深圳地区空气污染潜势预报的研究

本文系统地介绍了目前深圳市气象台研制的深圳市空气污染潜势预报方法，本方法基于在污染源一定的情况下，未来空气污染状况主要取决于大气环流形势演变和局地相关的气象要素以及天气形势的思想，应用以统计加权法为主、数值预报为辅的方法，根据主观预报和数值预报给出的气象要素预报值和天气形势，制定相关因子的加权值表，最后通过非加权因子的修正，得出对未来24小时空气污染潜势预报，目前这一方法已经过业务上实践应用，取得了较好的效果。     

济南市空气污染潜势预报

通过统计历史资料,总结了影响济南市空气污染物扩散的７个气象预报因子,并给出空气污染潜势报的预报方法和方程,以预测空气质量的演变趋势。     

孝感市城区空气污染气象条件预报模型

使用空气污染潜势指数概念和箱体模式，开发并建立了一套孝感市城区空气污染气象条件预报模型，并用Visua1 Basic 6.0语言编写出相应的自动预报系统，实现了空气污染潜势的自动预报。其实际应用检验结果表明，全年空气污染潜势预报值评分为83．00分，春、夏、秋、冬四季的评分分别为77．65分、89．23分、76．32分和90．37分。     

西安市空气污染潜势预报方法

介绍了空气质量潜势预报方法,在因子选取上主要考虑了各种地面天气形势对污染物的稀释和扩散能力,在此基础上统计出各种气象因子对污染物稀释和扩散的贡献及对预报因子的选取.     

城市空气污染预报方法

介绍了城市空气污染预报的发展过程及几种预报方法,指出了各种方法的优缺点;介绍了城市空气污染预报问题的特点,包括预报的范围、时效及时空高分辨率;论述了复杂地形条件下采用数值模式预报污染物浓度的必要性。     

空气污染潜势指数预报方法

介绍了空气污染潜势预报,列出了目前辽宁省气象科研所所用的预报辽宁省空气污染潜势的方法和业务流程。在预报中采用了表征大气扩散稀释能力的气象因子,并求其对潜势指数贡献的加权数,以加权数之和作为潜势指数,依此做出全省范围内２４ｈ的空气污染潜势指数预报。     

北京市空气污染业务预报方法

对北京市气象局目前正在运行的空气污染业务预报方法进行较全面的介绍，其中包括以天气学方法为主的空气污染潜势预报，多元线性回归统计模式和基于大气污染平流扩散方程的数值模式3部分。由这3部分组成了污染预报的业务流程，该流程是在北京市气象局现有业务运行的中尺度数值预报模式（MM5）支持下建立的。2001年4月和5月在北京开展了试预报和正式预报，由于受北京春季沙尘天气的影响，预报准确率受到了一定的影响。     

湖北省城市空气污染气象条件预报模式

湖北省城市空气污染气象条件预报模式（以下简称模式）建立在有限区域中尺度数值天气预报模式和大气污染扩散箱格模型的基础上,是一种利用大气探空资料和一些地形、地表特征来预测城市空气污染变化趋势的方法。     

呼和浩特市空气污染潜势预报研究

介绍了用于呼市市区的空气污染潜势预报方法。此方法是在污染源时空分布相对稳定的情况下 ,主要依据大气环流形势演变和相关的局地气象要素对未来空气污染状况的影响制定相关因子的加权值表 ,最后通过预报员修正 ,得出未来 2 4小时的空气污染潜势预报。     

空气污染潜势指数预报方法

介绍了空气污染潜势预报,列出了目前辽宁省气象科研所所用的情报辽宁省空气污染潜势的方法和业务流程。在预报中采用了表征大气扩散稀释能力的气象因子,并求其对潜势指数贡献的加权数,以加权数之和作为潜势指数,依此做出全省范围内24h的空气污染潜势指数预报。     

集对分析在城市空气污染预报中的应用研究

在城市空气污染预报模型中, 精心挑选的因子具有较好的预报性能, 但是因子的优良性能并非始终不变, 而有时个别因子的不良表现往往可能导致预报的失败。根据集对分析 (SPA) 把不确定性和确定性作为一个动态的同异反系统处理的思想, 动态地分析和处理每次预报中因子作用的变化, 即每次预报前, 先对因子进行态势判别和同异反分析, 然后使可能干扰预报的弱势因子的作用受到有效抑制, 使有助于预报的强势因子的作用得到充分发挥, 从而实现了因子作用大小在各次预报中的动态变化, 取得了较为满意的效果。在预报模型中增加不确定性处理有助于提高预报准确率。     

利用中尺度模式作辽宁省空气污染气象条件预报

利用非静力中尺度数值模式（MM5V2），试验预报辽宁省空气污染气象条件。在模式中着重加密近地面的垂直分层，使用中期数值预报模式（T106L19）预报场作为初值背景场和侧边界。采用美国污染潜势预报方法，在模式预报输出市场中，通过对近地面层的混合层高度和混合层平均风速的判定，预测未来空气污染气象条件，并用SO2实测值进行检验。     

Comparison of Five Eulerian Air Pollution Forecasting Systems for the Summer of 1999 Using the German Ozone Monitoring Data

Eulerian state-of-the-art air pollution forecasting systems on the European scale are operated routinely by several countries in Europe. DWD and FUB, both Germany, NERI, Denmark, NILU, Norway, and SMHI, Sweden, operate some of these systems. To apply such modeling systems, e.g. for regulatory purposes according to new EU directives, an evaluation and comparison of the model systems is fundamental in order to assess their reliability. One step in this direction is presented in this study: The model forecasts from all five systems have been compared to measurements of ground level ozone in Germany. The outstanding point in this investigation is the availability of a huge amount of data – from forecasts by the different model systems and from observations. This allows for a thorough interpretation of the findings and assures the significance of the observed features. Data from more than 300 measurement stations for a 5-month period (May–September 1999) of the German monitoring networks have been used in this comparison. Different spatial and temporal statistical parameters were applied in the evaluation. Generally, it was found that the most comprehensive models gave the best results. However, the less comprehensive and computational cheaper models also produced good results. The extensive comparison made it possible to point out weak points in the different models and to describe the individual model behavior for a full summer period in a climatological sense. The comparison also gave valuable information for an assessment of individual measurement stations and complete monitoring networks in terms of the representativeness of the observation data.     

郑州市空气质量统计预报方法探讨

根据2005年、2006年采暖期RegCM 3模式输出产品和郑州市环境监测中心逐日监测资料,利用逐步回归方法建立了PM10、SO2、NO2等污染物质量浓度预报方程。该方法在2007年采暖期的试报中效果不理想,预报准确率明显低于历史拟合率。为了提高预报准确率,针对目前采用的统计方法中存在的不足,即在选择预报因子时没有考虑预报因子之间的相关性,挑选的预报因子由于非正交,使回归计算的结果不稳定。将自然正交分解和多元回归分析结合起来,以采暖期各污染物的日均质量浓度为预报对象,建立预报模型。结果表明,采用新方法制作的空气质量预报准确率有一定程度提高。     

广西城市空气污染预报业务系统的建立

应用数值预报与动态统计预报相结合的集成预报技术方法,将城市大气污染数值预报(CAPPS)模式、动态统计模式、Sybase数据库、网页技术等有机地结合起来,建立广西城市空气污染预报系统,形成了流畅的集资料传输交换、预报模式运算、预报制作与发布于一体的气象系统和环保系统预报会商的综合业务工作平台,在广西气象台同时对南宁、桂林和北海的城市空气污染做出预报。将近两年的业务实践应用表明,所建立的空气污染预报系统性能稳定、技术成熟、自动化程度和预报准确率高．     

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。     

北京城市大气环境污染机理与调控原理

该文主要介绍了科技部国家重点基础研究发展规划项目“首都北京及周边地区大气、水、土环境污染机理及调控原理”大气分项目的研究成果。项目分别于2001年和2003年重点开展了BECAPEX科学试验 (Beijing City Air Pollution Experiment)。BECAPEX试验同步进行城市边界层气象与大气化学观测, 通过卫星遥感、地面观测, 即城市空间和地面以及点与面结合的技术途径, 以揭示北京城市污染“空气穹隆”大气化学结构特征及其变化规律, 为城市环境大气动力-化学模式提供基本科学参数, 给出城市边界层大气物理化学过程综合模型, 为提高城市环境大气物理-化学过程耦合模式的准确性和可靠性提供科学依据。该项目揭示了北京城区和城近郊区城市边界层结构与湍流特征, 城市大气污染垂直结构特征; 发现了城市大气污染空间结构多尺度特征, 其中包括大气污染源影响和城市热岛多尺度特征; 揭示了城市大气重污染过程周边源影响域, 以及北京及周边地区气溶胶影响域和区域气候响应; 提出了北京市典型污染源排放清单; 发展了城市气象模式系统, 包括冠层模式、街谷环流和热力结构以及城市高大建筑群周围风环境数值模拟; 发展了空气质量模式技术, 包括二次气溶胶模拟试验、北京地区SO2污染的长期模拟及不同类型排放源影响的计算与评估、影响北京地区的沙尘暴输送模拟、区域化学输送模式中NOx和O3源示踪法, 城市尺度的大气污染CAPPS模式及统计模型的应用、大气污染及紫外辐射数值预报模式和CMAQ-MOS空气质量预报方法; 改进了美国公共多尺度空气质量预报模式, 建立了CMAQ-MOS区域空气质量动力-统计模型预报模式, 以及发展的源同化技术, 突破了当前空气质量模式技术“瓶颈”, 使模式预报准确率明显提高。     

合肥市空气质量预报方法

通过对空气污染预报方法的研究，采用MOS预报方法、卡尔曼滤波方法分别建立适合于合肥市空气污染特点的预报模式，为开展空气污染预报提供了必要的技术基础。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。