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。     

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。     

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。     

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。     

水质预警预报系统的研究与应用--以汉江武汉段为例

报道了水质预警预报系统的研究及在汉江武汉段的应用情况。该系统基于河流一维水质综合模型和地理信息系统理论,建立了河流空间数据库和属性数据库,考虑了污染物的迁移和生态转化过程,可实现污染物迁移扩散的常规预报、水华预警预报及突发污染事件的模拟,并利用MapObject实现了模拟结果在系统中的实时动态可视化,为河流水环境的管理和决策提供科学依据。     

水质预警预报系统的研究与应用——以汉江武汉段为例

报道了水质预警预报系统的研究及在汉江武汉段的应用情况。该系统基于河流一维水质综合模型和地理信息系统理论，建立了河流空间数据库和属性数据库，考虑了污染物的迁移和生态转化过程，可实现污染物迁移扩散的常规预报、水华预警预报及突发污染事件的模拟，并利用MapObject实现了模拟结果在系统中的实时动态可视化，为河流水环境的管理和决策提供科学依据。     

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.     

人工神经网络法在大气污染预报中的应用

以鞍山市为例,应用人工神经网络方法,模拟人脑的思维方式,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。     

城市空气污染数值预报模式系统及其应用

 介绍了城市空气污染数值预报模式系统,并利用该系统对济南市空气污染进行了预报.结果表明,该系统具有较好的预报性能;预报与实测值之间有较好的相关性;空气质量级别的预报效果更好,对SO₂、PM₁₀和NO₂ 3项污染物的级别预报准确率分别为84.6%,83.2%和94.6%,其总体级别预报准确率达到87.5%.研究结果还显示,济南市的SO₂污染已得到明显改善,机动车尾气污染相对较轻,而PM₁₀的污染比较严重,已上升为首要污染物,其来源、扩散、转化机制及其控制措施的研究是目前济南市面临的首要问题.     

山东省环境空气质量动力统计预报系统

以山东省17个城市2014年至2015年环境空气质量监测指标和同步的气象观测数据为基础,采用线性回归和神经网络方法建立统计预报模型,构建山东省环境空气质量动力统计预报系统。该系统实现了业务化自动运行,对山东省17城市的6项污染物指标(PM_(2.5)、PM_(10)、NO_2、SO_2、CO日均浓度和O_3日最大8小时滑动平均浓度)和AQI指数进行逐日预报。预报结果能较好的反应各市空气质量的变化趋势,为预报业务提供参考。     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

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。     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

基于污染物平衡分析的污水厂尾水补水城市内湖的优化运行研究——以昆明翠湖为例

针对污水厂尾水补水的城市内湖污染调控问题,提出了基于水量和污染物收支平衡分析的污染物净积累(NPA)模型,建立了污染物输入和输出量化计算方法.最后,以昆明翠湖为案例,在调查水体污染物输入和输出途径及水体自净量计算的基础上,选择COD、TN和TP为代表性污染物,开展了模型和计算方法的应用.结果表明,尾水补水是污染物输入的最主要途径,排水和渗漏是污染物输出的两个主要途径,COD在水体中的净积累程度较低,TN和TP的净积累比例分别达到42.9%和39.0%.以此为基础,本文提出了以调整补水和用水途径为主要手段的水体优化运行方案,并对方案实施后的预期效果进行了分析验证.本研究可为城市景观水体的污染物积累分析提供新方法和典型案例.     

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 .     

应用嵌套网格模式系统对沈阳市环境空气质量的数值模拟研究

利用嵌套网格空气质量预报模式(NAQPMS)对沈阳市大气污染物的输送与化学转化进行了数值模拟研究,并对SO2、NO2和PM10等大气污染物浓度的模拟结果与监测结果进行了对比分析.结果表明,NAQPMS模式系统能较好地模拟出沈阳市的大气污染物输送与化学转化情况,SO2 NO2和PM10的模拟值与观测值具有较好的一致性,说明该模式能较好地反映这些大气污染物的分布特征和变化规律,可为今后深入开展沈阳市大气污染数值预报与传输扩散研究提供有效的手段.     

长江流域污染负荷核算及来源分析

为研究长江流域污染物输出的时空变化特征和来源,将长江流域划分为114个排污单元,195个纳污河段,应用污染物“产生-排放-入河-消减-输出”模型,结合长江流域2004—2007年的社会经济、水文监测资料,利用朱坨、寸滩、宜昌、大通4个监测断面2004—2007年逐月的水量和水质数据,通过连续演算核算长江流域各河段的污染物输出过程,进行区间污染物输出平衡分析,估算出姚港断面污染物输出过程. 结果表明,各断面计算数据与实测数据相对误差不超过20%,模型及参数组合的可靠性较好. 点源对COD_Mn输出贡献较大,占56.4%;非点源对TN、TP的贡献大,分别占74.3%和92.1%. 从污染物输出分布来看,江西、四川、湖南、湖北四省占流域污染物输出总量的60%以上,贡献率较大,是流域污染物输出的重要区域.      

基于WRF模式的不同大气湍流环境指数预报效果分析

目的基于WRF数值预报模式输出产品,比较不同大气湍流环境指数的预报效果,并结合不同天气形势的个例进行分析。方法利用118个高空飞机颠簸个例,对多种大气湍流环境指数进行大气湍流的预报效果检验。从各个大气湍流环境指数定义出发,并结合影响湍流产生的水平风切变、垂直风切变、水平形变三个物理量,分析比较高空急流和高空槽形势下大气湍流环境指数的预报效果。结果 Dutton指数预报效果最好,命中率达到82.3%,NGM1指数和垂直风切变指数预报效果次之,命中率分别为71.0%和65.3%,Ellrod1指数预报效果欠佳,命中率仅为32.3%。结论对于选取的高空急流和高空槽背景下的飞机颠簸个例,不同指数预报效果不同,预报效果与该指数的物理意义和阈值的选取有一定关系。     

济宁市区空气质量指数预报分类分析探讨

分析了济宁市区可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响,在此基础上利用Microsoft Excel 2000多元回归方程,建立了空气质量预报分类分析,使实际预报结果较好。     

基于机器学习的长沙市空气污染物浓度预报研究

基于2014～2019年长沙市6种空气污染物日均浓度的监测数据、同期的气象数据,利用随机森林重要性评估的方法对影响污染物浓度的预报因子进行筛选,构建了基于随机森林算法和支持向量机算法的2种机器学习预报模型对6种空气污染物浓度分别进行预报。结果表明：各污染物浓度预报结果的均方根误差随着AQI指数的增加而变大;经随机森林变量筛选优化之后2种模型对各种污染物浓度的预报准确率都有所提升,且预报准确率都随着预报时效的增大而降低。整体而言,支持向量机回归模型对长沙市空气污染预报具有更强的泛化能力,误差更小。