基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

京津冀及周边区域PM2.5叠加沙尘重污染过程特征及预报效果分析

选取京津冀及周边区域2018年11月23日至12月4日一次大范围、长时间且PM_(2.5)叠加两次沙尘传输的复合型重度污染过程开展特征研究,分析了首要污染物PM_(2.5)和PM_(10)浓度的发展演变,以及污染气象影响因素;结合激光雷达地基和车载走航监测结果,以及HYSPLIT后向轨迹结果,讨论了区域污染传输的情况;并对重污染期间NAQPMS、CMAQ和CAMx这3个空气质量模式的预报效果进行了回顾分析.结果表明,研究时段PM_(2.5)叠加两次沙尘传输导致区域中南部多数城市达到重至严重污染水平,张家口、北京、石家庄、邯郸和郑州PM_(10)小时峰值分别为1 589、864、794、738和766μg·m~(-3),PM_(2.5)小时峰值浓度分别为239、319、387、321和380μg·m~(-3).地面弱气压场、高湿、逆温等静稳条件和沙尘是重要的污染气象和天气因素.激光雷达地基和车载走航监测数据结合HYSPLIT后向轨迹分析表明重污染期间区域西南和东南方向发生了PM_(2.5)传输;区域两次沙尘过程主要受西北路径传输影响.此外,NAQPMS、CMAQ和CAMx这3个模式均可较好地预测到京津冀及周边区域的重污染过程,但对个别城市预报略有偏差.该次重污染过程中模式对PM_(2.5)的预报效果要好于PM_(10),这与气象模式预报、大气化学反应机制、污染源清单的不确定性,以及重污染应急措施导致的污染源排放的改变有一定关系.     

多模式集成方法在安徽地区PM2.5预报中的应用研究

分别采用算术平均、权重平均、多元线性回归和神经网络的集成方法,对3种空气质量模式在安徽地区2017年2月-2018年2月PM_2.5预报结果进行集成释用.结果表明：各模式和订正产品的预报值与实况值之间均能达到显著相关,相较于WRF-Chem,多元线性回归的均方根误差（RMSE）下降了21.7%,归一化平均偏差（NMB）下降了6%,且在16个地市中NMB均下降至-25%~25%之间;从不同时次的预报效果来看,在3个代表性城市（淮北、合肥和芜湖）,多元线性回归均能大幅度降低RMSE和NMB,但从时间和空间效果来看,其对于提升预报值与实况值之间的相关性方面,略差于权重平均的集成方法;多元线性回归方法对于重污染天气PM_2.5预报评分（TS）最高,为0.46.该方法能较为有效地提升不同模式的预报效果,可为重污染天气预报预警提供参考.     

河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

青岛市PM_(2.5)重污染天气演变过程分析

运用WRF-CMAQ模式对2016年1月1日~1月7日青岛市的PM_(2.5)重污染天气进行了模拟研究,分析了青岛市PM_(2.5)重污染形成、持续和清除过程的主要影响因素.与观测对比表明,模式能够较好地模拟出青岛市主要气象要素和近地面PM_(2.5)浓度的变化特征.在重污染形成期,持续的西南气流将山东南部、安徽、江苏等地PM_(2.5)及其前体物传输至青岛地区;逆温层的出现及大气边界层高度的降低使得输送至青岛地区的PM_(2.5)在近地面积累,浓度升高.由山东西南部、安徽北部、河南东部等地传输至山东西北部和京津冀地区的PM_(2.5)及其前体物,在重污染持续期沿近地面传输至青岛,加之液相化学过程生成了大量的二次气溶胶,导致PM_(2.5)浓度一直维持在200μg/m~3以上.重污染清除期,风速加大,水平传输作用加强,高浓度的PM_(2.5)污染带向下风向转移.区域传输对此次青岛市PM_(2.5)重污染事件具有重要贡献,3个时期的贡献率分别为87.0%、68.5%和57.6%.     

上海典型持续性PM2.5重度污染的数值模拟

本研究针对2013年1月23~24日的上海PM_(2.5)持续重污染过程,采用WRF-Chem大气化学模式以及PM_(2.5)质量浓度、能见度、气象要素等地面实测资料相结合的方式,揭示了造成上海冬季PM_(2.5)持续性重污染的一类"天气学必要成因",即一次弱冷空气活动过程导致了两种不利污染天气条件——"弱气压场(静稳形势)"和"弱冷空气扩散(输送形势)",两者先后影响上海造成PM_(2.5)浓度持续上升.主要过程如下:首先弱冷空气影响之前,上海处在不利的局地气象扩散条件下,受弱气压场控制10 h后本地PM_(2.5)质量浓度达到重度污染水平,之后夜间稳定边界层(地面静风和低层逆温)使得PM_(2.5)重度污染维持了7h,期间PM_(2.5)平均质量浓度为172.4μg·m~(-3).后期弱冷空气影响上海,虽然改善了局地扩散条件但是同时产生了明显的周边污染物输送,使得本地PM_(2.5)质量浓度升高并达到峰值(280μg·m~(-3)),继续加重污染水平,期间PM_(2.5)平均质量浓度为213.6μg·m~(-3).WRF-Chem模拟结果进一步表明,整个污染过程周边区域输送对上海PM_(2.5)平均贡献率为23%,其中两个阶段周边区域输送的平均贡献率分别为17.2%和32.2%,可见在不同的污染天气条件下周边污染源的贡献存在显著差异,因此可以根据对污染天气类型的预判制定应急减排方案.     

利用多模式集合和多元线性回归改进北京PM_(10)预报

本研究将多模式集合预报和多元线性回归集成方法结合起来减小空气质量预报的不确定性.首先评估了北京空气质量多模式集合预报系统中3个模式成员(NAQPMS、CAMx、CMAQ)对北京地区PM10日均浓度的预报性能,在此基础上引入多元线性回归将历史观测信息纳入进来对3个模式预报结果进行集成,并将集成预报结果与3个模式算术平均的预报结果进行比较.结果发现:1不同模式的预报结果差异较大,并没有一个模式的预报技巧完全优于其它两个模式,其中CMAQ对北京PM10变化趋势的预报优于其它两个模式,NAQPMS预报的均方根误差整体低于其他两个模式.2多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报,并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率,选定合适的训练天数(36 d)后,28个站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32%~43%,预报偏差大幅减小至5.8μg·m-3,总体预报技巧显著优于单模式和多模式算术平均的预报结果,并且采用线性回归集成方法大幅提高了对污染过程的预报能力.     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

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.     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究

针对GRAPES-CUACE模式预报的6种常规污染物浓度,采用非线性动力统计-订正方法——自适应偏最小二乘回归法,建立了中国不同地区的CUACE模式预报偏差订正模型,采用多种敏感性试验优选了不同季节各区域的最优自变量组合方案,并对2016年1—3月、11—12月全国342个城市PM_(2.5)浓度预报值进行了滚动订正检验,分析了订正前后PM_(2.5)浓度的时空变化特征,重点分析了该方法在京津冀、长三角、珠三角、川渝地区等关键区域的适用性及其改进效果.结果表明:(1)CUACE模式预报PM_(2.5)浓度普遍低于观测浓度,且与实测值的相关系数较低;CUACE 15 km分辨率模式PM_(2.5)浓度预报效果优于54 km分辨率模式,其中长三角地区改进最显著,珠三角和京津冀次之,川渝地区预报效果较差.(2)订正后的PM_(2.5)浓度更接近于实测值,订正后误差明显减小,相关系数明显提高,而且订正值与实测值的散点集中分布于对角线附近.(3)长三角地区PM_(2.5)浓度订正效果最好,准确率可达72.3%;珠三角地区次之,准确率为66.3%;京津冀和川渝地区订正效果稍差,但准确率亦可达63.6%和62.6%.(4)订正后污染日和非污染日的准确率、相关系数分别提高了57.5%和25.9%、304.8%和15.2%;绝对平均偏差、均方根误差分别减小了38.9%和18.7%、21.8%和8.5%.(5)针对北京、上海、广州、乐山的不同重污染过程,订正后的平均绝对误差分别减小了12.07%、46.63%、36.66%、17.71%,相关系数分别提升了25.86%、22.22%、16.92%、162.5%,说明该订正方法适用于不同地区的不同重污染过程的预报.     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

风向对北京市重污染日PM_(2.5)浓度分布影响研究

对2013年北京市58 d重污染日PM_(2.5)浓度水平进行了分析,并用克里格插值法统计了重污染期间不同风向PM_(2.5)不同浓度区间的国土面积。结果显示2013年北京市重污染日主要集中在冬季,占到全年天数的15.9%,且重污染日PM_(2.5)平均浓度为218μg/m3;重污染日PM_(2.5)空间分布较为均匀且统计的平均浓度在150μg/m3以上的国土面积约占总面积的82%;重污染期间重度污染(150μg/m3)以上面积占比分别为南风(87%)、东风(81%)、西风(70%)、北风(66%);重污染日不同风向下ρ(NO_3~-)、ρ(NH_4~+)、ρ(SO_4~(2-))之和约占ρ(PM~(2.5))的60%~65%,且各组分浓度相差不大。     

广东四大区域污染过程特征与影响天气型分析

根据广东统计年鉴将广东省划分为粤东、粤西、粤北、珠三角四大区域,利用广东省101个环保国控站点2014—2016年期间的AQI六要素与广东省86个地面气象观测站的逐日能见度、相对湿度等资料,在对"区域污染过程"进行定义的基础上,分区域诊断典型污染天气过程,并对影响天气型及特征进行分析.结果表明:广东省四大区域污染过程具有显著协同性,区域污染可归类为6种影响天气型.量化分析表明区域污染过程与区域灰霾过程基本吻合,PM_(2.5)日均最大值均达到中度污染及以上(115μg·m~(-3)).整体区域污染过程影响天气型分类统计表明:珠三角和非珠三角PM_(2.5)易污染天气型中冷高变性出海形势占比超5成;珠三角O_3易污染天气型中副高、台风外围及两者叠加型占比超6成;珠三角NO_2易污染天气型中冷高出海型占比近7成.重污染影响天气型统计表明:区域PM_(2.5)重污染过程主要影响天气型为冷高压变性出海型;区域中度至重度O_3污染过程(集中在珠三角)主要影响天气型为副高、台风外围及两者叠加型;就天气型特征而言,单纯副高控制形势下,副高异常强盛;单纯台风外围形势下,台风强度为强台风至超强台风;副高叠加台风时,华南上空为大陆副高控制.广东地区近年高PM_(2.5)(与低能见度)污染过程逐年减少,但全省臭氧污染呈增加态势,尤其珠三角区域中度至重度O3污染过程次数同比明显增加,极端过程出现概率加大,尤其在秋季副高异常强盛,同时叠加台风外围下沉气流时,可预先根据影响天气型预报,实施珠三角重点区域联防联控预案措施.     

基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。     

北京地区颗粒物健康效应研究——沙尘天气、非沙尘天气下颗粒物(PM_(2.5)、PM_(10))对心血管疾病入院人次的影响

为了研究沙尘天气、非沙尘天气及霾污染类型下,颗粒物(PM_(10)、PM_(2.5))与心脑血管疾病日入院人次的联系,本文采用半参数广义相加泊松回归模型(GAM),在剔除了混杂因素:如季节趋势、日历效应、气象要素等作用下,将颗粒物浓度进行等级划分的基础上,分析了北京地区2006~2010年PM_(10)和PM_(2.5)在沙尘天气和非沙尘天气下与心脑血管疾病日入院人次相对危险度(RR)的关系,进而对比研究了沙尘污染与霾污染对心脑血管疾病的不同影响.结果表明:沙尘天气PM_(10)、PM_(2.5)能引起心脑血管疾病入院人次的增加,且存在0~2d滞后效应,PM_(2.5)与PM_(10)的RR值较为接近;非沙尘天气下,PM_(2.5)、PM_(10)与心脑血管疾病入院人次的RR存在一定的剂量效应关系,对于PM_(2.5),随着浓度的上升RR值逐渐增大,对于PM_(10),随着浓度的上升RR先增大而后逐渐降低;在相同的PM_(10)暴露浓度下,沙尘天气的RR低于非沙尘天气,在相同的PM_(2.5)暴露浓度下,沙尘天气与非沙尘天气的RR基本接近.而相对于沙尘天气污染,霾天气对心脑血管疾病的影响也具有滞后效应,随着霾天气加重,对人群心脑血管疾病危害也越大.     

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.     

京津冀秋冬季PM2.5污染概况和预报结果评估

对京津冀区域2013年9月至2018年2月连续5个秋冬季PM_(2.5)的污染特征和气象影响因素,2015年10月至2018年2月连续3个秋冬季以及典型污染过程时NAQPMS、CMAQ和CAMx这3个模式PM_(2.5)的预报结果进行了分析评估,对模式预报的不确定性和改进措施进行了探讨.结果表明,5个秋冬季PM_(2.5)区域均值浓度分别为122、98、82、99和65μg·m-3,污染过程(中度及以上污染过程)期间浓度分别为229、198、210、204和180μg·m-3. 5个秋冬季累计发生64次PM_(2.5)为首要污染物的区域污染过程,2013～2014年秋冬季污染过程平均持续时间最长,2017～2018年持续时长最短.除2016～2017年外,其他年份PM_(2.5)浓度峰值和均值逐年降低,区域总体污染形势减轻.秋冬季PM_(2.5)浓度与相对湿度、风速和日照时数相关性相对较好,与温度和气压的相关性整体较弱.当风速小于2 m·s-1、大气相对湿度65%以上、主导风向为西南和东北风时,容易出现区域中度及以上污染过程.此外,3个模式均能够预测出京津冀区域秋冬季PM_(2.5)污染过程,预报值与监测值体现了较好地相关性.3个模式对张家口、承德和秦皇岛的预报结果较好,对唐山、石家庄、保定、北京和天津等城市预报偏高,这与污染源清单、气象初始场和气象预报、以及大气化学反应机制的不确定性有一定关系.     

天津地区污染天气分析中垂直扩散指标构建及运用

基于255 m气象塔风、温和PM_(2.5)质量浓度数据获取天津地区大气稳定度特征,利用中尺度大气化学模式构建垂直扩散指数β和φ,开展天津地区污染天气预报中垂直扩散分析方法的研究,以期提高天津地区重污染天气预报预警准确率.结果表明,综合运用大气稳定度、基于边界层平均PM_(2.5)质量浓度与近地面PM_(2.5)质量浓度比值构建的垂直扩散指数β,基于数值模式chemdiag功能(以CO为示踪物)构建的垂直扩散指数φ,可以在污染天气预报中较好的进行大气污染物垂直扩散能力分析.当07:00~08:00和18:00~20:00大气稳定度为D及以上时,相比大气稳定为C及以下时,出现重污染天气的概率成10倍的增加;使用垂直扩散指数β和风速双重指标判断重污染天气,比单一的风速指标判断准确率提升67%;垂直扩散指数φ与近地面PM_(2.5)质量浓度相关系数达到0.8,当垂直扩散指数φ小于0.52时,重污染天气概率75%,可识别59%的重污染天气.