段利軍　古意瑾　歐虹伶　吳倩茵　廖志朗

摘要：為實現(xiàn)空氣污染物數(shù)值預(yù)報精度的提升，研究GIS技術(shù)在空氣污染物數(shù)值預(yù)報中的應(yīng)用。選擇十六個預(yù)報點，通過3S技術(shù)采集預(yù)報點的地理信息數(shù)據(jù)、遙感數(shù)據(jù)與柵格數(shù)據(jù)、矢量數(shù)據(jù)。選取12個常規(guī)地面觀測的相關(guān)氣象要素作為空氣污染物預(yù)報試驗中的預(yù)報因子，利用逐步回歸的方式構(gòu)建該地區(qū)的空氣污染物預(yù)報回歸模型。預(yù)報該地區(qū)各預(yù)報點的空氣污染物濃度，計算實測值與預(yù)報結(jié)果之間的平均相對誤差與平均絕對誤差。實驗結(jié)果表明，模型對于PM10、NO2、SO2的小時預(yù)報整體比較準(zhǔn)確，小時預(yù)報平均相對誤差與平均絕對誤差均較低。

關(guān)鍵詞：地理信息技術(shù)；GIS軟件；空氣污染物數(shù)值預(yù)報；逐步回歸

中圖分類號：X831 文獻標(biāo)志碼：B

前言

隨著環(huán)境問題的嚴(yán)峻與人們環(huán)保意識的加強，空氣污染問題受到了廣泛關(guān)注，全球都在積極探討空氣污染問題的解決方案。空氣污染問題不僅會對人類健康造成嚴(yán)重危害，引發(fā)鼻炎、神經(jīng)系統(tǒng)疾病、皮膚病、咽喉炎、支氣管炎等常見疾病，還會對經(jīng)濟的可持續(xù)發(fā)展造成很大制約。

特別是近十幾年，各種先進技術(shù)逐漸普及，使精準(zhǔn)的空氣污染物預(yù)報成為可能，也越來越受到重視?；谠摫尘皩IS等地理信息技術(shù)在空氣污染物數(shù)值預(yù)報中的應(yīng)用進行分析，以通過在空氣污染物預(yù)報中應(yīng)用各種地理信息技術(shù)來實現(xiàn)預(yù)報精度的提升。對于空氣污染物預(yù)報問題的研究，目前已經(jīng)有很多學(xué)者提出了多樣化的決策評估與數(shù)值模擬方法，并實現(xiàn)了多污染物實時協(xié)同效應(yīng)的模擬與多種尺度下的決策評估。

譚小容等人提出通過優(yōu)化初始條件來提高鐘差預(yù)報精度的方法，構(gòu)建初始條件未知的CM（1，1）預(yù)報模型，采用原始序列的最新分量求解初始條件；盧健濤等人提出采用WebGIS、大數(shù)據(jù)、云計算和人工智能等新一代信息技術(shù)，研究開發(fā)了基于WebGIS的中珠聯(lián)圍洪澇預(yù)報預(yù)警系統(tǒng)，提供監(jiān)測監(jiān)控、預(yù)報預(yù)警、洪澇模擬、風(fēng)險展示等綜合功能?，F(xiàn)對以往的研究成果進行梳理，在空氣污染物數(shù)值預(yù)報中對GIS等地理信息技術(shù)進行應(yīng)用。

1 空氣污染物預(yù)報回歸模型構(gòu)建

1.1 采集數(shù)據(jù)

通過GIS技術(shù)、GPS技術(shù)以及RS技術(shù)等地理信息技術(shù)對預(yù)報中需要的地理信息數(shù)據(jù)進行采集。通過相關(guān)渠道查詢某市數(shù)據(jù)，選擇高鐵站、軍分區(qū)路口、市圖書館、文化廣場、文體中心、人民公園、市政府廣場、河西街道辦、第一實驗小學(xué)、萬達購物廣場、濱江公園、消防支隊路口、第四高級中學(xué)、市博物館、市人民醫(yī)院、自來水廠16個地點作為預(yù)報點。

采集以上預(yù)報點的地理信息數(shù)據(jù)。在位置數(shù)據(jù)的采集中，地形坐標(biāo)系選用的是UTM坐標(biāo)系，將區(qū)域計算網(wǎng)格大小定為500 m×500m。

并采集以上預(yù)報點的遙感數(shù)據(jù)與柵格數(shù)據(jù)、矢量數(shù)據(jù)。同時還要采集該地區(qū)的氣象數(shù)據(jù)，通過區(qū)域氣象觀測站對氣象數(shù)據(jù)進行采集，選取每個預(yù)報點最近的區(qū)域氣象觀測站代表該預(yù)報點的氣象數(shù)據(jù)。在對采集數(shù)據(jù)進行導(dǎo)入前，首先實施氣象數(shù)據(jù)的預(yù)處理。如當(dāng)使用的氣象數(shù)據(jù)未達到該有的采集頻率，需要對其實施插值處理。在試驗中收集2021年8月至2022年7月逐日、逐次的氣象數(shù)據(jù)。

收集的地面氣象數(shù)據(jù)具體包括溫度、云量（以基本觀測站數(shù)據(jù)替代）、風(fēng)速、風(fēng)向、降水量、相對濕度等。在AERMET模塊中導(dǎo)人各種收集數(shù)據(jù)，通過AERMET模塊對該地區(qū)預(yù)報點的地面平均氣壓差、邊界層廓線、溫度梯度等數(shù)據(jù)進行計算。最后還要對各預(yù)報點的前日污染物濃度數(shù)據(jù)進行采集，采集的污染項目包括PM10、NO2、SO2。

1.2 預(yù)報因子選取與模型構(gòu)建

通過對城市氣象條件與空氣污染的關(guān)系進行分析，可知該市區(qū)空氣中污染物的清除、稀釋、擴散的速度是由天氣形勢決定的。選取12個常規(guī)地面觀測的相關(guān)氣象要素作為空氣污染物預(yù)報試驗中的預(yù)報因子。

完成預(yù)報因子的選取后，利用逐步回歸的方式，構(gòu)建該地區(qū)的空氣污染物預(yù)報回歸模型。構(gòu)建模型的具體步驟如下：

（1）構(gòu)建初始預(yù)測模型，具體如式（1）：

Cn=B0+B1An1+B2An2+…+B12An12 式（1）

式（1）中，n指時間序列，B指回歸因子。

（2）對初始預(yù)測模型的方差貢獻進行計算，計算公式具體如式（2）：

式（2）中，Wl指第l個變量的方差貢獻；dll指逆矩陣內(nèi)的元素；Gl指對應(yīng)因子變量的元素。

（3）實施F檢驗，剔除變量。F檢驗的公式如式（3）：

式（3）中，WQl指變量方差的最小貢獻者；F2是指F分布；uQxx指線性回歸方程中引入因子后的偏回歸平方和；Q指服從分子自由度。

結(jié)合采集數(shù)據(jù)構(gòu)建該地區(qū)各種污染物的濃度預(yù)報方程，以冬季采暖期為例，構(gòu)建PM10濃度預(yù)報方程具體如式（4）：

CPM10=0.001+0.125A1+0. 652A3+0.231A5+0.458A6+0.756A7+0.215A9+0.152A11 式（4）

構(gòu)建的冬季采暖期的NO2濃度預(yù)報方程具體如式（5）：

CNO2=-0.001+0.125A1-0.123A2+0.315A6 -0. 326A7 -0.132A10 -0.326A11 -0.052A12 式（5）

構(gòu)建的冬季采暖期的SO2濃度預(yù)報方程具體如式（6）：

CSO2=0.002+0.563A2-0.254A3+0.325A4 -0. 124A5 -0.315A7 -0.125A8 -0.326A11 式（6）

利用構(gòu)建模型對該地區(qū)各預(yù)報點的空氣污染物濃度進行預(yù)報，計算實測值與預(yù)報結(jié)果之間的平均相對誤差。其中平均相對誤差的計算公式具體如式（7）：

式（7）中，Oij指實測值與預(yù)報結(jié)果之間的相對誤差；Jij指模型計算值；Hij指污染物的實測值；O指平均相對誤差；i指第i個樣本；M指總樣本數(shù)；j指污染物種類。

計算實測值與預(yù)報結(jié)果之間的平均絕對誤差，計算公式具體如式（8）：

獲得測試結(jié)果后對測試結(jié)果進行分析。

2 實例分析

2.1 工程概況

此次研究選擇廣西省賀州市作為研究區(qū)域，選擇十六個預(yù)測點完成預(yù)測。研究所采用的空氣質(zhì)量數(shù)據(jù)取自賀州市環(huán)保局，包括2021年至2022年期間的SO2、NO2、PM10等數(shù)據(jù)。氣象數(shù)據(jù)則來源于中國氣象局網(wǎng)站，具體選取了賀州市2021年至2022年的氣象資料。文章利用連續(xù)兩年（即2021年至2022年）的日平均污染數(shù)據(jù)，對主要污染物SO2、NO2、PM10進行了小時級別的預(yù)報分析。

2.2 使用設(shè)備

在測試中使用的設(shè)備包括GIS設(shè)備、GPS設(shè)備以及RS設(shè)備，具體如下：

（1）GIS設(shè)備：軟件包括移動GIS、ArcGIS En-gine、Maplnfo、MapGIS等GIS軟件；基本設(shè)備包括計算機主機、磁盤陣列、數(shù)字化儀等；擴展GIS設(shè)備包括計算機網(wǎng)絡(luò)設(shè)備、全站儀、多媒體系統(tǒng)、圖像處理系統(tǒng)、數(shù)字測量系統(tǒng)等。

（2）GPS設(shè)備：主要包括BS - 7953DN型CPS接收器BS -7953DN和T113_PRO - S3型GPS解析器。

（3） RS設(shè)備：主要包括ALS50型機載激光雷達、ADS80型航空攝影數(shù)碼相機、ALSA+型機載成像光譜儀及ABS型機載雙譜掃描儀。

2.3 預(yù)報檢驗結(jié)果

2.3.1 PM10的小時預(yù)報檢驗結(jié)果

對于選擇的十六個預(yù)測點，PM10的小時預(yù)報檢驗結(jié)果見表1。

根據(jù)表1測試結(jié)果，所提模型對于PM10的小時預(yù)報整體比較準(zhǔn)確，小時預(yù)報平均相對誤差與小時預(yù)報平均絕對誤差均較低，其中，小時預(yù)報平均絕對誤差整體低于0. 006，小時預(yù)報平均相對誤差整體低于16%。對于小時預(yù)報平均相對誤差來說，春季的誤差最大；對于小時預(yù)報平均絕對誤差來說，冬季采暖期與夏秋季非采暖期的誤差最大。

2.3.2 NO2的小時預(yù)報檢驗結(jié)果

對于選擇的十六個預(yù)測點，NO2的小時預(yù)報檢驗結(jié)果見表2。

根據(jù)表2的測試結(jié)果，所提模型對于NO2的小時預(yù)報整體比較準(zhǔn)確，小時預(yù)報平均相對誤差與小時預(yù)報平均絕對誤差均較低，其中小時預(yù)報平均絕對誤差整體低于0. 008，小時預(yù)報平均相對誤差整體低于12%。對于小時預(yù)報平均相對誤差來說，冬季采暖期的誤差最大；對于小時預(yù)報平均絕對誤差來說，夏秋季非采暖期的誤差最大。

2.3.3 SO2的小時預(yù)報檢驗結(jié)果

對于選擇的十六個預(yù)測點，SO2的小時預(yù)報檢驗結(jié)果見圖1。

圖1測試結(jié)果表明，所提模型對于SO2的小時預(yù)報結(jié)果同樣比較準(zhǔn)確，兩種均較低，其中小時預(yù)報平均絕對誤差整體低于0. 005，小時預(yù)報平均相對誤差整體低于14%。對于小時預(yù)報平均相對誤差來說，春季的誤差最大；對于小時預(yù)報平均絕對誤差來說，夏秋季非采暖期的誤差最大。

3 結(jié)束語

為實現(xiàn)大氣污染物的精準(zhǔn)預(yù)測，此次研究開展GIS等地理信息技術(shù)在空氣污染物數(shù)值預(yù)報中的應(yīng)用分析。選取賀州市為研究區(qū)域，采集該地區(qū)的氣象數(shù)據(jù)、前日污染物濃度數(shù)據(jù)，選取每個預(yù)報點最近的區(qū)域氣象觀測站代表該預(yù)報點的氣象數(shù)據(jù)，在AERMET模塊中導(dǎo)人各種收集數(shù)據(jù)，通過AERMET模塊對該地區(qū)預(yù)報點的地面平均氣壓差、邊界層廓線、溫度梯度等數(shù)據(jù)進行計算。選取12個常規(guī)地面觀測的相關(guān)氣象要素作為空氣污染物預(yù)報試驗中的預(yù)報因子，利用逐步回歸的方式，構(gòu)建該地區(qū)的空氣污染物預(yù)報回歸模型。應(yīng)用GIS等地理信息技術(shù)開展空氣污染物數(shù)值預(yù)報，經(jīng)實例分析表明，該方法可實現(xiàn)比較準(zhǔn)確的污染物預(yù)報，對于人們安排出行活動、決策部門作出相關(guān)決策等具有參考意義。