负氧离子浓度等级预测*

李正泉 郑 健 胡 晓 朱晓翠

（1.浙江省气候中心，浙江 杭州 310052; 2.奉化区气象局，浙江 宁波 315500; 3.镇海区气象局，浙江 宁波 315202）

空气负氧离子是带有负电荷的气体分子和轻离子团的总称，具有降尘、灭菌作用，可改善人体心肺功能、促进新陈代谢、增强肌体抗病能力，有利于身心健康，被称为“空气维生素”[1-5]。空气负氧离子的浓度高低常被作为衡量空气质量好坏、空气清新与否的重要指标[4-5]，其监测数据已被广泛应用于天然氧吧、气候康养等评估认定工作。目前空气负氧离子浓度分布特征及其影响因素的研究较多[6-20]，如：李巧云等[7]分析了湖南省森林植物园空气负氧离子浓度夏季最高，且空气负氧离子浓度与温度、降雨量、相对湿度基本呈正相关；韦朝领等[8]和王继梅等[9]研究得出影响空气负离子浓度的最主要气象因子是空气相对湿度；周晓香等[10]研究指出空气负离子与日照时数呈现出极显著的线性负相关，与降水量有显著的线性正相关；不同下垫面类型和不同的绿地结构对空气负离子浓度也会产生一定影响[11-14,18]，森林和湿地的空气负氧离子浓度显著高于城区[13-15]。

近些年来，也有学者开展了有关空气负氧离子预测研究相关工作[21-26]，如：赵蕾等[21]以气温、气压、风速和相对湿度为自变量建立了海南省5 个景区空气负氧离子预报方程；顾小丽等[22]建立了以露点温度、水汽压、能见度、风速和日雨量为主要预报因子的宁波市负氧离子预测模型；丛菁等[23]研究认为气温和PM10等是影响大连市负氧离子浓度的关键因素，且均与负氧离子浓度呈负相关，并以气温、PM10、日照时数、露点温度等要素建立了季节负氧离子预报方程；王宝等[25]研究发现玉溪空气负氧离子浓度日变化与相对湿度、气温并非单一的正或负相关关系，用空气相对湿度的二次多项式开展了负氧离子浓度预测。

由于负氧离子观测具有很强的局地特性，因而各地建立的预测模型存在着一定差异，所选取的预报因子也不尽一致。部分模型所使用的预报因子（如：露点温度、能见度、日照时数等）在日常气象预报服务产品中较难获取（或预报准确度较差），致使这些模型在实际使用过程中或多或少的存在着应用局限，且大多数模型都未考虑空气质量对负氧离子的影响。另一方面，以往大部分研究虽然建立了负氧离子浓度预测模型，但都尚未开展负氧离子浓度等级的预报和检验。在实际生活中，普通人更关心的是负氧离子浓度等级，这就如同公众会更多关注舒适度等级而非具体的舒适度指数值。本文拟通过对负氧离子与天气、环境因子的关联性统计分析，建立宁波市镇海区负氧离子等级预报模型，旨在为当地开展清新空气服务、开发康养旅游资源及保护生态环境等提供帮助。

1 材料与方法

1.1 资料来源与数据质控

本文所需气象数据来源于2017—2018 年镇海国家气象站质控数据，包括气温、相对湿度、降水量和风速。空气质量数据来源于宁波市生态环境局公布的镇海龙赛医院观测点（国控站）逐日空气质量指数AQI。负氧离子数据取自镇海国家气象站监测的小时数据，监测设备为北京威德创新科技有限公司生产的WIMD-A 型大气负氧离子自动监测系统。利用浙江省地方标准DB33/T2226-2019《空气负（氧）离子观测与评价技术规范》[5]对2017—2018 年镇海站的负氧离子小时数据进行质量控制，分别进行界限值、跳变值和空气湿度检查。以质控后的小时数据为基础，按照DB33/T2226-2019 中相关规则，将小时数据计算统计为负氧离子日值数据。

1.2 预报因子筛选

使用偏相关分析方法，检查气温、降水、相对湿度、风速、AQI 等气象环境因子与空气负氧离子浓度变化的关联关系。根据偏相关系数是否通过0.05 水平t 检验，确定可用于负氧离子浓度预测的入选因子。偏相关系数计算公式如下：

式中，Rij⋅hmlk表示Xi和Xj的四阶样本偏相关系数，右边均为三阶偏相关系数，i、j、h、m、l、k分别取1、2、3、4、5、6 的组合，X1、X2、X3、X4、X5、X6分别表示日平均气温、相对湿度、风速、AQI、降水量和负氧离子浓度。

1.3 预报模型建立

基于气温、降水、相对湿度、风速、AQI 与负氧离子浓度数据的偏相关分析，确定以气温、相对湿度、AQI 为预报因子，按公式（2）形式，建立负氧离子浓度预报模型。

式中，TEMP 为日平均气温、HUMI 为日平均空气相对湿度、AQI 为空气质量指数、FYLZ 为负氧离子浓度，C0、C1、C2、C3为模型参数，由回归统计获得。负氧离子浓度等级划分标准参照DB33/T2226-2019，详见表1。

表1 空气负（氧）离子浓度等级划分标准Table 1 Standard for concentration grade of air negative oxygen ion

2 结果与分析

2.1 负氧离子与天气环境因子关联性分析

将2017—2018 年镇海区气温、降水、相对湿度、风速、AQI 和空气负氧离子浓度等各要素的日均值数据，按一定数量等级进行数据分类，分析气温、降水、相对湿度、风速及AQI 对空气负氧离子浓度的影响。从图1～2 可知，负氧离子浓度随气温升高、湿度增大呈现增加趋势，随AQI升高呈现下降趋势，与风速变化关系不明显，有降水时段的负氧离子浓度相对偏高于无降水时段。

图1 负氧离子浓度与天气因子关联关系Fig.1 Correlation between negative oxygen ion concentration and weather factors

进一步使用偏相关函数分析日平均气温、相对湿度、风速、空气质量指数、日降水与负氧离子浓度的相关关系，由表2 可知，负氧离子浓度与气温、相对湿度有显著性正相关关系，相关系数（R）分别为0.569、0.210，与AQI 变化有显著性负相关关系，相关系数（R）为-0.578；与风速、降水的相关性相对较弱，未能通过0.05 显著水平检验。

表2 负氧离子浓度与天气环境因子偏相关分析Table 2 Partial correlation analysis between negative oxygen ion concentration and the factors of weather and environment

2.2 负氧离子预报模型建立与模型回算

以负氧离子浓度为因变量，气温、相对湿度、AQI 为自变量，按公式(2)形式建立空气负氧离子预报模型。2017—2018 年镇海站共有447 个有效配对的日气温、相对湿度、AQI 和负氧离子浓度数据，随机选取433 个用于负氧离子预报模型回归统计建模，余下14 个用于模型预报能力检验。通过回归统计获得镇海站空气负氧离子预报模型回归参数C0、C1、C2、C3分别为600、1.601、4.735 和-4.301，回归方程决定系数R2为0.677，通过0.01 水平显著性检验。

图2 负氧离子浓度与空气质量AQI 关联关系Fig.2 Correlation between negative oxygen ion concentration and air quality index

将回归建模数据进行模型回算，对比分析模型回算值与实际观测值两者差异，以检验模型的模拟能力。从图3 可看出，构建的负氧离子预报模型具有良好的模拟能力，回算值与观测值的变化趋势大体一致，两者的相关系数（R）为0.803。

图3 负氧离子预报模型回算值与观测值对比Fig.3 Comparison of the observation value and the simulated value of the negative oxygen ion prediction model

按照DB33/T2226-2019 中空气负（氧）离子浓度等级划分标准（表1），对实际观测和模型回算的负氧离子浓度值进行等级划分，以检验模型对负氧离子浓度等级的预报能力。从表3 可知，负氧离子浓度等级越高，模型的模拟能力越强。在192 个负氧离子浓度等级为“I 级”的观测日值中，模型回算结果有168 个正确、24 个错误（误判为“II 级”），准确率约为88%；在71 个负氧离子浓度等级为“III 级”的观测日值中，模型回算结果有43 个正确、28 个错误（其中：有27 个误判为“II 级”，有1 个误判为“IV 级”），准确率约为61%。在总的433 个样本中，模型回算结果有336 个正确，总体准确率约为78%。

表3 预报模型回算与实际观测的负氧离子浓度等级对比分析Table 3 Comparison of negative oxygen ion concentration grade between the simulation and the observation

2.3 负氧离子预报检验

为进一步检验负氧离子预报模型的预报能力，选用2017—2018 年未参与建模的气温、相对湿度和AQI 数据（共14 d）进行负氧离子浓度等级预报独立性检验，获得的预报检验结果如图4 所示。在14 d 预报中，有10 d 预报正确、4 d 预报错误，其中：3 d 为低报，“II 级”错报为“III 级”2 次、“I 级”错报为“II 级”1 次，1d 为高报，“III 级”错报为“II 级”，预报准确率约为71%。

图4 负氧离子预报模型预报能力检验Fig.4 Prediction test of prediction model of negative oxygen ion

3 讨论与结论

空气负氧离子主要产生于大气电离、水体Lenard 效应、植被光合和植物尖端放电等自然过程，其浓度的高低主要取决于局地的本底小环境，同时天气条件和空气质量对它的变化也会产生一定影响。本研究重点分析了气温、相对湿度、风速、降水和AQI 与负氧离子浓度的变化关系，结果显示,负氧离子浓度变化与气温、相对湿度和AQI呈现显著相关，其中,与气温和相对湿度变化有显著性的正相关关系，相关系数（R）分别为0.569、0.210，与AQI 变化有显著性的负相关关系，相关系数（R）为-0.578，而与风速和降水的关系并不显著。对于降水对负氧离子浓度的影响，以往研究有人指出降水量对负氧离子浓度变化具有显著性正相关关系[7,10]，这与本研究结论有一定差异。由于负氧离子监测仪是通过测量空气分子所带的电荷数量，以微弱电流信号（皮安级，10-12A）换算得到空气负氧离子浓度值，在高湿和降水天气，负氧离子监测仪的观测性能较差，观测数据常常呈现异常波动，存在大量“可疑”数据。本研究为了提高数据分析的可靠性，利用浙江省地方标准[5]（DB33/T2226-2019）对负氧离子监测数据进行质量控制，剔除了空气相对湿度大于99%和降水过程的负氧离子数据，这可能是造成降水与负氧离子浓度关系不显著的主要原因。

空气负氧离子的浓度高低常被作为衡量空气清新与否的重要指标，建立负氧离子预报服务可为社会公众开展天然氧吧“深呼吸”活动提供出行指引。本研究基于气温、相对湿度、风速、降水和AQI 与负氧离子浓度关系的关联分析，选取了对负氧离子浓度变化有显著影响的气温、相对湿度和AQI 要素作为预报因子，建立了负氧离子浓度等级预报模型。所建立的预报模型不仅所需的预报因子少，且预报因子易在常规的预报服务产品中获得，预报模型简易、便于操作。本研究基于气温、相对湿度和AQI 构建的负氧离子浓度等级预报模型具有较好的预测能力，预报模型的回归方程决定系数（R2）达0.677，模型的负氧离子浓度历史回算值与观测值两者之间相关性（R）可达0.803，浓度等级的历史回算准确率总体为78%，其中，浓度等级为“I 级”的准确率约为88%，浓度等级为“II 级”的准确率约为74%，浓度等级为“III 级”的准确率约为61%。预报模型的独立性检验进一步证实了本研究预报模型对负氧离子浓度等级预报的潜力，等级预报准确率总体可达71%，且预报模型表现出负氧离子浓度等级越高，预测准确度越大。

本研究基于预报因子和预报变量的统计关系建立了负氧离子浓度等级预报模型。众所周知，统计预报模型的可靠性不仅取决于预报变量与预报因子的相关程度，还取决于参与建模的数据样本量大小。本研究仅选取了2017—2018 年期间的433 个有效配对的日气温、相对湿度、AQI 和负氧离子浓度数据，对负氧离子浓度等级预报模型进行回归统计建模。因参与建模的样本量数据相对较少，所获的模型回归参数有可能不是最终的最优参数，仍需结合后续数据积累对模型参数进行进一步优化调整。另一方面，本研究在开展预报模型的独立检验过程中，预报模型的独立检验所采用的气温、相对湿度和AQI 数据均是各要素的观测值而不是它们预报产品的预报值，由于气温、相对湿度和AQI 的预报技术仍不完善、预报产品本身也存有预报误差，因此在使用实际预报产品开展负氧离子等级预报时，模型的预报准确度可能会因气温、相对湿度和AQI 等预报产品的预报误差造成模型预报准确度降低。