基于CUACE 分等級的空氣質(zhì)量預(yù)報研究

石霖晟杰，劉妹寧*秦聞通，吳 瑕

（1.內(nèi)蒙古自治區(qū)氣象科學(xué)研究所，內(nèi)蒙古 呼和浩特；2.內(nèi)蒙古自治區(qū)包頭市氣象局，內(nèi)蒙古 包頭；3.內(nèi)蒙古自治區(qū)根河市氣象局，內(nèi)蒙古 根河）

引言

春季是沙塵頻發(fā)的季節(jié)，新疆塔克拉瑪干沙漠、內(nèi)蒙古巴丹吉林沙漠、騰格里沙漠、烏蘭布和沙漠、河西走廊地區(qū)都是重要的沙源地[1]，內(nèi)蒙古受沙塵的影響比較嚴(yán)重，沙塵的發(fā)生往往伴隨著低能見度和低空氣質(zhì)量，對百姓出行和交通安全都造成了巨大的隱患。為此中國氣象局積極研發(fā)氣象環(huán)境預(yù)報模型，拓展跨部門合作和服務(wù)業(yè)務(wù)，對保障人民健康、指導(dǎo)出行和經(jīng)濟(jì)發(fā)展都具有重要意義[2]。

廖國蓮[3]通過分析CUACE 模式在廣西空氣質(zhì)量預(yù)報中的效果，發(fā)現(xiàn)CUACE 模式預(yù)報效果最穩(wěn)定，其評分基本不隨預(yù)報時效的延長而明顯降低，楊亞麗[4]使用CUACE 模式對銀川市重污染天氣預(yù)報做了檢驗，結(jié)果表明CUACE 模式能較好的模擬首要污染物、AQI、PM2.5、PM10 等。研究者在各地開展了CUACE的適用性分析[5-13]，使用線性模型、隨機(jī)森林、主成分分析、神經(jīng)網(wǎng)絡(luò)等算法，在局地建立了基于CUACE 的空氣質(zhì)量預(yù)報模型，本研究使用K-means 聚類算法將CUACE 沙塵濃度劃分為五層，并基于隨機(jī)森林模型建立了空氣質(zhì)量等級的預(yù)報模型。

1 資料與方法

本研究使用的數(shù)據(jù)包括2021 年6 月2 日—2022年7 月9 日亞洲沙塵暴數(shù)值預(yù)報系統(tǒng)（CUACE-Dust）產(chǎn)品、空氣質(zhì)量AQI 數(shù)據(jù)， 研究區(qū)域包括呼和浩特市、包頭市、鄂爾多斯市、烏蘭察布市、呼倫貝爾市。其中亞洲沙塵暴數(shù)值預(yù)報系統(tǒng)產(chǎn)品（以下簡稱CUACE）是中國氣象科學(xué)研究院自主研發(fā)的區(qū)域天氣—大氣化學(xué)—大氣氣溶膠雙向耦合模式，由中尺度數(shù)值天氣預(yù)報模式 MM5（ Mesoscale Model 5）和氣體—氣溶膠模塊組成，CUACE 模式于2012 年8 月開始在中國氣象局國家氣象中心應(yīng)用[5]。

CUACE 產(chǎn)品是0.5°* 0.5°的柵格數(shù)據(jù)，分為08 時預(yù)報和20 時預(yù)報。空氣質(zhì)量AQI 數(shù)據(jù)為站點監(jiān)測數(shù)據(jù)，其中呼和浩特市有8 個監(jiān)測站、包頭有6 個、鄂爾多斯有5 個、烏蘭察布有4 個、呼倫貝爾有2 個，使用雙線性插值法將柵格數(shù)據(jù)插值到25 個空氣質(zhì)量監(jiān)測站，插值后CUACE 對應(yīng)的08、20 預(yù)報時次分別有68 382 條和73 198 條。

2 CUACE 分層

通過研究AQI、AQI 空氣質(zhì)量等級和CUACE 之間的相關(guān)關(guān)系，可以有助于理解CUACE 的分層建模依據(jù)。參照《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定》，將AQI 對應(yīng)到空氣質(zhì)量等級，等級越高，AQI 指數(shù)越高，空氣質(zhì)量越差。通過分析空氣質(zhì)量等級分布情況，發(fā)現(xiàn)1 級和2 級占據(jù)85%以上的數(shù)據(jù)量，2 級到3 級存在斷崖式變化，冬季的空氣質(zhì)量較差，見表1。

表1 逐月空氣質(zhì)量等級統(tǒng)計表

通過內(nèi)蒙古境內(nèi)空氣質(zhì)量站點數(shù)據(jù)計算CUACE 和AQI的皮爾斯相關(guān)系數(shù)僅為0.19，但分析不同地區(qū)CUACE 和AQI的相關(guān)系數(shù)，發(fā)現(xiàn)呼和浩特、包頭、鄂爾多斯、烏蘭察布和呼倫貝爾較高，阿拉善、巴彥淖爾、赤峰、興安盟較低。

針對相關(guān)系數(shù)較高的內(nèi)蒙古中部地區(qū)（呼包鄂烏）和呼倫貝爾等地的數(shù)據(jù)，先對CUACE、AQI 進(jìn)行標(biāo)準(zhǔn)化公式（1），提高CUACE 的權(quán)重公式（2），再使用K-means 聚類算法觀察CUACE 的數(shù)據(jù)分布。其中進(jìn)行標(biāo)準(zhǔn)化的目的是因為AQI 數(shù)值不超過500，而CUACE 數(shù)值最大有6 000，在以距離為劃分依據(jù)的K-means 模型分類下，等同于給CUACE 附加了更高的權(quán)重，標(biāo)準(zhǔn)化后再提高CUACE 權(quán)重的目的是為了分類上更偏重于從CUACE 的角度進(jìn)行劃分。

根據(jù)K-means 聚類結(jié)果，以CUACE 的角度，從大到小大致可以分為5 層，分別是CUACE≥5 000、5 000>CUACE ≥3 000、3 000 >CUACE ≥1 000、1 000 >CUACE≥300、CUACE<300，見圖1。

圖1 K-means 聚類劃分7 類

這5 層各有其特征，第五層CUACE≥5 000，該層特點是AQI 全部大于300。第四層是5 000>CUACE≥3 000，該層的兩級分割比較明顯，AQI 在200—400 之間的數(shù)據(jù)量不超過1%，AQI≤100 的數(shù)據(jù)占16.3%，200≥AQI>100 的數(shù)據(jù)占58.1%，其余AQI>400 的數(shù)據(jù)占25.6%。

第三層3 000>CUACE≥1 000，可以發(fā)現(xiàn)該層更多的數(shù)據(jù)集中在了AQI≤100 的區(qū)間，400>AQI>200的數(shù)據(jù)較少。AQI≤100 的數(shù)據(jù)占41.8%，300≥AQI>100 的數(shù)據(jù)占35.3%，其余AQI≥300 的數(shù)據(jù)只占22.8%。第二層1000>CUACE≥300，第2 層和第1 層的分布類似，但AQI≤100 的數(shù)據(jù)比例更多，AQI≤100的數(shù)據(jù)占68%，300≥AQI>100 的數(shù)據(jù)占23.7%，其余AQI≥300 的數(shù)據(jù)只占8.4%。第一層CUACE<300，該層數(shù)據(jù)明顯集中在AQI≤100 的區(qū)間，AQI≤100 的數(shù)據(jù)占86.2%，300≥AQI>100 的數(shù)據(jù)占13.5%，其余AQI≥300 的數(shù)據(jù)只占0.5%。

總結(jié)來說，K-means 聚類出的一至五層的數(shù)據(jù)比為4 044:111:26:6:1，其中第五層的CUACE 和AQI 都是大數(shù)，聚類效果也最好，第四層出現(xiàn)了兩級分化、中間無數(shù)據(jù)的情況，這一層200≥AQI>100 的數(shù)據(jù)最多，其余3 層則以AQI≤100 的數(shù)據(jù)量占比最多。在AQI≥300 的數(shù)據(jù)中，一至五層的數(shù)據(jù)量占比分別是54%、24%、15%、4%、3%。

3 隨機(jī)森林模型

將AQI≤100 作為第0 類，200≥AQI>100 作為第1 類，AQI≥300 作為第2 類，根據(jù)K-means 算法聚類出的5 層，分層建立隨機(jī)森林模型，預(yù)報空氣質(zhì)量等級，見表2。可以發(fā)現(xiàn)預(yù)測效果呈現(xiàn)倒三角式變化，CUACE 預(yù)測的兩端效果最好，且第0 類的劃分效果相較于其余兩類更好。

表2 隨機(jī)森林模型的建模結(jié)果

隨機(jī)森林模型的評判規(guī)則可進(jìn)一步參考圖形化的表述，見圖2。圖中規(guī)則樹為標(biāo)準(zhǔn)的二叉樹，每一個節(jié)點（方框）對單一要素劃分，將本節(jié)點的數(shù)據(jù)預(yù)測為第0 類、第1 類或第2類，下分兩個子節(jié)點，相對左側(cè)的子節(jié)點是父節(jié)點判斷規(guī)則為True 的節(jié)點，相對右側(cè)的子節(jié)點是父節(jié)點判斷規(guī)則為Fasle的節(jié)點，子節(jié)點在最后一行用class 表示預(yù)測結(jié)果。通過gini評估各節(jié)點劃分效果，gini 越小說明該節(jié)點劃分的效果越好。方框中的samples 表示該節(jié)點的數(shù)據(jù)量，value 是帶權(quán)重的樣本比例（舉例來說，[第0 類的數(shù)量，第1 類的數(shù)量，第2 類的數(shù)量]），有時value 中的總數(shù)會大于samples，這是因為本研究對第1 類和第2 類賦予了更高的權(quán)重。另外方框顏色的深淺也能表示劃分的效果，偏橙色代表預(yù)測為第0 類，偏綠色代表預(yù)測為第1 類，偏藍(lán)色代表預(yù)測為第2 類，顏色越深，劃分的效果越好，value 中各類樣本的數(shù)量相差越大，gini 越小。

圖2 第四層的建模結(jié)果

根據(jù)檢驗結(jié)論，模型整體的預(yù)測效果優(yōu)于CUACE，特別在分層預(yù)報中表明，CUACE 數(shù)值越大，分層效果越好，其中第四層和第三層的預(yù)測效果較好。