铁岭市空气日报及预报的相关性研究

本文采用了空气污染指数进行评价空气质量,确定铁岭市空气质量日报、预报。根据空气污染指数值确定空气质量污染程度,最后采用数据统计方法对日报、预报的结果进行检验,检查两个样本均值之间是否有显著性差异。     

我国空气污染现状及对空气质量日报改进的思考

通过对我同空气质量状况分析发现,空气中SO2和PM10等污染物浓度持续下降,灰霾、光化学污染等复合型大气污染问题日益突出,现行的空气质量日报空气污染指数(API)系统表现出其局限性.以2009年天津、上海、重庆、广州和宁波市相关监测点位的空气质量数据为依据,通过3种测算方案评价了在我国现行空气质量日报系统中加人不同监测...     

辽宁省14个城市空气质量可预报

正辽宁省气象局将联合辽宁省环境监测实验中心制作全省14个城市空气质量预报。预报内容包括6种污染物(PM PM SO NO CO O)的浓度预报、空气10 2.5 2 2 3质量指数(AQI)、空气质量指数(AQI)等级和首要污染物未来24小时预报,空间精细到县。省气象部门相关负责人表示,预报结果向市民公开的时间待定。与沈阳和大连现有的空气质量预报相比,省气象局提,,,,,     

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.      

各地动态

在去年开展省辖城市空气质量日报的基础上，江苏省在全国率先开展省辖城市空气质量预报试报工作，6月5日通过媒体正式向公众发布。空气质量预报不仅能预测预报城市环境空气污染状况及变化趋势，而且能在恶劣的大气条件下(如沙尘暴多发季节)产生预警作用，为人们的生活和健康带来保障。环境空气质量的预测预报为政府、社会管理部门提供技术支持和决策作用，充分发挥环境监测为经济建设和人民群众服务的作用。     

珠海市空气质量预测模型研究与分析

空气质量统计预报模型是当前空气质量预报的重要工具之一。该研究选取珠海市4个国控大气自动监测站点(吉大、唐家、前山、斗门),基于大气环境监测数据和气象数据研究了同期回归、多元回归2种空气质量预报统计模型,并对模型在不同污染物(NO_2、SO_2、CO、O_3、PM_(10)、PM_(2.5))、不同预报时段(24、48、72、96、120、144 h)、不同国控监测站点的情景下进行了预报准确度综合评估。结果表明:(1)PM_(2.5)浓度与风向的皮尔逊相关系数最大,其相关系数为0.403;O_3浓度与气温、湿度均具有较大的相关性,其相关系数分别为0.705、-0.823;(2)同期回归模型对于6项污染物浓度预报的准确度由高至低分别为:COPM_(10)PM_(2.5)O_3NO_2SO_2,其准确度分别为84%、75.9%、73.4%、72.3%、66.8%与61.9%;(3)多元回归模型对于6项污染物浓度预报的准确度由高至低分别为:COPM_(2.5)PM_(10)O_3NO_2SO_2,其准确度分别为85.6%、73.3%、69.9%、67.6%、67.4%与58.7%。     

城市空气质量预报的意义及其进展

从空气质量周报、日报发展到现在的空气质量预报，标志着环境保护工作达到了一个新高点，充分体现了环境保护“以人为本”的工作宗旨。本文阐述了城市空气污染预报的意义及国内外城市空气污染预报的研究情况，并简单地介绍了目前哈尔滨开展城市空气质量预报工作的情况。     

山东省环境空气质量动力统计预报系统

以山东省17个城市2014年至2015年环境空气质量监测指标和同步的气象观测数据为基础,采用线性回归和神经网络方法建立统计预报模型,构建山东省环境空气质量动力统计预报系统。该系统实现了业务化自动运行,对山东省17城市的6项污染物指标(PM_(2.5)、PM_(10)、NO_2、SO_2、CO日均浓度和O_3日最大8小时滑动平均浓度)和AQI指数进行逐日预报。预报结果能较好的反应各市空气质量的变化趋势,为预报业务提供参考。     

济宁市区空气质量指数预报分类分析探讨

分析了济宁市区可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响,在此基础上利用Microsoft Excel 2000多元回归方程,建立了空气质量预报分类分析,使实际预报结果较好。     

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.      

天气形势预测法在深圳市空气质量预报中的应用研究

基于深圳市2013年4月-2014年3月每日气象观测数据和空气质量监测数据,分析了深圳市不同空气污染程度下的天气规律及影响要素特征,并通过将天气系统分为13种类型,在寻求与建立不同天气类型情景下污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3与AQI指数)变化函数的基础上,构建了天气形势预测模型对深圳市未来1~3 d空气质量进行预测。结果表明:(1)整体而言,低压系统和辐合区有利于深圳市大气污染物的扩散,而高压系统和均压区不利于大气污染物的扩散。(2)当深圳市出现轻度以上污染时,陆地一般由高压系统所控制,且深圳以处于高压前部分主。(3)天气形势预测模型对深圳市AQI指数的24、48、72 h预报相对误差分别为22.0%、22.2%与21.9%,该模型具有一定的准确率和可靠性,对空气质量预测具有较好的应用价值,可为空气质量预报预警提供科学的参考依据。     

不同环境空气质量评价标准和体系对天津空港经济区空气质量评价的影响

本文采用不同环境空气质量评价标准和体系对天津空港经济区空气质量进行评价。分析发现,若采用新标准,污染物年均浓度超标情况加重;全年空气质量达标率大幅下降,由之前的69.2%下降到44.8%;PM_(2.5)取代了PM_(10)成为了全年首要污染物;同时,PM_(2.5)也取代了PM_(10)成为了全年空气质量不达标的主要污染因子。     

空气质量模拟与观测机器学习NO2浓度预报

在空气质量模拟预报数据基础上,采用套索算法(Lasso)将前馈神经网络(FNN)与基于污染物浓度及气象实时观测值搭建的长短期记忆网络(LSTM)组合,形成了模拟与观测机器学习(SOML)预报模型,开展了佛山市顺德区NO₂未来3d10个镇街空气质量监测点位逐日浓度预报.结果显示:SOML3d的准确性均优于WRF-CMAQ及其它单一模型,其中第一天SOML平均绝对误差(MAE)为4.99μg/m³,改进幅度达66.18%;SOML不同季节适用性均较强,四季预报效果均较WRF-CMAQ明显提升(MAE分别降低42.18%、42.89%、61.04%、50.91%),其中秋冬季改善幅度更好;相比WRF-CMAQ,SOML预报结果能较好反映顺德区内各站点NO₂浓度实际空间分布和数值水平,有效提升了浓度预报精准度.     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

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...     

集合最优插值同化方法在珠三角空气质量模拟中的初步应用

本文旨在探讨集合最优插值(EnOI)同化方法对MM5-STEM空气质量模式污染物浓度预报场的修正能力,先从局地化尺度(L)及经验系数(α)的敏感性试验中获得NO2、SO2和PM10各自的"最优L和α组合",然后对此参数设置下的同化结果进行分析.研究结果显示,EnOI在NO2、SO2及PM10的同化试验中均取得较好的效果,检验站点均方根误差(RMSE)的平均下降比例分别可达33%、32%和42%,RMSE值下降的站点占检验站点总数的比例分别为86%、84%和91%.表明该方法能够有效地应用在珠三角空气质量模拟中,产生与实际更为接近的污染物浓度预报场.     

基于问卷的空气质量公众满意度模型和评价指标体系构建

公众对于空气质量的满意度是体现环境治理成果的重要指标，为准确把握我国公众对城市空气环境状况的实际感受，客观反映空气环境治理方面取得的进展和存在的问题，基于层次分析法，采用问卷调查、模型构建、熵值法和态度量化法等综合方法，构建空气质量公众满意度指数(Air Environmental Quality Satisfaction Index,简称“AEQS”)模型和空气质量公众满意度评价指标体系，并以我国31个省份公众空气质量满意度问卷调查，开展模型与指标体系的分析与应用.结果表明：(1)此次调查数据的信度和效度检验结果均较好，说明指标体系具有较好的科学性.(2)全国空气质量公众满意度指数为73.77分，达到比较满意.(3)空气质量公众满意度与PM_2.5浓度、PM₁₀浓度和AQI均无显著性相关.政府空气质量管理满意度和空气质量改善政府投入满意度对空气质量公众满意度的影响较大.(4)指标重要性-满意度(IPA)分析表明，政府在公开空气质量相关信息中补充个人出行和健康防护信息、降低空气污染造成的个人经济支出、制定相关政策措施中兼顾公众的日常生活等是提高...     

各地动态

在去年开展省辖城市空气质量日报的基础上，江苏省在全国率先开展省辖城市空气质量预报试报工作，６月５日通过媒体正式向公众发布。空气质量预报不仅能预测预报城市环境空气污染状况及变化趋势，而且能在恶劣的大气条件下（如沙尘暴多发季节）产生预警作用，为人们的生活和健康带来保障。环境空气质量的预测预报为政府、社会管理部门提供技术支持和决策作用，充分发挥环境监测为经济建设和人民群众服务的作用。（江苏省环境监测中心供稿）盐都县以科技进步带动标准化生产，通过推广稻麦群体质量栽培、遮阳防虫网应用、平衡配方施肥新技术，…     

淮安市区空气质量评价及趋势分析

根据淮安市区2007年实测空气质量日报资料,用空气污染指数法,对淮安市区空气质量进行评价;并用秩相关系数检验法作污染趋势分析。结果表明,2007年淮安市区的空气质量类别为Ⅱ级,空气质量状况为良好,监测点富华服装公司的空气质量最差,监测点淮阴区监测站的空气质量最好;一年中以8月份的空气质量最好,1月份的空气质量最差;污染物SO2及NO2浓度随时间变化趋势明显,而PM10的浓度随时间变化趋势不显著。     

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。