利用多模式最优集成方法预报上海PM2.5

采用多模式最优集成方法(OCF),对PANDA项目中国和欧洲7个空气质量模式的PM_(2.5)预报结果进行集成释用.2016年6月—2017年5月对上海逐日预报试验结果表明:和最优单模式预报结果相比,OCF预报的PM_(2.5)日均质量浓度的均方根误差降低1.9μg·m-3,相关系数提高0.04,日均质量浓度的精度评分TI提高了2.4,污染TS评分提高了0.28,污染空报率降低了20%,显著提高了PM_(2.5)污染等级预报、趋势预报和精度预报的技巧.对长三角合肥、南京、苏州、杭州、宁波5个城市的预报试验也得到类似的结果,为城市空气质量预报提供了新的方法和思路.但OCF对客观预报的改进幅度在夏季不如冬季显著,在降雨日相对较低.     

上海秋冬季PM2.5污染天气形势的客观分型研究

通过分析2013—2015年上海地面PM_(2.5)质量浓度观测资料,发现11、12、1月3个月对PM_(2.5)年总浓度的贡献达到36.4%,对总污染日数的贡献达到50.4%,对PM_(2.5)环境质量的影响最显著.采用T-mode斜交旋转分解方法(PCT),对2012—2015每年11月、12月和次年1月的海平面气压场和10 m风场进行大样本客观分型研究,揭示了4种秋冬季上海PM_(2.5)易污染的天气环流类型,分别为冷锋(Cw)、高压后部弱气压场(WGh)、高压前部弱气压场(WGl和WGf).对上海而言,冷锋、高后弱气压、高前弱气压分别表现为有利于上游污染输送、本地静稳累积、以及本地积累和上游输送相叠加的天气学特征.对比2个典型污染月(2013年1月和12月)和清洁月(2014年11月和2015年11月)的逐日分型结果发现,Cw环流控制下污染输送对秋冬季上海PM_(2.5)环境质量影响显著,高前弱气压的维持是导致上海3次连续重度污染的重要原因.     

影响上海的一次沙尘过程WRF-Dust数值模拟

利用完全耦合大气化学模式WRF-Dust(Weather Research and Forecasting-Dust)对2011年5月1~4日影响上海地区的一次典型沙尘天气过程进行了数值模拟研究,并与观测资料进行了对比分析.结果表明:WRF-Dust模式成功模拟了此次沙尘过程的形成、发展和演变的整体特征及其影响时间及范围;较好地模拟了沙尘到达上海的时间(模式和观测均在1日11:00前后)和直接影响的结束时间(2日02:00前后),而且模式沙尘浓度与观测资料较为一致;但局部地区和部分时段的气象条件和沙尘模拟还存在一定的偏差,未能准确模拟过程后期沙尘回流对长三角沿海地区的影响.分析了导致模拟偏差的原因,并探讨了提高模式沙尘模拟能力的可能途径.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

影响上海的一次沙尘过程WRF-Dust数值模拟

利用完全耦合大气化学模式WRF-Dust(Weather Research and Forecasting-Dust)对2011年5月1~4日影响上海地区的一次典型沙尘天气过程进行了数值模拟研究,并与观测资料进行了对比分析.结果表明:WRF-Dust模式成功模拟了此次沙尘过程的形成、发展和演变的整体特征及其影响时间及范围;较好地模拟了沙尘到达上海的时间(模式和观测均在1日11:00前后)和直接影响的结束时间(2日02:00前后),而且模式沙尘浓度与观测资料较为一致;但局部地区和部分时段的气象条件和沙尘模拟还存在一定的偏差,未能准确模拟过程后期沙尘回流对长三角沿海地区的影响.分析了导致模拟偏差的原因,并探讨了提高模式沙尘模拟能力的可能途径.     

上海地区一次典型连续浮尘天气过程分析

研究分析了2011年5月1~4日上海地区一次典型的连续浮尘天气过程.利用微脉冲激光雷达数据资料反演得到的气溶胶消光系数和垂直廓线,结合地面气象数据和气溶胶观测资料以及卫星遥感资料,初步研究了此次连续浮尘过程的传输特征和形成的主要原因.结果表明,5月1日的浮尘过程以PM2.5的影响为主,而5月2~4日为回流浮尘过程,PM2.5比重较5月1日下降.外源性输入、垂直风场分布和大气层结变化为浮尘天气的发生和维持创造了有利条件.研究还发现,在此次浮尘的气溶胶大气消光作用中,其散射贡献大于吸收作用.     

1961~2013年长江三角洲地区霾日季节特征及变化分析

选取长江三角洲146个观测站1961~2013年的地面观测资料,分析了霾日季节性的年际、年代际长期变化及空间分布规律。结果表明,长江三角洲霾多发时段随年际增长逐渐由冬季蔓延至春季,秋季和夏季。长三角平均霾日的季节变率从60~70年代的72.5%~78.5%,80年代跌至61.2%,到90年代跌至55.3%,而在本世纪的13 a低达52.3%,体现了长三角霾日变化季节性的年代际特征,即近53 a季节差异在不断减小,霾趋于常年化发生。霾日季节性的空间分布及年际变化特征还表明:近53 a长三角霾日呈持续上升趋势,1980年以前的2个年代增长缓慢,并维持低霾日水平,尽管1980年以后仍然增长缓慢,但维持多霾日的较高水平。霾日高发区域主要集中在南京-镇江一带、上海西南部地区、湖州-杭州-绍兴-金华一带、宁波西北部地区,高值中心依次为金华西北部兰溪市的70.2 d,江苏南京市的 40.0 d,上海金山的38.0 d以及宁波余姚市的35.5 d。长三角中部的霾日年增长率整体低于南部和北部地区,江苏中部及南部、浙江南部及东部沿海、安徽东南部地区是霾日年际增长高值区。长三角霾日年际变化趋势以夏季增长率最高,其次是秋季、春季,冬季霾日年际变化趋势普遍增长率最低,近53 a来长江三角洲大部分地区出现了霾日季节性差异变小的季节性变异特征。     

影响上海PM2.5污染不同源地和路径的数值模拟

对2014~2017年上海出现的PM_2.5中度及以上污染过程的地面形势进行分析,发现上海出现PM_2.5中度及以上污染的地面形势场主要可分为输送型、静稳型和叠加型3种类型,其中输送型是影响上海市PM_2.5中度及以上污染的主要天气形势,占比45.8%.通过选取典型个例,分析了3类污染天气型气象成因和维持机制.并利用WRF驱动FLEXPART模式,结合排放源清单,探讨不同污染天气型下影响上海的主要污染物来源：输送型污染有3条影响上海的主要污染传输通道,分别为东路（东海海面）、中路（江苏沿海）和西路（安徽-苏南）,主要时段在污染前1d;静稳型污染影响上海的潜在污染源区集中在上海及周边地区;叠加型污染既存在明显污染输送通道,也有明显的上海及周边潜在污染贡献区域.