全国网格化多模式集成空气质量预报的初步建立

为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°X0.25°网格化污染物实况。结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报。在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报。对2018年12月19一22日一次重污染过程中集成预报的PM_(2.5)浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在—20%～40%,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测。整个过程中,最优集成在大部分污染区域与观测之间的NMB值为—20%～20%,均方根误差(RMSE)值为35～75μg·m~(-3),相关系数(R)值大于0.4。相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分。在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h。未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率。     

兰州市空气质量预报系统结构及效果检验

文中从潜势预报、浓度预报、统计预报和数值预报 4方面介绍了兰州市空气质量预报业务系统的研究方法和结构特点。对 2 0 0 1年 4～ 10月兰州市空气质量预报与日报 (实况 )进行了分析研究 ,结果表明 ,该系统对兰州市空气质量预报有较强的预报能力 ,适用于兰州市空气质量预报业务。     

东营市空气质量预报技术方法研究

利用1999-2001年高空气象资料、东营市地面气象资料和空气污染物浓度资料,对东营市空气污染状况进行了分析,并利用逐步回归、最优回归、B-P神经网络和CAPPS系统四种方法建立了东营市空气质量预报模型,再根据四种模型历史拟合结果的TS评分确定其权重系数,建立东营市空气质量集成预报模型,通过2002-2004年的预报试验表明,集成预报优于四种模型的单一预报精度.     

基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验

基于CUACE(CMA Unified Atmospheric Chemistry Environment)和CMAQ(Community Multiscale Air Quality)空气质量模式预报产品,应用BP(Back-Propagation)人工神经网络法建立沈阳市不同地点小风和高湿条件下PM_(2.5)浓度集成预报模型,并对预报结果进行检验。结果表明:与单一空气质量模式相比,集成模型预报的PM_(2.5)浓度更接近实测值,预报的PM_(2.5)浓度的平均偏差和归一化均方误差均明显减小,预报的PM_(2.5)浓度的模拟值在观测值两倍范围内的百分比(FAC2)明显提高。集成模型能较好地预报PM_(2.5)浓度高值的变化,且显著提高了沈阳市外围城区PM_(2.5)浓度的预报水平。集成预报模型可以实现CUACE和CM AQ两种空气质量模式产品的最优综合,对空气质量的实时预报具有一定的参考价值。     

汾渭平原CUACE模式空气质量预报性能的检验订正及环境评估

利用2019年1—6月地面环境监测资料和PM_2.5气象条件评估指数，结合滚动偏差订正方法，对汾渭平原CUACE空气质量预报产品进行了检验订正，并对气象条件和污染减排影响进行了评估。结果表明：CUACE模式对空气质量指数(AQI)、PM_2.5和SO₂浓度预报值较接近观测值，PM₁₀、CO和NO₂预报值小于观测值，O₃预报值大于观测值；对首要污染物O₃和PM_2.5及重度和严重等级污染的预报的TS评分最高，漏报率和空报率最小，预报偏差最接近1；滚动偏差订正方法对改善CUACE空气质量预报效果较为明显，尤其是对PM₁₀、O₃和NO₂改善最为明显；汾渭平原2019年上半年气象条件变化使PM_2.5浓度较2018年同期和过去5年同期分别上升了18.26%和11.18%，减排措施使PM_2.5浓度较2018年同期和过去5年...     

用线性回归方法建立贵阳市空气质量预报模式

利用贵阳市大气中 3种主要污染物浓度的实时监测资料和气象观测资料 ,建立污染物浓度的自回归模型及其与相关气象因子的多元回归模型 ,并将两种模型进行拟合 ,确定空气质量预报的统计模式     

基于TIGGE多模式降水量预报的统计降尺度研究

利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

湖北山区复杂地形条件下风电功率预报算法研究

利用湖北省3个风电场2018年5月至2019年12月的数值天气预报、测风塔观测风速、电站实况功率资料,首先将数值模式预报输出结果输入到物理法、偏最小二乘法、神经网络法3种功率预报模型中,然后结合风电场实际测风数据对风速和功率曲线进行滚动订正和建模,再输入到上述3种功率预报模型中。在此基础上,提出softmax集成预报算法,对上述6种预报算法优选出3种预报准确率最高的算法进行集成预报,结果表明该算法较均值法集成预报每个月的合格天数提升1~3 d。     

上海城市空气质量预报分类统计模型

上海城市空气质量预报的分类统计模型利用上海地区2000年6月至2002年12月的空气污染浓度资料及常规气象资料建立模型，用2003年全年资料检验模型。模型采用方差分析方法区分不同污染浓度高低的气象条件，按季节、地面风向和雨量3项指标对浓度样本分类，季节分类划分冬、夏半年子样本，风向分类划分偏西风向、非西风向子样本，雨量分类划分有雨、无雨子样本，共计3层分类，18个分类子样本，样本分类的高值区和低值区与实际污染浓度的季节、地面风向和雨量的分布是一致的。最后，采用线性逐步回归方法对各分类子样本建立起一组预报模型。模型的检验评分结果显示：分类统计模型较全样本统计模型实际业务预报精度有所提高，在城市空气质量预报中是切实可行的。     

连云港市城市空气质量预报方法研究

本文利用高空大气探测资料和有限区细网格模式的数值预报产品,分别建立统计预报和数值预报等适合连云港市城市空气质量预报业务发展所需要的客观预报方法,最终利用动态分权法,综合决策集成连云港市城市空气质量预报。结果表明:动态分权法能够有效地提高空气质量的预报准确率。     

贵州西南三地空气质量特征及预报研究

该文选取2015—2017年贵州西南3地(黔西南、安顺、六盘水)的环境空气质量监测和气象要素观测资料,运用统计、相关和多元线性逐步回归3种分析方法,掌握了3地环境空气质量指数和污染物特征,以前日空气质量指数近似替代未知污染源和显著相关气象因子作为自变量,对3地分季节建立空气质量指数预报模型,并进行了效果检验。结果表明:贵州省西南3地空气质量优良,黔西南州空气质量最优,安顺市次之;3地AQI月均值6月最低,安顺市、六盘水市和黔西南州最高分别出现在12、1和2月;优、良等级年际变化安顺市分别呈波峰和波谷特征,六盘水市与其反向变化,黔西南州为线性正、负变化;安顺市、六盘水市和黔西南州主要污染物分别为O_3、PM_(2.5)和PM_(10);3地AQI模型预报值与实况的变化趋势较为一致,春、夏季效果最好,综合评分在90%以上,具有预报业务应用价值。     

试用MM5输出产品制作空气质量预报

使用MM5输出产品和临沂市两个空气质量监测点的三种污染物浓度逐日监测资料,利用卡尔曼滤波方法建立临沂市逐日空气质量统计预报模型,试报结果表明,对空气质量和首要污染物具有较强的预报能力。     

2013—2014年江门CMAQ的预报检验

基于CMAQ空气质量模式的报文资料和江门环境监测站资料,对2013年12月至2014年2月份CMAQ空气质量模式在江门市的应用进行了效果检验,分析了AQI和SO_2、NO_2、PM_(10)、PM_(2.5)等要素的预报值与实际观测值之间的误差和预报效果,结果表明:模式对AQI 24、48和72 h时效的预报值都比实测值偏高、预报时效越长、偏离越大;离散程度越高,可靠性也越差。整个冬季AQI 24 h时效预报值与实测值相关系数高达0.72,模式能够准确把握AQI的变化特征,48和72 h时效相应的相关系数分别为0.55和0.4。模式对SO_2、PM_(10)、O_3和PM_(2.5)的预报容易偏高,对NO_2和CO的预报容易偏低。6种要素预报效果较好的是PM_(2.5)和PM_(10);预报效果最差的是CO,无论是平均偏差、离散程度、相关系数和可靠性等,明显低于其它要素。     

兰州市冬季空气质量潜势预报

利用空气质量潜势预报方法和兰州市冬季空气质量浴势预报系统。通过2001年10—12月兰州市空气质量潜势预报结果的检验分析，表明该系统对首要污染物等级预报准确率78％以上，对兰州市空气质量预报具有较好的指示性。     

基于多模式降水量预报的浙江省统计降尺度研究

基于欧洲中期天气预报中心(ECMWF)、美国全球集合预报系统(GFS)、日本气象厅(JMA)3个中心3~96 h预报时效的降水量预报资料,以及浙江省1957个高密度的自动站观测资料,对数值模式预报结果进行统计降尺度处理。首先利用线性回归方法对插值后的预报结果进行降尺度订正,然后把3个数值预报的降尺度结果进行消除偏差集合平均,最后得到多模式集成的降水量预报场。结果表明,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长减小。     

兰州市气象与污染环境背景综述

利用 196 0～ 2 0 0 0年气候统计资料和 1975～ 2 0 0 0年环境监测资料 ,从地理位置、大、小尺度气候背景、兰州市区污染源概况及主要污染物的时空分布等方面 ,分析该市的气候与污染环境背景 ,为兰州市空气质量预报方法和模式的建立提供依据     

浙江省温度和相对湿度释用技术及其效果检验分析

基于多模式的要素预报和浙江省乡镇站点观测资料,结合全省天气统计特点,利用最优集成方案,改进了温度和相对湿度的1~7 d预报。统计检验发现,模式的温度预报在浙江省中南部主要表现为系统性偏差,在浙江省北部平原地区主要为随机误差。使用滑动平均误差订正后,浙中南等地形复杂地区温度预报的系统性偏差明显减小。在模式订正基础上,使用动态集成进一步减小了浙北平原地区温度预报的随机误差。基于温湿关系,使用改进后的温度预报对相对湿度预报进行订正。与传统的加权平均方法相比,改进后的温度预报均方根误差减小16.7%,相对湿度预报均方根误差减小13.8%,对改善浙江省精细化预报有一定参考意义。     

南昌市空气质量预报产品检验分析及统计订正试验

利用南昌市环境空气质量监测数据,对比分析了WRF-Chem模式和国家级空气质量预报指导产品对6种污染物浓度的预报效果,并采用时序法、时刻法和标准化法3种训练样本构建方案,利用BP神经网络法对WRF-Chem模式和国家级空气质量预报指导产品6种污染物浓度的预报结果进行订正试验。结果表明:1)WRF-Chem模式预报的6种污染物浓度的预报误差整体比国家级空气质量预报指导产品的预报误差要小,即WRF-Chem模式的预报效果优于国家级空气质量预报指导产品。2)WRF-Chem模式6种污染物浓度预报值与观测值的均方根误差的日变化均呈波动形式,除了O3在10时开始升高到18时达到峰值以外,其余的污染物均是从10时开始下降到16时或18时达到谷值。国家级指导产品6种污染物浓度预报值与观测值的均方根误差日变化则略有不同,除了NO2和O3分别在08时和20时达到谷值以外,其他4种污染物均是在14时达到谷值。3)采用标准化法对CO、SO2、PM10、PM2.5集合订正后的误差比WRF-Chem模式的要小;时刻法、时序法对NO2、SO2、PM2.5集合订正后的误差比WRF-Chem模式的要小,预报效果对单一模式预报结果有一定改进作用。     

西安城市空气质量数值、统计预报方法效果评估及业务化集成预报

通过对空气质量预报考核的定义,分别对数值、统计及会商的预报结果予以评估,并采用权重集成、可信度集成、回归集成方法进行集成,通过对比分析最终选取回归集成预报方法业务化应用.