用“城市风道”吹雾霾,别当笑话看

杭州市规划局、环保局等部门最近在做一项研究,希望在杭州建一个"城市风道",把郊外钱塘江的风引进主城区,把空气中的霾等污染物"吹"走。杭州目前共有高层建筑4000多幢,阻挡着风的形成,因此,打造"城市风道"需要打通很多东西向的街道。目前,项目还在进行数字模拟计算的过程。这些天,许多城市四面"霾"伏,整个天空灰蒙蒙的。因此有网友戏言:恨不得拿个"特大号吹风机",把空气中的雾霾全部吹走。杭州有关部门拟建"城市风道",从城市外围引风进城吹走灰霾,正好契合     

长江流域春夏旱涝灾害与太平洋海温关联性研究

基于长江流域区域1956-2011年50年气象资料和同期太平洋海温资料,采用Z指数、EOF、REOF、SVD分析等方法,探讨长江流域春季和夏季旱涝特征及其旱涝事件与极端海温异常之间的关联性,得出以下结论。1REOF的Z指数春夏季节旱涝空间分区特征显示,春季前6个模态的累计方差贡献率能够达到61.2%,收敛速度较平缓,夏季前6个模态累积方差贡献率更低,只有52.1%。2前冬太平洋海温的变化与长江流域旱涝的态势呈显著相关关系,春季海温场与长江流域旱涝Z指数场的SVD第一模态显示,长江流域的东北区的旱涝与厄尔尼诺显著相关,当赤道东太平洋海温升高,西太平洋海温降低时,长江流域东北地区偏涝,而长江流域的西部地区偏旱,反之亦然。3夏季海温场与长江流域旱涝Z指数场的SVD第一模态,表明太平洋海温分布主要呈现南北向的分布,当赤道中东太平洋海温偏高,北太平洋海温偏低时,长江流域夏季中部地区偏涝。反之亦然。第二模态,全球海温呈现厄尔尼诺类型的分布,中东太平洋是负相关,而在西太平洋为显著负相关。     

GAM的区域PM_(2.5)浓度影响因子识别及关联关系分析

区域PM_(2.5)浓度影响因子及显著程度对区域PM_(2.5)浓度模拟和污染控制具有重要意义。该研究应用广义加性模型(GAM)建立模型分析2013年京津冀区域PM_(2.5)浓度与AOD、气象因子(相对湿度、温度、降雨量、大气压、风速)和土地利用类型(水体、林地、耕地、建设用地、裸地)之间的相关关系。结果表明,温度、大气压、AOD、林地、建设用地和裸地显著的影响PM_(2.5)浓度;且温度、AOD、裸地、林地与PM_(2.5)存在复杂相关关系,大气压、建设用地与PM_(2.5)浓度存在线性相关关系。GAM模型R~2为0.952,拟合结果与实测结果的线性回归方程系数为0.959,模型交叉验证后得到R2为0.792。结果表明,利用GAM能有效的识别区域PM_(2.5)浓度的影响因子,根据影响因子进行PM_(2.5)浓度拟合并得到可靠的拟合结果。     

石化装置异常工况监测预警系统研究

针对石化装置的工艺生产特点,以生产过程的"数据"与"知识"为基础,进行多源信息融合,研究了用于信号处理的基于提升格式的数据滤波技术、基于灰色时序模型的参数预警技术、基于平行坐标的报警优化技术;用于异常工况监测预警的基于专家系统与人工神经网络的异常工况识别技术、基于机理模型的装置物料与能量平衡分析技术、基于状态空间分析的运行状态监测预警技术;搭建了异常工况分析测试与试验平台,用于异常工况监测预警系统的可靠性与完备性分析.工业应用表明,该系统对减少误操作具有良好的效果.     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

国外气象灾害防御立法及其我国取向建议

2015年刚刚结束的两会,多位人大代表、政协委员也多次呼吁加快制定我国《气象灾害防御法》.另据《光明日报》报道:“人大常委会建议尽早启动气象灾害防御立法”.     

冬季高速公路逐时路表温度LSTM预测模型

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。     

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

京津冀及周边地区“2+26”城市臭氧的季节性变化规律

城市臭氧(O₃)污染已成为当前主要的大气污染问题之一,也是空气污染防控面临的新挑战. 然而,基于长时段连续监测数据的O₃浓度季节性变化规律及成因解析仍较薄弱. 本文基于2014年3月1日—2021年2月28日空气质量在线监测平台日尺度数据,通过偏相关等方法探讨京津冀及周边地区“2+26”城市O₃的季节性变化规律. 结果表明:①“2+26”城市2014—2020年O₃年均浓度上升速率为3.82 μg/(m3·a),呈现先上升后下降的趋势,下降速率小于上升速率;O₃浓度的季节性变化特征表现为夏季>秋季>春季>冬季. ②2014—2020年O₃轻度污染天数占比最大且呈上升趋势,除北京市外,其他城市夏季O₃中度污染天数上升趋势明显. ③2017—2020年O₃浓度与CO、NO₂浓度的显著负相关性在夏季和冬季有所增强. O₃与SO₂浓度的关系由2014—2017年春季、夏季和秋季的显著负相关变为2017—2020年夏季和冬季的显著正相关(P<0.05). ④春季和秋季O₃浓度与日均气温呈显著正相关,夏季和冬季O₃浓度与相对湿度呈显著负相关,与日均风速的相关性则相对较弱. 研究显示,“2+26”城市O₃污染协调治理成效显著,需在保持现有NO_x控制力度基础上强化VOCs控制,加强SO₂治理,进一步遏制夏季O₃浓度上升.