2. 空气质量监测数据基础

要识别空气质量的时段差异与污染过程，第一步不是画图，而是把“数据本身是什么”弄清楚。同一段曲线，如果不知道它来自哪类站点、以什么时间分辨率统计、是否经过有效性审核，就很容易把仪器故障误判为污染过程，或把不同口径的数据放在一起比较。本节围绕五个基础要素展开：常规污染物指标、监测站点类型、时间分辨率、数据质量标记，以及常见数据问题。

一、常规污染物指标及其口径

我国环境空气质量监测的常规六参数为：细颗粒物（PM₂.₅）、可吸入颗粒物（PM₁₀）、二氧化硫（SO₂）、二氧化氮（NO₂）、一氧化碳（CO）和臭氧（O₃）。其中前五项通常以质量浓度表示，单位分别为 μg/m³（CO 为 mg/m³），O₃ 同样以 μg/m³ 表示。理解指标时，需要同时记住三件事：浓度口径、统计时段和标准限值对应的平均时间。

以《环境空气质量标准》（GB 3095—2012）为例，PM₂.₅ 的二级日均限值为 75 μg/m³，年均限值为 35 μg/m³；PM₁₀ 日均限值为 150 μg/m³；SO₂ 日均限值 150 μg/m³；NO₂ 日均限值 80 μg/m³；CO 日均限值 4 mg/m³；O₃ 日最大 8 小时平均限值 160 μg/m³。可以看到，O₃ 的评价口径是“日最大 8 小时滑动平均”，而不是简单的日均值，这一点在后续做时段对比时非常关键——用 O₃ 小时值直接求日均，会与标准评价口径不一致。

此外，AQI 是由六项污染物分指数 IAQI 取最大值得到的综合指数，它并不等于“污染程度的总和”。当某日 AQI 为 120 时，需要回看是哪一项污染物的 IAQI 达到 120，才能判断是颗粒物主导还是臭氧主导。这一步在污染过程识别中往往是分型的第一依据。

二、监测站点类型：数据代表的“空间身份”

站点不是随便选的，每个站点都有其功能定位。常见的站点类型包括：城市环境评价点（反映城市建成区人群暴露水平）、区域背景点（反映区域传输与本底水平）、污染源监控点（靠近工业源或交通干线）、路边交通站（反映机动车排放影响）、对照点/清洁点（用于比较与质控）。

站点类型直接决定了数据的解释方式。例如，路边交通站的 NO₂ 小时值在早高峰明显抬升，这是局地排放特征，不能直接外推为全市污染过程；而区域背景点的 PM₂.₅ 若与城区同步抬升，则更可能指示区域性传输。做时段差异分析时，若把不同功能站点混在一起求平均，会稀释掉真正有价值的信号。

三、时间分辨率：小时值与日均值不是一回事

常规自动监测站的小时数据是最基础的时间分辨率，通常每小时一条记录，一天 24 条。由小时值可派生日均值、日最大 8 小时平均、月均值、年均值等。不同时间分辨率承载的信息不同：小时值能捕捉污染过程的起落、夜间积累与午后光化学反应；日均值平滑了日变化，更适合与标准限值比较；日最大 8 小时平均则专门用于 O₃ 评价。

需要特别注意有效性的前提：日均值不是 24 个小时值的简单算术平均，而是要求当日至少有 20 个有效小时值（即有效数据率不低于 75%）才参与统计；O₃ 的日最大 8 小时滑动平均也要求当日至少有 14 个有效 8 小时滑动值。若某日只有 12 个有效小时，严格来说该日均值应标记为无效，而不是照常计算。这一点在数据清洗阶段极易被忽略。

四、数据质量标记：读懂“这条数据能不能用”

自动监测数据在入库前通常经过审核，并带有质量标记。常见标记包括：正常（有效）、缺测、仪器校准、维护、故障、超量程、负值、可疑值等。不同平台字段命名不同，但含义相近。分析时最忌讳的是把“缺测”当作“浓度很低”——缺测在数值上可能表现为空值、-999 或 0，若直接参与平均，会系统性拉低浓度。

一个稳妥的处理流程是：先按标记字段筛出有效数据，再计算有效数据率，最后才做统计。例如某站点某日 PM₂.₅ 有 18 个有效小时值，其余 6 小时为校准和故障，则有效数据率为 75%，恰好达到日均统计的最低要求；若只有 17 个有效值（70.8%），该日均值应判为无效。这个判断必须基于标记字段，而不是基于数值是否为空。

五、常见数据问题与识别方法

实际数据中常见的问题大致有几类。第一类是缺测与断档，表现为连续数小时无记录，多由断电、通信中断或仪器维护造成。第二类是异常高值，需要区分真实污染（如沙尘、秸秆焚烧、烟花爆竹）与仪器故障（如传感器漂移、采样管堵塞）。第三类是负值与零值，多出现在低浓度时段，源于仪器噪声或低于检出限，不能简单当作真实浓度。第四类是时间戳错位，如整点数据被标到半点、跨时区或夏令时处理不当，导致日变化曲线整体平移。第五类是单位与口径不一致，如 CO 有的平台用 mg/m³、有的用 μg/m³，混用会造成百倍级误差。

识别这些问题有一些实用手段：绘制小时值时间序列，观察是否存在长时间水平直线（疑似卡值）、突跳（疑似故障）或规律性缺失（疑似定时校准）；检查同一站点 PM₂.₅ 与 PM₁₀ 的比值是否长期大于 1（物理上不合理）；对比相邻站点同一时刻的数据，若某站孤立出现极端值而周边站点平稳，应优先怀疑该站仪器问题。这些检查不需要复杂工具，用一张折线图和一张站点对比表就能完成大部分初筛。

六、面向分析的最小数据集

综合以上要素，建议在进入时段差异与污染过程识别之前，先整理一份结构清晰的分析数据集，至少包含以下字段：站点编码、站点名称、站点类型、城市、经纬度、时间戳（精确到小时）、污染物代码、浓度值、单位、质量标记、有效数据率。若后续要做 O₃ 评价，还需保留由小时值派生的日最大 8 小时滑动平均值；若要做 AQI 分型，则需保留各污染物 IAQI 及首要污染物字段。

把这些基础工作做扎实，后面的时段对比才有意义：同样是“夜间 PM₂.₅ 高于白天”，在区域背景点可能反映边界层日变化与区域传输，在路边站则可能叠加了机动车排放；同样是“O₃ 午后峰值”，用小时值和用日最大 8 小时平均得到的结论也可能不同。数据基础决定了分析结论的可信度，这一步值得慢下来做细。