開化縣負氧離子濃度預測模型的建立

丁麗華，顧振海，吳 丹，程 創

(1.開化縣氣象局，浙江 開化 324300； 2.衢州市氣象局，浙江 衢州 324000)

開化縣負氧離子濃度預測模型的建立

丁麗華1，顧振海2*，吳 丹1，程 創1

(1.開化縣氣象局，浙江 開化 324300； 2.衢州市氣象局，浙江 衢州 324000)

為研究開化縣空氣負氧離子的日變化及其與環境、氣象因子的相關性，利用SPSS統計軟件，分析了空氣負氧離子濃度日變化及其與氣象因子的關系。結果表明，開化負氧離子濃度大致呈正弦波分布，6：00左右達到最高值，13：00和20：00前后達到最低值。影響負氧離子濃度的氣象因子主要是露點溫度和PM10，且均與負氧離子濃度呈負相關關系但并非單一的負相關關系。負氧離子濃度日變化主要受氣溫和相對濕度的影響。經檢驗，所建立的負氧離子濃度預測模型可為開化空氣負離子濃度預報提供參考，并為開展旅游氣象服務提供理論依據。

負氧離子濃度； 氣象因子； 預測模型； 預報檢驗

隨著社會對氣候變化、氣象環境的關注，研究人員對負氧離子展開了廣泛的研究與應用，并獲得了一些新的成果。但由于設備型號和規范的不統一，及其他未明原因，得出的結論有相當大的差別。如陳雅芬等[1]研究認為，日照時數相對較多的晴天，負氧離子濃度低。葉彩華等[2]研究則表明，負氧離子在晴天比陰天明顯多，陰天數值穩定，峰值不明顯。叢菁等[3]提出氣溫和PM10等是影響大連市負氧離子濃度的關鍵因素，且均與負氧離子濃度呈負相關關系；而譚東等[4]認為負氧離子濃度與溫度呈正相關。周曉香等[5]研究表明，負氧離子濃度在春季最高，秋季最低。韋朝領等[6]認為負離子濃度年變化趨勢表現為夏季最高，冬季最低。綜上，負氧離子濃度與氣象要素關系密切，但受周圍環境影響更大，地域性特征明顯。本文研究開化縣氣象因子對空氣負離子濃度的影響，從而為空氣負離子濃度預報提供參考，并為開展旅游氣象服務提供理論依據。

1 材料與方法

1.1 研究區概況

開化縣位于浙江省西部，是錢塘江的源頭，北緯28°54′，東經118°01′，地處浙皖贛3省7縣交界處，縣域總面積2 231 km2。開化縣作為國家公園、中國天然氧吧，縣內擁有錢江源國家森林公園、古田山國家自然保護區等多處自然景觀，全縣森林覆蓋率超過80%。

1.2 方法

負氧離子濃度測定采用的FLZ1型大氣負離子自動觀測系統，是目前唯一通過中國氣象局大氣負離子自動觀測系統試驗考核并且已經定型的產品。FLZ1型大氣負離子自動觀測系統運用國際上公認的動態測量法——美國Wesix技術(電容式吸入法)的工作原理，每日發送24組負氧離子值。測量的離子值為2檔，遷移率分別為1.0和0.4。測量誤差小于(10%+10個)·cm-3。

本文所用空氣負離子資料來源于開化縣負氧離子監測站，距離開化國家一般氣象站和氣象大樓環境空氣自動監測站50 m內。利用2014—2015年空氣負氧離子小時資料和同步氣象要素觀測資料，分析空氣負氧離子濃度日變化與氣象因子的關系，選擇線性、對數、二次多項式等多種函數進行曲線擬合，選擇最優方式進行逐步回歸建立預測模型，對計算結果進行對比分析，選取最優方案建立空氣負氧離子濃度預測預報模型，并對模型進行極值分析和檢驗。

2 結果與分析

2.1 負氧離子日變化

由圖1可知，開化縣負氧離子濃度大致呈正弦波分布，日差較小，夜間高，白天低，6：00左右達到最高值，13：00和20：00前后達到最低值。顧小麗等[7]研究表明，空氣中負氧離子濃度有夜間高白天低的日變化規律，且最高濃度出現在早晨，最低值出現在午后，呈明顯的U型變化特征，本研究結論與此一致。因此選擇6：00—7：00進行晨練，可以呼吸到負氧離子含量相對較高的清新空氣。

圖1 負氧離子濃度的日變化曲線

2.2 負氧離子濃度月變化

開化縣負氧離子濃度具有明顯的季節變化特征，夏季最高，冬季最低(圖2)，這與前人研究結論一致[7-9]。開化縣1月負氧離子濃度最低，7月負氧離子濃度為全年峰值，1月和7月之間負氧離子濃度差值高達2 400個·cm-3。

圖2 負氧離子濃度的月變化曲線

2.3 日均負氧離子濃度預報模型的建立

選取日雨量、日平均氣溫、日最高氣溫、日最低氣溫、日最大風速、日極大風速、日平均濕度、日平均PM2.5、日平均PM10、日均露點溫度、日均水汽壓、日均露點溫度差、日照、日均能見度、14時溫度、14時露點溫度、14時水汽壓、14時最大風速等氣象要素作相關性分析，并建立逐步回歸預報方程。結果表明：日均負氧離子濃度與氣溫、極大風速、濕度、露點溫度、能見度及14時溫度、露點溫度、水汽壓呈正相關；和PM2.5、PM10、露點溫度差呈負相關；和雨量、日照的相關性不明顯，未通過顯著性檢驗。

選擇線性、對數、二次多項式等多種函數進行曲線擬合，選取最優方式進行逐步回歸，選取R2最大且通過顯著性檢驗的模型。日均負氧離子濃度與氣象因子間多以二次多項式或三次多項式為優，具體參數略。以氣溫為例，通過曲線擬合，其中三次多項式模型的R2最大，為0.211，且通過了0.01的顯著性水平檢驗。由此建立的預報方程：

通過逐步回歸方法，建立預報方程：

式中，Y為日均負氧離子濃度，T為日均氣溫，PM10為日均PM10濃度，Td為日均露點溫度。

選取2015年1月1日至2月10日的逐日負氧離子濃度作為檢驗樣本，其模型計算值與實測值對比如圖3所示。其中，線性逐步回歸方程的預報效果明顯優于氣溫的三項式方程。其預報值與實測值兩者的相關系數達0.723，具有較好的預報能力。

圖3 日均負氧離子濃度觀測值與模型計算值對比

2.4 負氧離子濃度日變化預報模型的建立

2.4.1 負氧離子濃度日變化與氣象因子關系

選取氣溫、水汽壓、露點溫度、露點溫度差、相對濕度、日照時數、PM2.5和PM10等因子作相關性分析。結果表明，負氧離子濃度的日變化與氣溫(R2=-0.803)、水汽壓(R2=-0.710)、露點溫度(R2=-0.528)、露點溫度差(R2=-0.742)、PM2.5(R2=-0.581)和PM10(R2=-0.683)呈極顯著負相關(P<0.01)。負氧離子濃度的日變化與相對濕度呈極顯著正相關(R2=0.755，P<0.01)。說明負氧離子濃度日變化受氣象要素影響較大，日照時數與負氧離子濃度的日變化沒有明顯的相關性。

2.4.2 負氧離子濃度日變化預測模型的建立

選擇線性、對數、二次多項式等多種函數進行曲線擬合，選取最優方式進行逐步回歸，選取R2最大且通過顯著性檢驗的模型。以氣溫為例，通過曲線擬合，二次多項式模型的R2最大，為0.718，且通過了0.01的顯著性水平檢驗。

因此，負氧離子濃度日變化和溫度的回歸模型選擇二次多項式來建立，其回歸方程為

有研究表明，濕度模型較溫度模型更切合實際[10]，開化縣負氧離子濃度日變化和濕度的回歸模型方程為

式中，H表示相對濕度。

同樣，負氧離子濃度日變化和水汽壓、露點溫度、露點溫度差、PM2.5及PM10的回歸模型都以二項式最優，具體方程略。由此可見，負氧離子濃度日變化和主要的氣象因子并不是呈簡單的線性關系。以氣溫為例，負氧離子濃度與氣溫的日變化總體呈負相關，但并非單一的負相關關系；根據極值分析，當氣溫>20.4 ℃時，負氧離子濃度日變化與氣溫呈正相關，反之，呈負相關，這與王寶等[10]的研究結果一致。

通過線性逐步回歸建立的預報方程為：

經過線性化建立的逐步回歸方程：

考慮季節因素，進一步將冬季(12—2月)、春季(3—5月)、夏季(6—8月)、秋季(9—11月)數據分別進行曲線擬合。以春季為例，負氧離子濃度和氣溫的二次多項式模型的R2最大，為0.3，且通過了0.01的顯著性水平檢驗。其關系式為

負氧離子濃度日變化和濕度的回歸模型其回歸方程為：

通過線性逐步回歸建立的預報方程為：

經過線性化建立的逐步回歸方程：

式中：Y為負氧離子濃度日變化，T為氣溫，H為相對濕度，Td為露點溫度。其他季節方程略。

2.4.3 負氧離子濃度日變化預測模型的檢驗

將各相關數據回代預測模型(3)(4)(5)(6)，計算出的預測值與實測值相比較，變化趨勢基本一致，但預測值與實測值差別較大，表明方程具有一定的預測能力。同時，方程(5)(6)考慮了氣溫和濕度兩方面的因素，其結果也更為接近實測值。經過線性化處理的預報模型與線性預報方程結果較為接近，但其預測結果未有明顯提升。

在考慮了季節因素后，其預報結果有了明顯提高。如圖4所示，根據全年預報方程計算出的春季負氧離子濃度總體較實況偏大明顯，而使用春季預報模型，其預報值和實況值差值減小。

圖4 負氧離子濃度觀測值與模型計算值對比

選取開化縣2016年3月29日的氣象數據作為檢驗樣本，從圖5可以看出，其預報值和實測值差值較大，分級后的模型較分級前有所進步。表明季節分型的負氧離子濃度日變化預報模型較全年模型有明顯提高，具有一定的預測能力，但離實際應用還有較大距離。

圖5 2016年3月29日負氧離子濃度觀測值與模型計算值對比

3 小結

開化縣負氧離子濃度特點如下：1)大致呈正弦波分布，夜間高，白天低。6：00左右達到最高值，13：00和20：00前后達到最低值。2)負氧離子濃度具有明顯的季節變化特征，夏季最高，冬季最低；1月負氧離子濃度最低，7月負氧離子濃度最高。3)影響負氧離子濃度的氣象因子主要是露點溫度和PM10，且均與負氧離子濃度呈負相關關系但并非單一的負相關關系，負氧離子濃度日變化主要受氣溫和相對濕度的影響。

由于觀測資料問題，所建立的預報模型較粗略，有待于進一步改進。理論上同一地區周邊環境無明顯變化時，負氧離子濃度受氣象要素影響明顯，利用氣象因子可建立合適的預報模型，但在實際觀測中，2～3 m的距離即可造成負氧離子濃度數據較大的偏差，因此，氣象因素之外的影響條件有待進一步研究。

[1] 陳雅芬. 空氣負離子濃度與氣象要素的關系研究[D]. 南昌: 南昌大學, 2008.

[2] 葉采華, 王曉云. 空氣中負離子濃度與氣象條件關系初探[J]. 氣象科技, 2000, 28(4): 51-52.

[3] 叢菁, 孫立娟. 大連市負氧離子濃度分布及預測模型的建立[J]. 氣象與環境學報, 2010, 26(4): 44-47.

[4] 譚東, 張樣盛, 楊娟. 茶山竹海負氧離子濃度分布狀況及變化規律初探[J]. 環境影響評價, 2010, 32(3): 26-28.

[5] 周曉香, 洪輝, 王鈺. 資溪縣城空氣負離子特征及與氣象因子相關性分析[J]. 氣象與環境學報, 2007, 23(6): 32-34.

[6] 韋朝領, 王敬濤, 蔣躍林, 等. 合肥市不同生態功能區空氣負離子濃度分布特征及其與氣象因子的關系[J]. 應用生態學報, 2006, 17(11): 2158-2162.

[7] 顧小麗, 錢燕珍, 鮑岳建,等. 寧波市負氧離子濃度分布與預測模型及其在旅游氣象中的應用[J]. 氣象與環境學報, 2013, 29(6): 128-133.

[8] 吳楚材, 鄭群明, 鐘林生. 森林游憩區空氣負離子水平的研究[J]. 林業科學, 2001, 37(5): 75-81.

[9] 邵海榮, 賀慶棠, 閻海平, 等. 北京地區空氣負離子濃度時空變化特征的研究[J]. 北京林業大學學報, 2005, 27(3): 35-39.

[10] 王寶, 解福燕, 張自祥, 等. 玉溪空氣負氧離子預測模型的建立[J]. 高原氣象, 2015, 34(1):251-257.

(責任編輯：侯春曉)

2017-09-14

浙江省氣象局青年項目(2016QN10)

丁麗華(1984—)，女，浙江開化人，工程師，學士，從事環境氣象方面研究工作，E-mail：153498169@qq.com。

顧振海，男，E-mail：401942703@qq.com。

文獻著錄格式：丁麗華，顧振海，吳丹，等. 開化縣負氧離子濃度預測模型的建立[J].浙江農業科學，2017，58(11)：1957-1960.

10.16178/j.issn.0528-9017.20171129

P402

A

0528-9017(2017)11-1957-04