基于CUACE模式的合肥地区空气质量预报效果检验

为了检验CUACE模式指导产品在合肥地区的预报性能,本文利用合肥地区PM_(2.5)、PM_(10)、O_3监测资料对中国气象局下发的2014年3月至2015年2月合肥地区空气质量CUACE模式指导产品的预报效果进行了检验。结果表明:2014年3月至2015年2月合肥地区CUACE模式指导产品AQI和PM2.5浓度的预报值接近实测值,PM_(10)浓度预报值略小于实测值,O_3浓度的预报值明显偏大,但O_3浓度的预报值与实测值相关性最好,AQI、PM_(2.5)浓度和PM_(10)浓度预报值与实测值之间的相关系数均为0.3—0.4。实测空气质量等级为良时,CUACE模式空气质量等级预报的TS评分最高,漏报率和空报率最小;实测首要污染物为PM_(2.5)时,CUACE模式首要污染预报TS评分最高,漏报率和空报率最小。CUACE模式的预报性能并未随预报时效的延长而降低,CUACE模式指导产品总体预报效果较好,可为合肥市空气质量预报提供指导。     

基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验

基于CUACE(CMA Unified Atmospheric Chemistry Environment)和CMAQ(Community Multiscale Air Quality)空气质量模式预报产品,应用BP(Back-Propagation)人工神经网络法建立沈阳市不同地点小风和高湿条件下PM_(2.5)浓度集成预报模型,并对预报结果进行检验。结果表明:与单一空气质量模式相比,集成模型预报的PM_(2.5)浓度更接近实测值,预报的PM_(2.5)浓度的平均偏差和归一化均方误差均明显减小,预报的PM_(2.5)浓度的模拟值在观测值两倍范围内的百分比(FAC2)明显提高。集成模型能较好地预报PM_(2.5)浓度高值的变化,且显著提高了沈阳市外围城区PM_(2.5)浓度的预报水平。集成预报模型可以实现CUACE和CM AQ两种空气质量模式产品的最优综合,对空气质量的实时预报具有一定的参考价值。     

2013—2014年江门CMAQ的预报检验

基于CMAQ空气质量模式的报文资料和江门环境监测站资料,对2013年12月至2014年2月份CMAQ空气质量模式在江门市的应用进行了效果检验,分析了AQI和SO_2、NO_2、PM_(10)、PM_(2.5)等要素的预报值与实际观测值之间的误差和预报效果,结果表明:模式对AQI 24、48和72 h时效的预报值都比实测值偏高、预报时效越长、偏离越大;离散程度越高,可靠性也越差。整个冬季AQI 24 h时效预报值与实测值相关系数高达0.72,模式能够准确把握AQI的变化特征,48和72 h时效相应的相关系数分别为0.55和0.4。模式对SO_2、PM_(10)、O_3和PM_(2.5)的预报容易偏高,对NO_2和CO的预报容易偏低。6种要素预报效果较好的是PM_(2.5)和PM_(10);预报效果最差的是CO,无论是平均偏差、离散程度、相关系数和可靠性等,明显低于其它要素。     

华中区域空气质量数值预报系统评估及气溶胶辐射效应的模拟研究

基于多种检验指标对2015年6月至2016年2月华中区域空气质量数值预报系统的6种污染物(PM_(10),PM_(2.5),SO_2,NO_2,CO,O_3)和AQI指数的预报结果进行检验评估,在确保模拟效果的基础上,通过敏感性试验研究区域气溶胶对地面气象要素的影响,结果表明:华中区域空气质量数值预报系统对湖北省6种污染物和AQI具有稳定且较好的预报效果。存在03预报较实况偏高,预报误差较大的问题,后期将通过误差订正来减小误差。对比CUACE模式预报效果表明,24～48 h的预报效果区域模式优于CUACE,72 h两个模式预报效果相当。气溶胶对地面气象要素具有一定的影响,对2015年1月9-12日的模拟过程而言,气溶胶的总辐射效应使地表接收太阳辐射减少7.740 W·m~(-2),2 m气温降低0.162℃,行星边界层高度降低16.457 m,相对湿度增加0.557%,10 m风速减小0.011 m·s~(-1),其中直接效应和间接效应各有一部分贡献,气溶胶对白天地面气象要素的影响比夜间大。由于区域接受太阳辐射减小、气温降低、行星边界层高度降低、风速降低、湿度增加有利于气溶胶吸湿增长等条件不利于污染物扩散,污染物浓度不断累积升高又促使气象条件的上述变化,由此产生了气象条件与大气污染之间的双向反馈作用。     

两种大气化学模式系统对浙江省PM_(2.5)浓度预报结果的对比分析

利用大气化学模式系统CUACE/Haze-fog与WRF-Chem,分别选取3次不同程度的污染天气过程进行数值模拟,并利用浙江省142个环保监测站点观测数据,对模拟的PM2.5浓度的时空演变特征进行检验,评估两个模式对PM2.5浓度的预报效果。结果表明,CUACE/Haze-fog与WRF-Chem模式均能够较好的反映出PM2.5日均浓度空间分布特征及其逐日变化特征。WRF-Chem预报与观测的PM2.5日均浓度的空间相关系数明显高于CUACE/Haze-fog,且总体来看相对偏差与均方根误差明显低于CUACE/Haze-fog。CUACE/Haze-fog与WRF-Chem模式能够基本反映出PM2.5浓度连续3 d(72 h)的变化趋势,且24 h与48 h预报效果优于72 h预报。本次模拟中气象场模拟的偏差可能是导致PM2.5浓度模拟偏差的主要因素。此外,CUACE/Haze-fog模式对化学场初始值的低估可能是其对PM2.5浓度系统性低估的重要原因之一。     

基于WRF Chem模式的PM25预报效果评估

为了解华东区域气象中心业务化运行的基于WRF-Chem的"华东区域大气环境数值预报业务系统"对于安徽省PM_(2.5)浓度的预报性能,结合2015年6月至2016年5月观测资料,对其预报效果进行了评估。结果表明:模式预报值与观测值的总体相关性较好,不同时效的预报效果均能达到"优秀"的范围;预报偏差的空间分布整体呈现出北部偏小,南部偏大的特点;2015年夏、秋季24h预报平均偏差呈现东北部偏小,其他地区偏大,2015年冬季、2016年春季东北部分地区和沿江江南部分地区预报值偏小,参与评估的14个城市不同季节平均偏差均在±30μg·m~(-3)以内;该模式产品对于安徽省大部分城市中度及以上污染天气PM_(2.5)浓度漏报率多于空报率。     

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...     

基于CUACE系统沈阳地区春季空气质量预报的校验及修正

本文基于CUACE系统,利用2015年4—5月沈阳市大气环境观测数据对沈阳地区春季空气质量的预报效果进行了校验和修正。结果表明:CUACE模式对6种污染物(PM10、PM2.5、NO2、O3、SO2和CO)质量浓度的预报值普遍小于观测值,对PM10浓度的预报存在严重低估。CUACE模式预报的沈阳地区春季日首要污染物多为PM2.5,而观测表明沈阳地区春季PM10和PM2.5为日首要污染物的日数相当。同时,CUACE模式预报的空气污染等级与实际观测的空气污染等级相比存在较高的等级偏差率。利用污染物观测浓度和预报浓度之间的线性拟合公式修正CUACE模式的预报结果,修正后首要污染物的预报结果与实际观测结果基本吻合,同时空气污染等级的预报准确率也明显提高,提高幅度为50.0%—80.0%。     

华南低能见度天气特征及客观预报研究

利用2000—2016年华南219个县级气象观测站的地面、高空气象观测资料以及对应站点的再分析资料,统计发生低能见度天气的天气形势和特征,归纳低能见度天气的预报指标。将与能见度以及能见度变化相关的气象要素输入神经网络进行训练,利用EC集合预报数据集获得能见度集合预报结果,通过对其离散度的统计分析以及经验公式最终获得具有泛用性、可靠性的神经网络模型的参数集。通过输入EC确定场数据,获得华南219县级站长时效精细化能见度预报结果,2017年上半年的能见度预报试验显示,模型预报结果的误差与TS评分均优于CUACE模式能见度预报。     

CUACE模式在兰州城市空气质量预报中的检验订正

利用2014年9月—2015年8月环境保护部对外发布的兰州市6种污染物实况监测数据,对同时期CUACE模式的24 h预报结果进行误差分析,并通过误差滚动线性回归订正方法进行检验订正。结果表明:(1)兰州市的首要污染物以PM10为主,其次是PM_(2.5);(2)CUACE模式对SO2的预报及对O_3、NO_2、PM_(2.5)和PM_(10)预报为2级时,等级预报准确率较高,预报结果可直接使用;(3)模式对O_3和CO预报1级时,采用10 d误差滚动订正后等级预报准确率可提高1.1%~5.5%;(4)模式预报其它要素的其它级别时采用5 d或10 d误差滚动订正后再加上或减去一定值后,等级预报准确率可提高8.7%~75%。     

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PM2.5、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,PM25中心在珠三角西北部,...     

呼和浩特市2015年冬季空气质量指导预报检验分析

文章对呼和浩特市2015年冬季(2015年11月—2016年1月)空气质量指导预报从单时次预报、逐日预报、过程预报3个方面进行了检验分析。检验分析表明:(1)单时次(08时)PM_(2.5)、PM_(10)等要素浓度预报偏差在可接受范围内,其中PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2冬季平均绝对误差分别为52.99、68.21、1.25、17.89、26.93、23.76ug·m~(-3),且PM_(2.5)与PM_(10)误差变化趋势较为一致,其相关系数为0.91;单时次(08时)AQI预报准确率为72.94%。(2)逐日AQI检验误差65.41,AQI预报准确率为64%。(3)空气质量污染过程预报较为滞后,其中单峰型污染过程波峰预报时间滞后48~60h;双峰型污染过程中第一个波峰预报时间滞后60h左右,而第二个波峰滞后1d左右;持续性污染过程中波峰预报时间滞后约36h。     

华中区域环境气象数值预报系统及其初步应用

基于WRF/Chem大气化学模式建立了华中区域环境气象数值预报系统,初步应用在武汉市大气污染物浓度数值预报中,并与CUACE全国环境气象模式产品预报进行比较,最后通过试验探讨了一种大气污染调控方案。结果表明,模式系统较好地验证了武汉市大气污染物浓度日变化及空间分布特征,对PM10、PM2.5、SO2、NO2、CO浓度变化趋势及误差稳定性预报较好,平均绝对百分误差MAPE控制在20%~40%,冬季O3预报出现系统正偏差,但趋势预报较好。区域WRF/Chem模式对武汉市的大气污染物浓度预报效果要优于CUACE模式系统,可为武汉市空气质量预报提供更具有参考价值的模式指导产品。此外,试验探讨了污染源排放速率的优化调控方案,依据大气边界层高度日变化特征,通过动态调控一天中不同时段的污染源排放速率,调度日间最大排放至大气稀释扩散的有利时段,在不消减日排放总量的情况下,也可以减少大气污染。     

北京区域环境气象数值预报系统及PM2.5预报检验

基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM_2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM_2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM_2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。     

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%。     

全国网格化多模式集成空气质量预报的初步建立

为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°X0.25°网格化污染物实况。结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报。在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报。对2018年12月19一22日一次重污染过程中集成预报的PM_(2.5)浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在—20%～40%,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测。整个过程中,最优集成在大部分污染区域与观测之间的NMB值为—20%～20%,均方根误差(RMSE)值为35～75μg·m~(-3),相关系数(R)值大于0.4。相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分。在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h。未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率。     

2014-2016年荆州城区空气质量与气象要素的关系分析

利用2014年1月1日—2016年12月31日荆州城区逐日空气质量数据和同期地面气象要素逐日观测资料,分析了荆州城区空气质量状况、变化特征及其与气象要素的相关性。结果表明,荆州城区优良日数偏少,但2014—2016年荆州城区空气质量略有改善,首要污染物为PM_(2.5);AQI和PM_(10)、PM_(2.5)、SO_2、NO_2、CO的月变化规律一致,呈V型分布,冬季空气污染最严重,夏季空气污染相对较轻,O_3的变化规律则相反,呈反V型分布;除O_3外,AQI和其他污染物浓度与前一日AQI、气压呈正相关关系,与气温、水汽压、湿度、云量、降水、风速呈负相关关系,据此建立了AQI和各污染物浓度的回归预报方程;进一步分析了2014年1月严重污染天气的成因,本地污染物的分布、外地污染物的输入和气象扩散条件是影响空气质量的主要因素。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

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。      

高分辨率区域模式降水预报在云南的检验

为了解高分辨率区域数值模式降水预报在云南的预报效果和误差特点,针对华南中尺度模式、华东区域数值预报业务模式和中央气象台GRAPES-Meso模式对2017年9月—2018年12月云南降水预报进行检验分析。结果表明:华东模式降水预报效果整体最好,其降水的振幅接近实况,晴雨准确率也是最高,而华南和GRAPES模式空报率和漏报率普遍偏高。三种模式对滇东北、滇中西部、滇西北北部≥0.1 mm降水预报评分普遍较低,对滇南、滇西南、滇西边缘地区的评分普遍较高。在滇东北北部、滇中西部、及滇西北北部地区三种模式对≥10 mm降水TS评分普遍较低。对于≥25 mm降水,华东模式和华南模式在滇中、滇西地区的TS评分高于GRAPES模式。对于≥50 mm降水,华东模式和华南模式在滇东南、滇西南、滇西边缘及金沙江河谷沿线TS评分高于GRAPES模式。对于云南强降水天气过程,≥0.1 mm降水华南模式预报效果较好,但10 mm和25 mm以上量级降水华东模式的预报效果较好,≥50.0 mm则是GRAPES模式更具参考价值。