共查询到17条相似文献，搜索用时 250 毫秒
1.
华南区域大气成分数值模式GRACEs预报性能评估 总被引：1，自引：0，他引：1
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,PM2.5中心在珠三角西北部,而O3-8 h高值区在珠三角核心区和粤东沿海,但模式对O3-8 h高值区存在显著预报低估现象。(3)模式可较好地模拟出PM2.5月变化的单峰型特征和O3-8 h月变化双峰型特征,但模式对AQI的秋冬季主峰值和春季次峰值的预报存在低估,分别与模式对O3-8 h、PM2.5的低估有关。(4) 模式能较好体现O3的午后峰值和NO2双峰值的日变化规律;模式对O3前体物NO2的预报偏差,有可能是导致随后几小时对O3浓度预报偏差的重要原因。(5) 日平均浓度预报效果检验显示模式可较好预测AQI和3种污染物的变化趋势,但对夏秋季高O3-8 h浓度预报显著偏低;模式对轻度污染及以上等级预报能力偏低,亟需提升模式对污染天气的预报能力。 相似文献
2.
利用2019年1—6月地面环境监测资料和PM2.5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)、PM2.5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PM2.5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PM2.5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PM2.5浓度较2018年同期和过去5年... 相似文献
3.
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;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。 相似文献
4.
为了提高广州市PM2.5客观预报能力,采用主成分分析结合机器学习算法k近邻（PCA-kNN）方法,基于空气质量模式（CMAQ）预报产品、中尺度天气模式（GRAPES-MESO）预报产品和2017年上半年广州PM2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM2.5预报客观订正方法。结果表明:与CMAQ模式的PM2.5预报相比,在第1~3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20%、15%、29%,均方根误差分别降低17%、16%、20%,平均偏差更接近0,PM2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报。机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义。 相似文献
5.
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PM2.5、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%。 相似文献
6.
《气象与环境学报》2017,(1)
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。 相似文献
7.
基于极端随机树方法的WRF-CMAQ-MOS模型研究 总被引：2，自引：0，他引：2
随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型（Community Multi-Scale Air Quality,CMAQ）为工具,结合中尺度WRF（Weather Research and Forecast Model）气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS（Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics）统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数（AQI）及PM2.5、PM10、NO2、SO2、O3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO2及O3,2016年1、2、3月整体相关系数NO2由0.35升至0.63,O3由0.39升至0.79,均方根误差NO2由0.0346减至0.0243 mg/m3,O3由0.0447减至0.0367 mg/m3。文中发展的WRF-CMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。 相似文献
8.
《气象与环境学报》2017,(5)
基于华北区域气象中心、华东区域气象中心、华南区域气象中心和国家气象中心环境气象业务数值模式2015年1—3月的预报结果,从能见度和空气质量两个方面对环境气象业务数值模式的预报效果进行了对比检验。结果表明:随着能见度降低,各数值模式的预报能力均逐渐下降,对于1 km的能见度,仅华北区域模式和国家级雾霾数值预报业务系统(CMA Unified Atmospheric Chemistry Environment,CUACE)模式表现出一定的预报技巧,其中华北区域模式和CUACE模式对北京本地24 h能见度预报的TS评分分别为0.20、0.10;CUACE模式总体能见度预报误差较各区域数值模式均偏大;CUACE模式和华北区域模式、华东区域模式、华南区域模式能见度预报值与观测值的相关系数普遍低于0.6。随着空气质量下降,各数值模式AQI的预报能力均逐渐下降;AQI为优等级时,各数值模式AQI预报的TS评分均较高,其中空气质量较好的华南地区空气质量等级预报的TS评分最高,为0.81;总体上24 h的AQI预报,区域模式优于CUACE模式;48 h和72 h的AQI预报,CUACE模式优于各区域模式。各数值模式PM_(2.5)浓度的预报值普遍较观测值偏低,华南区域模式24 h的PM_(2.5)浓度预报误差相对较小,华北区域模式和华东区域模式24 h的PM_(2.5)浓度预报误差相对较大;CUACE模式PM_(2.5)浓度的预报误差较各区域模式均偏大,CUACE模式PM_(2.5)浓度预报值与观测值的相关系数较各区域模式均偏低。 相似文献
9.
基于上海地区2012—2016年逐日PM2.5、PM10、CO、O3、SO2、NO2的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM2.5和O3污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM2.5、PM10和NO2污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O3污染天气在夏季最多（18.8 d）。风速和低云量是影响PM2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O3污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM2.5、O3污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O3污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O3污染,反之上海上空云系多,不容易出现污染。 相似文献
10.
利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM10、PM2.5、CO、O3、 SO2、NO2六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O3外在冬季最高,夏季最低,春秋两季相差不大,O3浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM10、PM2.5、CO、NO2浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O3浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。 相似文献
11.
利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O3逐年呈上升趋势外,其他均呈下降趋势;市区站O3浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM10和PM2.5浓度超国家二级标准;除O3浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO2、PM10、PM2.5浓度呈"双峰型"日变化特征,O3和SO2呈"单峰型"日变化特征。银川市主要污染物NO2浓度与CO和O3相关性显著,PM10和PM2.5之间相关性显著;污染物第一主成分是NO2、CO和O3,方差贡献率达到50%以上,加之银川市O3浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。 相似文献
12.
本文利用2013年1月1日~2015年6月30日贵阳市9个环境监测站的6种主要大气污染物(SO2、NO2、O3、PM10、CO、PM2.5)监测数据,分析了贵阳市主要大气污染物的年变化、日变化特征及降水对首要污染物浓度变化的影响。发现SO2、NO2、PM10、CO、PM2.5浓度为单谷型年变化,夏季浓度最低,冬季浓度最高;O3浓度为双峰型年变化,4、10月分别有两个极大值、11~2月与7月分别为两个极小值;SO2、NO2、PM10、CO、PM2.5浓度日变化呈双峰型特征;O3浓度日变化为单峰型特征;郊区SO2、NO2、PM10、CO、PM2.5日平均浓度低于市区,而郊区O3日平均浓度高于市区。降水对O3的湿清除效果不好,对其余大气污染物的湿清除效果较好,尤其夜间降水对颗粒污染物(PM2.5、PM10)的清除效果优于白天降水,但会使O3浓度明显上升。 相似文献
13.
基于2015～2018年四川盆地温江站、宜宾站、达川站和沙坪坝站的探空和地面观测资料以及同期AQI、6种主要污染物(SO2、NO2、CO、O3、PM2.5、PM10)质量浓度资料,使用逐步逼近法计算得到了四川盆地成都、宜宾、达州、重庆四城市的每日最大混合层厚度(Maximum mixing depth,MMD),并对其时间变化特征及其与各种污染物浓度之间的关系进行了分析。结果表明,四川盆地年平均MMD约1200m。季节变化明显,春夏高、秋冬低。9月至次年1月MMD相对较小。相关分析显示,剔除降水影响后,MMD与AQI、PM2.5、PM10、SO2、NO2、CO浓度均呈负相关,而与O3浓度显著正相关。在污染最为严重的冬季,MMD明显低于春夏季节。MMD越小、颗粒物浓度越高。低MMD大大压缩了近地面污染物的扩散空间,污染物在有限的空间内不断累积、浓度增大。 相似文献
14.
汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM10、PM2.5、SO2、NO2、CO、O3质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM2.5和夏季O3浓度日最大8 h滑动平均值（MDA8_O3）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM2.5、PM10或O3,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O3浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM2.5浓度和夏季MDA8_O3日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O3年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O3污染呈上升趋势（1.2 μg m?3 a?1）,但O3污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。 相似文献
15.
根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM2.5和O3的潜在源区。结果表明：冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM2.5,其次是PM10和O3;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O3呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O3质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。 相似文献
16.
本研究在天津空港工业园区建设大气污染物网格化监测系统,基于控制变量法、Moran's I研究并形成大气污染过程与气象风场响应关系建立方法体系。结果表明：工业园区垂直层次主要污染物为PM2.5、NO2、PM10、O3。SSW风、ENE风、SE风分别对高浓度PM2.5、NO2、O3及PM10区外传输影响较大。除区内自排放外,区外机场南西南段排放对PM2.5影响较大;区外东东北方向津汉公路、东丽湖路等道路移动源对NO2影响较大;O3及PM10受区外东南方向津滨高速、宁静高速及津北高速移动源,以及机场东南段排放影响较大。对于区内气流辐合区,9月23日09时1#应加强PM2.5、NO2、PM10协同管控,2#应关注NO2管控,3#西北延长带及5#北向延长带应关注O3管控;15时应加强对工业园区中、西、东、东南部PM2.5、O3、NO2协同管控;21时14#应加强PM2.5、O3协同管控,17#、18#应关注PM10管控。 相似文献
17.
银川大气污染物浓度变化特征及其与气象条件的关系 总被引：1，自引：0，他引：1
利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM2.5年均值超标0.4倍,SO2和NO2也有一定程度超标,CO和O3未超标|1、2、11月和12月为SO2、NO2、PM10、PM2.5、CO质量浓度较高月,O3浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO2、NO2、PM10、PM2.5和CO质量浓度较高的两个时段,O3浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM10、PM2.5和SO2为主|风速与SO2、NO2和CO具有良好的负相关关系,与O3则呈显著正相关关系,风速对PM10和PM2.5影响较复杂,当风速小于某一值时,有利于PM10和PM2.5扩散,当风速达到一定程度后,又会导致PM10和PM2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO2的清除作用最明显,对O3的清洁作用最弱。 相似文献