基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

基于卫星数据研究兰州市NO2时空分布特征以及冬季NOx排放通量

搭载在EOS AURA卫星上的OMI探测器由于其较高时空分辨率在大气痕量气体(O3,NO2,SO2)探测中得到广泛应用.利用2010~2012年OMI NO2柱浓度数据产品重构了兰州市以及周边地区NO2柱浓度分布,分析了其时空变化特征,并利用西南风场下NO2空间分布特征采用拟合方法研究了NOx冬季排放通量以及寿命.研究表明,NO2柱浓度空间分布呈现以兰州市为中心,浓度向四周扩散的特征;兰州市NO2柱浓度的年变化特征为12月达到最大浓度,8月达到最小浓度;2010~2012年NO2寿命分别为10.6,9.9,9.1h,NOx冬季排放通量分别为175.3, 183.7,179.9mol/s.其排放通量与兰州环境公报提供的氮氧化物排放通量数量级之间具有较好的一致性,说明利用卫星数据估算兰州的NOx通量方法的有效性.     

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

基于时空克里格的PM_(2.5)时空预测及分析

PM_(2.5)作为大气污染的一种,正受到社会越来越广泛的关注和研究,但大部分研究仅单独分析各样点PM_(2.5)浓度时间维度或空间维度特征,忽略了PM_(2.5)的时空维度变化。为综合考虑PM_(2.5)时空维度特征,该文以山东省2014年PM_(2.5)浓度监测数据为对象,建立PM_(2.5)时空变异模型,利用时空克里格法对山东省全年PM_(2.5)浓度进行时空预测,得到时空分布立方体数据,最后基于该数据,对山东省PM_(2.5)污染特征作出分析。结果表明,2014年山东省整体PM_(2.5)污染严重。在空间上,中西部地区PM_(2.5)浓度超过75μg/m~3的天数超过290 d,存在持续性高危污染,东部小于37.5μg/m~3的天数超过146 d,存在间歇性轻微污染,且从西至东,PM_(2.5)污染天数和程度逐渐降低,具有明显地域性污染特征;在时间上,PM_(2.5)浓度最高时间段为1、2、11和12月,最低为6-8月,各季节污染程度依次为:冬季秋季春季夏季。研究表明时空地统计方法能够有效地对空气质量进行时空预测,是挖掘更多的时空分布特征和信息,进行环境数据分析的有效手段。     

内蒙古自治区2016年PM_(2.5)时空分布

研究了内蒙古自治区2016年PM_(2.5)浓度时空分布规律及PM_(2.5)与其前体物之间的关系。结果表明,内蒙古自治区PM_(2.5)浓度具有一定的时空分布特征,并与气象条件、污染物排放及前体物二次转化均有关联。时间上,PM_(2.5)日浓度变化曲线呈双峰型分布,两个峰值时段分别为10:00—12:00、23:00—翌日01:00,PM_(2.5)月均浓度曲线呈"U"形分布,在8月最低;空间上,内蒙古自治区PM_(2.5)浓度由高到低的区域依次为中部、西部、东部;PM_(2.5)小时浓度与其前体物NO_2、SO_2小时浓度均为显著正相关,说明前体物对PM_(2.5)浓度变化影响显著。研究结论可为内蒙古自治区大气污染环境治理提供参考。     

基于OMI卫星数据的渤海对流层NO2分布特征

利用OMI卫星数据,分析了2005～2009年渤海对流层NO2的时空分布特征,研究发现近5 a渤海海域对流层NO2浓度空间分布不均,季节变化及年度增长趋势明显。空间分布上渤海西南部的渤海湾及莱州湾等海域浓度比较大,而东北部的辽东湾浓度比较低;NO2浓度季节变化也非常大,12月份垂直柱浓度(13.464×1015mol/cm2)是8月份(4.959×1015mol/cm2)的2.7倍。分析渤海湾与其周边的京津塘、环渤海西南部地区NO2浓度的月变化,发现冬季京津塘地区对渤海NO2浓度影响比较大,而夏季环渤海西南部地区对其影响比较大。     

利用OMI数据对我国西部城市NO_2柱浓度的时空分布特征研究——以天水市为例

城市大气污染的有效控制得益于对气候条件、污染物来源和汇的不同时空分布特征的掌握。利用卫星OMI传感器,反演了2007—2015年9年来对流层NO_2的数据产品,研究了天水市对流层NO_2柱浓度的时空分布特征及其管控策略。结果表明:(1)天水市对流层NO_2柱浓度在空间上呈现明显的东高西低空间分布格局,具有从东部向西部扩展并逐渐降低的空间动态变化特征;(2)天水市对流层NO_2柱浓度在时间分布上,9年时间里呈现小幅上升趋势,且春夏高秋冬低,与我国东部地区季节规律相反,月均值变化呈倒U型;(3)天水市对流层NO_2柱浓度时空分布格局与当地地理条件、污染物来源和汇以及上风向污染的输送有关;(4)与我国东部城市比较,天水市对流层NO_2柱浓度普遍较低,但9年来县(区)域的变化率较大(10%~14%)以及市域年度变化率较高。未雨绸缪制定环境管理策略,以避免大气环境污染的发生和加剧。     

葫芦岛近地面臭氧变化特征分析研究

为进一步了解葫芦岛地区臭氧污染,以该市2014年-2016年臭氧(O_3)监测数据为基础分析了O_3浓度变化特征。结果表明:葫芦岛市O_3污染有明显的加重趋势;O_3污染天气集中出现在4～10月;O_3浓度的日变化特征呈现单峰分布,峰值出现在15:00,谷值出现在06:00; O_3前体物(NO、NO_2、CO)浓度休息日低于工作日,O_3浓度休息日高于工作日。日间为环境监测和预报的关键时期。     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

北京地区冬季SO_2浓度的时空分布和年际变化特征研究

用统计分析方法,对1984~1988年和1999~2000年间北京市冬季SO2的时空分布及多年变化特征进行分析,得到以下结果:(1)1984-1988年间,除定陵点位(清洁对照点)为单峰分布外,北京市SO2的城区日变化特征基本呈双峰双谷型特征分布。而在1999~2000年间,城区峰值开始降低,定陵点位峰值相对升高;(2)就多年变化特征而言,定陵点位SO2浓度呈升高趋势,且浓度高于0.03 mg/m3的事件出现频率增高;城区的SO2浓度降低,浓度高于0.3 mg/m3的事件出现频率减低。在此基础上,对影响北京市SO2的日间变化、年内变化、年际变化的污染源因子进行具体解析,发现改善燃煤质量是减少SO2排放量的有效途径。研究结论证明了城区SO2浓度水平与燃煤品质的紧密关系,对于我国各地区的SO2减排具有重要参考意义。     

基于OMI卫星数据的长三角对流层NO_2特征研究

利用OMI卫星遥感数据,分析2006-2011年长三角地区对流层NO_2的变化趋势和时空分布特征以及对其来源的讨论。结果表明长三角近6年来对流层NO_2垂直柱浓度年均值具有明显稳定的增长趋势,增长率到达49.63%。且具有浓度高值区域面积不断扩大,高值中心数量增多的特征。与其它地区相比长三角地区对流层NO_2浓度季节变化具有独特的特征,NO_2垂直柱浓度在冬季浓度达到极大值(14.29×10~(15)~20.84×10~(15)molec/cm~2),而大多地区如四川则在夏季达到极大值。此外,分析得出长三角地区对流层NO_2垂直柱密度变化与人类活动的密切关系。     

北京市PM_(2.5)组分SO_4~(2-)浓度的时空分布及来源分析

采用观测与数值模拟相结合的方法并查阅大量文献,系统分析了北京市SO_4~(2-)时空分布、转化及来源特征,结果表明:近年来北京市SO_4~(2-)年均浓度在8.85~25.13μg/m3;2013年北京市SO_4~(2-)浓度整体呈现出重污染日>冬季>春、秋季>夏季的特征,日变化上SO_4~(2-)浓度呈现双峰型分布,空间分布上SO_4~(2-)浓度呈南北梯度分布特征;2013年北京市SOR年均值在0.36~0.44,重污染日SOR平均值在0.40~0.46;2013年北京市年均SO_4~(2-)本地、外来源、背景及边界条件分别贡献34%、57%、9%;重污染日SO_4~(2-)本地、外来源、背景及边界条件分别贡献18%、77%、5%;外来源对北京市SO_4~(2-)浓度起着更为重要的作用。     

2006-2017年浙江甲醛时空分布特征及影响因素分析

文章基于OMI大气甲醛产品,探讨了浙江省2006-2017年对流层甲醛柱浓度时空分布特征,结合土地覆被情况、气象、地形以及社会经济数据,多角度定量化分析了大气甲醛浓度演变的影响因素。结果表明:2006-2017年浙江省大气甲醛浓度整体呈增加趋势,变化过程大致可分为2个阶段:大气甲醛浓度急剧上升阶段(2006-2010年)和大气甲醛浓度平缓下降阶段(2011-2017年);空间上,大气甲醛浓度自东南至西北呈阶梯式增长,高浓度区主要集中在浙北平原;时间上,大气甲醛浓度具有明显的季节特征,季均浓度由高到低依次为夏季、春季、秋季、冬季。大气甲醛浓度变化的影响因素包括人类活动和自然条件2个方面。人类活动主要包括工业生产和交通运输,其中工业生产中的能源消耗是主要的甲醛排放环节,交通运输对甲醛浓度的升高也有一定的贡献。温度、降雨的季节性变化以及山脉阻拦作用也是形成浙江省大气甲醛时空分布特征的重要成因。     

包头市2015—2016年PM_(2.5)浓度时空分布特征及与气象因子的关系

根据包头市2015—2016年PM_(2.5)监测数据及气象数据,分析了包头市PM_(2.5)时空分布特征及PM_(2.5)与气象因子之间的关系。结果表明:包头市PM_(2.5)浓度在12月达到最大,日变化曲线为双峰型;在空间上PM_(2.5)浓度由西南向东北方向递减,且浓度梯度变化明显;气温、相对湿度、降雨量、风速等气象因子对PM_(2.5)浓度有显著影响。     

基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.     

平水期和丰水期殷村港污染物浓度时空变异比较研究

殷村港是太湖的重要入湖河流之一.本研究在2010年4月(平水期)和6月(丰水期)对其从上游滆湖到下游太湖入口进行了2次全程高密度水质监测,并以化学需氧量(COD)和总氮(TN)为例,采用基于河流水系距离的地统计方法分析殷村港沿程污染物浓度的时空变化特征.结果表明:①COD和TN在平水期和丰水期呈现显著的时空差异.6月COD浓度显著低于4月,TN浓度变化截然相反.②2次监测期间,COD入河负荷较为稳定.4月和6月的COD浓度半变异函数皆呈指数型空间相关结构.该时期COD浓度变化主要受水文环境影响.③2次监测期间,源于农业的氮素负荷显著增加.大量无序的个体农户施肥行为使得6月TN浓度无显著空间相关性.6月TN浓度变化受农业施肥和水文环境的双重影响.鉴于太湖流域水情复杂,污染严重,地统计方法是研究该区域河流污染物浓度分布特征和预测污染物浓度的有力工具.     

基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究

针对GRAPES-CUACE模式预报的6种常规污染物浓度,采用非线性动力统计-订正方法——自适应偏最小二乘回归法,建立了中国不同地区的CUACE模式预报偏差订正模型,采用多种敏感性试验优选了不同季节各区域的最优自变量组合方案,并对2016年1—3月、11—12月全国342个城市PM_(2.5)浓度预报值进行了滚动订正检验,分析了订正前后PM_(2.5)浓度的时空变化特征,重点分析了该方法在京津冀、长三角、珠三角、川渝地区等关键区域的适用性及其改进效果.结果表明:(1)CUACE模式预报PM_(2.5)浓度普遍低于观测浓度,且与实测值的相关系数较低;CUACE 15 km分辨率模式PM_(2.5)浓度预报效果优于54 km分辨率模式,其中长三角地区改进最显著,珠三角和京津冀次之,川渝地区预报效果较差.(2)订正后的PM_(2.5)浓度更接近于实测值,订正后误差明显减小,相关系数明显提高,而且订正值与实测值的散点集中分布于对角线附近.(3)长三角地区PM_(2.5)浓度订正效果最好,准确率可达72.3%;珠三角地区次之,准确率为66.3%;京津冀和川渝地区订正效果稍差,但准确率亦可达63.6%和62.6%.(4)订正后污染日和非污染日的准确率、相关系数分别提高了57.5%和25.9%、304.8%和15.2%;绝对平均偏差、均方根误差分别减小了38.9%和18.7%、21.8%和8.5%.(5)针对北京、上海、广州、乐山的不同重污染过程,订正后的平均绝对误差分别减小了12.07%、46.63%、36.66%、17.71%,相关系数分别提升了25.86%、22.22%、16.92%、162.5%,说明该订正方法适用于不同地区的不同重污染过程的预报.     

基于气象条件下哈尔滨市污染特征分析

利用2013年哈尔滨市环境监测资料及气象资料,分析了4种主要污染物(PM_(10)、PM_(2.5)、SO_2、NO_2)的时空分布特征及各种气象条件对城市大气污染的影响。结果表明:风速在采暖期对污染物浓度的影响尤为显著,相关系数达-0.87;混合层高度对雾霾天气形成影响较大,PM_(2.5)浓度与混合层高度呈现负相关;气温、气压、降水与PM_(2.5)浓度均有较好相关性,哈尔滨市污染物特征受气象条件影响较大。     

钦州湾叶绿素a和初级生产力时空变化及其影响因素

于2009年1—11月对广西钦州典型养殖海湾——钦州湾海域水体中叶绿素a(Chl-a)浓度和初级生产力进行了4个季节航次的调查,分析了该海湾Chl-a和初级生产力的时空变化特征并探讨其影响因素.结果表明,钦州湾表层海水Chl-a浓度周年变化在0.83~32.5 mg·m-3之间,平均为5.39 mg·m-3;Chl-a浓度季节性变化表现为夏季春季冬季秋季.初级生产力变化范围是92.3~1494.5 mg·m-2·d-1(以C计,下同),平均为425.1 mg·m-2·d-1;初级生产力季节变化特征呈现夏季冬季秋季春季.钦州湾Chl-a浓度和初级生产力在春、夏、冬季呈现内湾和三娘湾海区高、钦州港海区低的分布特征,秋季出现相反的特征.相关分析显示,钦州湾Chl-a与水温、盐度和氨氮之间存在密切的相关关系.总体来看,陆源输入的营养盐及贝类养殖活动是影响Chl-a和初级生产力时空变化的重要因素.