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%。     

沿海地区中小城市环境空气质量预报模式的研究与应用

根据两年来的实际工作经验,探讨了沿海地区气象因素对环境空气质量的影响,并结合沿海地区气候特征及污染现状对影响环境空气质量的因素进行了研究分析,建立了适合于沿海地区中小城市环境空气质量预报模式,其预报准确率高。对沿海地区中小城市今后开展空气质量预报工作具有一定的指导意义。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_(2.5))逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_(2.5)质量浓度预报模型,实现了对郑州市后1日环境空气PM_(2.5)质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_(2.5)预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_(2.5)实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_(2.5)实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_(2.5)预报质量浓度与实况质量浓度的NMB和RMSE均低于情景二,降幅分别为0.8%~2.3%和2.3~4.2μg/m 3;r值、IA、Q值和G值均高于情景二,增幅分别为3.5%~36.1%,2.2%~14.6%,6.4%~9.4%和3.5%~9.1%,表明考虑大气氧化性因素能够优化该模型。     

基于数值模式的环境空气质量预报影响因素和改进方法

数值预报是各地开展环境空气质量业务预报的主流预报方法之一。模式预报产品、基础输入资料、外部技术支持、主客观预报偏差和预报命中概率等诸多因素均会不同程度地影响数值模式预报效果,研究探讨了上述因素对数值模式预报效果的影响及其针对性的改进方法,以期降低预报偏差,改善业务预报整体效果,为各地提高业务预报质量提供方法思路和技术参考。     

广西重点城市空气质量预报系统

介绍了应用数值预报和统计预报相结合的集成预报技术建立的广西重点城市空气质量预报系统。指出该系统可根据影响大气污染物的天气系统类型修正预报结果，提高预报的准确率；建立的气象和环保部门的预报会商平台，使气象与环保部门实现了每天异地技术会商、信息资源共享等功能；系统的运行环境要求较低，只需终端用户具有拨号或专线上网或局域网联网功能；系统能用于多城市空气质量预报，对城市环境天气服务中的中小尺度短期(24h-48h)的天气预报也有参考价值。     

2018年11—12月北京市重污染天气过程数值预报能力评估

2018年11—12月北京市发生了4次以PM_2.5为首要污染物的重污染天气过程，为了分析数值模型对4次重污染过程的预报能力，将CMAQ模式提前1~7 d对北京市PM_2.5的小时预报结果与观测结果对比，分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果，并简要分析了偏差产生的气象方面原因。结果表明：CMAQ模式提前1~6 d对重污染天气过程的预报显示出良好的性能，为日常业务预报提供了可借鉴的参考信息，可较好地预报出PM_2.5小时浓度变化趋势和浓度水平，离散统计结果显示提前1~4 d的预报结果好于提前5~7 d，相关系数r基本大于0.8，但有一定程度的低估趋势；分类统计结果显示不同预报时效预报准确率大于70%，探测准确率高于55%，部分时段可以达到80%~90%，对人工预报起到了良好的参考作用；输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响，对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。     

基于OPAQ的城市空气质量预报系统研究

空气质量预测在国内的关注度日益提高,传统的空气质量预测系统通常运用数值化学传输模型,利用物理方程来计算污染物的扩散、沉降和化学反应。而化学传输模型的预测准确性很大程度上需要依赖详细的污染源排放信息和气象模型的输出结果。基于统计模型的OPAQ空气质量预报业务系统,采用人工神经网络算法,可预测各污染物的日均值或日最大值。并对北京空气质量预报的结果进行了评价,OPAQ空气质量预报业务系统对空气质量预测的准确性较高,能够利用较低的计算资源得到较为准确的预测结果。与数值预报相比,OPAQ空气质量预报业务系统不需要大量的基础数据作为输入,可弥补数值预报的不足,并成为数值预报的有力补充。     

典型高原山地城市环境空气质量预报预警平台设计

空气质量预报系统作为一种重要的工具用于为公众提供空气质量预报信息、评估城市空气质量,为污染控制战略、动态环境管理以及决策制定提供支持。研究对国内外环境空气质量预报现状进行了回顾,以云南省为例提出了高原山地城市环境空气质量预报预警体系建设的整体思路,针对系统建设现状,提出了环境空气质量预报预警系统建设所面临的问题以及对未来发展方向的建议。     

京津冀及周边地区空气质量预报工作存在问题及解决对策

环境空气质量预报工作作为担负重污染预警应急和大气污染防控不可或缺的基础工作,正逐步成为环保部门核心业务之一。基于近3年京津冀及周边地区省、市环境空气质量预报工作开展现状,针对预报工作中遇到的人员短缺、能力建设进度缓慢、预报资料匮乏等现实问题,从政策制度和预报技术2方面分析原因,提出需要从制度建设着手,通过建立健全预报工作保障制度、评价制度、考核制度和培训制度,完善地区预报能力建设和预报水平,同时为全国其他区域省、市空气质量预报工作的开展提供参考与借鉴。     

兰州市大气污染特征与污染预报技术研究

结合兰州市大气污染特征,采用国际上较为先进的污染预报模式,分别建立了实时资料与数值产品相结合的实用统计预报模型.其系统预报结果准确程度较好,实用性强,时研究兰州市大气污染来源及政府决策都起着重要的作用.     

区域环境空气质量预报的一般方法和基本原则

为响应公众服务和环境管理对环境空气质量预报的迫切需求,中国环境监测总站率先在京津冀区域开展了区域环境空气质量预报测试。结合目前积累的预报经验和国内外相关研究,探索出区域空气质量预报的一般方法和基本原则,讨论了客观订正环节中大气扩散条件、污染源排放、物理化学过程和空气质量变化规律的分析方法及系统建立、结果确定、天气控制形势分析和信息表述等基本原则,以期为各地开展环境空气质量预报提供技术参考。     

外来沙尘输送对北京市空气质量影响的预报预警技术初步研究

利用多方位监测数据和气象资料,分析了2010—2011年春季外来沙尘输送对北京市空气质量指数的影响,提出外来沙尘对北京市空气质量级别影响的预报判据。此外,基于NAQPMS模型的沙尘模块,开展数值预报研究,并对北京市2010年3月一次沙尘天气污染过程进行数值模拟试验,结果表明,模拟的PM10浓度值与实测值有较好的一致性。通过判别预报和数值模拟两种预报技术的开展,可以预报沙尘输送影响的空气质量级别、沙尘分布和演变规律,为进一步开展空气质量预报预警和防控沙尘工作打下了很好的科学基础。     

美国加州南岸地区空气质量预报系统运行管理与借鉴

借鉴美国加州南岸空气质量预报经验,特别是其运行管理模式对于现阶段中国城市环境空气质量预测预报具有极高的参考价值。简要介绍了加州南岸空气质量管理局(SCAQMD)空气质量预报业务流程、技术方法、信息发布方式和预报效果评估策略。建议从4个方面借鉴SCAQMD经验:(1)建立相对完善的空气质量预报体系,分层级自上而下指导预报工作;(2)选择合适的空气质量预报方法,综合统筹成本-效益评估工作;(3)评估预报效果进而提高预报准确率;(4)在优化空气质量预报能力的基础上,有序开展预警协同控制工作。     

空气质量多模式预报系统在中山市的应用

介绍了中山市空气质量多模式预报系统。对2015年3月—2016年2月的预报效果评估表明:系统可以较好地反映污染物的变化趋势但仍存在系统性偏差。通过对排放源清单的调整优化及对模式干沉降模块的改进使模式系统的偏差显著减小。总结并建立中山市污染天气案例库,发现在典型污染天气形势下,除O3-8 h外,其他污染物均值均能达到空气质量二级标准。未来将从2个方面提高中山市空气质量预报预警系统的实用性,包括逐步实现污染源排放清单的动态及时更新和提高极端气象条件下O3污染预报能力。     

基于K-means聚类的沙尘天气快速识别技术研究

依据沙尘天气判定条件分析2018年春季（2—4月）陕西省西安市环境空气质量小时监测数据，共识别9 d受沙尘影响。研究基于K-means聚类沙尘天气分析方法，分析沙尘天气监测数据特征，并对沙尘识别聚类模型进行优化研究，识别的沙尘影响天气与传统方法一致。分析表明，聚类方法可用于沙尘天气监测数据的识别，与传统方法相比较，基于K-means聚类方法能够快速、准确识别沙尘影响天气。     

江苏省环境空气质量趋势监测点的优选

介绍了江苏省环境空气监测网络的构成和环境空气质量趋势监测点的优选方法。通过对1993年-2000年全省13个少辖市60个监测点的SO2、TSP监测结果的相关指标统计，分别优选出代表全省及省辖市的环境空气质量趋势监测点12个和25个。     

河源市2014-2017年空气污染特征及天气类型分析

利用2014—2017年河源城区环境空气自动监测站数据和气象数据，对期间出现的污染天气过程进行统计，对影响污染的天气类型进行分类。结果表明，2014—2017年，河源城区累计出现污染天气65 d，超标污染物主要为PM_2.5和O₃，O₃超标比例逐年上升成为达标率首要影响因子。PM_2.5易污染天气型中冷高压出海占比最多（38.2%），其次为冷锋前（17.7%）和均压场（14.8%）；O₃易污染天气型中副高控制占比最多（31.0%），其次为副高叠加台风外围（24.1%）和冷高压出海（13.8%）及均压场（13.8%）。河源城区低程度污染（AQI值101～110）占比较大。     

NARX神经网络模型在昆明市环境空气质量预测中的应用

神经网络模型作为一种重要的手段被广泛应用于数学计算、物理建模、水文模拟、环境预测、人工智能等研究领域。为验证神经网络模型在高原山地城市环境空气质量预测中的作用,以昆明市环境空气自动监测站气象因子和污染物浓度数据为基础,构建NARX神经网络模型,对污染物浓度进行预测。结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对环境空气6参数做出较为准确的预测,其预测浓度相对误差显著低于CMAQ、NAQPMS空气质量数值模式以及LSTM统计模型预测结果。优化后的NARX神经网络对污染物浓度变化趋势的预测较其他几个模式更为敏感。