜穩(wěn)天氣指數(shù)等氣象條件的分析可知，邯鄲環(huán)境氣象擴(kuò)散條件夏半年優(yōu)于冬半年，春季水平擴(kuò)散能力最強，冬季(尤其是采暖期)最差。

表1為2013—2016年采暖期、非采暖期及全年的平均氣溫、降水量、相對濕度、風(fēng)速和小風(fēng)(日平均風(fēng)速≤2.0 m·s-1)日數(shù)占比分布情況。邯鄲采暖期平均氣溫為2.72 ℃，低于全年均值(15.04 ℃)和非采暖期均值(21.15 ℃)；采暖期平均降水量為32.3 mm，僅占全年平均降水量的5.6%，明顯低于非采暖期降水量(540.1 mm)；采暖期平均相對濕度為57.67%，小于非采暖期(62.93%)和全年均值(61.17%)；采暖期平均風(fēng)速為1.97 m·s-1，與非采暖期(2.08 m·s-1)和全年均值(2.05 m·s-1)較為接近；在研究時段內(nèi)，采暖期的小風(fēng)日數(shù)總計為357 d，非采暖期為516 d，總計873 d，占比分別為73.6%、52.9%和59.8%。

表2為2013—2016年邯鄲平均逆溫和靜穩(wěn)天氣指數(shù)。從第1層逆溫(邢臺高空站08:00探測資料)來看，采暖期第1層逆溫的平均底高為380.6 m，低于非采暖期(469.0 m)和全年均值(434.7 m)；平均頂高為624.7 m，較非采暖期(688.3 m)和全年均值(663.9 m)略低；平均逆溫層厚度為244.1 m，高于非采暖期(217.0 m)和全年均值(227.9 m)；采暖期第1層逆溫的平均逆溫差最大(4.1 ℃)，平均逆溫強度最強〔2.7 ℃·(100 m)-1〕；采暖期的平均靜穩(wěn)天氣指數(shù)為10.8，高于非采暖期平均(9.0)和全年均值(9.6)。

圖2 2013—2016年邯鄲6種污染物空氣質(zhì)量指數(shù)(AQI)的月變化、季節(jié)變化、年均值及采暖期均值變化

表1 2013—2016年邯鄲采暖期、非采暖期和全年環(huán)境氣象條件的比較

邯鄲采暖期氣象條件的逐月變化見圖3。月平均氣溫由低到高依次為1、12、2、11和3月；平均本站氣壓由低到高依次為3、11、2、12和1月；平均相對濕度由低到高依次為3、2、1、12和11月；平均風(fēng)速1、11和12月均為1.9 m·s-1，2月略高，3月最大。從采暖期氣象要素的日變化情況來看，平均氣溫自0時開始逐漸下降，7時最低，之后逐漸上升，15時達(dá)最高，后逐漸下降；平均相對濕度自0時緩慢上升，7時最高，之后下降，15時達(dá)最低，隨后逐漸上升；平均風(fēng)速0—8時維持在低值，之后上升，14—15時達(dá)峰值，隨后逐漸下降。

表2 2013-2016年邯鄲采暖期、非采暖期、全年平均逆溫和靜穩(wěn)天氣指數(shù)

圖3 2013—2016年邯鄲采暖期環(huán)境氣象條件月變化和日變化

上述分析表明，邯鄲采暖期降水少，溫度低，濕度和風(fēng)速小，而且小風(fēng)出現(xiàn)頻率明顯高于非采暖期。采暖期局地逆溫強，靜穩(wěn)天氣指數(shù)高，為邯鄲全年環(huán)境氣象條件最差的時期。在采暖期內(nèi)，1月環(huán)境氣象條件最差，12月次之，且環(huán)境氣象條件白天好于夜間，尤以5—7時最差。

4 空氣質(zhì)量的BP神經(jīng)網(wǎng)絡(luò)統(tǒng)計預(yù)報

4.1 統(tǒng)計預(yù)報結(jié)果

邯鄲采暖期的首要空氣污染物為PM10、PM2.5和SO2[13]?；?種統(tǒng)計預(yù)報方法獲得2017年1月1日—3月15日這3種污染物質(zhì)量濃度預(yù)報值與實測值的時間序列(圖4)。

圖4 2017年采暖期污染物質(zhì)量濃度的逐日觀測值與預(yù)報值對比

對2種方法的PM10預(yù)報值與觀測值進(jìn)行對比，3條曲線的變化趨勢大體相同。1月1—10日和2月9—14日，2種方法的預(yù)報值波動滯后于觀測值;1月1—8日BP模型預(yù)報值較實況值偏高，線性回歸預(yù)報值則偏低；1月11—26日預(yù)報值的波動與觀測值一致，其中1月9—16日BP模型的預(yù)報值略低于線性回歸預(yù)報值，但均較接近觀測值；1月18—27日BP模型預(yù)報值及波動更接近觀測值；1月30日—2月14日2種方法的預(yù)報值波動滯后于觀測值；2月15日—3月11日BP模型預(yù)報值的擬合效果優(yōu)于線性回歸。在67個有效數(shù)據(jù)中，43個BP模型預(yù)報值更接近實況，占比為64%；線性回歸和BP模型預(yù)報值的平均絕對誤差分別為64.69和51.96 μg·m-3，與觀測時間序列的相關(guān)系數(shù)分別為0.78和0.87。

2種方法的PM2.5預(yù)報值與觀測值對比，3條曲線的變化趨勢雖基本相同，但BP模型預(yù)報值的波動更接近觀測值，真實性好于線性預(yù)報模型。在67個有效數(shù)據(jù)中，41個BP模型預(yù)報值較線性預(yù)報值更接近實況，占比為61%；線性回歸和BP模型預(yù)報值的平均絕對誤差分別為45.05和37.81 μg·m-3，與觀測時間序列的相關(guān)系數(shù)分別為0.81和0.89。

2種方法的SO2預(yù)報值與觀測值對比，3條曲線的變化趨勢基本相同，BP模型的預(yù)報值波動更接近觀測值，真實性好于線性預(yù)報模型。在67個有效數(shù)據(jù)中，35個BP模型預(yù)報值與觀測值的差值小于線性回歸模型預(yù)報值與觀測值的差值，占比為52%。線性回歸和BP模型預(yù)報值的平均絕對誤差分別為23.84和20.28 μg·m-3，與觀測時間序列的相關(guān)系數(shù)分別為0.83和0.86。

4.2 統(tǒng)計預(yù)報結(jié)果的對比檢驗

表3為2種方法預(yù)報的6種污染物質(zhì)量濃度的平均絕對誤差、相對誤差以及2種方法預(yù)報值與同期觀測值的相關(guān)系數(shù)。6種污染物濃度線性回歸預(yù)報值的平均相對誤差為0.11～0.43。其中，NO2的平均相對誤差最小，SO2次之，PM2.5平均相對誤差最大，為0.43。線性回歸預(yù)報值與實況值的相關(guān)系數(shù)為0.72～0.83。

BP神經(jīng)網(wǎng)絡(luò)模型預(yù)報的6種污染物質(zhì)量濃度的平均相對誤差為0.09～0.36；其中NO2的平均相對誤差最小，PM10和SO2次之，O3-8(90)平均相對誤差最大。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)報值與實況值的相關(guān)系數(shù)為0.72～0.89。這說明BP神經(jīng)網(wǎng)絡(luò)對6種污染物濃度的預(yù)報誤差均低于線性回歸。2種方法預(yù)報值與實況值的相關(guān)系數(shù)相比，除O3-8(90)基本一致外，BP神經(jīng)網(wǎng)絡(luò)模型污染物濃度預(yù)報值與實況值的相關(guān)系數(shù)均高于線性回歸模型，說明BP神經(jīng)網(wǎng)絡(luò)的預(yù)報效果優(yōu)于線性回歸模型。

BP神經(jīng)網(wǎng)絡(luò)對各類污染物質(zhì)量濃度的預(yù)報誤差明顯低于線性回歸模型。與線性回歸模型相比，BP神經(jīng)網(wǎng)絡(luò)對于PM10預(yù)報值的平均絕對誤差和相對誤差分別減少19.8%和27.8%；PM2.5預(yù)報值的平均絕對誤差和相對誤差分別減少16.1%和25.6%；SO2預(yù)報值的平均絕對誤差和相對誤差分別減少14.9%和18.8%。

表3 BP神經(jīng)網(wǎng)絡(luò)和線性回歸模型的預(yù)報誤差及其與實況值的相關(guān)系數(shù)

以上分析表明，BP神經(jīng)網(wǎng)絡(luò)模型能夠很好地描述污染物質(zhì)量濃度與其影響因子之間的非線性關(guān)系，預(yù)報精度高于線性回歸模型。在邯鄲采暖期空氣質(zhì)量預(yù)報中，BP神經(jīng)網(wǎng)絡(luò)的預(yù)報效果較線性回歸模型明顯提高，應(yīng)用于空氣質(zhì)量預(yù)報是可行且有效的。

5 結(jié)論

該研究分析了邯鄲環(huán)境污染特征(空氣質(zhì)量和環(huán)境氣象條件)，重點采用BP神經(jīng)網(wǎng)絡(luò)模型對邯鄲采暖期6種空氣污染物質(zhì)量濃度進(jìn)行了預(yù)報研究，并利用同期觀測值及線性回歸模型對預(yù)報結(jié)果進(jìn)行了檢驗。

(1)邯鄲空氣污染物PM10、PM2.5、SO2、NO2和CO(95)的AQI均呈單谷型分布，冬季最高，夏季最低，AQI均值表現(xiàn)為冬半年高于夏半年，O3-8(90)的AQI變化趨勢則相反；除O3-8(90)外，其他5種污染物的采暖期AQI均高于年均值，空氣污染最重，首要污染物以PM2.5和PM10為主。

(2)邯鄲采暖期降水少，溫度低，濕度和風(fēng)速小，而且小風(fēng)出現(xiàn)頻率明顯高于非采暖期，局地逆溫強，靜穩(wěn)天氣指數(shù)高，為全年環(huán)境氣象條件最差的時期。在邯鄲采暖期內(nèi)，1月環(huán)境氣象條件最差，12月次之，且環(huán)境氣象條件白天好于夜間，尤以5—7時最差。

(3)邯鄲采暖期主要污染物質(zhì)量濃度與前一日污染物濃度、靜穩(wěn)天氣指數(shù)、逆溫、相對濕度和露點溫度等呈正相關(guān)，與氣溫、風(fēng)速、能見度和混合層高度等呈負(fù)相關(guān)。BP神經(jīng)網(wǎng)絡(luò)對6種污染物的預(yù)報值與實況值的相關(guān)系數(shù)均高于線性回歸模型，平均相對誤差和平均絕對誤差均較線性回歸模型明顯降低，且采暖期主要污染物PM10、PM2.5和 SO2的預(yù)報誤差更低，預(yù)報效果明顯優(yōu)于線性回歸模型。

由于數(shù)據(jù)來源的限制，該研究采用的邯鄲空氣質(zhì)量資料時長較短，所以結(jié)論有一定的局限性。后續(xù)工作需要采用更長時間序列的空氣質(zhì)量和環(huán)境氣象資料來優(yōu)化統(tǒng)計預(yù)報模型，同時結(jié)合環(huán)境數(shù)值預(yù)報結(jié)果，進(jìn)一步提高邯鄲市的空氣質(zhì)量預(yù)報精度和時效。