博鳌亚洲论坛2018年年会期间空气质量预报保障技术研究

为了做好博鳌亚洲论坛2018年年会期间的空气质量保障工作,通过综合分析2015-2017年同期的监测数据及其气象条件,依托空气质量多模式数值预报系统,以专家组现场会商研判的方式开展了空气质量预报保障工作。结果显示,海口市、三亚市和博鳌镇在会议期间空气质量保持优良,每日AQI预报结果在±10的准确率为72. 2%,有效支撑了博论坛期间空气质量保障工作。会议期间文昌区域站和五指山背景站出现超标现象,超标污染物均为O3,外来污染传输是今后博鳌论坛保障中需重点关注的关键影响因素。     

重大活动空气质量保障预报会商机制及经验探讨

重大活动空气质量保障预报会商已经成为保障过程中的重要环节,旨在以精细化空气质量预报为环境管理部门制定高效可行的区域大气污染管控措施提供关键技术依据。预报会商机制可有效规范区域联动预报会商的开展,在多个重大活动空气质量保障中,预报会商机制已日益完善,尤其是在强化立体化监测网、开展多技术组协同作业、建立多维预报会商流程、提升多种重点污染物预报能力等方面积累了大量宝贵的实践经验。该文首次系统性探讨国内空气质量保障预报会商机制和经验,以期为今后承办重大活动的地区开展空气质量保障预报会商提供借鉴。     

突变理论在环境预测中的应用

以某市七年来环境治理投资状况为序列建立多项式预测模型 ,尽管其拟合精度较高 ,但其预测结果偏离现实情况较大 ,通过突变理论分析知其原因在于有突变因素存在之故     

广西臭氧时空分布特征及污染天气类型研究

基于2015—2017年广西14个城市环境空气质量日监测数据和相关气象资料,分析了广西O_3时空分布特征,利用主观分型方法归纳了广西O_3污染的典型天气类型。结果表明,广西2015—2017年O_3累积超标天数分别为74,41和89 d,年均值分别为122,120和128μg/m~3,日变化呈现单峰型分布特征,O_3超标占比最高的时段均为4—5月和8—10月; 2017年O_3高值区面积明显增大,呈现连片式的特征;台风外围型(53. 4%)、副高控制型(26. 5%)和冷高压脊变性控制型(16. 7%)是造成广西O_3污染的典型天气类型。广西O_3污染受气象条件影响较大,天气形势变化导致的污染规律较明显。     

非等间隔GM（1，1）模型在液相色谱保留值研究中的应用

本文运用灰色系统理论思想，建立非等间隔ＧＭ（１，１）模型，对色谱中的流动相组成及容量因子的关系进行预测研究，所建立模型能实现对各实验点值进行模拟和合理地预测。     

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.     

天津静稳指数建立及在环境气象预报和评估中的应用

基于2014—2015年NCEP再分析资料及天津地区PM_2.5质量浓度数据,构建天津地区静稳指数以期反映大气综合扩散能力,为天津霾、空气质量预报和大气环境气象条件评估提供支撑.研究结果表明：本文构建的静稳指数可作为评估天津地区细颗粒物大气扩散能力的重要指标参数,其建模产品与天津地区PM_2.5质量浓度相关系数为0.62,在评测期间（2016年6月1日—2018年5月31日）,基于EC模式的静稳指数24 h预报产品与天津地区PM_2.5质量浓度相关系数为0.67,1~7 d预报产品与PM_2.5质量浓度相关系数超过0.53,8~10 d预报产品随着时效增加指示能力有所下降,相关系数为0.4左右,但通过显著性检验.对比同期基于GFS资料和WRF/Chem构建的天津中长期环境气象数值模式,其相关系数接近,趋势预报效果相当.同时,由于静稳指数综合了水平风速、混合层高度、相对湿度等多项指标,可以综合反映一个地区大气扩散能力,在大气环境气象条件评估中可发挥积极作用,以同排放源不同气象条件的数值模拟为基准定义细颗粒物大气扩散条件,2013—2018年逐月大气扩散条件同比上年改善的占总样本41%,同比转差的占总样本59%,利用静稳指数对大气扩散条件月同比变化趋势进行判断,识别准确率可达80%.     

环境风险评价中有毒物质泄漏预测结果的应用

在常温下呈气态的有毒有害物质可能发生泄漏事故的环境风险评价中,其预测结果的应用可引入有毒有害物质的毒理学资料,确立对预测结果适合的评估指标,对泄漏事故影响范围内的危害程度进一步分级明确,有针对性地提出合理可行的应急减缓措施,为项目的风险管理工作提供了科学的依据.     

437个火电厂项目环境影响宏观分析及对策研究

对2004-2005年上报国家环境保护总局环境工程评估中心的437个火电项目环境影响和宏观对策分4种方案进行了分析和探讨.结果表明:方案Ⅰ和方案Ⅱ的能源弹性系数分别为3.6和2.2,对环境、资源影响较大,不利于可持续发展;方案Ⅲ能源弹性系数为0.5,对环境、资源影响小,符合可持续发展,但目前难以实现;方案Ⅳ能源弹性系数为0.8,对环境、资源影响较小,按方案Ⅳ模式发展也有一定难度,但经过艰苦努力可以实现.分析了火电发展对煤炭资源和环境等方面的影响,并提出应尽快将我国能源弹性系数恢复到正常值,统筹火电厂规划,坚持经济发展模式的转变、节能降耗、调整产业结构等建议.      

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.