商丘市空气质量统计预报方法

利用商丘市2002年5月24日～2003年9月23日的空气污染浓度资料和同期气象观测资料,分析了商丘市空气质量的时间分布规律及影响商丘市空气中PM10、SO2和NO2浓度的气象因子,并用多元线性回归方法建立了商丘市空气质量预报方程.     

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。     

西安城市空气质量预报统计方法及业务化应用

介绍了空气质量统计预报方法,对西安空气污染物时空分布特征进行分析,选择了表征大气扩散能力的地面、高空气象直接、间接因子,把地面天气形势分为12种形势,在分冬、夏半年的基础上,分别建立各个形势下SO2、NO2、PM10的72个回归方程.     

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。     

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.     

城市空气质量短期统计预报

文章通过污染物浓度时间序列的持续性和气象要素的相似性，进行了城市空气质量短期统计预报可行性分析。以深圳市空气中可吸入性颗粒物的污染指数预报为例，发展了一个基于MM5输出量的自知识统计模式，该预报方法在预报量本身的持续性水平上，预报效果改进15％左右，效果显著。该方法克服了常规预报方法的地域限制，只要积累足够量的污染场资料和气象要素资料，就可以自动、客观地完成具有一定准确度的空气质量短期业务预报。     

合肥市空气质量预报方法

通过对空气污染预报方法的研究，采用MOS预报方法、卡尔曼滤波方法分别建立适合于合肥市空气污染特点的预报模式，为开展空气污染预报提供了必要的技术基础。     

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。     

几种空气质量预报方法的预报效果对比分析

目前应用于我国各个城市空气质量预报业务的预报方法主要有三种 :数值模式预报、统计预报和综合经验预报。这几种预报方法都有其各自的优势 ,同时也存在一些不足。应用以上方法对天津市市区进行空气质量业务预报 ,通过实测资料与预报结果进行对比分析 ,给出这几种方法在天津市区空气质量预报中的预报效果客观评价。     

空气质量数值模式预报中资料同化的初步研究

利用嵌套网格空气质量预报模式,在对上海市环境监测中心提供的观测数据进行必要的质量控制后,采用最优插值方法对可吸入颗粒物(PM10)、二氧化氮(NO2)和二氧化硫(SO2)进行资料同化。选取2004年8月1～20日做作逐日同化试验的结果表明,无论是PM10、NO2还是SO2,其同化偏差平均值均在20μg.m-3以下,比同化前减少了至少50%;3种污染物的同化偏差小于其未同化偏差的天数均在16天以上。在大气清洁和污染两种情况下,对PM10分别作10天的同化试验表明,同化后的均方根误差均小于同化之前。此同化方法能利用观测数据较好地修正空气质量模式预报场,从而为模式提供与实际更加接近的初始场。     

银川市空气质量动力预测系统及预测结果分析

在介绍银川市空气质量动力预测模型的基础上,重点对该模型的预测结果及误差进行分析。结果表明:该系统能较好地对24 h污染气象条件进行预测,污染气象条件的预测结果与监测结果比较吻合,预报准确率PM10为61%、SO2为92%;春季各月PM10预测值的平均绝对误差较大,其它3个季节相对较小,SO2的情况与PM10正好相反;考虑风沙条件对模式预测准确性的影响,可根据不同时间、不同季节,逐步调整模式中的扬沙系数,能有效地提高该模式对银川市多风沙季节以PM10为首要污染物的空气质量预测准确率,以适应银川市特殊的气候及环境条件。     

兰州市空气质量预报系统结构及效果检验

文中从潜势预报、浓度预报、统计预报和数值预报 4方面介绍了兰州市空气质量预报业务系统的研究方法和结构特点。对 2 0 0 1年 4～ 10月兰州市空气质量预报与日报 (实况 )进行了分析研究 ,结果表明 ,该系统对兰州市空气质量预报有较强的预报能力 ,适用于兰州市空气质量预报业务。     

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。     

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。     

兰州市冬季空气质量潜势预报

利用空气质量潜势预报方法和兰州市冬季空气质量浴势预报系统。通过2001年10—12月兰州市空气质量潜势预报结果的检验分析，表明该系统对首要污染物等级预报准确率78％以上，对兰州市空气质量预报具有较好的指示性。     

降尺度方法在东亚气候预测中的应用

东亚气候变异十分复杂,全球动力预测系统对该地气候异常的预测能力偏低,如何进一步提高东亚地区气候异常的预测水平是一个非常重要的科学和现实需求问题。为此,近些年一系列的动力和统计降尺度方法得以发展。本文主要回顾了这些降尺度方法在东亚气候预测研究和实时预测中的应用。首先,文中简要介绍了我国目前应用于实时预测的全球动力预测系统及其性能,这是开展降尺度的科学和技术基础;在此基础上,从区域模式物理过程参数化方案的评估与遴选、区域模式在东亚气候预测中的应用两个方面,对于动力降尺度方法的发展和应用做了回顾;在统计降尺度的综述中,本文主要关注了东亚夏季汛期和冬季气候异常的预测,特别是针对东亚冬季气候异常,本文中提出了新的高效的统计与动力相结合的预测方法。最后,展望了短期气候预测需要进一步深入研究的科学和技术问题。     

The Statistical Prediction Of Offshore Winds From Land-Based Data For Wind-Energy Applications

Land-based meteorological measurements at two locations on the Danish coast are used to predict offshore wind speeds. Offshore wind-speed data are used only for developing the statistical prediction algorithms and forverification. As a first step, the two datasets were separated into ninepercentile-based bins, with a minimum of 30 data records in each bin. Next, the records were randomly selected with approximately 70% of the data in each bin being used as a training set for development of the prediction algorithms, and the remaining 30% being reserved as a test set for evaluation purposes. The binning procedure ensured that both training and test sets fairly represented the overall data distribution.To base the conclusions on firmer ground, five permutations of these training and test sets were created. Thus, all calculations were based on five cases, each one representing a different random selection from the same data, but maintaining the (approximate) 70-30 split in each bin. This procedure served to ensure that conclusions were not based on a single randomly-selected case. Two statistical methods are employed:multiple linear regression (MLR), and Classification and Regression Trees(CART). MLR produces excellent results using only land-based predictors.The CART results are similar to those from MLR, and tend to be slightly better.Retired