姚清晨,張紅

(1.太原市環(huán)境監(jiān)測中心站,山西 太原 030002;2.山西大學(xué) 環(huán)境與資源學(xué)院,山西 太原 030006)

0 引言

隨著城市人口的不斷增加,經(jīng)濟(jì)和科技的高速發(fā)展,排放到空氣中的污染物愈加復(fù)雜,因此,深入了解一個(gè)地區(qū)空氣污染的變化特征并做出準(zhǔn)確的預(yù)報(bào)也愈發(fā)重要。已有研究表明,空氣污染物時(shí)空變化與氣象條件之間有著密切的關(guān)系。許多學(xué)者從空氣污染的特征、空氣污染與氣象因子的關(guān)系等方面對(duì)不同城市的空氣污染展開探討。Dunea[1]采用小波和神經(jīng)網(wǎng)絡(luò)方法,對(duì)羅馬尼亞城市空氣污染物濃度進(jìn)行了預(yù)測;王式功[2]等研究蘭州城區(qū)冬半年冷鋒活動(dòng)及其對(duì)空氣污染的影響,并建立了蘭州冬半年污染濃度與氣象要素的回歸方程;Morabito[3]等采用小波分解和神經(jīng)網(wǎng)絡(luò)結(jié)合的方法進(jìn)行了空氣污染物的預(yù)測研究;林祥明[4]等探討了污染物濃度與氣象因子分布規(guī)律,建立氣象預(yù)報(bào)指標(biāo)及統(tǒng)計(jì)預(yù)報(bào)方程;高歌[5]對(duì)我國1961～2005年霾的氣候特征研究中發(fā)現(xiàn),霾日變化趨勢(shì)與日照時(shí)數(shù)變化趨勢(shì)相反;張浩等[6]采用廣義隱馬爾可夫模型對(duì)北京市PM2.5濃度進(jìn)行了預(yù)測,結(jié)果表明廣義隱馬爾可夫?qū)χ匚廴咎鞖獾念A(yù)測準(zhǔn)確率較高。胡清華等[7]利用大數(shù)據(jù)的分析機(jī)理與空氣質(zhì)量模型,建立了福州市城市空氣質(zhì)量實(shí)時(shí)精細(xì)化模擬與預(yù)報(bào)系統(tǒng)。

關(guān)于太原市大氣環(huán)境質(zhì)量的研究同樣已陸續(xù)有報(bào)道,張桂香[8]等研究了太原市PM2.5的碳組分的特征和季節(jié)變化;劉珊[9]等研究了太原市PM2.5中有機(jī)碳和元素碳的污染特征;王璐[10]等對(duì)大氣顆粒物中水溶性無機(jī)離子質(zhì)量濃度及粒徑分布進(jìn)行了測定;張紅[11]等建立了基于ANN和吸入因子模型,對(duì)PM10濃度進(jìn)行了預(yù)測和健康評(píng)估。但以上有關(guān)太原市空氣污染的研究大多是從污染物的化學(xué)成分、污染特征、健康風(fēng)險(xiǎn)等方面進(jìn)行研究,而針對(duì)太原市空氣污染物的時(shí)間序列變化特征以及污染物與氣象因子之間相關(guān)性分析并建立預(yù)報(bào)模型的研究尚不多見。

根據(jù)太原市環(huán)境監(jiān)測中心站2013年1月～2016年12 月的空氣質(zhì)量指數(shù)AQI以及PM2.5、NO2、SO2等污染物監(jiān)測濃度為研究對(duì)象,結(jié)合太原市地面氣象數(shù)據(jù),采用相關(guān)分析、小波分析等方法對(duì)太原市空氣質(zhì)量AQI(air quality index)變化特征進(jìn)行了研究,同時(shí)采用小波去噪和最優(yōu)子集回歸方法分別建立AQI的春、夏、秋、冬季預(yù)報(bào)方程。本文研究目的:1)探明近3 a太原市空氣質(zhì)量和主要空氣污染物的變化規(guī)律;2)分析太原市空氣污染與地面氣象要素之間的關(guān)系;3)基于小波分析研究AQI、PM10和SO2濃度的時(shí)間序列周期,發(fā)現(xiàn)潛在的變化規(guī)律;4)采用小波去噪和最優(yōu)子集回歸方法建立AQI指數(shù)的預(yù)報(bào)方程,為太原市政府針對(duì)不同季節(jié)和氣象條件下制定空氣污染防御措施,做好不利氣象條件來臨前的準(zhǔn)備和部署提供依據(jù)。

1 數(shù)據(jù)與分析

1.1 數(shù)據(jù)來源

采用的空氣污染物數(shù)據(jù)來自太原市環(huán)境監(jiān)測中心站,時(shí)段為2013年1月1日至2016年12月31日,測定指標(biāo)包括可吸入顆粒物(PM10)、可入肺顆粒物(PM2.5)、 二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)濃度的日平均值數(shù)據(jù),監(jiān)測采樣儀器主要在包括太原市城區(qū)尖草坪、澗河、金勝、晉源、南寨、上蘭、桃園、小店和塢城9個(gè)環(huán)境監(jiān)測站點(diǎn)。空氣污染物濃度使用自動(dòng)化監(jiān)測系統(tǒng),全年365 d連續(xù)運(yùn)行,每天不少于18 h,監(jiān)測采樣及分析方法見表1。氣象數(shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/site/index.html),下載日期為2017年3月,測定指標(biāo)包括日平均能見度、大氣壓、室外溫度、室外濕度、風(fēng)速等5個(gè)氣象要素。

1.2 數(shù)據(jù)處理與分析

1.2.1 AQI計(jì)算與統(tǒng)計(jì)分析

根據(jù)太原市逐日污染物濃度及污染物濃度限值計(jì)算空氣質(zhì)量指數(shù)AQI。AQI數(shù)值越大,說明空氣污染狀況越嚴(yán)重,對(duì)人體的健康危害也就越大[12]。采用描述性統(tǒng)計(jì)計(jì)算太原市AQI及污染物濃度的均值、標(biāo)準(zhǔn)差、最大值、最小值等統(tǒng)計(jì)指標(biāo);采用Spearman相關(guān)系數(shù)分析AQI與污染物濃度及氣象因素之間的相關(guān)性。統(tǒng)計(jì)分析在R軟件中實(shí)現(xiàn)。

表1 太原市環(huán)境空氣監(jiān)測采樣及分析方法

1.2.2 小波分析與小波去噪

小波分析即通過增加或減小伸縮尺度來得到信號(hào)的低頻和高頻信息,然后分析信號(hào)的概貌或細(xì)節(jié),實(shí)現(xiàn)對(duì)信號(hào)不同時(shí)間尺度和空間局部特征的分析[13]。小波基函數(shù)的選取在很大程度上影響小波分析的準(zhǔn)確性,同一信號(hào)或時(shí)間序列,若選擇不同的小波基函數(shù),所得的結(jié)果往往會(huì)有所差異。本文采用db3(Daubechies)小波基函數(shù)對(duì)AQI和相關(guān)氣象因子進(jìn)行小波分析,研究污染物濃度時(shí)序數(shù)據(jù)中隱藏的周期規(guī)律。在此基礎(chǔ)上,將污染物濃度時(shí)間序列進(jìn)行小波去噪,將原時(shí)間序列通過小波算法變換后,選取一個(gè)合適的閥值,大于閥值的小波系數(shù)被認(rèn)為是有信號(hào)產(chǎn)生的,予以保留；小于閥值的則認(rèn)為是噪聲產(chǎn)生的,置為零從而達(dá)到去噪目的。通過對(duì)原始AQI和相關(guān)氣象因子數(shù)據(jù)進(jìn)行小波分解,低頻部分的小波分解系數(shù)(LL)作為有用信號(hào)被保留下來,噪聲部分包含垂直方向上的小波分解系數(shù)(HL)、水平方向上的小波分解系數(shù)(LH)和對(duì)角線方向上的小波分解系數(shù)(HH)中,對(duì)HL、LH、HH作相應(yīng)的小波系數(shù)處理,然后對(duì)信號(hào)進(jìn)行重構(gòu),得到小波去噪后的時(shí)間序列。小波分析和小波去噪在MATLAB軟件中實(shí)現(xiàn)。

1.2.3 最優(yōu)子集回歸

采用最優(yōu)子集方法對(duì)太原市空氣質(zhì)量AQI指數(shù)進(jìn)行預(yù)測。最優(yōu)子集回歸是從對(duì)因變量有影響的自變量集合中,依據(jù)特定準(zhǔn)則選擇出最有效的自變量子集構(gòu)成回歸方程[14],回歸方程的復(fù)相關(guān)系數(shù)達(dá)最大時(shí)相應(yīng)的模型即為最優(yōu)子集回歸模型[15]。根據(jù)輸入指標(biāo)的不同分為以下四種模型:OSRm(僅氣象因子)、OSRm+h(氣象因子+前一天AQI指數(shù))、DN-OSRm(去噪后氣象因子)、DN-OSRm+h(去噪后氣象因子+去噪后前一天AQI指數(shù))。采用平均絕對(duì)誤差(MAE)與均方根誤差(RMSE)對(duì)構(gòu)建的四種模型進(jìn)行擬合優(yōu)度判定,MAE與RMSE越小,模型擬合度越好。最優(yōu)子集回歸R軟件中實(shí)現(xiàn)。

2 結(jié)果分析

2.1 太原市AQI及主要污染物濃度變化特征分析

依據(jù)空氣質(zhì)量指數(shù)計(jì)算方法可得到太原市AQI指數(shù),然后對(duì)AQI指數(shù)及主要污染物PM10、PM2.5、SO2和NO2濃度數(shù)據(jù)繪制逐日的時(shí)間序列并分析,結(jié)果見表2。

根據(jù)“環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)(HJ633—2012)”規(guī)定,AQI指數(shù)0～50為一級(jí)優(yōu),51～100為二級(jí)良,101～150為三級(jí)輕度污染,151～200為四級(jí)中度污染,201～300為五級(jí)重度污染,>300為六級(jí)嚴(yán)重污染。太原市日AQI指數(shù)多分布在100～200標(biāo)準(zhǔn)線之間(圖1a),表明2013～2015年太原市日空氣質(zhì)量多為良或輕度污染。冬半年(11～4月)出現(xiàn)中度污染甚至重度污染的概率較大,冬半年污染程度明顯嚴(yán)重于夏半年。從3 a中出現(xiàn)嚴(yán)重污染的天數(shù)來看,主要集中在2013年春天和2014年冬天,有文獻(xiàn)表明[16],2013年春天重污染天氣的發(fā)生與不利氣象條件有關(guān)。

從AQI年均值及最值統(tǒng)計(jì)結(jié)果來看(表2、圖1a),2013年～2015年,太原市AQI指數(shù)均值呈現(xiàn)逐年降低趨勢(shì)。污染最嚴(yán)重時(shí)期出現(xiàn)在2013年,重污染天數(shù)共計(jì)38 d,其中AQI最大值達(dá)到了462,到2015年,重污染天數(shù)共計(jì)32 d,其中AQI最大值為301,說明無論是污染天數(shù)還是污染程度都有了減輕。從AQI優(yōu)良天數(shù)及比例來看,AQI年優(yōu)良天數(shù)在穩(wěn)步增加,從2013年的162 d,到2014年的197 d,到2015年的230 d,

說明相關(guān)的治理和防治措施產(chǎn)生了明顯效果。

從PM10和PM2.5的時(shí)間序列分析可知(圖1b、1c),PM10、PM2.5濃度超過國家《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級(jí)日均值標(biāo)準(zhǔn)的天數(shù)較多,全年均有分布,表明太原市顆粒物的污染較為嚴(yán)重,PM10、PM2.5時(shí)間序列與AQI時(shí)間序列的變化趨勢(shì)基本一致,反映出PMl0和PM2.5是太原市主要的污染物。由PM10和PM2.5統(tǒng)計(jì)結(jié)果來看(表2),兩種污染物濃度均值及最大值均逐年減小,說明太原市PM10、PM2.5濃度在逐年降低,PM10、PM2.5優(yōu)良天數(shù)及比例3 a內(nèi)明顯提高,環(huán)境治理取得顯著效果。

從SO2年均值及最值統(tǒng)計(jì)結(jié)果來看(表2),3 a間SO2濃度均值及優(yōu)良天數(shù)及比例變化不明顯,且2015年SO2濃度最大值明顯提高。結(jié)合時(shí)間序列分析(圖1d),SO2的時(shí)間序列變化趨勢(shì)與AQI的趨勢(shì)并不完全一致,3 a內(nèi)SO2濃度降低不明顯。從NO2年均值及最值統(tǒng)計(jì)結(jié)果來看(表2),3 a間NO2濃度均不超標(biāo),表明NO2不是太原市主要空氣污染物。

表2 太原市環(huán)境空氣質(zhì)量指數(shù)AQI及主要污染物濃度的統(tǒng)計(jì)特征值

2013～2015年,太原市PM10、PM2.5濃度和AQI指數(shù)逐年下降,但SO2濃度變化幅度不大。這主要與污染物來源不同有關(guān),太原市PM10、PM2.5的污染源主要包括揚(yáng)塵、燃煤塵、機(jī)動(dòng)車尾氣塵、硫酸鹽、土壤風(fēng)沙塵、建筑水泥塵等,SO2的主要污染源是含硫燃料(如煤)的燃燒。2013～2015年,太原市政府對(duì)城中村鍋爐燃煤進(jìn)行清潔燃料的置換,用焦炭置換原煤,因此城中村冬季取暖造成的顆粒物排放量明顯下降,同時(shí)太原市政府?dāng)U大柴油車禁止駛?cè)雲(yún)^(qū)域、實(shí)施必要時(shí)的機(jī)動(dòng)車限行措施、重污染企業(yè)錯(cuò)峰生產(chǎn)、限產(chǎn)、停產(chǎn)等一系列措施,因此太原市AQI指數(shù)和PM10、PM2.5濃度呈下降趨勢(shì);對(duì)于SO2而言,由于城市建筑面積不斷擴(kuò)大,集中供暖面積也在擴(kuò)大,用于冬季取暖的用煤量并沒有明顯下降,因此SO2濃度降低不明顯。雖然近年來太原市空氣質(zhì)量有了明顯改善,但與國外及國內(nèi)其他城市相比[17-19],太原市各項(xiàng)環(huán)境指數(shù)和污染指標(biāo)仍處于較高水平,形勢(shì)不容樂觀。

Fig.1 Daily time series of AQI and main pollutants from 2013/1/1 to 2015/12/31圖1 2013年1月—2015年12月太原市空氣污染的逐日變化(虛線分別代表《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095—2012)各污染物的二級(jí)日均值標(biāo)準(zhǔn))

2.2 太原市AQI、空氣污染物和氣象因子的相關(guān)分析

太原市2013年1月～2015年12月AQI、空氣污染物及氣象因子間的Spearman相關(guān)分析結(jié)果見圖2。

從AQI與空氣污染物的相關(guān)性來看,影響太原市AQI的污染因子依次為:PM2.5、PM10、SO2、CO、NO2、O3,AQI與PM2.5和PM10的相關(guān)系數(shù)最高,達(dá)到了0.94和0.93,其次是SO2、CO和NO2,AQI和各污染物的相關(guān)性均達(dá)極顯著(P<0.001)。從AQI與氣象因子的相關(guān)分析可以看出,與AQI相關(guān)性由強(qiáng)到弱的氣象因子依次為:能見度、室外溫度、風(fēng)速、臭氧、大氣壓強(qiáng)、室外濕度,其中AQI與能見度、室外溫度和風(fēng)速的相關(guān)性達(dá)到極顯著水平(P<0.001),AQI和室外濕度不具有顯著性相關(guān)關(guān)系。

從空氣污染物與氣象因子的相關(guān)性來看,污染物濃度與氣象因子具有相對(duì)較強(qiáng)的相關(guān)性。除O3以外的5種污染物與風(fēng)速、能見度、室外溫度之間的相關(guān)系數(shù)呈負(fù)數(shù),說明風(fēng)速、溫度越大,污染物濃度越低,能見度越高。大氣壓強(qiáng)與除O3外的其他污染物濃度呈正相關(guān)關(guān)系,表明大氣壓越高,污染物濃度也越高,較低的大氣壓不利于污染物的擴(kuò)散。O3濃度與氣象因子的相關(guān)性比較特殊,隨風(fēng)速和溫度的增大而增大,這是由于大氣中垂直向的湍流作用以及風(fēng)速大小對(duì)臭氧“飄移”所造成的現(xiàn)象[20]。

Fig.2 Correlations between AQI,pollutants and meteorological factors圖2 AQI、各種污染物及氣象因子之間的相關(guān)關(guān)系(*P<0.05,**P<0.01,***P<0.001)

2.3 基于小波分析的太原市AQI指數(shù)的周期變化特征

為進(jìn)一步研究太原市污染狀況的周期變化特征,利用db3(Daubechies)小波對(duì)AQI和相關(guān)氣象因子進(jìn)行小波分析。圖3給出了AQI、大氣壓、風(fēng)速、能見度、室外濕度、室外溫度等相關(guān)氣象因子的5層db3小波分解濾波圖。

Fig.3 Wavelet decomposition of AQI and meteorological factors圖3 AQI及相關(guān)氣象因子的小波分解圖

小波濾波圖比原時(shí)間序列圖更加平滑,更直觀地反映了各污染物濃度隨時(shí)間的變化。AQI及相關(guān)氣象因子均具有較明顯的年際周期振蕩、30～60 d的季節(jié)周期振蕩、10～20 d的雙周振蕩及5～7 d的單周振蕩。由圖3a可知,每年10～11月份,太原市污染程度開始加劇,3～4月逐漸回落,期間為北方的供暖期,大量燃煤產(chǎn)生了的懸浮顆粒物、SO2濃度增加,影響空氣質(zhì)量隨之降低;結(jié)合氣象因子小波圖可知(圖3b～圖3f),近年來太原市冬季風(fēng)速較低,燃煤產(chǎn)生的污染物無法快速擴(kuò)散,長期滯留城區(qū),能見度降低,污染物濃度上升加快。此外，AQI變化具有較強(qiáng)的節(jié)日性,每年國慶期間污染開始加劇,春節(jié)期間達(dá)到最大值,主要原因?yàn)楣?jié)日期間市區(qū)車流量增加,尾氣排放加劇,空氣中顆粒物大量增加,直接影響空氣質(zhì)量?？偟膩砜?太原市AQI具有明顯的周期性特征,這種周期震蕩主要受人類活動(dòng)影響,但氣象因素對(duì)空氣質(zhì)量也有較強(qiáng)影響。

2.4 太原市空氣污染物的最優(yōu)子集預(yù)測

2.4.1 基于原始時(shí)間序列數(shù)據(jù)的AQI預(yù)測

采用日平均能見度、氣壓、室外溫度、室外濕度、風(fēng)速5個(gè)氣象因子為自變量,建立AQI指數(shù)的最優(yōu)子集回歸模型(OSRm)。同時(shí),由于空氣污染物具有累積效應(yīng)、持續(xù)性特征,因此歷史狀況與預(yù)測目標(biāo)關(guān)系密切,在上述模型中加入前一時(shí)刻歷史AQI數(shù)據(jù)作為模型輸入變量,建立基于氣象因子和歷史數(shù)據(jù)的預(yù)測模型(OSRm+h)。兩種模型的擬合結(jié)果見表3。

由表3列化OSRm所建的最優(yōu)子集回歸方程可知,春、夏、秋、冬所建回歸方程的復(fù)相關(guān)系數(shù)分別約為0.519 4、0.607 9、0.577 7、0.450 5,分別經(jīng)F檢驗(yàn),回歸效果均顯著(P<0.05),冬季所建方程的擬合效果相對(duì)較差。這可能由于冬季是太原市供暖旺季,且煤炭為主要熱源,導(dǎo)致空氣污染物濃度受人為供暖影響較大,而受氣象條件影響較小。引入前一時(shí)刻歷史AQI數(shù)據(jù),分別建立春、夏、秋、冬的OSRm+h回歸方程,經(jīng)F檢驗(yàn),回歸效果均顯著(P<0.05)四個(gè)季節(jié)OSRm+h方程的復(fù)相關(guān)系數(shù)為0.588 6、0.636 0、0.659 0、0.474 6,擬合度均明顯提高,說明歷史數(shù)據(jù)的引入在一定程度上提高了模型精度,有助于提升模型泛化能力。

表3 基于原始時(shí)間序列數(shù)據(jù)的AQI最優(yōu)子集回歸方程

2.4.2 基于小波去噪時(shí)間序列的AQI預(yù)測

將日平均能見度、氣壓、室外溫度、室外濕度、風(fēng)速5個(gè)氣象因子和AQI指數(shù)進(jìn)行小波去噪(DN),去除數(shù)據(jù)中的突變值,減少噪聲,重建最優(yōu)子集回歸方程。方程分為:僅考慮去噪后氣象數(shù)據(jù)進(jìn)行AQI指數(shù)建模(DN-OSRm)、去噪后氣象數(shù)據(jù)加前一天去噪后AQI值進(jìn)行AQI指數(shù)建模(DN-OSRm+h),結(jié)果見表4。

表4 基于小波去噪時(shí)間序列的AQI最優(yōu)子集回歸方程

由表4中DN-OSRm所建的最優(yōu)子集回歸方程可知,春、夏、秋、冬所建回歸方程的復(fù)相關(guān)系數(shù)分別約為0.582 9、0.623 4、0.605 0、0.474 5,經(jīng)F檢驗(yàn),回歸效果均顯著(P<0.05)。其中春、夏、秋三季的擬合效果較好,冬季擬合效果較差。DN-OSRm+h所建的回歸方程的復(fù)相關(guān)系數(shù)分別約為0.652 5、0.687 5、0.699 7、0.531 5,經(jīng)F檢驗(yàn),回歸效果均顯著(P<0.05),表明歷史數(shù)據(jù)引入到小波去噪后的時(shí)間序列中,提高了模型的預(yù)測精度。

2.4.3 四種模型對(duì)比分析

分別采用四種模型:OSRm(僅氣象數(shù)據(jù))、OSRm+h(氣象數(shù)據(jù)+歷史AQI數(shù)據(jù))、DN-OSRm(去噪后氣象數(shù)據(jù))、DN-OSRm+h(去噪氣象數(shù)據(jù)+去噪歷史AQI數(shù)據(jù))對(duì)2016年AQI值進(jìn)行擬合,得到AQI指數(shù)的最優(yōu)子集回歸方程擬合曲線(圖4)。由圖4可見,所建的最優(yōu)子集回歸模型對(duì)AQI的升降趨勢(shì)、峰值、谷值均具有較好的預(yù)測。四種回歸模型的預(yù)測誤差分析見表5。

從是否增加歷史AQI數(shù)據(jù)來看,增加前一天的AQI數(shù)據(jù)后,回歸方程的擬合值與真實(shí)值之間的MAE與RMSE均有降低。因此增加前一天AQI數(shù)據(jù)所建的最優(yōu)子集回歸方程比單選用氣象因子更優(yōu)。

從是否對(duì)數(shù)據(jù)進(jìn)行小波去噪處理來看,對(duì)數(shù)據(jù)進(jìn)行小波去噪后,回歸方程的擬合值與真實(shí)值之間的MAE與RMSE均有降低。因此對(duì)數(shù)據(jù)進(jìn)行小波去噪后所建的最優(yōu)子集回歸方程比使用原始數(shù)據(jù)更優(yōu)。

Fig.4 Fitting curves with the 4 models and original curves of 2016,Taiyuan圖4 2016年太原市AQI原始時(shí)間序列與模型擬合時(shí)間序列

模型MAERMSE OSRm27.189 0840.106 56 OSRm+h25.916 4238.688 14 DN-OSRm26.781 7739.138 24 DN-OSRm+h25.524 2137.368 67

綜合而言,對(duì)原始數(shù)據(jù)進(jìn)行小波去噪并且引入歷史數(shù)據(jù)后,所建立的“去噪氣象數(shù)據(jù)+去噪歷史AQI數(shù)據(jù)”模型可以較好地實(shí)現(xiàn)對(duì)太原市AQI指數(shù)的短期預(yù)測。

3 結(jié)論與討論

利用2013年1月～2015年12月太原市PM2.5、NO2、SO2等污染物數(shù)據(jù)資料,采用相關(guān)分析、小波分析、功率譜分析等方法對(duì)太原市空氣污染的變化特征與地面氣象各要素的關(guān)系進(jìn)行研究,同時(shí)對(duì)太原市空氣質(zhì)量指數(shù)建立了最優(yōu)子集回歸模型并得出以下結(jié)論:

(1)從2013年～2015年的監(jiān)測和統(tǒng)計(jì)分析來看,太原市的環(huán)境空氣質(zhì)量有所好轉(zhuǎn)且逐年進(jìn)步,2013～2015年期間,太原市空氣質(zhì)量多數(shù)情況下為良或輕度污染。PM10、PM2.5為太原市主要的污染物,其次為SO2,PMl0、PM2.5及SO2的變化基本一致,異常峰值出現(xiàn)在冬季,具有冬強(qiáng)夏弱的特點(diǎn),這與北方冬季燃煤供暖密不可分。

(2)AQI指數(shù)與PMl0、PM2.5之間的相關(guān)系數(shù)均較高,均在0.9以上。AQI指數(shù)與各氣象因子呈負(fù)相關(guān),其中能見度、溫度、風(fēng)速的負(fù)相關(guān)性較強(qiáng);O3濃度與室外溫度的相關(guān)性較強(qiáng),這與太陽光中長短波輻射對(duì)O3的產(chǎn)生與分解有關(guān)。

(3)AQI指數(shù)與相關(guān)氣象因子均具有較明顯的年際周期性振蕩、30～60 d的季節(jié)性周期振蕩、10～20 d的雙周性振蕩及5～7 d的準(zhǔn)雙周振蕩。從每年的10～11月份開始,污染程度逐漸加劇,3～4月開始回落,期間為北方的供暖期,過度燃煤產(chǎn)生了過量的顆粒物、SO2等,直接影響空氣質(zhì)量。并且污染物濃度變化具有較強(qiáng)的節(jié)日性,每年國慶期間污染開始加劇,并在11月稍有回落,且在春節(jié)期間達(dá)到最大值。

(4)增加前一天的歷史AQI數(shù)據(jù)集所建的最優(yōu)子集回歸方程比單選用氣象因子更優(yōu),對(duì)數(shù)據(jù)進(jìn)行小波去噪后所建的最優(yōu)子集回歸方程比使用原始數(shù)據(jù)更優(yōu),綜合而言,對(duì)原始數(shù)據(jù)進(jìn)行小波去噪并且引入歷史數(shù)據(jù)后,所建立的“去噪氣象數(shù)據(jù)+去噪歷史AQI數(shù)據(jù)”模型可以較好地實(shí)現(xiàn)對(duì)太原市AQI指數(shù)的短期預(yù)測。

對(duì)太原市空氣污染的變化特征進(jìn)行了分析,并探討了影響AQI的氣象要素,但是由于空氣質(zhì)量變化的原因不僅與污染源排放大小有關(guān),來自固定和流動(dòng)污染源的污染物排放量是影響空氣質(zhì)量的最主要因素之一,而且,城市的發(fā)展密度、地形地貌和氣象因素等也是影響空氣質(zhì)量的重要因素。其中,污染物排放數(shù)據(jù)是影響空氣質(zhì)量模型模擬的最重要因素,但是由于我國污染源排放數(shù)據(jù)一直未公開,本文未能收集到太原市污染源的排放數(shù)據(jù),因此僅探討了在氣象數(shù)據(jù)和歷史監(jiān)測數(shù)據(jù)相對(duì)容易獲得的情況下,構(gòu)建短期空氣質(zhì)量預(yù)測模型的可行性和模型的預(yù)測精度。未來將采用更為先進(jìn)的空氣質(zhì)量預(yù)測模型,納入地形高程、土地利用、氣象觀測資料、空氣質(zhì)量監(jiān)測數(shù)據(jù)及污染源排放數(shù)據(jù)等大量環(huán)境基礎(chǔ)信息數(shù)據(jù),對(duì)模型中的關(guān)鍵性參數(shù)進(jìn)行本地化和有效率定,這也是空氣質(zhì)量預(yù)測模型發(fā)展的主流方向。