CMAQ模式及其修正技术在上海市PM_(2.5)预报中的应用检验

利用CMAQ空气质量数值预报模式对上海市PM2.5浓度进行预报,选取10个囯控站点监测数据对预报进行验证评估.结果表明,CMAQ模式开展能够较好地模拟出PM2.5的时间变化趋势及浓度水平,但总体处于低估的水平,偏低幅度约25%,尤其在高污染阶段,模式的低估更为突出,达32%,这与污染源清单的不确定性有关.为提高PM2.5预报准确度,采用学习型线性回归方法对PM2.5浓度的数值预报结果进行修正,统计检验结果显示修正预报准确率由原来的76.4%提高到了79.3%,污染预报成功指数由56.4%提高至72.1%,明显提高了PM2.5浓度的预报效果,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性.     

基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

美国环保局第三代空气质量预报和评估系统

美国环保局研制的第三代空气质量预报和评估系统(Models-3)。Models-3由程序管理、科学管理、模式构架、数据库管理、决策管理、软件管理以及研究设计七大部分组成。其中最主要的是程序管理部分。它由中尺度气象模式、排放模式以及通用多尺度空气质量模式三大模式组成。三大模式的核心是通用多尺度空气质量模式(CMAQ)。中尺度气象模式为CMAQ提供气象场的数据；排放模式为CMAQ提供排放物的资料；CMAQ则利用上述的数据资料对污染物在空气中的物理和化学过程进行空气质量的数值预报。文章给出了一个个例的预报结果。     

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。     

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。     

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ(Community Multiscale Air Quality Model)模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.     

中山市空气质量预报效果的分析与评估

准确预报城市空气质量对公众和政府部门掌握未来空气质量、制定相关政策具有重要作用。本文对比分析了中山市NAQPMS、CMAQ、CAMX数值预报和人工研判综合预报4种预报方式的空气质量预报效果。结果表明人工研判综合预报准确率最高。建议优化模式预报,加强预报人才的培养和管理,加大与气象部门的合作,以提高空气质量预报工作的效果。     

计算机建模及其在空气质量模拟和预测中的应用

计算机建模在工程技术、生产管理、军事指挥、交通物流、生命科学乃至社会人文领域均得到广泛的应用.详细论述了计算机建模在空气污染治理中的运用并深入探讨了其优势和局限性.首先介绍了目前空气质量模型的分类,对比了各类模型的建模机理和算法.接着以广泛应用的CMAQ模型为代表,分析了欧拉三维格点模型在模型结构和区域性环境规划方面的优势,着重介绍了最新发布的CMAQ 5.0,论述了它的各项新特征如何提高其在模拟环境污染物浓度方面的准确度.接着结合实例详细介绍了CMAQ及其敏感度模块在空气质量预警预报和大气污染控制方案评估、决策中的应用.最后对空气质量模型的发展趋势进行了总结与展望,针对其局限性提出建设性意见并指出了今后的模型发展方向.     

城市空气质量数值预报方法研究

城市空气质量数值预报,在时空分辨率和预报客观性方面具有明显优势,是未来城市空气质量预报的主要发展方向。以济南市为例,探索建立了一套较为成熟的城市空气质量数值预报方法。该方法采用高分辨率对流层化学模式系统为预报模式基础,同时根据济南市特点对模式系统进行修正,取得了较好的预报效果。此外,该模式系统由于能够较为准确地模拟城市范围内污染物的时空分布,在城市空气污染防治规划方面具有较为广泛的应用前景。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

深圳市环境空气质量达标研究

深圳市影响空气质量的污染物包括PM2．5、O3和NO2。运用CMAQ空气质量模型,对深圳市周边城市设置了4套达标情景并开展模拟评估。结果表明,要降低PM2．5浓度应以控制颗粒物一次排放为重点,在2012年基础上PM10和PM2．5分别减排45％和55％以上才可较好地实现大气污染防治目标。达标情景对O3污染的控制效果并不显著,可能与周边城市VOCs控制力度不足相关,要降低O3浓度,必须控制VOCs污染排放。     

MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响

评估了为公共多尺度空气质量模式(CMAQ)提供气象输入场的第五代NCAR/Penn State中尺度 (MM5) 模式与天气研究和预报(WRF)模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区SO₂和NO₂源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(SO₂),ρ(NO₂)预报的影响及其物理机制.结果表明:WRF模式模拟的各气象要素准确性优于MM5模式,其中MM5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响CMAQ空气质量预报的关键气象要素,这2个参数的变化对ρ(SO₂)和ρ(NO₂)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(SO₂)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(SO₂)的贡献减小;而ρ(NO₂)模拟误差减小的主要原因是化学反应过程对ρ(NO₂)的贡献明显减小.      

长江三角洲地区大气O3和PM10的区域污染特征模拟

以TRACE-P污染源资料及上海市地方排放清单为基础,采用Models-3/CMAQ环境空气质量模型和中尺度气象模式MM5,模拟研究了2001-01和2001-07长三角近地面二次污染物O₃及PM₁₀的浓度分布及输送状况,并以上海市国控点2001年冬、夏季各10 d的小时监测数据对模型进行了验证.验证结果显示,Models-3/CMAQ对O₃和PM₁₀的模拟结果与监测值的相关系数分别为0.77和0.52;一致性指数分别达到0.81和0.99.模型对O₃小时最高浓度的估算偏低27%,标准偏差为-3.1%;对PM₁₀小时平均浓度的估算偏低10%,标准偏差为46%.模型已具备再现和模拟长三角大气污染输送过程的能力,且误差落在可接受的范围之内.模拟结果显示,2001-07长三角区域16个主要城市中,有14个城市O₃小时最大浓度超过国家二级标准,高浓度O₃可覆盖苏南和浙北广大区域.2001-01泰州、扬州、南京、镇江、常州等城市受本地排放源和北部大气污染输送的影响显著,大气PM₁₀日均浓度超过PM₁₀国家二级标准.长三角地区环境空气质量与污染类型受大气污染传输与化学转化的影响十分明显.夏季太阳辐射较强时,南部城市排放的污染物常以二次污染物的形式影响下风向城市;太阳辐射较弱的情况下,则以一次污染物输送为主的形式影响周边地区.冬季长三角区域颗粒物污染总体水平较高,这与我国北方地区排放的颗粒物在西北风作用下向长三角输送造成的影响密切相关.长三角地区的大气污染已逐渐从局地转为区域问题.     

Models3在北京地区PM_(10)模拟应用中的三维系统检验

为研究北京地区大气PM10的变化规律和三维空间结构,文章基于Models3/CMAQ空气质量模式,利用北京及周边省市详细调查的污染源数据,采取双层网格嵌套技术建立起适用于北京及周边地区的大气PM10数值模拟系统。为了检验该模式系统的准确性和可靠性,文章将模拟结果与北京市城近郊区7个地面站近2500h的逐时地面监测数据以及一次典型污染过程的激光雷达垂直观测记录分别进行了对比分析,结果表明,该模式系统较好的反映了北京地区PM10浓度三维时空分布特征,是研究华北地区复杂地形下大气PM10传输及演变规律的一个有效工具。     

基于CMAQ的大气环境容量计算方法及控制策略

利用空气质量模型CMAQ建立了真实条件下基于不同达标率的大气环境容量计算方法,为大气环境质量管理提供了科学依据。采用CMAQ建立研究区域的空气质量模型系统,设置多层嵌套网格(最小网格分辨率3km),获得了2006年1月、4月、7月、10月(四季代表月)的小时污染物浓度值。通过调整研究区域的污染源排放量,并结合空气质量监测数据和环境空气质量标准,建立了不同污染物的达标率与环境容量关系曲线。研究证明,该方法可以确定可吸入颗粒污染物、二氧化硫和二氧化氮在不同达标率下的大气环境容量,并充分反映三种污染物环境容量的季节性变化特征。研究结果不仅有利于环境管理者制定针对研究区域的空气总量控制方案,还有助于构想基于季节性变化的污染控制策略。     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

南京市秋季细颗粒物及臭氧生成敏感性初探

为考察江苏省南部地区重点排放源对南京市秋季细颗粒物(PM_(2.5))的贡献率及O_3生成敏感性,采用强力法针对特定排放源及污染物设置不同的排放情景,利用化学传输模拟系统Models-3/Community Multi-scale Air Quality(CMAQ)分析模拟区域内不同情景下地表PM_(2.5)及O_3浓度变化。2012年10月,电厂、钢铁和水泥的污染物排放对南京市PM_(2.5)浓度的平均贡献率分别为6.0%、25.5%和15.9%,对国控站点的贡献率分别为7.2%、17.7%和16.2%。钢铁对下风向区域的地表PM_(2.5)浓度的影响显著高于电厂及水泥部门的排放。从不同情境下模拟O_3地表浓度变化结果看出,南京市城区及下风向区域的O_3浓度随VOC排放削减降低,随NO_x排放削减升高,因而判定南京市秋季O_3生成属于VOC控制区。