空气污染预测与地面气象要素应用

利用逐步回归的数理统计方法及本溪市大气环境监测资料和地面常规气象观测资料，对辽宁省本溪市空气污染物TSP和SO2的浓度分别进行了计算分析并建立了预测方程，并对这两种污染物分别进行了预测检验。     

复杂地形条件下空气污染预报方法研究

应用逐步回归统计方法 ,利用本溪市地面常规气象观测资料 ,对该市空气污染物TSP和SO2 分别进行了计算分析 ,建立了预报方程 ,并对这 2种污染物分别进行了预测检验     

沈阳市空气污染统计预报

使用逐步回归的统计方法,对沈阳市空气污染轴TSP和SO2分别建立了预报方程,并对这两种污染物分别进行了试报检验。     

沈阳市空气污染统计预报

使用逐步回归的统计方法,对沈阳市空气污染物ＴＳＰ 和ＳＯ２ 分别建立了预报方程,并对这两种污染物分别进行了试报检验。     

西安城市空气质量预报统计方法及业务化应用

介绍了空气质量统计预报方法,对西安空气污染物时空分布特征进行分析,选择了表征大气扩散能力的地面、高空气象直接、间接因子,把地面天气形势分为12种形势,在分冬、夏半年的基础上,分别建立各个形势下SO2、NO2、PM10的72个回归方程.     

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。     

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。     

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。     

利用地面气象资料进行福州市空气质量日预报

空气污染预报是建筑在空气污染与气象条件关系的基础之上的。利用福州市1995－1997年地面气象预测资料，运用统计学方法，探讨污染物浓度与气象因子（温度、气压、风、湿度、大气稳定度、降水等）分布规律，建立气象预报指标及统计预报方程，在1999年2－8月进行福州市空气污染物浓度等级试预报。结果表明运用统计模式开展城市空气污染浓度等级预报是切合实际并且可行的。     

安徽省大气污染物浓度的周循环特征评估

大气质量的周循环特征反映了人类周期性的活动规律对大气环境的影响。基于安徽省16个城市PM_(2.5)、PM_(10)、CO、NO_2、SO_2和O_3这6种污染物的监测结果,对安徽省大气污染的周循环特征进行了评估。首先基于原始逐小时污染物浓度时间序列在日和周窗口时间宽度上的滑动平均序列,定义了周循环距平百分率序列的计算方法,排除了日循环和长期低频变化的影响。以此为基础,基于合成分析以及贝叶斯统计分析,发现这6种大气污染物中,PM_(2.5)、PM_(10)、CO和NO_2有着较为明显的周循环变化特征,其周循环距平百分率有着较大的变幅;而O_3的周循环特征相对不明显。主成分分析获得的周循环,第1模态发现除O_3以外的其他5种污染物的周循环有着同样的演进模式,即从周三开始持续到周五的累积和周六之后的衰减;O_3的周循环峰值与谷值与其他污染物存在着大于12 h的滞后,反映了在周循环尺度上O_3距平变化对其光化学反应前体距平变化的滞后响应特征。     

东营市城市空气质量集成预报研究

利用1999—2003年高空气象资料、东营站地面资料以及东营市环境监测资料，按季度分别建立了高空资料因子库、物理量资料因子库和东营资料因子库，并分别与各污染物求取了相关系数，建立各自的典型场，运用逐步回归法、最优回归法、BP神经网络方法建立了各污染物的预报模式，加上CAPPS模式，分别对2001—2002年进行了试报。根据四种模式预报的准确性计算出各模式的权重系数，建立了空气质量集成预报系统，并对2003年进行了试报，效果较好。     

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。     

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。     

北京市几种主要污染物浓度与气象要素的相关分析

利用 1 999年 1 1月 1日至 2 0 0 3年 7月 30日间 ,北京市几种主要污染物SO2 、NO2 及PM1 0 浓度逐日资料和风速、温度及降水的逐日资料 ,分别对北京市几种主要污染物浓度与同期气象要素之间的关系进行了分析。通过分析注意到 ,污染物浓度与同期气象要素之间通常存在非常明显的非线性关系 ;因而采用非线性回归方程来描述污染物浓度与气象要素之间的依赖关系 ,这一改进使污染物浓度与气象要素之间的相关性有了明显的提高 ,同时使回归方程的误差减小。     

一个基于中尺度数值模式的城市分区空气污染预报方法

以深圳市为例，对污染物浓度与各种大气参数的定量联系进行了细致的统计及物理分析，在此基础上建立起分区的城市空气污染潜势等级预报方案。该方案定量考虑了地面和边界层共十几个因子的影响，特别是考虑了地理环境各向异性的效应，将风向作为一个独立的影响因子。方案还针对各污染物稀释特性的差异对不同污染物分别建立潜势预报方案。另外，方案还考虑了相同大气条件下大气对城市不同区域污染物稀释特性可能存在的差异，对不同区域分别建立潜势预报方案。最后用高分辨的中尺度数值模式对大气参数的未来演变作出高时空分辨的预报，进而作出分区、分时段的城市空气污染潜势预报。本方法完全客观定量，物理意义明确，可制作高时间分辨的空气污染潜势预报。     

气象条件和污染物排放对兰州市冬季空气质量的影响

利用人工神经网络(ANN)技术,基于气象条件、污染物排放变化和污染物浓度资料构建污染物浓度统计模型,在此基础上分析气象条件和污染物排放源排放变化对污染物浓度逐日变化和年际变化的影响。研究结果发现基于ANN建立的大气污染统计预报模型模拟NO_2浓度准确性较高,其次为SO2,PM10浓度准确性较低。ANN的输入参数更适合NO_2的模拟,SO2和PM10浓度的影响因子较为复杂。气象条件变化是NO_2浓度逐日变化的主要影响因子,污染物排放量变化是NO_2浓度年际变化的主要影响因子。因子分离法计算得到的气象条件、污染物排放及两者相互作用对NO_2浓度逐日变化的贡献率分别是57.9%、24.5%和17.6%,对NO_2浓度年际变化的贡献率分别是13.7%、73.3%和13%。     

广州市空气污染的变化特征及预报

利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料，采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外，广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高，夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡，且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关，与温度、相对湿度等呈稳定的正相关，而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后，所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

北京地区冬春季降水对大气污染物的影响

对1998年冬、春季降水前后的气象条件与大气中的SO2、NOx的浓度变化特征进行相关分析，结果表明：冬、春季北京城近郊区出现降水时，对大气污染物日均值的影响主要了决于降水过程中及降水之后的风速大小和降水性质。出现稳定性降水过程中SO2、NOx日均值在降水当日均有增加，第二天的污染物浓度才减少；只有不稳定性降水，且风速较大时，降水当日污染物浓度即降低。     

2004年南宁市空气质量回顾

对2004年南宁市的空气质量进行分析。结果表明：南宁市各种污染物(SO2、NO2、PM10)的变化有着明显季节性，SO2、NO2、PM10之间以及它们与气象要素有着密切的相关性，不同的监测点污染物的排放情况不同，清洁对照点需要重新选择．