哈尔滨市地质灾害气象诱因分析及监测预警

通过对哈尔滨市地质灾害发生历史规律的分析，建立了历史个例库；从地质环境背景着手，分析了地质灾害的气象诱因，重点研究了降水在地质灾害形成中的作用及其相关关系；根据气象地质灾害与前期及当日降水的关系，应用统计预报方法建立地质灾害潜势预报模型，对气象地质灾害发生的危险等级进行了可能性描述。所建立的地质灾害潜势预报系统、临近预报系统和监测报警系统，在实际预报业务中取得了很好的效果。     

陈建民局长一行来我院调研检查工作

2007年7月10日,中国地震局党组书记、局长陈建民在局直属机关党委常务副书记刘连柱、人事教育和科技司司长何振德、监测预报司司长李克、党组秘书吴仕仲的陪同下,来我院调研检查工作。[第一段]     

泛珠

四川：饮用水源地水质均正常;福建：开通首家县级空气质量预报系统;重庆：万余官员步行上班;湖南：“千里湘江碧水行动”启动;贵州：污水厂建设缓慢运营困难……     

蚯蚓能预报土壤污染

英国爱丁堡大学进化生物学研究所的科学家研究发现，土壤中即使含有少量污染物，也会使蚯蚓的生命周期发生根本改变，影响它们的繁殖能力。英国《泰晤士报》报道，少量污染物质产生的轻微污染虽同样严重。却很难察觉。科学家重新重视对蚯蚓的研究将有助干尽早发现土壤污染。项目小组的研究已经发现蚯蚓对除草剂和工业副产品等化学物非常敏感。     

地质灾害预警预报及信息管理系统应用研究

根据调查,江西省地质灾害的诱发因素主要是降雨,因此,通过总结前人关于地质灾害预报预警的研究,提出了一套应用降雨资料对地质灾害进行预报预警的预警流程,并建立预警及信息管理系统。该系统采用空间数据库引擎技术管理海量滑坡、地质、地貌、降雨等数据及地质灾害的文档等资料。系统基于WebGIS技术,实现了地质灾害预报预警图的发布、信息查询、空间定位、空间叠加和地质灾害预警预报信息反馈等功能。     

煤炭质量精细化管理与节约实践

精细化管理是比较进步的一种科学管控方法,目前,在人们的生活中经常使用,较多的企业也在引进及推广精细化管理的方式。本文主要研究分析了精细化管理的基本机理,相应提出了煤炭企业进行精细化管理的必要性。对运用精细化管理对煤炭企业进行有效的管理控制最为研究对象,有效改善煤炭企业的形象发挥了作用,使煤炭企业提高管理效率,增加了效益。     

贝纳德效应和地震预报

本文根据海城地震前后重力变化的实测资料提出重力加速度随时间变化的一种简化表示。在重力发生扰动时对贝纳德问题的动力学方程进行求解。计算结果表明,在强地震的孕育期,贝纳德花样的周期变化在一定时间后将自动停止。这个结论的验证可以作为一种新的地震预测方法的理论基础。     

WRF-Chem与ADMS对城区尺度大气污染精细化模拟的比较

精细化模拟对城市大气污染预报、朔源和管控具有重要意义.本文以南京市江宁区为例,利用中尺度数值模式WRF-Chem和三维高斯型模式ADMS,针对典型污染个例,开展城区尺度大气污染高分辨模拟,并对其结果进行比较分析.此外,探讨了WRF-Chem中不同城市冠层方案的模拟效果以及ADMS中不同街道峡谷特征对街道内污染扩散的影响.结果表明,WRF-Chem和ADMS都可以合理模拟内外源对关心区域的影响,实现对城区尺度大气污染的高分辨和高效率模拟;相对SLAB、BEP城市冠层方案,WRF-Chem中的UCM方案表现更好,且其模拟性能较ADMS略优;ADMS模拟街道峡谷效应时,街道和建筑尺度参数对模拟结果有较大影响,街道越窄、建筑越高,越不利于街道内污染物的扩散.综合而言,对于城区尺度的大气污染精细化模拟,使用UCM方案的WRF-Chem和ADMS都具有一定的模拟能力,可以根据计算效率和分辨率的要求选用不同模型开展研究.     

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.      

耦合观测数据-模型计算-案例分析的臭氧综合预报方法

当前臭氧模式预报和统计预报的技术难以满足不同地域精细化环境管理需求,亟需构建稳定性高、实用性强的本地化臭氧预报方法. 本研究通过构建臭氧预报工作流程并明确臭氧预报流程中相关技术参数和要求,以陕西省及其省会城市—西安市为例分析历史气象和环境空气质量数据,获取陕西省臭氧污染规律以及西安市不同气象条件下臭氧等级分布规律和典型案例预报要点,确立人工订正经验技术集的方法,明确案例库构建、会商和预报回顾机制的相关要求,旨为臭氧预报模式的本地化提供科学的技术路线. 结果表明:通过臭氧预报效果评估与结果择优、人工订正、预报会商及预报结果回顾所组成的臭氧业务化预报工作流程具备切实可行性;此外,陕西省臭氧浓度与相对湿度、气压和风速均呈显著负相关,与温度呈显著正相关,臭氧预报时应重点关注日均温度大于28 ℃、日最大温度大于34 ℃、相对湿度小于57%、气压低于959 hPa、风速小于2.3 m/s的气象条件下的臭氧等级.