周須文 高旭旭 于長(zhǎng)文 韓世茹 許啟慧
河北省氣候中心,河北省氣象與生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室,石家莊 050021
提 要: 依據(jù)大氣污染物質(zhì)量守恒方程,構(gòu)建大氣污染氣象因子,并以空氣質(zhì)量指數(shù)日增量為對(duì)象,對(duì)大氣污染潛勢(shì)進(jìn)行了定量化分級(jí)劃分。采用Q型聚類分析方法,把秋、冬季大氣環(huán)流背景分為冷空氣型、混合型、暖空氣型三種環(huán)流類型,并研究了區(qū)分三種大氣環(huán)流類型的指標(biāo)因子及其閾值。采用Bayes判別分析方法,分別建立了冷空氣型、混合型和暖空氣型大氣環(huán)流背景的污染潛勢(shì)五分級(jí)預(yù)測(cè)模型。對(duì)邢臺(tái)2017—2019年秋、冬季資料建立的預(yù)測(cè)模型,各年判別正確率分別為80.0%、71.0%、74.7%,綜合正確率為75.2%。采用2015—2017年秋、冬季資料對(duì)該模型進(jìn)行檢驗(yàn),綜合正確率為63.6%。對(duì)2019—2021年秋、冬季大氣自凈能力指數(shù)和污染潛勢(shì)五分級(jí)預(yù)測(cè)結(jié)果與空氣質(zhì)量指數(shù)(AQI)日增量實(shí)況進(jìn)行對(duì)比分析,污染潛勢(shì)五分級(jí)預(yù)測(cè)結(jié)果與AQI日增量的變化趨勢(shì)有較高的一致性,相關(guān)系數(shù)在0.67以上,明顯好于大氣自凈能力指數(shù)計(jì)算結(jié)果;污染潛勢(shì)五分級(jí)預(yù)測(cè)對(duì)極利于擴(kuò)散等級(jí)和極不利于擴(kuò)散等級(jí)判別正確次數(shù)明顯高于大氣自凈能力指數(shù)。
霧-霾天氣一直是人們關(guān)注的焦點(diǎn)、研究的熱點(diǎn)和政府治理大氣污染的重點(diǎn)。霧-霾天氣形成的條件主要有兩個(gè):一是人類活動(dòng)向大氣中排放的污染物,為霾的形成提供物質(zhì)條件;二是靜穩(wěn)的氣象條件。在污染源基本穩(wěn)定的前提下,空氣質(zhì)量的優(yōu)劣主要由氣象條件決定。
Ding and Liu(2014)、江琪等(2017)、蔡子穎等(2017)、尚可等(2016)、于文金等(2016)、梅梅等(2019)等對(duì)氣象條件與空氣污染關(guān)系的研究表明:空氣污染濃度與邊界層內(nèi)多個(gè)氣象要素顯著相關(guān),70%的引起空氣污染濃度日均值波動(dòng)的因素是氣象條件的變化。在環(huán)境氣象服務(wù)中需要建立綜合表達(dá)空氣污染氣象條件的量化指標(biāo),用于預(yù)測(cè)和評(píng)估污染氣象條件的長(zhǎng)、中、短期變化。國(guó)外,Wang and Angell(1999)通過(guò)對(duì)日平均海平面氣壓、地轉(zhuǎn)風(fēng)速、500 hPa日平均水平風(fēng)速、850 hPa及以下逆溫情況等設(shè)定判別條件定義了靜穩(wěn)天氣指數(shù);Tai et al(2010)基于上文靜穩(wěn)天氣的定義,統(tǒng)計(jì)分析了美國(guó)在大氣靜穩(wěn)日和非靜穩(wěn)日PM2.5濃度的差別。該靜穩(wěn)天氣指數(shù)給出的是大氣靜穩(wěn)的定性判斷依據(jù),無(wú)法滿足我國(guó)環(huán)境氣象業(yè)務(wù)對(duì)定量描述大氣靜穩(wěn)程度的需求。國(guó)內(nèi)學(xué)者在對(duì)霧-霾天氣氣象條件的定量描述上開展了許多指數(shù)的研發(fā)工作,朱蓉等(2001)基于箱模式理論建立了空氣污染潛勢(shì)指數(shù),并開發(fā)了城市大氣污染數(shù)值預(yù)報(bào)系統(tǒng)(CAPPS);楊元琴等(2009)選取敏感氣象要素:氣溫、氣壓、風(fēng)、相對(duì)濕度、穩(wěn)定度,并引入凝結(jié)函數(shù)開發(fā)了空氣質(zhì)量氣象參數(shù)(PLAM)指數(shù);廖碧婷等(2012)利用K指數(shù)、沙氏指數(shù)和L指數(shù)構(gòu)建了垂直交換系數(shù),對(duì)空氣污染物的垂直輸送能力進(jìn)行了評(píng)估,并嘗試對(duì)灰霾天氣和無(wú)視程障礙天氣進(jìn)行預(yù)報(bào);徐大海等(2016)提出了用A值法確定大氣環(huán)境容量的方法;張恒德等(2017)根據(jù)預(yù)報(bào)經(jīng)驗(yàn)和歷史氣象要素統(tǒng)計(jì),挑選與大氣污染有關(guān)的氣象要素及其閾值,通過(guò)權(quán)重求和初步構(gòu)建了靜穩(wěn)天氣綜合指數(shù)(SWI);朱蓉等(2018)根據(jù)大氣自身所具有的通風(fēng)稀釋和濕清除能力,定義大氣自凈能力指數(shù),給出基于常規(guī)氣象觀測(cè)的計(jì)算方法。上述指數(shù)從不同角度體現(xiàn)了氣象條件對(duì)空氣污染的作用,但在環(huán)境氣象業(yè)務(wù)應(yīng)用中體現(xiàn)氣象條件對(duì)大氣污染的綜合影響還有一定難度。本文結(jié)合氣象業(yè)務(wù)部門現(xiàn)有數(shù)據(jù)環(huán)境,以大氣污染物質(zhì)量守恒方程為理論基礎(chǔ),構(gòu)建物理意義明確的氣象因子,并選取與大氣污染密切相關(guān)的氣象要素,基于數(shù)據(jù)挖掘技術(shù)建立大氣污染潛勢(shì)分級(jí)預(yù)測(cè)模型,實(shí)現(xiàn)大氣污染潛勢(shì)的客觀化、定量化、精細(xì)化預(yù)報(bào)。
選用2015—2021年秋、冬季(10月1日至翌年3月31日)邢臺(tái)地面、高空氣象資料和空氣質(zhì)量指數(shù)資料。地面氣象資料包括逐日4個(gè)標(biāo)準(zhǔn)時(shí)次的資料(氣溫、氣壓、風(fēng)速)及日資料(平均氣溫、平均氣壓、相對(duì)濕度、平均風(fēng)速和降水量);高空氣象資料為逐日4個(gè)標(biāo)準(zhǔn)時(shí)次的1 000、925、850、700、600和500 hPa的氣溫、位勢(shì)高度、風(fēng)速。其中地面氣象資料及08時(shí)、20時(shí)(北京時(shí),下同)的高空氣象資料由河北省氣象信息中心提供;02時(shí)的高空資料由前一日20時(shí)和當(dāng)日08時(shí)的相應(yīng)資料計(jì)算平均獲得,14時(shí)的高空資料由當(dāng)日08時(shí)和20時(shí)的相應(yīng)資料計(jì)算平均獲得。地面及1 000、925和850 hPa的日平均垂直速度,為距離邢臺(tái)站最近格點(diǎn)(37.5°N、115.0°E)再分析資料(源自NCEP/NCAR,https:∥psl.noaa.gov/data/gridded/data.ncep.reanalysis.html)。逐日的空氣質(zhì)量指數(shù)(AQI)資料來(lái)源于河北省生態(tài)環(huán)境監(jiān)測(cè)中心空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)。
本研究主要應(yīng)用統(tǒng)計(jì)分析方法中的聚類分析(施能,2009)和Bayes判別分析(Friedman et al,1997)方法。
楊旭等(2017)對(duì)京津冀地區(qū)冬半年空氣污染天氣進(jìn)行了分型研究,表明不同天氣類型下影響污染物擴(kuò)散、輸送、生成和轉(zhuǎn)化的氣象條件有所差異。周須文等(2020)對(duì)京津冀地區(qū)冬半年霧-霾消散大氣進(jìn)行了分類,表明在不同類型大氣下,對(duì)霧-霾消散的影響因子及其貢獻(xiàn)也不相同。因此有必要先對(duì)大氣背景場(chǎng)進(jìn)行分類研究。
對(duì)流層是大氣圈最靠近地面的一層,受太陽(yáng)輻射與大氣環(huán)流的影響,對(duì)流層中下層的氣流運(yùn)動(dòng)對(duì)天氣現(xiàn)象的發(fā)生及大氣污染物的擴(kuò)散、輸送和轉(zhuǎn)化影響最大。對(duì)流層大氣的氣流運(yùn)動(dòng)狀態(tài)可由各氣壓層氣團(tuán)熱力性質(zhì)變化來(lái)表征,因此選取對(duì)流層中下層標(biāo)準(zhǔn)氣壓層(500、600、700、850、925、1 000 hPa)08時(shí)的24 h變溫和代表整個(gè)氣柱冷暖氣團(tuán)變化的地面24 h變壓作為研究大氣背景場(chǎng)因子。
對(duì)邢臺(tái)2017—2019年秋、冬季逐日大氣362個(gè)個(gè)例進(jìn)行Q型聚類,分析自動(dòng)生成的不同數(shù)量的分類個(gè)例特征,認(rèn)為把大氣背景場(chǎng)分三類的個(gè)例特征具有明確的天氣學(xué)意義。圖1是大氣分三類中個(gè)例24 h變溫因子(ΔT24 h)合成,可以清楚看出三類大氣特征具有明顯差異:第一類對(duì)流層中下層(500 hPa 以下)均是明顯的負(fù)變溫;第三類均是正變溫;第二類在邊界層內(nèi)(850 hPa以下)為正變溫,邊界層以上(850~500 hPa)為負(fù)變溫。表明第一類大氣對(duì)流層中下層冷氣團(tuán)移入為主,稱為冷空氣型;
圖1 2017—2019年秋、冬季邢臺(tái)個(gè)例合成的三種大氣環(huán)流類型的氣壓-變溫圖Fig.1 Vertical distributions of temperature change and pressure for three atmospheric types in Xingtai during autumn and winter from 2017 to 2019
第二類大氣在邊界層內(nèi)以正變溫為主,邊界層以上以負(fù)變溫為主,對(duì)流層中下層呈上冷下暖的分布特征,稱為混合型;第三類大氣對(duì)流層中下層均為正變溫,說(shuō)明多為暖氣團(tuán)移入,稱為暖空氣型。這三類清楚地表明了邊界層上部自由大氣的運(yùn)動(dòng)狀態(tài)。
2.2.1 大氣分類的指標(biāo)氣象因子分析
為了比較各氣壓層24 h變溫因子在三類大氣中的分布差異,對(duì)三類大氣中24 h變溫≤0的個(gè)例數(shù)占該類總個(gè)例數(shù)的百分比進(jìn)行統(tǒng)計(jì)。根據(jù)三類大氣型的天氣學(xué)意義,冷空氣型大氣中,24 h變溫≤0的個(gè)例數(shù)占比越大越好;暖空氣型大氣中,24 h變溫≤0的個(gè)例數(shù)占比越小越好。由圖2可見,冷空氣型大氣中850 hPa的24 h變溫≤0的個(gè)例數(shù)占比最大,為81.6%;暖空氣型大氣中850 hPa的24 h變溫≤0的個(gè)例數(shù)占比最少,只有2.5%;表明850 hPa的24 h變溫因子在冷空氣型和暖空氣型大氣中重疊個(gè)例最少?;旌闲痛髿庵?50 hPa的24 h變溫≤0的個(gè)例數(shù)占比為50%,說(shuō)明該因子中位數(shù)為0,其值大多在0附近。從各類型大氣因子平均值(圖1)看到:在850 hPa層上,混合型大氣因子平均值接近0,而冷空氣型和暖空氣型因子平均值與混合型大氣因子平均值相差都較大,顯然850 hPa的24 h變溫因子較其他氣壓層的因子對(duì)三類大氣更具代表性。因此采用850 hPa的24 h變溫因子作為大氣背景分類的指標(biāo)氣象因子。
圖2 2017—2019年秋、冬季邢臺(tái)三種大氣環(huán)流類型24 h變溫≤0的個(gè)例占比Fig.2 The case proportions of ΔT24 h≤0 for three atmospheric types in Xingtai during autumn and winter from 2017 to 2019
2.2.2 指標(biāo)因子閾值的確定
統(tǒng)計(jì)850 hPa的24 h變溫因子在各類大氣中的頻數(shù)及概率分布(圖3),三類大氣環(huán)流背景下的24 h變溫因子發(fā)生頻次均呈現(xiàn)單峰形態(tài),并且冷空氣型、混合型和暖空氣型因子自左至右呈錯(cuò)峰分布,峰值位置具有明顯的差異。它們的概率分布都具有正態(tài)分布特征,相鄰兩類之間呈雙峰結(jié)構(gòu),采用雙峰法選擇閾值,即雙峰之間的最低谷處就是兩類分割的閾值,根據(jù)這一原理可以計(jì)算相近兩類大氣的分割閾值。計(jì)算結(jié)果顯示,冷空氣型與混合型大氣分割閾值為-2.84℃,混合型與暖空氣型大氣分割閾值為1.36℃。根據(jù)上述閾值對(duì)邢臺(tái)2017—2019年秋、冬季逐日大氣進(jìn)行區(qū)分,區(qū)分三類大氣環(huán)流類型的正確百分率分別為:69%(冷空氣型)、61%(混合型)、78%(暖空氣型)。表明選取的指標(biāo)因子及其閾值對(duì)大氣背景具有較好的分類效果。
圖3 2017—2019年秋、冬季邢臺(tái)24 h變溫因子在三種大氣環(huán)流類型中的頻數(shù)和概率分布Fig.3 Frequency and probability distribution of ΔT24 h factor for three atmospheric types in Xingtai during autumn and winter from 2017 to 2019
根據(jù)大氣污染物質(zhì)量守恒方程(龔強(qiáng)等,1999):
(1)
式中:C為大氣中的污染物濃度,v為水平風(fēng)速,ω為垂直速度,p為氣壓,K為湍流擴(kuò)散系數(shù),Q為污染物的排放量,H為濕沉降量,2代表水平二維向量算子,3代表空間三維向量算子。
從式(1)可見,某地污染濃度變化取決于平流擴(kuò)散、對(duì)流擴(kuò)散、湍流擴(kuò)散、污染物排放和濕沉降五大項(xiàng)。假設(shè)污染物排放量沒有變化,污染濃度變化主要由其余四項(xiàng)決定。大氣低層污染物的擴(kuò)散和清除主要發(fā)生在混合層內(nèi),那么大氣對(duì)污染物的平流擴(kuò)散能力可用混合層的大氣通風(fēng)量表示:
(2)
式中:VE為大氣通風(fēng)量,u(z)為混合層內(nèi)z高度的風(fēng)速,h為混合層高度。
對(duì)流擴(kuò)散是大氣垂直運(yùn)動(dòng)的結(jié)果,因此對(duì)流擴(kuò)散能力由大氣邊界層內(nèi)的垂直速度ω來(lái)表示。
湍流擴(kuò)散是大氣中不規(guī)則、無(wú)組織的時(shí)空尺度跨度很大的氣團(tuán)運(yùn)動(dòng),分為機(jī)械湍流和熱力湍流。機(jī)械湍流激發(fā)的擴(kuò)散能力可用風(fēng)速的垂直切變率來(lái)表示:
(3)
式中:VR表示風(fēng)速的垂直切變率,z2、z1表示兩個(gè)氣壓層的高度,u2、u1表示兩個(gè)氣壓層的風(fēng)速。
熱力湍流主要是在垂直方向產(chǎn)生溫度梯度而造成的。國(guó)際原子能機(jī)構(gòu)在1980年推出了溫度梯度法,即用兩層大氣間鉛直方向的溫度梯度來(lái)表示垂直方向上的湍流狀態(tài),判據(jù)可表示為:
(4)
式中:TR表示鉛直方向溫度梯度,ΔT表示兩個(gè)氣壓層的溫度差,Δz表示兩個(gè)氣壓層的厚度。
濕沉降是指降水對(duì)大氣中污染物沖刷使得大氣中污染物濃度降低。濕沉降能力(Vw)可表示為:
Vw=Wrr
(5)
式中:Wr表示雨洗常數(shù),取6×105;r為降水率。
(1)混合層高度
大氣邊界層的上限高度即為混合層高度,因天氣條件而異,白天與夜晚不同,城鄉(xiāng)也有明顯差別。在中緯度城市,通常晴天的白天混合層高度可達(dá)到1000~1500 m(850 hPa),夜晚只有200 m左右。由于受觀測(cè)資料所限,把850 hPa以下的大氣認(rèn)為是大氣邊界層,由于大氣邊界層內(nèi)不同高度的氣象因子對(duì)污染物遷移擴(kuò)散作用不同,根據(jù)氣象部門現(xiàn)有的氣象資料,把混合層高度按標(biāo)準(zhǔn)氣壓層(850 hPa、925 hPa)分為兩段(地面至925 hPa、925~850 hPa)分別進(jìn)行計(jì)算。
根據(jù)天氣學(xué)原理,兩等壓面之間的厚度計(jì)算公式為:
(6)
式中:比氣體常數(shù)R=2.87,Tm=0.5(T1+T0)(等壓面p1和p0的氣溫平均值);地面至925 hPa的厚度記為h1,925~850 hPa的厚度記為h2;混合層高度:h=h1+h2。
(2)平流擴(kuò)散因子——大氣通風(fēng)量
地面至925 hPa的通風(fēng)量:VE1=0.5(u地面+u925)h1
925~850 hPa的通風(fēng)量:VE2=0.5(u925+u850)×h2
(3)對(duì)流擴(kuò)散因子——垂直速度
選取了地面(ω地)和邊界層內(nèi)標(biāo)準(zhǔn)氣壓層的垂直速度(ω1000,ω925,ω850)。
(4)機(jī)械湍流因子——風(fēng)速垂直切變
地面至925 hPa的風(fēng)切變:VR1=(u925-u地面)/h1
925~850 hPa的風(fēng)切變:VR2=(u850-u925)/h2
(5)熱力湍流因子——垂直溫度梯度
地面至925 hPa的溫度梯度:TR1=(T925-T地面)/h1
925~850 hPa的溫度梯度:TR2=(T850-T925)/h2
(6)濕沉降因子
濕沉降因子代表的是降水對(duì)大氣中污染物的沖刷能力,因此選取24 h降水量作為濕沉降因子。
根據(jù)實(shí)際氣象資料情況,選取地面和邊界層內(nèi)標(biāo)準(zhǔn)氣壓層的日平均垂直速度作為對(duì)流擴(kuò)散因子;選取24 h降水量作為濕沉降因子,因子對(duì)應(yīng)符號(hào)見表1。平流擴(kuò)散因子選取大氣邊界層內(nèi)2個(gè)高度層4個(gè)時(shí)次的大氣通風(fēng)量,共8個(gè)因子;湍流擴(kuò)散因子選取大氣邊界層內(nèi)2個(gè)高度層4個(gè)時(shí)次的風(fēng)速垂直切變、垂直溫度梯度,共16個(gè)因子。因子對(duì)應(yīng)符號(hào)見表2。另外,根據(jù)楊元琴等(2009)、張恒德等(2017)的研究成果,選取了地面敏感氣象要素:日平均氣溫、日平均氣壓、日平均相對(duì)濕度、日平均風(fēng)速、24 h變壓、24 h變溫,因子對(duì)應(yīng)符號(hào)見表3。
表1 對(duì)流擴(kuò)散因子、濕沉降因子的名稱、符號(hào)對(duì)照Table 1 Reference table of atmospheric factor symbols for convection diffusion and wet depositions
表2 平流擴(kuò)散因子、湍流擴(kuò)散因子的名稱、符號(hào)對(duì)照Table 2 Reference table of atmospheric factor symbols for advection and turbulent diffusion
大氣污染潛勢(shì)直接影響空氣質(zhì)量的變化,因此大氣污染潛勢(shì)的分級(jí)可依據(jù)AQI日增量來(lái)劃分。對(duì)2015—2019年秋、冬季邢臺(tái)AQI日增量統(tǒng)計(jì)分析(圖4):AQI日增量出現(xiàn)頻率呈正態(tài)分布,AQI日增量平均值為0.46,標(biāo)準(zhǔn)差為65,表明大氣污染潛勢(shì)五級(jí)劃分比較合理;參考全國(guó)氣象防災(zāi)減災(zāi)標(biāo)準(zhǔn)化技術(shù)委員會(huì)(2018),把AQI日增量-80、-30、30、80作為分界值(表4)。劃分的AQI日增量五分級(jí)與AQI日增量的相關(guān)性為0.95,說(shuō)明AQI日增量五分級(jí)能較好代表AQI日變化狀況。
圖4 2015—2019年秋、冬季邢臺(tái)AQI日增量分布Fig.4 Frequency distribution of AQI daily increment in Xingtai during autumn and winter from 2015 to 2019
表4 污染潛勢(shì)五級(jí)等級(jí)標(biāo)準(zhǔn)和描述Table 4 Five grades of air pollution potential
創(chuàng)建預(yù)測(cè)模型采用的是2017—2019年秋、冬季邢臺(tái)的資料。首先對(duì)建模資料進(jìn)行處理:(1)根據(jù)大氣背景分類指標(biāo)因子及其閾值對(duì)研究的個(gè)例進(jìn)行識(shí)別分類,建立冷空氣型、混合型和暖空氣型三類大氣影響因子數(shù)據(jù)庫(kù)。(2)對(duì)各類型大氣個(gè)例的AQI日增量按表4的污染潛勢(shì)五分級(jí)標(biāo)準(zhǔn)進(jìn)行劃分,構(gòu)建帶有標(biāo)號(hào)的模型創(chuàng)建訓(xùn)練數(shù)據(jù)集。
由于選取的變量因子較多,在應(yīng)用Bayes判別方法建立判別函數(shù)過(guò)程中,通過(guò)逐步選擇法對(duì)自變量因子進(jìn)行篩選,剔出了最低容差水平在0.001以下的變量,最后保留了對(duì)模型判別貢獻(xiàn)較大的變量因子。通過(guò)對(duì)數(shù)據(jù)集訓(xùn)練確定了五分級(jí)判別函數(shù)的變量因子系數(shù)(表5~表7)。對(duì)比表5~表7發(fā)現(xiàn),不同大氣背景的五分級(jí)判別函數(shù),參與的變量因子及其權(quán)重都有所不同,說(shuō)明大氣中污染物的聚集和消散是復(fù)雜多變的,不同大氣背景下其變化機(jī)制存在較大差異,分類建立預(yù)測(cè)模型是必要的。
表5 冷空氣型大氣污染潛勢(shì)五分級(jí)判別函數(shù)系數(shù)Table 5 Five grades discriminant function of pollution potential for cold air type
把大氣污染潛勢(shì)1~5級(jí)判別函數(shù)的預(yù)測(cè)概率依次記為:P1、P2、P3、P4、P5,以冷空氣型為例,給出了大氣污染潛勢(shì)五分級(jí)預(yù)測(cè)模型:
P1=-64.292+1.57X1-0.611X2+0.547X3+
5.886X4+0.064X5+0.027X6-0.085X7-
0.055X9-0.031X10+0.09X11+11.545X12+
24.352X13-48.602X14-9.236X15-11.778X16-
18.647X17+113.96X18+74.001X19-211.39X20+169.279X22+47.454X23-184.127X24-64.508X25+
292.146X26-276.66X27+79.364X28
P2=-59.405+1.44X1-0.75X2+0.56X3+6.435X4+0.057X5+0.019X6-0.076X7-
0.05X9-0.02X10+0.08X11+11.322X12+
26.816X13-50.867X14-10.223X15-8.168X16-
20.104X17+102.322X18+57.35X19-190.612X20+
154.69X22+32.032X23-163.631X24-52.518X25+
260.469X26-231.071X27+58.711X28
表6 同表5,但為混合型Table 6 Same as Table 5, but for mixed air type
表7 同表5,但為暖空氣型Table 7 Same as Table 5, but for warm air type
P3=-51.758+1.232X1-0.475X2+
0.533X3+5.618X4+0.045X5+0.02X6-0.064X7-0.039X9-0.023X10+0.068X11+4.901X12+
29.293X13-44.598X14-12.488X15-5.91X16-
15.585X17+80.267X18+53.149X19-157.361X20+125.881X22+33.865X23-137.354X24-57.87X25+
230.189X26-164.605X27+27.415X28
P4=-64.256+1.587X1-0.225X2+0.58X3+
5.475X4+0.064X5+0.03X6-0.09X7-
0.055X9-0.03X10+0.095X11+8.999X12+
31.485X13-51.804X14-10.711X15-4.901X16-
18.594X17+106.541X18+76.41X19-224.287X20+176.865X22+40.092X23-195.532X24-72.354X25+249.041X26-170.643X27+36.046X28
P5=-65.768+2.219X1+1.136X2+
0.391X3+3.353X4+0.078X5-0.099X7-
0.067X9-0.007X10+0.101X11+39.136X12+
10.229X13-63.095X14-19.838X15-24.892X16+3.473X17+122.395X18+28.08X19-239.453X20+188.553X22-10.007X23-210.011X24+7.676X25+
246.443X26-277.51X27+85.526X28
上述判別函數(shù)通過(guò)自身驗(yàn)證得到的大氣污染潛勢(shì)五級(jí)判別正確率為75.2%,其中冷空氣型預(yù)測(cè)模型判別正確率為80.0%,混合型為71.0%,暖空氣型為74.7%。
模型獨(dú)立檢驗(yàn)法是對(duì)判別分析得到的判別函數(shù)效果評(píng)判最客觀有效的方法。把2015—2016年秋、冬季邢臺(tái)逐日氣象資料代入預(yù)測(cè)模型中,比較各級(jí)判別函數(shù)值(P1,P2,P3,P4,P5)的大小,根據(jù)Bayes判別準(zhǔn)則,函數(shù)值最大代表所對(duì)應(yīng)級(jí)別出現(xiàn)概率最大,即是預(yù)測(cè)級(jí)別。把污染潛勢(shì)預(yù)測(cè)級(jí)別與實(shí)際AQI日增量級(jí)別進(jìn)行對(duì)比,預(yù)測(cè)級(jí)別與AQI日增量級(jí)別相一致的記為正確,預(yù)測(cè)正確日數(shù)占實(shí)際出現(xiàn)日數(shù)的百分比即為預(yù)測(cè)正確率。表8為2015—2016年秋、冬季邢臺(tái)污染潛勢(shì)五分級(jí)預(yù)測(cè)正確率,看到三類大氣的預(yù)測(cè)模型雖然對(duì)各等級(jí)的污染潛勢(shì)預(yù)測(cè)正確率存在差別,但對(duì)各等級(jí)正確率的分布形態(tài)基本一致。都對(duì)大氣處于正常狀態(tài)的三級(jí)預(yù)測(cè)最好,正確率在80%以上;其次是非常利于大氣污染物擴(kuò)散的一級(jí)和非常不利于擴(kuò)散的五級(jí),它們的各級(jí)正確率分別為64.8%和59.1%。該預(yù)測(cè)模型對(duì)2015—2016年秋、冬季邢臺(tái)污染潛勢(shì)五分級(jí)預(yù)測(cè)綜合正確率為63.6%,能較好預(yù)測(cè)大氣對(duì)污染物的聚集、擴(kuò)散能力。
表8 2015—2016年秋、冬季邢臺(tái)污染潛勢(shì)五分級(jí)預(yù)測(cè)正確率(單位:%)Table 8 Five grades prediction accuracy of air pollution potential during autumn and winter from 2015 to 2016 (unit: %)
5.2.1 大氣自凈能力指數(shù)及其等級(jí)劃分
大氣自凈能力指數(shù)(ASI)是對(duì)霧-霾天氣氣象條件定量描述指數(shù),它反映的是大氣運(yùn)動(dòng)對(duì)污染物的通風(fēng)稀釋作用和降水對(duì)污染物的濕清除作用。根據(jù)朱蓉等(2018)提出的ASI計(jì)算方法,計(jì)算邢臺(tái)2019—2021年秋、冬季的ASI。
為了便于與預(yù)測(cè)模型判別結(jié)果對(duì)比,同樣將ASI劃分為五級(jí)進(jìn)行評(píng)價(jià)。ASI五級(jí)劃分依據(jù)具體為:(1)ASI按2.5 t·d-1·km-2和4.1 t·d-1·km-2兩個(gè)限值,分為優(yōu)、良和一般三個(gè)評(píng)價(jià)等級(jí)(全國(guó)氣候與氣候變化標(biāo)準(zhǔn)化技術(shù)委員會(huì),2020)。(2)根據(jù)朱蓉等(2018)對(duì)ASI的研究,當(dāng)ASI低于1.4 t·d-1·km-2時(shí),京津冀地區(qū)容易出現(xiàn)AQI達(dá)到200的空氣質(zhì)量重污染等級(jí);(3)結(jié)合ASI與AQI日增量的統(tǒng)計(jì)分析,當(dāng)ASI低于0.4 t·d-1·km-2時(shí),AQI日增量在80以上,ASI的分級(jí)閾值和等級(jí)描述見表9。ASI劃分的五分級(jí)與ASI的相關(guān)系數(shù)為-0.915(表10),通過(guò)了α=0.01顯著性水平檢驗(yàn),表明該五分級(jí)能較好地代表大氣的自凈能力指數(shù)。
表9 ASI評(píng)價(jià)等級(jí)Table 9 Evaluation grads of ASI
5.2.2 大氣自凈能力指數(shù)和污染潛勢(shì)五分級(jí)預(yù)測(cè)對(duì)比
對(duì)2019—2021年秋、冬季邢臺(tái)逐日AQI日增量、ASI和污染潛勢(shì)五分級(jí)等預(yù)測(cè)進(jìn)行了雙變量相關(guān)分析(表10),可以看到:AQI日增量五分級(jí)與AQI日增量相關(guān)系數(shù)為0.947,表明AQI日增量五分級(jí)能較好地代表大氣對(duì)物的稀釋擴(kuò)散能力。ASI五分級(jí)與AQI日增量、AQI日增量五分級(jí)的相關(guān)性均高于ASI,說(shuō)明ASI五分級(jí)在對(duì)大氣擴(kuò)散能力的描述上優(yōu)于ASI;污染潛勢(shì)五分級(jí)預(yù)測(cè)與AQI日增量、AQI日增量五分級(jí)的相關(guān)性分別為0.676和0.679,明顯高于ASI和ASI五分級(jí)。顯然污染潛勢(shì)五分級(jí)模型預(yù)測(cè)結(jié)果優(yōu)于ASI。
表10 2019—2021年秋、冬季邢臺(tái)不同預(yù)測(cè)結(jié)果的相關(guān)性分析Table 10 The correlation coefficients in different forecasts in Xingtai during autumn and winter from 2019 to 2021
圖5為2019年12月1日至2020年2月29日邢臺(tái)逐日AQI日增量等級(jí)實(shí)況和ASI等級(jí)、污染潛勢(shì)等級(jí)預(yù)測(cè)結(jié)果,無(wú)論是正常生產(chǎn)時(shí)段還是疫情封閉時(shí)段(2020年1月24日至2月29日),AQI日增量等級(jí)變化沒有明顯差異,說(shuō)明AQI日增量主要受大氣條件的影響,污染物排放量對(duì)其影響不大;模型判別的污染潛勢(shì)等級(jí)與AQI日增量等級(jí)的變化趨勢(shì)具有較高的一致性,明顯好于ASI等級(jí);模型對(duì)極利于擴(kuò)散的一級(jí)和極不利于擴(kuò)散的五級(jí)判別正確次數(shù)明顯高于ASI;模型判別的污染潛勢(shì)等級(jí)與AQI日增量等級(jí)實(shí)況基本上是相同或相差一級(jí),而ASI等級(jí)與AQI日增量等級(jí)相差兩級(jí)以上的較多。顯然,模型對(duì)大氣污染潛勢(shì)的五級(jí)判別能力好于ASI。
圖5 2019年12月1日至2020年2月29日邢臺(tái)AQI日增量、ASI、污染潛勢(shì)預(yù)測(cè)的等級(jí)時(shí)間序列Fig.5 Time series of AQI daily increment, ASI and model prediction grads in Xingtai from 1 December 2019 to 29 February 2020
介紹了應(yīng)用數(shù)據(jù)挖掘技術(shù)研究大氣污染潛勢(shì)分級(jí)預(yù)報(bào)方法,對(duì)邢臺(tái)建立的大氣污染潛勢(shì)五分級(jí)預(yù)測(cè)模型進(jìn)行了檢驗(yàn)分析,得到結(jié)論如下:
(1)通過(guò)對(duì)大氣環(huán)流背景的分類研究,發(fā)現(xiàn)大氣背景場(chǎng)可分為具有明確物理意義的三種大氣環(huán)流類型(冷空氣型、混合型、暖空氣型),850 hPa的24 h變溫是區(qū)分三類大氣環(huán)流的最佳指標(biāo)因子;采用雙峰法選擇的指標(biāo)因子閾值能較好地區(qū)分三類大氣環(huán)流,對(duì)冷空氣型、混合型、暖空氣型大氣區(qū)分正確率分別為69%、61%和78%。
(2)應(yīng)用數(shù)據(jù)挖掘技術(shù)客觀選取變量因子及其權(quán)重,結(jié)果表明:大氣中污染物的聚集和消散都是復(fù)雜的過(guò)程,有眾多因子參與,不同大氣背景各因子的貢獻(xiàn)有較大差異。
(3)建立的大氣污染潛勢(shì)五分級(jí)預(yù)測(cè)模型能較好地對(duì)AQI日增量進(jìn)行五級(jí)判別,綜合判別正確率為63.6%,其中冷空氣型預(yù)測(cè)模型綜合判別正確率最高,為70.6%。
(4)大氣污染潛勢(shì)五分級(jí)預(yù)測(cè)模型的判別結(jié)果與實(shí)際大氣AQI日增量等級(jí)的變化趨勢(shì)具有較高的一致性,相關(guān)系數(shù)在0.67以上;明顯好于ASI對(duì)污染潛勢(shì)五分級(jí)的預(yù)測(cè)結(jié)果。
數(shù)據(jù)挖掘大多數(shù)是大而全、多而精,數(shù)據(jù)越多模型越可能精確,變量越多,數(shù)據(jù)之間的關(guān)系越明確。由于受到現(xiàn)有氣象資料的限制,對(duì)氣象因子的選用和計(jì)算都較粗,隨著觀測(cè)技術(shù)的進(jìn)步,還需要在選取因子及其計(jì)算方面不斷改進(jìn),使建立的預(yù)測(cè)模型準(zhǔn)確率不斷提高。