基于神经网络和数值模型的重点区域PM2.5预报比较分析

应用BP神经网络法建立京津冀及周边城市、汾渭平原、苏皖鲁豫交界地区和长三角地区等重点区域95个城市PM_2.5预报模型,对2020年秋冬季上述地区城市开展未来7 d的PM_2.5预测预报,并对比同期业务化运行的数值模型预报结果和各城市人工订正后预报结果,对3方法预报效果进行分析评估.结果表明:（1） 4区域神经网络法模型性能短期预报相对较好,中长期有所降低,对4区域均有一定的系统性高估,苏皖鲁豫交界地区系统性偏差最小,长三角地区偏差最显著.数值模型区域预报水平较神经网络有所降低,各评价指标总体低于神经网络,对辖区城市间预报效果较神经网络差异更大.（2）神经网络、数值模型和人工订正方法对4区域PM_2.5浓度预报准确率普遍较低,平均不足50%,准确水平总体呈:神经网络>人工订正>数值模型. 3方法分指数级别范围准确率均大幅提升,4区域1～4 d平均准确率均在65%以上,神经网络模型和人工订正水平相近,总体高于数值模型.（3）在预报中度及以上污染级别日时,数值模型在京津冀及周边城市、苏皖鲁豫交界地区和长三角地区效果均较...     

基于OPAQ的城市空气质量预报系统研究

空气质量预测在国内的关注度日益提高,传统的空气质量预测系统通常运用数值化学传输模型,利用物理方程来计算污染物的扩散、沉降和化学反应。而化学传输模型的预测准确性很大程度上需要依赖详细的污染源排放信息和气象模型的输出结果。基于统计模型的OPAQ空气质量预报业务系统,采用人工神经网络算法,可预测各污染物的日均值或日最大值。并对北京空气质量预报的结果进行了评价,OPAQ空气质量预报业务系统对空气质量预测的准确性较高,能够利用较低的计算资源得到较为准确的预测结果。与数值预报相比,OPAQ空气质量预报业务系统不需要大量的基础数据作为输入,可弥补数值预报的不足,并成为数值预报的有力补充。     

区域环境空气质量预报的一般方法和基本原则

为响应公众服务和环境管理对环境空气质量预报的迫切需求,中国环境监测总站率先在京津冀区域开展了区域环境空气质量预报测试。结合目前积累的预报经验和国内外相关研究,探索出区域空气质量预报的一般方法和基本原则,讨论了客观订正环节中大气扩散条件、污染源排放、物理化学过程和空气质量变化规律的分析方法及系统建立、结果确定、天气控制形势分析和信息表述等基本原则,以期为各地开展环境空气质量预报提供技术参考。     

国家水环境质量预报预警研究进展及业务发展思路

开展国家水环境质量预报预警工作是生态环境治理能力现代化的重要部分,是统筹山水林田湖草系统治理的重要抓手。文章介绍了国内外水质模型的研究进展,并概述了国内外水质预报预警系统研究进展,在此基础上分析目前我国水质预报预警方面存在的不足,并提出了国家水环境质量预报预警业务发展的初步思路。我国水质预报预警体系建设要以技术体系和业务体系为保障,以水质模型和面源污染模型为支撑,依托水环境质量预报预警决策支持平台,开展环境监管业务化应用、治理决策精细化支撑、污染事故科学化处置和数据产品社会化服务4种业务应用,逐步建成架构统一、业务协同、资源共享、上下游联动的全国-流域-省级-城市四级水环境质量预报预警网络。     

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.     

绿色证券政策简议

绿色证券政策的实施背景2008年2月，国家环境保护总局联合中国证券监督管理委员会等部门在绿色信贷、绿色保险的基础上，推出一项新的环境经济政策——绿色证券。国家环保总局发布《关于加强上市公司环境保护监督管理工作的指导意见》，即“绿色证券指导意见”：未来公司申请首发上市或再融资时，环保核查将变成强制性要求。我国的绿色证券政策由此正式出台。     

沈阳市冬季环境空气质量统计预报模型建立及应用

利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。