上海城市空气质量预报(日报)业务系统探讨

介绍了由上海市城市环境气象研究中心和上海市环境监测中心合作开发研制的上海城市空气质量预报（日报）系统的整体框架，包括数据资料采集，信息交换，预报制作和产品发布子系统，对用于城市空气污染物指日常预报服务的五种预测模式和方法及精度进行了讨论。     

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。     

用卡尔曼滤波法和逐步回归法建立空气质量预报系统

用卡尔曼滤波法和逐步回归方法，选用地面及850hPa的气象因子资料和环境监测浓度资料，建立预报方程，对贵阳市城市空气污染物浓度进行滚动预报，预报效果较好。该方法能有效地弥补单一的统计回归方法的不足，实用性高。     

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。     

桃仙机场7月高空槽雷雨的统计预报

根据桃仙机场1989～1994年地面和高空资料进行统计分析,建立预报方程,得出预报判据,对桃仙机场雷雨进行预报。     

晋江城市空气质量污染潜势统计预报方法初探

根据实际工作经验,通过分析气象条件对晋江空气质量的影响,建立了一套以天气形势为依托、综合考虑气象要素变化、以分类法和趋势外推法相结合的空气污染潜势的统计预报方法。经实践检验：用该方法预报空气质量为Ⅰ级和Ⅲ级以上的准确率分别为95.2%和79.2%,API指数误差在[-10,10]的命中率达到82.5%。预报方法简单、经济、实用,预报准确率较高,可为沿海地区中小城市今后开展空气质量预报提供参考。     

新一代省级农业气象预报系统通用统计预报模型的设计与实现

统计预报方法是农业气象预报业务中常用的一种方法。在“新一代农业气象预报系统”中，系统设计了一种通用统计预报模型构建方法，可用于作物产量预报、农业气象灾害预报等农气预报业务。本文主要介绍了通用预报模型的设计原理、实现方法及应用试验结果等。     

用TSI天气分型方法分析上海环境空气质量

基于主成分分析和聚类分析的TSI天气分型方法,把2003-2005年上海市的气象资料按季节分型,对比分析上海市四季不同天气类型下的空气污染指数,结果发现：四季API最大值的天气类型为冬季Ⅷ型、春季Ⅲ型、夏季Ⅰ型、秋季Ⅱ型;不同天气类型下同一污染物指数冬季差别最显著,春秋季节次之,夏季最不显著;冬季污染物指数最大,春季次之,夏季最小;各季节各天气类型下,均以PM10污染指数最大。     

上海地区地面风向对空气污染物浓度的影响

利用2000年6月至2002年12月上海地区空气污染物浓度和地面风向资料，统计了月平均污染物浓度随偏西风频率的分布，两者具有一致的趋势。首要污染物：PM10平均浓度风玫瑰图显示高浓度对应偏西风向的出现，各季节均表现出此特性。由于冬、夏半年主导上海地区的天气系统的不同，分冬半年和夏半年统计了各污染物浓度日变化随风向日变化的均值和标准差，当风向由非西风转为偏西风或连续受偏西风影响时，污染物浓度有所上升，不同污染物间，PM10浓度对地面风向的改变较SO2和NO2更敏感。     

气象条件变化对哈尔滨市空气质量的影响

用大量观测事实、统计相关分析表明，气象条件包括气压形势场、相对湿度(高空露点温度)、气温、风速和大气的稳定性等变化，对空气污染物的PM10、SO2和NO2浓度扩散程度的影响是明显的有规律的。在不同季节、不同时期，地面和高空气象因子作用是不同的。但另一方面，由于污染源因季节冷暖程度不同，排放量很难掌握，因此，气象条件对污染的影响有不确定的一面，使问题变得复杂化。     

2004年北京市沙尘天气对空气质量影响的对比分析

北京市环保局近几年的空气质量监测报告表明：PMIO污染显著,一直居高不下,是最主要的污染物,全年中其占首要污染物的天数超过90％;SO2的污染趋势已经得到控制;NO2的污染状况改善相对较小,但整体呈现缓慢下降的趋势。通过对2004年春季北京市发生的3次沙尘天气过程的分析与比较,结合北京市3月份的空气污染物浓度（或指数）的变化情况,总结了沙尘天气对空气质量的影响情况,为今后北京地区沙尘天气的空气质量预报提供参考。     

利用Kappa统计值研究多种空气质量预报方法的一致性

采用基于权重Kappa统计值的方法,在剔除了由于偶然性和随机性造成的一致性的基础上,对三种常用的空气质量预报方法的预测结果的一致性进行了衡量.结果表明,"数值模式预报"与"综合经验预报"的预测结果为"中等的一致性",说明其预测结果的一致性并不是由于偶然性造成的.衡量结果是清晰的,避免了来自主观评价的差异.从而,有利于提高对不同模型预测结果的差异性的认识,对进一步提高空气质量预报的准确度有着重要意义.     

城市空气质量与气象条件的关系及空气质量预报系统

利用2002年6月1日至2004年5月31日沧州市环境监测站的逐日空气质量报告数据,对沧州市空气质量及其污染物进行了统计分析,发现沧州市空气质量优良的天数居多,两年中有236天污染天气。影响沧州市空气质量的首要污染物为PM10,其次为SO2,空气质量受季节影响较为严重,冬季取暖期污染最为严重,属于“煤烟型”污染,并与天气现象、气压场、风场、总云量等气象因子密切相关。对比沧州市每日运行的空气质量预报系统,CAPPS 1.0模式比统计预报模式预报更为准确。     

Models-3空气质量模式对兰州市污染物输送的模拟

较详细地介绍了美国环保总局的第三代空气质量模式系统Models-3的特点,并且针对兰州市冬季采暖期污染严重的特点,选取2002年12月份的个例,将兰州市最新的大气污染源资料加入模式中．对模式进行调试并检验了该模式对兰州污染的模拟性能。从模式对SO2,NO2和O3等几种大气污染物浓度的模拟结果与监测资料对比分析,表明该模式系统较好地模拟出了SO2,NO2的空间分布格局,模拟结果与监测结果比较吻合,而且模式模拟的污染物浓度场比较均匀;模式模拟的O3的日变化规律与资料分析结论基本一致,也符合O3的生成机理。因此该模式系统对于复杂地形条件下的城市污染物输送具有一定的模拟能力。     

人工智能模型的分类临近预报产品效果检验与分析

对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析,结果表明：（1）对于降水产品,随着降水量级的增大,模型预报效果变差。相对来说,模型对0～1 h降水的预报能力略优于1～2 h,模型在0～2 h内完全不能预报出站点上≥10 mm的实况小时降水。（2）对于雷电产品,总体上模型的预报能力较差,1～2 h的预报效果明显比0～1 h差。相对5与20 km半径格点化实况,当取10 km半径格点化时,模型的雷电整体预报效果最优。（3）雷暴大风与冰雹产品具有类似的特点：在适当的时空匹配方式下,模型能预报出大多数实况中出现的雷暴大风或冰雹,但虚报率高,业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大,相对于冰雹预报,雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时,既可兼顾雷暴大风和冰雹的局地性,又可保证定量检验上相对较优。     

北京城、郊和山区不同强度等级降水变化特征比较

利用北京地区1977-2013年18个站点逐小时降水资料,将小时降水分为弱降水（第50百分位值以下）、中等强度降水（第50至90百分位值）以及强降水（第90百分位值以上）3个等级,对北京地区山区、郊区以及城区夏季不同强度等级降水变化特征进行了深入细致的分析。结果表明,北京地区夏季降水量存在显著的减少趋势,这种减少趋势主要是由于弱降水和中等强度降水的显著减少引起的,强降水没有表现出明显的增多或减少趋势;与郊区相比,2004年之后城区的强降水对夏季总降水量的贡献越来越大而弱降水的贡献减小。在降水日变化上,不同地区、不同等级的降水存在差异。弱降水存在清晨和夜间双峰值特征,中等强度和强降水只存在夜间单峰值特征。清晨峰值时刻,山区、郊区和城区弱降水都表现出一致的显著减少趋势;夜间峰值时刻,山区的各等级降水变化不显著,而在2004年之后,城区弱降水少于郊区,强降水则多于郊区。北京地区降水过程不对称性特征（降水过程峰值前后差异性）十分明显,其中以强降水的不对称性最强,相对于郊区和山区来说,城区强降水过程的不对称性有增大的趋势。     

西安城市空气质量数值、统计预报方法效果评估及业务化集成预报

通过对空气质量预报考核的定义,分别对数值、统计及会商的预报结果予以评估,并采用权重集成、可信度集成、回归集成方法进行集成,通过对比分析最终选取回归集成预报方法业务化应用.