共查询到14条相似文献，搜索用时 108 毫秒
1.
基于GRAPES-CMAQ的中山市空气质量预报系统预报效果评估 总被引：2，自引：2，他引：2
对基于GRAPES-CMAQ模式的广东省中山市空气质量预报系统2016年的AQI等级、首要污染物、PM2.5和O3浓度预报数据进行检验评估。预报系统对中山市全年的AQI等级24小时预报TS评分为0.66, TS评分在6—7月最高。当实况AQI等级为一级, TS为0.84, 当空气质量变差时, TS明显下降, 说明模式目前对空气重污染事件的预报能力不足。模式对中山市的主要污染物O3、PM和NO2的预报TS评分分别为0.21、0.24和0.24, 其中对O3和NO2的漏报率达到0.78和0.76, 而PM的空报率高达0.71。预报系统对PM2.5的浓度预报总体略偏高, 相关系数为0.59, 但在霾污染较严重的月份中预报效果并不稳定。对O3的预报全年相关系数达到0.7, 且在O3污染较严重的7—11月, 相关系数均能达到0.5以上, 但这几个月的O3预报浓度均比实况明显偏低。从气象预报入手分析预报系统对10月2—7日中山市一次连续O3污染过程漏报的原因, 发现GRAPES模式对这段时间内整个珠三角地区日间降水的预报范围偏大, 强度偏强, 且预报的地面风速也比实况要偏大, 导致模拟O3浓度比实况明显偏低。 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.
利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM2.5、O3质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM2.5-O3与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM2.5)、ρ(O3-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM2.5)最高出现在3月，月平均ρ(O3-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM2.5、O3污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O3峰值出现时间在16:00,PM2.5峰值出现在19:00。PM2.5-O... 相似文献
4.
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
5.
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
6.
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
7.
利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O3、NO2及PM2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O3的日、月变化及空间分布特征;探究前体物及气象因子对O3浓度的影响。结果表明：成都市O3-8 h平均浓度为104.4 μg·m-3,O3超标率为2.8%—15.3%。O3浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O3与NO2呈现负相关,相关系数为-0.5;与PM2.5无显著相关性。高温、低湿、强太阳辐射有利于O3的形成;风速为2.5—3.0 m·s-1,风向为南风时,O3浓度相对较高。 相似文献
8.
本文利用2017年彭州市大气污染物(SO2、NO2、O3、CO、PM10、PM2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM10和PM2.5)污染较为严重,O3次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO2、O3呈单峰型日变化,NO2、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O3为夏高冬低),并且固态污染物(PM10、PM2.5)与气态污染物(NO2、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O3与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。 相似文献
9.
利用2018年12月至2019年2月滨州、德州和聊城PM2.5、PM10、NO2、SO2、CO和O3逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM2.5、PM10和NO2,其中PM2.5占60%以上。PM2.5、PM10、SO2、NO2和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O3呈单峰型分布,09时出现极小值,18-19时出现极大值。PM2.5是鲁西北主要的首要污染物,与PM10、CO、NO2均为显著正相关,并通过0.01水平显著性检验,与NO2的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM2.5>75 μg·m-3)的平均相对湿度和平均温度明显大于清洁时段(PM2.5 ≤ 75 μg·m-3),清洁时段风速和气压比污染时段明显偏大。 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.
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
12.
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
13.
综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM2.5中水溶性无机离子含量增高,其中NO3-含量的占比增加最多,超过了SO42-的占比。 相似文献
14.
为评估太原青运会期间大气污染控制措施对空气质量的改善效果,对青运会会前、会期和会后三个阶段太原市6种污染物浓度的演变及气溶胶在垂直方向上的变化进行了分析。结果表明：青运会期间太原市PM10、PM2.5、CO、NO2、O3较青运会前分别下降30.5%、37.3%、20.2%、18.0%和18.6%,SO2削减程度不明显。垂直方向上,青运会期间气溶胶消光系数峰值降低24.6%,其中低湿天气下气溶胶消光系数峰值下降46%,高湿天气下峰值下降21.6%,青运会期间大气中PM2.5在PM10中的占比降低,垂直大气中气溶胶的吸湿增长能力增强。与2017和2018年同期相比,青运会期间PM10、PM2.5、CO、NO2浓度均有大幅下降,O3浓度较近两年同期无显著变化。因此,青运会期间的各项控制措施有效降低了本地颗粒物浓度。 相似文献