兰州市冬季空气污染的天气成因分析及浓度预报

兰州是全国冬季大气污染最严重的城市之一 ,通过对污染与天气形势的分析 ,给出了影响冬季兰州污染的天气分型 ;对 3种主要空气污染物TSP、SO2 、NOX 浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析 ,结果表明 :(1)污染物浓度与逆温层厚度呈显著正相关 ;(2 )污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关 ,与温差、气压成正相关。最后针对不同天气分型 ,给出了冬半年兰州污染物浓度预报方程 ,经检验预报效果良好     

2003年冬季空气质量趋势预测方法

使用短期气候趋势预报原理与短期空气质量预报相结合的方法，根据1～7月的气候特征（背景）、天气形势以及各种相关气象要素统计分析，对冬季采暖期空气质量进行综合预报。利用上述方法对2003年度（2003．11～2004．3）冬季采暖期空气质量进行了试预测。即：在2003年冬季气候预测的基础上，通过统计分析2003冬季相似年份的天气形势、污染气象条件，确定污染潜势和气象参数。并运用现业务使用的污染物浓度预报方程，计算冬季各月的逐日空气污染物（SO2、NO2、PM10）的浓度。最后综合2003年冬季气候特征预测和日空气质量计算结果，做出冬季空气污染趋势预报。     

银川市空气质量超标的天气形势分析

利用银川市环境监测站5a的污染物浓度资料及对应的天气图，分析了银川市空气质量超标的特征和天气形势。结果表明：银川市空气质量超标主要出现在冬半年，10月～1月SO2超标多于TSP，2月～6月TSP超标多于SO2；造成银川市空气质量超标的天气形势有西北气流型、冷空气穿脊东移型、冷槽东移型、纬向气流型、西南气流型五种。分析2002年10月～2002年12月期间的天气形势，得出的SO2、PM10超标日，对比用CAPPS数值预报模式作出的SO2、PM10超标日，SO2超的漏报率降低了20％，PM10超标的漏报率降低了18％。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式，对2006年1月1日-2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析，得出海口市空气污染的变化特征。结果表明，污染物SO2和NO2的预报效果较好，而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程，并对PM10进行优化和校正，从而提高预报准确率。     

2003年辽西地区空气污染试预报检验

应用新一代大气扩散模型进行了辽西地区2003年春季和夏季条件下的SO2和TSP日均浓度试预报，同时引入平均相对误差的概念对浓度预报值进行了检验。结果表明：SO2预报结果好于TSP，夏季预报结果好于春季。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

石家庄市主要大气污染物的数值预报

应用CAPPS城市大气污染潜势和污染指数预报系统，对石家庄市主要大气污染物（SO2，NOX，TSP）的污染指数（API）进行模拟分析，结果表明，用CAPPS作城市大气污染预报时，应加入污染物排放的时间系数（Ti)订正和经验系数（Ki)订正，对北方城市而言，还须加入扬尘百分率（F）订正，用加入Ti,Ki和F订正后的CAPPS预报系统，对石家庄市大气污染物（SO2，NOx,TSP)进行模拟，结果SO2，NOx,TSP三种污染物的预报值与其监测值的相关系数分别提高到0．951，0．854和0．880。     

呼和浩特市空气污染浓度预报模型

利用1995～2000年呼和浩特市的大气污染环境监测和气象观测同步资料，在分析了边界层气象条件和影响呼市地区天气系统与空气污染的关系基础上，通过相关分析筛选出物理意义明确，且为常规观测的气象要素因子，采用逐步回归模型，分别建立了以小召、四毛、糖厂、公安厅四个监测点为代表的呼市不同功能区以及全市平均的冬、夏季TSP和冬季SO2浓度日均值统计预报模型。通过历史拟合和检验，预报效果良好。     

高浓度污染气象条件的成因分析及预报方法

通过对１０个重污染日进行天气学条件合成，用模糊聚类方法对污染浓度及气象要素进行聚类，分析了重污染日的殂成原因及污染浓度与气象要素的关系。在此基础上，运用多对多双重选逐步回归方法建立了ＳＯ２、ＴＳＰ日均浓度分级预报方程。     

北京地区SO2污染特征及气象条件分析

分析1998－2000年北京地区SO2浓度监测资料和同期气象观测资料，发现北京地区SO2污染具有明显的季节变化、日变化特征及地域分布特征：SO2污染在采暖季重于非采暖季；日变化趋势呈“两峰两谷”；SO2浓度西部地区到北部高于东北部，城区高于郊区。影响大气中SO2浓度变化的主要气象要素为：地面日平均风速、300m风速、850hPa24h变温、地面最低温度及有无逆温。     

广西城市空气质量预报技术

以南宁市为例介绍广西城市空气质量预报技术。对南宁市二氧化硫、二氧化氮和可吸入颗粒物等污染物平均浓度与气象要素的相关分析表明，污染物浓度与地面、高空气象要素相关非常好。在未来24-36小时天气预报基础上，采用动态统计预报两种模式对城市空气质量进行预报，并根据污染日的影响天气系统类型对两种模式预报结果进行订正。业务实践证明预报准确率较高。     

秦皇岛市空气污染与气象要素的关系

利用多因子分析和多元回归模型,对1998—2004年秦皇岛市城区空气污染物浓度逐日监测数据及气象要素进行分析,并调查污染源,得出主要污染物与气象要素的关系,建立当地空气质量预报。结果表明：上游西北地区是对秦皇岛市空气质量影响最大的污染源地;空气质量首要污染物PM10的峰值出现在4月,SO2的峰值出现在采暖季,NO2浓度全年稳定少变; SO2和PM10的浓度受风场影响较大,NO2最小;春季“南高北低”型气压场造成PM10污染指数全年最高;大于等于1 mm的降水对空气净化作用效果较小于1 mm的降水显著;春季气旋控制下,5级以上西风可形成中度以上污染,而非气旋控制下,6级以上西风才可形成中度以上污染。     

珠江三角洲城市群污染综合指数预报的模式方法

应用全二阶矩表示的商斯烟团模式,重点引入烟团的合并与分解及各种清除过程,并利用广州热带模式（GZTM）所提供的华南地区细网格的三维数字化流场,来计算污染物浓度的长期变化。具体先模拟计算SO2、NOx、TSP的地面浓度日变化,通过求平均得到每种污染物的日均浓度,并和对应的污染物的日均浓度二级标准比较,得到每种污染物的污染指数Pi,最后求和得出污染综合指数P,从而对珠江三角洲地区的污染综合指数作出预报。     

贵阳市SO2浓度与气象条件的关系分析

利用贵阳市1997、1998年5个监测站实测的SO2污染浓度资料以及相应的探空和地面要素、天气图等气象资料，分析了SO2浓度与气象条件的关系。将污染浓度值分成5个级别，着重分析了贵阳市污染浓度出现4、5级时的4种天气形势及相应的气象因子。     

广州市亚运期间空气污染的逐时变化规律

讨论了广州市2009年11、12月SO2、NO2、PM10污染物质量浓度与地面气象要素(温度、风向、风速、温度、雨量)的逐日、逐时变化特征,用偏相关分析方法对它们的关系进行了客观分析。采用多元回归分析方法建立了污染物质量浓度与气象要素之间的逐日、逐时预报方程。结果表明:逐日预报方程效果较好,对极值有较好的拟合,而逐时预报方程能很好地反映逐时变化趋势,但对极值拟合较差,研究发现人为污染排放是导致极值拟合差的原因。逐时污染物质量浓度预报方程,是对2010年广州亚运期间空气污染的逐时预测的初步探索。     

南京市SO2污染浓度时空分布特征及统计预报方法的研究

本文根据南京市六个空气污染浓度监测站的2001年6月至2005年7月的SO2污染浓度监测资料分析南京市SO2污染浓度的时空分布变化特征,结果为6个站浓度值有明显的季节变化特征,且在冬季容易出现南北相反的分布特征。针对目前常用的回归预报方法在选取气象要素时没有考虑其互相之间的相关性的缺点,本文提出了一种建立在EOF展开基础上的首先使预报因子正交化,再与逐步回归方程结合并且资料逐日更新的变系数的新型统计预报模型,经过实际预报检验,预报准确率比较高,有很好的应用效果。     

汾渭平原东部运城市空气污染变化特征及其气象因素影响分析

本文综合利用2015—2020年地面气象观测资料、欧洲中心ERA5再分析资料及大气环境监测数据，分析了汾渭平原东部运城市污染物浓度的变化特征以及与天气形势和气象要素的关系。结果表明：①2015—2020年期间运城市PM2.5、PM10、SO2、NO2、CO 5种污染物年平均浓度呈下降趋势，而O3浓度呈上升趋势；②冬季和夏季空气质量相对较差，首要污染物分别是PM2.5和O3，边界层高度的变化与近地层风向风速、污染物浓度的关系密切，冬季（夏季）PM2.5（O3）污染较重时边界层高度较低（较高），以东北风（东南风）为主，风速偏小（偏大）；③最后利用自组织映射神经网络（SOM）算法分别对冬夏925 hPa位势高度场进行天气分型并开展不同天气形势下污染物浓度与气象要素的变化对比研究，发现冬季污染时以静稳天气为主，低层弱东北风将污染物输送至运城市，而夏季O3污染较重时受热低压形势控制，利于O3前体物汇合，太阳辐射较强时O3浓度较高。     

北京地区SO2污染特征及气象条件分析

分析1998～2000年北京地区SO2浓度监测资料和同期气象观测资料,发现北京地区SO2污染具有明显的季节变化、日变化特征及地域分布特征SO2污染在采暖季重于非采暖季;日变化趋势呈"两峰两谷";SO2浓度西部到北部高于东北部,城区高于郊区.影响大气中SO2浓度变化的主要气象要素为地面日平均风速、300 m风速、850 hPa 24 h变温、地面最低温度及有无逆温.     

影响北京大气污染物变化的地面天气形势分析

首先对影响北京地区大气污染扩散的地面天气形势进行了分类，然后结合1998－2000年北京南郊观象台的地面、高空资料，重点分析了在各类地面天气形势控制下北京地区局地低空、地面的气象条件特征。发现当低压类地面天气形势控制时，容易引起污染物在北京地区的汇聚和累积。比较各类地面天气形势对二氧化硫（SO2）、二氧化氮（NO）、可吸入颗粒物（PM10）、一氧化碳（CO）浓度的影响，说明同一种天气形势对不同污染的影响程度不同，进一步证实了在低压类地面天气形势控制时，容易出现重污染。     

污染浓度潜势预报专家系统

以高级人工智能语言Ｔｕｒｂｏ Ｐｒｏｌｏｇ建立的污染浓度潜势预报专家系统，这使天气形势和污染善得到了较好的结合，并构成污染浓度潜势预报地专家知识，在实际应用中，该系统结构合理，功能较全，用作污染２势预报效果较好。