哈密市近10 a空气质量分析及预报模型研究

Study on Air Quality Analysis and Forecast Model of Hami City in Recent 10 Years

摘要: 利用2010~2019年哈密市气象及空气质量监测数据，分析了哈密市空气质量状况及其与降水、能见度、平均气温、风速、日照时数等气象因子的相关关系，采用多元逐步回归法建立四季空气质量指数预报模型并进行检验。结果表明：哈密市空气质量以优良为主，达标率为88.4%；2011年空气质量最好，污染日数最少，2014年轻度及以上污染日数最多，为空气质量最差年。近10 a春季空气质量最差，夏季最好。在不同季节，AQI指数与降水、能见度、气温均呈负相关关系，与风速、日照时数、气压呈正相关。建立了春、夏、秋、冬四季空气质量预报模型且均通过显著性检验；经检验，夏季模型预报效果最好，秋、冬季次之，春季较低，预报准确率都超过70%，可应用于哈密市空气质量预报业务。

Abstract: Using the meteorological and environmental data of Hami City from 2010 to 2019, the air quality status of Hami City and its correlation with meteorological factors such as precipitation, visibility, temperature, wind speed, and sunshine hours are analyzed. Using multiple stepwise regression method to establish and test the four season air quality prediction model. The results show that the air quality of Hami City was excellent, and the standard rate is 88.4%. Pollution days are the least in 2011, and the air quality was best. In 2014, the number of days of mild pollution and above was the most, and the air quality was worst. The air quality is the worst in Spring and the best in Summer in past 10 years. In different seasons, AQI index is negatively correlated with precipitation, visibility, and temperature, and positively correlated with wind speed, sunshine hours, and air pressure. The air quality forecast models in Spring, Summer, Autumn and Winter were established and passed the significance test. The results show that the Summer forecast model has the best forecast effect, followed by Autumn and Winter, and the Spring model has the lowest, forecast accuracy of more than 70%, which can be applied to the air quality forecast business in Hami City.

1. 引言

哈密市位于新疆东部，地处天山山脉以南，植被稀疏，年降水量少，下垫面多以沙漠、戈壁、山脉为主，沙尘天气频发，属典型的干旱性大陆气候区。近年来，随着当地经济和城市建设的高速发展，汽车尾气排放的剧增，导致哈密市大气污染和空气质量问题呈逐年加重趋势，越来越受到人们的关注和重视，公众和环境管理部门对空气质量预报提出了更迫切的要求 [1]。气象条件与大气污染之间存在密切的联系，气象因素是影响空气质量的重要因素之一。目前国内学者针对不同区域的空气质量和气象因子的相关性进行了大量研究和分析 [2] - [11]，也针对不同城市的空气质量建立预报系统和模型 [12] [13] [14]，取得良好效果。现有关于哈密市大气污染的研究仅限于污染物浓度及气象因素的分析 [15] [16]，对空气质量的预报预测方面的研究很少。因此，研究分析气象因子与空气质量的相关关系，建立基于气象条件的空气质量预报预测模型，提高空气质量预报预警的准确性，为科学有效地控制和治理大气污染提供理论基础和数据支持，对改善哈密市空气质量具有极其重要的意义。

2. 资料来源与分析方法

文章环境资料来自哈密市环保局环境监测站2010~2019年逐日监测资料，根据空气质量标准(GB3095-2012) [17] 用空气质量指数(AQI，下同)描述空气质量状况，空气质量指数I、II、III、IV、V、VI级分别对应优、良、轻度污染、中度污染、重度污染和严重污染6个级别，指数越大，级别越高，说明空气污染越严重，空气质量越差，对人体健康的影响也越明显 [3]。气象资料选用哈密市国家基准气候站同期气温、降水、极大风速等8种常规观测数据。采用相关分析法和多元逐步线性回归法确定气象因子对AQI的影响及其之间的相关性，并建立哈密市空气质量预报模型，用卡方检验法对回归方程进行拟合优度检验。

3. 哈密市空气质量现状

由环境资料分析可知，哈密市近10 a首要污染物为PM₁₀和PM_2.5，占所有污染物的93.4%，其中PM₁₀占88.5%，PM_2.5占4.9%，其它四种污染物占6.6%。2017年以后，NO₂和O₃作为首要污染物的日数有所增加，但空气质量仍处于II级(良)，未超过国家标准，只具有警示作用。从空气质量各级别占比(图1(a))可以看出：全市主要以II级(良)为主，占总数的79.8%，I级(优)占8.6%，优良达标率88.4%；级(轻度污染)及以上(中度、重度和严重污染)占总数的11.6%。从各级别出现日数变化(图1(b))上看：2014年轻度、中度和重度污染日数明显增多，轻度污染占全年污染日数的24.1%，严重污染(V级)的日数11 d，年平均AQI指数91，为近10 a最差年；2011年轻度污染及以上日数为12 d，空气质量达I级(优)的日数为21 d，年平均AQI指数60，空气质量最好。

(a) (b)

Figure 1. Proportion of all levels of air quality and distribution of occurrence days in each year in Hami City from 2010 to 2019

图1. 哈密市2010~2019年空气质量各级别占比及各年出现日数分布

哈密市空气质量特征具有不同的季节变化特征，春季空气质量平均指数最高，其次是冬季、秋季、夏季空气质量最好。从2010~2019年逐年的季节变化来看(图2)，2014年春季空气质量指数达到峰值，属轻度污染(III级)，是近10 a中空气质量最差的季节；2015年夏季是近10 a最好的季节。轻度及以上污染天气集中在春季和冬季，平均每年25 d左右，出现频率为60.5%，主要原因是哈密市冬季降水少，气候干冷严寒，长时间燃煤取暖，加上逆温层存在，污染物不易扩散；开春后供暖仍在继续，春季冷空气活动频繁，气温上升，风力加大，地表覆盖植被少，容易出现沙尘天气，使AQI指数增大，空气质量变差；夏季气温高，湍流旺盛，有利于空气污染物的扩散和稀释，降水偏多，沉降作用显著，使空气质量指数减小，空气质量变好。

Figure 2. Seasonal variation characteristics of air quality index in Hami City from 2010 to 2019

图2. 哈密市2010~2019年空气质量指数季节变化特征

4. 空气质量指数预报模型

4.1. 空气质量与气象因子的相关性分析

表1为2010~2019年哈密市AQI与气象要素之间的相关关系。可以看出：AQI与气象因子降水量、气温、相对湿度、能见度和AQI指数呈负相关，且通过显著性检验；日照时数、气压、风速和极大风速与AQI指数呈正相关，日照时数、风速与极大风速均通过显著性检验，气压没有通过显著性检验。从季节相关性来看，降水、相对湿度和能见度都与AQI指数呈负相关，说明降水、相对湿度和能见度的增大能有效改善空气质量指数，使空气质量变好。不同季节影响空气质量指数的气象因子并不完全相同，其中其起主要作用的气象因子为降水、能见度、相对湿度、风速和极大风速。

Table 1. Correlation coefficient between air quality index and meteological factors in Hami City

表1. 哈密市空气质量指数与气象因子的相关系数

注：^*通过0.05显著性检验，^**通过0.01显著性检验。

4.2. 空气质量指数预报模型

回归分析法可确定多个变量之间是否存在相关关系，还可以从变量中找出重要因子和次要因子。当变量之间不完全相互独立时，可采用逐步回归分析来进行重要因子的筛选和模型的建立，得到对因变量有显著影响的自变量所组成的最优的回归方程。根据AQI与气象因子的相关性，选取前一日8种气象因子作为自变量(x)，预测的AQI值作为因变量(y)进行逐步回归分析。

将气象因子降水(x₁)、平均气温(x₂)、相对湿度(x₃)、日照时数(x₄)、气压(x₅)、平均风速(x₆)、极大风速(x₇)、能见度(x₈)与AQI(y)采用多元逐步回归法选取显著变量建立空气质量四季最优回归方程作为预报模型。建立的四季空气质量指数气象学预报模型分别为：

春季：

$\hat{y}=100.600+3.008x_6-0.502x_8+0.062x_4+2.173x_7-0.853x_2-0.601x_3$ (1)

夏季：

$\hat{y}=140.176-0.802x_3-1.169x_4-0.180x_8-1.017x_2$ (2)

秋季：

$\hat{y}=110.233+2.036x_6-0.794x_2-0.364x_3-0.298x_8-1.008x_4$ (3)

冬季：

$\hat{y}=119.539-0.286x_8-12.930x_6+0.559x_2-0.192x_3$ (4)

经检验，建立的四季空气质量预报模型均通过显著性水平0.01的F检验。冬季的回归预测模型最好，相关系数为0.84，说明冬季气象因子对AQI的影响最大，夏季次之(r = 0.81)，春季相关系数为0.71，秋季回归模型拟合度最小，相关系数为0.68。从最优回归方程可以看出，各个季节影响空气质量的气象因子各不相同，四季中平均气温、相对湿度和能见度对空气质量指数的影响都存在，关系最密切。

5. 预报模型预报效果检验

利用2020年春季(3~5月)、夏季(6~8月)、秋季(9~11月)、冬季(12~次年2月)气象观测值分别对春、夏、秋、冬四季空气质量指数进行预报，并将其与哈密市环境监测站空气质量指数等级进行对比。

通过检验对比发现(表2)，空气质量级别预报准确率总体为78.2%，没有出现两级以上的级别误差，各季总体预报准确率夏季最好，为92.4%，其次为秋季和冬季，春季最低为70.2%。从各季分级预报来看：夏、秋、冬三季I级(优)准确率都为100%，春季87.5%，为四季中最差；II级(良)预报准确最高的为夏季93.3%，秋、冬季次之，春季最小，但都维持在80.0%以上；III级(轻度污染)预报准确率最高的则为春季，夏、冬、秋季都较低；IV级(中度污染)预报准确率春、冬季都较低，夏、秋季未出现空气质量指数为Ⅳ级的污染日，V级(重度污染)出现一次，模式未预报出，VI级(严重污染)未出现。从各季逐级预报准确率来看：级别越高，模式预报准确率逐步降低，主要原因是III级以上级别污染日数出现频率小，模式难以预报出，即使模式预报出会出现污染，也会出现一级到两级的误差。综合来看建立的四季空气质量指数预报模型预报效果良好，预报准确率超过70%，可以应用于哈密市空气质量预报业务。

Table 2. Accuracy and error of air quality prediction level in Hami City

表2. 哈密市空气质量预报级别准确率和级别误差(%)

6. 结论

1) 哈密市近10 a空气质量状况总体较好，优良达标率为88.4%，轻度及以上污染天气较少。2014年轻度及以上污染日数最多，是空气质量最差的一年，2011年轻度以上污染日数最少，是近10 a空气质量最好年；各季空气质量指数由低到高依次排名为夏季、秋季、冬季、春季，即空气质量状况夏季最好，春季最差。

2) 哈密市空气质量AQI指数与降水、能见度、气温、相对湿度均呈负相关，与风速、日照时数、极大风速、气压呈正相关；不同季节影响空气质量AQI指数的气象因子并不完全相同，其中其起主要作用的气象因子为降水、能见度、相对湿度、风速和极大风速。

3) 建立的哈密市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01的F检验，达到显著性水平。各个季节影响空气质量指数的气象因子各不相同，其中平均气温、相对湿度和能见度对空气质量指数AQI的影响都存在，且关系最密切。经对2020年空气质量指数预报检验，各季模型预报准确率都超过70%，对于IV级以上空气质量指数预报效果稍差一些，但总体预报效果良好，可以应用于哈密市空气质量预报业务。

7. 讨论

空气质量指数不仅受气象因素影响，还与污染物的排放及输送迁移有重要关系。本文仅分析研究了近10 a的空气质量变化特征及与气象因素的相关关系，并基于气象条件建立了四季气象学预报模型，未考虑其他因素的影响，以后将进一步深入研究，以提高哈密市空气质量预报的准确率。

基金项目

哈密市气象局课题(202002)资助。