氣象因子對臭氧的影響及其在空氣質量預報中的應用

張 燦，蔣昌潭，羅財紅，劉姣姣，葉 堤，譙 捷，韓世剛

1.重慶市生態環境監測中心，重慶 401147 2.城市大氣環境綜合觀測與污染防控重慶市重點實驗室，重慶 401147 3.重慶市環境監察總隊，重慶 401147 4.重慶市氣象服務中心，重慶 401147

氣象因子對臭氧的影響及其在空氣質量預報中的應用

張 燦1,2，蔣昌潭1,2，羅財紅1,2，劉姣姣1,2，葉 堤1,2，譙 捷3，韓世剛4

1.重慶市生態環境監測中心，重慶 401147 2.城市大氣環境綜合觀測與污染防控重慶市重點實驗室，重慶 401147 3.重慶市環境監察總隊，重慶 401147 4.重慶市氣象服務中心，重慶 401147

為提高重慶市臭氧(O3)預報準確率，利用2013—2015年5—10月O3監測數據和氣象數據，通過主成分分析、逐步回歸分析等方法，確定了影響重慶O3濃度的主要氣象因素為最高溫度、溫差、太陽輻射、降水量、相對濕度、水氣壓和壓差；通過基于O3污染水平相似的主要氣象控制因子篩選和最優組合的預報結果優化方法，提高了O3預報準確率，使2016年5—8月O3的AQI類別預報準確率由57.7%增至72.4%，O3超標的預報準確率由38%增至46%。

氣象因子；臭氧；預報

環境空氣質量預報已經成為監測部門一項比較重要的例行工作[1]。我國目前的環境空氣污染表現為以大氣細顆粒物(PM2.5)和臭氧(O3)為代表的復合型大氣污染，高濃度O3對眼睛和呼吸道有很強的刺激性，損害人體肺功能和傷害農作物，并使大氣能見度降低[2]。O3已經成為各大城市除PM2.5之外的造成環境空氣質量超標的首要污染物，因此對O3的準確預報顯得尤為重要。

目前的預報方法主要有數值模型和統計模型。統計模型只需氣象數據、污染物監測濃度數據即可進行預報[3]，運算量小、易于操作，不需要源清單和高性能計算硬件設備[4]，避免了數值模型預報方法的弊端[3]。與數值模型相比，統計模型預報結果準確率高[5]，適合預報剛剛起步的城市使用。重慶市從2014年10月開始對公眾發布空氣質量預報結果，利用的是法蘭德斯技術研究院 (VITO)與比利時環保署合作開發的基于神經網絡的OVL模型。2014—2015年統計結果表明，模型對O3的AQI類別的預報準確率為67.5%，低于其對PM2.5的預報準確率73.9%；對O3超標的判斷準確率僅為36.4%，遠低于PM2.5的67.9%。重慶市空氣質量超標天數均由PM2.5和O3造成，提高O3濃度預報準確率尤其是準確預判O3超標天數將在很大程度上提高預報準確率。

近幾年，北京、天津、上海、廈門、珠三角區域、沈陽、西寧、太原、臨安本底站等都針對氣象條件對O3影響進行了研究[6-16]；但對O3預報方法的研究較少，安俊琳等[6]利用主成分和回歸分析方法對北京O3進行了預報；劉明花等[9]將多元非線性預報模式應用在上海地面O3濃度的預報中；宋榕榮等[10]利用多元線性回歸法建立了廈門市O3預報及評估系統，都得到了相關性較好的預報結果。重慶也進行了O3的相關研究[17]，但目前尚沒有針對重慶O3預報的研究。

重慶下墊面類型復雜，高溫高濕，太陽輻射強度大，與其他城市不同。統計模型預報不需要源清單，更多的是依賴氣象條件的變化，在不同的天氣類型下，污染物擴散方式和濃度分布均有明顯差異，天氣類型對區域空氣質量有關鍵作用。由于各個氣象因子并不是獨立的而是相互影響、相互制約和協同作用的，僅單個分析氣象因素對O3濃度的影響難免造成信息缺失或誤導。本文在利用主成分分析和逐步回歸分析分析確定了O3的主控氣象因素后，提出了基于O3污染水平相似的主要氣象控制因子篩選和最優組合的預報結果優化方法，對OVL模型進行補充，以期提高O3預報準確率，為環境管理和污染天氣預警提供及時準確的信息。

1 實驗部分

1.1數據來源和處理

由于重慶O3污染主要集中在5—10月，因此，O3濃度數據利用2013—2015年5—10月主城區逐日自動監測數據；監測儀器為河北EC9810B O3自動監測儀，采用紫外光度法原理。逐日氣象數據來自重慶市氣象臺，包括雨量、最高溫度、最低溫度、相對濕度、最小濕度、水氣壓、氣壓、最低氣壓、最高氣壓、風速、風向；溫差、壓差由原始數據計算而得，有降水標記為“1”，無降水記為“0”。太陽輻射數據來自重慶市大氣環境監測超級站，監測儀器為荷蘭UVS-AB紫外輻射計，UVS-AB紫外輻射計通過紫外輻射傳感器和CR1000數據采集模塊實時測量透過大氣層的太陽紫外輻射UV-A和UV-B，監測到達地面的太陽紫外線輻射強度，共521個有效樣本。

1.2分析方法

1.2.1 主成分分析

主成分分析(PCA)是對一組變量進行降維的統計學方法，即用少量的獨立變量來代替大量的有相關性的變量的一種方法?，F在PCA方法中普遍采用最大方差正交旋轉法來得到有意義的因子[18-19]。PCA的具體計算過程大體分3步：奇異值分解；維數的選擇(一般選擇特征值大于1的提取原則)；因子旋轉(一般采用方差最大正交旋轉)[6]。

1.2.2 逐步回歸分析

多元線性方程的建立一般采用逐步回歸算法。逐步回歸算法是在所有考慮的參數中，按其對因變量Y(大氣污染物預報濃度)影響的顯著程度的大小，由大到小逐個引進回歸方程。若已被引進回歸方程的參數，在引進新參數后，可能會由顯著變為不顯著，此時需將其從回歸方程中剔除，以保證在眾多預報參數中挑選出最佳的關鍵參數組合，建立最優預報方程。污染物預報濃度Y與預報關鍵參數X建立的最優回歸方程格式：

式中：Y為污染物預報濃度；BQ為常數項；X1，X2，…，Xn為預報關鍵參數；B1，B2，Bn為關鍵參數的系數[4]。劉閩等[20]采用逐步回歸方法建立了沈陽市冬季環境空氣質量統計預報模型。

2 結果與討論

2.1主要影響因子

2.1.1 主成分分析

將太陽最大輻射、降水量、最高溫度、濕度、最小濕度、水氣壓、最高氣壓、風速、風向、壓差、溫差、是否下雨等12個參數作為變量，進行主成分分析，使用方差極大法進行旋轉，選擇KMO(Kaiser-Meyer-Olkin)和Bartlett的球形度檢驗，得到旋轉后的因子載荷矩陣(見表1)，Bartlett球檢驗顯著性指標sig.<0.05為顯著，說明存在因子結構。KMO>0.9，說明非常適合因子分析；0.8

旋轉后的因子載荷矩陣共產生3個貢獻較大的因子，其特征值均大于1，說明具有統計顯著性。相關研究表明，選取因子時一般選取載荷大于0.50的因子[18]。載荷為負值時說明該因子與本項目呈負相關關系。第一個因子中的高載荷組分主要指示了相對濕度、溫差、是否下雨，其次為最大太陽輻射、雨量、最高溫度，這些因子解釋了36.2%的因變量變化；第二個因子中的高載荷組分主要指示了水氣壓、最高氣壓，這些因子解釋了21.7%的因變量變化；第三個因子中的高載荷組分主要指示了壓差、風速，這些因子解釋了14.5%的因變量變化。這些因子共解釋了72.4%的因變量，說明最大輻射、降水量、最高溫度，水氣壓、最高氣壓，壓差、風速是影響5—10月氣象形勢的主要因素。

表1 旋轉后的因子載荷矩陣

用同樣的方法對O3質量濃度小于或等于160 μg/m3的樣本(O3的AQI≤100，O3達標日)以及O3質量濃度大于160 μg/m3的樣本(O3的AQI>100，O3超標日)分別進行主成分分析，結果見表2、表3。O3達標日產生3個主要因子，解釋了73.5%的變量，反映了相對濕度、最高溫度、溫差、降水、水氣壓、最高氣壓、壓差和風速等對O3達標日氣象形勢的影響，與5—10月相似。

O3超標日產生5個主要因子：第一個因子中的高載荷組分主要指示了最高溫度、相對濕度、最高氣壓；第二個因子中的高載荷組分主要指示了最小濕度、水氣壓、溫差；第三個因子中的高載荷組分主要指示了降水量；第四個因子中的高載荷組分主要指示了最大輻射；第五個因子中的高載荷組分主要指示了壓差。這5個因子共解釋了78.7%的變量，反映了最高溫度、溫差、相對濕度、最高氣壓、壓差、水氣壓、降水量和最大太陽輻射對O3超標日氣象形勢的影響。與O3達標日有所不同，多了“最大太陽輻射”的影響，而少了“風速”的影響。

表2 O3達標日旋轉后的因子載荷矩陣

表3 O3超標日旋轉后的因子載荷矩陣

2.1.2 逐步回歸分析

對521個樣本經過逐步回歸分析，因變量為O3濃度，自變量為雨量、最高溫度、最低溫度、相對濕度、最小濕度、水氣壓、氣壓、最低氣壓、最高氣壓、風速、風向、溫差、壓差、是否下雨；利用Durbin-Watson值(DW，取值0～4)檢驗回歸模型中殘差獨立的假設，當DW愈接近2時，殘差項間越不相關。本次計算得到的DW=1.238，可以基本確定殘差是獨立的。

回歸結果如表4所示，共得到影響O3濃度的4個主要參數，即溫差、最高溫度、是否下雨和水氣壓。膨脹因子VIF<10，容差大于0.1，說明這4個變量間不存在共線性，都可用于方程。sig.均小于0.05，具有顯著意義。根據表4得到O3濃度的逐步回歸方程式：

式中：Y為O3質量濃度，μg/m3；X1為溫差，℃；X2為最高溫度，℃；X3為是否下雨，下雨為“1”，不下雨為“0”；X4為水氣壓，hPa。

表4 逐步回歸結果

注：“/”表示共線性僅針對變量進行統計。

由圖1可知，通過該方程得到的O3濃度與實際值呈顯著正相關關系，相關系數達到0.86，通過了α=0.01水平(雙側)的顯著性驗證。通過對521個數據進行驗證，該方程對O3的AQI類別的預報準確率為73.9%，雖然對優、良水平的預報準確率較高，但對O3超標的預報準確率僅為24.6%。

圖1 O3濃度擬合值與實際值的關系Fig.1 Fitting value and actual value of O3 concentration

通過以上方法，已經基本確定了重慶主城區影響O3生成的主要氣象因素為最高溫度、溫差、太陽輻射、降水量、相對濕度、水氣壓、壓差(見表5)。

表5 不同方法提取出的氣象因子

注：“√”表示影響較大；“空”表示沒有影響或者影響不顯著。

安俊琳等[6]分析了北京太陽紫外輻射、溫度、相對濕度和壓力對夏季O3濃度的影響，表明氣溫和相對濕度是主要影響因素，其次是紫外輻射。北京超標日O3濃度與氣壓、相對濕度呈負相關關系，與風速、溫度呈正相關關系[7]。任麗紅等[8]對北京夏季不同高度O3濃度與氣象條件的研究表明：風速在2 m/s以下，近地面O3濃度隨著風速增加而增加；風速超過2 m/s，O3濃度隨風速的變化比較復雜，其原因有待進一步研究。臨安大氣本底站研究也表明，O3與風向的關系較復雜，與局地生成的O3有關[16]。劉明花[9]研究發現，上海一年四季對近地面O3影響最大的氣象因素是太陽輻射。廈門市O3污染與溫度、風速、相對濕度等氣象條件相關，且不同季節氣象因子的影響程度各不相同[10]。沈陽風速和溫度對O3濃度影響較大[11]。天津影響O3濃度的主要氣象因素是氣溫、相對濕度和風速風向[12]。太原市城區O3與溫度、濕度和風速存在極顯著的相關性[13]。西寧地區地面O3濃度隨云量狀況、風向、風速、相對濕度、氣壓等要素的變化比較明顯[15]。石家莊O3濃度與氣溫呈正相關，與相對濕度呈負相關[21]。從各個城市的研究結果來看，溫度、相對濕度均是影響O3濃度的主要因素；其他因素也因為地域氣象特征、地形特征的不同而有所不同。

2.2因子最優組合

圖2給出了氣象因素在不同分段值內O3的AQI范圍。

圖2 O3的AQI在不同氣象因子下的分布Fig.2 Distribution of O3 AQI under meteorological factors

從圖2可以看出：

1)最高溫度：溫度在30 ℃及其以上時，出現O3超標，且主要集中在33～39 ℃；27 ℃及以下，O3的AQI基本為0～50。

2)溫差：溫差在8 ℃及以下時，O3不會超標；溫差在8 ℃以上時，開始出現O3超標；溫差在6 ℃及以下時，O3的AQI基本為0～50；溫差為10～12 ℃，容易出現高濃度O3，AQI>150。

3)太陽輻射：太陽輻射小于或等于40 W/m2時，O3達標；太陽輻射大于40 W/m2時，開始出現O3超標，且主要集中在40～70 W/m2；高濃度O3，AQI>150主要出現在40(不含40)～60之間；輻射更高時(如70 W/m2以上)，O3超標率反而不高。

4)降水量：O3超標主要發生在無降水時；降水量在20 mm以上時，O3的AQI基本為0～50。

5)相對濕度：相對濕度在80%及以下時，都可能出現O3超標，主要集中在40%～70%；高濃度O3出現在50%～70%；相對濕度大于80%時，O3的AQI為0～50。

6)水氣壓：水氣壓在任何范圍內，都可能出現O3超標，只是水氣壓在15～20 hPa時，超標概率較小。

7)壓差：壓差在4 hPa以下時，O3基本不會超標；壓差在4 hPa以上時，開始出現O3超標；超標主要集中在壓差4～8 hPa。

單看一種氣象條件下O3的濃度特征，對預報的支撐作用有限。需要對主要氣象影響因子做不同的組合，找到最大程度(概率)影響O3濃度的最優組合。根據氣象因子預報數據準確度高、易獲得的原則，以最高溫度作為首要約束條件，層層篩選其他氣象影響因子，直至得到O3濃度最大相似的組合。通過這種方法，可以得到若干組不同氣象條件組合下對應的O3濃度，這里只列出O3超標時主要氣象因子的部分組合(見表6)。

表6 最優化組合示例

注：“空”表示不對該氣象參數進行判斷。

2.3結果評估

利用2016年5—8月的O3預報結果進行驗證分析，如圖3所示，本研究對2016年5—8月O3類別的預報準確率為72.4%，高于現有OVL模型的57.7%以及逐步回歸方法的68.3%。對O3超標的預報準確率為46%，高于OVL模型和逐步回歸的38%、31%。

從預報結果來看，基于O3濃度相似的主要氣象最優組合的預報方法適合重慶本地O3預報，能得到較高的預報準確率。雖然準確率有所提高，但該方法也存在各種模型的共同問題，當空氣質量為O3引發的輕度污染時，前一日可以較準確地判斷出首要污染物為O3，但對空氣質量類別容易低估。

圖3 本研究O3預報準確率與其他方法對比Fig.3 The accuracy of O3 forecast compared with other methods

3 結論

1)通過主成分分析、逐步回歸分析等方法，確定影響重慶主城區O3濃度的主要氣象因素為最高溫度、溫差、太陽輻射、降水量、相對濕度、水氣壓、壓差。

2)通過基于O3污染水平相似的主要氣象控制因子篩選和最優組合的預報結果優化方法，對2016年5—8月O3類別的預報準確率為72.4%，高于現有OVL模型的57.7%。對O3超標的預報準確率為46%，高于OVL模型的38%。該方法適合重慶本地O3預報，能得到較高的預報準確率。

3)本研究僅考慮了氣象條件的影響，下一步仍需考慮其前體物NO2、VOCs的影響，不斷完善規律，以提高預報準確性。

4)樣本量也是重要的影響因素，目前僅利用2013—2015年數據，畢竟3年的天氣形勢會有所不同，需要多年甚至十幾年的監測和氣象數據，才能更好地反映本地特征。

5)不同地區的氣象條件不同，對O3的影響規律也不盡相同，需要在分析規律的基礎上，對當地O3預報進行指導。

[1] 王曉彥,陳佳,朱莉莉,等.城市環境空氣質量指數范圍預報方法初探[J].中國環境監測,2015,31(6):139-142.

WANG Xiaoyan,CHEN Jia,ZHU Lili, et al. Discussion on the methods of urban ambient air quality index range forecasting [J]Environmental Monitoring in China, 2015,31(6):139-142.

[2] 張遠航,邵可聲,唐孝炎,等.中國城市光化學煙霧污染研究[J].北京大學學報(自然科學版),1998,34(2):392-400.

ZHANG Yuanhang, SHAO Kesheng, TANG Xiaoyan,et al. The study of urban photochemical smog pollution in China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis (Natural Science Edition), 1998,34(2):392-400.

[3] 王淑瑩,許榮,尹翠芳,等.基于OPAQ 的城市空氣質量預報系統研究[J].中國環境監測,2016,32(3):13-20.

WANG Shuying, XU Rong,YIN Cuifang, et al. Study on urban air quality forecasting with OPAQ[J]. Environmental Monitoring in China, 2016,32(3):13-20.

[4] 中國環境監測總站.環境空氣質量預報預警方法技術指南[M].北京:中國環境科學出版社:2014:24-25.

[5] 汪巍,高愈霄,趙熠琳,等.中小城市空氣質量預報試驗與問題研究[J].中國環境監測,2015,31(6):134-138.

WANG Wei,GAO Yuxiao,ZHAO Yilin,et al. Analysis on the experiment and problems of air quality forecast in small and medium-sized cities in China[J].Environmental Monitoring in China,2015,31(6):134-138.

[6] 安俊琳,王躍思,朱彬.主成分和回歸分析方法在大氣臭氧預報的應用——以北京夏季為例[J].環境科學學報,2010,30 (6): 1 286-1 294.

AN Junlin, WANG Yuesi, Zhu Bin.Principal component and multiple regression analysis predicting ozone concentrations: Case study in summer in Beijing[J]. Acta Scientiae Circumstantiae, 2010,30 (6): 1 286-1 294.

[7] 程念亮,李云婷,張大偉,等.2014年北京市城區臭氧超標日濃度特征及與氣象條件的關系[J].環境科學,2016,37(6):2 014-2 051.

CHENG Nianliang, LI Yunting, ZHANG Dawei, et al. Characteristics of ozone over standard and its relationships with meteorological conditions in Beijing City in 2014[J]. Environmental Science, 2016,37(6):2 014-2 051.

[8] 任麗紅,胡非,王瑋.北京夏季O3垂直分布與氣象因子的相關研究[J].氣候與環境研究,2005,10(2):166-174.

REN Lihong, HU Fei, WANG Wei. A study of correlations between O3concentration and meteorological factors in summer in Beijing[J]. Climatic and Environmental Research, 2005,10(2):166-174.

[9] 劉明花.上海市地面臭氧濃度分析及多元非線性預報模式研究[D].上海：華東師范大學，2009.

[10] 宋榕榮,王堅,張曾弢,等.廈門市空氣質量臭氧預報和評估系統[J].中國環境監測,2012,28(1):27-32.

SONG Rongrong, WANG Jian, ZHANG Zengtao, et al. The air quality forecast and evaluation system of ozone in Xiamen[J]. Environmental Monitoring in China, 2012,28(1):27-32.

[11] 王闖,王帥,楊碧波,等.氣象條件對沈陽市環境空氣臭氧濃度影響研究[J].中國環境監測,2015,31(3):32-37.

WANG Chuang, WANG Shuai, YANG Bibo, et al. Study of the effect of meteorological conditions on the ambient air ozone concentrations in Shenyang[J]. Environmental Monitoring in China, 2015,31(3):32-37.

[12] 姚青,孫玫玲,劉愛霞.天津臭氧濃度與氣象因素的相關性及其預測方法[J].生態環境學報,2009,18(6):2 206-2 210.

YAO Qing, SUN Meiling, LIU Aixia. Analysis and prediction of surface ozone concentration and related meteorological factors in summer in Tianjin[J]. Ecology and Environmental Sciences, 2009, 18(6): 2 206-2 210.

[13] 溫彥平.太原市近地面臭氧濃度變化規律及其與氣象要素的關系[J].環境工程學報,2015,9(11):5 545-5 554.

WEN Yanping. Temporal variations of surface ozone and its relations with meteorological parameters in Taiyuan City[J].Chinese Journal of Environmental Engineering, 2015,9(11):5 545-5 554.

[14] 張浩月,王雪松,陸克定,等.珠江三角洲秋季典型氣象條件對O3和PM10污染的影響[J].北京大學學報(自然科學版),2014,50(3):564-576.

ZHANG Haoyue, WANG Xuesong, LU Keding, et al. Impact of typical meteorological conditions on the O3and PM10pollution episodes in the Pearl River Delta in Autumn[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014,50(3):564-576.

[15] 趙玉成,楊英蓮,蔡永祥,等.西寧地區近地面臭氧(O3)濃度的變化特征及氣象條件分析[J].青海環境,2013,23(2):76-89.

ZHAO Yucheng, YANG Yinglian, CAI Yongxiang, et al. Characteristics of near-surface ozone (O3) concentration and meteorological conditions in Xining[J]. Qinghai Environment, 2013,23(2):76-89.

[16] 范洋,樊曙先,張紅亮,等.臨安冬夏季SO2、NO2和O3體積分數特征及與氣象條件的關系[J].大氣科學學報,2013,36(1):121-128.

FAN Yang,FAN Shuxian, ZHANG Hongliang,et al. Characteristics of SO2,NO2,O3volume fractions and their relationship with weather conditions at Linan in summer and winter[J].Transactions of Atmospheric Sciences,36 (1):121-128.

[17] 劉姣姣,蔣昌潭,宋丹,等.重慶夏季近地面臭氧變化規律及影響因素分析[J].重慶大學學報：自然科學版,2014,37(8):91-98.

LIU Jiaojiao, JIANG Changtan, SONG Dan, et al. Analysis of Distribution Characteristics of Surface Ozone and its Influencing Factors in Summer in Chongqing[J]. Journal of Chongqing University: Natural Science Edition, 2014,37(8):91-98.

[18] GUO H, WANG T, LOUIE PKK. Source apportionment of ambient non-methane hydrocarbons in Hong Kong: application of a principal component analysis (PCA)/absolute principal component scores (APCS) receptor model [J]. Environmental Pollution, 2004,129(3):489-498.

[19] SINDOSI O A, KATSOU lIS B D, BARTZOKAS A. An objective definition of air mass types affecting Athens, Greece: the corresponding atmospheric pressure patterns and air pollution levels[J].Environmental Technology, 2003,24(8):947-962.

[20] 劉閩,王帥,林宏,等.沈陽市冬季環境空氣質量統計預報模型建立及應用[J].中國環境監測,2014,30(4):10-15.

LIU Min, WANG Shuai, LIN Hong, et al. The study on establishment and application of winter environment air quality forecasting model of Shenyang [J]. Environmental Monitoring in China,2014,30(4):10-15.

[21] 潘本鋒,程麟鈞,王建國,等. 京津冀地區臭氧污染特征與來源分析[J].中國環境監測,2016,32(5):17-23.

PAN Benfeng,CHENG Linjun,WANG Jianguo, et al. Characteristics and source attribution of ozone pollution in Beijing-Tianjin-Hebei Region[J]. Environmental Monitoring in China, 2016,32(5):17-23.

EffectsofMeteorologicalConditionsonOzoneandItsApplicationinAirQualityForecast

ZHANG Can1，2, JIANG Changtan1，2, LUO Caihong1，2, LIU Jiaojiao1，2, YE Di1，2, QIAO Jie3, HAN Shigang4

1.Ecological and Environment Monitoring Centre of Chongqing, Chongqing 401147, China 2.Chongqing Key Laboratory of Urban Atmospheric Environment for Integrated Observation and Pollution Prevention and Control, Chongqing 401147, China 3.Chongqing Municipal Environmental Supervise Corps, Chongqing 401147, China 4.Chongqing Meteorological Service Centre, Chongqing 401147, China

In order to improve the accuracy of O3forecast in Chongqing, O3monitoring concentration and meteorological data from May to October in 2013-2015 were used to analyze the effects of meteorological factors on O3concentration by principal component analysis and stepwise regression analysis. The result showed that O3concentration was influenced by maximum temperature, temperature difference, radiation, precipitation, humidity, vapor pressure and pressure difference. By selection of major meteorological control factors on O3and the optimal combination of control factors based on O3concentration similarity, the accuracy of O3forecast was improved from 57.7% to 72.4% and the accuracy of O3over standard forecast was improved from 38% to 46% during May to August in 2016.

meteorological factors; ozone; forecast

X823；X84；X51

：A

：1002-6002(2017)04- 0221- 08

10.19316/j.issn.1002-6002.2017.04.28

2016-11-11;

：2017-01-12

重慶市環境保護局環保科技項目[2015(7號)]

張 燦(1982-)，女，山東金鄉人，碩士，高級工程師。

羅財紅