四川雅安三種主要大氣污染物濃度與氣象條件的關系及其預測研究

作者：吳亞平,張琦,王炳赟,王式功,邵平

摘要：基于四川雅安城市空氣質量預報和大氣污染防控的需求以及冬季以顆粒物(PM2.5和PM10)污染為主、夏季以臭氧(O3)污染為主的特點,本文利用雅安市2015-2018年空氣污染監測數據以及同期氣象觀測資料,重點分析雅安市空氣污染物PM2.5、PM10和O3濃度變化特征的基礎上,利用灰色關聯度方法對上述污染物濃度與氣象要素的相關關系進行了細致分析;通過BP神經網絡進行兩者的數學建模,構建了雅安市空氣質量短期預報模型,并進行了試預報檢驗。研究表明:雅安市2015-2017年期間污染物O3、PM2.5、PM10濃度呈上升的趨勢,空氣質量達標率自2015年的92.7%降低到2017年的82.2%,2018年達標率略有上升為88%,但仍出現了9天中度污染和1天重污染。污染物濃度與氣象要素變化相關密切,其中,降雨量和氣壓與PM2.5和PM10污染關聯最大,表明雅安作為四川盆地的"雨城",其降水對顆粒物的濕清除效應是很顯著的;而氣溫和風速與O3污染關聯最大,恰好反映了高溫和由高溫所隱含的強輻射對O3生成的促進作用。由BP神經網絡所建立的雅安O3預報模型,其準確度較穩定,各季7天平均相對誤差都<19%,并且預報效果排序為夏季>冬季>秋季>春季;由BP神經網絡所建立的雅安PM2.5預報模型,其在春季和夏季預測準確度較好,兩季7日平均相對誤差都<16%,秋季相對誤差略高一點,其四季預報準確度排序為夏季>春季>秋季>冬季。此研究結果可為當地空氣質量預報業務的開展提供技術支持。

發文機構：成都信息工程大學大氣科學學院 四川省雅安市氣象局 遵義院士工作中心

關鍵詞：大氣污染物氣象要素灰色關聯度BP神經網絡預測模型Atmospheric pollutantsmeteorological factorsgray correlationBP neural networkforecast model

分類號： P426.615[天文地球—大氣科學及氣象學]X16[環境科學與工程—環境科學]