1、基于氣象條件的北京市 AQI的分析與擬合探討基于氣象條件的北京市AQI的分析與擬合探討1. 引言由于目前國內(nèi)主要依靠空氣質(zhì)量指數(shù) AQI(Air QualityIndex)來向公眾提供及時(shí)、準(zhǔn)確、易于理解的城市空氣質(zhì)量狀況，利用AQI也可進(jìn)行環(huán)境評(píng)價(jià)與預(yù)測，是一種應(yīng)用廣泛、接受度高的環(huán)境氣象預(yù)報(bào)預(yù)警指數(shù)。伴 隨著經(jīng)濟(jì)的高速發(fā)展，自然環(huán)境與我們?nèi)祟惤】刀汲惺苤絹碓匠林氐膲毫εc嚴(yán)峻 的挑戰(zhàn)，尤其是經(jīng)濟(jì)發(fā)展迅猛、人口密度大的首都北京。至今已有很多學(xué)者對(duì)北京 市空氣污染方面進(jìn)行了研究，李德平等統(tǒng)計(jì)分析了2001年-2007年北京地區(qū)3級(jí)以上AQI與氣象要素之間的相關(guān)關(guān)系，并對(duì)出現(xiàn) 4級(jí)以上的重污染日

2、污染源進(jìn)行了 分析；李令軍等利用時(shí)間序列分析的方法對(duì)空氣質(zhì)量指數(shù)(AQI)大于200的空氣重污染做了系統(tǒng)分析，進(jìn)一步按照污染原因?qū)⒈本┛諝庵匚廴緞澐譃殪o穩(wěn)積累型、沙塵 型、復(fù)合型和特殊型4種類型;李文杰等研究了京津石三市空氣質(zhì)量指數(shù)(AQI)的時(shí) 空分布特征及其與氣象要素的關(guān)系；周秀杰等進(jìn)行了基于BP網(wǎng)絡(luò)的空氣質(zhì)量指數(shù)預(yù) 報(bào)研究;龍熙華、黨婕提出了一種基于可拓理論的新興網(wǎng)絡(luò)結(jié)構(gòu)，將北京市12個(gè)區(qū)的歷史監(jiān)測數(shù)據(jù)作為訓(xùn)練樣本，以可拓距離作為度量工具建立并測試網(wǎng)絡(luò)，結(jié)果表 明該算法具有可行性和有效性，也3?用“也QUtl且在結(jié)構(gòu)與訓(xùn)練速度上優(yōu)于 BP網(wǎng)絡(luò);祝媛、黃勝以西北某市2002年NO2/小時(shí)

3、濃度為例，在三次分段Hermite插值處理后，利用相空間重構(gòu)的結(jié)果構(gòu)造神經(jīng)網(wǎng)絡(luò) 模型來預(yù)測污染物濃度。目前，國內(nèi)應(yīng)用對(duì)空氣質(zhì)量指數(shù)模擬和預(yù)測的方法主要是 基于最小二乘法的線性回歸模型和基于非線性函數(shù)映射的神經(jīng)網(wǎng)絡(luò)模型，時(shí)間序列 方法應(yīng)用較少。本文中筆者在區(qū)分污染日、非污染日和分月基礎(chǔ)上深入分析了北京 市2009-2011年AQI與氣象要素的關(guān)系，尤其首次對(duì)污染指數(shù)和氣溫的關(guān)系進(jìn)行了 細(xì)致研究；再創(chuàng)新性地嘗試使用Fourier級(jí)數(shù)和廣義相加模型(GAM來擬合和預(yù)測北 京市逐日、逐旬和逐月的AQI數(shù)值，并與普遍使用的線性逐步回歸進(jìn)行比較。以期 對(duì)氣象條件和污染濃度間的關(guān)系進(jìn)行更深層次的剖析，并為城

4、市空氣質(zhì)量指數(shù)的預(yù) 報(bào)方面提供新的思路和方法。2. 材料來源與方法介紹2.1資料來源本文選用的2009年1月1日-2011年12月31日北京市空氣質(zhì)量指數(shù)(AQI) 和 同期常規(guī)地面氣象觀測資料。氣象資料包括平均 /最高/最低氣壓、平均/最高/最低 溫度、平均/最大風(fēng)速、相對(duì)濕度、24h降水量、日照時(shí)數(shù)等主要?dú)庀笠兀廴?數(shù)據(jù)包括逐日AQI值、污染等級(jí)、首要污染物等。氣象數(shù)據(jù)來源于中國氣象科學(xué)數(shù) 據(jù)共n卻可享服務(wù)網(wǎng)，污染數(shù)據(jù)來源于中華人民共和國環(huán)境保護(hù)部數(shù)據(jù)中心。2.2方法介紹基本思想是：對(duì)全部因子按其對(duì)因變量影響程度大小，從大到小地依次逐個(gè)地 引入回歸方程，并對(duì)回歸方程當(dāng)時(shí)所含的全部變量進(jìn)

5、行檢驗(yàn)，看其是否仍然顯著， 如不顯著就將其剔除，直到回歸方程中所含的所有變量的作用都顯著時(shí)，才考慮引 入新的變量。直到最后再?zèng)]有顯著因子可以引入，也沒有不顯著的變量需要剔除為 止。3. 結(jié)果3.1數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果、年際變化與季節(jié)分布所用空氣質(zhì)量指數(shù)與氣象要素的基本分布特征。可知北京三年的AQI平均值為83.74，四分位數(shù)間距為40;平均氣溫13.15?，平均相對(duì)濕度50.38,平均風(fēng)速 2.23m/s。各項(xiàng)數(shù)據(jù)的頻率分布直方圖，由圖可見，除最低氣壓外所有數(shù)據(jù)都不符合正態(tài) 分布，故下文中統(tǒng)一采用 Spearman相關(guān)分析，而非一般的Poisson相關(guān)。r c,J；. . j3.2 AQI與氣

6、象要素的關(guān)系3.2.1區(qū)分污染日與非污染日后的Spearman相關(guān) 性以AQI=100（輕微污染下界）為分割劃分空氣污染日與優(yōu)良日，分別將空氣質(zhì)量 指數(shù)與氣象條件做相關(guān)，結(jié)果分別見表 4、表5所示。同時(shí)發(fā)現(xiàn)在污染日，首要污 染物全部為可吸入顆粒物。在雙側(cè)置信度為99,時(shí)，相關(guān)性是顯著的;*表示在雙測置信度為95,時(shí)，相關(guān)性是顯著的。3.3 AQI的擬合方法研究分別試采用線性擬合的逐步回歸法，非線性擬合的傅里葉級(jí)數(shù)法與廣義相加模型來擬合污染指數(shù)的時(shí)間序列，并比較各種方法的優(yōu)劣。3.3.1利用氣象要素的逐步回歸法分月回歸公式見表7,其中14月、710月與12月公式中各項(xiàng)均通過了顯著 性水平為0.0

7、5的檢驗(yàn)，6月、11月的回歸公式不顯著，5月無法輸出擬合公式， 說明氣象要素在5月對(duì)污染指數(shù)的影響較小。在所有顯著的回歸方程中，可決系數(shù) R2由大到小排序?yàn)?月>2月>10月>7月>3月>8月>9月 >12 月丼切1>4月，最大R2=0.458,最小R2=0.108,擬擬合效果一般。3.3.2基于時(shí)間序列分析的AQI擬合與預(yù)測研究北京市2009-2011年逐日空氣質(zhì)量指數(shù)的時(shí)間序列圖見圖 4,可見AQI值存在 一定的波動(dòng)性與周期性，極大值處于每年的春、冬季，在大的周期上疊加著繁多的 細(xì)小波動(dòng)。圖5所示為逐日AQI值的頻率譜密度，發(fā)現(xiàn)曲線整體波動(dòng)幅

8、度較大，且 線條下降幅度不夠明顯，說明逐日數(shù)據(jù)并沒有明顯的主周期，而是眾多不同周期的 波疊加而成，并且這些波的解釋方差沒有明顯差別。而傅里葉擬合需要首先確定時(shí) 間序列的主要周期，故逐日AQI值并不適宜用Fourier級(jí)數(shù)來擬合。故以下將分別 進(jìn)行AQI月均值與旬均值的Fourier級(jí)數(shù)擬合。4. 討論在所有影響空氣質(zhì)量的因素中，氣象因素是極其重要與直接的條件之一，通常 來講，風(fēng)速、降水對(duì)空氣質(zhì)量具有立竿見影的作用，但以逐日AQI與氣象要素的相關(guān)關(guān)系來看，溫度對(duì)空氣質(zhì)量指數(shù)具有明顯的指示性。這并不是說氣溫與空氣質(zhì)量 存在直接的因果關(guān)系，而是以溫度作為某種“指示劑”或者“標(biāo)志”，可以代表不 同季節(jié)/月份的綜合天氣狀況（不同的天氣型對(duì)應(yīng)不同的溫度范圍），那么某時(shí)段特 定的天氣下空氣質(zhì)量指數(shù)的變化一般是相似的。一年不同的時(shí)(!4段對(duì)應(yīng)的溫度不同，天氣狀況也迥然不同，那么擴(kuò)散條件必定有所差異，只有 了解了污染與氣溫之間的關(guān)系，就可根據(jù)溫度實(shí)況與前幾日的變化趨勢(shì)、結(jié)合天氣 預(yù)報(bào)對(duì)未來的污染指數(shù)進(jìn)行分析預(yù)報(bào)。本文在研究不同月份AQI與氣象要素關(guān)系的基礎(chǔ)上，創(chuàng)新性地將Fourier級(jí)數(shù)與GAM模型引入空氣質(zhì)量指數(shù)的擬合與分析中 來，對(duì)逐月和逐旬AQI的擬合準(zhǔn)確度分別達(dá)到 R2=0