朱黎阳 郑舒天 杨舒杨 李自然

摘要 利用2018年国家基准观测站56985（蒙自，云南）地面资料、探空資料，分析蒙自市城市空气污染扩散特征。通过检验各要素（静稳天气指数计算因子）与空气质量指数的独立相关性，确定适用于空气污染扩散气象条件值预报的6个要素。通过各要素资料统计分析，找出线性回归方程，建立预报模型，制作可应用的预报软件。

关键词 空气污染扩散气象条件预报;空气质量指数;相关系数;线性回归;VisualStudio软件制作

中图分类号：X16 文献标识码：B 文章编号：2095–3305（2021）01–0088–02

研究建立空气污染指数预报模型主要从空气质量指数（AQI）、风、温、湿、气压、大气稳定度等气象条件和地形条件入手，分析各个要素对空气污染扩散等级的相关性，根据空气污染气象指数计算公式求出预报结果。

1 资料及方法

2018年1月1日—12月31日蒙自市国家基准观测站（56985）高空资料仅有08：00和20：00（北京时间），且每日污染峰值主要集中在08：00和20：00后2～4 h

内（夜间更为明显），故选取这两个时段的小时平均数据较有代表性[1-3]。采集的资料数据为：（1）08：00、20：00地面资料，包括风速风向、气压、气温、湿度、降雨量、能见度、天气现象等16个气象因子;（2）08：00、20：00 700 hPA和850 hPA的探空资料，包括位势高度、温度、露点、风向、风速。

对以上数据进行计算和分析：

（1）将地面和高空数据资料逐个因子与当日空气污染指数峰值进行相关性检验，求出相关系数;

（2）相关性显著的因子作为计算公式因子，求出空气污染气象指数，对比实况，得出预报成功率;（3）根据数值预报的因子值计算求出空气污染气象指数预报值[4-6]。

2 蒙自市空气污染气象指数计算

2.1 相关气象因子挑选

气象因子挑选方法：从与空气污染扩散有关的气象要素中选取。初选有地面：湿度、风速、风向、24 h变压、气压;700 hpa：高度、风速、风向、与地面温度差。

2.2 气象因子相关性检验

通过检验气象要素与AQI的独立相关性，确定适用于空气污染扩散气象条件值预报的6个因子，分别是：地面湿度、地面气压、地面风速、700 hpa高度、700 hpa风速和700 hpa与地面温度差（其中地面湿度为负相关，其余均为正相关）[7]。

2.3 历史空气污染气象指数计算及实况对比

空气污染气象指数的计算公式：

式中：

It+1—t+1时刻的空气污染气象指数;

a1，a2—常数;

St+1—t+1时刻的静稳天气指数;

Ot—t时刻观测的大气污染物浓度;

t，t+1—t时刻和t+1时刻，采用逐日数据计算;

a1的计算利用最新的完整一年的数据，通过静稳天气指数和观测大气污染浓度数据按照下式进行线性回归得到。

计算得出，蒙自市区的两个定常数a1为10.464，a2为0.509 4，由此可以应用上述公式计算出2018年每天的空气污染气象指数I，与当日的AQI做对比，两者做相关显著性检验，检验结果表明：蒙自市区AQI和空气污染气象指数相关系数值为0.218，并且呈现出0.03水平的显著性，说明AQI和空气污染气象指数之间有显著的正相关关系。

3 蒙自市空气污染气象指数预报建立

3.1 预报模型建立

根据主公式的计算方法，利用数值天气预报的各因子格点值，进行未来

24 h、48 h、72 h乃至更远时段的空气污染气象指数预报。之前验证相关性使用的各因子为历史实况资料值，现使用数值预报格点值进行模型测试，时段为2019年4月16日—2020年5月16日。

测试结果表明：该模型得出的空气污染气象指数预报值与当日AQI实况相关系数值为0.178，并且呈现出0.01水平的显著性，说明空气污染气象指数预报值和AQI之间有显著的正相关关系，有实用价值，可作为业务使用。

3.2 预报应用化程序制作

利用VisualStudio编程软件制作可视化界面，以蒙自地区未来24 h、48 h、

72 h的6项气象因子作为预报的自变量因子，并填入当日对应时段的AQI值。通过预报模型公式对其进行计算，得出未来3天的空气污染气象指数，并将其判断在各个等级内，得出结果（图1）。

3.3 实际应用效果及评估

在经过一段时间（2019年7月1日—10月14日）的实际应用来看，总体预报值和实况的污染情况呈显著性正相关，具有一定预报价值。细化到各时段预报与实况AQI的差值情况来看，未来24 h预报误差平均值为14.7，未来48 h预报误差平均值为15.9，未来72 h预报误差平均值为23.1。

4 结论

本次对蒙自市空气污染指数预报的研究意义有两点：（1）研究蒙自地区污染指数与气象要素之间存在的关系;（2）建立了蒙自市空气污染指数预报模型及应用软件，测试检验后实用效果较好，对环保部门进行未来1～3 d空气污染研判有一定帮助。

参考文献

[1] 陈雨婷，向卫国，钱骏，等.空气污染气象指数在成都地区的适用性分析[J].环境科学与技术，2019（S2）：207-214.

[2] 曹钰，马井会，许建明，等.上海地区一次典型空气污染过程分析[J].气象与环境学报，2016（1）：16-24.

[3] 陈镭，马井会，耿福海，等.上海地区一次典型连续颗粒物污染过程分析[J].气象，2016（2）：203-212.

[4] 陳朝晖，程水源，苏福庆，等.华北区域大气污染过程中天气型和输送路径分析[J].环境科学研究，2008（1）：17-21.

[5] 程水源，席德立，张宝宁，等.大气混合层高度的确定与计算方法研究[J].中国环境科学，1997（6）：512-516.

[6] 郭蕊，段浩，马翠平，等.河北中南部连续12d重霾污染天气过程特征及影响因素分析[J].气象，2016（5）：589-597.

[7] 花丛，张恒德，张碧辉.2013—2014冬半年北京重污染天气气象传输条件分析及预报指数初建[J].气象，2016（3）：314-321.

责任编辑：黄艳飞

Forecast of Meteorolo-gical Condition Value of Air Pollution Diffusionin Mengzi City

ZHU Li-yang et al （Meteorological Bureauof

Honghe Prefecture， Mengzi， Yunnan 661100）

Abstract Using the ground data and sounding data from the National Reference Observatory 56985 （Mengzi， Yunnan） in 2018， the characteristics of the urban air pollution diffusion in Mengzi City were analyzed. By examining the independent correlation between each element （calculation factor of the static and stable weather index） and the air quality index， six elements suitable for the forecast of the meteorological condition value of the air pollution diffusion are determined. Through the statistical analysis of each element data， find out the linear regression equation， establish the forecast model， and make the applicable forecast software.

Key words Forecast of meteorological conditions for air pollution diffusion; Air quality index; Correlation coefficient; Linear regression; VisualStudio software production