昆明臭氧浓度变化与气象要素关系拟合

孙俊奎，杨建斌，康道俊

(1. 昆明市气象局，云南 昆明 650500；2. 云南省疾病预防控制中心，云南 昆明 650022)

0 引言

近地层臭氧浓度的变化与紫外线辐射强度以及NO2浓度关系密切[1]，特别是气象要素对臭氧浓度变化的影响越来越大[2-4]。影响臭氧浓度的气象因素有气象动力因素、气象热力因素以及水汽条件[5-7]。许多气象工作者研究了气象要素与臭氧浓度的相关性[8-11]，采用拟合和回归模型分析归纳臭氧浓度变化与气象要素的特征关系[12-16]。因此，对昆明市2017～2019年1～12月近地层气象要素与臭氧浓度资料进行处理，分析臭氧浓度与气象要素的相关性，普查与臭氧浓度相关性良好的气象要素作为拟合因子，建立拟合模型，进一步验证臭氧浓度变化与气象要素的因果关系。

1 资料及数据处理

采用中国空气质量在线监测分析平台昆明站空气质量历史数据及天气信息数据，具体包括臭氧、温度、相对湿度监测项。最后选用昆明观测站逐日08时、14时和20时总云量的观测值；2019年5月每天逐时臭氧、温度和相对湿度监测值；以及2017～2019年1～12月每日臭氧浓度最大8小时滑动平均值，每日温度24小时平均值，相对湿度24小时平均值。

昆明臭氧浓度大小及是否超标的判定指标，按照《环境空气质量指数(AQI)技术规定》(HJ633-2012)划分为5个等级：优(1～100 μg·m-3)，良(101～160 μg·m-3)，轻度污染(161～215 μg·m-3)，中度污染(216～265 μg·m-3)和重度及以上污染(大于266 μg·m-3)。

2 臭氧与气象要素的拟合

臭氧污染的原因主要是第一次污染物质光化学反应生成的污染源和人为因素产生的污染源，这些污染源是第二次污染物。污染物在一定的扩散、聚合和输送条件下，影响广泛。要切断和阻止臭氧污染物的传播，查找臭氧浓度变化的外部原因，特别是分析臭氧浓度变化与气象条件的关系拟合十分重要。分析臭氧浓度与气温、湿度等气象条件的相关性，拟合臭氧浓度的变化趋势，可以用来预测臭氧浓度的变化，预防臭氧污染。

根据昆明臭氧浓度大小及是否超标的判定指标，将臭氧按照相关技术规定和昆明臭氧浓度实际情况，主要分析和拟合优(1～100 μg·m-3)、良(101～160 μg·m-3)2个标准。

2.1 臭氧与气象要素的相关

为进一步研究气象要素对臭氧浓度的影响，分别计算了臭氧与气温、相对湿度和云量的逐时以及逐日相关性。

2.1.1 臭氧逐时值与气象要素的关系

采用昆明气温、相对湿度和臭氧浓度的逐小时数据，分别计算臭氧浓度与气温和相对湿度的相关系数(表1)，并检验在0.05水平上的相关程度。

臭氧浓度与气温之间的变化关系，基本上保持一致，相关系数为0.808 2，属高度相关，与相对湿度之间的变化关系，保持着负相关的状态。

查相关系数检验临界值表，样本数大于400，显著水平0.05，临界值为0.097 35，气温和相对湿度因子均表现为显著相关。

2.1.2 臭氧逐日均值与气象要素的关系

采用2017年至2019年昆明臭氧浓度、气温、相对湿度和总云量的逐日平均值，分别计算臭氧浓度与气温、相对湿度及总云量的相关系数(表2)，并检验在0.05水平上的相关程度。

从表2中可以看出，日均臭氧浓度与气温呈正相关，与相对湿度和总云量呈负相关。

查相关系数检验临界值表，样本数大于800，显著水平0.05，临界值为0.060 0，相关系数均通过0.05水平的显著性检验。相对湿度与臭氧浓度的相关性较高，气温和总云量次之。

表2 逐日臭氧浓度与相关因子的相关分析

2.2 臭氧与气象要素的拟合

2.2.1 臭氧逐时值的拟合

2.2.1.1 多元线性回归及Shepard插值法

多元线性回归关于未知参数和回归变量都是线性关系[17]，其变量都是线性关系，其变量关系可以表示为：

(1)

式中：βk为回归系数；ε为随机误差，ε的均值为零；x为自变量；y为函数变量。

常用的散乱节点插值方法是Shepard插值法(反距离加权平均法)。其基本思想是，在点(x，y)处，定义其插值函数的函数值为点(xm，ym)的函数值zm，n，按(x，y)与(xm，ym)之间的距离的某种形式反比例作为权重因子的加权平均。如：

(2)

2.2.1.2 臭氧浓度逐时拟合结果

统计昆明2019年5月逐时臭氧浓度监测数据与同时段的气象参数(温度、相对湿度)的相关性，分析影响臭氧浓度变化的气象条件，进行臭氧浓度监测数据与同时段的气象参数(温度、相对湿度)多元线性回归和Shepard插值，回归准确率按照优(1～100 μg·m-3)、良(101～160 μg·m-3)2个质量等级标准统计。

表3 逐时臭氧浓度拟合结果

表3可见，两种方法拟合效果良好，多元线性回归的相对误差非常小，绝对误差是13.904 3，准确率为89.9%；Shepard插值的绝对误差和相对误差比较接近，在18到16之间，说明拟合结果一致偏大，偏大值10～15(μg·m-3)，准确率在90%以上。两种方法效果均良好，可以互补应用。

采用2019年5月逐时的臭氧浓度监测数据(z轴)与同时段的气象参数(温度、相对湿度分别是x轴和y轴)，Shepard插值如图1，可见通过插值得到不太光滑的曲面，而且插值是有折痕的表面(其由多个平面组成)。离散节点是利用插值曲面计算该区域内拟合点的数值。

图1 Shepard插值曲面图

图2 Shepard插值平面图

由图2可见，Shepard插值结果表明：当温度高、湿度低时臭氧的小时浓度处于较高水平，这是因为太阳辐射较强时气温高、湿度低，能够加快光化学反应，有利于臭氧产生。这与许多学者的研究结果是一致的。

2.2.2 臭氧逐日均值的拟合

统计昆明逐日的臭氧浓度值，分析2017～2019年昆明市臭氧浓度监测数据与同时段的气象参数(温度、相对湿度、总云量)进行非线性多元回归分析，分析影响臭氧变化的气象条件，回归准确率按照优(1～100 μg·m-3)、良(101～160 μg·m-3)2个质量等级标准统计。

2.2.2.1 Hougen-Watson模型

Hougen-Watson 模型是多元非线性模型[18，19]，其模型是：

y=g(x,β)=(β1x2-x3/β5)/(1+β2x1+β3x2+β4x3)

(3)

式中：β1，β2，β3，β4，β5为待定参数；x1，x2和x3为输入因子，被称为Hougen函数。在实际问题中，可以根据各个输入因子之间的物理意义和输入因子排列顺数对输出结果的影响来建立函数关系模型。

2.2.2.2 臭氧浓度逐日拟合结果

基于Hougen-Watson 模型，对2017～2019年臭氧的日平均浓度与气象要素进行多元非线性回归统计，根据相关系数显著性水平，以气温、相对湿度和总云量3个气象要素为输入因子，试验各个输入因子排列顺序建立函数关系模型，根据输出效果，优选最佳拟合模型。

表4 臭氧浓度逐日拟合结果

表4可见，3个组合拟合效果较好，绝对误差小于26，相对误差在-2.6到0.5之间，准确率在70%以上。组合3为最佳组合，输入因子x1，x2和x3分别是相对湿度、总云量和温度，相对误差为-0.469 8，绝对误差是22.763 1，准确率为74.1%。

3 结论

(1)逐时臭氧浓度与气温相关系数为0.808 2，呈现高度相关，而与相对湿度是显著负相关的状态。经显著水平0.05检验，气温和相对湿度因子均表现为显著相关。

逐日臭氧浓度与气温呈正相关关系，与相对湿度和总云量呈负相关关系。相关系数均通过0.05水平的显著性检验。相对湿度与逐日臭氧浓度的相关性较高，气温和总云量次之。

(2)逐时拟合臭氧浓度效果良好，多元线性回归的相对误差非常小，绝对误差是13.904 3，准确率为89.9%；Shepard插值的绝对误差和相对误差比较接近，在18到16之间，说明拟合结果一致偏大，偏大值10～15(μg·m-3)，准确率在90%以上。

(3)逐日拟合臭氧浓度结果是组合3效果最佳，输入因子x1，x2和x3分别是相对湿度、总云量和温度，相对误差为-0.469 8，绝对误差是22.763 1，准确率为74.1%。