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。     

广东省空气质量等级预报准确性评估

对广东省空气质量等级预报准确性评估进行了探讨,结果表明,在不区分污染等级的情况下,2016年夏季广东各市的预报准确性差异较大,中山预报准确性达92%,是全省唯一一个准确性超过90%的城市,云浮最低,为53%。在区分污染等级时,实测为轻度及以上污染级别的情况下,各市的准确性普遍较低,仅佛山、东莞与广州的准确性达50%以上,而有11个城市的准确性为0。综合考虑不同污染级别的准确性得分后,佛山市排名第1,较不区分污染等级时的排名提前9名。指出,采用区分污染等级的预报效果评估办法更加适合广东空气污染较轻的区域。在首要污染物为臭氧的情况下,广东省平均的等级预报准确性低于首要污染物为其他物种的情况。     

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。     

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。     

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。     

2016年秋季新乡市空气质量模式预报效果评估

基于新乡市空气质量数值预报平台，采用相关系数（r）、标准化平均偏差（NMB）等统计指标，系统评估2016年秋季新乡市嵌套网格空气质量预报模式（NAQPMS）和通用多尺度空气质量模式（CMAQ）的预报效果，对比分析2套模式不同预报时效和不同水平分辨率的空气质量等级预报准确率。结果显示：2套模式均较好地表征了各主要污染物的浓度变化特征，2套模式的等级预报准确率高于60%，其中CMAQ对中度及重度的预报等级准确率达到70%。对比模式24、48、72 h 3种预报时效效果，24 h预报时效的统计数据最优，说明24 h预报时效模拟结果可作为业务预报重要的支撑。     

南京市空气质量预报效果评估及误差分析

基于2020年南京市空气质量实况数据及预报数据,评估了当年南京市空气质量预报效果,分析了预报偏差特征及其成因。结果表明,4个季节中,秋季的空气质量指数(AQI)预报准确率评分和综合评分最高,夏季的首要污染物准确率评分最高;4个季节均出现正预报偏差,其中夏、冬季偏差大于春、秋季;首要污染物误报率与季节相关,二氧化氮(NO_(2))和可吸入颗粒物(PM_(10))的误报率较高的原因是NO_(2)和PM_(10)作为首要污染物主要出现在春、秋季,而这2个季节4种主要污染物的空气质量分指数(IAQI)值非常接近,增加了预报员经验修正的难度。典型预报偏差个例分析结果表明,模式预报对于污染物质量浓度量级的预报偏差以及预报员对气象条件和前体物质量浓度变化关注不足,是导致最终预报出现低估的主要原因。     

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%。     

江苏省级区域空气质量数值预报模式效果评估

采用中国科学院大气物理研究所开发的嵌套网格空气质量模式系统(NAQPMS),搭建江苏省级区域空气质量数值预报模式系统,并测试了该系统对2013年夏季江苏省PM2.5质量浓度未来24 h预报以及7 d潜势预测的效果。结果表明,该系统成功应用于江苏省的空气质量预报;所有地市的24 h预报效果均在合理范围内(平均分数偏差小于±60%且平均分数误差小于75%);7 d潜势预测效果比24 h预报效果略差,整体能准确把握PM2.5质量浓度的变化趋势。     

广州市污染季节空气质量预报效果评估及误差分析

基于广州市2016年第四季度空气质量实测及预报数据,对广州市污染季节空气质量预报效果进行了评估,结果表明,2016年第四季度广州市空气质量级别预报准确率83.7%、AQI范围预报准确率67.4%、首要污染物预报准确率67.2%、综合考核评分87.4分、相关系数0.78,预报效果总体良好,预报准确率在优良级别时相对较高,而在轻度污染以上级别时相对较低。预报误差分析表明,气象预报精细化程度不足、模式预报不确定性等客观因素,预报员缺乏对污染过程物理化学机制的深入理解等主观因素共同导致了预报的误差。     

2015—2017年江苏省秋、冬季空气质量状况

采用2015—2017年秋、冬季江苏省环境空气质量监测数据,从空气质量优良(达标)率、首要污染物、主要污染物浓度分析空气质量现状及特点。结果表明,江苏省秋、冬季空气质量优良(达标)率在60%左右,其中沿海地区空气质量达标率最高(71.1%),西北地区达标率最差(52.2%)。污染日的首要污染物主要为PM 2.5,占比高达91.5%。ρ(PM2.5)/ρ(PM 10)存在地区差异,江苏西北地区扬尘源贡献较大,江苏南部地区的二次颗粒物贡献更明显。ρ(NO2)/ρ(SO2)逐年持续升高,表明大气污染类型从燃煤性污染转变为复合型污染。     

天津市基于新标准的空气质量预报模型效果评估

利用2015年环境空气质量监测数据,对天津市OPAQ空气质量统计预报模型预测效果进行验证评估。结果表明,模型对天津市AQI和PM_(2.5)、PM_(10)、O_3、NO——2的预测结果与实测结果具有较好的趋势一致性,且预测时间越临近,拟合度越好,24 h预报的相关系数r全部达到0.8以上。对PM_(2.5)的预报性能明显优于PM_(10)、O_3和NO_2,PM_(2.5)平均值预测略呈正偏差,但重污染预测值偏低约15%;O_3和NO_2预测值呈明显负偏差,O_3峰值预测不足,NO_2预测值整体偏低,均以24 h预报趋势性最好,但负偏差最为突出。     

达州市城区环境空气质量变化趋势及CMAQ模型预报分析

利用Spearman秩相关系数法、污染日历图、浓度分析法和CMAQ预测模型研究了达州市城区2015—2019年空气质量状况。结果表明:2015—2019年,达州市城区O_3浓度变化趋势为显著上升(P0.05),季度变化明显,8月易发生因O_3超标导致的轻度污染状况;CO年均值变化趋势为显著降低(P0.05);NO_2年均值呈上升趋势,但尚未达到显著水平(P0.05);SO_2、PM_(10)和PM_(2.5)年均值呈下降趋势,但变化趋势不明显(P0.05)。2019年,1月和12月污染最重,PM_(2.5)超标是主因,PM_(10)和PM_(2.5)年均值达标形势严峻,全年一半以上天数的PM_(2.5)浓度超过年均值二级标准限值,PM_(10)也近半;NO_2年均值达标形势严峻,全年212 d超过年均值二级标准限值。CMAQ模型对不同污染指标的预测准确率不同,预测PM_(2.5)浓度、首要污染物和空气质量等级时的准确率不及人工预测,预测AQI时的准确率高于人工预测,更多污染指标的预测比较还有待进一步研究。     

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。     

基于遥感数据的京津冀地区PM2.5时空分布特征

基于MODIS AOD遥感数据,采用多元线性回归模型对PM2.5地面监测数据进行模拟估算,同时加入降水量、相对湿度等气象因子以提高模型精度,结合GIS空间分析技术,得到2015—2016年京津冀地区空间连续的PM2.5浓度分布。结果表明:利用多元线性回归模型反演PM2.5浓度效果较好,R 2均在0.59~0.84之间。在时间上,京津冀地区PM2.5浓度呈现出夏季最低、秋季稍高、冬春两季最高的变化趋势;在空间上,2015年和2016年京津冀地区PM2.5浓度有明显的区域差异,均呈现出西北低、东南高的分布格局,大致与燕山山脉和太行山脉走向一致。     

Air Quality and Monitoring Strategy in the Helsinki Metropolitan Area, Finland

The Helsinki Metropolitan Area Council (YTV) is responsible for air quality monitoring in the Helsinki area. Air quality has been monitored periodically since the late 1950s. An automatic SO2 monitoring network was constructed in 1975 and TSP measurements were added in 1978. Since then the network has been expanded and currently five automatic multicomponent stations form the basis of the network monitoring SO2, NO, NO2, CO, PM10 and O3 concentrations. Manual TSP and PM10 measurements are also conducted. Mobile monitoring units are also being used as well as special measurement campaigns. The effects of air pollution on nature are studied in bioindicator monitoring. An air quality index is used in order to inform the public of the current air quality situation. Changes in air quality are reflected in monitoring strategy. SO2 concentrations have decreased in the past two decades. Annual averages in 1995 were at or below 5 µg/m3. Traffic is the major source for pollutants even though catalytic converters have lowered traffic emissions somewhat. The highest annual average NO2 concentration at an urban site was 49 µg/m3 in 1995, and there has been no clear change in NO2 levels. There has been a decreasing trend in CO concentrations. Maximum annual TSP and PM10 averages in 1995 were 92 and 32 µg/m3, respectively. The highest average lead concentration was 0.01 µg/m3. Elevated concentrations are experienced from time to time. During the spring daily TSP and PM10 concentrations can go up to around 300 and 150 µg/m3, respectively. This is caused by resuspension mainly due to street sanding. Also a major winter NO2 episode occurred in December 1995. The highest hourly NO2 concentrations reached 400 µg/m3.