混合层高度的估算方法及应用

一、引言混合层高度的研究是空气污染气象学研究的重要课题之一。关于它的估算方法和应用,国内外都做了不少工作。利用混合层高度和平均风速资料进行空气污染潜势预报比较客观,能对不同地区的预报进行比较,从     

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。     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

CO中毒的环境气象因子分析及预测方法研究

利用2006年9月~2007年3月全国CO中毒病例资料,选取日发病人数为8人以上的CO中毒事件发生日作为样本,对CO中毒的气象条件进行了分析研究.结果表明,微风或者静风、大气层结稳定的气象条件不利于CO气体的扩散,同时,气温变幅较小、气压下降、云量多和气体湿度大也可能间接导致CO中毒事件的发生.用风速、大气稳定度、24h变温、24h变压、总云量和相对湿度作为预报因子,利用阈值加权平均的方法,初步建立了区域性CO中毒气象潜势预报模型.     

基于聚类与多元回归的空气质量预报模型开发

为了方便准确地预测空气污染物浓度,基于气象因子聚类与多元回归的方法,以广东省顺德区为例开发了空气质量统计预报模型。预报模型能够较好地模拟出顺德区NO2、SO2、CO、PM10、PM2.5日均浓度和O3日最大8 h浓度水平和变化趋势,模型的模拟结果与实测值具有较高的相关性(相关系数R约为0.76),标准化平均偏差为1.2%~13.4%,标准化平均误差为14.2%~30.3%,模型普遍略为高估各项污染物浓度水平。预报模型具有简单易行、节约人力物力、准确可靠等优点,适用于地级市及区县空气污染物的预报。     

合肥市O3污染时空变化特征及影响因素分析

为掌握合肥市大气环境中O_3的时空变化特征及其影响因素,对合肥市2013—2015年空气质量监测数据和气象参数进行系统的分析.结果表明,合肥市O_3污染在夏、秋季节有逐渐加重的趋势,尤其是城市中心区域,呈显著的季节特征和日单峰性;O_3易在风速小于3.3 m·s-1、相对湿度介于50%~60%、地面气压低于1020 h Pa和日平均气温介于25~28℃的气象条件下出现浓度峰值;合肥市O_3浓度与NO2和VOCs分别存在显著的负相关和正相关关系,其中,烯烃、烷烃、芳香烃和炔烃对O_3生成潜势(OFP)的贡献值依次增大.O_3浓度可通过前一日O_3浓度、相对湿度、平均气温、PM2.5、当日8:00风速、平均气压及NO2等参数建立良好的统计预报模型,非标准化可决系数R2高达0.559.     

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.     

中国环渤海地区SO2和NO2干沉降数值模拟及影响因子分析

利用耦合了Wesely大叶阻力干沉降模型的嵌套网格空气质量预报系统NAQPMS,对环渤海地区SO2和NO2的干沉降敏感因子、干沉降通量、空气质量进行模拟分析.结果表明,大气稳定度、太阳辐射、季节、下垫面类型为干沉降的主要敏感因子.大气越稳定,干沉降速率越小.太阳辐射越强,干沉降速率越大.SO2早秋干沉速率最小,冬季最大;NO2春、夏、早秋、晚秋的干沉降速率大致相同,冬季最小.SO2的干沉降速率在水面上较大,在沙漠上较小;NO2的干沉降速率在农田上较大,在水面上较小.由于不同敏感因子的共同作用,使得环渤海大部分地区SO2干沉降通量密度为0.05~0.25mg/(m2×s),NO2干沉降通量密度均为0.05~0.30mg /(m2×s),高值区均主要分布在河北南部、山东西北部以及辽宁中部的部分地区.干沉降通量密度从大到小依次为秋季、春季、冬季和夏季,白天干沉降通量密度普遍大于夜间,且在渤海海面上也有一定的干沉降通量.由于干沉降、源排放、输送等作用的共同影响,使得环渤海地区SO2平均浓度为(5~20)′10-6,NO2平均浓度大致在(20~60)′10-6,高值区主要出现在河北南部、山东西北部以及辽宁中部的部分地区.夏季个别地区浓度较高,大部分地区浓度较低,春、秋、冬3季大部分地区浓度较高.     

华北地区冬半年空气污染天气客观分型研究

利用2013—2016年冬半年ERA-interim再分析资料,以及同期空气污染资料、地面常规气象观测资料和探空资料,采用PCT (Principal Component Analysis in T-mode)客观分型方法对华北地区冬半年海平面气压场进行天气分型,并探究不同月份不同天气型对应的空气污染状况及污染气象参数分布特征,进而从污染气象学的角度揭示重污染潜势天气型的气候特征.结果表明:冬半年海平面气压场共对应9种天气类型,其中,5型(均压场型)、6型(高压内部型)和8型(高压后部型)为3种重污染潜势天气型,冬半年对应的PM_(2.5)均值浓度分别为144.11、136.99和148.26μg·m~(-3),而1型(T型高压前部型)和3型(低压底部型)为两种清洁天气型,冬半年对应的PM_(2.5)均值浓度分别为97.12和80.83μg·m~(-3);重污染潜势天气型对应的边界层结构呈现出稳定能量大、混合层厚度和通风系数小的大气层结稳定的静稳天气特征,其能够反映大气污染潜势;研究还发现,即使是同一天气型,其在不同月份对污染物的扩散影响也存在差异,因此,建议在今后的污染潜势天气型研究中分月份进行.本研究可为华北地区空气污染潜势预报及大气重污染预报预警的客观化、自动化提供科学依据和技术支持.     

福建省滑坡灾害气象预警的研究

依据福建省滑坡灾害和降雨量历史资料,分析福建省滑坡灾害的分布特征;选取降雨因子作为气象因子,24h预报雨量R24和前期累积雨量∑R作为预报因子,将预报因子分别划为5和7个等级;采用统计学方法对不同雨量级别下滑坡灾害发生的频次进行统计,结合预警等级,初步制作了福建省滑坡灾害气象预警判据表,从而对福建省滑坡灾害的气象预警预报进行研究。结果表明:福建省滑坡灾害分布广泛但不均匀,年内主要集中在每年的5—8月份,与降雨量年内分布特征基本一致;福建省滑坡灾害气象预警可划为五级,各等级运用相应的方式向用户提供信息或发布通知。     

京津冀地区重污染天气过程的污染气象条件数值模拟研究

通过采用全球再分析格点资料的统计分析和WRF中尺度数值模拟,从天气学和大气边界层气象学角度分析了2013年12月和2014年2月两次重污染过程中京津冀地区天气尺度大气停滞气象条件和大气污染扩散气象条件的特征及其作用,并根据WRF模式精细化模拟结果分析了太行山和燕山对京津冀地区城市大气污染形成的作用.研究结果表明,两次重污染天气过程中京津冀地区500 h Pa等压面上的平均风速均表现为明显的气候异常特征,500 h Pa平均风速较近10年同期分别下降了约30.8%和50.4%,大气停滞系数较近5年同期分别偏高10%和20%以上;京津冀地区发生严重污染时,WRF模式模拟的日平均混合层高度低于200 m,日平均地面10 m风速低于2 m·s-1,日平均通风量可降低到1000 m2·s-1以下,空气质量指数与日平均通风量成负相关,重污染期间的平均通风量比近5年同期平均通风量偏低29.3%~52.8%,这些不利于污染扩散的天气条件持续数日,导致了重污染天气的发生.此外,太行山对西风气流的阻挡是河北中南部地区大气污染加剧的一个重要原因,而当主导风向为偏南风时,偏南气流遇燕山后或转向回流、或爬坡,导致近地面风速减小,不利于污染物扩散,亦加剧了京津冀地区中南部城市的大气污染.     

河北省大气污染时空变化特征及其影响因素

河北省是中国污染最严重的省份,研究该省大气污染的时空变化与影响因素具有十分重要的意义。利用逐日空气质量指数（AQI）、气象要素观测资料以及社会经济数据,统计分析与空间分析法结合分析了河北省AQI时空变化特征及其与影响因素的定量关系。结果表明：河北省大气污染主要发生在中西部和南部,尤以邯郸、邢台与石家庄等地最为严重,北部地区相对较少。河北省AQI总体呈现逐年减少的趋势,2014—2018年河北省平均AQI线性趋势为-8.845/年,而且与风速、气温、降水、GDP、人口、电力消耗量和第二产业呈现显著负相关关系,而和NO_x与SO₂的排放量呈正相关。气候条件是河北省大气污染的诱导因素,而人为排放是河北省大气重污染的主要因素。随着河北经济的飞速发展,大气污染综合防治经费的投入增加,河北省经济增长与环境污染处于反向阶段,大气污染与经济发展的非线性关系早已过了环境库兹涅兹曲线（EKC）“拐点”。研究结果可为河北省空气污染治理提供理论依据。     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

中国空气污染指数变化特征及影响因素分析

以2001～2010年我国42个城市逐日空气污染指数、主要污染因子、空气质量级别和空气质量状况资料为基础,分析了近10 a我国空气质量的变化特征.结果表明,我国城市大气受燃煤影响较为严重,可吸入颗粒物为主要污染因子,空气质量状况以优、良和轻微污染居多;空气质量季节变化明显,冬季空气污染最严重,夏季最轻;从年际变化看,空气质量表现出逐年好转趋势;城市大气环境质量在区域上存在显著差异,表现为由南到北、从沿海到内陆逐渐变差的趋势.对空气污染影响因素的分析表明,局地污染和西北地区沙尘传输造成的自然降尘是我国城市空气质量的主要污染源;气象要素对大气污染物有制约关系,空气污染指数与降水量、风速、逆温线性相关;地形的空间差异影响着气象条件的分布,进而对空气质量的空间变化产生影响;人类活动对城市空气质量也存在一定的影响,且具有双重作用.     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

城市空气污染指数改进方案及论证

为进一步改进和完善我国城市空气污染指数(API),分析比较了国内外空气污染指数计算方法.提出了5种改进方案,这些改进方案均将计算时段调整为00:00—23:00.其中,方案1仅对计算时段进行了调整,方案2 增加了CO和O₃指标,方案3,方案4和方案5又增加了PM_2.5指标,且ρ(PM_2.5)限值依次加严.分别以新疆乌鲁木齐和广东广州2个城市的2009年空气质量监测数据对5种方案展开论证.结果表明:方案1和现行API差别不大;方案2对以煤烟型污染为主的乌鲁木齐市影响不大,但使广州市的空气质量超标天数增加,超标率达到36%,O₃为首要污染物的天数占全年的比例达到43%,比现行API更好地反映了O₃污染;方案3,方案4和方案5中优良天数明显下降,灰霾日空气质量超标率达到53%～89%,灰霾日中首要污染物为PM_2.5的天数增加,上述方案能更好地反映我国东部发达地区面临的复合型空气污染状况.基于以上研究结果,提出了空气污染指数改进建议.      

斜剖面图的设计及在PM2.5中期潜势预报中的应用

本文将强降水潜势预报的“配料法”原理引入到环境预报中,选取ECMWF数值预报产品中的700hPa相对湿度、1000hPa风向风速和850hPa温度作为气象要素“配料”,沿占比最多的冷空气输送路径穿过华北重污染区和上海,设计制作了未来10d气象要素“配料”时空斜剖面图,并具体定义了业务中常见的典型污染过程（冷空气输送、干静稳和湿静稳累积）和清洁过程（冷空气清洁、湿沉降清洁）共5种图形的识别特征.该斜剖面图由于融合了单站时序图和单时次空间面图的优点,无需一张张翻阅天气形势图,显著缩短了看图分析时间;斜剖面图还建立了气象要素图形特征、污染气象条件和PM_2.5污染潜势三者的对应关系,通过图形特征可以快速掌握区域内天气形势演变情况,识别出上述典型污染和清洁过程,最终得出PM_2.5中期污染潜势,便于在业务中应用和推广.一次典型污染个例应用显示,斜剖面图和污染实况的图形型态特征非常相似,斜剖面图中静稳累积和冷空气输送过程图形特征辨识度高,区域和单站提前5d的预报结论和实况较为一致;进一步评估显示,2018年冬季期间预报时效5d以内的TS评分维持在0.32~0.50区间,未来10d的预报准确率维持在74.4%~86.7%区间.     

气象条件变化对呼市地区大气污染的影响

利用1995至2002年呼和浩特市区空气污染物PM10、TSP、NO2、NO2、SO2浓度的实际监测数据与同期的地面要素场资料、大气边界层气象参数和地面天气图分析了污染物浓度与气象条件的关系及气象条件变化对呼市地区污染物浓度变化的影响，讨论了污染物浓度变化规律的成因。在此基础上用逐步回归方法建立了不同季节呼市地区空气污染浓度统计预报模型。