济南市空气质量数值预报研究

在大规模大气环境参数综合野外测试资料的基础上,为在济南市开展大气污染业务预报新近开发了空气质量数值预报模式系统.该系统由污染源模型(SM)、下垫面参数化模型(XDM)、诊断模式(DM)、中尺度-α气象模式(M-αM)、中尺度-β气象模式(M-βM)、行星边界层(PBL)湍流统计量参数化模式(PBLTM)、干湿沉积模式(DWDM)和高分辨化学模式(HRCM)组成.该系统已成功地应用于济南市空气质量数值预报工作,其预报与实测质量浓度之间有很好的一致性,日平均预报准确率可达80%以上.      

珠三角空气质量暨光化学烟雾数值预报系统

基于中尺度气象模式(MM5)、排放源模式(SMOKE)和大气化学模式(CMAQ),耦合本地排放源清单,建立了珠三角区域空气质量数值模式预报系统。该套模式系统对清洁、污染过程的一次、二次污染物都有较好的预报能力。冬季,能见度和PM_(2.5)的预报值和观测值的相关系数最高达0.76和0.78。O_3和NO_x的预报值和观测值的相关系数为0.64和0.61。随着预报时效的增加,预报效果没有明显降低。夏季,在2个典型光化学过程中,O_3的预报值和观测值的相关系数分别为0.68和0.81,NO_x分别为0.57和0.64。在相关的边界层气象因子中,地表通风系数和能见度相关度最高,相关系数达0.71。混合层高度、地面风速、比湿和能见度的相关系数分别为0.55、0.50、和-0.37。在灰霾过程中,PM_(2.5)占PM_(10)的质量浓度为78%。在气溶胶质量权重中,硫酸盐所占的比重最高,占PM_(2.5)权重达到33%,元素碳为18%,有机碳为14%,铵盐为5%,硝酸盐仅为1%。灰霾过程的二次气溶胶的质量权重比清洁过程的大。     

城市空气质量数值预报方法研究

城市空气质量数值预报,在时空分辨率和预报客观性方面具有明显优势,是未来城市空气质量预报的主要发展方向。以济南市为例,探索建立了一套较为成熟的城市空气质量数值预报方法。该方法采用高分辨率对流层化学模式系统为预报模式基础,同时根据济南市特点对模式系统进行修正,取得了较好的预报效果。此外,该模式系统由于能够较为准确地模拟城市范围内污染物的时空分布,在城市空气污染防治规划方面具有较为广泛的应用前景。     

城市空气质量数值预报模式系统及其应用

介绍了一种城市空气质量数值预报模式系统 ,该系统由气象模式 (中尺度气象模式MM5及城市大气边界层模式CBLM)和大气污染物输送扩散化学模式组成 .将模式系统应用于南京市 ,试预报结果同监测结果一致 ,表明模式具有较好的模拟性能 .模式系统试运行后的检验改进工作 ,气象资料、污染源及环境参数等质量的提高 ,预报结果检验方法的确定等都是模式系统业务化时应予以充分考虑的 .     

数值预报方法在广州空气质量预报中的应用

空气污染预报涉及到多介质、多界面、多物质之间相互作用和耦合的多学科问题，文中概括地论述了空气污染数值预报的基拳特征（尺度及预报时效、时空分辨率、多物质性、理化生过程耦合、城市空气污染气象与污染物排放特征）；数值预报系统的基本构成（气象场预报和浓度场预报）；模式原始资料的收集、分类整理，边界场、背景场和初始条件的处理；计算过程中Meso-α模式和Meso-β模式资料同化的处理以及数值预报模式系统的实际业务操作的及时性、可行性和准确性均作了细致深入的探讨。     

基于机器学习的成渝地区空气质量数值预报PM2.5订正方法研究

空气质量预报对于大气污染防治、打赢蓝天保卫战意义重大.本研究基于重庆市气象局的中尺度天气模式（WRF）和空气质量数值预报模式（CMAQ）的预报产品,采用2018年4个代表月份（1、4、7、10月,分别代表冬、春、夏和秋季）成渝地区22个观测站点的PM_2.5浓度和气象要素观测数据,建立基础特征变量数据集（包括训练数据集和测试数据集）,通过调整模型参数,并利用训练数据集采用机器学习方法（Lasso回归、随机森林回归、深度学习RNN-LSTM）进行模型训练,订正了成渝地区PM_2.5数值预报.其中,通过Lasso回归算法对成渝地区4个区域分别进行变量优选,优化模型,利用测试数据集对模型进行测试并检验评估.结果表明,基于3种机器学习方法订正后的PM_2.5小时浓度相比CMAQ模式模拟预报结果,偏差显著降低,相关系数显著提高.其中,随机森林回归和RNN-LSTM的订正效果优于Lasso回归,区域统计与站点统计结果较为一致;Lasso回归订正后的均方根误差减小50%左右,相关系数达70%,随机森林回归和RNN-LSTM订正后的均方根误差减小70%左右,相关系数达90%,随机森林回归与RNN-LSTM订正后的偏差范围相比Lasso回归集中范围更窄,最大概率分布更集中;3种方法对不同季节的订正效果与全年一致,其中,冬季订正效果更为显著.研究结果可为提高我国重点城市群区域—成渝地区PM_2.5浓度的大气污染预报能力提供有益参考.     

数值预报方法在广州空气质量预报中的应用

空气污染预报涉及到多介质、多界面、多物质之间相互作用和耦合的多学科问题,文中概括地论述了空气污染数值预报的基本特征(尺度及预报时效、时空分辨率、多物质性、理化生过程耦合、城市空气污染气象与污染物排放特征);数值预报系统的基本构成(气象场预报和浓度场预报);模式原始资料的收集、分类整理,边界场、背景场和初始条件的处理;计算过程中Meso-α模式和Meso-β模式资料同化的处理以及数值预报模式系统的实际业务操作的及时性、可行性和准确性均作了细致深入的探讨.     

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.      

哈尔滨市空气质量预报统计方法的研究

本文是将空气中污染物排放视为相对恒定不变，根据天气预报的预测结果，未预测未来空气质量的一种统计预报方法。通过长时间的空气污染物浓度监测值和同步气象观测资料，将两者建立起相关关系，通过这些定性和定量的关系，进行空气质量的预测。     

2018年国家级空气质量主客观预报TS评分对比检验

目前对空气质量主客观预报效果的对比检验较少,为了解国家级空气质量主客观预报性能,利用预兆评分(threat score,TS)检验了2018年中央气象台主客观预报效果。结果表明:2018年,主(客)观预报对全国轻度及以上污染TS评分、空报率和漏报率分别为0.23~0.34(0.24~0.26)、0.37~0.43(0.39~0.41)和0.58~0.72(0.68~0.71)。说明主观预报整体上优于客观预报,但客观预报能力已接近主观预报。主客观预报的评分均在污染较重地区(京津冀及周边、汾渭平原、华中和长江三角洲地区)高于污染较轻地区(西北、西南、珠江三角洲和东北地区),在污染较重的冬季高于清洁的夏季。随着预报时效的延长,主观预报TS评分呈下降趋势,但客观预报TS评分变化不大。在污染较重的冬季,48和72 h时效客观预报TS评分高于主观预报。此外,在2018年5次重污染天气过程中,主(客)观预报对轻度、中度和重度污染的TS评分分别为0.39~0.57(0.43~0.46)、0.22~0.46(0.25~0.30)和0.10~0.34(0.10~0.18),主观预报TS评分高于客观预报的情况占了3次。随着预报时效的延长,客观预报表现更加稳定,说明客观预报能在污染过程中为预报员提供稳定参考,但对污染高值的预报能力仍需提高。     

珠三角区域空气质量指数(RAQI)的研究

区域空气质量指数(Regional Air Quality Index,RAQI)是粤港政府联合发布、反映珠三角区域内不同地区的空气质量状况的评级系统。虽然RAQI综合考虑了空气污染的总量水平,较我国空气污染指数(Air Pollution Index,API)系统增加了O3,一定程度地考虑了大气氧化性增高的问题,但其所表征的空气质量状况与实际空气污染水平和公众感受仍存在差异。对2006年珠三角和香港监测数据的研究表明,RAQI较API能更充分地体现空气质量的分级;小时RAQI能够实时准确地反映了环境质量的变化,较每日RAQI更具有实际意义;加入PM2.5或采用不同的O3、PM10和PM2.5环境质量标准,是影响RAQI的重要因素。PM2.5/PM10为0.7,比世界卫生组织推荐的PM2.5/PM10为0.5的比例更符合珠三角的实际情况。因此,增加细粒子污染物PM2.5,适当调严某些污染物的环境质量标准,增加RAQI的发布频次,可以使RAQI更全面、准确地反映区域空气污染状况,是RAQI改进的方向。     

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。     

珠江三角洲区域大气二次有机气溶胶的数值模拟

二次有机气溶胶是大气颗粒物污染的重要组分之一,确定大气中二次有机气溶胶污染状况及来源是深入了解大气颗粒物污染发生、演变规律及其影响因素的前提.基于珠江三角洲区域的污染源和气象资料,利用耦合了二次有机气溶胶模块的二维空气质量模式对区域尺度上的大气二次有机气溶胶污染状况和来源进行了模拟研究.结果表明,二次有机气溶胶生成具有明显的光化学反应特征,浓度高值出现在14:00左右;源排放较大的广州和东莞的部分地区及其下风向的中山、珠海和江门部分地区SOA浓度较高;几类主要污染源对SOA的贡献率分别为:生物源72.6%,流动源30.7%,点源12%,溶剂、油漆源12%,面源不足5%.     

贵阳市环境空气质量预报预警系统建立的探讨

分析了贵阳市空气质量预报中污染物、地形及下垫面、植被等关键影响因素。提出了贵阳市环境空气质量预报预警系统的整体架构,分别对排放源监测与管理系统、环境空气质量预报系统和污染预警与控制决策支持系统等三个核心部分进行阐述,进一步提出了贵阳市大气污染防控措施及防控机制。     

烟花燃放对珠三角地区春节期间空气质量的影响

为研究烟花爆竹燃放对珠三角区域城市空气质量的影响,对2015年春节期间珠三角地区环境空气质量自动监测站的数据进行了分析.结果表明,春节期间珠三角地区PM_(10)、PM_(2.5)、SO_2和CO_污染最严重的城市均为肇庆市,臭氧污染最严重的为惠州,广州市NO_2污染最严重;与去年同期相比,各地SO_2、NO_2、CO_、PM10和PM_(2.5)的浓度普遍有大幅的降低,但春节期间臭氧浓度有所增加;春节期间烟花燃放行为主要集中在郊区,市区内燃放现象较少;烟花燃放对SO_2、PM10和PM_(2.5)浓度的短期影响极大,造成除夕夜间污染物浓度迅速升高,甚至成倍增加,对CO_、O_3和NO_2没有明显的影响;烟花燃放造成PM_(2.5)/PM_(10)比例迅速下降,在颗粒物浓度达到峰值后,PM_(2.5)/PM_(10)的比例也到达最小值;烟花燃放对各地PM_(2.5)的小时浓度最大贡献值在16~65μg·m~(-3)之间,对各地PM_(10)的小时浓度最大贡献值在28~138μg·m~(-3)之间,对各地SO_2的小时浓度最大贡献值在9~43μg·m~(-3)之间.     

沙尘天气对北京市空气质量的影响及其预测预报

概述了北京市沙尘天气的分类、特征、判别方法,总结了2000—2002年沙尘天气对北京市空气质量的影响情况,提出了沙尘天气影响空气质量的短期(1～2d)预报方法。利用该方法预报了2002年4次主要沙尘天气过程,预报结果都比较准确。研究发现沙尘天气年际变化主要是受气候条件年际变化影响,提出根据气候条件年际变化预测来进行沙尘天气年际变化预测的初步方法。      

室内空气品质的数值模拟及评价

室内空气品质与人的感知以及个体差异紧密相连,室内空气品质不佳将对人的身心健康和工作可靠性产生巨大的不利影响,如何改善室内人居环境,创造健康、舒适的室内空气环境已经成为现代建筑科学的前沿研究课题.文章利用计算机模拟技术对学生宿舍中的空气品质进行了数值模拟,并采用PMV值对房间内的空气质量进行了评价,得出了评价结果.结果表明:该宿舍通风状况良好,人体感觉舒适,通过自然通风就能很好的调节室内空气品质.     

空气质量预报方法综述

介绍了常见的空气质量预报方法，如回归方法、时间序列模式、决策树法、最近邻居法、模式预报法及数值预报法，通过比较分析，认为回归方法是目前比较理想的空气质量预报方法。