重庆市空气污染扩散气象条件指标研究

根据地面常规要素、L波段雷达探测资料风速和温度与污染指数（API：Air Pollution Index）的相关性,建立空气污染扩散条件的综合气象指数（A）,按指数大小分类确定潜势预报指标,并应用历史同期气候概率作空气污染潜势预报。通过相关分析发现：与API关系密切的不是20：00的气象要素而是08：00的气象要素;地面要素中,对污染物浓度影响最大的是08：00的24 h变压,而温度的高低对API影响因季节而不同;L波段雷达资料中,150 m风速3、00 m和地面温差与API相关性较好。由相关性好的上述3个要素构造的综合气象指数及确定的扩散条件预报指标是合理的,在实际业务预报中,预报效果较好。     

BP神经网络和支持向量机在紫外线预报中的应用

为了提高紫外线预报准确率,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machines,简称SVM)回归方法建立重庆市主城区紫外线辐射强度客观预报模型。统计相关分析结果显示,不同季节影响紫外线辐射强度的主要因素并不相同。对所有相关分析因子用逐步回归方法,按方差贡献大小筛选出预报因子,以每日紫外线平均辐射量为预报对象,分季节建立预报模型。比较用不同方法建立的预报模型发现,两种非线性模型(BP模型和SVM模型)的拟合能力优于线性逐步回归模型,但独立样本检验结果表明,3种模型的预报准确率基本相当。将3种方法所建预报模型应用T213数值预报资料进行业务试报,得到较好预报效果。     

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。     

兰州主城臭氧污染特征及气象因子分析

基于2014—2017年兰炼宾馆、生物制品所、职工医院、铁路设计院4个国控站的监测数据,通过分析兰州市主城臭氧浓度变化时间分布特征以及气象指标对臭氧浓度的影响关系,进而通过遗传算法得到最优的气象因子范围,以此预测O_{3_8h}浓度的超标情况。结果表明:2014—2017年兰州市主城臭氧污染主要集中在4—8月,且每日14—16时处于高值区;对臭氧浓度变化起主导作用的气象因素有净地表太阳辐射、边界层高度、距地面2 m温度、西风、850 hPa相对湿度以及850 hPa垂直速度;采用遗传算法得到最优气象因子范围,据此判断气象条件是否处于高影响状态:当此时刻气象条件处于高影响状态时,下一时刻O_{3_8h}超标(O_{3_8h}大于160μg·m^-3)概率为42. 31%,O_{3_8h}超过130μg·m^-3的概率为99. 04%;当此时刻气象条件处于低影响状态时,下一时刻O_{3_8h}未超标概率为99. 87%。因此,在兰州市主城臭氧防治中,首先需要对未来的气象条件进行判断,进而在09时前人为操控一些主要气象因子或者控制臭氧前体物浓度,从而抑制臭氧浓度在09—14时快速上升,防止臭氧浓度超标。