一种臭氧浓度的分区预测方法及系统的制作方法
【专利摘要】一种臭氧浓度的预测方法，包括：收集、获取待预报区域的历史气象数据；选取若干气象参数作为影响因子；通过多参数拟合的方式，以选取的若干气象参数作为因子建立臭氧浓度的预测方程，将所述气象参数的预测值和/或实测值代入所述预测方程中，通过求取方程来对要预测的那一天的O3 8h值进行预测。本发明方法简单且易于操作，分区域不限于北京，可面向全国推广；建立的分区预报系统中，有天气图下载辅助分析等功能，同时结合数值预报模拟结果，专家进一步判断订正形成综合预报，为管理部门提供决策信息。
【专利说明】
-种臭氧浓度的分区预测方法及系统
技术领域
[0001] 本发明设及天气预报领域，更具体地设及一种臭氧浓度的分区预测方法及系统。
【背景技术】
[0002] 北京市大气环境中的化污染问题受到国务院、北京市政府W及社会大众的广泛关 注。2012年2月，国务院常务会议专题审议并通过了《北京市2012-2020年大气污染治理措 施》，要求至2020年，北京市臭氧超标小时数比2010年减少30%，全年控制在20化左右;〇3浓 度水平是大气氧化状态的一个重要表征，大气化的控制具有化和PM2.5改善的双重环境效果。 理论上控制NOx和VOCs等的排放量可W大大降低化的浓度，但实际上化的生成与前体物浓度 之间并不是简单的线性关系，且不同方式贡献的化，其生成机制不同。且由于臭氧浓度在北 京市不同地区分布差异较大，一般来说中屯、城区站点浓度明显低于生态植被优良的北部、 西部地区，受污染源、气象条件及区域传输影响，臭氧在北京市不同地区浓度分布差异特征 显著。为降低北京市臭氧的浓度，区域环保部口投入大量精力治理臭氧及其前体物，收效甚 微且近年来臭氧浓度有显著上升的趋势。
[0003] 新空气质量标准实施后，北京市化浓度高低直接影响到北京市整体空气质量的排 名且2016年北京市重污染天气预警拟分区响应。北京夏季臭氧污染较重，短时间内将达到 重污染水平，臭氧污染预报将充分考虑空气重污染的南北差异，增加分区响应原则。作为大 气中的重要的二次污染物，如何准确预报北京市化浓度水平及变化趋势，难度较大，风险较 高，且由于建设监测点需要大量的投入，如何准确进行分区预报显得更为重要。
【发明内容】
[0004] 有鉴于此，本发明的主要目的在于提供一种臭氧浓度的分区预测方法及系统，W 解决上述技术问题中的至少之一。
[0005] 为了实现上述目的，作为本发明的一个方面，本发明提供了一种臭氧浓度的预测 方法，包括W下步骤：
[0006] 步骤SI:收集、获取待预报区域的历史气象数据；
[0007] 步骤S2:选取若干气象参数作为影响因子；
[000引步骤S3:通过拟合的方式，W选取的若干气象参数作为因子建立臭氧浓度的预测 方程，将所述气象参数的预测值和/或实测值代入所述预测方程中，通过求取方程来对所述 待预报区域的要预测的那一天的化8h值进行预测。
[0009] 其中，在步骤S2中选取的若干影响因子为昨日化化值、预测的PM2.5日均浓度、N02 日均浓度、预测的日平均气压、日平均风速和日平均气溫。
[0010] 其中，在步骤S3中拟合的预报方程为：
[0011]
[001^ 其中，C为要预测的那一天的化化预测值，X1，X2,……，X6分别表示要预测那一天 的N02平均浓度(yg/m3)、平均气溫(mm)、平均气压化化）、平均风速(m/s)、PM2.5平均浓度(yg/ m3)的预测值的预测值，W及要预测那一天的昨日化8h(iig/m3)的预测值或实测值，曰0， ai，......，日6是回归系数。
[0013] 其中，所述要预测的那一天包括今天、明天和后天，分别对应未来24小时、48小时 和72小时内的预报。
[0014] 其中，要预测那一天的平均气压、平均风速、平均气溫的预测值选自WRF模式的模 拟预报结果，WRF模式初始及边界资料为NCAR和NCEP的再分析逐日资料GFS，分辨率为1° X 1°，时间分辨率是化(00:00、〇6:00、12:00、18:00);地形和下垫面输入资料分别来自USGS 80s全球地形和MODIS下垫面分类资料。
[001引其中，对于X6,当预测24小时内的臭氧浓度时，选用昨日化化值的实测值；当预测 48小时或72小时内的臭氧浓度时，选用相对于48小时或72小时的前一天的化8h预测值。
[0016] 其中，预测那一天的N02平均浓度(yg/m3)、PM2.评均浓度(yg/m3)可W通过空气质 量数值模式得出，也可W通过多元回归方程式拟合出。
[0017] 其中，所述待预报区域为一个大的预测区域中的局部，从而能够通过对所述大的 预测区域中的不同局部进行如权利要求1至6任意一项所述的臭氧浓度的预测方法进行预 ，来实现所述大的预测区域的分区预测。
[0018] 作为本发明的另一个方面，本发明还提供了一种臭氧浓度的预报系统，所述预报 系统执行如上所述的臭氧浓度的预测方法，来对未来某一时间的化8h值进行预测。
[0019] 其中，所述预报系统是基于matlab软件来执行所述臭氧浓度预测方法的。
[0020] 其中，所述预报系统对预测结果的发布还通过专家来进一步判断订正，形成综合 预报信息;所述预报系统能够将预测数据打印输出。
[0021] 基于上述技术方案可知，本发明的预测方法和系统具有W下有益效果：（1)将因子 逐个引入，引入因子的条件是该因子的方差贡献是显著的；同时，在引入第3个因子后若要 再引入新因子则在每引入一个新因子前，要先对进入方程的因子逐个检验，将方差贡献不 显著的因子剔除，保证最后方程中所有因子都是显著的；作为预报员，运方面的工作主要基 于臭氧浓度与各因子的相关性大小(下文有说明），在空气质量预报预警业务工作中经过多 年的实践经验积累及认识加 W筛选和修正；（2)由于采用动态建立回归方程的方法，一段时 间内预报方程和不同预报要素的预报方程均不同，回归方程数量可更新；（3)方法简单且易 于操作，与一般的预报模式相比，该模型在对数据、预报精度等的要求上仍具有一定的优 势；（4)建立的分区预报系统中，有天气图下载辅助分析等功能，同时结合数值预报模拟结 果，专家进一步判断订正形成综合预报，为管理部口提供决策信息；（5)本方法分区域不限 于北京，可面向全国推广。
【附图说明】
[0022] 图1为北京市的臭氧观测站点分布和分类图；
[0023] 图2为2014年北京市城六区化8h预报结果与实测值对比图；
[0024] 图3为本发明的北京市化8h分区动态统计模型的界面；
[0025] 图4为本发明的北京市化8h分区分区预报结果的展示报出图；
[00%]图5为采用颜色标示空气质量级别时的AQI分区预报表格。
【具体实施方式】
[0027] 为使本发明的目的、技术方案和优点更加清楚明白，W下结合具体实施例，并参照 附图，对本发明作进一步的详细说明。
[0028] 本发明公开了一种臭氧浓度的分区预测方法和系统，为了更清楚地阐述该技术方 案，下面W北京市2013-2014年度的预测数据为例进行说明。需要强调的是，本发明的方法 和系统并不限于北京市的臭氧分区预测，也同样适应任何其他地区的臭氧分区预测。
[0029] 采用北京市环境保护监测中屯、发布的城六区（东城、西城、朝阳、海淀、丰台、石景 山）；西北部（昌平、延庆）；东北部(怀柔、密云、平谷、顺义）；东南部(通州、大兴、亦庄）；西南 部(房山、n头沟)相关监测站点化化浓度日均值作为不同方位的污染物浓度，监测站点分 类及位置见图1。分区预报共设及5个分区，每个区域选择污染物监测点位1~5个，由于受气 象监测数据监测及收集的制约，研究气象监测点位只有一个。
[0030] 历史的气象资料为北京市观象台的地面和探空观测数据，受多种因素的制约没有 捜集到各分区污染物监测站点对应的气象数据。预报选用的气象资料为WRF模式的模拟预 报结果，WRF是美国国家大气研究中屯、(NCAR)、美国国家大气海洋总署、国家环境预报中屯、 (NOAA)等多个机构共同发展的新一代中尺度数值模式。WRF模式初始及边界资料为NCAR和 NCEP的再分析逐日资料GFS，分辨率为1° X 1°，时间分辨率是化(00 :00、06 :00、12:00、18: 00);地形和下垫面输入资料分别来自USGS 80s全球地形和MODIS下垫面分类资料。可预测 未来72h水平及气象要素变化。
[0031] 预测的N02平均浓度(yg/m3)和PM2.5平均浓度(yg/m3)可W基于多元线性回归方程 获得，也可W根据现有的空气质量数值模式模拟预报结果。W数值预报模拟结果为例，空气 质量数值模式在模拟一次污染物如S02、N02等方面模拟结果较好，但对化等二次污染物模拟 结果较差，本发明的预报方法结合数值模式与统计模式的优点，对化浓度开展分区预报。
[00创本发明的预报方法
[0033] 采用2013~14年的数据分析北京市化化的污染水平、时间分布、空间分布特征。 在分析化化污染现状的基础上，采用动态统计模型进行预测预报，动态统计模型假设污染 水平主要受气象条件控制，污染源变化很小;选取稳定性好、代表性强、与污染相关性好的 气象因子，同时对类似的气象因子进行组合W减少因子的个数，使用线性拟合工具对北京 市化8h建立多元回归方程来进行预报。
[0034] 臭氧一方面受前体物浓度影响，一方面取决于气象条件。统计模式预报因子主要 包括污染持续因子和气象条件因子两大类，其中污染持续因子主要为昨日化化浓度及臭 氧前体物浓度。由于缺乏VOCs监测数据，预测臭氧浓度的前体物VOCsWPM2.5代替，最终的污 染持续因子选择为N02和PM2.5。气象因子包括主要为风速、溫度、相对湿度等。统计的北京观 象台相对湿度、溫度、风速、气压与不同区域污染物监测点化化浓度的相关性表明北京市化 化与相对湿度呈负相关关系，相关系数(R)为-0.27，相对湿度对化化的影响较小；相对湿 度反映了大气中水汽的含量，研究表明湿度越高，特别是在高湿或降雨条件影响下，〇3她 浓度会明显下降。溫度与化化呈正相关关系，且化峰值与气溫峰值出现时间基本吻合;溫度 一方面有着年变化、月变化、日变化特征，另一方面反映了臭氧光化学反应速率的大小。风 速与化化呈正相关关系，风速反映了大气边界层端流的强弱，一方面直接引起周边地区臭 氧向北京直接输入，另一方面W输入前体物的方式贡献臭氧;超标日化化浓度上升趋势更 明显，风速每增大1.0m-S-1，化化浓度上升11.6化g .Hf3D且化化浓度在不同风速范围间 的变化较大，当地面风速在1.1~2.0m ? S-I范围内时，〇3化浓度是200.5iig ? nf3,当地面风 速在2.1~3.Om- S-I范围内时，〇3 8h浓度是212.化g .Hf3D由于高浓度臭氧发生在较为稳定 的天气状况下，地面多为偏南风且平均风速低于2.0m ? S^i,风速越大，区域高浓度臭氧及其 前体物易向北京输送，导致北京臭氧浓度上升;且风速较大还有利于降低NO对臭氧滴定与 消耗。另外较高的风速抬高了大气边界层高度，引起的上层臭氧向下输送也起着一定的作 用。
[0035] 气压越低，〇3化浓度水平越高，气压越高，化化浓度水平越低。气压代表着天气系 统的移动及演变，直接影响各气象要素的变化，研究表明北京臭氧污染多发生在低气压系 统或弱气压场天气系统控制，高溫、低湿、低风速有助于出现臭氧高浓度值。
[0036] 经筛选本发明选取的预报因子有昨日化她(iig/m3)、PM2.5日均浓度(yg/m 3)、N〇2日 均浓度(yg/m3)、日平均气压化化）、日平均风速(m/s)、日平均气溫rC )。基本上能反映化前 体物、大气扩散能力、天气状况等。昨日〇3她(yg/m3)作为预报的浓度基点，不同分区污染物 浓度为不同分区各站点的日均浓度平均值，不同分区历史气象要素值均为观象台观测结 果，预测值为该区WRF模式的预报结果。
[0037] 使用线性拟合工具对北京市不同地区建立多元回归方程，浓度表达式为：
[00；3 引
[0039] 其中xi，X2,
……，X6分别表示要预测那一天的N02平均浓度(iig/m 3)、平均气溫(mm)、 平均气压化化）、平均风速(m/s)、PM2.5平均浓度(yg/m3)的预测值，W及要预测那一天的前 一天的〇38h(yg/m3)的预测值或实测值，ao，ai，……，as是回归系数。
[0040] 其中，要预测那一天的N02平均浓度(yg/m3)和PM2.5平均浓度(yg/m 3)的预测值可W 通过现有的预报方法(多元回归方程式或者空气质量数值模式)来获得。
[0041] 其中，对于要预测那一天的昨日化她(yg/m3)的值X6,当预测24小时内的臭氧浓度 时，选用昨日化化值的实测值；当预测48小时或72小时内的臭氧浓度时，选用相对于48小 时或72小时的昨日化8h预测值，即多次使用该多元回归方程来预测前一天的化化值。
[0042] 根据北京市不同地区化她2013~14年全年的日均浓度与气象因子数据，建立了 多元回归表达式(表1)。
[0043] 表1北京市分区化8h日均浓度表达式
[0044]
[0045] 随着时间的增长，新的监测数据不断入库，将新加入的污染物与气象观测数据按 一定周期进行更新并建立新的统计关系。针对2013~2014年建立的统计方程将其中的气象 因子替换为WRF模式2地预报输出的相应气象因子数据，对北京市城六区化化预报效果进 行评估，结果见图2。可W看出北京市化化预测值均与实测值吻合良好，大部分预测值与模 拟值水平接近，相关系数达0.8，模型预测值略低估低估化化浓度水平;统计的标准化平均 偏差(醒B)为9.82%，标准化平均误差(NME)基本在33.18% W内，〇3化浓度级别准确率在 75% W上;预测值与实测值有良好的变化趋势，基本可W较好地反映化8h的浓度变化。 [OOW 本发明的预报系统界面集成
[0047] 本发明的预报系统包括污染物与气象实测数据库、WRF预报数据库和基于MATLAB 的用户操作平台。系统采用分层、分布式机构设计，整个系统分为两层:数据存储层和系统 运算层。数据存储层主要是存储手动输入的数据与系统输出的结果。手动输入的数据包括 昨日细颗粒物实测浓度与预测日期及当天气象因子预测值，系统输出的结果主要是浓度预 测值。系统运算层是读取初始输入资料并进行相关运算和展示结果的程序。预报系统整体 具有动态的特性，新生的污染样本及气象样本会及时地加入到系统数据集中，并对预报系 统进行调整，使模式系统能够反映变化中的污染状况。
[0048] 与数值预报系统相比，本发明的统计预测系统操作方便，不需要较专业的计算硬 件设备，且对运维人员的编程能力要求不高，简单便捷，是地级市及区县开展空气质量预报 工作理想的应用工具，也是各地区空气重污染预警技术平台的重要组成部分，只有对各种 预报方法进行综合集成并取其优势，才能优化空气质量预报结果，W满足高质量大气重污 染预警的要求。
[0049] 下面W-个优选实施例的方式描述本发明的预报系统。
[0050] 1空气质量日报数据，可W放到一个文件夹下，如，03她data，经过程序处理后，写 到数据表单里面格式如下：
[0化1 ]
[0052]每个地区为该地区几个监测点的逐日化化值，和图4中分区所选的点一样。运个 模块可W设为两个按钮，如运行、查看保存。查看时自动跳出表单数据。
[0化3] 2气象数据处理
[0054]表单里面，格式为：
[0056]~该模块设为1个按钮，如查看，查看时自动跳出表单数据，可W修改保存该表单。I [0化7] 3分区预报
[005引该模型每天预报未来=天的分区化8h浓度及对应的指数。
[0059] 格式样例如下：
[0061] ~当采用颜色标示空气质量级别时，该表格如图5所示。
[0062] 4结果展示
[0063] 每天产生未来2地\4她\7化的图片，放到某个文件夹下，例如如图4所示。
[0064] 5预报比对
[0065] 预报比对就是统计分析监测数据与预报数据的统计分析。包括2地、4她、72h预报 结果的比对分析，W24h预报结果比对为例，格式样例如下：
[0066]
[0067] 如果没有数据或数据负值的的话，就是空格，时间字符串是保留的，每天的预报滚 动预报写入，也可W逐个读取分区预报模块中的每天的数据文件。该模块设置有两个按钮： 一个是处理，一个是查看。
[0068] 6天气图辅助分析
[0069] 用于下载待预测区域天气实况和预报图，放到安装后某个文件夹下，下载气象图 后，界面上设置有=个按钮:一个是下载，一个是查看，一个是写入。
[0070] 7系统设置
[0071] 系统设置里面就是设置权限，设置默认系统账户和密码。可W建立分账户使用该 系统。
[0072] 8打印功能
[0073] 可W选择性的打印报表文件，里面设置有3个按钮:一个是查看，选择相关文件，另 一个是选择打印机，可W连接打印机或输入打印机ip，最后一个是打印。
[0074] W上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详 细说明，应理解的是，W上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在 本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内。
【主权项】
1. 一种臭氧浓度的预测方法，其特征在于，包括以下步骤： 步骤Si:收集、获取待预报区域的历史气象数据； 步骤S2:选取若干气象参数作为影响因子； 步骤S3:通过拟合的方式，以选取的若干气象参数作为因子建立臭氧浓度的预测方程， 将所述气象参数的预测值和/或实测值代入所述预测方程中，通过求取方程来对所述待预 报区域的要预测的那一天的O3 8h值进行预测。2. 如权利要求1所述的臭氧浓度的预测方法，其特征在于，在步骤S2中选取的若干影响 因子为昨日O3 8h值、PM2.5日均浓度、NO2日均浓度、预测的日平均气压、日平均风速和日平均 气温。3. 如权利要求1所述的臭氧浓度的预测方法，其特征在于，在步骤S3中拟合的预报方程 为：其中，c为要预测的那一天的O3Sh预测值，X1，X2,……， X6分别表示要预测那一天的NO2平 均浓度(yg/m3)、平均气温(mm)、平均气压(hPa)、平均风速(m/s)、PM2.5平均浓度(yg/m 3)的预 测值，以及要预测那一天的昨日O3 8h(yg/m3)的预测值或实测值，加，&1，……，a6是回归系 数。4. 如权利要求3所述的臭氧浓度的预测方法，其特征在于，所述要预测的那一天包括今 天、明天和后天，分别对应未来24小时、48小时和72小时内的预报。5. 如权利要求3所述的臭氧浓度的预测方法，其特征在于，要预测那一天的平均气压、 平均风速、平均气温的预测值选自WRF模式的模拟预报结果，WRF模式初始及边界资料为 NCAR和NCEP的再分析逐日资料GFS，分辨率为1° X 1°，时间分辨率是6h(00:00、06:00、12: 00、18:00);地形和下垫面输入资料分别来自USGS 30s全球地形和MODIS下垫面分类资料。6. 如权利要求3所述的臭氧浓度的预测方法，其特征在于，对于要预测那一天的昨日O3 8h(yg/m3)的值X6,当预测24小时内的臭氧浓度时，选用昨日〇3 8h值的实测值；当预测48小 时或72小时内的臭氧浓度时，选用相对于48小时或72小时的昨日O3 8h预测值。7. 如权利要求1所述的臭氧浓度的预测方法，其特征在于，所述待预报区域为一个大的 预测区域中的局部，从而能够通过对所述大的预测区域中的不同局部进行如权利要求1至6 任意一项所述的臭氧浓度的预测方法进行预测，来实现所述大的预测区域的分区预测。8. -种臭氧浓度的预报系统，其特征在于，所述预报系统执行如权利要求1至7任意一 项所述的臭氧浓度的预测方法，来对未来某一时间的O 3Sh值进行预测。9. 如权利要求8所述的臭氧浓度的预报系统，其特征在于，所述预报系统是基于matlab 软件来执行所述臭氧浓度预测方法的。10. 如权利要求8所述的臭氧浓度的预报系统，其特征在于，所述预报系统对预测结果 的发布还通过专家来进一步判断订正，形成综合预报信息;所述预报系统能够将预测数据 打印输出。
【文档编号】G01W1/10GK106019409SQ201610308915
【公开日】2016年10月12日
【申请日】2016年5月11日
【发明人】程念亮, 张大伟, 孙峰, 李云婷, 陈晨, 王步英
【申请人】北京市环境保护监测中心