大气污染预测系统

利用计算机建立的大气污染预测系统,是根据污染区域内的污染监测资料和相应时间的气象资料建立的.该系统能预报出预测区域未来24小时大气污染的天气动态模式和大气扩散模式,从而预报出预测区域内可能出现的污染状况.     

城市空气污染预报的特点及方法

论述了城市空气污染气象特征及城市空气污染与排放条件，从而证明城市空气污染预报的范围、时效及内容，并结合我省实际，介绍了空气污染预报系统中的几种主要方法。空气污染预报系统中的主要方法可按预报模式性能的不同，可分为潜势预报、统计模式和数值模式预报。按污染预报的要素不同，可分为污染潜势预报和污染浓度预报。     

城市小区气象条件与污染扩散精细预报研究

从城市小区气象条件与污染扩散精细预报的科研需求和城市大气环境应急响应的应用需求出发,利用新一代全球/区域同化预报系统、城市小区尺度气象和污染扩散模式以及城市尺度污染扩散模式,对城市小区气象条件与污染扩散进行了精细预报试验,并进一步研究了城市小区尺度气象和污染扩散的精细模拟对城市尺度污染扩散模拟的影响.初步建立了城市小区气象条件与污染扩散精细预报方法,即:气象部分由全球到小区逐级单向嵌套、污染部分由小区到城市逐级单向嵌套的方法.预报试验结果表明,这种方法是合理可行的.小区尺度精细模拟对城市尺度污染扩散模拟的影响较大,但其模拟效果还有待利用观测资料进一步验证.     

数值预报方法在广州空气质量预报中的应用

空气污染预报涉及到多介质、多界面、多物质之间相互作用和耦合的多学科问题,文中概括地论述了空气污染数值预报的基本特征(尺度及预报时效、时空分辨率、多物质性、理化生过程耦合、城市空气污染气象与污染物排放特征);数值预报系统的基本构成(气象场预报和浓度场预报);模式原始资料的收集、分类整理,边界场、背景场和初始条件的处理;计算过程中Meso-α模式和Meso-β模式资料同化的处理以及数值预报模式系统的实际业务操作的及时性、可行性和准确性均作了细致深入的探讨.     

几种大气污染扩散模式的应用比较

几种大气污染扩散模式应用比较表明:CAPPS模式应用于国内一些城市空气污染预报,方法简单;NAQPM模式对物理、化学过程的处理、气象场模拟、污染源排放、地域环境特征、数据处理分析与计算均采用较为科学的方案;ISC在污染源排放清单和气象参数确定方面更加细致、准确;ADMS的主要特色是应用的多功能性,主要用于环境容量测算、环境质量评价方面以及大气污染预报等;Models-3模式对各种大气污染物浓度分布实施有效预测,进行较为全面的空气质量控制策略的评估.大气污染扩散模式的不断完善,使得空气质量控制和管理更加富有成果.     

厦门市霾天气和空气质量预报系统及其应用

厦门市霾天气和空气质量预报系统以WRF/CMAQ数值模式为基础,以GFS气象资料为驱动,以多种污染物的浓度的分布和变化为输出结果的预报系统。通过对一次轻度污染过程预报效果对比分析,可以发现该系统能较好的预报出区域内的污染物的变化特征,但仍存在一定的偏差。探讨预报效果的检验方法和订正,优化系统输出结果等需要进一步在业务化工作中不断完善。     

环境空气质量监测预报预警系统

正中科宇图环境空气质量监测预报预警系统是基于环境空气质量多模式集合预报技术(集成NAQPMS模型、CMAQ模式、CAMx模式、中尺度气象模式)、空气质量条件指数预报技术、大气后向轨迹分析技术,开发的集空气质量监测数据、气象观测数据、污染源等基础信息接入、传输、管理以及空气质量预报结果会商、制作、发布于一体的决策支持系统。     

城市环境空气污染预报研究进展

主要介绍了城市环境空气污染预报的方法,综述了城市环境空气污染预报的国内外研究现状,主要介绍了美国第三代Momdel-3 CMAQ模式系统和中国科学院大气所的嵌套网格空气质量预报系统(NAQPMS),以及最新的多模式污染预报技术,本文最后指出中国目前的大气环境形势比较严峻,城市环境空气污染预报模式还存在一些问题,并探讨了今后的发展方向。     

基于WRF-Chem模式的华东区域PM_(2.5)预报及偏差原因

介绍了基于WRF-Chem在线区域化学/传输模式和INTEX-B与MEIC人为源排放清单建立的华东区域大气环境数值预报业务系统,并利用PM_(2.5)监测数据评估了该系统在2013年11月1日~2014年1月31日和2014年11月1日~2015年1月31日2个细颗粒物高浓度阶段的业务预报效果.结果表明,华东区域大气环境数值预报业务系统具有较好的预报效果:2个阶段和3个时效(24,48,72h)的效果基本相当,不同阶段和预报时效的相关系数基本在0.7以上;各城市的相关系数基本在0.5以上,约1/2城市的平均预报偏差在25%以内,污染预报的CSI/TS评分达到0.55.预报效果呈现出一定的区域性特征,华东中北部相关系数较高,北部的偏差中值和均方根误差较大;不同城市之间的表现呈现出明显的差异.分类检验和重点城市检验的结果都显示,预报效果随污染程度加重而降低.数值预报多数较观测偏低,约3/4呈现负偏差,平均偏低20%~30%.气象-污染的双向反馈作用的不足可能是引起重污染预报效果下降的主要原因,人为源清单的不确定性也影响了其准确性的提升,因此还需要进一步提升该系统对高PM_(2.5)污染的预报能力.     

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

城市空气污染数值预报的技术关键

在分析城市空气污染数值预报要素的基础上,建立了包括污染源排放清单,气象中尺度数值预报模型MM5,ADMS-城市模型软件的城市空气质量预报系统。首次提出了空气质量环境背景值的确定等提高城市空气污染预报准确率的有效措施。     

城市空气污染数值预报模式系统及其应用

 介绍了城市空气污染数值预报模式系统,并利用该系统对济南市空气污染进行了预报.结果表明,该系统具有较好的预报性能;预报与实测值之间有较好的相关性;空气质量级别的预报效果更好,对SO₂、PM₁₀和NO₂ 3项污染物的级别预报准确率分别为84.6%,83.2%和94.6%,其总体级别预报准确率达到87.5%.研究结果还显示,济南市的SO₂污染已得到明显改善,机动车尾气污染相对较轻,而PM₁₀的污染比较严重,已上升为首要污染物,其来源、扩散、转化机制及其控制措施的研究是目前济南市面临的首要问题.     

Application of AERMOD on near future air quality simulation under the latest national emission control policy of China：A case study on an industrial city

Air quality model can be an adequate tool for future air quality prediction, also atmospheric observations supporting and emission control strategies responders. The influence of emission control policy (emission reduction targets in the national "China’s 12th Five-Year Plan (2011-2015)") on the air quality in the near future over an important industrial city of China, Xuanwei in Yunnan Province, was studied by applying the AERMOD modeling system. First, our analysis demonstrated that the AERMOD modeling system could be used in the air quality simulation in the near future for SO2 and NOx under average meteorology but not for PM10. Second, after evaluating the simulation results in 2008 and 2015, ambient concentration of SO2, NOx and PM10 (only 2008) were all centered in the middle of simulation area where the emission sources concentrated, and it is probably because the air pollutions were source oriented. Last but not least, a better air quality condition will happen under the hypothesis that the average meteorological data can be used in near future simulation. However, there are still heavy polluted areas where ambient concentrations will exceed the air quality standard in near future. In spatial allocation, reduction effect of SO2 is more significant than NOx in 2015 as the contribution of SO2 from industry is more than NOx. These results inspired the regulatory applications of AERMOD modeling system in evaluating environmental pollutant control policy     

区域大气环境模拟系统RegAEMS的研究进展

区域大气环境模拟系统RegAEMS是我国自主发展的空气质量模式之一,包含中尺度气象模式MM5/WRF/TAPM和大气环境模式AEM,并能与区域气候模式RegCM耦合,可以用于酸沉降、光化学烟雾、细颗粒物、重金属元素等大气污染的形成机理、模拟预测、管控对策、环境影响和气候效应研究.本文主要介绍RegAEMS的发展历程、框架结构和主要性能,重点介绍近期的模式改进和模拟验证情况.研究表明,改进的RegAEMS在硫酸盐、二次有机气溶胶、臭氧和氮沉降方面具有较强的模拟能力,可以用于区域大气复合污染模拟预测和管理控制的基础研究及业务应用.     

经济开放区大气环境容量规划研究——以东莞市为例

本文探讨了沿海经济开放区大气环境容量和规划研究的方法。在大气污染源调查、污染物监测、污染气象特征分析、区域容量计算、污染控制规划和大气排污许可证制度的实施等方面作了调查研究。并通过实例研究为东莞市大气环境管理提供了行之有效的对策和建议。     

AERMOD模型在大气环境影响评价点源预测中的应用研究——某城市集中供热点源预测为例

介绍了AERMOD模型,利用AERMOD模型,结合《环境影响评价技术导则》（HJ2.2-2008）（下称《导则》）中的相关规定,对某城市集中供热进行了环境空气质量影响预测与评价,并提出了相关结论和对策。     

区域环境大气质量评价专家系统

 立足于我国环境监测数据和我国专家经验建立了一个集数据库、知识库、方法库、模式库和图形库为一体的实用性区域环境大气质量评价专家系统。该系统可以进行现状评价、回顾评价、预测分析和控制对策分析。经天津市评价实例证明该系统具有可达性和实用性。     

北京市空气质量动态统计预报系统

简要介绍了北京市空气质量动态统计预报系统的构成、特点,以及所采用的线性回归模型LRM,分类判别树CART模型,CART与LRM结合的模型,动态统计预报模型DSM,多点预报模型MPDSM 5种预报模型,分析了不同预报模型的特点和性能.所建立的动态统计预报模型DSM有良好的预报性能,减小了在高污染季节的预报误差;多点空气质量动态预报模型也具有较好的预报性能.      

Impacts of pollution heterogeneity on population exposure in dense urban areas using ultra-fine resolution air quality data

Traditional air quality data have a spatial resolution of 1 km or above, making it challenging to resolve detailed air pollution exposure in complex urban areas. Combining urban morphology, dynamic traffic emission, regional and local meteorology, physicochemical transformations in air quality models using big data fusion technology, an ultra-fine resolution modeling system was developed to provide air quality data down to street level. Based on one-year ultra-fine resolution data, this study investigated the effects of pollution heterogeneity on the individual and population exposure to particulate matter (PM_2.5 and PM₁₀), nitrogen dioxide (NO₂), and ozone (O₃) in Hong Kong, one of the most densely populated and urbanized cities. Sharp fine-scale variabilities in air pollution were revealed within individual city blocks. Using traditional 1 km average to represent individual exposure resulted in a positively skewed deviation of up to 200% for high-end exposure individuals. Citizens were disproportionally affected by air pollution, with annual pollutant concentrations varied by factors of 2 to 5 among 452 District Council Constituency Areas (DCCAs) in Hong Kong, indicating great environmental inequities among the population. Unfavorable city planning resulted in a positive spatial coincidence between pollution and population, which increased public exposure to air pollutants by as large as 46% among districts in Hong Kong. Our results highlight the importance of ultra-fine pollutant data in quantifying the heterogeneity in pollution exposure in the dense urban area and the critical role of smart urban planning in reducing exposure inequities.