基于深度学习的空气质量预报方法新进展

空气质量预报与人们的日常生活密切相关,其基本思想是分析历史空气质量数据,发现其内在的时空相关性,结合未来气象信息以及污染源排放量,对未来的空气质量进行预测。目前,环境管理和社会公众服务对空气质量预报提出了长时间、多维度、高精度的预测要求,一些新型的空气质量预测方法仍处于起步探索阶段。近年来,随着人工智能的普及与推广(特别是云计算与大数据的发展),深度学习这项基于传统人工神经网络的技术被国内外研究者所重视。笔者对现有典型的空气质量预报方法进行了阐述,包括数值预测模型方法、统计预报模型方法、基于机器学习模型的预测方法等,并重点介绍了该领域最新进展:基于深度学习模型的预测方法,并在此基础上进行了总结与展望。     

空气质量数值模型的构建及应用研究进展

综述了近年来国内外空气质量模型的发展历程、空气质量数值模型构建的关键技术以及应用研究。指出了目前空气质量数值预报及应用主要面临气象条件，尤其是大气边界层模拟、大气污染物排放源和大气物理化学过程等问题。提出，应当通过规范化制作和完善排放源清单数据，建立统一的排放源分析标准，提高排放源数据的准确性；多向发展观测手段，加大监测密度和频率，并进行实验室化学分析，提出适合我国的大气物理化学机制。就空气质量模式而言，对模式方案进行优化，以及使用气象、卫星资料同化等技术手段，将其与观测相结合，构建监测与预报系统相结合的统一体系，应用于多平台。     

AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用

围绕新AQI标准下环境空气重污染预报预警工作的需求,全面优化升级了北京市空气质量数值预报系统。该系统集成了新一代天气模式WRF,并进一步发展污染源处理模型SMOKE,实现了点源、面源、机动车源等排放源高时空分辨率制作,同时紧追空气质量模型(CMAQ、CAMx、NAQPMS)新发展,实现在线源解析模块的业务应用。这一系统不仅在日常业务预报中有效提升了北京市空气重污染过程的预报准确率,还成功应用于2014年APEC会议、2015年纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵等重大活动空气质量保障工作中,满足了重大活动对空气质量预报预警的特殊需求,为进一步提高城市空气质量预报预警技术的发展做出有益尝试,并积累了丰富的经验。     

长三角区域空气质量数值预报系统及其在重大活动保障中的应用

2014年起,上海市围绕城市及长三角区域空气质量预测预报和重污染预警需求,搭建了长三角区域空气质量数值预报系统。该系统综合应用了模式参数化方案比选、排放清单耦合处理、大气化学资料同化、大数据集合订正等关键技术,集合模式PM2. 5和O3小时浓度偏差为-10%~10%,提升了区域PM2. 5和O3浓度模拟效果。该系统实现了污染在线源解析和多排放情景模拟等功能的业务应用,应用于2018年首届中国国际进口博览会保障中,为上海市及长三角区域空气质量业务预报和重大活动保障提供了业务产品支撑。     

集合数值预报系统在上海市空气质量预测预报中的应用研究

介绍了上海市世博环境空气质量集合数值预报系统的框架,分析了各模式在上海市空气质量预报及排放源污染贡献测算中的应用情况,提出开发多种预报手段、实施集合预报是提高城市空气质量预报准确率的发展方向。     

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。     

长三角区域空气质量预警联动系统及其在上海世博会的应用

为保障上海世博会空气质量,开发了长三角区域空气质量预警联动系统.系统由区域数据共享、预报预警、信息发布和应急联动等4个子系统构成,采用自动质量控制检查、多模式集合预报、秸秆焚烧火点判定、预警联动机制研究、GIS自动化处理和表达等关键技术.在上海世博会期间,实时监控和预测了长三角区域空气质量状况和变化趋势,发布了5次大气...     

手机获取环境空气监测信息的方

为满足了社会公众实时查询区域空气污染物实时状况和日变化，监测点空气污染指数和对应的SO2、NO2、CO、PM10的质量浓度，以及气象信息、空气质量日报、预报信息的需求，基于KJAVA在嵌入式系统上的应用技术，建立了手机GPRS无线通信环境空气质量信息查询分析系统。     

美国 AIRNow 空气质量动态发布技术在上海的应用

美国EPA开发的AIRNow系统是国际先进的环境空气质量信息管理和发布系统,具有空气质量数据管理自动化、环境产品丰富、发布及时、质量保证和控制（QA/QC）数据审核快速等优点,可通过明确的数据交换协议和原则,实现地区性数据交换和共享。该技术在上海市环境空气质量日报预报系统中得到应用、整合和二次开发,并实现了2010年上海世博环境空气质量数据的实时发布,为中国未来环境空气质量的动态发布提供了重要的技术示范。     

长三角区域环境空气质量预测预警体系建设的思考

世博会期间长三角区域空气质量自动监测网络和数据共享平台的成功搭建和有效运行,为探索长三角区域空气质量预测预警长期合作模式提供了宝贵的经验和启示。需要建立全方位区域空气质量监测网络和数据资源共享系统、源排放清单、开发区域多模式集合预报系统,构建区域多层面运作机制和会商制度,建设一批专业技术和复合型人才队伍。区域不同层面有效的管理体制机制的保障是区域环境空气质量预测预警体系的基础支撑。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

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。     

空气质量预报在世界互联网大会中的应用

为支持世界互联网大会期间大气污染管控工作，利用人工结合数值模式预报的方式在第二届到第五届世界互联网大会期间开展空气质量预报工作。多模式系统中WRF-CMAQ对乌镇及浙北区域大气污染变化的趋势模拟最好，2016—2018年对AQI日均值模拟的平均分数偏差（MFB）和平均分数误差（MFE）分别为-1.3%~1.6%和24.3%~28.3%。会前48 h、72 h和96 h空气质量等级预报准确率分别为37.5%~83.3%、33.3%~90.0%和0~89.9%。会议期间乌镇的AQI日均值48 h预报准确率为33.3%~100%，等级预报准确率为66.7%~100%。与日常空气质量预报不同，会议期间预报还应重点关注大气污染过程，如有污染可能性，需要给出污染过程的起始时间、持续范围和浓度峰值等情况及其关键时间节点，有针对性地提出大气污染管控的措施建议，为会议期间空气质量保障提供技术支撑。     

LaSVM-based big data learning system for dynamic prediction of air pollution in Tehran

Due to critical impacts of air pollution, prediction and monitoring of air quality in urban areas are important tasks. However, because of the dynamic nature and high spatio-temporal variability, prediction of the air pollutant concentrations is a complex spatio-temporal problem. Distribution of pollutant concentration is influenced by various factors such as the historical pollution data and weather conditions. Conventional methods such as the support vector machine (SVM) or artificial neural networks (ANN) show some deficiencies when huge amount of streaming data have to be analyzed for urban air pollution prediction. In order to overcome the limitations of the conventional methods and improve the performance of urban air pollution prediction in Tehran, a spatio-temporal system is designed using a LaSVM-based online algorithm. Pollutant concentration and meteorological data along with geographical parameters are continually fed to the developed online forecasting system. Performance of the system is evaluated by comparing the prediction results of the Air Quality Index (AQI) with those of a traditional SVM algorithm. Results show an outstanding increase of speed by the online algorithm while preserving the accuracy of the SVM classifier. Comparison of the hourly predictions for next coming 24 h, with those of the measured pollution data in Tehran pollution monitoring stations shows an overall accuracy of 0.71, root mean square error of 0.54 and coefficient of determination of 0.81. These results are indicators of the practical usefulness of the online algorithm for real-time spatial and temporal prediction of the urban air quality.     

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%。     

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O3,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。     

最优化集成方法在城市臭氧数值预报中的应用研究

基于多模式(NAQPMS、CMAQ、CAMx、WRF-Chem)空气质量数值预报业务系统的滚动预报结果,结合站点观测资料,评估了最优化集成方法在城市臭氧数值预报中的可行性和预报效果。一年的评估结果表明:当训练期为15 d时,最优化集成方法能够得到相对较好的结果。总体而言,最优化集成方法对城市臭氧浓度变化趋势和浓度水平的预报效果明显优于单个模式,且在大部分城市优于多模式的最优预报,其预报值和观测的相关系数提高0.11以上,均方根误差降低约10μg/m~3;该方法对城市臭氧污染等级的预报能力也明显优于单个模式,特别是轻、中度污染。此外,在模拟偏差较大的城市,最优化集成方法对预报效果的改进更为显著;在模拟偏差较小的城市,该方法仍可进一步提升预报效果。     

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。