基于OPAQ的城市空气质量预报系统研究

空气质量预测在国内的关注度日益提高,传统的空气质量预测系统通常运用数值化学传输模型,利用物理方程来计算污染物的扩散、沉降和化学反应。而化学传输模型的预测准确性很大程度上需要依赖详细的污染源排放信息和气象模型的输出结果。基于统计模型的OPAQ空气质量预报业务系统,采用人工神经网络算法,可预测各污染物的日均值或日最大值。并对北京空气质量预报的结果进行了评价,OPAQ空气质量预报业务系统对空气质量预测的准确性较高,能够利用较低的计算资源得到较为准确的预测结果。与数值预报相比,OPAQ空气质量预报业务系统不需要大量的基础数据作为输入,可弥补数值预报的不足,并成为数值预报的有力补充。     

珠三角区域空气质量预报方法及预报效果评估

介绍了珠三角区域空气质量预报的"六步法"流程,并对2015年空气质量等级和首要污染物预报准确率进行评估研究。结果表明,2015年珠三角区域空气质量以优良为主,24 h等级预报准确率1月最高2月最低,平均准确率为87.6%;出现的首要污染物种类包括PM2.5,PM10,O3-8 h和NO2,预报准确率9月最高3月最低,平均准确率为72.7%。     

广州市污染季节空气质量预报效果评估及误差分析

基于广州市2016年第四季度空气质量实测及预报数据,对广州市污染季节空气质量预报效果进行了评估,结果表明,2016年第四季度广州市空气质量级别预报准确率83.7%、AQI范围预报准确率67.4%、首要污染物预报准确率67.2%、综合考核评分87.4分、相关系数0.78,预报效果总体良好,预报准确率在优良级别时相对较高,而在轻度污染以上级别时相对较低。预报误差分析表明,气象预报精细化程度不足、模式预报不确定性等客观因素,预报员缺乏对污染过程物理化学机制的深入理解等主观因素共同导致了预报的误差。     

南京市空气质量预报效果评估及误差分析

基于2020年南京市空气质量实况数据及预报数据,评估了当年南京市空气质量预报效果,分析了预报偏差特征及其成因。结果表明,4个季节中,秋季的空气质量指数(AQI)预报准确率评分和综合评分最高,夏季的首要污染物准确率评分最高;4个季节均出现正预报偏差,其中夏、冬季偏差大于春、秋季;首要污染物误报率与季节相关,二氧化氮(NO_(2))和可吸入颗粒物(PM_(10))的误报率较高的原因是NO_(2)和PM_(10)作为首要污染物主要出现在春、秋季,而这2个季节4种主要污染物的空气质量分指数(IAQI)值非常接近,增加了预报员经验修正的难度。典型预报偏差个例分析结果表明,模式预报对于污染物质量浓度量级的预报偏差以及预报员对气象条件和前体物质量浓度变化关注不足,是导致最终预报出现低估的主要原因。     

几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

长三角空气质量区域预报准确性评估方法研究

根据长三角空气质量区域预报工作的实际需要,对分区文字预报和落区图预报两种方式分别制定了不同的空气质量指数级别预报准确性评估方法。分区文字预报根据设定的预报准确性判定方法计算预报评分,落区图预报按区域内预报准确城市占比进行准确率统计。分区文字预报结果显示,2017年长三角区域的预报准确天数占比为62. 2%,预报评分为70. 2,区域预报评估效果良好。落区图预报评估结果显示,预报级别偏差具有地域性差异,安徽北部、江苏北部和江西中北部预报等级偏高,长三角中南部沿海城市预报等级偏低。该套评估方法可为区域空气质量预报偏差成因分析提供依据,为区域预报工作的改进提供定量参考。     

广东省空气质量等级预报准确性评估

对广东省空气质量等级预报准确性评估进行了探讨,结果表明,在不区分污染等级的情况下,2016年夏季广东各市的预报准确性差异较大,中山预报准确性达92%,是全省唯一一个准确性超过90%的城市,云浮最低,为53%。在区分污染等级时,实测为轻度及以上污染级别的情况下,各市的准确性普遍较低,仅佛山、东莞与广州的准确性达50%以上,而有11个城市的准确性为0。综合考虑不同污染级别的准确性得分后,佛山市排名第1,较不区分污染等级时的排名提前9名。指出,采用区分污染等级的预报效果评估办法更加适合广东空气污染较轻的区域。在首要污染物为臭氧的情况下,广东省平均的等级预报准确性低于首要污染物为其他物种的情况。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

精细化预报在首届中国国际进口博览会空气质量保障工作中的应用

重大活动保障预报不同于业务预报,其核心是服务管控,并注重提前预报的时效性和精细化。该文总结了首届中国国际进口博览会空气质量保障预报工作的实践经验:在历次保障预报联合会商组织架构的基础上,完善联合会商机制,强调预报保障主体单位与支持单位的预报工作内容和职责的区分,通过数值模式的优化改进、针对性开展关键气象因素专题等多种技术手段不断提升预报精准度,并创新应用历史相似污染案例库挖掘和匹配分析,注重预报效果评估以及时总结预报经验,不断提升预报的准确性,为管理决策提供强有力的技术支撑。     

江苏省级区域空气质量数值预报模式效果评估

采用中国科学院大气物理研究所开发的嵌套网格空气质量模式系统(NAQPMS),搭建江苏省级区域空气质量数值预报模式系统,并测试了该系统对2013年夏季江苏省PM2.5质量浓度未来24 h预报以及7 d潜势预测的效果。结果表明,该系统成功应用于江苏省的空气质量预报;所有地市的24 h预报效果均在合理范围内(平均分数偏差小于±60%且平均分数误差小于75%);7 d潜势预测效果比24 h预报效果略差,整体能准确把握PM2.5质量浓度的变化趋势。     

江苏省空气质量预报与实测结果比对研究

选取2015年1—8月江苏地区NAQPMS、CMAQ、CAMx、WRF-Chem 4个模式预报结果与实测值进行比对分析,结果表明,标准化分数偏差(MFB)为-0.066 5~0.201 1,标准化分数误差(MFE)最大值为0.381 8,均在理想范围内,其中CAMx预报效果相对较好,WRF-Chem有一定误差。4个模式相比,NAQPMS对于PM_(10)的模拟性能较好,各模式对PM_(2.5)模拟性能相近,CMAQ和CAMx对O_3模拟较好,WRF-Chem对CO模拟较好,各模式对SO_2和NO_2的模拟都需进一步优化。     

集合数值预报系统在上海市空气质量预测预报中的应用研究

介绍了上海市世博环境空气质量集合数值预报系统的框架,分析了各模式在上海市空气质量预报及排放源污染贡献测算中的应用情况,提出开发多种预报手段、实施集合预报是提高城市空气质量预报准确率的发展方向。     

江苏省空气质量预报准确度及改进方法分析

介绍了江苏省重污染天气监测预报预警系统以及大气重污染预警会商流程,将2015年13个地级市的模式预报、人工预报结果分别与实际观测值进行比较。结果表明:人工预报更准确,PM_(2.5)日均值、臭氧日最大8 h平均值、AQI 3个指标人工预报和实况的相关性分别比模式预报高出12.8%、0.3%、11.4%,平均标准误差(MNE)分别低20.7%、3.1%、23.1%。依据国家空气质量预报技术指南评分办法,对各市2015年全年空气质量级别为"良"时进行评分。通过开展07∶00预报更新,使2015年上半年空气质量预报级别得分平均提高了0.9分,全年级别得分平均提高了2.6分;通过改进模式预报参数,使PM_(2.5)日均预报值、臭氧日最大8 h平均预报值、AQI预报值和实际观测值的相关性比上年同期分别提高26.0%、5.0%、33.9%,MNE分别降低3.6%、31.3%、7.6%。