CAPPS3模式在福州市预报效果检验

对2009年7月至2010年6月区域空气质量数值预报模式CAPPS3在福州市的应用进行效果检验,分析各季节CAPPS3预报福州市3种污染物SO2、NO2和PM10的等级预报准确率、转折性天气预报准确率及与监测值的相关系数以及综合评分。结果表明：夏秋季节CAPPS3模式3种污染物等级预报准确率较高,冬季NO2和春季PM10的等级预报准确率较低,错误等级预报多数偏高;转折性天气预报准确率夏秋季最高,春季最低,模式对天气形势的变化反应不灵敏,特别是污染物浓度突变时,预报能力较差,当天气形势稳定时,预报效果较好;CAPPS3模式浓度预报值较监测值有偏大和滞后的缺点;相关系数及综合评分结果夏秋季最高,春季最低。CAPPS3总体预报效果较好,可提供有价值的指导预报,适合业务运行。     

CAPPS在太原市本地化过程中的改进和应用

该文针对CAPPS在太原市运行的误差问题，在分析其主要原因的基础上，变换地形背景场，依据不同季节、不同天气形势，在模式中增加对综合误差系数和扬尘系数的调节功能，进行多种数值模拟试验。结果表明:在误差分析基础上确定的模拟试验方案，使主要污染物SO₂、NO_X和PM₁₀的预报值与监测值的相关系数分别提高到0.96、0.91和0.89，最终使CAPPS成为预报准确率稳定在90%以上的业务化数值模式系统。     

华南区域大气成分数值模式GRACEs预报性能评估

利用2016-2019年广东省国控站实况监测数据对华南区域大气成分数值模式系统(GRACEs)预报性能进行了综合评估。除空气质量指数AQI外,重点对PM_2.5、O₃及NO₂进行了分析评估。(1) 模式预报性能存在年际差异,对各要素的预报值总体偏低。(2) 模式预报能较好地反映空气质量的空间分布,PM_2.5中心在珠三角西北部,而O₃-8 h高值区在珠三角核心区和粤东沿海,但模式对O₃-8 h高值区存在显著预报低估现象。(3)模式可较好地模拟出PM_2.5月变化的单峰型特征和O₃-8 h月变化双峰型特征,但模式对AQI的秋冬季主峰值和春季次峰值的预报存在低估,分别与模式对O₃-8 h、PM_2.5的低估有关。(4) 模式能较好体现O₃的午后峰值和NO₂双峰值的日变化规律;模式对O₃前体物NO₂的预报偏差,有可能是导致随后几小时对O₃浓度预报偏差的重要原因。(5) 日平均浓度预报效果检验显示模式可较好预测AQI和3种污染物的变化趋势,但对夏秋季高O₃-8 h浓度预报显著偏低;模式对轻度污染及以上等级预报能力偏低,亟需提升模式对污染天气的预报能力。      

基于GRAPES-CMAQ的中山市空气质量预报系统预报效果评估

对基于GRAPES-CMAQ模式的广东省中山市空气质量预报系统2016年的AQI等级、首要污染物、PM_2.5和O₃浓度预报数据进行检验评估。预报系统对中山市全年的AQI等级24小时预报TS评分为0.66, TS评分在6—7月最高。当实况AQI等级为一级, TS为0.84, 当空气质量变差时, TS明显下降, 说明模式目前对空气重污染事件的预报能力不足。模式对中山市的主要污染物O₃、PM和NO₂的预报TS评分分别为0.21、0.24和0.24, 其中对O₃和NO₂的漏报率达到0.78和0.76, 而PM的空报率高达0.71。预报系统对PM_2.5的浓度预报总体略偏高, 相关系数为0.59, 但在霾污染较严重的月份中预报效果并不稳定。对O₃的预报全年相关系数达到0.7, 且在O₃污染较严重的7—11月, 相关系数均能达到0.5以上, 但这几个月的O₃预报浓度均比实况明显偏低。从气象预报入手分析预报系统对10月2—7日中山市一次连续O₃污染过程漏报的原因, 发现GRAPES模式对这段时间内整个珠三角地区日间降水的预报范围偏大, 强度偏强, 且预报的地面风速也比实况要偏大, 导致模拟O₃浓度比实况明显偏低。      

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...     

CAPPS1和CAPPS2数值预报模式对比分析

对CAPPS1模式和CAPPS2模式预报广西污染物进行了对比分析。主要对比了其污染扩散原理、气象预报模式、操作系统、运行时间、预报时效及预报效果。分析表明：CAPPS1和CAPPS2模式对各种污染物预报的相关系数均在0．44以上，两种模式预报广西空气污染都是可行的；两种模式均对SO2的预报效果最好，NO2次之，PM10相对最差；CAPPS2模式对各种污染物的预报值与实测值相关系数均比CAPPS1高，其中NO2的相关系数提高幅度最大；CAPPS2模式对NO2和PM10的预报准确率比CAPPS1偏高，而对SO2的预报准确率比CAPPS1偏低；CAPPS2预报首要污染物正确率比CAPPS1高出11个百分点，而预报首要污染物等级正确率则高出9个百分点。     

利用PCA-kNN方法改进广州市空气质量模式PM2.5预报

为了提高广州市PM_2.5客观预报能力,采用主成分分析结合机器学习算法k近邻（PCA-kNN）方法,基于空气质量模式（CMAQ）预报产品、中尺度天气模式（GRAPES-MESO）预报产品和2017年上半年广州PM_2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM_2.5预报客观订正方法。结果表明:与CMAQ模式的PM_2.5预报相比,在第1~3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20%、15%、29%,均方根误差分别降低17%、16%、20%,平均偏差更接近0,PM_2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报。机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM_2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义。      

贵阳市空气质量预报方法与效果检验

2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM_2.5、PM₁₀和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。     

基于极端随机树方法的WRF-CMAQ-MOS模型研究

随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型（Community Multi-Scale Air Quality,CMAQ）为工具,结合中尺度WRF（Weather Research and Forecast Model）气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS（Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics）统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数（AQI）及PM_2.5、PM₁₀、NO₂、SO₂、O₃、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO₂及O₃,2016年1、2、3月整体相关系数NO₂由0.35升至0.63,O₃由0.39升至0.79,均方根误差NO₂由0.0346减至0.0243 mg/m3,O₃由0.0447减至0.0367 mg/m3。文中发展的WRF-CMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。      

基于多种边界层方案的天津PM2.5集合预报试验

基于大气化学模式WRF/Chem采用4种边界层方案（YSU,BL,MYJ和MYN3）模拟2015年全年天津地区细颗粒物质量浓度演变趋势,分析不同边界层方案对天津地区PM_2.5质量浓度模拟和预报的影响,并构建多种边界层方案的集合预报产品,以期提高天津地区PM_2.5质量浓度预报效果。结果表明:大气化学模式的4种边界层方案在空气质量模拟中均有较好的适用性,PM_2.5模拟值与观测值相关系数达到0.76左右,晴空和大风天气BL方案表现较优,阴天和小风天气YSU和MYJ方案表现优于其他两种方案,综合所有过程没有任何单一方案具有显著优势。基于上述原因,该文开展多种边界层方案的天津空气质量集合预报试验,经过对2015年全年模拟值分析,多边界层方案和多气溶胶机制扰动的集合预报可以减小PM_2.5质量浓度预报的相对误差和均方根误差,降低重污染天气预报的漏报率,提升空气质量等级预报能力,在计算资源得到保证的基础上,是一种可以提升数值模式PM_2.5质量浓度预报能力的有效手段。     

CAPPS模式在石家庄市应用的效果检验

根据《气象部门空气质量预报质量考核和管理暂行办法》,对CAPPS系统在石家庄市空气质量预报中的应用效果进行检验,对CAPPS1.0和CAPPS2.0的预报能力和产生的误差进行了对比分析。结果表明:CAPPS2.0的整体预报水平高于CAPPS1.0,但其预报值多偏高于监测值,这是导致冬季首要污染物正确性评分偏低、夏季高污染预报能力偏低的主要原因。CAPPS系统对前日污染实况依赖性强,预报结果滞后,对高浓度污染日的预报准确率仅为13%,预报能力偏低。     

城市空气污染数值预报系统CAPPS及其应用

城市空气污染数值预报系统CAPPS, 是在ADPIC的概念的基础上经过积分求得的大气平流扩散的多尺度箱格预报模型。它不需要污染源的源强资料就可预报出城市空气污染潜势指数 (PPI) 和污染指数 (API), 克服了由污染源调查本身具有的不确定性给城市空气污染的数值预报所带来的困难。该文对CAPPS系统在北京市和上海市进行数值预报的结果进行了分析检验, 并与国际上几种光化学污染预报模式的预报结果进行比较。结果表明, 就预报值与监测值的线性相关系数来说, CAPPS系统的预报水平与其他发达国家的模式预报水平相当。此外, CAPPS系统的污染指数等级预报准确率 (北京市和上海市) 平均达到61.5%。     

区域空气质量数值预报系统CAPPS3在辽宁的应用

利用城市大气污染数值预报系统CAPPS的第三版(CAPPS3),经过安装、调试和本地化、自动化处理,建立起适合于辽宁的区域空气质量数值预报系统,用于预报辽宁的城市污染指数和等级以及各污染物的日均浓度分布.通过模式预报结果与监测资料的对比,发现辽宁14个主要城市SO2、NO2预报准确率的总体水平明显高于PM10.区域污染物浓度分布位置和大小的预报结果与实际情况相符,污染物小时浓度的演变也与实际风场的变化趋势保持一致,表明CAPPS3模式系统能够及时准确地预报出区域污染的形成和发展过程.     

CAPPS预报方法研究

针对在应用城市空气污染数值预报系统CAPPS过程中容易出现的疑问，对CAPPS模式系统中污染潜势和指数的预报原理，模式中一些参数的意义以及扬尘的预报，作了进一步的说明和讨论。     

灰色预测在空气质量预报中的应用

采用2002年1月以来的监测数据和相应CAPPS污染模式预报数据，运用灰色预测模型GM（1，1）进行误差估算，对CAPPS污染模式的输出结果进行解释应用，实验证明，效果略好于CAPPS模式预报。     

CAPPS在国家气象中心多城市污染指数数值预报业务系统中的应用

国家气象中心在中国气象科学研究院CAPPS系统的基础上,建立了多城市污染指数数值预报业务系统,同时预报47个重点城市的SO2、NO2和PM10的日均污染指数.从2001年6月21日至7月17日的试验预报表明,总体预报准确率和与监测值的相关都在60%以上,与各城市气象局、环境保护局联合发布的综合预报准确率和与监测值的相关比较接近.说明CAPPS用于国家气象中心多城市污染指数数值预报业务系统,能够为城市空气质量业务预报提供有参考价值的数值预报产品.     

城市空气污染预报系统CAPPS2.0在辽宁的应用及检验

在利用CAPPS2.0进行空气质量自动化预报的前期工作中,为了验证模式的准确性,对辽宁省14个主要城市2003年1月的31 d、4月、7月和10月各12 d作出了模拟,分别得到各城市SO2、NO2和PM10的污染指数预报值。将各污染指数每天模拟的预报值与实际监测值进行对比,发现春、夏、秋季的预报效果非常好,而冬季预报值明显偏高。对预报值与监测值的相关性检验表明两者相关性非常显著,冬季预报值出现的是一个系统误差,可以通过修改模式进行订正。     

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。