佛山臭氧浓度预报方程的建立与应用

臭氧作为大气中的二次污染物,其形成和变化复杂,臭氧预报更是当下空气污染治理的难题之一.通过分析2014~2017年佛山地区近地面O₃浓度与高低层气象要素的关系,建立了佛山O₃浓度预报方程,并进行了检验和应用.结果表明,佛山近地面O₃的变化与高低层气象要素关系密切,气温和日照时数等气象要素与O₃浓度呈显著正相关,相对湿度、总（低）云量和风速等与其呈负相关;高浓度O₃污染发生的气象条件为小风速、晴间少云、低相对湿度、较长的日照时间和较高的温度,高浓度O₃潜势指数（HOPI）和风向指数（WDI）的定义可以较好地衡量O₃污染气象条件的好坏;综合考虑HOPI和不同高度WDI等13种气象要素,采用多指标叠套和多元逐步回归建立了佛山地区臭氧浓度预报方程;利用2018年资料检验发现,模拟值与实测值二者的相关系数R可达0.82,预报方程具有良好的拟合效果和可预报性.     

京津冀臭氧污染特征、气象影响及基于神经网络的预报效果评估

基于生态环境监测和气象观测数据,分析了2016~2020年京津冀13个城市臭氧（O₃）浓度特征,讨论了O₃污染高发月份日最高温度（T_max）、日均地面气压（p）、日均地面相对湿度（RH）和日均地面风速（v）等气象要素对O₃-8h浓度和O₃-8h超标情况的影响规律,并采用AQI级别预报准确率、O₃浓度范围预报准确率和O₃级别预报准确率等方法,评估了基于神经网络的O₃统计预报效果.结果表明,2016~2020年期间京津冀13城市ρ（O₃-8h-90per）分别为157.4、177.2、177.3、190.6和175.6μg·m^-3,区域臭氧浓度5a上升了11.6%,2016~2019年期间总体呈波动上升趋势,2020年环比下降;2020年与2016年相比,除北京、张家口和承德略有下降外,其他10个城市ρ（O₃-8h-90per）上升了6~45.5μg·m^-3.O₃-8h月均值呈现"两头低,中间高"现象,ρ（O₃-8h）在4~9月的月均值超过了100 μg·m^-3,在6月最高,为158.10 μg·m^-3.城市O₃-8h超标率范围为8.6%~19.2%,97.8%的O₃-8h超标情况发生在4~9月.区域尺度上O₃-8h浓度与日最高温度相关性最强,当T_max在25~28℃区间时,所有城市开始出现O₃-8h超标.O₃-8h浓度与日均地面气压呈负相关关系;当RH在60%以下时,大部分城市O₃-8h浓度随相对湿度上升缓慢增长;当RH在61%~70%以上时,大部分城市O₃-8h浓度随日均相对湿度上升而下降.O₃-8h超标时的地面主导风向主要为偏南风,大部城市O₃-8h浓度高值易集中出现在2~3m·s^-1及以下低风速区间.OPAQ统计模式提前1~9 d预报相关系数范围为0.72~0.86,AQI级别预报平均准确率为67%~86%,O₃-8h浓度范围预报平均准确率为63%~84%.在O₃-8h超标情况多发的4~9月,模式对O₃轻度污染和O₃-8h超标情况提前3 d预报准确率分别为69%和66%,可为O₃-8h超标管控提供参考依据.     

基于支持向量机回归和小波变换的O3预报方法

使用南京工业区2016年6月1日~8月15日的臭氧（O₃）、O₃前体物及常规气象数据，结合多元线性回归（MLR）方法和小波变换（WT）改进支持向量机回归（SVR）对O₃小时浓度的预报精度.结果表明，通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度，M-WT-SVR预报的决定系数（R²）达到0.90，平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为3.86×10^-9、28.26%和5.57×10^-9，优于M-SVR和SVR.低层细节序列主要与NO、NO₂和芳香烃有关，而更高层的近似序列受到气象条件、前体物和O₃前期浓度共同影响.与经典的MLR方法相比，M-WT-SVR对O₃小时浓度的预报有明显优势.     

ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子...     

基于梯度提升回归树算法的地面臭氧浓度估算

将机器学习中的梯度提升回归树（GBRT）算法应用到中国地区地面O₃浓度制图中,利用地面O₃浓度观测数据,结合WRF气象数据、MODIS植被归一化指数以及高程人口数据建立训练预测数据集.通过反向变量选择法选取模型最佳特征变量对其进行训练,十折交叉验证结果：决定系数R²=0.89、均方根误差RMSE=4.75μg/m³.同时对全国O₃人口暴露水平进行评估.结果表明：在暴露强度上,我国人口加权O₃浓度值排在前5的省依次是山东、河南、江苏、河北、上海,均值浓度为94.48μg/m³.在暴露持续时间上,非达标天数最多的5个省依次是河南、山东、河北、宁夏、北京,一年内有42%的天数处于非达标的状态.     

基于决策树的统计预报模型在臭氧浓度时空分布预测中的应用研究

近地面层臭氧是光化学污染的主要污染物之一.臭氧污染不仅严重影响着空气质量并且危害人类健康与动、植物生长.本研究以徐州市为研究区,基于环境监测站连续监测数据分别采用分类回归树(CART)、随机森林(RF)和M5模型树方法建立臭氧浓度统计预报模型,选取1、4、7、10等4个月作为季度代表进行区域臭氧浓度预测的研究.以2015整年逐小时徐州市国控大气监测站实时监测的臭氧浓度(因变量)和气象因子数据(自变量)为训练样本建立臭氧浓度统计预报模型.模型验证结果表明,总体上3种决策树模型能够较好的预测臭氧浓度动态变化特征,月尺度上预测值与观测值相关系数均值为0.68,平均绝对误差和均方根误差均值分别为21.63μg·m~(-3)和27.42μg·m~(-3).在此基础上,基于站点观测所建立臭氧统计预报模型,以WRF模型模拟的气象场作为输入,预报区域网格化臭氧预报值,并发现臭氧浓度空间分布与站点观测特征总体一致性较好.经与观测值进行对比,结果表明两者相关系数均值为0.58,平均绝对误差及均方根误差分别为29.38μg·m~(-3)和37.15μg·m~(-3),预报准确率均高于75%.同时利用周步长观测值与预测值建立的多元线性集合预报回归方程对3种决策树模型的预报值进行修正,在一定程度上提高了预报值的精度.     

长三角地区2017～2020年臭氧浓度时空分布与人群健康效益评估

近年来,我国臭氧(O₃)浓度呈升高趋势,成为仅次于PM_2.5影响空气质量的重要因素.为掌握长三角地区蓝天保卫战实施期间O₃时空变化特征和人群健康影响,采用莫兰指数和冷热点空间统计方法分析了长三角地区2017～2020年210个监测站点O₃浓度时空特征,并利用健康风险和环境价值评价法评估了长三角区域人群O₃暴露水平变化的健康收益.结果表明,2017～2020年,长三角地区O₃年均值和暖季均值的四分位数范围(IQR)呈现从高浓度向低浓度位移的趋势.暖季和冷季O₃浓度均值均呈现北高南低的空间分布态势.暖季O₃浓度均值在长三角北部和中部腹地城市出现高浓度O₃集聚的特征.区域O₃年均暴露浓度超过160μg·m^-3及以上的人口比例由2017年的72.3%降低至2020年的34.8%.三省一市人口加权年均O₃暴露浓度总体呈现下降趋势,但长三...     

太原市PM2.5预报统计修正模型及其应用检验

为提高太原市PM_2.5预报准确率,更好地服务于空气质量预报预警工作,在华北区域BREMPS（环境气象数值预报系统）预报结果的基础上,结合MR（多元线性回归）、BP（BP神经网络）和MLR（多层递阶）建立10 d的滚动修正模型,并对太原市2017年1月15日—4月15日ρ（PM_2.5）进行了修正.结果表明:3种修正模型对BREMPS预报的ρ（PM_2.5）小时值和日均值均有不同程度的改善,尤其是MLR修正结果在多项评价指标上明显优于MR和BP,其小时值的RMSE（均方根误差）由原来的42.46 μg/m3降至26.74 μg/m3,重污染和非重污染时段日均值的RMSE分别由未修正前的63.78、43.68 μg/m3降至28.52、21.27 μg/m3,日均值修正结果的基础评分从0.65升至0.88,预报准确率由原来的66.18%升至86.74%.从3种修正模型的构建来看,MR和BP方法对系统平稳状态的修正具有一定的优势,而对系统大幅变化的识别能力较弱,所以在天气变化时临界状态的修正结果误差较大,模型的稳定性较差.研究显示,MLR方法本身具有一定的自适应能力,稳定性和修正结果的整体趋势明显优于MR和BP方法,对太原市空气质量预报改进、重污染天气预警和大气污染防治等方面具有较大的应用价值.      

浙江省O3浓度时空格局及驱动因子

气象因子对臭氧(O₃)浓度有重要影响,为探索O₃浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O₃浓度和气象因子数据. 结果表明:①浙江省O₃浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O₃浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O₃浓度最小值出现时间较其他季节晚1 h左右. 高浓度O₃主要分布在浙江省东北部及北部区域. ②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O₃浓度的贡献率均超过20%,夏季相对湿度对O₃浓度的贡献率超过40%,秋季日光照时长对O₃浓度的贡献率超过40%,秋、冬两季NO₂浓度对O₃浓度的贡献率均超过35%. 春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419. 研究表明,浙江省O₃浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季.      

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

长株潭城市群区域臭氧浓度统计规律研究

在2013年2、5、6和7月份对长株潭三市的O3浓度进行监测,并对监测数据进行统计分析。结果表明,O3浓度的季节性变化明显,夏季O3浓度显著升高;受人类活动强度的影响,休息日的O3浓度比工作日高;O3的空间分布差异显著,其中,郊区浓度比城区高,工业城市的O3浓度比普通城市高;在夏季,O3更容易成为城市环境空气首要污染物。     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

上海市城郊臭氧浓度变化分析及模拟预报

利用上海市普陀、南汇、淀山湖3个臭氧观测站2005年的臭氧小时观测资料,首先对市区和郊区的大气臭氧浓度的污染特征和变化情况进行了分析,结果表明,上海市郊区的臭氧浓度和污染水平高于市区,且臭氧浓度日变化在市区呈现明显的双峰现象,而郊区则是单峰型变化规律。然后运用基于统计学理论的最小二乘支持向量机（LSSVM）方法对3个站的日（24h）平均和白日（12h）平均以及日最大值臭氧浓度进行预测,得到较好的预报效果。     

城市臭氧浓度分布特征

近地面层臭氧(O₃)研究是当今环境科学领域的前沿课题之一,随着汽车尾气排放NO_x和碳氢化合物的增加,在日光照射等条件下导致低层大气中O₃浓度明显增高,面临光化学烟雾污染的威胁,开展环境空气中O₃监测与分析对防治大气污染有十分重要的意义.利用2003年6个月的臭氧(O₃)自动连续监测数据,对山东大学校园内O₃浓度的频率分布、日变化、月变化等特征进行分析.实验结果表明,O₃小时平均浓度达到<环境空气质量标准>(GB3095-1996)二级标准的频率为96.88%;O₃浓度呈明显的日变化,一般在下午浓度较高,上午和夜晚较低;O₃浓度的最高值出现在6月份,这与辐射强烈,温度高有关;天气条件也影响O₃浓度,一般晴天时O₃浓度高,多云、阴雨天气O₃浓度低.     

基于XGBoost-LME模型的京津冀地区近地面臭氧浓度估算

高时空分辨率的近地面臭氧浓度分布数据对监测和防控大气臭氧污染,提高人居环境具有重要意义. 使用TROPOMI-L3 NO₂、 HCHO产品和ERA5-land高分辨率数据作为估算变量,构建XGBoost-LME模型估算京津冀地区近地面臭氧浓度. 结果表明：①在估算变量中地表2 m温度（T2M）、2 m露点温度（D2M）、地表太阳向下辐射（SSRD）、对流层甲醛（HCHO）和对流层二氧化氮（NO₂）是影响京津冀地区近地面臭氧浓度的重要因素,其中T2M、SSRD和D2M相关系数分别达到0.82、0.75和0.71. ②XGBoost-LME模型相较其它模型,其各项指标均为最优,十折交叉验证R²、MAE和RMSE分别为0.951、 9.27 μg·m^-3和13.49 μg·m^-3,同时,该模型在不同时间尺度均表现良好. ③在时间上,2019年京津冀地区近地面臭氧浓度存在显著的季节性差异,四季浓度变化为：夏季>春季>秋季>冬季,2019年该地区近地面臭氧月均浓度总体呈现出先上升后下降的倒“V”趋势,其中9月呈现小幅上升趋势,全年最大值出现在7月,最小值在12月;在空间分布上,2月和3月京津冀全域近地面臭氧浓度分布基本为同一水平,1、11和12月呈现出不显著的北高南低的空间分布趋势,其余月份该地区近地面臭氧浓度空间分布均呈现出南高北低的分布特征,高值区主要在南部海拔较低、人口密集和工业排放量较大的平原地区,低值区则主要在北部海拔较高、人口稀疏、植被覆盖率高和工业排放量低的山地地区.     

基于随机森林模型的四川盆地臭氧污染预测

为研究四川盆地臭氧(O₃)污染长期变化,使用四川盆地18个城市的地面O₃浓度数据和气象观测数据,首先分析了2017～2020年间四川盆地O₃浓度的时空分布特征,再利用随机森林模型,筛选出影响O₃浓度变化的主导气象因子,构建了气象因子和O₃浓度之间的统计预测模型,并对2020年四川盆地城市群的O₃污染状况进行预测分析.结果表明：(1)2017～2020年间O₃浓度呈现波动变化趋势,2019年出现一个低值,2020年O₃浓度又有所回升.(2)气象影响因子中相对湿度、日最高温度和日照时数对O₃浓度变化具有重要意义,而风速、气压和降水量的重要性较低;同时,气象因子之间也存在着不同的线性关系,气压与其他气象要素呈现负相关性,而剩余气象要素之间正相关关系较为明显.(3)基于随机森林构建的O₃预测模型的拟合优度(R²)较高,展示出较好的预测性能,能够较好地预测O...     

利用经验正交函数分解方法分析广州臭氧污染特征

广州市空气污染治理重点逐渐转向臭氧污染治理,理清臭氧污染特征是制定治理措施的基础。文章利用经验正交函数分解方法对2016-2018年广州市51个监测点的臭氧逐时浓度进行分解。分解得到的51个模态的解释方差均较小,反映出臭氧污染特征的复杂性。该文只分析头3大模态,累积解释方差贡献率32.7%。第一模态显示市区及南部地区臭氧为负距平值区,北部地区为正距平值区,反映的是臭氧和二氧化氮的"跷跷板"关系;第二模态显示广州南部为正距平值区,北部为负距平值区,中部为过渡区,反映的是南北地区受太阳辐射不同所导致的臭氧浓度差异;第三模态的时间系数存在明显的日变化和季节变化,空间分布反映的是城乡差异,反映的是城市热岛效应对臭氧浓度的影响。     

大气中臭氧浓度测定方法研究

臭氧的存在会对产品和材料造成严重的氧化腐蚀。采用仪器以线法和分光光度法2种不同的测定方法,探索了大气中臭氧浓度的变化规律和趋势,通过对测定数据的讨论与研究,分析在海南、江津和拉萨3种典型环境气候条件下臭氧浓度与环境气象因素之间的相关关系,获得了有意义的结论。