论文部分内容阅读
近地面O3污染已经成为我国大多数区域夏季最主要的大气环境问题,对人体健康、作物生长、气候变化都有着不利影响。随着PM2.5治理工作的进一步推进,包头市O3污染可能进一步加剧。北高南低的地势特征,阴山山脉横穿其中的特殊地形以及季风区与非季风区交界地带的地理位置,使包头市O3污染更易受到气象条件的影响。厘清包头市O3与气象要素及天气形势等气象条件的关系,并基于此建立逐日浓度预报方程,对未来包头市O3污染的预报预警、大气环境的精细化管理以及科学决策都具有指导意义。本文首先利用了相关分析的方法探讨了包头市O3浓度与气象要素的关系并利用Hysplit模式定性地分析了O3的传输特征与潜在源区;其次,采用Lamb-Jenkinson(L-J)分型法对影响包头地区的天气形势进行分类,探讨了不同天气型对包头市O3的影响机制;最后利用气象数据构建了6种机器学习模型对包头市的O3日最大八小时平均浓度(MDA8 O3)进行了预报。主要结论如下:(1)2014-2020年包头市O3浓度总体呈上升趋势,MDA8 O3第90位百分位数、平均值和第5位百分位数分别上升了9、13和4μg/m~3;O3在7月前随时间浓度上升,7月后随时间浓度下降,超标主要集中在5-8月。O3浓度与日最高气温呈显著正相关(r=0.62,p<0.01),与气压呈负相关(r=-0.18,p<0.01),与相对湿度、风速和降水量没有显著的相关关系。但通过各气象要素不同区间对应的O3浓度与超标率可知,相对湿度与风速过高、过低都不利于O3污染的发生。O3污染绝大多数(92%)发生在无降水日。风向为西南-南-东南风时,易于出现O3污染。(2)O3清洁日与超标日的气团轨迹存在显著差异,清洁日72.9%的气团轨迹来自北方,传输距离相对较长、移动速度较快且所经过下垫面较为清洁;超标日88.5%的气团轨迹来自南方,传输距离短、移动速度慢,且经过的下垫面多为重工业城市;超标日与清洁日的潜在源贡献高值与权重浓度高值均主要在包头以南区域,主要潜在源区包括鄂尔多斯、榆林、吕梁、延安、临汾、铜川、运城、晋城等地。(3)基于L-J分型法对包头市5-8月进行天气分型,发现南风气流型(S)、西南风气流型(SW)、气旋型(C)出现频率占所有天气型的50.2%,对应的O3浓度均值和超标率较高,分别为151~140μg/m~3和38.8%~24.8%,易于发生O3污染,将S、SW和C型称为易发生O3污染天气型。北风气流型(N)、东北气流型(NE)、西北气流型(NW)出现频率低,累计为15.2%,对应的O3浓度最低,为102~112μg/m~3,未出现O3超标情况,将其称为清洁天气型。(4)在N、NE和NW型下,包头地区在500h Pa受低压槽控制,中层明显受干冷的西北气流影响,在地面多位于冷高压前部,局地温度较低且有偏北大风,同时回流指数值小,传输路程长,边界层高度高,大气扩散条件好,不易形成臭氧污染。N与NE型时影响包头的气团主要经过巴彦淖尔与外蒙地区,NW型时气团主要来自阿拉善、巴彦淖尔。在S、SW和C型下,包头地区500h Pa有高压浅脊,850h Pa受暖中心或暖平流影响,地面处于低压前部或受低压控制,易出现高温和南风气流,此时回流指数、传输路程、边界层高度均处于中等水平,扩散条件较好。该天气型既有利于O3的本地生成,在阴山阻隔下又有利于随南风气流输送至包头的O3及其前体物在山前积聚,使O3浓度不断升高。C型时影响包头的气团主要经过周边的鄂尔多斯、乌海和石嘴山等地。除了经过C型的地区外,SW型还经过榆林、延安、庆阳、铜川和渭南等地,S型还会经过山西的忻州、吕梁、临汾和运城。(5)针对包头市O3污染受气象条件影响显著的特点,基于气象数据和前一日O3浓度建立了6种机器学习模型对包头市MDA8 O3进行模拟与回顾预报。总体来说,以气象参数为主所建立的机器学习预报模型能准确地预报包头的O3浓度与超标日。6种模型中,极限树回归模型(ETR)对O3浓度的拟合效果好、预报值与真实值的偏差小,各阶段的模型性能表现均为最佳。ETR模型5-8月的预测值与真实值的决定系数(R~2)、均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.68、17.6、13.8、11.3%,对O3超标日预报的准确性也较好,预报评分(TS)为0.52,空报率为8%、漏报率为45%。Light GBM模型(LGBR)的R~2、RMSE、MAE、MAPE分别为0.64、18.6、13.9、11.5,较ETR模型略差,但对O3超标日的预报准确性最好TS评分为0.62,空报率最低为7%、漏报率最低为35%。线性回归模型(LR)综合表现最差,R~2、RMSE、MAE、MAPE分别为0.53、21.2、16.8、13.9,TS评分最低仅为0.30,空报率与漏报率均为最高,分别位30%、65%。