摘要：近些年，細顆粒物（PM2.5）、可吸入顆粒物（PM10）和O3是影響南安市空氣質量的主要污染物，污染物排放強度大是重污染天氣形成的內因，不利的氣象條件則是重污染天氣形成的外因。本研究利用2018年1月至2023年6月南安市空氣質量監測站點數據，結合地面和高空氣象要素資料，選擇隨機森林（Random Forest，RF）算法構建南安市空氣污染預測模型，運用氣象標準化技術得到2018—2023年氣象標準化的空氣污染物小時濃度數據集，對比分析PM2.5、PM10和O3等空氣污染物濃度實測值與氣象標準化的污染物濃度值，得出氣象條件和減排措施對2018—2023年南安市空氣質量演變的影響，評估空氣質量管控成效。研究成果可以為南安市空氣環境質量管控提供科學依據和有力的技術支撐，進一步促進南安市生態文明氣象保障技術的發展。

關鍵詞：氣象條件；減排措施；空氣質量演變；管控成效；南安市

中圖分類號：X51 文獻標識碼：A 文章編號：1008-9500（2025）03-0-03

Study on the Impact of Meteorological Conditions and Emission Reduction Measures on the Evolution of Air Quality in Nan’an City from 2018 to 2023

GAO Xi1， ZHUANG Xiaofeng2， YE Xiaochun1

（1. Nan’an Meteorological Bureau of Fujian Province;

2. Nan’an Ecological Environment Bureau of Quanzhou City， Quanzhou 362300， China）

Abstract： In recent years， fine particulate matter （PM2.5）， inhalable particulate matter （PM10）， and O3 have been the main pollutants affecting the air quality in Nan’an city， the high intensity of pollutant emissions is the internal cause of heavy pollution weather， while unfavorable meteorological conditions are the external cause of heavy pollution weather. This study utilized data from air quality monitoring stations in Nan’an city from January 2018 to June 2023， combined with ground and high-altitude meteorological element data， the Random Forest （RF） algorithm is selected to construct an air pollution prediction model for Nan’an city， the meteorological standardization technology is used to obtain a standardized hourly concentration dataset of air pollutants from 2018 to 2023， the measured values of PM2.5， PM10， O3 and other air pollutant concentrations are compared and analyzed with the standardized pollutant concentration values， the impact of meteorological conditions and emission reduction measures on the evolution of air quality in Nan’an city from 2018 to 2023 is obtained， and the effectiveness of air quality control is evaluated. The research results can provide scientific basis and strong technical support for air quality control in Nan’an city， further promoting the development of ecological civilization meteorological guarantee technology in Nan’an city.

Keywords： meteorological conditions; emission reduction measures; evolution of air quality; control effectiveness;"Nan’an city

隨著城市化的迅速發展，全球空氣污染問題愈發嚴重，細顆粒物（PM2.5）、可吸入顆粒物（PM10）和O3等空氣污染物對生態環境和人體健康的影響已引起廣泛重視。為打好空氣污染防治攻堅戰，有必要不斷加強對空氣質量的管控，開展空氣污染影響因素的研究，采取及時有效和有針對性的防控措施，進一步保障生態環境安全和公眾健康。研究表明，PM2.5、PM10和O3是近些年影響南安市空氣質量的主要污染物[1]，污染物排放強度大是重污染天氣形成的內因，不利的氣象條件則是重污染天氣形成的外因[2-5]。

臭氧作為二次污染物，其產生與地區性的交通運輸、石化行業和燃煤鍋爐等工業生產污染源的排放特征，地形和氣象條件密切相關。本文利用2018—2023年PM2.5、PM10和O3等空氣污染物濃度監測資料和氣象要素資料，分析氣象條件和減排措施對南安市空氣質量的影響，評估空氣質量管控成效，以期為南安市重污染天氣預報預警和空氣污染防治提供有利的氣象依據，進一步改善南安市空氣環境質量，促進南安市生態文明氣象保障技術的發展。

1 數據和方法

1.1 數據來源

選取2018年1月至2023年6月南安市空氣質量監測站點數據，其中不僅包含PM2.5、PM10和O3等污染物的逐小時濃度，還包含地面和高空氣象要素數據，如降水量、逐小時的各層次（氣壓分別為500 hPa、850 hPa、900 hPa）溫度、露點溫度、相對濕度、氣壓、風速和風向等。

1.2 研究方法

氣象標準化技術可以排除氣象變化對污染物監測數據的影響，得到只受排放變化影響的污染物濃度，即氣象標準化濃度[6]，以反映該污染物排放強度的時間變化，評估污染防治措施的管控成效。該方法首先利用機器學習算法，構建空氣污染預測模型，從而較好地擬合出氣象要素和時間變量、污染物濃度的非線性關系。隨機森林算法（Random Forest，RF）是一種由多個決策樹組成的整體學習算法，可以有效地重現輸入要素的非線性關系和相互作用[7]。

基于構建的空氣污染預測模型，保持時間變量不變，對氣象數據進行重采樣，即輸入數據集中某一天某一特定小時的氣象變量是從4周（即選定日期前

2周和后2周）內不同年份日期的特定小時的觀測氣象數據（2018—2023年）中隨機選擇的。選擇重采樣1 000次，分別利用建立的隨機森林模型預測污染物濃度。然后，將1 000個預測濃度平均處理，以計算該特定小時的最終氣象標準化濃度。采用該方法，可得到2018年1月1日至2023年6月30日南安市主要污染物氣象標準化的小時濃度數據集。

2 南安市污染防控措施的實施效果評估

分析2018年1月1日至2023年6月30日南安市主要污染物氣象標準化的小時濃度數據集，PM2.5氣象標準化濃度均值與實測濃度均值的季節變化如圖1所示。若實測濃度均值大于氣象標準化濃度均值，則說明氣象條件加重空氣污染；若實測濃度均值小于氣象標準化濃度均值，則說明氣象條件清除空氣污染。一年中，PM2.5濃度呈U形變化，表現為夏季濃度最低，冬季濃度最高。氣象調整前后，PM2.5均值每年的變化不大。

同樣地，經分析，PM10和PM2.5具有相同的季節變化特征。PM2.5和PM10的實測濃度和氣象標準化濃度在2018—2020年下降較為顯著，但2021年之后氣象標準化濃度降幅變緩（排放源變化導致），但實測濃度仍表現為顯著的下降趨勢，說明2021—2023年有利的氣象條件對降低空氣污染起到較為重要的作用。為進一步提升顆粒物的管控成效，建議進一步強化排放源的管控[8]。

對于O3，雖然2018—2023年實際監測濃度和氣象標準化濃度均呈增加趨勢，但是年際波動非常大，氣象標準化濃度波動幅度相對實測濃度的波動幅度略小，說明氣象條件變化對實測濃度大的波動起到重要作用。2018年春季至2020年春季，實測濃度和氣象標準化濃度波動均不大，氣象加重和清除污染交替出現；2020年夏季至2022年夏季，實測濃度和氣象標準化濃度均呈現下降趨勢，實測濃度下降顯著，這一時段，氣象主要表現為清除臭氧污染的作用；2022年秋季至2023年春季，人為排放管控不利導致較高的O3濃度，疊加有利臭氧生成的氣象條件，共同造成O3濃度高。在氣象條件有利于臭氧生成的背景下，南安市需要進一步加強O3排放管控。

3 空氣污染物濃度的影響因素分析

通過RF算法構建模型，分析各變量對PM2.5、PM10和O3等空氣污染物濃度的影響。結果發現，影響O3濃度的主要氣象因子為太陽輻射、相對濕度和溫度，即高溫、高輻射、中低相對濕度有利于光化學反應，有利于O3的產生。影響PM2.5和PM10濃度的主要氣象因子為氣溫、風向、風速和相對濕度等。因為季節、月份、周數（工作日）、年份等是影響污染物濃度變化的時間因素，能反映污染物濃度的日際、月際和季節變化，所以時間變量在一定程度上可以反映人為排放的變化趨勢，將時間變量對污染物影響的貢獻匯總為人為排放貢獻，其他氣象要素的影響歸為氣象條件貢獻。根據氣象因子和時間變量對污染物濃度的貢獻，O3濃度變化主要受氣象條件（76.7%）和人為排放（23.3%）的綜合作用，而且氣象變量的重要性大于排放變量，而PM2.5和PM10濃度變化受人為影響的比重增加，占43%～45%。

4 結論

PM2.5、PM10和O3是影響南安市空氣質量的主要污染物，污染物排放強度大是重污染天氣形成的內因，不利的氣象條件則是重污染天氣形成的外因。本研究采用RF算法構建南安市空氣污染預測模型，運用氣象標準化技術得到2018—2023年氣象標準化的空氣污染物小時濃度數據集，對比分析PM2.5、PM10和O3等空氣污染物濃度實測值與氣象標準化的污染物濃度值，得出氣象條件和減排措施對南安市2018—2023年空氣質量演變的影響，評估空氣質量管控成效。2018—2020年，南安市PM2.5和PM10排放源減排成效較為顯著，但2021—2023年源減排導致污染降幅較小，主要原因是有利的氣象條件對污染降低起到較為重要的作用。為進一步提升顆粒物的管控成效，可強化排放源的管控。氣象條件對2018—2023年臭氧濃度影響較大，貢獻率高達76.7%。2020年夏季至2022年夏季，氣象條件有利于清除污染，疊加排放源控制，實測濃度下降較快。但是，2022年秋季至2023年春季，氣象條件易加重污染，疊加排放管控不利，共同造成O3濃度高。所以，在氣象條件有利于臭氧生成的狀況下，要進一步強化管控，提升氣象條件潛在影響的預報預警能力，以降低O3濃度。

參考文獻

1 莊曉峰.南安市環境空氣質量變化特征與污染防治對策[J].云南化工，2021（9）：118-120.

2 樊雪峰.赤峰市空氣質量變化特征及氣象影響分析[J].內蒙古科技與經濟，2024（15）：100-103.

3 陳冬素，李巧媛，閻 麗，等.影響湖南省空氣質量指數的主要氣象因子分析[J].湖南師范大學自然科學學報，2024（5）：76-85.

4 周 濤，周 青，張 勇，等.汾渭平原東部運城市空氣污染變化特征及其氣象因素影響分析[J].氣象科技，2022（4）：574-583.

5 張 輝，巫 楚，張敬偉，等.河源市空氣質量首要污染物特征及其與氣象條件的關系[J].氣象與環境學報，2022（1）：40-47.

6 Zhang L，Wang L，Liu B，et al.Contrasting effects of clean air actions on surface ozone concentrations in different regions over Beijing from May to September 2013—2020[J].Science of the Total Environment，2023（12）：166182.

7 張 輝，巫 楚，張敬偉，等.基于隨機森林算法的滁州市空氣質量預報研究[J].環境監測管理與技術，2024（1）：74-78.

8 周鑫帆.基于空間計量和深度集成的城市空氣質量影響因素分析及預測模型研究[D].杭州：杭州電子科技大學，2024.