深圳市空气污染分区预报思路的建立

基于本市2005—2010年各区API日资料和污染日逐时资料、逐日气象要素资料、物理量因子,在对全市污染时空分布特征和各影响因素细致分析的基础上,运用典型天气形势和典型要素判定方法,在此基础上,进行气象要素的偏最小二乘回归提炼主要因子,建立污染天气预报思路,运用2011年重污染目的资料进行检验,结果表明：该种三级判定的方法预测污染小概率事件,吻合较好,为空气污染客观预报和高污染预警系统的建立提供依据。     

湖北省一次空气重污染过程的预报分析

针对2016年1月18日湖北省一次空气重污染过程,结合WRF-CMAQ模式、气团轨迹、MODIS真彩图、大气污染物和气象要素监测资料,探讨客观订正环节中区域空气重污染过程的预报方法和基本流程。结果表明:采用WRF-CMAQ模式数值模拟未来3 d湖北省首要污染物及其质量浓度和气象场的时空分布特征和演化过程,预测未来24 h湖北将发生空气重污染过程,结果呈现显著的空间分布特征。气团轨迹和MODIS真彩图分析表明1月17日最严重的霾主要分布在河南和安徽大部地区;途径河南和安徽的气团在未来48 h自北向南往湖北中部和东部传输。根据WRF数值预报,在18日0时弱冷空气南下影响湖北,并带来2～3级偏北风,对大气污染物的输入和积累创造有利的条件,湖北中东部地区空气质量将迅速恶化;至08时后,大气扩散条件有所改善,湖北空气质量将自北向南逐渐好转。     

2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.     

城市空气污染预报试探

本文利用风的污染指数,提出了一种空气污染预报方法,即在气象台站天气预报的基础上,进行逐日的空气质量指数预报。通过实测资料的初步检验,效果尚好。     

京津冀和长三角地区一次重霾过程气象成因及传输特征

基于气象数据和空气质量数据,研究了2016年12月29日~2017年1月8日京津冀与长三角地区一次大范围重度污染过程的特征及成因.结果表明,均压场、低边界层高度、静小风是本次重污染过程的主要气象特征,重污染过程的结束得益于后期气压梯度变大,水平扩散条件转好.此外,基于WRF-CMAQ（气象研究与预报建模系统及区域多尺度空气质量模型）模式情景分析法评价了区域传输和局地累积对本次重污染过程的作用,分析显示重污染前期当中东部地区受南风控制时,京津冀地区受长三角地区传输影响较大（15%~20%）,长三角地区以本地贡献为主;累积阶段,长三角地区本地贡献显著下降,受到京津冀地区的贡献明显上升（20%~30%）,京津冀地区主要受本地排放影响.传输通量结果显示长三角向京津冀输送的净通量峰值发生在重污染前期（-21.52t/d）,京津冀向长三角输送的净通量峰值发生在累积阶段（17.29t/d）,区域传输作用在1001~1478m之间最为活跃.     

北京市空气重污染天气类型分析及预报方法简介

利用2013年北京市PM2.5监测数据及气象资料,系统分析了北京市重污染日逐月分布及其对应的地面天气类型、气象要素特征。数据显示2013年北京市重污染日累计有58 d,占到全年天数的15.9%;北京市重污染日地面天气形势场可分为高压类、低压类、均压类3种类型,各占38%、41%、21%,重污染日PM2.524 h平均浓度为218μg/m3,均压类PM2.524 h平均浓度233.12μg/m3,高压类PM2.524 h平均浓度215.06μg/m3,低压类PM2.524 h平均浓度212.61μg/m3;重污染日地面气象要素主要表现为小风(1.69 m/s),湿度较大(68.6%),变压小(-2.86~0.85 h Pa),逆温(1.59~4.17℃/100 m);数值预报模式与统计模式相结合是北京市重污染日空气质量预警预报的方法体系。     

2013年夏季北京市一次空气重污染过程分析

结合WRF数值模式与气象、污染物观测资料,综合分析了北京市2013年6月29日-7月2日夏季一次空气重污染过程的特征、气象条件及成因。结果表明:重污染过程期间6月30日-7月1日细颗粒物平均浓度为184μg/m~3,平均风速为2.07 m/s,平均相对湿度为87.25%;24 h变温基本在-0.83~3.81℃之间,24 h平均变压在-3.59~-0.18 h Pa之间;北京及周边地区不利的气象条件是重污染形成的主要原因,局地累积及本地化学反应、周边地区秸秆焚烧输送又加剧了此次空气重污染的程度,形成了此次夏季罕见的重污染过程。     

广州逐时臭氧污染气象条件指数研究及应用

利用2016—2020年近地面臭氧和气象逐时数据,基于相关性分析和概率统计方法,在分析臭氧敏感气象要素特征基础上,综合各气象因子对臭氧生成贡献大小,建立了广州逐时臭氧污染气象条件指数模型及等级标准,并进行了预报及检验.结果表明：(1)高浓度臭氧主要发生在高温低湿情况下,臭氧浓度及臭氧超标率均随着气温的升高而增加,当气温高于30℃时,臭氧浓度随温度的变化升高更为明显;臭氧浓度和超标率随着相对湿度的升高而逐渐降低,其中,当40%≤RH<50%时,臭氧浓度及超标率最高;当风速在1～2 m·s^-1时,臭氧超标率最大.(2)对所建立的广州本地化的逐时臭氧污染气象条件指数模型和分级标准进行了检验评估,结果显示,臭氧污染气象条件指数等级越高,臭氧浓度和超标率也越大,说明该指数能够较好地表征臭氧污染天气的强弱.(3)基于欧洲中心高分辨率数值预报产品,根据污染气象条件指数模型,对广州3种不同天气类型下的指数预报进行对比验证,预报效果较好,说明该指数对臭氧污染天气预报有较好的指导意义.     

2014-2017年四川盆地与京津冀地区冬季空气停滞特征及大气质量改善评估对比分析

对2014-2017年四川盆地和京津冀地区气象数据和污染物浓度数据进行综合评估,在原有全球空气停滞日判别标准基础上发展出本地化空气停滞指数阈值,并以提高两个区域空气质量优良天数为目的建立模型,计算各城市空气停滞发生时PM_2.5污染上限浓度参考值.本研究得出,四川盆地和京津冀地区本地化空气停滞日判别标准分别为地面风速 < 2.5 m·s^-1、边界层高度 < 500 m和地面风速 < 3 m·s^-1、边界层高度 < 300 m.四川盆地冬季空气停滞发生频率四周高,中心小,空气停滞对空气质量的影响西部高于东部;京津冀中部和南部空气停滞频率发生高,空气停滞对空气质量的影响呈现显著的南北差异.四川盆地以成都为中心城市群及京津冀中部和南部地区的高污染排放强度和高空气停滞频率导致重污染事件的频发.本文对我国两个冬季重污染高发的区域进行深入研究,更为客观、量化地评估4年来区域空气质量实际改善程度并初步建立空气质量目标管理模型,以期为区域空气质量达标管理提供可靠的科学依据.     

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.     

粤北山地城市近地面臭氧污染特征及气象影响因素分析——以韶关为例

利用2015-2019年韶关市3个地面环境空气质量国控站逐时臭氧(O3)观测资料、同期的气象资料、ECMWF(欧洲中期天气预报中心)ERA5再分析资料和2017-2019年广东南岭背景空气自动监测站逐时臭氧(O3)观测资料,对粤北山地城市(以韶关为例)的近地面臭氧污染特征及气象影响因素进行了系统分析,包括韶关近地面O3...     

岳阳市区空气质量变化特征及气象条件预报

利用2014年3月-2015年2月6个空气质量监测点资料,对岳阳市区AQI的时空变化特征及气象影响因素进行了分析,并用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区年AQI为88。夏季空气质量最好;春、秋季次之;冬季空气质量最差。其中7-9月空气质量最好,1-2月空气质量最差。岳阳市区空气质量总体由北向南趋好,同时水库、景区明显好于工业区。岳阳市区年空气质量优良率为73%。年和各季空气质量优良率时空分布与AQI分布基本一致。岳阳市区首要污染物以PM10为主,其次为PM_(2.5)。重度污染及严重污染日基本出现在空气质量相对较好的夏秋季节,且工业区明显多于水库、景区。岳阳市城市工业布局方向与年主导方向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。以短期天气预报中的气象要素预报作为空气质量气象条件预报的基础,采用日平均气温、相对湿度、低云量、风速、降水、雾等气象因子建立的岳阳市区AQI预报模型模拟效果较好。     

哈尔滨市空气质量预报统计方法的研究

本文是将空气中污染物排放视为相对恒定不变，根据天气预报的预测结果，未预测未来空气质量的一种统计预报方法。通过长时间的空气污染物浓度监测值和同步气象观测资料，将两者建立起相关关系，通过这些定性和定量的关系，进行空气质量的预测。     

ECMWF气象场驱动长三角PM2.5预报与最优集成

采用华东区域大气环境数值预报业务系统（RAEMS-GFS）的整体框架和欧洲中期天气预报中心（ECMWF）高分辨率数值天气预报数据,建立了ECMWF气象场驱动的区域空气质量数值预报系统（RAEMS-EC）.评估结果显示：RAEMS-EC对2019年秋冬季长三角城市PM_2.5浓度和污染程度具有良好的预报准确性,其性能与RAEMS-GFS具有高度可比性的同时也存在一定的差异,数值上则有较明显的系统性偏高.RAEMS-EC与RAEMS-GFS双模式最优集成预报（OCF）可以大幅提升预报效果,长三角各城市PM_2.5浓度总体预报效果指标提升12%~83%,各指标在80%以上城市为正效果,PM_2.5污染预报TS评分也得到明显提升（14%）,OCF基本消除了数值预报系统性偏高的不足.     

武汉市PM_(10)污染日变化及其高污染时段特征

利用武汉市环境监测中心站2004～2005年部分逐时PM10监测资料和相对应的气象资料,分析了城区PM10浓度的日变化特征,及其与气象条件的关系,特别是对四季PM10日变化中高污染时段的形成与天气系统的关系进行了分析。武汉市城区PM10的日变化与季节、天气系统的关系密切,与气象要素有一定的相关性。     

山西省重污染天气监测预报预警系统设计

山西省重污染天气监测预报预警系统由"四层三体系"构成,基于环境空气质量监测数据、气象数据和污染源排放清单数据,应用空气质量数值预报与统计预报相结合的方式,实现山西省未来5天的空气质量分析、预报、预警和追因等功能,以期为合理调整污染源布局、切实做好大气污染防治提供科学依据和决策支持。     

石家庄近地层风场辐合与重污染关系研究

石家庄多发生以风场辐合为特征的局地污染事件,客观判识辐合区和辐合过程强弱对重污染预报指示意义重大.为研究石家庄风场辐合特征及其对局地污染的贡献,更好地为区域重污染天气预报预警提供客观指标参考,在引入固定高度层内矢量通风系数物理量的基础上,结合箱体模型提出一种定量计算近地层风场辐合强度系数的方法,并利用ERA-Interim再分析资料计算了京津冀地区矢量通风系数以及辐合强度系数,对2016年9月—2019年3月期间10次典型风场辐合污染过程进行分析,探讨了风场辐合形成的原因和对污染贡献的关系.结果表明:①受地形影响,石家庄易出现近地层风向、风速辐合,均可归结为区域内输入通风量大于输出通风量,西部太行山地形的阻挡加重了其辐合程度.②风场辐合使空气中的水汽和污染物汇聚,为二次反应提供高湿条件,这种正反馈作用促发PM_2.5爆发性增长,期间ρ（PM_2.5）平均每小时可上升25 μg/m3.③石家庄近地层辐合强度系数在26以上时对污染贡献作用明显,辐合区污染强度比周边偏高1~2个等级,ρ（PM_2.5）比区域背景值偏高85%~200%.研究显示,风场辐合对重污染贡献明显,是形成局部污染物浓度偏高、PM_2.5爆发性增长的重要气象指标.      

基于逐步回归分析方法的PM_(10)浓度预报模型

根据沈阳市2003～2005年的PM10浓度资料以及同期的气象要素资料,采用逐步回归方法建立了分季节的空气污染物PM10与气象因子的关系模型,并且利用2006年PM10资料和气象资料对模型进行了验证。结果表明:PM10预报浓度准确率和等级准确率最好的是夏秋两季,最差的是春季。春季当PM10日均浓度出现很高值时,预报结果与实测值有较大的误差,但趋势是一致的。秋季趋势的一致性不好,但波动比较小。冬季和夏季预报值与实测值的变化趋势基本上一致。     

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.     

2001-2010年武汉市气象环境对空气质量影响分析

文章以武汉市为例,利用2001-2010年武汉市空气污染物和气象参数资料,运用统计分析方法,进行相关分析、回归分析,初步探讨空气污染物PM10、SO2、NO2指数和与之有关的气象参数,如气温、气压、湿度、降水量、风速之间的关系,并建立气候因子对空气污染物的多元线性回归方程。以SO2为例,对2009、2010年空气质量进行预测。结果表明,武汉市2001-2010年空气质量与气象环境具有较为显著的相关性且利用回归方程预测结果与实际基本吻合。