摘 要：近年來(lái)，臭氧（O3）污染日益嚴(yán)重，因此分析了黃石市地面O3濃度的變化特征及其與環(huán)境要素之間的關(guān)系，并應(yīng)用機(jī)器學(xué)習(xí)方法構(gòu)建了一套適用于本地區(qū)的O3濃度高精度預(yù)測(cè)模型。結(jié)果表明：（1）黃石市O3污染以輕度污染為主，3—10月均出現(xiàn)臭氧污染日，其中5、6、9月出現(xiàn)O3中度污染日，9月O3污染日數(shù)和O3濃度水平均最高。（2）從O3污染日環(huán)境要素進(jìn)行分析，黃石市多年O3-8 h濃度平均值為93.5 μg·m-3，當(dāng)發(fā)生O3污染時(shí)，SO2、PM10、PM2.5、CO的平均質(zhì)量濃度，以及日平均氣溫、日最高氣溫、日照時(shí)數(shù)均會(huì)明顯上升。相反，NO2的平均質(zhì)量濃度和氣壓、相對(duì)濕度均有顯著下降。（3）高溫、充足的陽(yáng)光和較高的相對(duì)濕度是黃石市O3濃度變化的關(guān)鍵驅(qū)動(dòng)因素。PM2.5和NO2也會(huì)對(duì)O3-8 h濃度產(chǎn)生影響，但相較于氣象因素，這兩者的重要性明顯較低。（4）梯度提升樹(shù)回歸模型在預(yù)測(cè)黃石市O3濃度方面表現(xiàn)出最佳的性能，但對(duì)于極高和極低的O3濃度，預(yù)測(cè)值與觀測(cè)值存在一定的偏差，需要進(jìn)一步探索和優(yōu)化模型，以提高其對(duì)極高值或極低值的預(yù)測(cè)準(zhǔn)確性。

關(guān)鍵詞：臭氧（O3）；污染特征；氣象因素；機(jī)器學(xué)習(xí)；預(yù)測(cè)模型

中圖分類(lèi)號(hào)：X515 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：2095–3305（2024）12–0-03

臭氧（O3）是典型的二次污染物，主要通過(guò)碳?xì)浠衔锖偷趸铮∟O）之間的光化學(xué)反應(yīng)生成。在有利的氣象條件下，如太陽(yáng)輻射強(qiáng)、天空晴朗、溫度高、相對(duì)濕度低等，O3容易形成和累積。特定的天氣類(lèi)型，如高壓后部、地面倒槽和鋒前暖區(qū)，同樣易造成O3污染。此外，O3還可通過(guò)垂直空氣輸送從平流層進(jìn)入對(duì)流層，同時(shí)也可以隨盛行風(fēng)進(jìn)行遠(yuǎn)距離水平輸送[1]。

與CO和NO2等典型的一次污染物相比，O3在城市間的相關(guān)性更強(qiáng)。因此，準(zhǔn)確預(yù)測(cè)O3濃度變化不僅對(duì)保護(hù)公共健康、維護(hù)生態(tài)平衡至關(guān)重要，還能為有效管理環(huán)境和制定污染防控策略提供支持。

近年來(lái)，隨機(jī)森林（Random Forest，RF）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）、人工神

經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）等機(jī)器學(xué)習(xí)方法被應(yīng)用于預(yù)測(cè)大氣污染物（O3、PM2.5、NOx、NH3等）濃度以及分析大氣污染的成因。這種方法主要通過(guò)建立O3濃度與氣象因子、污染源和其他相關(guān)變量之間的關(guān)系模型來(lái)進(jìn)行預(yù)測(cè)[2]。與傳統(tǒng)方法相比，機(jī)器學(xué)習(xí)方法能夠自動(dòng)識(shí)別數(shù)據(jù)中的復(fù)雜非線性關(guān)系，無(wú)需詳細(xì)的物理化學(xué)過(guò)程知識(shí)，因此在大氣污染預(yù)測(cè)領(lǐng)域具有廣闊的應(yīng)用前景。

黃石市位于湖北省東南部，地勢(shì)西南高、東北低，屬典型的亞熱帶大陸性季風(fēng)氣候，四季分明，雨量充沛。黃石市近幾年環(huán)境狀況公報(bào)顯示，O3作為首要污染物的比例顯著上升?；诖耍ㄟ^(guò)應(yīng)用機(jī)器學(xué)習(xí)方法，結(jié)合了2017—2021年黃石市地面O3濃度和相關(guān)氣象因素的數(shù)據(jù)，分析了黃石市O3的污染特征及其與主要?dú)庀笠蛩刂g的關(guān)系，并對(duì)比了線性回歸、 K近鄰算法（KNN）、隨機(jī)森林和梯度提升樹(shù)等機(jī)器學(xué)習(xí)方法在O3濃度預(yù)測(cè)中的表現(xiàn)，以選擇最優(yōu)的預(yù)測(cè)模型，為黃石市及其他類(lèi)似城市提供一種有效的O3污染預(yù)測(cè)和管理工具。

1 數(shù)據(jù)來(lái)源與分析方法

1.1 數(shù)據(jù)來(lái)源

大氣污染物監(jiān)測(cè)數(shù)據(jù)來(lái)自黃石市5個(gè)國(guó)控站點(diǎn)（沈家營(yíng)、陳家灣、新下陸、鐵山、團(tuán)城山），選取2017—2021年逐日SO2、NO2、CO、PM10、PM2.5、O3-8 h質(zhì)量濃度資料和逐時(shí)O3質(zhì)量濃度資料。氣象數(shù)據(jù)為黃石市國(guó)家基本氣象觀測(cè)站同期溫度、相對(duì)濕度、2 min平均風(fēng)速、氣壓和日照時(shí)數(shù)等日均值。

1.2 分析方法

根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012），當(dāng)O3日最大8 h平均質(zhì)量濃度超過(guò)160 μg·m-3時(shí)，即為O3污染。根據(jù)《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》（HJ 633—2012），當(dāng)污染日首要污染物為O3時(shí)，定義為O3污染日。

采用Pearson相關(guān)系數(shù)和Spearman相關(guān)系數(shù)，分析氣象因素和其他大氣污染物與O3-8 h濃度之間的相關(guān)性。選用線性回歸、K最鄰近（KNN）回歸、隨機(jī)森林和梯度提升樹(shù)回歸4種機(jī)器學(xué)習(xí)方法預(yù)測(cè)O3濃度，使用均方根誤差（RMSE）和決定系數(shù)（R2）作為評(píng)價(jià)指標(biāo)，評(píng)估不同模型的預(yù)測(cè)性能，選擇表現(xiàn)最優(yōu)的模型作為黃石市O3濃度預(yù)測(cè)的最終模型，并對(duì)最優(yōu)模型進(jìn)行檢驗(yàn)。RMSE和R2的計(jì)算公式如下[3]：

RMSE=（1）

R2=1-∑（yi-y*）2/∑（yi-y）2（2）

式（1）、（2）中，n為樣本數(shù)量，yi為實(shí)際觀測(cè)值，y*為預(yù)測(cè)值，∑為求和，y為實(shí)況平均值。

2 結(jié)果與分析

2.1 O3污染特征

2.1.1 黃石市O3月變化特征

黃石市的O3污染以輕度污染為主，3—10月均出現(xiàn)臭氧污染日，其中5、6、9月出現(xiàn)O3中度污染日，9月O3污染日數(shù)累計(jì)高達(dá)37 d（圖1）。此外，5—9月是O3質(zhì)量濃度較高的月份，9月的O3濃度最高，其次是8月，這兩個(gè)月的O3-8 h平均質(zhì)量濃度分別達(dá)到130.6、123.1 μg·m-3。根據(jù)黃石市天氣氣候特征可知，5—9月為汛期，常受副熱帶高壓控制，若無(wú)熱帶天氣系統(tǒng)影響，則天氣晴朗、云量較少、日照充足、氣溫較高；6月中下旬至7月下旬為江淮梅雨季，降雨天氣較多，由于降水過(guò)程有助于清除大氣中的污染物，因此7月的O3濃度相對(duì)較低[4]。

2.1.2 黃石市O3污染日環(huán)境要素分析

從2017—2021年黃石市O3污染處于不同程度時(shí)各環(huán)境要素的平均統(tǒng)計(jì)特征值（表1）可知，可以看出黃石市多年O3-8 h濃度平均值為93.5 μg·m-3，當(dāng)發(fā)生O3污染時(shí)，SO2、PM10、PM2.5、CO、AQL的平均質(zhì)量濃度均呈上升趨勢(shì)，而NO2的平均質(zhì)量濃度略有下降，這可能是由于O3的生成會(huì)消耗一部分的NO2。此外，當(dāng)發(fā)生O3污染時(shí)，PM10、PM2.5的質(zhì)量濃度仍維持在較低水平。從氣象條件來(lái)看，黃石市多年日平均氣壓為

1 011.7 hPa，多年日平均氣溫和最高氣溫分別為18.3、23.0 ℃，多年平均相對(duì)濕度為76.8%，多年平均風(fēng)速為

1.5 m/s，多年平均日照時(shí)數(shù)為4.6 h。與無(wú)污染日相比，臭氧污染日氣壓和相對(duì)濕度均有顯著下降，日平均氣溫、日最高氣溫及日照時(shí)數(shù)則明顯上升。這表明在氣溫較高、日照充足的天氣條件下，黃石市易出現(xiàn)O3污染日。

2.2 環(huán)境要素對(duì)O3質(zhì)量濃度的影響

O3污染程度受特定環(huán)境條件的影響和調(diào)控，以O(shè)3濃度值為因變量，以相對(duì)應(yīng)的逐日環(huán)境要素為自變量，通過(guò)綜合運(yùn)用Pearson和Spearman相關(guān)性分析，探討環(huán)境要素與O3濃度之間的相關(guān)性。在分析前，所有數(shù)據(jù)均經(jīng)過(guò)標(biāo)準(zhǔn)化處理，以排除量綱對(duì)結(jié)果的影響。

日平均氣溫、日最高氣溫、日照時(shí)數(shù)、SO2與O3-8 h

濃度呈正相關(guān)關(guān)系，氣壓、相對(duì)濕度、NO2、PM2.5、CO與O3-8 h濃度呈負(fù)相關(guān)關(guān)系，上述各環(huán)境要素均滿足99%的置信區(qū)間的顯著相關(guān)，這表明以上環(huán)境要素對(duì)O3形成和變化有一定影響（表2）。2 min平均風(fēng)速、PM10與O3-8 h濃度之間的相關(guān)性不顯著，表明在此研究區(qū)域內(nèi)，風(fēng)速和PM10濃度變化對(duì)O3濃度的直接影響較小。

2.3 基于機(jī)器學(xué)習(xí)構(gòu)建O3濃度預(yù)測(cè)模型

2.3.1 模型比較

為深入了解不同環(huán)境要素與黃石市O3濃度之間的定量關(guān)系，采用機(jī)器學(xué)習(xí)方法分析了2017—2021年黃石市的1 754個(gè)數(shù)據(jù)樣本，基于上述通過(guò)顯著性檢驗(yàn)的環(huán)境因子（氣壓、日平均氣溫、日最高氣溫、相對(duì)濕度、日照時(shí)數(shù)、NO2、PM2.5、SO2、CO）構(gòu)建O3濃度預(yù)測(cè)模型，通過(guò)綜合比較這些模型的均方根誤差（RMSE）與決定系數(shù)R2，從而選出預(yù)測(cè)性能最優(yōu)的模型。

不同O3濃度預(yù)測(cè)模型的性能（表3）結(jié)果表明，隨機(jī)森林和梯度提升樹(shù)回歸兩種模型在預(yù)測(cè)O3濃度方面均具有顯著的優(yōu)勢(shì)。兩個(gè)模型的決定系數(shù)R2均為0.82，這一性能表現(xiàn)明顯優(yōu)于其他兩種模型，但梯度提升樹(shù)回歸模型的均方根誤差（RMSE）更小，在處理此研究中的復(fù)雜非線性環(huán)境數(shù)據(jù)時(shí)具有更高的準(zhǔn)確性，因此選擇梯度提升樹(shù)回歸模型作為最優(yōu)模型。

2.3.2 模型檢驗(yàn)

為檢驗(yàn)梯度提升樹(shù)回歸模型的預(yù)測(cè)效果，以2022年黃石市O3-8 h實(shí)況數(shù)據(jù)和氣象觀測(cè)數(shù)據(jù)作為檢驗(yàn)數(shù)據(jù)，將O3-8 h預(yù)測(cè)值與實(shí)況值（圖2）進(jìn)行比較，發(fā)現(xiàn)梯度提升樹(shù)回歸模型能夠較好地預(yù)測(cè)O3濃度變化趨勢(shì)，O3-8 h的預(yù)測(cè)值與實(shí)況值的均方根誤差（RMSE）為26.25，具有較高的預(yù)測(cè)精度。但對(duì)于一些極高值或極低值，模型預(yù)測(cè)的準(zhǔn)確性有所下降，這可能是受某些特殊的氣象條件或其他未考慮的環(huán)境因素的影響，在未來(lái)的研究中需要進(jìn)一步探索和優(yōu)化模型，以提高其對(duì)極高值或極低值的預(yù)測(cè)準(zhǔn)確性。

2.3.3 環(huán)境要素的正態(tài)化重要性分析

基于梯度提升樹(shù)回歸模型，進(jìn)一步探討了各環(huán)境要素對(duì)模型預(yù)測(cè)能力的貢獻(xiàn)度。通過(guò)正態(tài)化重要性分析，評(píng)估了各環(huán)境要素對(duì)O3-8 h濃度預(yù)測(cè)準(zhǔn)確性的影響。日最高氣溫在所有考慮的環(huán)境要素中對(duì)O3-8 h濃度預(yù)測(cè)的影響最大，其正態(tài)化重要性達(dá)到48.5%，與相關(guān)性分析的結(jié)果較為一致，表明較高的氣溫是O3濃度上升的必要條件，該條件會(huì)使O3前體物的反應(yīng)速率加快，從而使O3濃度升高（圖3）。日照時(shí)數(shù)次之，占比22.6%，表明光化學(xué)反應(yīng)在O3生成過(guò)程中具有關(guān)鍵作用。相對(duì)濕度的正態(tài)化重要性占比為15.6%，高濕度條件下會(huì)導(dǎo)致O3消耗增加、生成減少。日平均氣溫對(duì)O3-8 h濃度也有一定的影響，氣壓的重要性百分比相對(duì)較低，表明其對(duì)O3-8 h濃度的直接影響較為有限。大氣污染物對(duì)O3-8 h濃度產(chǎn)生的影響較低，其中PM2.5和NO2的重要性占比均高于CO，SO2對(duì)O3-8 h濃度影響的重要性程度較低。

3 結(jié)論

（1）黃石市O3污染以輕度污染為主，3—10月均出現(xiàn)臭氧污染日，其中5、6、9月出現(xiàn)O3中度污染日，9月O3污染日數(shù)和O3濃度水平均最高。

（2）從O3污染日環(huán)境要素進(jìn)行分析，黃石市多年O3-8 h濃度平均值為93.5 μg·m-3，當(dāng)發(fā)生O3污染時(shí)，SO2、PM10、PM2.5、CO的平均質(zhì)量濃度，以及日平均氣溫、日最高氣溫及日照時(shí)數(shù)均會(huì)明顯上升。相反，NO2的平均質(zhì)量濃度和氣壓、相對(duì)濕度均有顯著下降。

（3）高溫、充足的陽(yáng)光和較高的相對(duì)濕度是黃石市O3濃度變化的關(guān)鍵驅(qū)動(dòng)因素。PM2.5和NO2也會(huì)對(duì)O3-8 h

濃度產(chǎn)生影響，但相比于氣象因素這兩者的重要性明顯較低。

（4）梯度提升樹(shù)回歸模型在預(yù)測(cè)黃石市O3濃度方面表現(xiàn)出最佳的性能，但對(duì)于極高和極低的O3濃度，預(yù)測(cè)值與觀測(cè)值存在一定的偏差，需要進(jìn)一步探索和優(yōu)化模型，以提高其預(yù)測(cè)極高值或極低值的準(zhǔn)確性。

參考文獻(xiàn)

[1] 鄭彬，陳月娟，施春華.平流層臭氧緯向分布季節(jié)變化和行星波的關(guān)系[J].高原氣象，2006（3）：366-374.

[2] 馬偉.基于機(jī)器學(xué)習(xí)的臭氧預(yù)報(bào)及生成敏感性研究[D].廣州：華南理工大學(xué)，2022.

[3] 何琰，林惠娟，曹舒婭，等.城市臭氧污染特征與高影響氣象因子：以蘇州為例[J].環(huán)境科學(xué)，2023，44（1）：85-93.

[4] 宋鴿，羅嘉，涂姍姍.近47年黃石市降水變化特征分析[J].安徽農(nóng)業(yè)科學(xué)，2022，50（7）：207-210.

收稿日期：2024-09-13

基金項(xiàng)目：黃石市氣象局2022年度自立科研課題“基于機(jī)器學(xué)習(xí)的黃石市臭氧污染特征及預(yù)報(bào)研究”（202201）。

作者簡(jiǎn)介：張東（1997—），女，河南南陽(yáng)人，助理工程師，研究方向?yàn)榄h(huán)境氣象。