几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

“Ox增减量”O3人工订正预报方法与应用

为满足环境管理部门"O₃污染过程不漏、AQI类别准确和AQI范围预报准确"的要求,基于大气箱式模型和相似案例分析,引入O_x指标原创性提出"O_x增减量"O₃人工订正预报方法。介绍了该方法的预报思路、预报要点和步骤、历史相似案例库构建与基于大气条件预报的判别分析、方法普适性和局限性等,以期为提高区域、城市O₃业务预报准确率提供技术参考。以东部沿海城市青岛市为研究案例,结果显示,2020年6—9月24 h人工订正AQI类别预报、AQI范围预报准确率分别为91%和68%,比同期业务化运行的WRF-Chem数值模式预报准确率分别提高19%和25%,应用该预报方法可有效提高O₃污染过程预报准确率。     

沈阳市冬季环境空气质量统计预报模型建立及应用

利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。     

广西臭氧时空分布特征及污染天气类型研究

基于2015—2017年广西14个城市环境空气质量日监测数据和相关气象资料,分析了广西O_3时空分布特征,利用主观分型方法归纳了广西O_3污染的典型天气类型。结果表明,广西2015—2017年O_3累积超标天数分别为74,41和89 d,年均值分别为122,120和128μg/m~3,日变化呈现单峰型分布特征,O_3超标占比最高的时段均为4—5月和8—10月; 2017年O_3高值区面积明显增大,呈现连片式的特征;台风外围型(53. 4%)、副高控制型(26. 5%)和冷高压脊变性控制型(16. 7%)是造成广西O_3污染的典型天气类型。广西O_3污染受气象条件影响较大,天气形势变化导致的污染规律较明显。     

兰州市大气污染气象潜势预报研究

介绍了大气污染气象潜势预报方法和兰州市大气污染气象潜势预报系统。通过2001年9－12月兰州市空气质量预报检验分析，表明该系统对首要污染物等级预报准确率在60％以上，对兰州空气质量预报具有较好的指示性。     

2017—2019年中国337个城市及重点区域臭氧污染状况分析

分析了2017—2019年中国337城市O_3污染特征,结果表明:2017—2019年全国O_3第20～70百分位浓度逐年增幅相对稳定,第80～95百分位浓度逐年上升速率最快,平均每年升高5.5μg/m~3。全国O_3超标以轻度污染为主,主要集中在5—9月,占全年O_3超标天数的85.3%;"2+26"城市、汾渭平原交界、长三角、苏皖鲁豫交界O_3超标天数占全国63.9%,"2+26"城市O_3污染最为严重,平均每城市超标71 d。2017—2019年O_3单因子超标分别损失全国空气质量优良天数比例为4.5个百分点、4.9个百分点和7.4个百分点,2019年9月O_3单因子超标天数比例为18.8个百分点,单月使全年优良天数减少1.2个百分点。天津、河北、山东、北京、河南、山西、江苏的O_3污染相对较重,天津市发生O_3污染的关键温度为26～34℃,风速为2.0～2.5 m/s,相对湿度为40%～80%,降水明显减少和温度偏高是导致2019年O_3浓度升高的重要气象因素。     

基于CFSv2的延伸期空气质量数值预报技术及效果评估

介绍了基于CFSv2产品开展空气质量数值模拟的技术方法以及基于该技术的成都市延伸期空气质量预报系统,评价了2019年9月25日至12月25日的预报结果,以2019年12月为例分析了系统对具体污染过程的预报能力。结果表明,系统AQI预报准确率为36.67%,等级预报准确率为68.93%,"时段1"的预报效果优于其余时段,但"时段2"和"时段3"在污染物浓度水平上仍然具有较高的参考价值。系统在PM2.5浓度、气温和气压的变化趋势上提供21 d左右的参考。后续工作中,将针对CFSv2产品开展气象模型参数方案优选,并尝试结合基于GFS产品驱动的常规业务数值预报产品为延伸期空气质量预报提供污染物浓度初始场,减少误差传递,从而提高延伸期空气质量预报产品的准确性和可用性。     

博鳌亚洲论坛2018年年会期间空气质量预报保障技术研究

为了做好博鳌亚洲论坛2018年年会期间的空气质量保障工作,通过综合分析2015—2017年同期的监测数据及其气象条件,依托空气质量多模式数值预报系统,以专家组现场会商研判的方式开展了空气质量预报保障工作。结果显示,海口市、三亚市和博鳌镇在会议期间空气质量保持优良,每日AQI预报结果在±10的准确率为72. 2%,有效支撑了博论坛期间空气质量保障工作。会议期间文昌区域站和五指山背景站出现超标现象,超标污染物均为O_3,外来污染传输是今后博鳌论坛保障中需重点关注的关键影响因素。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

多尺度环境空气质量预报业务产品测试研究

为了探讨NAQPMS数值模式预报产品及其他预报业务所需产品在国家-区域-城市不同尺度单位的有效使用率、重污染过程中的作用,以及不同地区(城市)预报业务需求及作业产品需求偏差,选取17家单位进行测试研究。分析数据显示:15类参与研究产品均为各省市监测中心空气质量日常预报业务的开展作出了重要贡献,NAQPMS数值预报产品准确率最高可达到84.72%,省会城市准确率略低,总体平均可达50.21%,重污染过程的平均捕捉准确率为52.33%;研究测试产品在各尺度的获取时间均可控制在2.5 h左右。研究结果表明,指导产品能基本反映污染物形成、发展及变化趋势,明确不同地区城市预报业务需求及产品偏差,在PM_(2.5)和O_3预报准确率和重污染过程捕捉预报结果偏低等方面有待加强。     

山东省O3污染概况及预报效果评估

对山东省各市2018—2021年的O₃污染特征进行了分析,并对2021年5—9月O₃污染较重月份空气质量模型的O₃预报结果进行了分析评估。结果表明:山东省2018—2021年O₃-8 h第90百分位数(O₃-8 h-90per)先升高后降低,O₃污染呈现波动变化,污染月主要集中在5—9月,并呈现内陆高、沿海低,中北部高、南部低的空间分布特征。集合预报模式对O₃模拟效果最好,预测结果与O₃监测值的相关性最大、偏差最小,但较难预测出O₃的峰值浓度,易漏报O₃重度污染。WRF-Chem、CMAQ、CAMx、NAQPMS对O₃的模拟效果比集合预报稍差,CMAQ、CAMx存在系统性偏低的情况,但对优级别的模拟效果明显好于其他模式;WRF-Chem、NAQPMS存在系统性偏高的情况,WRF-Chem能较好地模拟出O₃超标日,对中度、重度日的24h级别准确率分别达94.08%、100%,对O₃超标预报尤其是中至重度污染的预测预报有重要指导意义。     

气象要素及前体物对青岛市臭氧浓度变化的影响

在深入探讨2013—2015年青岛市区O_3污染随时间变化特征的基础上,系统分析了不同气象要素对O_3浓度的影响,并研究了前体物对O_3生成的影响及贡献。结果表明:青岛市区O_3第90百分位日最大8 h滑动平均值和超标率均在2014年达到最高值;O_3浓度在5—10月较高,12月至次年1月浓度最低;O_3日变化呈单峰型变化规律,白天浓度高,夜间浓度低。强太阳辐射、高温、相对湿度60%左右、风速4 m/s左右、偏南风等气象条件下易出现高浓度O_3。O_3的生成主要受前体物VOCs控制,且烯烃对O_3生成的贡献远高于烷烃和芳香烃,控制VOCs尤其是烯烃组分的排放可有效降低青岛市区O_3浓度。     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料，分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况，并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年，台州市区PM_2.5年均浓度和超标天数呈显著下降趋势，O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高，且易发生超标；O₃浓度在春、夏、秋季均较高，且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关，与大气压呈正相关；O₃浓度与气温、风速呈正相关，与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关，两者存在协同增长。在春、夏、秋季，二次PM_2.5在总PM_2.5中的占比随着O₃     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

烟花爆竹禁燃对春节期间东北地区空气质量影响评估

利用2015—2017年春节期间东北地区主要大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、CO和O3)质量浓度监测资料及相应气象因子(温度、湿度、风速和气压)观测资料,分析了春节期间烟花爆竹禁燃对东北地区空气质量的影响。结果表明:随着东北地区主要城市禁燃力度的增强,空气质量逐年提升,PM_(2.5)和SO_2浓度逐年大幅度下降。禁燃可明显降低城区PM_(2.5)浓度,而由于春节期间污染源整体减少,城区和城郊监测点PM_(2.5)浓度值差异减小。烟花爆竹对PM_(10)和PM_(2.5)浓度影响高于对气体污染物SO_2、NO_2和CO的影响。此外,气象条件对东北地区春节期间禁燃改善空气质量的效果也有明显影响。因此,结合春节期间的气象条件,在东北地区实施禁燃政策动态调整非常必要。     

沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013—2019年沈阳地区11个国控监测站近地层臭氧(O_3)浓度监测数据和地面气象观测资料,分析了沈阳地区O_3污染日的O_3浓度时空分布规律,并对造成O_3污染日的天气系统进行了主观分型。结果表明:自2013年以来,以O_3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018—2019年略有下降。O_3浓度的日变化趋势呈现明显的单峰形,O_3-1 h在10:00—20:00明显高于其他时间段,最大浓度值出现在15:00,而在01:00—07:00则相对较低。从季节变化上看,沈阳地区O_3污染主要发生在6—7月,两个月的O_3污染日之和占全年O_3总污染日的比例高达51%。从O_3浓度空间分布上看,沈阳地区三环外监测站测得的O_3浓度明显高于三环内监测站,高浓度区域主要集中在东部和东北部,城市中心存在明显的低浓度区,南部和北部差别不大,但也明显高于城市中心。造成沈阳地区O_3污染的主要天气类型有4种:暖脊型、均压场型、高空槽型和副热带高压型。其中:暖脊型出现的频次最高,占总样本的49.1%;副热带高压型出现的次数最少,占总样本的7.7%。