基于氣象條件的北京市AQI的分析與擬合探討論文
1.引言
由于目前國內主要依靠空氣質(zhì)量指數AQI(Air Quality Index)來(lái)向公眾提供及時(shí)、準確、易于理解的城市空氣質(zhì)量狀況，利用AQI也可進(jìn)行環(huán)境評價(jià)與預測，是一種應用廣泛、接受度高的環(huán)境氣象預報預警指數。伴隨著(zhù)經(jīng)濟的高速發(fā)展，自然環(huán)境與我們人類(lèi)健康都承受著(zhù)越來(lái)越沉重的壓力與嚴峻的挑戰，尤其是經(jīng)濟發(fā)展迅猛、人口密度大的首都北京。至今已有很多學(xué)者對北京市空氣污染方面進(jìn)行了研究，李德平等統計分析了2001年-2007年北京地區3級以上AQI與氣象要素之間的相關(guān)關(guān)系，并對出現4級以上的重污染日污染源進(jìn)行了分析；李令軍等利用時(shí)間序列分析的方法對空氣質(zhì)量指數(AQI)大于200的空氣重污染做了系統分析，進(jìn)一步按照污染原因將北京空氣重污染劃分為靜穩積累型、沙塵型、復合型和特殊型4種類(lèi)型；李文杰等研究了京津石三市空氣質(zhì)量指數（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)量指數預報研究；龍熙華、黨婕提出了一種基于可拓理論的新興網(wǎng)絡(luò )結構，將北京市12個(gè)區的歷史監測數據作為訓練樣本，以可拓距離作為度量工具建立并測試網(wǎng)絡(luò )，結果表明該算法具有可行性和有效性，且在結構與訓練速度上優(yōu)于BP網(wǎng)絡(luò )；祝媛、黃勝以西北某市2002年NO2小時(shí)濃度為例，在三次分段Hermite插值處理后，利用相空間重構的結果構造神經(jīng)網(wǎng)絡(luò )模型來(lái)預測污染物濃度。目前，國內應用對空氣質(zhì)量指數模擬和預測的方法主要是基于最小二乘法的線(xiàn)性回歸模型和基于非線(xiàn)性函數映射的神經(jīng)網(wǎng)絡(luò )模型，時(shí)間序列方法應用較少。本文中筆者在區分污染日、非污染日和分月基礎上深入分析了北京市2009-2011年AQI與氣象要素的關(guān)系，尤其首次對污染指數和氣溫的關(guān)系進(jìn)行了細致研究；再創(chuàng )新性地嘗試使用Fourier級數和廣義相加模型(GAM)來(lái)擬合和預測北京市逐日、逐旬和逐月的AQI數值，并與普遍使用的線(xiàn)性逐步回歸進(jìn)行比較。以期對氣象條件和污染濃度間的關(guān)系進(jìn)行更深層次的剖析，并為城市空氣質(zhì)量指數的預報方面提供新的思路和方法。
2.材料來(lái)源與方法介紹
2.1 資料來(lái)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（AQI）和同期常規地面氣象觀(guān)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、相對濕度、24h降水量、日照時(shí)數等主要氣象要素，污染數據包括逐日AQI值、污染等級、首要污染物等。氣象數據來(lái)源于中國氣象科學(xué)數據共享服務(wù)網(wǎng)，污染數據來(lái)源于中華人民共和國環(huán)境保護部數據中心。
2.2 方法介紹
基本思想是：對全部因子按其對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，并對回歸方程當時(shí)所含的全部變量進(jìn)行檢驗，看其是否仍然顯著(zhù)，如不顯著(zhù)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(zhù)時(shí)，才考慮引入新的變量。直到最后再沒(méi)有顯著(zhù)因子可以引入，也沒(méi)有不顯著(zhù)的變量需要剔除為止。
3.結果
3.1 數據的描述性統計結果、年際變化與季節分布
所用空氣質(zhì)量指數與氣象要素的基本分布特征�？芍本┤甑腁QI平均值為83.74，四分位數間距為40；平均氣溫13.15℃，平均相對濕度50.38％，平均風(fēng)速2.23m/s。
各項數據的頻率分布直方圖，由圖可見(jiàn)，除最低氣壓外所有數據都不符合正態(tài)分布，故下文中統一采用Spearman相關(guān)分析，而非一般的Poisson相關(guān)。
3.2 AQI與氣象要素的關(guān)系3.2.1 區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)量指數與氣象條件做相關(guān)，結果分別見(jiàn)表4、表5所示。同時(shí)發(fā)現在污染日，首要污染物全部為可吸入顆粒物。在雙側置信度為99％時(shí)，相關(guān)性是顯著(zhù)的；*表示在雙測置信度為95％時(shí)，相關(guān)性是顯著(zhù)的。
3.3 AQI的擬合方法研究
分別試采用線(xiàn)性擬合的逐步回歸法，非線(xiàn)性擬合的傅里葉級數法與廣義相加模型來(lái)擬合污染指數的時(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(jiàn)表7，其中1~4月、7~10月與12月公式中各項均通過(guò)了顯著(zhù)性水平為0.05的檢驗，6月、11月的回歸公式不顯著(zhù)，5月無(wú)法輸出擬合公式，說(shuō)明氣象要素在5月對污染指數的影響較小。在所有顯著(zhù)的回歸方程中，可決系數R2由大到小排序為1月>2月>10月>7月>3月>8月>9月>12月>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擬合與預測研究
北京市2009-2011年逐日空氣質(zhì)量指數的時(shí)間序列圖見(jiàn)圖4，可見(jiàn)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(zhù)繁多的細小波動(dòng)。圖5所示為逐日AQI值的頻率譜密度，發(fā)現曲線(xiàn)整體波動(dòng)幅度較大，且線(xiàn)條下降幅度不夠明顯，說(shuō)明逐日數據并沒(méi)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(méi)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級數來(lái)擬合。故以下將分別進(jìn)行AQI月均值與旬均值的Fourier級數擬合。
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(lái)講，風(fēng)速、降水對空氣質(zhì)量具有立竿見(jiàn)影的作用，但以逐日AQI與氣象要素的相關(guān)關(guān)系來(lái)看，溫度對空氣質(zhì)量指數具有明顯的指示性。這并不是說(shuō)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“標志”，可以代表不同季節/月份的綜合天氣狀況（不同的天氣型對應不同的溫度范圍），那么某時(shí)段特定的天氣下空氣質(zhì)量指數的變化一般是相似的。一年不同的時(shí)段對應的溫度不同，天氣狀況也迥然不同，那么擴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，就可根據溫度實(shí)況與前幾日的變化趨勢、結合天氣預報對未來(lái)的污染指數進(jìn)行分析預報。本文在研究不同月份AQI與氣象要素關(guān)系的基礎上，創(chuàng )新性地將Fourier級數與GAM模型引入空氣質(zhì)量指數的擬合與分析中來(lái)，對逐月和逐旬AQI的擬合準確度分別達到R2=0.921和R2=0.627，這是常規的線(xiàn)性擬合無(wú)法達到的，問(wèn)題的根源就在于污染指數與氣象要素之間復雜的非線(xiàn)性關(guān)系（圖9~圖10）。本文初步但是較為系統地得出了不同溫度段下的AQI與日平均氣溫的非線(xiàn)性關(guān)系，在此僅為相關(guān)研究提供參考和一種新的思路，還可做更加深入的探討與分析。
【基于氣象條件的北京市AQI的分析與擬合探討論文】相關(guān)文章：
案例分析論文11-27
案例分析論文07-15
案例分析論文[優(yōu)選]07-17
【實(shí)用】案例分析論文07-17
探討語(yǔ)文學(xué)習方法的論文08-27
化學(xué)實(shí)驗教學(xué)探討論文10-14
論文的問(wèn)卷分析報告范文11-05
案例分析論文15篇10-12
案例分析論文15篇(經(jīng)典)07-17
笛子的演奏特點(diǎn)分析的論文09-23