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%。     

北京空气质量预报系统奥运模拟检验与应用

采用2007年8—9月空气质量数据,对CAPPS-3空气质量预报系统进行模拟预报检验。结果表明,从污染物浓度值的模拟预报结果看,SO2的模拟效果优于NO2和PM10;从API指数检验结果看,SO2的模拟效果较好,而PM10模拟效果略差于SO2;从API指数分级检验结果看,SO2的模拟效果最好,PM10次之,而NO2预报结果最差。如果将模拟预报的结果与提前两天的观测值进行对比,预报的准确率会显著提升。总体上看,CAPPS-3空气质量预报系统运行效果良好,经订正后,该模式在奥运期间空气质量预报中得以应用,并取得了较好效果。     

秦皇岛市空气污染与气象要素的关系

利用多因子分析和多元回归模型,对1998—2004年秦皇岛市城区空气污染物浓度逐日监测数据及气象要素进行分析,并调查污染源,得出主要污染物与气象要素的关系,建立当地空气质量预报。结果表明：上游西北地区是对秦皇岛市空气质量影响最大的污染源地;空气质量首要污染物PM10的峰值出现在4月,SO2的峰值出现在采暖季,NO2浓度全年稳定少变; SO2和PM10的浓度受风场影响较大,NO2最小;春季“南高北低”型气压场造成PM10污染指数全年最高;大于等于1 mm的降水对空气净化作用效果较小于1 mm的降水显著;春季气旋控制下,5级以上西风可形成中度以上污染,而非气旋控制下,6级以上西风才可形成中度以上污染。     

CAPPS1和CAPPS2数值预报模式对比分析

对CAPPS1模式和CAPPS2模式预报广西污染物进行了对比分析。主要对比了其污染扩散原理、气象预报模式、操作系统、运行时间、预报时效及预报效果。分析表明：CAPPS1和CAPPS2模式对各种污染物预报的相关系数均在0．44以上，两种模式预报广西空气污染都是可行的；两种模式均对SO2的预报效果最好，NO2次之，PM10相对最差；CAPPS2模式对各种污染物的预报值与实测值相关系数均比CAPPS1高，其中NO2的相关系数提高幅度最大；CAPPS2模式对NO2和PM10的预报准确率比CAPPS1偏高，而对SO2的预报准确率比CAPPS1偏低；CAPPS2预报首要污染物正确率比CAPPS1高出11个百分点，而预报首要污染物等级正确率则高出9个百分点。     

CAPPS3模式在福州市预报效果检验

对2009年7月至2010年6月区域空气质量数值预报模式CAPPS3在福州市的应用进行效果检验,分析各季节CAPPS3预报福州市3种污染物SO2、NO2和PM10的等级预报准确率、转折性天气预报准确率及与监测值的相关系数以及综合评分。结果表明：夏秋季节CAPPS3模式3种污染物等级预报准确率较高,冬季NO2和春季PM10的等级预报准确率较低,错误等级预报多数偏高;转折性天气预报准确率夏秋季最高,春季最低,模式对天气形势的变化反应不灵敏,特别是污染物浓度突变时,预报能力较差,当天气形势稳定时,预报效果较好;CAPPS3模式浓度预报值较监测值有偏大和滞后的缺点;相关系数及综合评分结果夏秋季最高,春季最低。CAPPS3总体预报效果较好,可提供有价值的指导预报,适合业务运行。     

基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型

利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。     

聊城市空气质量现状及污染原因分析

利用2013年10月至2014年9月山东省聊城市大气主要污染物监测数据,分析了各种污染物的时空分布特征及其对空气污染的贡献,探讨了聊城市大气污染的成因。结果表明:2013年10月至2014年9月聊城市轻度污染以上的空气质量日数所占比例高达70.0%,大气中SO2、NO2、CO、PM2.5和PM10浓度季节变化规律明显,即冬季各种污染物浓度远高于夏季。日首要污染物以PM2.5和PM10出现日数最多,其次为SO2作为首要污染物在冬季出现偏多,臭氧8 h作为首要污染物在夏季出现相对较多。聊城市5种污染物对空气污染的影响程度从大到小依次为PM2.5PM10NO2COSO2,其中PM2.5与PM10分担率大幅高于其他3种污染物,说明聊城市大气污染属于可吸入颗粒物与细颗粒物主导的类型。相关分析发现,PM2.5和PM10具有来自相同或相似污染源的可能性,扬尘与化石燃料使用是PM2.5和PM10污染的主要成因。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

春节期间禁燃烟花爆竹对南京市空气质量影响

利用2014年和2015年春节期间南京市城区与郊区主要污染物(PM10、PM2.5、SO2和NO2)浓度监测资料和气象观测资料,分析了禁燃烟花爆竹对南京市空气质量的影响。结果表明:2015年春节期间禁燃烟花爆竹对南京市空气质量改善显著。2015年春节期间,南京市AQI同比2014年春节期间下降了20%—30%,除夕至正月初三期间空气质量为优良;同时,SO2和NO2质量浓度变化幅度较小且均达到空气质量二级标准;PM10和PM2.5质量浓度变化趋势与2014年春节期间相反,且变化幅度比SO2和NO2质量浓度大,变化幅度分别为13.0—234.5μg·m-3和17.5—320.4μg·m-3。PM10和PM2.5是造成南京市春节期间空气质量污染的主要污染物,其中PM2.5所占比重较大,但2015年春节期间PM10和PM2.5最高小时浓度分别占2014年春节期间的51.0%、40.0%。此外,2015年春节期间南京市城区与郊区PM2.5浓度比2014年春节期间均降低且差异较小。春节期间气象因素对南京市污染物扩散具有较大影响,但禁燃烟花爆竹对PM2.5浓度的降低起决定性作用。     

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...     

区域空气质量数值预报系统CAPPS3在辽宁的应用

利用城市大气污染数值预报系统CAPPS的第三版(CAPPS3),经过安装、调试和本地化、自动化处理,建立起适合于辽宁的区域空气质量数值预报系统,用于预报辽宁的城市污染指数和等级以及各污染物的日均浓度分布.通过模式预报结果与监测资料的对比,发现辽宁14个主要城市SO2、NO2预报准确率的总体水平明显高于PM10.区域污染物浓度分布位置和大小的预报结果与实际情况相符,污染物小时浓度的演变也与实际风场的变化趋势保持一致,表明CAPPS3模式系统能够及时准确地预报出区域污染的形成和发展过程.     

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。     

内蒙古地区沙尘和霾自动观测数据的可靠性和修正方法研究*

2014年,中国气象局将地面人工观测业务调整为自动仪器观测的方式,这一改变明显提高了工作效率,但对观测结果,特别是视程障碍类观测产生了一定的影响。为了完善内蒙古地区霾和沙尘天气判别标准,获得准确可信的气象资料,本文选取了2001-2019年内蒙古12个站点逐三小时的气象观测资料,从时空分布特征和判别方法研究了内蒙古地区沙尘和霾自动气象观测数据的可靠性和判别标准的适用性。结合PM2.5和PM10两个空气质量指数,通过修正错误记录,将沙尘中误判的霾和无天气、霾中误判的沙尘、雾和无天气等分离出来。对比结果来看,修正前,霾和沙尘分别占总频次的95%和5%；修正后,霾、沙尘、雾和无天气分别占总频次的55%、17%、1%、27%。对比呼和浩特单站一次沙尘和一次霾天气过程中气象要素和空气质量指数的连续变化可以看出,相对湿度与PM2.5的相关性均达到了0.5以上。沙尘期,能见度与PM10负相关,PM2.5和PM10相关性较差；而霾期,能见度与PM2.5和PM10的相关性较差,PM2.5和PM10相关性达到了0.8以上,即不同相对湿度环境下影响能见度的因素不同。     

京津冀及其周边地区“2+26”城市PM2.5的蒙特卡罗集合预报试验

本文在嵌套网格空气质量预报模式系统（NAQPMS）的基础上,结合蒙特卡罗模拟方法搭建了多扰动的空气质量集合预报系统。利用该系统对京津冀及其周边地区“2+26”城市的PM2.5浓度进行预报试验,试验时段为2017年9～12月,模式水平分辨率为15 km。研究发现,基于蒙特卡罗集合预报系统,采用“集合样本优选”均值集成法能显著提升PM2.5预报精度,大幅减小预报偏差。与所有集合样本的均值集成法相比,该方法将PM2.5预报均方根误差（RMSE）由58.0 μg m?3降低至34.7 μg m?3,将模拟—观测两倍因子百分比（FAC2）由67%提升至87%。此外,“集合样本优选”均值集成法对各污染等级的整体预报效果优于均值集成法。本文结果可为改进城市PM2.5预报效果和减小PM2.5预报偏差提供参考。     

城市空气污染预报系统CAPPS2.0在辽宁的应用及检验

在利用CAPPS2.0进行空气质量自动化预报的前期工作中,为了验证模式的准确性,对辽宁省14个主要城市2003年1月的31 d、4月、7月和10月各12 d作出了模拟,分别得到各城市SO2、NO2和PM10的污染指数预报值。将各污染指数每天模拟的预报值与实际监测值进行对比,发现春、夏、秋季的预报效果非常好,而冬季预报值明显偏高。对预报值与监测值的相关性检验表明两者相关性非常显著,冬季预报值出现的是一个系统误差,可以通过修改模式进行订正。     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。     

菏泽市紫外线辐射变化特征及月预报方程

利用2008年4月至2012年12月菏泽市紫外线观测资料以及地面常规气象观测资料和空气质量资料,分析了该地区太阳紫外线辐射的变化特征及其与各因子的相关关系,并建立逐月预报方程。结果表明:菏泽紫外线辐射年总量达到187.98 W/m2,春夏两季明显高于秋冬两季,5月达到全年的最大值,1月为全年的最小值;3~9月紫外线辐射极大值均可达到5级,其他月份均可达到4级。不同天气条件下紫外线辐射强度存在明显差异,其中晴天紫外线辐射强且稳定,呈抛物线变化;多云天紫外线辐射波动较大,时强时弱;阴天紫外线辐射相对较弱。紫外线辐射强度与风速、能见度、气温呈正相关,与总云量、低云量、相对湿度呈负相关,与SO2、PM10、NO2、PM2.5多呈负相关。基于多元线性回归分析向后剔除变量方法得出的逐月预报方程,经检验总体预报效果较好,对当地紫外线等级预报工作具有参考意义。     

2014－2022年新疆库尔勒市空气质量特征及沙尘天气影响分析

基于2014－2022年库尔勒市空气质量监测数据,分析了库尔勒市空气质量水平和污染特征,并进一步探究了沙尘天气对空气质量的影响。结果表明：2014－2022年库尔勒市年均优良率为65.3%,春季空气污染最严重,夏季空气质量最好;大气污染主要是颗粒物超标,PM10年均浓度值超过二级标准限值127%,PM2.5超31%,SO2、NO2、CO、O3均达标;首要污染物为PM10,占总超标天数的92.2%,PM2.5为首要污染物占比8.0%;受沙尘影响天气年平均100.4d,污染日79.7%受到沙尘影响;按环境监测要求剔除沙尘天气,PM10和PM2.5平均浓度分别减少18.6%和13.0%;沙尘天气对AQI平均贡献率为31.8%,对PM10贡献率为41.9%,对PM2.5贡献率为23.3%。沙尘天气对库尔勒空气质量影响明显,大气污染防治根本是沙尘天气综合治理。沙尘天气对库尔勒市空气质量影响明显,大气污染防治根本是沙尘天气的综合治理。     

北京市房山区大气污染物时空分布特征及气象影响因素分析

利用北京市房山区良乡镇和琉璃河镇内的区域自动气象站和环境监测站观测数据,对2013年至2015年PM_(2. 5)、PM_(10)、NO_2、SO_2、CO 5种大气污染物浓度变化特征进行了统计分析。结果显示,近3年来,两个镇综合污染物指数呈现逐年下降趋势,各污染物对房山区整体大气污染的贡献率从大至小依次为PM_(2. 5)、PM_(10)、SO_2、NO_2、CO,PM_(2. 5)已取代传统大气污染物SO_2成为房山区的主要大气污染贡献体。两个站点各污染物浓度均表现出明显的季节、月、日变化特征。在不同季节条件下,局地气象要素与污染天气发生概率之间有着很好的相关关系。因此,可根据气象要素分级方法找出各季节污染天气发生时最敏感的气象因素,为局地污染天气预报提供参考指标,也为防范空气污染、制定科学的综合管理措施提供科学参考。