兰州市供暖期PM_(2.5)浓度监测及其预报模型

利用兰州市2007-2009年供暖期PM2.5实测数据,统计分析观测期间PM2.5的超标率、超标倍数、浓度水平以及典型天气(浮尘、沙尘暴和灰霾)下PM2.5浓度日变化特征,并结合同期气象数据,运用多元逐步回归分析的方法建立兰州市供暖期PM2.5浓度预报模型,最后对模型进行验证。结果表明:兰州市2007-2009年供暖期PM2.5污染十分严重,2007-2009年PM2.5的超标率分别为59.2%、67.9%和68.8%,最大超标倍数分别达到2.88、3.17和3.60;2007-2009年供暖全期PM2.5浓度日变化呈"双峰双谷"型,浮尘、沙尘暴和霾天气下PM2.5浓度均远高于平均值,霾天气下PM2.5日均浓度值最高;兰州市供暖期PM2.5浓度预报模型的预报值与实测值的变化趋势基本一致,但对高浓度PM2.5模拟结果较差,PM2.5预报浓度准确率和等级准确率分别为70.2%和81.8%。     

珠三角空气质量数值预报系统的检验与订正研究

通过对珠三角空气质量预报模式的模拟结果进行检验,发现模式预报值整体偏小,特别是峰值,但变化趋势与实测一致,峰值都能较好模拟出.模式对PM10的预报准确率要高于PM2.5,从等级预报来看PM10和PM2.5的二级预报准确率要高于一级,利用MOS方法对模式预报结果进行订正,订正后颗粒物平均偏差都有一定程度的下降,颗粒物等级预报准确率PM10由64.7%提高到77.6%,PM2.5由59.9%提高至74.5%,准确率的提高明显.     

区域空气质量数值预报模式CAPPS3在福建省的应用

利用区域空气质量数值预报模式CAPPS3,预报了2009年9月1日～11月30日福州市SO2、NO2、PM10的等级和浓度,将其污染物等级预报准确率、浓度预报准确率、转折性天气预报准确率、综合评分等,与人工经验预报和统计预报结果进行对比。结果表明:CAPPS3模式对SO2、NO2、PM10污染物等级预报准确率分别为100%、94.5%、70.3%,转折性天气预报准确率27.2%;SO2、NO2、PM10浓度预报值与监测值的线性相关系数分别为0.62、0.74、0.71;CAPPS3模式对天气形势的变化反应不灵敏,特别是相临两天污染物浓度突变时,CAPPS3的预报能力差,当天气形势稳定时,预报效果较好;CAPPS3模式污染物等级和浓度预报值偏高情况较多;模式对前日污染实况依赖性强,导致预报结果滞后;综合评分低于人工经验预报,略低于统计预报,总体预报效果较好,可提供有价值的指导预报,适合业务运行。     

杭州市临平地区PM2.5和PM10污染特征分析研究

利用TEOM 1405-F和TEOM 1405颗粒物实时监测仪,研究了2013年12月至2014年5月临平地区PM2.5和PM10质量浓度实时变化特征,并结合气象五参数观测资料,对影响大气颗粒物分布特征的因素进行了分析,研究结果发现:冬季PM2.5和PM10的日均质量浓度明显大于春季,冬季PM2.5日均质量浓度范围为17.0 ～ 349.1 μg/m3,PM10日均质量浓度范围为18.8～516.9μg/m3,春季PM2.5日均质量浓度范围为20.4～167.6μg/m3,PM10日均质量浓度范围为38.2 ～243.3μg/m3;通过线性回归分析发现PM25和PM10存在较好的线性关系,说明PM10相对固定的受到PM2.5的影响,且污染物来源稳定;冬季PM2.5和PM10日均质量浓度存在三峰值波动状态,而春季PM2.5和PM10日均质量浓度存在双峰值波动状态;较大的风速、较高的气压和降水对于颗粒物的清除效果明显.     

沈阳市环境空气质量天气模式预报方法

应用2003年和2004年6月~8月天气形势资料和同期环境空气自动监测数据进行统计分析,建立夏季天气模式预报方法,同时应用2005年资料进行验证,预报效果较好,环境空气中首要污染物———可吸入颗粒物(PM10)的级别预报准确率、趋势预报准确率和总站发布预报范围准确率分别达到60%、80%和90%,该预报方法可作为业务预报使用。     

环境空气中PM2.5与PM10质量浓度关系的研究

采集大连市4个大气自动监测点位30dPM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及 PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。     

基于聚类与多元回归的空气质量预报模型开发

为了方便准确地预测空气污染物浓度,基于气象因子聚类与多元回归的方法,以广东省顺德区为例开发了空气质量统计预报模型。预报模型能够较好地模拟出顺德区NO2、SO2、CO、PM10、PM2.5日均浓度和O3日最大8 h浓度水平和变化趋势,模型的模拟结果与实测值具有较高的相关性(相关系数R约为0.76),标准化平均偏差为1.2%~13.4%,标准化平均误差为14.2%~30.3%,模型普遍略为高估各项污染物浓度水平。预报模型具有简单易行、节约人力物力、准确可靠等优点,适用于地级市及区县空气污染物的预报。     

2006~2009年我国超大城市霾天气特征及影响因子分析

收集了2006～2009年北京、上海、广州和成都能见度等气象因子以及SO2、NO2和PM10等环境空气质量资料,在此基础上统计分析上述4个超大城市霾天气频率季节和年际变化特征及其主要的影响因子.结果表明,北京、上海、广州和成都霾天气频率季节最高值分别为夏季、冬季、春季和秋季.北京和广州霾天气频率呈现逐渐下降趋势,而上海和成都呈现逐渐上升趋势.PM10和相对湿度是影响能见度或霾天气频率关键因子.北京能见度变化对相对湿度比较敏感,而上海和广州对PM10浓度变化比较敏感,成都对相对湿度和PM10浓度敏感程度相当.     

上海市空气质量中NO2与气象因子的相关性分析及其浓度预报模型的建立

对上海市2008年环境空气中NO2及气温、露点、湿度、气压、风速等气象因子分别进行了相关性分析,结果表明NO2与上述气象因子均具有显著相关性;以2008年NO2与上述气象因子的日均值数据为基础,采用因子分析与多元回归建立NO2日均浓度预报模型,相关系数砰达到0．839。模型计算结果表明,影响NO2日均浓度的主要气象因子为风速、湿度、温度;采用2009年1月至5月同类监测资料对该模型进行检验,结果显示检验值与实测值的平均相对误差和平均偏差分别为14．68％和10．96％。故模型可作为上海市环境空气NO2日均浓度预报的参考方法。     

基于MOS的杭州秋冬季空气污染预报和霾诊断

利用由数值预报模式WRF和辨识理论实时迭代统计方法RTIM组成的MOS方法对杭州市2013年2~3月和11~12月期间的空气污染物日平均浓度做预报,预报值与实测值之间相关系数都超过0.75 ,PM2.5、PM10、SO2、NO2、CO 24h平均浓度和O3 8h平均浓度分类预报临界成功指数(CSI)分别为89%、87%、100%、93%、100%和100%,命中率(POD)分别为93%、95%、100%、100%、100%和100%.分析表明,研究期间杭州地区气溶胶以细颗粒为主.根据PM2.5浓度、相对湿度及能见度预报值做霾日分类预报,临界成功指数为89%,命中率为93%.说明该MOS系统对污染物浓度及霾天气预报性能良好,可以为业务化预报提供参考.     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。     

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ(Community Multiscale Air Quality Model)模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.     

能见度参数化方案优化及在北京地区的应用评估

为了利用订正后PM_2.5浓度预报结果提高能见度预报准确性,根据不同相对湿度下能见度与PM_2.5浓度的相关关系,提出了一种改进的能见度参数化方案(S1)。为了评估该方案的预报性能,利用基于最优多模式集成方法预报的PM_2.5浓度对北京市2019-02-18—03-05污染过程的能见度进行预报,并对比评估了利用美国大气能见度观测项目建立的经验参数化方案(IMPROVE,S2)和基于神经网络(S3)的能见度预报效果。结果表明:基于多模式最优集成方法对PM_2.5浓度和WRF4.0模式对相对湿度的预报效果均较好,相关系数达0.90。3种方案都对选取时段能见度的变化趋势有较好的预报,其中S1方案相关系数最高(0.85),均方根误差最小,预报效果最好;S1方案较S2方案平均偏差降低3.6 km;S1方案较S3方案预报效果的提升主要是在能见度大于10 km的范围内。PM_2.5浓度预报效果对能见度预报效果的影响高于相对湿度,但在相对湿度大于70%的情况下,其预报效果对能见度预报效果的影响更大。     

一种最优多模式集成方法在我国重污染区域PM2.5浓度预报中的应用

为了提高我国重污染区域PM_2.5浓度预报准确率,基于4套国家级以及区域环境气象业务中心发展和维护的空气质量数值预报模式,通过均值集成、权重集成、多元线性回归集成和BP-ANNs集成分别建立集成预报,在实时预报效果评估基础上,建立了最优多模式集成预报。对2015—2016年预报效果进行评估,结果表明:相对于单个空气质量数值预报模式,均值和权重集成对预报偏差的改进幅度有限,但多元线性回归、BP-ANNs和最优集成能较大幅度降低预报偏差;最优集成预报与观测值间的归一化平均偏差(NMB)和均方根误差(RMSE)分别为-10%~10%和10~70 μg/m ³,且在更多的站点表现出强相关性,但依然低估了高污染等级的PM_2.5浓度。对2018年2月25日—3月4日京津冀地区污染过程进行评估,结果表明:最优集成能较好预报出该过程中PM_2.5浓度的变化趋势和量级;在北京、石家庄和郑州3个代表城市中,预报和观测值间的NMB和相关系数(R)分别为-26%~-4%和0.49~0.77;最优集成对轻度污染及中度污染的TS评分为0.39~0.73,重度污染及以上TS评分为0.13~0.30,能为预报员提供客观参考,但对污染峰值的预报能力还需进一步改进。     

气象条件变化对呼市地区大气污染的影响

利用1995至2002年呼和浩特市区空气污染物PM10、TSP、NO2、NO2、SO2浓度的实际监测数据与同期的地面要素场资料、大气边界层气象参数和地面天气图分析了污染物浓度与气象条件的关系及气象条件变化对呼市地区污染物浓度变化的影响，讨论了污染物浓度变化规律的成因。在此基础上用逐步回归方法建立了不同季节呼市地区空气污染浓度统计预报模型。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

一种PM_(2.5)辅助监测系统的设计与实现

为解决目前国内外PM2.5监测仪器价格昂贵,运行成本高,单点负责区域大,监测点少的问题,提出以国家监测网络为基础,以低成本、高精度为特点的PM2.5辅助监测方法。系统采用DSM501A作为PM2.5浓度采集传感器,完成粒子数量浓度到质量浓度的转换,通过在一定区域内布置监测终端,并借助于GPRS网络和参数曲面构建方法,建立了一定区域内PM2.5质量浓度网络图,填补了国家监测点间的监测盲区,并利用高斯消元法建立了从历史数据到未来浓度的预测算法。实验结果表明:实测数据与国家监测点数据基本一致,具有广阔的应用前景。     

环境空气质量新标准对“十二五”目标完成的影响

十二五"期间全国PM_(10)浓度陡增导致了达标城市比例降低,影响了《国家环境保护"十二五"规划》空气质量指标的完成。通过对PM_(10)浓度时间和空间变化分析,得出《环境空气质量标准》(GB3095-2012)的逐步实施对全国PM_(10)浓度的异常变化有着显著影响。新标准的发布施行,促进了PM_(10)监测仪器和方法更新升级,大幅收严了监测数据统计的有效性,提升了监测数据的质量控制水平,从主观和客观上更加有效的提高了监测数据的精度。     

上海市青浦城厢地区可吸入颗粒物污染状况分析

为了研究青浦城厢地区可吸入颗粒物污染状况,分析了2005年至2010年空气质量资料,结果表明:青浦城厢地区首要污染物为PM10,其质量浓度呈逐年下降趋势。PM10浓度的月度变化幅度比较大,全年PM10浓度及超标率呈现"高一低一高"的变化趋势。春、冬季比较高,夏、秋季比较低。PM10质量浓度的日变化非常明显,呈现出"双峰"状分布。PM2.5和PM10的平均比值为0.531,表明该地区可吸人颗粒物中细颗粒物的比例较高,细颗粒物对人群的健康影响更为严重。PM10和PM2.5各月日均值之间和各月均值之间均呈高度相关,线性关系非常显著,二者之间回归直线关系存在,可用回归方程y=ax+b进行计算。