基于AQI的文山市空气质量统计预报研究

郑舒天，朱黎阳，李自然，杨舒杨

（1.文山州气象局，云南 文山 663000；2.红河州气象局，云南 红河 661400）

随着我国城市化和现代化建设进程的加快，城市空气质量问题日益突出[1]，空气质量关乎日常生活的方方面面，污染严重时甚至会危害人体健康。根据《环境空气质量指数（AQI）技术规定（试行）》（HJ 633—2012）[2]，空气污染程度按照空气质量指数（AQI）的大小划分为6 个等级，空气污染与气象因素密不可分。许多学者[3-5]从空气质量指数与气象因子的相关程度入手，找出影响空气污染的气象因子。王景云等[6]发现，北京市不同季节对空气质量影响较大的气象因子存在差异，得出了空气质量预测的定性结论。刘郁钰等[7]研究发现，每个季节空气污染与不同气象要素有很大差异，通过对不同气象条件下污染天气发生情况的分析，找出了影响污染天气的主要气象因素，总结了局地污染天气预报指标。徐洁玲等[8]研究发现，AQI 指数的增大有累积特点，在回归过程中将前一天的AQI 值作为一项参数加入回归方程，极大地提高了预报准确率。

目前，文山气象业务应用中缺少先进的空气质量预报方法，因此迫切需要建立一种适用于文山实际工作的本地化空气质量预报方法。本文根据各类气象要素与空气质量指数的相关性分析，尝试建立各季节统计预报模型，通过编程自动计算AQI 指数，为业务工作中预报、订正AQI 指数提供有效参考，进而开展文山市空气污染预测预警专业气象服务。

1 资料与方法

本文采用2015-2019年文山市国家气象观测站逐日常规地面观测资料；使用2015-2019年文山市环境监测站空气质量日平均观测数据，包括6 类污染物逐日平均浓度值、AQI 逐日平均值等要素。编程使用的软件为Visual Basic 6.0，用以在业务中定量计算未来72 h 内AQI 的值并自动预报空气质量等级。

2 文山市2015-2019年空气质量季节分布特征

2015-2019年，文山市空气质量为优的日数呈增多的趋势，2019年空气质量优的日数约占全年日数的66%，相较2015年占比45%明显升高。空气质量为良以上的日数逐渐减少，2015-2019年良以上总日数为712 d，占总日数的39%，其中2015年202 d，占全年的55%，2016年152 d，占全年的42%，2017年101 d，占全年的28%，2018年132 d，占全年的36%，2019年125 d，占全年的34%（见图1）。

图1 文山市2015-2019年空气质量等级分布

空气质量为良以上的天气主要出现在春季，其次是冬季，两个季节的良以上日数占总污染日数的70%，夏季和秋季日数明显较少。轻度污染以上日数中95%出现在冬春季节，主要出现在1-4月，其次是秋季，夏季空气质量最好（见图2）。

图2 文山市2015-2019年空气质量良以上的月分布

3 AQI 与气象要素的相关性和统计模型

3.1 2015-2019年逐日AQI 与气象要素的相关性分析

对2015-2019年1 820 d 的有效日数做回归分析，发现相关性最明显的因子为当天08:00-20:00 降水量，相关系数达-0.645，其后依次为日最低本站气压、日平均海平面气压、日总日照时数和日平均地面温度，然后为日平均气温、日平均相对湿度、日最高本站气压和日平均2 min 风速，最小的日平均本站气压相关系数也在-0.063 以上。利用2015-2019年的全年相关分析做回归预报方程，发现AQI 指数预报准确率并不理想。受AQI 指数的季节性特征和气象环境场预报准确率的限制，在实际工作中，空气质量等级的预报应用性较差。为此，分季节建立回归方程，以提高预报准确率。

3.2 2015-2019年分季节AQI 值与气象要素的相关性分析

文山市属中亚热带季风气候，春秋长，冬夏短。春季气温回升快，易出现大风天气。夏季受暖湿气流影响，多降水、高温天气。基于文山特殊的气候背景，各个季节影响空气污染的气象因素也不尽相同。

如表1 所示，春季相关性较好的主要气象因子是相对湿度、最高气温、日照时数和极大风速。春季，随着雨水开始增多，气温逐渐升高，午后对流有效位能（CAPE）积累，开始出现雷暴天气，O3的浓度也随之升高，所以其与最高气温和日照时数的相关性升高。文山春季多大风天气，污染物随大风输入文山境内，影响AQI 指数，所以极大风速的相关性也较好。

表1 春季AQI 值的相关性分析

夏季相关性较好的气象因子为相对湿度、地面温度、平均气温和20:00 至次日20:00 降水量（见表2）。夏季西南季风活跃，文山多高温和降水天气，AQI 指数与地面温度、平均气温呈正相关，降水对大气中的污染物有明显的沉降作用，使得夏季PM10和PM2.5的浓度有所降低，故相对湿度、降水量与AQI 指数呈明显的负相关。

表2 夏季AQI 值的相关性分析

秋季降水较夏季虽有减少，但和冬春季节相比，降水依然较多，偶尔还会受到台风外围影响，所以降水对污染物浓度降低的影响依然存在，并且随着大气环流的季节调整，冷空气开始活跃，晴雨天气交替频繁，故相对湿度、降水量与AQI 指数依然呈现较好的负相关，最低地面温度、最低气温与AQI 指数的相关性升高（见表3）。

表3 秋季AQI 值的相关性分析

冬季冷空气活动更加频繁，加上冬季大气垂直层结构稳定，易形成逆温，导致垂直扩散能力下降。冷空气带来的外部污染物输入加上本地污染物堆积，导致空气污染较严重。如表4 所示，最低地面温度和最低气温的相关系数明显升高，日照时数和相对湿度也呈现负相关。

表4 冬季AQI 值的相关性分析

3.3 建立分季节的回归预报模型

由于文山市AQI 指数的上升是一个污染物积累的过程，因此前一天的AQI 指数对后一天的AQI 指数预测具有重要意义。将前后两天的AQI 指数做相关分析，发现相关系数在4 个季节都比较高，且都在0.01水平（双侧）上显著相关，分别为春季0.709、夏季0.751、秋季0.788、冬季0.741。在回归模型中加入前一天的AQI 指数作为因子后，预报质量显著提高。

春季回归模型为：

模型的相关系数R2为0.605，其中，A1为相对湿度，A2为最高气温，A3为日照时数，A4为极大风速，A5为前一天AQI 指数。

夏季回归模型为：

模型的相关系数R2为0.641，其中，B1为相对湿度，B2为地面温度，B3为平均气温，B4为20:00 至次日20:00 降水量，B5为前一天AQI 指数。

秋季回归模型为：

模型的相关系数R2为0.677，其中，C1为相对湿度，C2为最低地面温度，C3为最低气温，C4为20:00 至次日20:00 降水量，C5为前一天AQI 指数。

冬季回归模型为：

模型R2为0.607，其中，D1为最低地面温度，D2为相对湿度，D3为最低气温，D4为日照时数，D5为前一天AQI 指数。

4 预报能力检验

利 用2019年1月1日至12月31日的数据对预报模型进行检验，结果发现：春、夏、秋三季的AQI±15 预报准确率均高于80%，冬季的预报准确率相对较低（见表5）。预报准确率的总体趋势是随着预报时效的增长而降低，春、夏、秋三季的AQI±15预报准确率均高于污染等级预报准确率（见表6），只有冬季是污染等级预报准确率高于AQI±15 预报准确率。

表5 AQI±15 预报准确率分析

表6 污染等级预报准确率分析

5 结论

本文利用2015-2019年1 820 d 有效日数的空气质量监测日平均数据、气象观测日平均数据进行AQI指数和各气象要素的相关性分析，并分季节建立线性回归方程，得出各季节的统计学回归预报模型，然后用气象数值模式预报产品作为初始场，计算出AQI 指数预报准确率。研究表明，全年回归预报方程的AQI指数预报准确率并不理想，在业务工作中的预报应用性较差。根据文山的季节性气候特征，不同季节影响AQI 指数的关键气象因子有所不同，分季节建立回归方程，可以提高预报准确率。AQI 指数的增加具有累积性特征，四季前后两天AQI 指数的相关系数较高，因此在回归过程中加入前一天AQI 指数作为影响因素，预测质量得到显著提高。

AQI 预报准确率夏秋季相对冬春季较高，四个季节的预报准确率都随着预报时效变长而有不同程度的降低。原因之一是将之前的预报结果作为后一天预报的影响因子，导致误差增大，影响预报准确率。由于采用气象数值模式预报产品为初始场，因此AQI 的预报精度不仅受统计模式本身的限制，还取决于数值模式预报的精度。文山市的空气污染还受到外来输入的影响，今后可以尝试在预测模型中加入AQI 值或周边地区气象要素作为影响因子，提高模型的预报 能力。