引言

城市空气污染是一个复杂的过程，有必要对污染物成分、来源、积聚过程等方面进行全面的分析(臧星华等，2015)，较为常见的方法是通过分析空气质量与气象条件之间的关系来解释空气污染的成因(祁栋林等，2013；赵敬国等，2013)。随着数值天气预报技术的发展和气象、环境监测网络的完善(蒋维楣和蒋亚洪，1989)，空气污染过程常采用颗粒物轨迹追踪等方法(洪伟等，2003)来计算基于大范围远距离输送的外源性污染(刘波，2013)，和基于对本地天气形势、气象要素时空分布特征(王晓云中等，2001；王中和林娜，2013；李莉等，2015；齐佳慧等，2019)对污染物积聚条件(Squizzato et al., 2016)的影响来综合分析制作空气质量预报。李名升等(2016)研究发现，我国城市大气污染具有北方比南方严重、冬季重于夏季特点。京津冀及其周边的山东、河南、山西是污染最重的地区，湖北、安徽等地为污染较为严重的区域。王维强和张席斌(2018)使用灰色预测和BP神经网络预测方法分析认为，按照目前的发展趋势，到2030年武汉仍将为空气污染物浓度未能达标的城市之一。焦利民等(2015)对武汉市2013年10个监测点PM_2.5监测数据，采用数理统计方法和GIS空间分析方法分析其月、日时间变化特征和空间分布特征并进行了数值模拟，发现武汉城区内部污染差异明显、夏季PM_2.5浓度空间异质性相对冬季更强、工业区和人口集中区污染最严重、城市绿地和公园局部污染相对较轻等特点；岳岩裕等(2016)研究发现，武汉空气污染物浓度雾天最高，霾天次之；PM_2.5浓度与降水量相关性较差，与相对湿度和风速的关系较为明显。陈波等(2006)用有限体积法对大气平流扩散方程积分得到的多尺度箱格预报模型，与中尺度数值预报模型嵌套形成城市空气污染数值预报系统(CAPPS)，对武汉市空气质量的预报取得了一定的效果。

近年来，武汉市采取各种措施大力整治环境，改善空气质量，并从2013年开始采用以空气质量六要素(SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀)的监测取代原有的三要素(SO₂、NO₂、O₃)监测，并以空气质量指数(Air Quantity Index，以下简称AQI)预报取代空气污染指数(Air Pollution Index，简称API)的预报。早期对武汉空气质量的研究，多采用2013年以前空气质量监测数据(丁镭等，2016；向堃等，2016)进行API分析，在天气学基础上采用数理统计、数值模拟(王学远等，2007；王敏等，2013；王颖等，2013)等方法，以污染物浓度统计值(日、月、季、年值)作为研究对象，分析空气污染物浓度变化特征与各影响因素之间的关系。

本文针对2013—2017年武汉出现的重污染天气过程，在天气形势进行分型的基础上，以重污染天气从出现到结束的整个过程中逐小时AQI变化及与主要气象要素的关系为研究对象，针对典型个例重点讨论了武汉重污染天气形成机制，采用统计方法对不同机制下重污染过程的影响因素和逐小时变化特征进行分析，以期找出其变化规律，更好地应用于空气质量客观精细化预报。

1 资料说明及方法 1.1 资料说明

武汉位于江汉平原中部，地形以平原为主，平均海拔约为16 m，辖区内有众多的丘陵湖泊，呈山水交融的地形特点。为了分析这种复杂的地形条件下空气质量的变化特征，同时考虑到与天气形势分析范围相适应，本文使用了(110°—120°E，27°—35°N)范围内405个环境监测站点(图 1a)逐小时AQI数据作时、空分析。

武汉市环境空气质量监测站网由10个国控点(9个环境空气质量评价点和1个对照点)、10个市控点组成(图 1b)，其中9个空气质量评价点是武汉市环保局通过网格优化筛选确定，其平均值代表武汉市城区的环境空气质量。本文数据来源为环保部官方网站共享数据及武汉市环保局提供的2013—2017年市控点空气质量逐小时监测数据，与气象观测数据相同，采用前一天20时(北京时，下同)至当天20时作为当日统计时段，计算日平均和统计最大、最小值，在日统计值的基础上得到各月、季、年的统计数据。

武汉市现有5个国家气象观测站、127个区域自动气象站(图略)，由武汉观象台(武汉市国家气象观测站，位置为114.03°E，30.36°N)定时将观测数据整理上报及归档。本文采用整理归档后的各站点资料月报表数据，及中国气象局日常下发的常规地面、高空气象数据资料进行分析。地面、高空气象要素格点场采用ECMWF再分析资料。ECMWF第3代再分析资料ERA-Interim提供并实时更新自1979年以来全球再分析资料，采用四维变分分析(4D-Var)，结合改进的湿度分析、卫星数据误差校正等技术，得到简化的高斯网格(N128)数据(0.71°经、纬度网格，约79 km)，并通过双线性插值技术得到0.125°—2.5°多种网格产品(高路和郝璐，2014)。使用ERA-Interim逐日4次海平面气压场和1 000 hPa、975 hPa、950 hPa、925 hPa、900 hPa、875 hPa、850 hPa共7层的高度、风、温等要素0.25°×0.25 °格点场再分析数据作为常规气象资料的补充。

本文使用的气象数据均已经过质量控制，空气质量实时监测数据仅作分析使用，不用于地方空气质量评价。

1.2 分析方法

数据归一化是将数据按比例缩放，使之落入到[0，1]区间(马立平，2000)。数据归一化可以去除数据的单位和不同数据之间的数量级限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。常见的数据归一化的方法为离差标准化，是对原始数据的线性变换，使结果落到[0，1]区间。对于原始序列x_i，其最大值为X_max，最小值为X_min，归一化后形成的序列Xi的计算公式为

$ X_{i}=\frac{\left(x_{i}-x_{\min }\right)}{\left(x_{\max }-x_{\min }\right)} $

(1)

因相对湿度由于其实际取值范围为[0，1]，无需处理；其它要素如气压、气温的时间序列数据如未加说明，均已经过归一化处理。

秩相关系数(Coefficient of Rank Correlation)又称等级相关系数，是将两要素的样本值按一定的顺序排列位次，从各要素样本值的位次代替实际数据而求得的一种统计量，是反映等级相关程度的统计分析指标。本文采用环境空气质量评价技术规范(HJ 663-2013)规定使用的Spearman秩相关系数，其计算公式为

$ \gamma_{s}=1-\frac{6}{n\left(n^{2}-1\right)} \sum\limits_{j=1}^{n}\left(x_{j}-y_{j}\right)^{2} $

(2)

式(2)中，γ_s为秩相关系数，取值范围为[-1，1]，γ_s为正值表示上升趋势，负值表示下降趋势；x_j为周期j按时间排序的序号(1≤ x_j ≤ n)；y_j为周期j内污染物浓度按数值升序排序的序号(1≤ y_j ≤ n)。n为样本容量(n ≥5)，不同的样本数n对应有不同的置信水平(也称显著性水平)，将计算秩相关系数绝对值与相应的临界值相(表略)比较，如果秩相关系数绝对值大于表中临界值，表明变化趋势有统计意义。

HYSPLIT-4模型是由美国国家海洋和大气管理局(NOAA)的空气资源实验室和澳大利亚气象局联合研发的一种用于计算和分析大气污染物输送、扩散轨迹的专业模型(马玉芬等，2015)。该模型具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散和沉降模式，已经被广泛地应用于多种污染物在各个地区的传输和扩散的研究中(黄健和颜鹏，2002；刘娜等，2015)。HYSPLIT-4模型可计算从地面到高空不同高度的后向轨迹，根据武汉及周边地形特征，本文选定200 m作为轨迹分析高度。

大气稳定度是影响污染物在大气中扩散的极重要因素(Wang J et al., 2015)。当大气层结不稳定，热力湍流发展旺盛，对流强烈，污染物易扩散，但是全层不稳定时，污染不易扩散远处。当大气层结稳定时，湍流受到抑制，污染物不易扩散稀释，特别当逆温层出现时，通常风力弱或无风，使烟尘聚集地表，造成严重污染。根据已获取的资料情况，本文选取温度梯度-风速(李祥余，2015)计算大气稳定度，将大气稳定度分为极不稳定、不稳定、弱不稳定、中性、弱稳定和稳定六个级别，分别用字母A、B、C、D、E和F类表示(标准对照表略)。

2 近5 a武汉城区重污染过程概况

武汉市政府2016年颁布实施的《武汉市重污染天气应急预案》中将重污染天气定义为AQI大于或者等于201的大气污染天气。由此，本文定义武汉城区小时AQI≥201且维持一个时次以上的第一个时次为一次重污染过程的开始，AQI下降到201以下且继续维持一个时次以上为过程结束。按此标准统计，2013—2017年武汉出现重污染过程有153次，总时长为3 704 h，首要污染物均为PM_2.5。最长一次重污染过程出现在2013年1月9日23时—20日01时，长达243 h。污染最严重的过程为2017年5月6日02—13时，连续12 h的AQI达到500。重污染过程出现最多的月份依次为1月、2月和12月，7、8、9月无重污染过程发生。

对统计时段内各站逐年重污染过程出现次数、全年重污染过程总时长、单次重污染过程持续最大时长和全年重污染过程中出现的AQI最大值、重污染天气总时长在全年总时长中所占的百分比(重污染时长占比)以及逐年重污染过程的平均AQI等进行统计(表 1)，对近5 a武汉城区重污染情况进行对比。表 1数据显示，2013—2017年，武汉城区重污染天气过程出现次数年际变化较大，没有明显的变化规律；重污染过程总时长、重污染时长占比和最大时长的Spearman秩相关系数γ_s =0.9，年均AQI年份的Spearman秩相关系数γ_s =1，均达到了n =5时的置信水平；同时重污染总时长、重污染时长全年占比以及重污染天气持续最大时长总体均显著下降，显示近5 a空气质量有转好的趋势。值得注意的是，2014—2017年小时AQI最大值逐年递增，表明近年来重污染过程中污染物的浓度越来越高，尤其是2017年5月6日02—13时武汉城区80%以上环境监测点AQI实况维持为500峰值，如此大范围、长时间的重污染过程在武汉市近5 a仅此一次。相对于2016年，在重污染过程出现次数减少38.7%，且总时长也明显减少的情况下，2017年重污染过程平均AQI反而增加了11.6%，说明2017年单次重污染过程的严重程度有所增加。

3 重污染过程天气形势分析

大尺度天气形势的变化，会导致风、气温、气压、相对湿度等要素在水平、垂直方向的分布发生相应的改变，从而影响空气污染物的扩散条件(刘强，2011)。此外，空气的流动还会导致外源性污染物的输入(范元月等，2016)。使用ERA-Interim初始天气资料对2013—2017年的153次过程分析发现，重污染过程起始时间的天气形势大致可分为两类：一是有冷空气影响，共95次，占总次数的62.1%，冷空气将河南、安徽等地AQI高值区空气污染物向风向下游传输导致武汉重污染发生、发展；二是从过程起始到结束阶段无冷空气活动，没有对流性天气现象，气压、气温等要素变化较为平缓的静稳天气，共37次，占总过程数的24.2%，由于此类过程中邻近地区基本没有AQI大值区或没有合适的引导气流，可以认为完全是由本地污染物在适合的气象条件下积聚造成的。本文选用与重污染过程起始时次最为接近的天气图资料，根据冷空气影响、静稳天气两种类型，分别针对天气形势较为典型且重污染天气较为明显的过程进行对比，讨论外源性污染物输入、本地污染物积聚对触发武汉重污染天气形成的影响。

3.1 冷空气影响

影响我国的冷空气(寿绍文等，2008)一般都要在西西伯利亚至蒙古一带的关键区积累加强，根据其南下路径可分为：(1)西北路(中路)，冷空气从河套地区南下；(2)东路，冷空气经蒙古到华北北部，在冷空气主力继续东移的同时，低空的冷空气折向西南，经渤海侵入华北，再从河套以东向南；(3)西路，冷空气经新疆、青海、西藏等地，从高原东侧南下。

冷空气影响时，往往会将风向上游存在的AQI高值区空气污染物向下游输送。以两场典型的冷空气活动导致武汉出现重污染天气的过程为例，2015年2月7日武汉重污染天气的天气形势即为一次典型的西北路冷空气影响所致，如图 2a所示，海平面气压场上的冷高压中心位于蒙古国东部，河套地区至长江中游存在较高的气压梯度，从而在山西-河南-湖北中东部上空有一致的偏北风。对于2015年1月12日出现的东路冷空气来说(图 2b)，冷高压中心位于山东半岛附近上空，江淮之间一致的偏东风将AQI大值区整体推送到河南-湖北一线。图 2b中红色的后向轨迹显示当前时刻位于武汉本地200 m高度的空气质点前24 h的起点和运行轨迹，质点运行轨迹与风向基本一致，起点或经过区域有AQI大值区存在。

冷空气影响时，由于地面气温下降明显，而且风速加大，本地上空大气呈现明显的不稳定状态，理论上有利于本地污染物扩散，难以出现重污染天气。但由于外源性污染物的输入，各站AQI仍出现明显的上升，而且从空间分布上看具有明显的方向性：在武汉区域内表现为重污染区域沿风向从上游向下游传递(一般为从北向南)，武汉市南北最大长度为134 km，由于目前环境监测站点分布不均匀，最北的黄陂站和最南端的七壕站之间南北垂直距离仅为50 km左右，污染区域从北向南扩散耗时一般为2~4 h，这也跟按冷空气影响时武汉平均3级左右的偏北风计算结果相符。

3.2 静稳天气

静稳天气条件下出现重污染过程显著的特点是持续时间较短：单次过程近5a平均持续时间仅为4.2 h，其中最长持续时间为10 h，出现在2013年10月22日22时—23日07时。武汉出现静稳天气一般在海平面气压场表现为冷高压变性后形成的均压场、发展的地面暖倒槽或鞍型场控制之中，典型的有2015年1月8日08时的变性高压控制(图 3a)和2016年3月6日23时的地面倒槽(图 3b)，气象要素特征为鄂东地区各站海平面气压相差hPa以下，大部分时间地面风力小于3级；气压稳定维持或缓慢下降，单站24 h变压ΔP₂₄≤2 hPa；气温逐日升高，天气晴好时单站昼夜温差大于等于8 ℃。

冷高压控制本地后，一方面武汉处于高空低槽后部下沉气流之中，另一方面，冷高压影响过程中在低层堆积所造成的逆温层尚未完全消散，且近地层风力减弱，以温度垂直递减率和水平风速计算，近地层大气层结偏向稳定，不利于本地及前期外源输入的污染物的扩散，从而导致重污染过程的出现或持续。

静稳天气出现时，由于天气晴好，白天地表温度较高，夜间地面在晴空辐射降温的作用下快速降温，往往在850 hPa附近或以下的近地层形成逆温层，使用武汉国家观测站探空资料，分层计算1 000 hPa、925 hPa和850 hPa大气稳定度的结果一般是由前期的C、D转为E、F，表明这种情况下本地近地层大气层结由弱不稳定、中性的状态转为稳定，不利于污染物扩散。这种类型重污染天气出现时，200 m高度后向轨迹模型多显示为24 h前气块源地为武汉本地及周边的江汉平原、鄂东南地区，从图 3红色曲线显示的污染物运行轨迹可以看出，其表现为起始点为附近周边地区，曲线长度较短、平滑度较差的特点。由于过程持续时间较短，可以假设本地污染源稳定排放，在这种情况下说明污染物起源于本地附近，行程短、在本地停留时间长。空间分布上，也表现为城区重于城郊，工业、居民密集区重于大型水域、绿化等生态保持区的特点，因此这种重污染过程可以归因为本地污染物积聚所致。

4 持续重污染过程中气象要素逐时特征 4.1 持续重污染过程形成

由上述分析可知，触发武汉城区重污染形成的两种天气机制为：①地面均压场静风或微风、近地逆温层导致本地污染物不断积聚(机制Ⅰ)；②冷空气影响时大风将风向上游AQI大值区空气污染物持续输送至本地(机制Ⅱ)。实际上，这两种机制往往是交替影响、共同作用而导致重污染天气的发生和持续发展。

从2013年3月10—11日武汉重污染过程，可以很清楚地看出各阶段天气形势和气象要素(气温、气压已做归一化处理，下同)变化的特点，从气压、气温和相对湿度、风向风速和AQI叠加的各要素时序图(图 4)上分析可知，此次重污染形成过程为：第一阶段(A段)，本地在暖倒槽控制之下，机制Ⅰ发生作用，AQI逐渐上升到200以上，开始形成重污染天气；第二阶段(B段)，冷空气前沿冷锋抵达长江一线，武汉偏北风逐渐加大并携带北方AQI大值区的污染物南下，在机制Ⅱ的作用下，武汉城区AQI继续上升；第三阶段(C段)，地面冷锋南压到长江以南，武汉位于高压中心(分中心)控制之中，风力较弱，不利于污染物扩散，且减弱的北风仍有少量污染物输入的作用，这一阶段机制Ⅰ、Ⅱ共同发挥作用，出现此次重污染过程的AQI峰值；第四阶段，地面风力减弱并转为偏东/偏南风，影响/控制本地的冷高压逐渐变性，地面气温升高，此时会有三种情况：(1)逆温层消失，污染物扩散条件转好，AQI下降到200以下，污染过程结束(D段)；(2)地面暖倒槽发展迅速，从第一阶段开始新的重污染过程；(3)冷空气补充南下，从第二阶段开始新的重污染过程。

从近5 a中153次过程统计来看，以上形成过程可以作为武汉城区重污染天气过程触发的典型天气模型。对于每一次过程可能有所不同的是：

(1) 第二、三阶段常会伴有雨雪天气现象发生，不同相态、不同强度的降水对PM_2.5质量浓度的影响较为复杂，因此过程AQI最大值在第二、三阶段均有可能出现。近5 a武汉重污染天气过程中出现降水的次数较少，由于首要污染物为PM_2.5，按照1mm·h^-1的标准(段莹等，2016)，153次过程中仅有10次出现降水，因此本文不再分析降水的具体影响。

(2) 如天气形势变化为第一阶段后转到①，即为静稳天气下本地污染物积聚而形成重污染；如按时间顺序在第三阶段的情况后转为①，即为冷空气影响下的重污染过程。这两种单一因素引发的重污染过程近5a出现频率为23.5% (36次)，单次过程持续时间较短，一般为2—7 h。由此可见，武汉城区出现连续7 h以上AQI≥201的过程均是在多种机制共同作用下产生的，因此，一般可以将连续7 h以上AQI≥201的过程定义为持续性重污染天气。

(3) 另一种较为少见的情况是，东路冷空气南下影响时，冷高压位置偏东，位于华北-渤海上空，高压底部偏东气流较弱，带动大别山以东AQI大值区污染物沿鄂东南长江河谷输入，同时武汉以西处于高压后部，污染物扩散条件较差，机制Ⅰ、Ⅱ同时发挥作用，从原理上看，可以归结为以上天气模型的第三阶段，随后仍然转入第四阶段。这种情况近5 a在仅2014年1月和2016年1月各出现了一次。由于此种特例仍然是两种机制共同作用，且已出现的两次过程的持续时间均达到了7 h以上，也符合前述持续性重污染天气过程天气模型的定义。

4.2 AQI及气象要素时间变化

由以上天气模型可知，在不同阶段各气象要素有不同的表现特征，在实际出现的重污染过程中，这些特征往往是交替出现，如分析图 4中2014年10月6日重污染过程，全序列武汉站海平面气压与AQI相关系数为0.72，而分段统计各相关系数均达到了0.96以上(通过0.01显著性水平检验，下同)。

以2017年5月武汉城区出现的一次严重污染过程为例，对该过程中AQI与各气象要素实时变化(图 5)进行分析可知，5月6日01时武汉城区AQI达到281，接下来02—13时持续出现AQI达到500的“爆表”情况，从14时开始AQI下降，到5月7日03时AQI下降到201以下，重污染过程结束，过程中无降水发生(雨量小于1 mm·h^-1)。5月6日00时—14时海平面气压场上冷高压中心位于四川盆地附近(图略)，中心气压达1 030 hPa以上，由于是西路冷空气影响，黄河以南到长江中游一线为一致的北风，但风速均在6 m·s^-1以下；6日14时以后高压缓慢东移，长江以北的北风输送通道被破坏，武汉城区AQI开始下降；到7日02时，高压中心东移到重庆附近上空，本地转为偏东风，重污染过程逐渐结束。

由图 5可见，武汉站海平面气压变化曲线分别在6日09时和22时出现两个峰值，以气压曲线的峰、谷值为界得到5个时间段，依次计算各气象要素与相应时段AQI的相关系数与整个序列各气象要素与AQI的相关系数(表 2)。分析可知，分段统计后各气象要素与AQI的相关系数均有显著的变化，尤其是气压，由原来的弱相关变成了强相关；气温和相对湿度也在不同时间段有一定的提升；只有风的相关系数指示意义不明确。这说明在不同天气形势背景下，气压对于重污染过程中武汉城区AQI的变化有很好的指示意义。在冷空气影响导致外源性污染输入的情况下，气压升高、气温降低、风力加大，表示冷空气开始影响，此时上游AQI高值区污染物也输送到本地，气压升高速度越快，说明冷空气强度更强或移动速度更快，风力增加和气温下降表现更明显，导致污染物输入(本地AQI增大)速率也会更快。气温的情况较为复杂，以易出现污染天气的冬季来看，武汉2013—2017年冬季平均气温为5—7 ℃，平均昼夜温差为7.4 ℃，气温日变幅可达100%以上，而同期武汉海平面气压年平均约为1 015 hPa，最大最小值相差54 hPa，单日内变幅一般小于5.3%。相对气压而言，由于单日气温变化幅度过于明显，多与大多数持续时间小于24 h的污染过程而言，仅凭单站气温随时间的变化，很难直接表现出影响本地的冷空气强弱、移动快慢等特征。相对湿度则受天气现象的影响非常明显，从图 5可知，与AQI的关系难以表现出一致的规律。

以上不同时段的情况表明，在静稳天气条件下，可以海平面气压分析为主的方法，结合使用气温、风等要素分析AQI变化趋势。

5 结论与讨论

利用天气学和数理统计方法，采用2013—2017年(100°—120°E，25°—45°N)范围内405个环境空气质量评价点数据、武汉市空气质量实时监测数据以及相应时段常规气象观测资料，重点分析了不同机制下重污染过程的影响因素和逐小时变化特征，得出以下结论：

(1) 2013—2017年武汉城区出现重污染过程153次，重污染天气过程出现频率、重污染时次全年总时长的比例均逐年下降，但2017年出现了AQI持续达到500的极端空气污染过程。

(2) 触发武汉城区重污染过程的天气机制有两种，机制Ⅰ是冷空气南下影响时，前沿较强的偏东-偏北风携带风向上游AQI大值区空气污染物输入，机制Ⅱ是静稳天气条件下本地污染物堆积。统计来看，多数重污染过程中均有冷空气活动，仅由单一机制触发的武汉重污染过程的情况较为少见，且持续时间基本在7 h以下；多数重污染过程由机制Ⅰ、Ⅱ交替影响、共同作用所致，持续时间一般在7 h以上。因此，一般可以定义连续7 h以上AQI超过201的污染过程为持续重污染过程。

(3) 武汉城区重污染过程形成的典型天气学模型为：第一阶段静稳天气条件下本地污染物堆积，AQI逐渐升高到201以上；第二阶段，冷空气南下影响，气压快速上升，风力加大形成外源性污染物输入，AQI持续上升；第三阶段，冷锋过境后，风力减弱，气压变化平稳，外源性输入和本地污染物积聚共同作用，AQI上升或维持；第四阶段，冷高压变性东移，本地转为偏南风，扩散条件转好，AQI逐渐下降至201以下，重污染过程结束。过程的AQI峰值一般出现在第二、三阶段，由于这两个阶段可能出现降水，峰值出现时段还需针对过程情况具体分析。此外，如第四阶段AQI尚未下降到201以下，天气形势已转换到静稳天气条件下，或有冷空气补充南下，从而过程直接转到第二阶段，均会导致重污染过程持续。

(4) 冷空气影响导致外源性污染输入时，武汉市范围内污染区域表现为从风向上游往下游扩散，扩散速度受风速影响。静稳天气条件下出现的重污染，在空间分布上的特点是城区重于城郊，城区内工业、居民密集区重于大型水域、绿化等生态保持区域。

(5) 重污染过程中气压、气温、相对湿度、风等气象要素在不同的阶段有不同的变化特点，能直接体现天气形势变化的气象要素是气压，风、相对湿度由于周边环境的影响等其它原因，难以表现出与空气污染物浓度变化直接的统计关系。

使用数理统计分析的方法，根据气象要素的变化来分析制作24 h以内空气质量客观精细化预报，需要根据天气形势的变化分阶段进行。一般应在准确的数值天气预报产品的基础上，以气压的变化作为主要依据，用于判断天气形势的变化，在此基础上结合使用风、气温、相对湿度等其它气象要素的逐时变化特点，针对相应站点/格点开展预报分析。