起沙方案及Nudging对中国西北沙尘模拟的影响

利用耦合了AFWA和Shao04起沙参数化方案的WRF-Chem模式结合Nudging方法,对2020年4月9～11日发生在我国西北地区的一次沙尘天气过程进行模拟,结合地面及卫星观测数据,对模式模拟沙尘的能力进行了初步验证,分析了不同起沙方案及其结合Nudging方法后对模式模拟结果的影响。结果表明,2种起沙方案均有能力再现此次沙尘天气过程,开启Nudging后2种方案模拟出的沙尘分布结果都有所改进。对于地面沙尘模拟,在沙尘源区不开Nudging的模式模拟结果更接近观测,在沙尘影响区开启Nudging后的模拟结果更优。整体而言,结合了Nudging方法的Shao04起沙方案对我国西北地区的沙尘过程具有更好的模拟能力。Nudging方法对模式模拟风场的能力改进较为明显,从而提高了模式对沙尘的模拟能力。     

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。