城市空气质量预报质量评估系统的研制及应用

根据《气象部门空气质量预报质量考核和管理暂行办法》中的方法，编制了一套适合全国47个重点环境保护城市的空气质量预报质量评分系统，并在武汉投入了初步应用，该评分标准科学，系统运行稳定。     

烟台市城市空气质量预报业务系统

主要介绍根据城市环境预报业务需要而开发研制的集预报制作、预报会商、资料传输、质量评定与查询、业务管理等于一体的空气质量预报业务系统的多种功能，系统自动化程度较高，减轻了业务人员工作强度，提高了工作效率。自2001年6月5日正式投入业务使用以来，效果思想。     

南昌市空气质量预报评分系统的研制和应用分析

根据《气象部门空气质量预报质量考核和管理暂行办法》中的方法,用VB6.0编制了1套适合南昌市的空气质量预报质量评分系统,并在南昌市投入应用。结果表明该评分系统科学有效,操作简单,运行稳定。     

空气质量预报质量考核自动评分系统

采用VB6．0制作业务软件；使用VB程序化语言，结合数据库访问技术，提取空气质量预报质量考核数据，建立空气质量预报质量考核自动评分系统。     

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。     

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。     

西安城市空气质量预报业务系统建设总论

对城市空气质量预报内涵及开展原由、空气质量预报的历史及现状、开展空气质量预报的意义和作用及其预报技术方法及业务化进程进行综述,并提出西安市空气质量预报工作存在的问题和建议.     

广东省空气质量预报系统

文章介绍了广东省气象系统开展空气质量预报的概况,包括使用的预报工具,其预报能力与业务运行的预报质量分析,以及进一步提高预报水平的一些设想。     

河西走廊东部城市空气质量预报系统

利用气象和环保资料详细分析了武威市空气质量的特点,针对不同季节、不同时次分别建立了沙尘暴短时、短期预报模式及空气质量统计预报、潜势预报模式,经检验效果良好。应用Fortran和VB语言设计编程,建立了武威市空气质量预报系统,该系统包括沙尘暴预报预警服务系统、空气质量统计预报系统和空气质量潜势预报系统,直接和MICAPS系统接口,具有资料处理、动力统计预报、潜势预报等模式计算及资料采集、处理、模式运行、预报显示、产品分发、资料查询、预报评分等多种功能,在业务应用中效果良好。     

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。     

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。     

基于空气质量模拟的江苏省大气污染物排放清单比较研究

大气污染物排放清单是空气质量模拟和空气污染治理的重要依据.本研究比较分析了两套覆盖江苏省的2017年大气污染物排放清单，即分别由上海市环境科学研究院、江苏省环境科学研究院编制的"长三角清单"和"江苏省清单"，并结合区域空气质量模型CMAQ评估不同清单对长三角地区2017年1、4、7、10月的空气质量模拟的影响.清单比较结果表明，除二氧化硫（SO₂）以外，江苏省清单估算的各污染物排放量较长三角清单低.通过与观测数据比较，发现两套清单对SO₂、氮氧化物（NO_x）、臭氧（O₃）和细颗粒物（PM_2.5）的模型模拟性能均较好.江苏省清单与长三角清单两者的模拟结果空间分布接近，其中江苏省清单模拟的PM_2.5和O₃在长三角多数地区略低于长三角清单的模拟结果（1月O₃除外）.江苏省清单与长三角清单均能够用于空气质量模式模拟，可为江苏地区的细颗粒物和光化学烟雾污染的控制策略制定提供参考.     

A framework for evaluating air quality models

This paper describes a framework to evaluate air quality model predictions against observations. We propose the following relationship between observations and predictions from an adequate model% MathType!MTEF!2!1!+-% feaafeart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn% hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr% 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq-Jc9% vqaqpepm0xbba9pwe9Q8fs0-yqaqpepae9pg0FirpepeKkFr0xfr-x% fr-xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGabm4qayaaja% WaaSbaaSqaaiaaicdaaeqaamXvP5wqonvsaeHbfv3ySLgzaGqbaOGa% e8hkaGIaamiEamaaBaaaleaacaaIXaaabeaakiaacYcacaWG4bWaaS% baaSqaaiaaikdaaeqaaOGae8xkaKIaeyypa0Jabm4qayaajaWaaSba% aSqaaiaadchaaeqaaOGae8hkaGIaamiEamaaBaaaleaacaaIXaaabe% aakiab-LcaPiab-TcaRiabew7aLjab-HcaOiaadIhadaWgaaWcbaGa% aGOmaaqabaGccqWFPaqkaaa!4F93!\[\hat C_0 (x_1 ,x_2 ) = \hat C_p (x_1 ) + \varepsilon (x_2 )\],where x ₁ refers to the inputs used in the model prediction C _p(x ₁), and x ₂denotes unknown variables which affect the observed concentration C ₀. The hats associated with C _pand C ₀denote transformations to convert the residual to a white noise sequence which is normally distributed. In this paper we assume % MathType!MTEF!2!1!+-% feaafeart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn% hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr% 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq-Jc9% vqaqpepm0xbba9pwe9Q8fs0-yqaqpepae9pg0FirpepeKkFr0xfr-x% fr-xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGabm4qayaaja% GaeyyyIORaciiBaiaac6gacaWGdbaaaa!3B39!\[\hat C \equiv \ln C\].The standard deviation of determines the expected deviation between model prediction and observation. The purpose of model improvement is to make this deviation as small as possible.The formalism we have proposed is applied to the evaluation of two models developed by this author. We show how careful analysis of residuals can lead to improvements in the model. We have also estimated for each of the models.In the last part of the part of the paper we show how the statistics of can be used to interpret model predictions.     

Urban air pollution: process identification, impact analysis and evaluation of forecast potential

The daily variations in the atmospheric pollutants like suspended particulate matter (SPM), respirable suspended particulate matter (RSPM), sulphur dioxide (SO₂) and nitrogen dioxide (NO₂) depend on both local meteorological processes and various natural as well as anthropogenic sources and sinks. It was shown in an earlier work (Goswami and Baruah in Mon Wea Rev 136(9):3597?C3607, 2008) that the daily variations in SPM over a location could be simulated quite well by considering daily meteorological fields from NCEP Reanalysis in combination with a model for natural and anthropogenic sources over Delhi. In the present work, we extend the scope of the model to include three other pollutants: RSPM, SO₂ and NO₂. While the basic conservation equations and the meteorological fields are common to all the three (and SPM) pollutants, the sources and sinks for each is modeled in a species-specific manner to obtain maximum skill. As we do not consider active chemistry, the present model provides the minimal dynamics of pollution over an urban location in terms of annual load; the model error is about 10% on the average, with no significant bias for any of the species.     

基于数值预报模式的乡镇温度预报方法研究

利用2015年8月至2017年7月长兴岛站和交流岛站日最高气温、日最低气温实况资料,对ECMWF细网格2 m温度预报值和日本FSFE02(24 h地面形势场预报)、FSFE03(36 h地面形势场预报)进行了检验。结果表明:根据历史回归统计检验,ECMWF细网格模式24 h的2 m最高气温、最低气温预报效果显著,通过了0. 05信度显著性检验。对各月做相关分析,相关性均较好。利用前一日ECMWF细网格2 m温度预报值与长兴岛站实况差值,根据统计的ECMWF细网格2 m温度预报订正值,做出长兴岛站未来24 h的气温预报。交流岛站温度预报是在长兴岛站温度预报的基础上订正做出,经统计分析,交流岛站和长兴岛站的气温差值与地面形势场和风场有较好的对应关系,根据不同类型的地面形势场和风场订正值,做出交流岛站的温度预报。应用Matlab计算机语言的开发功能,提取ECMWF细网格2 m温度预报的最高、最低气温值,并录入当日长兴岛站和交流岛站最高、最低气温实况值,自动预报各站未来24 h最高气温、最低气温。创建可视化预报工作界面,实现乡镇温度预报自动化。     

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。     

基于支持向量机的雷暴潜势预报初探

根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为86.21%,虚警率为15.25%,漏报率为13.79%。对比三种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为0.79。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。     

业务质量评定系统

针对原有手工业务质量评分存在的弊端，研制开发了业务质量评定系统，该系统在Windows98界面下运行，安装简单，使用方便，可靠性强，现已运行使用，并成为预报质量上报的主要依托。     

基于LPSC算法的逐小时格点气温客观预报及检验评估

基于中国气象局陆面数据同化系统(Land surface Data Assimilation System of China Meteorological Administration,CLDAS)逐小时气温实况融合数据,检验评估了ECMWF、CMA-MESO-3km不同尺度模式对甘肃省逐小时气温的预报性能,并利用低频滑动平均订正算法(LPSC)对模式的系统性误差进行订正;同时对SCMOC和订正后两种模式的逐小时气温预报效果进行了统计对比。结果表明:1)ECMWF、CMA-MESO-3km模式对甘肃省逐小时气温的预报具有相对稳定的系统性误差,夜间预报准确率明显低于白天,主要表现为夜间预报显著偏高,白天为小的负偏差。2)LPSC算法能够有效改善ECMWF和CMA-MESO-3km对甘肃省逐小时气温预报的系统性误差,订正效果显著。订正后ECMWF、CMA-MESO-3km的预报准确率分别较模式本身提高了20.24％、20.25％,平均误差减小至±0.3 ℃之内;空间分布亦表明,订正后全省平均误差均明显降低至±2 ℃之内。3)同类产品对比检验表明:订正后ECMWF、CMA-MESO-3km两种逐小时气温预报产品的预报效果整体上均优于SCMOC,预报准确率分别较SCMOC高20.65％、13.55％,平均绝对误差在各个时次也明显低于SCMOC。技巧评分的空间分布表明,订正后ECMWF在全省大部分地方均为正技巧,其中酒泉南部山区可达80％以上;而订正后CMA-MESO-3km的预报效果各个季节分布存在差异,主要体现在陇中和陇东南地区,冬春季以弱的正技巧为主,夏秋季基本为负技巧。另外,业务应用结果表明,对于转折性天气过程,使用该方法需要特别注意。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。