基于2015～2018年实时监测数据对关中平原城市群PM2.5时空变化规律的研究

为了解关中平原城市群PM_2.5时空变化规律，利用2015～2018年国家空气质量检测平台发布的PM_2.5实时监测数据，并用地统计学和探索性空间数据分析等方法，对关中平原城市群PM_2.5污染的时空变化规律进行分析。结果表明，关中平原城市群PM_2.5污染总体呈向好趋势，PM_2.5年均超标城市由11个减少到8个，年均浓度超标率显著下降。PM_2.5污染主要出现在冬季，春秋季过渡，夏季PM_2.5浓度季度均值、月均值都最低，PM_2.5日均值曲线与月均值曲线大致趋势一致，呈单峰"脉冲型"变化；PM_2.5污染在空间上具有明显的分异性和集聚性特征，表现出"临汾-咸阳"为轴的高污染区面积逐渐缩小，而以平凉、天水为中心的低污染区面积逐渐扩大的空间变化规律。     

中原城市群PM2.5浓度驱动因子联动效应及非线性影响

城市群是中国PM_2.5污染与防治的核心区.为探究中原城市群PM_2.5浓度驱动因子的作用机制,基于多源遥感数据和统计数据,采用空间自相关、参数最优地理探测器以及系统动态面板回归模型等方法,量化了PM_2.5浓度的驱动因子及因子间的联动效应,进一步分析了社会经济因素对PM_2.5浓度的非线性影响并给出相应的治霾建议.结果表明：①2012~2018年,中原城市群PM_2.5浓度下降程度存在空间分异,北部较南部地区污染减弱更为显著.②PM_2.5浓度高值聚集有从中原城市群北部向东部转移的趋势,而低值聚集情况相对稳定.③高程对PM_2.5浓度的解释力最强,因子间联动效应对PM_2.5污染的解释力均表现为增强,其中高程与降水交互后解释力最强.④人均GDP、人口密度、夜间灯光、外商直接投资和第二产业占比均与PM_2.5浓度之间存在非线性关系.结合中原城市群现状,加大污染治理投入、调整城市结构形态、加强基础设施建设、调整人口分布与产业结构、保持较高的城市活跃水平、设定严格的环境法规和引入高质量外商投资等有助于治理PM_2.5污染.     

2017~2021年苏皖鲁豫交界区域PM2.5和O3时空变化特征及影响因素

苏皖鲁豫交界区域是长三角和京津冀及周边两大大气污染治理重点区域的连接带,揭示该区域PM_2.5和O₃污染特征对推动区域大气污染联防联控有着重要意义.基于2017~2021年苏皖鲁豫交界区域22个地市的国家空气环境监测网络观测数据,探讨了该区域PM_2.5和O₃浓度的时空变化特征及气象影响.结果表明：①2017~2021年区域PM_2.5浓度呈现逐年下降趋势,PM_2.5浓度月均值呈现“U型”分布,冬季PM_2.5浓度仍维持高位.O₃-8h-90%浓度呈现波动下降趋势,O₃-8h-90%浓度月均值变化呈“M型”分布,夏秋季O₃污染程度未有好转.②与2017年相比,2021年PM_2.5-O₃复合污染天数减少了52 d,但PM_2.5污染仍占主导地位.③PM_2.5和O₃污染区域主要集中在区域中部和北部城市,且中部城市PM_2.5和O₃污染程度均改善显著.④采用Moran''s I指数和LISA指数分析了区域PM_2.5和O₃-8h-90%浓度的全局和局部空间自相关性,PM_2.5和O₃-8h-90%浓度均具有空间相关性,PM_2.5浓度主要表现为高值-高值聚集或低值-低值聚集现象,且高值-高值聚集有从中部向西部转移的现象,2020年和2021年O₃-8h-90%浓度表现为高值-高值聚集或低值-低值聚集现象.⑤结合气象要素数据,利用KZ滤波方法量化排放源与气象条件对区域PM_2.5和O₃-8h浓度的贡献,两者主要受到污染物排放影响,贡献率分别为101.0%和99.3%,表明污染物减排是驱动区域空气质量改善的主要因素.此外,气象条件对PM_2.5浓度的贡献在一、四季度为正值,二、三季度为负值,而对O₃-8h浓度的影响则反之,且气象条件对不同城市PM_2.5和O₃-8h浓度的影响程度存在较大差异.     

关中平原城市群PM2.5时空演变格局及其影响因素

PM_2.5作为大气污染的主要来源,其时空演变格局和影响因素对于大气环境质量调控具有重要意义.基于2000~2020年PM_2.5遥感反演数据,采用空间自相关和数理统计方法分析关中平原城市群PM_2.5时空演变特征,以海拔、年均气温和人均GDP等10种因子为自变量,结合地理探测器和多尺度地理加权回归（MGWR）模型对PM_2.5污染影响因素进行空间分异探究.结果表明：①2000~2020年,关中平原城市群PM_2.5浓度总体呈下降趋势.浓度高值区集中在研究区中东部,低值区集中在研究区西部.热点区域集中在临汾市和运城市,冷点区则集中在天水市和宝鸡市.②自然因子在关中平原城市群PM_2.5污染中占主导地位,2020年PM_2.5浓度主控影响因子按解释力大小排序依次为：海拔>年均气温>地形起伏度>年均相对湿度>年降水量>人均GDP>植被覆盖度>能源消耗指数.③主控影响因子按照作用尺度大小排序依次为：植被覆盖度>年均气温>能源消耗指数>年降水量>地形起伏度>海拔>人均GDP>年均相对湿度.其中人均GDP、地形起伏度、能源消耗指数和年均气温主要为正向作用,植被覆盖度、年降水量、海拔和年均相对湿度主要为负向作用.研究得出了关中平原城市群PM_2.5时空演变格局和影响因素,可为相关部门制定大气污染防治政策提供决策依据,同时丰富实证研究.     

长三角城市群PM2.5时空变化和影响因素分析

为协调经济发展与环境污染之间的矛盾,实现经济社会的可持续发展.以长三角城市群为研究区,基于PM_2.5浓度和气象数据,分析PM_2.5浓度的时空变化规律,并利用小波相干（WTC）、偏小波相干（PWC）和多小波相干（MWC）,评估PM_2.5与气象因子在时频域中的多尺度耦合振荡.结果表明：①②③④⑥⑤⑦⑧⑨⑩长三角城市群PM_2.5浓度年均值由西北向东南梯度递减,高值区域空间范围逐年缩小.PM_2.5浓度季节均值与年均值的空间分布特征相似,并且具有冬季最高,夏季最低,春秋过渡的特点.② PM_2.5浓度从2015~2021年逐年下降,达标率逐年上升.PM_2.5浓度差异逐年缩小,具有动态收敛性特征.PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度日均值具有U型振荡特征,整个研究期间PM_2.5浓度等级为优和良的天数占比分别为49.72%和41.45%.③ PM_2.5与气象因子的相干性在不同时频域上存在差异.时频尺度不同,影响PM_2.5的主控因子也不尽相同.在所有时频尺度上,WTC结果表明风速可作为解释PM_2.5变化的最佳变量,PWC结果表明温度可作为解释PM_2.5变化的最佳变量.④时频尺度越大,多变量组合解释PM_2.5变化的相互作用越强,而温度和风速的协同作用可以更好地解释PM_2.5变化.结果可为长三角城市群空气污染防治提供参考.     

中国城市PM2.5时空动态变化特征分析:2015-2017年

近年来我国雾霾事件频发.采用2015-2017年全国329个地级及以上城市PM_2.5浓度每小时监测数据,利用全域空间自相关法、自然正交函数和空间描述统计分析的方法,从时空视角来揭示PM_2.5浓度的时间动态变化规律以及空间分布特征.研究发现：①从全国范围内来看,PM_2.5浓度均值逐年降低,降幅最高为夏季,最低为冬季,PM_2.5浓度位于40~60 μg·m^-3之间的城市降幅较大.PM_2.5浓度年内表现为"冬高夏低,春秋居中"的时间动态变化规律,且各年PM_2.5浓度达优良率不断提高.②细颗粒物污染改善程度最大的为德州,京津冀城市群和长三角城市群改善程度居中.全国PM_2.5污染范围逐年缩小,但新疆西部和冀鲁豫仍为高污染区,西南和东南沿海地区为低污染区.各区域污染的空间集聚逐年缩小.优良达标率在空间分布特征上无显著变化.③"大气十条"部分指标已完成,未来细颗粒物污染治理重点区域仍以京津冀地区为核心.在防治空气污染方面,必须加强区域联防联控机制.     

基于空间尺度效应的山东省PM2.5浓度时空变化及空间分异地理探测

基于PM_2.5遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_2.5浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_2.5浓度空间分异的影响因子影响力.结果表明：①时间上,2000~2021年山东省ρ（PM_2.5）均值在38.15~88.63 μg·m^-3之间,略微高于《环境空气质量标准》中可吸入颗粒物的二级标准限值（35 μg·m^-3）.在年际尺度上,2013年是ρ（PM_2.5）变化的峰值年,其值为83.36 μg·m^-3,据此将山东省PM_2.5浓度变化趋势分为两个阶段：持续上升和快速下降阶段.在季节尺度上,PM_2.5浓度呈现“夏低冬高,春秋居中”分布特征和先降后升的“U”型变化规律.②空间上,山东省PM_2.5浓度呈现出“西高东低”的空间分布格局,PM_2.5浓度高值区分布山东省西部地区,低值区则分布在东部半岛地区.PM_2.5浓度空间变化趋势呈现显著的空间异质性,极显著下降的区域主要分布在东部半岛地区.③因子探测结果表明,气候因子是影响山东省PM_2.5浓度空间分异的重要影响因素,平均气温对山东省PM_2.5浓度空间分异的影响最高,q值为0.512.省-市-县多尺度探测结果显示,影响PM_2.5浓度空间分异的影响因子及其影响力在不同空间尺度上具有差异性.省级尺度上,平均气温、日照时数和坡度是影响PM_2.5浓度空间分异的主要影响因子;市级尺度上,降水、高程和相对湿度是影响PM_2.5空间分异的主要影响因子;县级尺度上,降水、平均气温和日照时数是影响PM_2.5浓度空间分异的主要影响因子.     

陕西省PM2.5时空分布及影响因素区域差异研究

为了解陕西省PM_2.5分布特征及影响因素区域差异,基于陕西省2019年PM_2.5浓度数据,采用空间数据统计方法、空间自相关分析法和地理探测器法对PM_2.5时空分异特征及驱动因素进行探究,以期为陕西省PM_2.5研究与治理提供可靠的科学依据。结果表明：陕西省PM_2.5污染呈“冬高夏低”、“中部高、南北低”的特点。陕西省PM_2.5浓度空间分布表现为极显著的空间正相关性,陕南部分县域为低低聚集区,关中地区渭南、西安、咸阳部分县域为高高聚集区。对陕西省PM_2.5浓度影响最大的是社会经济因子（0.328—0.548）,陕北地区为GDP（0.932）,关中地区为人口密度（0.936）,陕南地区为相对湿度（0.710）。交互探测结果表明：陕西省主导交互因子为人口密度∩GDP,各种复杂的自然因素和人为活动因素耦合会大大加强对PM_2.5浓度的解释力。     

1998~2016中国八大经济区植被覆盖对PM2.5浓度时空分布的影响

目前很少有PM_2.5污染与植被覆盖的相关性深入研究,尝试对此进行补充.基于1998~2016年的PM_2.5和归一化植被指数（NDVI）的栅格数据,以中国内地八大经济区为研究对象,对NDVI值进行3个等级划分（低植被覆盖区、中植被覆盖区和高植被覆盖区）,并计算相应等级的PM_2.5污染浓度.在此基础上,从NDVI的景观尺度和类型尺度分析PM_2.5污染的时空特征,然后利用面板数据模型定量化NDVI景观格局指数对PM_2.5的影响.结果表明：①北部沿海、东部沿海、南部沿海、长江中游和东北经济区在植被覆盖相对较低的区域,PM_2.5污染较严重;而黄河中游、西南地区及大西北经济区则在植被覆盖相对较低的区域表现出较轻的PM_2.5污染;②大部分区域的PM_2.5随时间变化呈显著上升趋势;③PM_2.5与NDVI景观格局指数相关性显著（P<0.05）的区域相对较少;④景观形状指数（LSI）、斑块面积比（PLAND）、斑块数量（NP）、最大斑块占景观面积比（LPI）和聚集度指标（AI）指数对PM_2.5的影响都表现出明显的空间异质性.     

四川盆地PM2.5浓度时空变化特征遥感监测与影响因子分析

四川盆地因其独特的地形地貌、静风和高湿等气象条件,导致盆地内部大气污染物扩散难度大,随着城市化与工业化进程加快,区内PM_2.5污染日益加重,四川盆地已成为国家大气污染防治的重点地区之一.基于PM_2.5浓度遥感反演产品,采用空间自相关分析与灰色关联分析方法,研究了四川盆地PM_2.5浓度的时空分布特征及其影响因素.结果表明,四川盆地PM_2.5浓度具有显著的空间聚集性,高-高聚集类型分布集中,低-低聚集类型分布较为分散;针叶林对PM_2.5的吸收抑制作用明显高于灌丛和草地等其他植被类型.研究认为,影响四川盆地PM_2.5浓度的主要气象因子是风速和气温,人口密度与经济规模则是影响四川盆地PM_2.5浓度的主要人类活动因子,产业结构及其规模变化对四川盆地PM_2.5浓度也产生一定影响.     

中国西南三江流域风化的季节性变化特征

青藏高原的风化可能影响着全球碳循环和长时间尺度气候变化,其风化速率和影响机制一直受到科学界的关注。本研究对发源于青藏高原东部的三江——金沙江、澜沧江和怒江干流进行每月两次,为期一水文年的定点观测研究。结果表明三江水样的pH总体呈弱碱性,水中主要阴阳离子组成和TDS变化明显并且都有明显的季节性变化特征。本研究首先用正演模型评估了不同端元对三江水化学的贡献比例,并估算出金沙江石鼓以上、澜沧江维登以上和怒江六库以上流域的净CO2消耗速率分别为76.3×103 mol/(km2·a)、238.9×103 mol/(km2·a)和189.3×103 mol/(km2·a),雨季净CO2消耗速率可达旱季的2~4倍;反演法估算出的净CO2消耗速率与正演法的相差均在25%以内,表明估算结果的可靠性。     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

黄河上游灌区连作稻田N2O排放特征及影响因素

黄河上游灌区高产连作稻田氮肥的过量施用引起土壤氮素盈余,进而导致稻田N2O排放量增大.为了探明水稻连作模式下稻田N2O排放特征及影响因素,采用静态箱-气相色谱法,开展了为期2年的连作水稻田试验研究.试验共设置3个施氮处理,包括常规氮肥300kg.hm-2(N300)、优化氮肥240kg.hm-2(N240)和对照不施氮肥(N0),并在稻田连作的第2年,对N240处理灌溉节水30%.2年连作试验结果表明,水稻生长季稻田N2O排放主要发生在水稻施基肥后及水稻生长的中后期,在稻田灌水泡田后N2O排放速率达最大值.稻田高氮肥(300kg.hm-2)施用显著增加N2O的排放量,优化氮肥(240kg.hm-2)处理可有效降低土壤N2O排放量(p<0.01).水稻生长季稻田淹水状态时N2O排放量极低,稻田灌溉节水会相应增加土壤N2O排放量.土壤温度变化对稻田N2O的生成和排放会产生较大影响,但受稻田肥水管理等因素的影响,温度与N2O排放量相关性不显著.灌区稻田土壤N2O排放通量与田面水NO3--N含量变化及耕层0～40cm土壤NO3--N积累量变化有显著的相关性.稻田连作显著增加了耕层土壤剖面0～40cm土层NO3--N的积累量,耕层土壤NO3--N积累量的增加进而加大了土壤N2O排放的风险.在宁夏黄灌区稻田常规灌水和高氮肥(300kg.hm-2)水平下,2年连作稻田水稻生长季土壤N2O总排放量分别达55.98×104kg.a-1和51.48×104kg.a-1,在100a时间尺度上的全球增温潜势(GWPs)均值为16.02×107kg.hm-2(以CO2计),表明黄灌上游灌区高氮肥施用导致稻田N2O排放量增大,由此引起的增温潜势严重.     

南极菲尔德斯半岛植被微区CO2浓度的监测

在南极苔藓植被的微环境区内,CO₂的浓度在473.5mg·m^-3以上,大大高于全球CO2的平均浓度(356 mg·m^-3),可见苔藓等植被区可能是大气CO₂的源之一.这与特殊的南极条件下植被的生理生态特性有关.在苔藓分布区,CO₂浓度日变化的主要影响因素是光照和温度.菲尔德斯半岛变化无常的天气状况使得CO₂浓度昼夜变化规律出现局部波动,不同的天气状况也使CO₂浓度发生变化.研究表明:光照条件是CO₂浓度变化的主导影响因素,从CO₂浓度的季节变化中可以看出,CO₂浓度变化与大气温度呈负相关;与降水量和空气相对湿度呈正相关.本文首次给出了极地环境下植被微区的CO₂浓度变化及其影响因素,为极地温室气体的研究提供了新的材料.     

温州城市降雨径流中BOD5和COD污染特征及其初始冲刷效应

为研究温州降雨径流污染情况,监测了温州2个采样区4场较为典型的降雨过程,测定了不同下垫面径流中BOD5和COD的浓度,并且计算出污染物的EMC值、M(V)曲线和BOD5/COD值等.结果表明,温州城市降雨径流中BOD5和COD的含量分别介于ND～69.21 mg.L-1和ND～636 mg.L-1之间,不同城市下垫面径流中BOD5和COD的含量均随着降雨历时的延长而呈下降趋势,处理初期径流水样对减少耗氧性有机污染具有重要意义.从COD和BOD5的EMC值来判断,部分城市下垫面降雨径流中污染物浓度超出地表五类水标准,甚至高于污水排放二级标准,此类降雨径流若直接入河将对下级受纳水体造成耗氧性有机污染的压力.根据M(V)累积曲线判断,COD初期冲刷效应在城市降雨径流中是较为普遍的,城市降雨径流中的BOD5表现出与COD类似的初始冲刷情况,该结果亦表明径流初期耗氧性有机污染严重.城市降雨径流中COD和BOD5的浓度受下垫面类型和降雨条件的影响,而BOD5/COD指标的变化特征则指出生物降解是削减有机污染负荷的有效途径之一,但不同下垫面径流有机污染的治理工作应采用不同的最佳管理方案(BMPs).     

中国PM2.5质量浓度与传染病发病率的相关性分析

基于2004—2016年的全球地表PM_2.5数据和中国31个省级行政区（不含港澳台地区）的传染病年发病率数据,探究了PM_2.5质量浓度与9种传染病（百日咳、猩红热、流脑、麻疹、肺结核、风疹、流行性腮腺炎、急性出血性结膜炎以及流行性感冒）发病率的相关关系。研究发现PM_2.5质量浓度整体呈现东高西低、北高南低的空间分布特征。EOF分析显示浓度变化有着北增南减、东增西减的趋势。同时,PM_2.5浓度在北方的变化程度要远大于南方,在欠发达地区的变化程度要大于发达地区,但年际变化特征并不明显。选择了三类地区分析PM_2.5和传染病发病率的关系,发现在华北和东北地区与PM_2.5浓度显著相关的传染病类型高达5种,在所有传染病中,百日咳与PM_2.5浓度的相关性最为显著。最后针对三类地区,通过线性拟合得到了部分传染病发病率与PM_2.5浓度的关系式,指出PM_2.5浓度每上升100 μg?m^?3时,与PM_2.5浓度显著正相关的传染病发病率会出现不同程度的上升。     

漆酶包埋修饰阴极提高生物-电-芬顿处理聚醚废水处理效率

利用漆酶包埋修饰碳毡阴极构建微生物燃料电池-电-芬顿体系强化降解聚醚废水.结果表明,在pH为4,漆酶浓度为7 mg·mL~(-1)时,24 h后阴极室聚醚废水COD降解率达68.1%,比未修饰的碳毡阴极提高28%.漆酶修饰阴极强化电池的产电性能和提高H_2O_2的浓度,且H_2O_2的浓度在此工艺中起关键作用.微生物燃料电池最大电压达548 mV,H_2O_2最大浓度为3.14 mg·L~(-1),分别比碳毡阴极提高21.8%和25.6%.从三维荧光谱图中得出聚醚废水中的双酚和甲苯二胺等荧光物质被降解.综上所述,漆酶包埋修饰阴极是提高MFC-electro-Fenton处理聚醚废水效率的有效途径.     

京津冀地区机动车细颗粒物污染的健康影响分析

机动车尾气排放对城市空气污染的影响日益严峻，而对特定污染源大气污染排放特征及健康影响进行评估可以为环境空气质量管理提供科学依据.以PM_2.5为研究对象，分析京津冀地区2010～2020年机动车污染排放特征、导致的健康效应与经济损失.结果表明，2010～2020年间京津冀地区机动车PM_2.5排放量呈现先逐年递增后缓慢下降的趋势；不同车型污染物排放贡献率显示，重型货车和重型客车为PM_2.5主要贡献车型；不同城市机动车污染物排放特征存在差异，北京市污染物贡献率下降幅度明显，其余城市污染减排也不容忽视.机动车PM_2.5污染对人群健康影响的评估结果表明，京津冀地区各健康终端发生人数总体呈上升趋势，其中，2020年PM_2.5污染造成约34 337人(95%CI:9 025～57 209人)早逝、4.55万人(95%CI:1.08～8.02万人)住院、 28.23万人(95%CI:14.05～41.63万人)门诊及43.90万人(95%CI:16.03～67.92万人)患病；研究期间(201...     

基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究

针对GRAPES-CUACE模式预报的6种常规污染物浓度,采用非线性动力统计-订正方法——自适应偏最小二乘回归法,建立了中国不同地区的CUACE模式预报偏差订正模型,采用多种敏感性试验优选了不同季节各区域的最优自变量组合方案,并对2016年1—3月、11—12月全国342个城市PM_(2.5)浓度预报值进行了滚动订正检验,分析了订正前后PM_(2.5)浓度的时空变化特征,重点分析了该方法在京津冀、长三角、珠三角、川渝地区等关键区域的适用性及其改进效果.结果表明:(1)CUACE模式预报PM_(2.5)浓度普遍低于观测浓度,且与实测值的相关系数较低;CUACE 15 km分辨率模式PM_(2.5)浓度预报效果优于54 km分辨率模式,其中长三角地区改进最显著,珠三角和京津冀次之,川渝地区预报效果较差.(2)订正后的PM_(2.5)浓度更接近于实测值,订正后误差明显减小,相关系数明显提高,而且订正值与实测值的散点集中分布于对角线附近.(3)长三角地区PM_(2.5)浓度订正效果最好,准确率可达72.3%;珠三角地区次之,准确率为66.3%;京津冀和川渝地区订正效果稍差,但准确率亦可达63.6%和62.6%.(4)订正后污染日和非污染日的准确率、相关系数分别提高了57.5%和25.9%、304.8%和15.2%;绝对平均偏差、均方根误差分别减小了38.9%和18.7%、21.8%和8.5%.(5)针对北京、上海、广州、乐山的不同重污染过程,订正后的平均绝对误差分别减小了12.07%、46.63%、36.66%、17.71%,相关系数分别提升了25.86%、22.22%、16.92%、162.5%,说明该订正方法适用于不同地区的不同重污染过程的预报.