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。     

湛江市空气污染预报方法

利用湛江市地面常规气象观测资料，应用逐步回归的统计方法，对湛江市各测点的SO2、NO2、PM10浓度分别进行了计算分析并建立预报方程，预报实践证明，准确率较高。     

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。     

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     

长春市空气污染潜势预报的统计模型研究

通过分析TSP污染指数与气象条件的关系，特别是一些非线性关系，建立了长春市空气污染潜势预报统计模型，借助T106及日本数值预报产品进行试报，效果较为理想。     

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。     

城市空气污染预报方法

介绍了城市堂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、时效及时空高分辫率;论述了复杂地形条件下采用敷值模式预报污染物浓度的必要性。     

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。     

城市空气污染预报方法简述

概括论述了城市空气污染预报的基本方法(潜势预报、统计预报和数值预报)、数值预报的主要特征(空间尺度与预报时效、高分辨率、多化学物质、理化生过程耦合、污染气象与污染物排放特征)及其用于天津和沈阳等城市的空气污染数值预报模式系统(σ中尺度和β中尺度气象预报模式与城市空气污染预报模式)。     

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.     

大庆市空气污染预报方法

用污染潜势指数和污染浓度指数等方法结合当地的天气气候特点，以及污染源分布状况，建立了污染预报模型，作大庆城区24h空气污染浓度指数预报，经验证效果较好。现已投入业务使用，并开始对外发布预报。     

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。     

城市空气污染数值预报试验

采用城市空气污染数值预报模式系统, 并结合天津市部分气象资料和浓度监测资料对１９９８ 年１ 月１～１５ 日的ＳＯ２、ＮＯｘ和ＴＳＰ浓度进行数值模拟和试预报。结果表明,该模式运行稳定, 计算满足预报时效要求, 对ＳＯ２和ＮＯｘ日均值预报的准确率可分别达到６４％ 和７０％ , 对ＳＯ２逐时预报的准确率为５５％ ～６２％ , 对ＴＳＰ预报的准确率低于ＳＯ２和ＮＯｘ。此次预报试验说明,该模式可作为城市空气污染数值预报的基本模式进行初步应用,但仍需进一步的研究、发展和完善     

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。     

城市空气污染预报发展动态

1问题的提出随着人口、环境、都市化问题的日趋严重，一门新的学科——空气污染气象学就越来越受到人们的重视。近年来，大家普遍关心城市的空气质量问题，于是空气污染预报业务便摆到议事日程上来了。进入现代工业社会以后，世界上相继发生了许多严重的城市污染事件。例如1952年12月5～9日，发生了伦敦烟雾灾难，死亡4000人，患者无法统计，它是由于煤烟和硫氧化物加上特定的气象条件——雾共同造成的。1953年11月，美国纽约发生了空气污染导致165人死亡，患者无数。美国的洛杉肌由于汽车排放的尾气造成空气污染，加上当地盆地地形和经常长…     

福州市空气污染浓度预报方法

根据福州站１９９５～１９９８年探空和地面资料,计算出影响污染物浓度的１１个地面气象要素和９个大气层结参量,将它们和福州市１９９５～１９９８年ＳＯ２、ＮＯＸ、ＴＳＰ浓度建立一系列回归方程,利用该回归方程对１９９９年２～８月空气污染物进行逐日等级预报,天气形势分类对应关系进行补充订正得出预报等级,并与实测各污染物浓度等级进行对比。     

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。