沈阳市冬季环境空气质量统计预报模型建立及应用

2014-10-12刘闽，王帅，林宏，许荣

中国环境监测 2014年4期

刘闽，王帅，林宏，许荣

1.沈阳市环境监测中心站，沈阳 110015

2.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012

城市环境空气质量预报是保护人民群众健康、动员公众参与环境保护的有效措施，是提高人民生活质量、体现人民政府形象的公益性工作［1］。环境空气质量预报的发布，可以为环境管理和决策部门及时、准确、全面地掌握城市环境空气质量未来变化趋势提供科学依据［2-3］，可以在严重污染日到来前有针对性地加大污染源控制，及时发出警报并采取限制措施，减轻对市民健康的危害。因此，城市环境空气质量预报作为防治和控制大气污染的重要环节之，已受到各级政府的高度重视。城市空气质量预报方法主要包括数值预报、统计、神经网络和天气学等［4-6］，其中统计预报法是应用最广的方法。沈阳市环境监测中心站在前人研究的基础上，从1996年开始先后开展了冬季早晨二氧化硫(SO2)预报和空气污染综合指数预报研究工作;从2001年开始正式开展包括(PM10)、二氧化硫(SO2)、二氧化氮(NO2)的空气污染指数(API)预报工作［7-10］;2013年起沈阳市开始执行《环境空气质量标准》(GB 3095—2012)，环境空气质量监测指标增加到6项，因此原有预报模型系统无法继续使用，加之冬季采暖期，不仅污染加重，而且污染变化幅度也增大［11］。因此，该研究基于环境空气质量新标准，利用沈阳市2013年1—2月大气自动监测数据和同期气象资料，采用逐步回归方法建立了沈阳市冬季采暖期各点位环境空气质量统计预报模型，并在2013年11月至2014年1月的预报工作中结合人为经验修订进行应用，以期为城市环境空气质量预报提供参考。

1 预报方法和资料

1.1 预报方法简介

环境空气质量与气象因素紧密相关，环境空气质量的好坏从一定程度上取决于大气扩散条件的优劣。当某种污染物排放到空气中后，污染物在空气中的浓度由污染源的排放量和大气的稀释扩散条件2个因素决定。在一段时间内，整个城市污染物的排放总量是相对稳定的，视污染源为“准定常”，那么，污染物浓度的高低主要取决于当时的气象条件，当气象条件有利于污染物扩散时，污染物浓度低，反之则浓度高。据有关资料介绍，由于气象条件的变化，大气的稀释扩散能力在几小时内可改变10倍以上［12］。统计预报是将污染物排放视为相对恒定不变的，是根据天气预报的预测结果和空气质量现状来预测未来空气质量的一种方法。通过积累较长时间的空气污染物浓度监测值和同步气象观测资料，将两者建立起相关关系，通过这些定性和定量的关系，进行空气质量的预测［13］。

该研究建立的统计预报模型采用逐步回归算法，逐步回归算法是在所考虑的全部因素中，按其对因变量Y作用显著程度的大小，由大到小逐个引进回归方程，那些对因变量Y作用不显著的变量自始至终都不能被引入回归方程，而已被引进回归方程的变量，在引进新变量后，常有可能会由显著变为不显著，应从回归方程中剔除，以保证在众多预报因子中挑选出最佳的组合因子，建立最优预报方程。

预报量Y与预报因子X建立的最优回归方程:

式中:Y为污染物预报浓度，B0为常数项，B1，B2，…，Bn为选入因子系数，X1，X2，…，Xn为选入预报因子。

1.2 预报平台介绍

沈阳市环境空气质量日报预报平台是2006年开发的，用于日常的空气质量日报预报工作，大大提高了工作效率［14-15］。2012年为应对环境空气质量标准的变化，平台在原有功能的基础上根据标准、技术规范以及业务流程进行了更新升级。现有沈阳市环境空气质量日报预报平台于2013年正式投入使用。该平台中的预报系统包括预报建模模块、预报制作模块、准确率统计模块，预报所用模型仍然以回归预报模型和天气模式预报模型为主，再经预报人员会商后生成预报结果;平台的准确率统计模块可以对某时段的预报准确率进行自动统计，准确率指标包括首要污染物准确率、级别准确率、跨度准确率。变化之处在于，监测点位由原来的8个点位增为11个点位，监测项目由原来的3项增为6项，评价指标由 API转变为AQI。

1.3 建模环境样品资料的选取

依据沈阳市气候特点，研究采用2013年1—2月环境空气质量监测数据及气象资料，建立沈阳市冬季环境空气质量预报模型。按照技术要求，所用环境监测数据包括11个监测子站、6种污染物的该时段的日均值数据(PM2.5、PM10、SO2、NO2、CO每日24 h平均浓度，O3每日最大8 h平均浓度)以及相应的环境空气质量指数(AQI)。

1.4 建模气象预报因子的选取

预报因子主要选择气象部门能进行预报且预报效果较好、预报准确率较高的气象因子，初步选取常规地面以及近地面预报因子19项，包括:前一日污染物浓度 X1(μg/m3)，当日天气形势 X2，当日主导风向 X3，当日平均风速 X4(m/s)，24 h风速变量 X5(m/s)，当日最低气温X6(℃)，最低气温24 h变量X7(℃)，当日最高气温X8(℃)，当日最高气温24 h变量X9(℃)，当日最高、最低气温平均值X10(℃)，最高、最低气温平均值24 h变量 X11(℃)，850 hPa 8:00 温度 X12(℃)，850 hPa 8:00温度24 h变量X13(℃)，8:00逆温X14(℃)，当日降水量X15(mm)，850 hPa平均风速 X16(m/s)，湿度 X17(%)，8:00 湿度 X18(%)，8:00 变压X19(hPa)。

2 预报模型建立

利用前一日6项环境空气质量监测数据及当日18项气象预报因子，应用沈阳市环境空气质量预警平台中逐步回归建模程序，建立了11个点位66个冬季预报方程，取α=0.01显著水平的F值对方程进行检验，所有方程计算出的F方程远大于F0.01，表明方程在0.01水平上显著，方程可以使用。通过逐步回归建模，冬季预报模型共选取了8个预报因子，其中各指标方程又各不相同:PM2.5预报方程包括 X1、X2、X3、X5、X145 个预报因子，PM10预报方程包括 X1、X2、X3、X8、X145 个预报因子，SO2方程共选取 X1、X2、X3、X5、X6、X7、X8、X148 个预报因子，NO2方程共选取 X1、X2、X3、X5、X8、X146个预报因子，CO 方程多数选取了X1、X2、X3、X144 个预报因子，O3(8 h)方程共选取 X1、X2、X3、X5、X8、X146个预报因子，各因子系数见表1～表6，每项污染物系数表中只列出了选择不同系数作为方程的点位，选择相同系数作为方程的点位并未列出。

从各空气污染物方程选取的气象因子可以看出，经过逐步回归方法对各因子的筛选，几乎全部方程都选取了前一天污染物浓度、天气形势、风向以及8:00逆温4项，说明这4项因子与污染物浓度相关性较好，在各污染物预报中均较为重要。然而不同方程选取的其他因子则各不相同，其中SO2方程多数点位选取了最低气温和最低气温24 h变量，说明SO2与最低气温和最低气温24 h变量相关性较好;PM2.5和 NO2选取了24 h风速变量，说明PM2.5和NO2与24 h风速变量相关性较好;而PM10和O3(8 h)同时选取了最高气温，说明PM10和O3(8 h)与最高气温相关性较好。

表1 沈阳市冬季细颗粒物PM2.5预报方程系数表

表2 沈阳市冬季可吸入颗粒物PM10预报方程系数表

表3 沈阳市冬季二氧化硫SO2预报方程系数表

表4 沈阳市冬季二氧化氮NO2预报方程系数表

表5 沈阳市冬季一氧化碳CO预报方程系数表

表6 沈阳市冬季臭氧O3预报方程系数表

3 预报模型拟合、验证及应用验证

3.1 模型拟合准确率统计

预测值相对实测值的分布情况可以说明模型在拟合或验证中预测值与实测值的接近程度，是浓度准确率的一种表征形式，通过建模所用的2013年1—2月数据对模型进行拟合(拟合结果对比实例见图1，其中标准误差线取值范围为 ±10%)，从数据可以看出，PM10、CO 2项指标70%以上的预测值在实测值上、下30%范围内，PM2.5、SO2、NO2、O34 项指标 65% 以上的预测值在实测值上、下30%范围内，说明 PM10、CO的拟合效果优于其他4项指标，拟合结果在实测值两侧不同区间的分布情况见表7。应用验证中预测值平均相对误差可以说明模型在应用中预测值与实测值整体偏差程度，是系统误差的一种表征。从拟合结果的准确率可以看出，除O3相对误差为－3.5%，其余5项指标的相对误差都在±2.0%以内，总体拟合效果较好;拟合的级别准确率达到62.9%，首要污染物准确率达到78.6%，拟合结果的准确率统计见表7。

图1 2013年二毛点位PM2.5预报方程拟合结果与实测值对比图

表7 拟合与验证中预测值在实测值两侧不同区间的分布情况统计表

3.2 模型验证准确率统计

采用2013年11、12月和2014年1月空气质量和气象实测数据对模型进行验证(图2，图中标准误差线取值范围为 ±10%)，验证结果在实测值两侧不同区间的分布情况见表7。可以看出，PM10、O32项指标 50%以上的预测值在实测值±30%范围内，其他几项指标40%左右的预测值在实测值±30%范围内。验证结果的准确率统计见表8，可以看出6项污染物的相对误差均在 ±10.0%范围内，PM2.5、PM10、O33 项指标优于其他3项指标，验证的级别准确率为55.8%，首要污染物准确率为68.5%。拟合与验证中，冬季模型的各项拟合与验证结果均略差，分析原因主要包括:建模数据样本偏少，不能涵盖大部分气象条件，导致模型验证时准确率不高;2013年1—2月正值全国经历历史罕见的大范围长时间严重雾霾的特殊气象过程，因此，该时段的气象数据以及污染物浓度数据都比较特殊，建立的模型的适用性必然受到影响，这是导致验证结果中系统误差(相对误差)偏大的主要原因;11月虽然同处冬季采暖期，但温度、湿度等气象条件与建模数据时段差异较大，导致该月的验证结果存在一定偏差。

图2 二毛点位PM2.5预报方程验证结果与实测值对比图

表8 拟合与验证中预测准确率统计表

3.3 预报实践准确率统计

级别准确率和首要污染物准确率是检验与评估环境空气质量预报的核心指标。2013年11月至2014年1月，应用统计预报模型开展了环境空气质量预报，预报结果为全市AQI范围、空气质量级别以及首要污染物，其中 AQI范围跨度为30，如某月某日AQI为95～125，为良或轻度污染，首要污染物为PM2.5。该文对92 d预报结果与实测值进行了对比统计，结果表明，在此段时间的环境空气质量预报实践中，预报级别准确率达到79.1%，首要污染物准确率为73.6%。预报准确率与许杨等［16-17］的研究相近。预报实践中由于预报结果可以跨级，所以级别准确率远高于模型验证结果;实际预报中在确定首要污染物时，加入了人为干预，将模型预报结果的首要污染物进行修订，相当于在模型基础上增加了准确率，所以首要污染物准确率也有所提高。