韶关市O3 特征及其相关气象因子的分析和预报

2024-03-13何龙敏刘聪林青张玲陈虓韵卢美兰

广东气象 2024年1期

何龙敏，刘聪，林青，张玲，陈虓韵，卢美兰

（翁源县气象局，广东翁源 512600）

近年来随着城市规模的不断扩大、消耗能源结构的转变及汽车保有量的迅猛增加，导致全球臭氧（O3）质量浓度出现逐年增加的趋势［1］。O3是挥发性有机物（VOCs）和氮氧化物（NOx）等在大气中通过一系列光化学反应生成的二次污染物，对人体健康和生态环境均产生较大影响［2－3］。

气象因素在O3形成、沉降、传输和稀释中扮演着重要角色。局地气象条件，如风向、风速、温度和相对湿度等对O3及其前体物的时间变化具有重要影响［4－6］。目前，在国内开展的气象因素对O3影响的研究工作中，研究地点主要集中在珠三角［7－8］、京津冀［9－10］、长三角［11－13］以及成渝地区［14－15］。步巧利等［16］利用2017—2020年佛山市环境空气监测点O3的监测数据，分析发现O3超标多出现在气温较高、风速偏低、相对湿度低的天气；黎煜满等［17］主要分析了粤北山地城市（韶关地区）近地面臭氧污染特征及传输通道影响，指出韶关市O3传输通道一是来自广东省清远和珠三角（如广州、佛山、肇庆）地区，二是来自江西省赣州；杜勤博等［18］分析了汕头市2014—2017年O3监测数据与气象因子的关系，利用BP神经网络对O3质量浓度进行预报，表明运用气象要素能够很好地预报O3质量浓度。

本研究利用2018年1月1日至2020年12月31日逐时观测数据对韶关地区近地面O3质量浓度变化特征进行分析，并探讨影响O3质量浓度变化的关键气象因子，为今后韶关及粤北地区O3质量浓度的预报预警、O3污染治理防治等工作提供参考。

1 资料与方法

1.1 监测点位

监测地点位于韶关市曲江区，该站点是韶关市国控监测站。研究数据主要采用2018年1月1日—2020年12月31日的大气环境质量排放指标在线监测数据；同期气象数据资料为曲江区国家气象观测站常规项观测数据。

1.2 分析方法

按照我国《环境空气质量标准》（GB 3095—2012）［19］中O31 h平均质量浓度标准，逐时O3超过160μg／m3时为轻度污染。本研究首先利用Origin分析每日O3质量浓度均值与气象因子的相关性，得出影响较大的气象因子，然后绘制O3质量浓度和相关气象因子的箱装图及超标频率图，同时利用SPSS和Origin软件分月对臭氧最大、最小、平均值和影响较大的气象因子进行Spearman相关性分析，探讨气象因子如何影响O3质量浓度，最后得出主要气象因子。为了更好地解释变量之间的关系，消除量纲的影响，本研究将对主要气象因子和O3质量浓度数据先进行Z标准化处理再采用逐步线性回归方法建立的4个季度O3质量浓度污染发生概率等级预报方程，选取2020年3、6、9和12月的资料来进行试报，分析试报结果以验证预报方程是否具有科学性和可行性。

2 结果与分析

2.1 O3质量浓度均值与气象因子相关性

由2018—2020年每日臭氧质量浓度均值与气象因子进行相关性分析（图1）可以看出，O3质量浓度与最高气温（tmax）、最低气温（tmin）、平均气温（tavg）、日温差（Δt）以及相对湿度（Rh）的相关性最高，分别为0.59、0.42、0.53、0.47、－0.51，这也说明O3质量浓度确实和气象因子关系密切。

图1 2018—2020年每日O3质量浓度均值与气象观测因子相关系数

2.2 温度、相对湿度对O3质量浓度的影响

由图2a可知，O3质量浓度最大值的变化趋势、超标频率和温度总体呈正相关关系。这是因为温度越高太阳辐射越强，局地光化学反应强度增大，导致二次生成的O3质量浓度越高［20］。由图2b可知，O3质量浓度最大值的均值最高出现在相对湿度61%～70%区域，但在71%～80%出现超标的频率最高，主要是高相对湿度不利于O3积累，在均值相差不大的情况下，O3质量浓度超标频率也会更多。但在相对湿度超过80%之后，光化学反应逐渐减少且高相对湿度有利于O3干沉降作用的发生［21］。

图2 2018—2020年不同温度（a）和相对湿度（b）时O3质量浓度最大值和超标频率

2.3 温度、相对湿度、风速和O3质量浓度的相关性

1）温度的影响。

由表1可知，年平均值分别为0.664和0.424，相关系数最大值均出现在5月份。这是因为5月份韶关地区往往降雨较多，在高温高湿天气，O3质量浓度受到温度的影响更为显著，局地光化学反应也会增强。

表1 不同月份O3质量浓度最大值、平均值与最高气温的相关系数

表2为O3质量浓度最大值与平均气温的相关性，由表2可以得出，平均温度和O3平均值的相关系数在5—11月相关较高。引起这种季节性的差异的原因可能由于观测点O3质量浓度在夏季主要由局地光化学反应产生；而在冬季韶关却是冷空气频繁光顾的季节，局地光化学反应程度减弱，O3质量浓度的变化主要是远距离水平输送和平流层向下输送，与温度相关性较低。

表2 O3质量浓度最大值与平均气温的相关性

2）相对湿度。

表3为O3质量浓度最大值、最小值和平均值与相对湿度的相关性，年平均相关系数分别为－0.591、－0.645。O3质量浓度最小值与相对湿度的相关性较小，而平均值的相关系数最大。其中5月份O3质量浓度最大值和平均值与相对湿度的相关系数最大，而O3质量浓度与温度的相关系数最大月也是5月份，这也说明了在高温天气情况下，O3质量浓度和相对湿度的相关程度也更高。

表3 O3质量浓度最大值、最小值和平均值与相对湿度的相关性

3）风速。

从表4可以看出，O3和风速的相关系数，O3质量浓度与风速的年均相关系数是0.34；对比不同月份的相关系数，1—5月的相关系数较高，平均相关系数约为0.42；在夏秋季，光化学反应是产生高O3质量浓度的主要原因，因此O3质量浓度与风速相关性较低，与气温相关性较高；而在冬春季，远距离和高低层大气传输的贡献相对增加，使得O3质量浓度与风速相关性较高，与气温相关性较低。

表4 O3平均质量浓度与平均风速的相关性

3 O3质量浓度预报方法的建立和检验

为了解影响较大的气象因子与O3质量浓度的定量关系，本研究选取相对湿度、最高气温、最低气压、平均风速共4个气象因子来预测O3质量浓度等级，首先对前3 d的相对湿度、最高气温、最低气压、平均风速与O3质量浓度进行相关性分析。由图3可知，前第1天的最高气温、相对湿度；前第2天最高气温、最低气压、相对湿度；前第3天的最高气温、最低气压的相关系数较大（大于0.3）。

图3 前3 d的相对湿度、最高温度、最低气压、平均风速与O3质量浓度相关的相关系数

对2018年1月1日—2020年12月31日的O3质量浓度和相关气象因子数据进行Z标准化处理，即：A′i＝（Ai－¯A），其中A′i为标准处理后的数据，Ai为当天O3质量浓度（μg／m3），¯A为样本数平均值（μg／m3）。利用逐步线性回归方法，以2018年1月1日—2019年12月31日具有显著影响的气象因子为自变量，分4季建立O3质量浓度（Y）的预报方程：

春：Y＝0.293 9－0.406 2X1＋0.277 3X2－0.001 6X3＋0.453 9X4－0.549 7X5－0.032 2X6－0.278 5X7

夏：Y＝0.2772－0.608 7X1＋0.041 87X2＋0.169X3＋0.063X4－0.337 6X5－0.163 9X6＋0.118 7X7

秋：Y＝－0.092 8－0.435 6X1＋0.310 8X2－0.080 8X3＋0.259 4X4－0.006 9X5＋0.276 6X6＋0.053 1X7

冬：Y＝－0.454 5－0.403 8X1＋0.263 7X2－0.076 5X3－0.157X4－0.283 9X5－0.323 4X6＋0.291X7

其中，X1为前第1天相对湿度（%）；X2为前第1天最高气温（℃）；X3为前第2天相对湿度（%）；X4为前第2天最高气温（℃）；X5为前第2天最低气压（hPa）；X6为前第3天最高气温（℃）；X7为前第3天最低气压（hPa）。

本研究利用等宽分箱法，每个等级的步长一定，每个区间当成一个分箱，即将O3平均质量浓度从小到大排序，按照相等的间距将其不同的等级对应。经过对基础数据的观察，发现数据经过Z标准化处理后，小于0（当天O3平均质量浓度为55μg／m3）时，基本不会发生O3污染；当数值大于0且出现高温天气时，将开始出现O3污染，O3污染发生概率随着数值的增加而增加；当数值大于1.5时，发生臭氧污染的概率极高，因此，本研究将臭氧平均质量浓度Z标准化处理后的数据从小到大排序，将0～1.5分成3个等级，其余区间各为一个等级，共分为5个O3质量浓度污染发生概率等级（表5）。

表5 O3质量浓度污染发生概率等级划分

对于预报方程的预报效果，本研究选取2020年3、6、9和12月的资料来进行试报，因已将2020年1月1日—12月31日的数据进行Z标准化处理，因此直接将数据代入对应的季度O3质量浓度预报方程，得到预测值Y，根据Y的数值进行等级划分，同时对2020年3、6、9和12月O3质量浓度Z标准化处理后的数值，根据表5进行等级划分，若试报当天发生概率等级与实际发生概率等级相差≤1级则为试报成功，＞1级则试报失败。试报结果如表6所示，同级在46.67%以上，试报准确率在86.67%以上，其中2020年12月试报结果最为良好，同级高达87.10%，准确率为96.67%。

表6 2020年3、6、9和12月（试报）O3质量浓度污染发生概率等级预报准确率 %

另一方面，将预测值Y进行逆标准化处理，可以得到预测出来的O3平均质量浓度，结果如图4，预测结果的趋势与实际值基本一致，其值域与实际值值域也比较接近。因此，本研究所建立的预报方程对O3质量浓度污染发生概率等级划分具有较好的预报能力。需要指出的是，预报方程实际应用时，需将作为自变量的实际气象数据和原始数据统一进行标准化处理，得到的标准化数值代入季度预报方程进行预报。