突泉老头山负氧离子特征分布及预报方法的建立

吴焕波，冯凯宁，张亚敏，谷新波

(1.内蒙古自治区气象服务中心，内蒙古 呼和浩特 010051；2. 内蒙古自治区乌审旗气象局，内蒙古 乌审旗 017300)

随着雾霾天气的不断出现，空气质量和居住环境越来越引起人们的关注。负氧离子是带负电荷的单个气体分子和轻离子团的总称[1]，空气中的负离子浓度是衡量空气质量好坏的重要指标，在带有正电颗粒离子的污秽空气中发生中和作用，从而改善空气质量。另外，负氧离子能促进人体新陈代谢，提高免疫力，调节机能平衡[2]，令人心旷神怡，被喻为“空气维生素”。

国内众多学者对不同植被类型、不同绿地类型和不同城市功能区中空气负离子的分布及变化规律均有大量的研究[3～5]，还有对空气负离子的时空变化特征以及与气象要素的关系进行了分析[6～8]。但各种自然条件和居住环境中激发空气电离的能量不同，大气温度、湿度与气压的不断变化，在各种环境中空气负离子的数值有很大的差异[9～10]。突泉老头山位于内蒙古兴安盟突泉县宝石镇西北部，雨量适中，植被茂密，生态良好，春季花团锦簇，夏季云蒸霞蔚，秋季色彩和谐，冬季银装素裹，四季均是旅游胜地。笔者分析了内蒙古突泉老头山的负氧离子浓度的时间变化规律及与气象要素的相关特征，并采用逐步回归方法建立负氧离子浓度预测模型，以期为老头山旅游气象服务提供理论依据。

1 资料

2017年5月19日～2018年7月17日突泉老头山气象自动站(C7453)的逐小时实测负氧离子浓度、温度和相对湿度；同期突泉气象站(50934)的逐时和逐日气象数据，要素包括温度(平均、最低、最高)、相对湿度、地温(平均、最低、最高)、降水量(0820、2020、1h最大降水量)、水平能见度、风速、风向、气压(平均、最高、最低)和日照时数等。对所有数据进行质量控制。

2 方法

用FORTAN对数据进行预处理和计算，用Matlab画散点图。

采用相关分析方法研究负氧离子浓度与气温、湿度、气压等气象要素之间的关系。根据负氧离子与气象要素之间的相关关系，采用逐步回归方法建立负氧离子浓度的预测模型。

逐步回归方法是按偏相关系数的大小次序将自变量逐个引入方程，对引入方程中的每个自变量偏相关系数进行统计检验，效应显著的自变量留在回归方程内。因为新自变量的引入，原已引入方程中的自变量由于变量之间的相互作用其效应有可能变得不显著，要随时从方程中剔除。如此通过不断引入和剔除自变量，最后得到最优回归方程。

3 分析与结果

3.1 浓度分布特征分析

计算负氧离子月和日平均浓度，分别见图1和图2。由图1和图2可知，突泉老头山空气中负氧离子浓度具有明显的月变化特征，6月～11月负氧离子月均浓度较高，其中8月份最高，平均值达11 180个/cm3，4月份最低，为1 463个/cm3。季节分布为夏季最高，其次是秋季，在春季(1 794个/cm3)和冬季(1 758个/cm3)最低。突泉老头山负氧离子浓度变化范围330～23 014个/cm3，其中2017年7月7日～10月11日和2018年5月16日～7月17日的较高，且变化范围大，其余时间段分布较为平缓，主要集中在5 000个/cm3以下。

图1 负氧离子月均浓度变化

3.2 日分布

世界卫生组织(WMO)规定：清新空气中负离子含量不应低于1 000个/cm3。在我国目前应用得比较多的负氧离子浓度等级标准及与健康的关系如表1所示[11]。统计分析负氧离子浓度在不同季节的日分布(其中冬季只有9∶00～19∶00的数据)，并与标准限值比较，见图3。

图2 负氧离子日均浓度变化

图3 负氧离子平均日变化(其中冬季缺失数据多)

表1负氧离子浓度等级与健康的关系

由图3可知，负氧离子浓度日分布为一峰一谷的趋势，峰值出现在5∶00～6∶00左右，谷值出现在15∶00左右，然后浓度开始逐渐增大，直到第二日清晨。

4个季节的负氧离子浓度的关系为秋季、夏季>全年平均>春季、冬季，秋季的峰值远高于其他季节的峰值，另外春、冬季日较差小。与标准限值相比，所有季节的负氧离子浓度均高于1级限值，除冬季和春季外，其余季节和年均负氧离子浓度均高达6级。空气中负氧离子数较高时，可达到世界卫生组织规定的“空气清新”标准的10倍以上。

图4 负氧离子小时平均浓度与气象要素的关系

3.3 与气象要素相关性分析

3.3.1 小时平均浓度。影响空气中负氧离子浓度的因素极为复杂，不同测点，影响负氧离子浓度的气象因子也有所不同。国内很多学者在研究负氧离子浓度时，也得到了不同的结果[12,13]。由于C7453气象站除温度0和湿度0外，没有其他气象要素资料，为尽可能多地引入气象要素，笔者用临近50934气象站的气象要素代替分析。为分析其代表性，计算50934气象站的小时温度和小时相对湿度与小时温度0和小时湿度0的相关性，分别为-0.01和-0.02，且均未通过显著性检验，故该部分值分析负氧离子小时浓度值与小时温度0和小时相对湿度0的关系，另外，冬季小时值缺失数据严重，暂不分析冬季的日变化，结果见图4。

由图4可知，在春、夏、秋3个季节，负氧离子日变化与温度呈负相关，与相对湿度呈正相关。

3.3.2 日均浓度。计算50934气象站的日均温度、日均相对湿度与日均温度0、日均湿度0的相关系数，分别为0.980和0.854，并通过0.01的显著性检验，故文中可用50934气象站的气象要素日均值代替分析。

计算各气象要素日均值与负氧离子日均浓度的相关系数，筛选相关性较高且通过显著性检验的要素，并画散点图，见图5。

图5 各气象要素日均值与负氧离子日均浓度的散点图及相关系数

由图5可知，日均负氧离子浓度与日均温度0、日均相对湿度0均呈正相关，相关系数分别为0.371和0.566。日均负氧离子浓度与50934气象站气象要素的相关性如下：与最低地温、平均相对湿度、1h最大降水量呈正相关，相关系数分别为0.509、0.650、0.349，与最高气压、最小能见度、日照时数和平均风速呈负相关，相关系数分别为-0.334、-0.105、-0.304、-0.229，以上相关性均通过显著性检验。另外，日均负氧离子浓度与前一天负氧离子日均浓度呈较高的正相关，相关系数为0.752。

3.4 预报方程建立

利用多元线性回归，将日均温度0、日均相对湿度0，最低地温，平均相对湿度，最高气压，最小能见度，1h最大降水量，日均风速，最大风速风向，日照时数和前一天负氧离子日均浓度引入，试建立负氧离子日均浓度(Y)预报模型。利用逐步回归进行多元线性回归，得到回归方程，方程和系数均通过显著性检验，解释方差R2=0.702，结果见表2。

表2负氧离子日均浓度预报方程

利用2018年7月1日～17日的负氧离子日均浓度对以上预报方程预报结果进行检验，结果见图6。

图6 负氧离子浓度预报方程检验

由图6可知，拟合方程能大致描述负氧离子日均浓度的变化趋势，预报值偏大于实况，预报和实况的相关系数为0.67，平均误差为-1 903个/cm3。能较好模拟实况的趋势和值。

4 结论

突泉老头山负氧离子浓度具有显著的月变化，夏季最高，其次是秋季，在春季和冬季最低；研究时间范围内，2017年7月7日～10月11日和2018年5月16日～7月17日的较高，且变化范围大，其余时间段分布较为平缓，且主要集中在5 000个/cm3以下。

负氧离子浓度日分布为一峰一谷的趋势，峰值出现在6：00左右，谷值出现在15∶00左右。4个季节的负氧离子小时平均浓度的关系为秋季、夏季>全年平均>春季、冬季。与标准限值相比，所有季节的负氧离子浓度均高于1级限值，除冬季和春季外，其余季节和年均负氧离子浓度均高达6级。空气中负氧离子浓度较高时，可达到世界卫生组织规定的“空气清新”标准的10倍以上。

在春、夏、秋3个季节，负氧离子日变化与温度呈负相关，与相对湿度呈正相关；负氧离子日均浓度与同站的日均温度0、日均相对湿度0均呈正相关，与50934气象站的最低地温、日均相对湿度、1h最大降水量呈正相关，与最高气压、最小能见度、日照时数和平均风速呈负相关。另外，与前一天负氧离子浓度也有较高的正相关。

利用逐步多元线性回归方法，建立负氧离子的预报方程，解释方差为0.702，利用2018年7月1～17日数据进行检验，相关系数为0.67，平均误差为-1 903个/cm3。

另外，研究表明空气负氧离子浓度不仅与气象因子有关，还与人类活动、周围绿化环境等其他环境因子有相关性[11]。下一步应搜集其他环境数据，完善对突泉县老头山负氧离子浓度的预报，为旅游气象服务提供理论支撑。