王冉熙,宋 丹

(1.貴州省安順市氣象局，貴州 安順 561000；2.貴州省氣象服務(wù)中心，貴州 貴陽(yáng) 550002)

0 引言

隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，空氣污染成為我國(guó)日益突出的環(huán)境污染問(wèn)題，最主要因素是人類(lèi)活動(dòng)造成的污染物排放，客觀因素是城市的人口密度、地形地貌和氣象條件等的影響。空氣污染不僅對(duì)人體健康產(chǎn)生影響，最直接可導(dǎo)致呼吸系統(tǒng)疾病[1]，甚至對(duì)皮膚病、糖尿病等多種疾病的患病率、致死率均有影響[2-3]，還與社會(huì)經(jīng)濟(jì)的發(fā)展存在相互制約影響的關(guān)系，如何在兩者之間建立平衡，許多學(xué)者也給出了適當(dāng)?shù)慕ㄗh[4-6]。貴州地處云貴高原東側(cè)，以山地和丘陵居多，西南部所轄的安順市、六盤(pán)水市和黔西南州3個(gè)市州山清水秀、氣候宜人，是夏季避暑、冬季避寒的旅游勝地。對(duì)旅游目的地而言，環(huán)境空氣質(zhì)量?jī)?yōu)越是吸引游客的重要因素之一，尤其是當(dāng)秋、冬、春季霧霾天氣頻發(fā)時(shí)，空氣質(zhì)量?jī)?yōu)良的城市便是人們所向往的。近幾年，貴州在環(huán)境氣象相關(guān)研究方面有很大進(jìn)展，宋丹等[7]、尚媛媛等[8]、夏曉玲等[9]對(duì)貴陽(yáng)市、遵義市空氣質(zhì)量或污染物特征及預(yù)報(bào)方法進(jìn)行了研究，表明這些地區(qū)環(huán)境空氣質(zhì)量狀況良好，優(yōu)良率超過(guò)90%，首要污染物多為PM2.5、PM10和O3，運(yùn)用多元線(xiàn)性逐步回歸方法建立的預(yù)報(bào)模型效果較為理想，三季模型TS評(píng)分超過(guò)85%。而針對(duì)貴州西南部的3個(gè)市州來(lái)看，環(huán)境空氣質(zhì)量研究幾乎空白，尤其近年來(lái)污染有惡化趨勢(shì)，社會(huì)各界高度關(guān)注。

空氣質(zhì)量指數(shù)(AQI)是定量描述空氣質(zhì)量狀況的無(wú)量綱指數(shù)，可以反映SO2、NO2、CO、O3、PM2.5和PM10等6種污染物的綜合狀況[10]。國(guó)內(nèi)外許多專(zhuān)家針對(duì)環(huán)境+氣象的科研工作早已涉及，董繼元等[11]認(rèn)為自然降水是影響空氣質(zhì)量一個(gè)主要的因素，席云[12]、李彩霞等[13]和周兆媛等[14]等研究表明空氣中污染物的濃度與相對(duì)濕度呈負(fù)相關(guān)，詹長(zhǎng)根等[15]和張燕杰等[16]等探究了氣象要素與空氣質(zhì)量指數(shù)之間的相關(guān)性。張建忠等[17]、劉閩等[18]和林志強(qiáng)等[19]等運(yùn)用多元線(xiàn)性逐步回歸方法建立空氣質(zhì)量預(yù)報(bào)模型，預(yù)報(bào)準(zhǔn)確率較好，說(shuō)明該方法的可行性和可實(shí)施性較高。因此，本文將通過(guò)統(tǒng)計(jì)分析方法，以期掌握貴州西南部3地空氣質(zhì)量指數(shù)和污染物的時(shí)間變化特征，并建立AQI預(yù)報(bào)模型，實(shí)現(xiàn)空氣質(zhì)量指數(shù)的客觀預(yù)報(bào)業(yè)務(wù)化，有力提升地市級(jí)公眾氣象服務(wù)能力。

1 資料與方法

本研究使用的空氣質(zhì)量指數(shù)和首要污染物數(shù)據(jù)資料由貴州省環(huán)境監(jiān)測(cè)中心站提供，包含安順市、六盤(pán)水市和黔西南州3個(gè)市(州)氣象站所在地(西秀、水城和興義)2015年1月1日—2017年12月31日逐日空氣質(zhì)量指數(shù)和首要污染物；建模使用同期逐日02時(shí)、08時(shí)、14時(shí)和20時(shí)地面氣象要素資料，包含氣溫、相對(duì)濕度、風(fēng)速、總云量和海平面氣壓(其中，水城海平面氣壓資料缺失)，由貴州省氣象檔案館提供；利用統(tǒng)計(jì)分析探究貴州西南部3地空氣質(zhì)量指數(shù)和污染物的時(shí)間變化特征，以3—5月為春季，6—8月為夏季，9—11月為秋季，12月至次年2月為冬季，以前1 d空氣質(zhì)量指數(shù)代替未知污染源作為自變量之一，通過(guò)各季AQI與各時(shí)刻氣象要素的相關(guān)分析得到高相關(guān)因子作為逐步回歸的自變量參數(shù)，運(yùn)用SPSS多元線(xiàn)性逐步回歸分析方法分季節(jié)建立空氣質(zhì)量指數(shù)預(yù)報(bào)模型，采用TS評(píng)分[20]、平均絕對(duì)誤差[7]和預(yù)報(bào)準(zhǔn)確率[7]3種指標(biāo)對(duì)預(yù)報(bào)模型進(jìn)行效果評(píng)價(jià)。

2 AQI特征分析

2.1 時(shí)間特征

貴州西南3地2015—2017年AQI的平均逐月變化見(jiàn)圖1。3地AQI總體變化趨勢(shì)存在異同，6月AQI均為最低，空氣質(zhì)量最好，AQI最高月份略有差異，六盤(pán)水市出現(xiàn)在1月、安順市出現(xiàn)在12月、黔西南州在2月，均在冬季；六盤(pán)水市1—6月呈漸降趨勢(shì)，安順市和黔西南州1—4月類(lèi)似正弦曲率變化、5—6月呈顯著下降趨勢(shì)；六盤(pán)水市7—10月、安順市7—11月和黔西南州7—12月呈緩慢上升趨勢(shì)，3地進(jìn)入冬季月份后增幅顯著。從季節(jié)變化來(lái)看，3地夏季AQI平均值在50以下，冬季平均值最高，但未超過(guò)100，最高為六盤(pán)水市冬季的78。整體看來(lái)，3地空氣質(zhì)量屬于優(yōu)良水平，冬季和春季略差于夏季和秋季。

圖1 貴州西南3地2015—2017年空氣質(zhì)量指數(shù)平均逐月變化Fig.1 The average monthly change of air quality index in the three areas of southwest Guizhou from 2015 to 2017

2.2 等級(jí)分布特征

貴州西南3地2015—2017年空氣質(zhì)量狀況多為優(yōu)良級(jí)別，占比均在93%以上，其中黔西南州空氣質(zhì)量最佳，僅出現(xiàn)2 d輕度污染(均出現(xiàn)在2016年)，其次為安順市，重度污染1 d(出現(xiàn)在2015年)、中度污染2 d、輕度污染27 d，六盤(pán)水市相對(duì)較差，重度污染1 d(出現(xiàn)在2017年)、中度污染8 d、輕度污染70 d(占比6%)。從年際變化分布來(lái)看，3地各有差異，優(yōu)與良天數(shù)安順市呈波峰和波谷變化，六盤(pán)水市為波谷和波峰變化，黔西南州為線(xiàn)性正、負(fù)變化；污染天數(shù)安順市和六盤(pán)水市2016年最少，最多則分別出現(xiàn)在2017年和2015年。

分析3地AQI等級(jí)的季節(jié)特征來(lái)看(圖略)，夏季均為優(yōu)天數(shù)最多，但六盤(pán)水市比其它兩地的優(yōu)、良天數(shù)差小得多；秋季安順市和黔西南州優(yōu)天數(shù)最多，六盤(pán)水市良最多；春季和冬季安順市和六盤(pán)水市良天數(shù)最多，黔西南州優(yōu)和良差異不顯著?？諝馕廴景岔樖卸喑霈F(xiàn)在秋、冬季，春、夏季也出現(xiàn)過(guò)，六盤(pán)水市春季污染天數(shù)相對(duì)最多，秋、冬季差異不顯著，黔西南州出現(xiàn)在冬季。

2.3 污染物類(lèi)型特征

當(dāng)AQI>50時(shí)，IAQI最大的污染物為首要污染物[9]。安順市出現(xiàn)最多的污染物為O3，占比43%，其次為PM2.5和PM10，分別占比35%和13%，SO2占比最少為9%；六盤(pán)水市出現(xiàn)最多的污染物為PM2.5，占53%，其次為PM10，占比42%。黔西南州占比最多的污染物是PM10，為64%，其次是O3，占比24%，PM2.5占比10%。

安順市首要污染物O3多出現(xiàn)春、夏季，且占比在70%以上，秋、冬季最多是PM2.5，秋季PM10次之，冬季SO2次之。六盤(pán)水市秋、冬季PM2.5最多，其中冬季最為顯著，占比超過(guò)80%，其次是PM10，其它首要污染物甚微；春、夏季PM10占比最高，分別為50%和70%左右，其次是PM2.5，其它首要污染物占比小。黔西南州四季出現(xiàn)最多的均是PM10，其中秋季占比最大，接近80%，春季O3占比接近PM10，夏、冬季PM2.5次之，其它首要污染物占比小(圖略)。

3 預(yù)報(bào)模型及評(píng)價(jià)

3.1 相關(guān)因子

統(tǒng)計(jì)模型的穩(wěn)定性和準(zhǔn)確性取決于預(yù)報(bào)因子的選取，造成空氣污染的主要原因中氣象條件變化較大，而污染源在非關(guān)鍵期內(nèi)的相鄰兩天之間的影響變化不大(關(guān)鍵期包括春節(jié)、秸稈焚燒以及造成污染物嚴(yán)重排放的突發(fā)事件等)，人口密度和地形地貌對(duì)某一城市和固定一段時(shí)間內(nèi)的影響差異相對(duì)穩(wěn)定。對(duì)3地當(dāng)日的AQI與前1 d AQI進(jìn)行相關(guān)性分析發(fā)現(xiàn)相關(guān)系數(shù)均較高，安順市、六盤(pán)水市和黔西南州分別為0.628、0.651和0.742，均通過(guò)了α=0.01的顯著性檢驗(yàn)。因此基于污染源的不確定性和重要性，可選取前1 d空氣質(zhì)量指數(shù)近似代替污染源作為模型自變量。

上述分析空氣質(zhì)量指數(shù)的時(shí)間特征發(fā)現(xiàn)其變化存在一定的季節(jié)變化規(guī)律，因此通過(guò)分季節(jié)對(duì)AQI與氣象要素進(jìn)行相關(guān)分析得到顯著相關(guān)因子再建立的預(yù)報(bào)模型效果可能會(huì)更好。地面氣象觀測(cè)資料中選取日降雨量和02時(shí)、08時(shí)、14時(shí)、20時(shí)氣溫、相對(duì)濕度、風(fēng)速、總云量和海平面氣壓。以下僅對(duì)相關(guān)系數(shù)通過(guò)α=0.01顯著性檢驗(yàn)的要素進(jìn)行說(shuō)明(表略)。

3地四季AQI與當(dāng)日降雨量均呈顯著負(fù)相關(guān)，六盤(pán)水市和黔西南州與前日降雨量成顯著負(fù)相關(guān)，安順市與前日降雨量也呈負(fù)相關(guān)，但未通過(guò)α=0.01顯著性檢驗(yàn)。均與多個(gè)時(shí)次相對(duì)濕度、總云量呈負(fù)相關(guān)，春、夏、冬季與氣溫多呈正相關(guān)(個(gè)別時(shí)次安順市呈負(fù)相關(guān)，六盤(pán)水秋季02時(shí)和08時(shí)呈負(fù)相關(guān))；安順市夏、秋、冬季與多個(gè)時(shí)次風(fēng)速呈負(fù)相關(guān)、六盤(pán)水市四季與個(gè)別時(shí)次風(fēng)速呈負(fù)相關(guān)、黔西南州冬季與08時(shí)風(fēng)速呈負(fù)相關(guān)；安順市和黔西南州春季同4個(gè)時(shí)次海平面氣壓呈負(fù)相關(guān)。分析各時(shí)次相對(duì)濕度與降雨量的相關(guān)性均呈現(xiàn)顯著正相關(guān)，從模式預(yù)報(bào)的預(yù)報(bào)準(zhǔn)確率來(lái)看，降雨量的預(yù)報(bào)準(zhǔn)確率優(yōu)于相對(duì)濕度，所以?xún)烧咧羞x擇相對(duì)濕度作為建模自變量。

3.2 預(yù)報(bào)模型建立

選取上述顯著相關(guān)因子和前日空氣質(zhì)量指數(shù)作為建模的自變量，以2015—2016年資料作為建模數(shù)據(jù)，2017年資料作為檢驗(yàn)數(shù)據(jù)。通過(guò)多元線(xiàn)性逐步回歸分析進(jìn)行建模，取F為0.05的信度檢驗(yàn)。選取預(yù)報(bào)效果較好的模型作為空氣質(zhì)量指數(shù)預(yù)報(bào)方程，其中：前日空氣質(zhì)量指數(shù)(I1d)，地面02時(shí)、08時(shí)、14時(shí)、20時(shí)相對(duì)濕度(RH02、RH08、RH14、RH20)，08時(shí)、14時(shí)、20時(shí)總云量(N08、N14、N20)，地面02時(shí)、08時(shí)、14時(shí)、20時(shí)風(fēng)速(V02、V08、V14、V20)，地面08時(shí)、14時(shí)溫度(T08、T14)。

3.2.1 安順市預(yù)報(bào)模型

春季：AQI1=71.716-0.295RH14+0.412I1d-0.182RH20-0.642N08

夏季：AQI2=174.930+0.422I1d-0.385RH20-1.838T08-0.615RH14-1.973V02-1.427T14

秋季：AQI3=85.522+0.440I1d-1.755N08-0.472RH20-2.161V14

冬季：AQI4=48.571+0.507I1d-0.538RH14-2.960V20-2.375V14+0.367RH08

3.2.2 六盤(pán)水市預(yù)報(bào)模型

春季：AQI1=34.122+0.427I1d+3.661V14-0.787N14

夏季：AQI2=46.069+0.550I1d-0.314RH14-4.012V08

秋季：：AQI3=42.556+0.599I1d-0.234RH14-4.407V02

冬季：AQI4=42.434+0.422I1d+1.143N14-7.216V02

3.2.3 黔西南州預(yù)報(bào)模型

春季：AQI1=27.932+0.622I1d-0.28RH14+0.148RH02-0.641N14

夏季：AQI2=87.294+0.624I1d-0.749RH14-1.827T14+0.293RH08

秋季：AQI3=76.591+0.465I1d-0.166RH14-0.397RH02-0.609N20

冬季：AQI4=45.373+0.458I1d-3.182V08-0.154RH14

表1為各預(yù)報(bào)模型的調(diào)整R2(負(fù)相關(guān)系數(shù))和F統(tǒng)計(jì)量，選取的預(yù)報(bào)模型為調(diào)整R2最大的模型，具有最好的擬合效果。每個(gè)季節(jié)的樣本數(shù)為90～92，臨界值F(0.05)(3,90)=2.706、F(0.05)(4,90)=2.473、F(0.05)(6,90)=2.201，12個(gè)預(yù)報(bào)模型的F值都遠(yuǎn)大于臨界值，均通過(guò)顯著性檢驗(yàn)，可以作為預(yù)報(bào)方程。

3.3 效果檢驗(yàn)及評(píng)價(jià)

用2017年1月1日—2017年12月31日的地面氣象要素對(duì)模型的預(yù)報(bào)效果進(jìn)行檢驗(yàn)。圖2為模型預(yù)報(bào)結(jié)果與實(shí)際空氣質(zhì)量指數(shù)的對(duì)比圖，可以看出預(yù)報(bào)模型對(duì)AQI的變化趨勢(shì)預(yù)報(bào)效果好，預(yù)報(bào)值與實(shí)況的變化趨勢(shì)保持一致且重合率高，但對(duì)于極值的預(yù)報(bào)能力不足。

采用TS評(píng)分、平均絕對(duì)誤差I(lǐng)MAE和預(yù)報(bào)準(zhǔn)確率(TK)3種評(píng)價(jià)指標(biāo)對(duì)模型預(yù)報(bào)效果進(jìn)行檢驗(yàn)，綜合評(píng)分為T(mén)S評(píng)分與TK的平均值(表2)?？傮w可看出，貴州西南3地綜合評(píng)分除了安順市秋冬季和六盤(pán)水市冬季外均在80%以上，一半指標(biāo)超過(guò)90%，尤其是黔西南州評(píng)價(jià)較好，原因可能是其空氣質(zhì)量指數(shù)變化區(qū)間小，TS評(píng)分和預(yù)報(bào)準(zhǔn)確率更高；TS評(píng)分安順市和六盤(pán)水市秋冬季以及黔西南州冬季在65%～75%之間，其余季節(jié)均在80%以上，最高為黔西南州秋季93.48%；預(yù)報(bào)準(zhǔn)確率除六盤(pán)水冬季外均在80%以上，多半指標(biāo)在90%以上，其中六盤(pán)水市夏季和黔西南州夏秋季為100%；平均絕對(duì)誤差3地均在25以?xún)?nèi)(中國(guó)氣象局應(yīng)急減災(zāi)與公共服務(wù)司下發(fā)的“關(guān)于城市空氣質(zhì)量預(yù)報(bào)業(yè)務(wù)考核的通知”中《城市空氣質(zhì)量預(yù)報(bào)檢驗(yàn)評(píng)估和考核辦法》規(guī)定AQI絕對(duì)誤差在25以?xún)?nèi)時(shí)該單項(xiàng)分值為100%)。

表2 貴州西南3地2017年不同季節(jié)預(yù)報(bào)模型效果評(píng)價(jià)指標(biāo)Tab.2 Evaluation indexes for the effect of different seasonal forecast models in southwest Guizhou in 2017

圖2 貴州西南3地不同季節(jié)多元回歸模型2017年預(yù)報(bào)值與實(shí)際值對(duì)比圖(a—d分別表示安順市四季；e—h分別表示六盤(pán)水市四季；i—l分別表示黔西南州四季)Fig.2 Comparison of 2017 forecast and actual values of multiple regression models in different seasons in southwestern Guizhou(a—d:Four seasons in Anshun;e—h:Four seasons in Liupanshui;i—l:Four seasons in Qianxinan)

分別從3地來(lái)看，安順市的預(yù)報(bào)模型綜合評(píng)分春季最好，夏季次之，冬季最差，春夏季在90%以上，TS評(píng)分秋冬季相對(duì)略低為70%左右。六盤(pán)水市綜合評(píng)分夏季最好為92.94%，冬季最差為70.92%，春秋季在80%～90%之間；TS評(píng)分秋冬季相對(duì)略低在65%～70%之間。黔西南州綜合評(píng)分冬季為85.17%，其它季節(jié)在93%以上，夏秋季的TS評(píng)分也在90%以上，預(yù)報(bào)準(zhǔn)確率均在95%以上。

由此可見(jiàn)該預(yù)報(bào)模型有較好的AQI預(yù)報(bào)能力。對(duì)比3地的檢驗(yàn)效果可知，在秋冬季空氣污染最嚴(yán)重的六盤(pán)水市，預(yù)報(bào)模型效果相對(duì)略差，在空氣質(zhì)量更好的黔西南州，預(yù)報(bào)準(zhǔn)確率更高，這與空氣質(zhì)量指數(shù)波動(dòng)區(qū)間和TS評(píng)分等級(jí)有關(guān)。在業(yè)務(wù)應(yīng)用中，可結(jié)合模型預(yù)報(bào)和大氣環(huán)流特征及關(guān)鍵期來(lái)開(kāi)展空氣質(zhì)量指數(shù)預(yù)報(bào)。

4 結(jié)論與討論

本文利用2015—2017年貴州西南3地逐日空氣質(zhì)量指數(shù)和氣象觀測(cè)資料，通過(guò)相關(guān)分析和多元線(xiàn)性逐步回歸方法分季節(jié)分別建立空氣質(zhì)量指數(shù)預(yù)報(bào)模型，并對(duì)模型效果進(jìn)行檢驗(yàn)，結(jié)論和討論如下。

①貴州西南3地空氣質(zhì)量狀況多為優(yōu)良，其中黔西南州最優(yōu)，安順市次之，六盤(pán)水市良天數(shù)占比最多，污染天數(shù)最多；3地AQI月平均表現(xiàn)為6月最低，安順市、六盤(pán)水市和黔西南州最高分別出現(xiàn)在12月、1月和2月；3地AQI具有一定的季節(jié)特征，表現(xiàn)為夏季最佳，秋季次之，冬季相對(duì)較差；空氣質(zhì)量等級(jí)優(yōu)、良年際變化安順市分別呈波峰和波谷特征，六盤(pán)水市與其反向變化，黔西南州為線(xiàn)性正、負(fù)變化；安順市出現(xiàn)最多的首要污染物為O3，六盤(pán)水市為PM2.5，黔西南州為PM10。

②通過(guò)相關(guān)分析得到顯著相關(guān)因子，結(jié)合前日AQI作為自變量，分季節(jié)建立的3地AQI預(yù)報(bào)模型效果較好，預(yù)報(bào)值與實(shí)況的變化趨勢(shì)基本一致，其中3地春、夏季和黔西南州秋季的預(yù)報(bào)效果最好，綜合評(píng)分基本在90%以上，冬季預(yù)報(bào)效果相對(duì)略差，綜合評(píng)分也在70%以上。

③模型采用的是AQI值對(duì)應(yīng)日期的02時(shí)、08時(shí)、14時(shí)和20時(shí)地面氣象觀測(cè)要素作為自變量，而實(shí)際業(yè)務(wù)中因是對(duì)未來(lái)AQI進(jìn)行預(yù)報(bào)，預(yù)報(bào)模型自變量可采用歐洲中期天氣預(yù)報(bào)中心(ECMWF)數(shù)值預(yù)報(bào)模式中相關(guān)氣象要素作為預(yù)報(bào)模型自變量。模型中總云量要素雖然觀測(cè)終止，但其對(duì)于AQI的影響顯著，且含在數(shù)值預(yù)報(bào)模式要素中，選用其作為自變量是可行的。

④從預(yù)報(bào)模型效果來(lái)看，對(duì)空氣質(zhì)量預(yù)報(bào)業(yè)務(wù)具有指導(dǎo)意義，結(jié)合主要污染物季節(jié)分布和大氣環(huán)流特征來(lái)開(kāi)展AQI和首要污染物預(yù)報(bào)可一定程度提高準(zhǔn)確率。隨著近年貴州西南部城市的快速發(fā)展，空氣質(zhì)量指數(shù)變化略有起伏，由于環(huán)境空氣質(zhì)量觀測(cè)起步較晚，資料年限較短，得到的結(jié)果具有一定局限性，預(yù)報(bào)模型仍需不斷地改進(jìn)完善。

⑤空氣污染研究范圍廣泛，涉及污染源排放的季節(jié)性變化、人類(lèi)活動(dòng)造成的污染周期性變化，以及污染形成機(jī)理、污染物擴(kuò)散與氣象要素的關(guān)系等內(nèi)容，受目前可選用的分析資料不足的制約，開(kāi)展相關(guān)研究有一定的難度，我們將在今后的工作中盡量克服一切困難，對(duì)環(huán)境空氣質(zhì)量業(yè)務(wù)不斷改進(jìn)完善，進(jìn)一步提升公共氣象服務(wù)能力。