长沙市区空气污染气象条件预报及应用检验

长沙市区空气污染气象条件预报及应用检验

为了对空气污染气象条件预报进行有益探索，利用2013年1月至2015年12月3年长沙每日AQI监测数据和同期气象资料，在大尺度环流背景、温湿条件、水平扩散条件、垂直累积条件等气象要素与AQI指数等相关性分析的基础上，归纳出有利于或不利于污染物稀释、扩散、聚积和清除的天气形势和气象参数；分别采用分类、加权法及模式预报法，计算预报参数判据及加权值，建立空气污染气象条件等级预报方法，得到长沙空气污染气象条件等级与AQI增量的短期预报结果，并对2016年1月至2017年4月预报应用情况进行检验。结果表明，该空气污染气象条件等级预报方法具有较好的可用性，回归模型对AQI变化趋势的预报亦具有一定参考性。

标签：空气污染气象条件；分类、加权法；均值分析；长沙

引言

空气中的污染物在大气中的传播、扩散受到气象条件的制约，如何充分利用气象条件可成为防治污染有效而又现实的途径之一。众多学者对空气质量与气象条件之间的关系进行了大量研究[1-9]。张丽等[1]基于2011-2013年地面观测资料及风廓线雷达资料，对能见度及降水、地面和低空风向风速影响因子进行相关分析，建立了深圳市空气污染气象条件等级的方法及流程，计算结果与实况基本相符。黄菊梅等[2]利用2014年3月-2015年2月6个空气质量监测点资料，对岳阳市区AQI的时空变化特征及气象影响因素进行了分析，并用综合指标法和逐步回归法建立岳阳市区AQI预报模型。王伟平等[10]采用数值预报方法、气象条件指标判别方法和天气学方法，对浙江省空气污染气象条件进行预报，对其预报结果作了分析与评估。由于不同地域气象影响因子与环境空气质量浓度存在着较大差异，建立合适本地的空气污染气象条件预报模型至关重要[10-18]。为此，利用2013年1月1日至2015年12月31日3年长沙逐日AQI数据和同期气象资料，通过相关性分析归纳出有利于或不利于污染物稀释、扩散、聚积和清除的天气形势和气象参数，并尝试建立空气污染气象条件等级预报方法。

1 预报资料及方法

1.1 資料的选取

本文采用长沙市2013年1月1日～2015年12月31日3年环境空气质量监测数据及同期高空、地面气象观测资料。

1.2 预报方法

基于大尺度环流背景场、温湿条件、本区域垂直风场变化、低层大气污染物的扩散条件、垂直累积条件等高空天气形势、地面天气形势及气象参数与AQI 指数的相关性分析，对AQI均值以5%、15%、25%为分界点，给出相应的加权

方案；对预报因子进行分类、加权，确定预报参数判据及加权值，建立空气污染气象条件预报参数判据。根据均值分析结果，建立污染气象条件等级（M）与ΔAQI 的一元线性回归方程。日平均气象要素采用20时～20时的整体情况，逆温层结数据取自每日08时的探空资料。

2 结果与分析

2.1 预报因子选取

地面、高空天气形势及气象要素的变化对空气污染物的稀释、扩散、聚积和清除起着决定性的作用。通过相关性分析，并考虑了可预报性，选取500hPa环流形势、地面形势场、700hPa、850hPa、925hPa

及10米风场、850hPa温度平流、降水及逆温，作为判断空气污染气象条件的9个考察对象，每个对象根据天气学原理给出若干分类。

2.2 预报方法的建立

利用上述高相关因子，分别采用分类、加权法及模式预报法，计算预报参数判据及加权值，建立空气污染氣象条件等级预报方法，得到长沙空气污染气象条件等级与AQI变量的短期预报结果。

2.2.1 分类、加权法

2013～2015年长沙市AQI均值为98.12，统计单一对象中不同类型的分类平均值，与总平均值（98.12）进行比较。以5%、15%、25%为分界点，给出加权方案：（X表示均值，Y表示权重）

X123，Y=+3

对于上述9个考察对象，根据每个考察对象中不同分类所对应的X（AQI 均值），确定其Y值（权重）。以500hPa形势这一考察对象为例，可分为1、槽后或部分时段槽后，2、高压脊，3、高空槽，4、高空平直多波动，5、下滑槽，6、槽前转槽后，7、槽后转槽前，8、副高控制，9、副高边缘，10、台风外围10个分类，通过统计得出，1、6、7的权重均为+1，可合并为“槽后或部分时段槽后”；2、4的权重均为+2，可合并为“高压脊或平直环流”；3、5的权重均为0，可合并为“高空槽”；8、10的权重均为-3，可合并为“副高控制或台风外围”；9的权重为-2，保留原始分类。其它8个考察对象的统计分析过程以此类推，由此得到空气污染气象条件预报参数判据及加权数以及总加权数（∑Y）与污染气象条件等级（M）的判定方案。

500hPa环流形势：

槽后或部分时段槽后，Y=1；高压脊或平直环流，Y=2；高空槽，Y=0；副

高控制或台风外围，Y=-3；副高边缘，Y=-2

700hPa风场：

偏南风，Y=-1；偏北风，Y=1；偏南风转偏北风，Y=0；偏北风转偏南风，Y=1；其他（静风、偏东风等），Y=0

850hPa风场：

偏南风，Y=-1；偏北风，Y=0；偏南风转偏北风，Y=1；偏北风转偏南风，Y=1；偏东风，Y=2；静风及其他风向，Y=0

925hPa风场：

偏北风4-6m/s，Y=1；偏北风≥8m/s，Y=-1；偏南风≥4m/s，Y=-1；静风及其他风向，Y=0

地面形势：高压或高压前部、弱冷空气，Y=0；均压场、高压底部或后部，Y=1；冷锋前沿，Y=2；低压或倒槽，Y=-1；台风或台风外围，Y=-2

850hPa温度平流：

暖平流，Y=2；冷平流或無明显温度平流，Y=0

10m风场：

偏南风≤2m/s或偏北风，Y=1；偏南风≥4m/s，Y=-2；静风及其他风向，Y=0

降水：

无降水，Y=1；间歇性降水R=9，Y=6

经检验，M与空气质量等级（N）的差值的平均为-0.329。将“M与N的差值的绝对值<=1”定义为“可接受的污染气象条件等级的判定”，则该方案可用性为74%。

2.2.2 均值分析与回归模型

对污染气象条件等级（M）与空气质量指数日变化（ΔAQI）做均值分析，可知M与△AQI为正相关，空气污染气象条件等级越高，△AQI增量越大，符合空气污染气象条件所表示的物理意义。M=1的分组均值为负，表示污染气象条件为一级（非常有利于污染物的稀释、扩散）时，AQI呈下降趋势；M≥2时的分组均值均为正，AQI呈上升趋势。基于此相关性，以△AQI为因变量，M 为自变量做线性回归，得到回归方程：△AQI=-6.669+4.018*M