自2013 年9 月国务院颁布《大气污染防治行动计划》以来[1]，全国各地环境监测单位开展的针对新标准的空气质量预报工作逐渐向常态化和业务化方向发展。随着空气质量预报数据的不断积累，定期开展预报效果回顾十分必要。一方面可评判预报模式对各项污染物预报的系统误差及误差范围，便于模式的后续改进；另一方面有利于预报员总结经验，纠正个人倾向，提高预报准确率[2]。北京、天津、上海、西安、江苏等地均已开展了大量空气质量预报评估的相关研究工作[3-7]，在珠三角地区，叶斯琪等[8]对2015 年珠三角空气质量等级预报和首要污染物预报准确率进行了评估；沈劲等[9]基于2016年7—8月空气质量预报数据对广东省空气质量等级预报准确性评估方法进行了探讨。

广州市空气质量业务预报于2014年10月起由广州市环境监测中心站和广州市气象台联合向公众发布。因历年来第四季度均为广州市污染较重的时段，现基于2016年第四季度广州市逐日预报及实测AQI(空气质量指数)数据，对2016年广州市污染季节空气质量预报结果进行评估。

1　广州市空气质量业务预报

广州市空气质量业务预报采用基于客观预报结果进行人工订正的预报方法。具体为基于数值预报和统计预报计算的客观预报结果，预报员对天气形势进行对比分析与经验会商，经人工订正确定最终预报结果。其中，数值预报采用嵌套网格空气质量预报模式系统(NAQPMS)、区域多尺度空气质量模型(CMAQ)、空气质量综合模拟系统(CAMx)3种空气质量数值预报模式[10]；气象模拟使用天气预报模式(WRF)，其初始场资料来源于美国国家环境预报中心(NCEP)；统计预报同样基于NCEP预报资料，采用动态统计预报模型(DSM)[11]，即在动态的数据集中确定最好的预报模型做未来一定时期内的预报。

广州市空气质量业务预报发布内容包括24 h的AQI范围、首要污染物、空气质量级别、PM2.5质量浓度范围，未来48—72 h的AQI范围及空气质量级别的变化趋势。

2　预报评估

2.1　数据

使用2016年第四季度(10月1日—12月31日)广州市逐日预报及实测AQI数据，其空气质量状况见表1。2016年第四季度超标天数共18 d，占全年超标天数近1/3，其中轻度污染17 d，中度污染1 d，未出现重度或以上级别污染事件。第四季度首要污染物(仅统计AQI>50的情况)为NO2的有46 d，PM2.5 8 d，O3 5 d，PM10 3 d。

比如教学《莫泊桑拜师》。当学习到福楼拜教莫泊桑观察的方法时，我随之进行了迁移：引导学生利用这样的方法来观察身边的事物，以便发现不同情况下同类事物的不同特点。学生虽然从课文的学习中知道怎么去观察，但是似懂非懂，没有真正掌握。于是，我及时播放了视频，给学生布置了一个观察任务，让学生观察同一只小狗，遇到主人和陌生人时分别是怎样的，将它不同的特点写下来。大多数学生能按要求写，但还有少数学生在瞎写，说明他们没理解。于是我立即点评，让他们及时修改，直到真正掌握为止。

 

表1　2016年第四季度广州市环境空气质量状况

  

污染级别优良轻度污染中度污染天数/d3143171比例/%3447181

2.2　评估方法

(1) 空气质量级别预报准确率评估。由于广州市向公众发布的AQI范围值为预报AQI±10，故空气质量预报级别由预报AQI±10范围值所处的空气质量级别而定，允许跨级预报。当实况级别与任一预报级别一致时，均判断为级别预报准确；若实况空气质量级别低于最小预报级别，则视为预报偏高；反之则视为预报偏低。

(2) AQI范围预报准确率评估。按中国环境监测总站对地级市AQI预报范围的上报要求，当预报级别为优、良、轻度污染、中度污染时，AQI预报范围不得超过30；当预报级别为重度污染和严重污染时，AQI预报范围不得超过60。因2016年第四季度广州市并未出现重度污染及以上级别的例子，故在研究中实际均以AQI±15为AQI范围预报准确率评价区间。

而在11月14日的预报偏高案例中(图略)，广州市受变性高压脊控制，在天气形势分析表明扩散条件持续不利以及实况污染物浓度也较高的情形下，预报员做出了轻度到中度污染的预判，首要污染物是PM2.5，实况却由于偏南风的突然加强导致污染物浓度下降明显，最终仅为较低浓度的轻度污染。由图1可见，上述2个案例成为散点图中的明显的孤点，若剔除其影响，2016年第四季度的相关系数可由0.78提高至0.83。

淮安是一代伟人周恩来总理的故乡，淮安市历届市委、市政府始终坚持学习弘扬周恩来精神，努力把周恩来精神深深植根于广大党员干部群众心中，以之来引领推动淮安科学跨越发展[1]。淮阴师范学院地处淮安是一所以“用周恩来精神办学，用周恩来精神育人”为特色的高等院校，淮阴师范学院图书馆历来注重周恩来文献资源的收集整理工作，形成了较为完善的周恩来文献资源馆藏体系，并于2011年着手启动“周恩来研究专题数据库”建设。

(4) 空气质量预报综合考核评分评估。空气质量预报综合考核评分参考气象部门预报评分办法，按单项评分100分设计，对首要污染物、预报级别和预报AQI 3项分别按0.1，0.4和0.5的权重计算总分，最终评分可视为预报准确率。

总分=0.1×f 1+0.4×f 2+0.5×f 3

虽然上述2个案例预报误差的具体表现不同，也未能包括所有偏差类型，但仍可借此总结出一些预报偏差产生的共同原因：(1)气象预报精细化程度尚不足以支撑预报尺度较小但对污染扩散影响较关键的气象过程；(2)预报模式往往难以预报出历史上较少出现的低概率事件，且存在一定不确定性；(3)空气质量实况数据作为预报员的重要参考资料，也可能对预报判断产生错误引导；(4)预报员对影响本地污染演变过程的物理化学机制缺乏深入了解，预报考虑因素仍不够全面。

(1)

式中：f 1——首要污染物正确性评分，若预报的首要污染物与实测一致，得100分，否则，得0分；

f 2——预报级别正确性评分，级别正确100分，级别相差1级50分，其他为0分；

f 3——预报AQI精确度评分，按公式(2)计算。

 

(2)

(5) 预报与实况相关性评估。以相关系数量化评估预报AQI与实测AQI变化趋势的一致性。

2.3　评估结果

2.3.1　空气质量级别、AQI范围、首要污染物预报准确率评估

朱智贤和林崇德研究表明，每个心理过程或个性特征都要经过几次大的飞跃或质变，称为发展的关键期，重视关键期的教育可以让学生发展事半功倍[14]．研究发现，小学二年级和四年级是口算发展的关键期，学生在此期间口算速度发展最快．因此，这两个年龄段的教师应该重视学生口算能力的培养，创造条件，让学生的口算速度和广度得到更好的发展．

2016年第四季度广州市空气质量级别预报准确率、AQI范围预报准确率、首要污染物预报准确率评估情况见表2。由表2可见，当实况空气质量级别为良时，级别预报准确率最高；而当实况空气质量级别为优时，AQI范围分级别预报准确率最高，但随着污染级别增加而递减。

2.3.2　空气质量预报综合考核评分评估

授课结束后，对环境卫生学中的大气部分知识进行测试，试题数量为10道，每道1分，总分为10分。试题内容涉及大气颗粒物、大气污染监测布点、《环境空气质量标准》等。实验班与对照班的试卷相同，比较两班学生对于科研相关知识的掌握情况。

2016年第四季度广州市空气质量预报综合考核评分统计见表3。其中，首要污染物正确性得分69.6，空气质量级别正确性得分96.7，指数精确度得分83.4，综合考核得分87.4。

2.3.3　预报与实况相关性评估

图1为预报AQI与实测AQI数据的散点图。2016年第四季度广州市预报AQI与实况AQI相关系数为0.78，通过显著性水平为0.01的检验。

[18] BARTOLI DE SAXOFERRATO Consilia, Tractatus et Quaestiones quibus praeter Alex. Barb. Seifell. Pom. Nicelli, & aliorum Adnotationes & contrarietatum conciliationes,[Lugduni], 1533, consilium LXXIX, f. 22 va, nn. 2-3.

 

表2　预报准确率评估

  

评价指标准确率/%级别预报总体83．7准确率偏高率12．0偏低率4．3优①74．2良①93．0轻度污染①82．4中度污染①0．0AQI范围预总体67．4报准确率优①77．4良①67．4轻度污染①52．9中度污染①0．0首要污染物预报准确率67．2

①实况空气质量等级。

 

表3　第四季度广州市空气质量预报综合考核评分统计

  

评价项目首要污染物正确性得分空气质量级别正确性得分预报AQI精确度得分综合考核评分分值69．696．783．487．4

图2给出了2016年第四季度广州市空气质量预报AQI、实测AQI及预报偏差时间序列，可见预报AQI与实测AQI在变化趋势上基本保持一致，且在大部分时段两者差异并不显著，但在个别实测AQI较高值上(如11月5日)预报AQI出现明显低估，而在个别实测AQI较低值上(如11月7和14日)出现明显高估。

初步判断模式对11月5日O3高值的误判与模式对11月4日O3前体物NO2值快速上升过程的低估有关。总之，模式预报偏差、历史上较低的污染发生频率以及实况较低的污染物值(11月1—4日广州市O3值均仅为良的级别)共同导致了预报员对该次污染过程的漏报。

2.4　分析

2.4.1　预报效果总体评价

11月5日广州市实况AQI为166，达中度污染，首要污染物为O3，其日最大8小时质量浓度为231 μg/m3，其实测最高气温仅26.9℃，并未达到广州市O3高污染的典型温度条件[12-13]，但O3生成前体物的前期积累和当天的持续静稳气象条件共同促进了O3的生成和积累，成为广州市近年来罕见地出现在11月的一次O3高污染事件。对比实况监测与数值模式预报数据可知(图4)，11月4日夜间广州市实况NO2值上升幅度显著，市监测站NO2值从86 剧增至246 μg/m3，而模式预报该站点的NO2峰值仅为119 μg/m3；11月5日市监测站O3峰值高达342 μg/m3，而模式预报的O3峰值仅为85 μg/m3。

  

图1　空气质量预报AQI与实测AQI散点图

2016年第四季度广州市空气质量预报级别准确率83.7%、AQI范围预报准确率67.4%、综合考核评分87.4分、相关系数0.78，预报效果总体良好。与该季度冷空气影响及回暖过程常常交替出现，污染积累与扩散的周期性明显，空气质量变化趋势及幅度相对较容易判断有关。随着污染程度加重，预报准确率下降的现象与沈劲等[9]对广东全省的预报评估研究结果一致，可能与广东省内各城市优良率较高，导致预报员对较重污染过程缺乏足够的判断经验和预报信心有关。

  

图2　2016年第四季度广州市空气质量预报AQI、实测AQI及预报偏差时间序列

2016年第四季度广州市空气质量首要污染物的预报准确率仅为67.2%，即在级别为良或以上的天数中出现了近1/3(20 d)的误报。2016年第四季度广州市空气质量预报首要污染物预报与实况对比见图3。由图3可见，2016年第四季度实况首要污染物为NO2的误报达10 d，占总误报天数的一半，其中误报为PM2.5的有6 d，误报为O3的有4 d；另外，实况首要污染物为PM2.5、O3和PM10的误报天数分别为4，3和3 d。

7.TTC染色：建模成功的脑缺血组家兔及假手术组家兔饲养3 d后处死，HBO脑缺血组家兔HBO处理后处死，打开颅骨，取出脑组织，放入普通细胞培养皿，-20 ℃冰箱迅速冷冻15 min，以视交叉平面为中心用剃须刀片自后向前连续冠状切片6张，厚度约5 mm。将切片置入浓度为2%的TTC溶液中37 ℃水浴箱温浴20 min，期间翻动脑片1次，用10 ml注射器将TTC溶液吸出，磷酸盐缓冲液(phosphate buffered solution，PBS)冲洗1～2次后吸出，换成4%的多聚甲醛液固定，24 h后照相机拍照。

上述误报案例中预报与实况首要污染物空气质量分指数(IAQI)之差仅在10以内的就占60.0%，表明该季度广州市复合污染特征较明显，不同污染物的IAQI往往相当接近，不利于首要污染物的准确判断。而广州市预报发布原则上只给出一种首要污染物，在一定程度上也限制了其预报准确率。

  

图3　2016年第四季度广州市空气质量预报首要污染物预报与实况对比

2.4.2　预报误差案例分析

造林的质量是森林防火的先决条件，所以森林防火是非常重要的。随着科学技术的发展，造林质量水平逐渐提高。森林防火树造林的技术要求也有一定的标准。本文研究旨在研究几种提高森林防火造林质量的技术措施，并针对存在的问题，本着造福全人类的森林防火林方针进行分析和探讨，从而改善居住环境人们的生活氺评。

分别对2016年第四季度AQI预报值较实测值偏低较多的11月5日(预报AQI 84，实测AQI 166)和预报值偏高较多的11月14日(预报AQI 155，实测AQI 105)进行进一步的分析。

自20世纪90年代以来，网络作为区别于报纸、广播、电视三大传统媒体(官方文化)的新媒体，以创新的传播方式与传播样态在人类社会震撼登场。它为人类生活开辟了“第二世界”，正如一位国外学者所说：“我们正进入一个新的时代，在这个时代里，得到电子化延伸的身体居住在物理世界和虚拟世界的交汇点上……”。[4]

  

图4　2016年11月4—5日广州市监测站NO2、O3模拟值与预报值对比

(3) 首要污染物预报准确率评估。在实况空气质量为良或以上级别的情况下，首要污染物与实况首要污染物一致为准确，实况空气质量为优的情况不纳入统计范围。

在列车运行的过程中，其护轮轨和尖轨的侧磨作用将会使铁路道岔结构的完整性和安全性受到不良影响，进而造成道岔结构的紧实度下降，影响铁路轨道的整体安全性[3]。尖轨侧磨的产生和转辙部分的内部尺寸以及密贴程度具有密切关系；护轮轨侧磨的产生则会受到护轮轨轮缘槽尺寸和技术标准的影响，当铺设工程施工中的技术标准与当下的技术标准不符合时，将会使轮背对护轮轨的摩擦力度增加，导致其受到的磨损作用增大。

3　结论

2016年第四季度广州市空气质量预报级别准确率83.7%、AQI范围预报准确率67.4%、首要污染物预报准确率67.2%、综合考核评分87.4分、相关系数0.78，预报效果总体良好。预报准确率在优良级别时相对较高，而在轻度污染以上级别时相对较低。预报误差分析表明，气象预报精细化程度不足及模式预报不确定性等客观因素，与预报员缺乏对污染过程物理化学机制的深入理解等主观因素共同导致了预报的误差。

[参考文献]

[1]　中华人民共和国中央人民政府.国务院关于印发大气污染防治行动计划的通知(国发[2013]37号)[EB/OL].(2013-09-12)[2018-01-10].http://www.gov.cn/zwgk/2013-09/12/content_2486773.htm.

[2]　王晓彦,陈佳,朱莉莉,等.城市环境空气质量指数范围预报方法初探[J].中国环境监测,2015,31(6):139-142.

[3]　王占山,李云婷,孙峰,等.北京市空气质量预报体系介绍及红色预警支撑[J].环境科技, 2016, 29(2):38-42.

杠杆作用分析包括经营杠杆分析、财务杠杆分析，前两种分析构成总杠杆分析。下面通过本案例的财务建模过程来进行分析。

[4]　胡鸣,赵倩彪,伏晴艳.上海环境空气质量预报考核评分方法研究和应用[J].中国环境监测,2015,31(4):54-57.

[5]　高璟赟,杨宁,毕温凯,等.天津市基于新标准的空气质量预报模型效果评估[J].环境监控与预警, 2016, 8(6):9-14.

[6]　杨晓春,吴其重,赵荣,等.西安空气质量预报系统业务运行评估[J].陕西气象, 2015(5):41-43.

针对程序的循环边界计算问题，通过对程序中的控制流和数据流分析的来获取程序中与循环相关的程序语句，来指导程序的切片。并且根据约简后的依赖关系，可以将缩小循环变量的取值范围，通过更加精确到取值范围计算得到更加接近实际循环次数的边界值。

[7]　朱莉莉,晏平仲,王自发,等.江苏省级区域空气质量数值预报模式效果评估[J].中国环境监测,2015,31(2):17-23.

[8]　叶斯琪,陈多宏,谢敏,等.珠三角区域空气质量预报方法及预报效果评估[J].环境监控与预警, 2016, 8(3):10-13.

业内人士认为，在AMOLED领域，京东方A具有先发优势，公司的成都柔性AMOLED6代线成为继三星后，第二家具备量产能力的产线。随着成都产线满产、绵阳产线开始量产、以及重庆产线的投产，未来京东方有望打破三星垄断的局面，与三星、LGD共同瓜分市场份额。

[9]　沈劲,嵇萍,周亦凌,等.广东省空气质量等级预报准确性评估[J].环境监控与预警, 2017, 9(3):15-18.

[10] 陈焕盛,王自发,吴其重,等.空气质量多模式系统在广州应用及对PM10预报效果评估[J].气候与环境研究, 2013, 18(4):427-435.

[11] 孙峰.北京市空气质量动态统计预报系统[J].环境科学研究, 2004, 17(1):70-73.

[12] 陈漾,张金谱,黄祖照.广州市近地面臭氧时空变化及其与气象因子的关系[J].中国环境监测,2017,33(4):99-109.

本次调查研究对象为南昌市轨道交通4号线云锦路站，运用TransCAD软件对云锦路地铁站周边路网的交通量进行分配，根据不同方案的分配结果对交通组织优化方案进行比选.

[13] 黄俊,廖碧婷,吴兑,等.广州近地面臭氧浓度特征及气象影响分析[J].环境科学学报, 2018, 38(1):23-31.