共查询到17条相似文献，搜索用时 218 毫秒
1.
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
2.
基于大气化学模式WRF/Chem采用4种边界层方案（YSU,BL,MYJ和MYN3）模拟2015年全年天津地区细颗粒物质量浓度演变趋势,分析不同边界层方案对天津地区PM2.5质量浓度模拟和预报的影响,并构建多种边界层方案的集合预报产品,以期提高天津地区PM2.5质量浓度预报效果。结果表明:大气化学模式的4种边界层方案在空气质量模拟中均有较好的适用性,PM2.5模拟值与观测值相关系数达到0.76左右,晴空和大风天气BL方案表现较优,阴天和小风天气YSU和MYJ方案表现优于其他两种方案,综合所有过程没有任何单一方案具有显著优势。基于上述原因,该文开展多种边界层方案的天津空气质量集合预报试验,经过对2015年全年模拟值分析,多边界层方案和多气溶胶机制扰动的集合预报可以减小PM2.5质量浓度预报的相对误差和均方根误差,降低重污染天气预报的漏报率,提升空气质量等级预报能力,在计算资源得到保证的基础上,是一种可以提升数值模式PM2.5质量浓度预报能力的有效手段。 相似文献
3.
基于支持向量回归(SVR)、BP神经网络(BPNN)、随机森林(RF)、梯度提升决策树(GBDT)和极端梯度提升(XGBoost)等5种机器学习算法,利用2016—2021年逐小时PM2.5质量浓度监测数据和气象观测数据,构建汾渭平原代表城市PM2.5质量浓度预报模型,对比检验不同预报模型在不同时段的预报效果。结果表明：(1)5种机器学习算法模型总体表现为秋冬季和供暖期的预报效果要优于春夏季,各模型在细颗粒物污染较重时段的预报能力更加稳定,预报效果更好。(2)XGBoost模型无论在决定系数、平均绝对误差、均方根误差上均不同程度地优于其他模型,其次是GBDT、RF和BPNN模型,SVR模型预报能力较差。(3)XGBoost模型预报结果在量级和演变趋势上与实况十分接近,预报值偏离实况值的幅度较小,但春夏季预报结果有明显的高估或低估,对极端高值区也存在低估。(4)当前和过去1 h的能见度是影响预报效果的最关键因子,气象因子对汾渭平原PM2.5质量浓度预报存在明显的时间滞后性影响。 相似文献
4.
利用MODIS资料监测京津冀地区近地面PM2.5方法研究 总被引：7，自引：0，他引：7
为建立京津冀地区冬季近地面细颗粒物浓度监测方法模型,利用气象模式资料对2013年1-3月MODIS的AOD二级深蓝算法产品进行湿度和垂直订正,与同期观测的地面细颗粒物PM2.5资料进行相关分析。结果表明：AQUA的MODIS深蓝算法AOD产品更适用于建立冬季AOD-PM2.5遥感监测模型,其R2为0.33;以气象模式资料中边界层高度代替气溶胶标高对MODIS的AOD进行垂直订正,并结合IMPROVE观测的气溶胶吸湿增长特征构建分区湿度订正方法,可以提高AOD-PM2.5模型结果的精度,建立较为理想的京津冀地区冬季遥感反演综合模型,模型结果与地面监测结果R2达0.5以上。根据建立的模型计算了2013年1-3月的京津冀地区PM2.5月平均浓度,京津冀地区1月的PM2.5浓度较高,南部大部分地区空气质量已经达到重度污染水平。 相似文献
5.
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
6.
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
7.
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
8.
基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。 相似文献
9.
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
10.
利用2018—2019年国控站观测,评估CAMx和CMAQ模式对广东珠海主要污染物时空分布与演变特征的预报能力,并引入多元线性回归和随机森林方法对预报结果进行集成,探究不同集合方法的改进能力。结果表明：CMAQ在各污染物浓度季节-日变化方面明显优于CAMx,但两者存在明显系统偏差,并对多数污染物(除O3之外)的昼夜和空间变化的模拟能力仍存在明显缺陷。例如,CMAQ合理地还原了CO、PM2.5、PM10、SO2、O3和NO2的季节变化,相关系数介于0.72～0.84,但NMB分别达到-0.58、-0.18、-0.30、1.52,-0.16和-0.20,RMSE分别达到0.40 mg/m3、6.86、16.02、10.71、25.05和10.21μg/m3。同时,基于不同污染物构建的两种集合方法均有效移除了系统偏差,加强了CMAQ的模拟优势,并且随机森林方法明显优于多元线性回归,但两者均对模式缺陷无明显改进。进一步分... 相似文献
11.
重庆市臭氧污染及其气象因子预报方法对比研究 总被引：1，自引：0，他引：1
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PM2.5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PM2.5。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PM2.5,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。 相似文献
12.
利用2014—2017年汕头市PM2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM2.5日均浓度随着风速的增大呈现减小趋势,PM2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM2.5的清除效果无明显差别,而非汛期降水对PM2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。 相似文献
13.
利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。 相似文献
14.
选取中国汾渭平原地区作为研究对象,利用MODIS、OMI和CALIPSO多源卫星遥感资料,同时结合环境监测国控站点污染6要素等逐小时地面环境监测数据以及能见度、霾天气现象记录等地面气象要素资料,综合分析了2013—2018年秋冬季汾渭平原空气质量状况、气溶胶的组分,探讨了卫星遥感气溶胶光学厚度（Aerosol Optical Depth,AOD）与地面污染物浓度的关系,并结合中国气象局化学天气预报系统-EMI评估模式（CUACE-EMI）资料对气象条件和污染减排影响进行评估。结果表明：11个代表城市中有6个城市秋冬季有接近或超过一半的时刻处于污染状态,且污染发生时,各代表城市大多数时刻处于中度及其以上污染级别;三门峡、临汾、运城和西安是霾和重度霾高发的城市,其重度霾爆发频率高达11.63%—14.78%;汾渭平原秋冬季首要污染物为PM2.5和PM10,以污染沙尘、沙漠沙尘和烟尘为主,出现频率分别为36.24%、25.14%和22.96%;MODIS AOD与空气质量指数（Air Quality Index,AQI）、PM2.5、PM10质量浓度之间的相关系数分别为0.72、0.70和0.64;汾渭平原2018年气象条件的变化使PM2.5浓度较2013年、2014年、2015年、2016年和2017年同期上升了17.06%、1.58%、4.34%、11.25%和5.75%,减排措施使PM2.5浓度较2013年、2014年、2015年、2016年和2017年同期分别下降了8.74%、28.01%、4.93%、3.16%和42.62%。 相似文献
15.
利用2015—2017年唐山市空气质量日空气质量指数、小时PM2.5浓度和气象数据,分析了唐山市重污染特征及PM2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM2.5、PM10和O3,PM2.5为首要污染物占比87%,PM10占比6%,O3占比7%。小时PM2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s-1时,有0.7%的PM2.5达到重污染;降水对PM2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s-1,主导风向为E,其次是NE、N。各方位3 m·s-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。 相似文献
16.
探究京津冀及周边地区大气细颗粒物（PM2.5）和臭氧（O3）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM2.5和O3日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM2.5和O3短期暴露对人群因病就诊的影响。研究期间,大气PM2.5和O3日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM2.5和O3暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM2.5暴露对门诊就诊量的急性影响较强,而O3相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM2.5和O3短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM2.5和O3复合污染,同时重视污染物冷、暖季风险的差异。 相似文献
17.
利用第三代空气质量预报模式LOTOS-EUROS(Long Term Ozone Simulation-European Operational Smog)对2018年中国长三角地区细颗粒物(PM2.5)浓度的时空分布进行数值模拟,通过对比模拟结果与地面观测值,验证模式对PM2.5长期特征模拟的合理性并探讨长三角地区PM2.5的时空分布特征。结果表明：LOTOS-EUROS模式可以较好地再现中国长三角地区PM2.5浓度的时空分布特征,监测站点观测值和模拟值的整体相关系数达到0.64,可以用于长三角地区细颗粒物的模拟。长三角地区PM2.5浓度呈冬高夏低,西北高东南低的特征。冬季PM2.5浓度高值出现在长三角地区的西北部,安徽省等地区的浓度水平最大值可达到160 μg·m-3;春季和秋季PM2.5浓度的高值集中在30°N以北、120°E以西地区,浓度为40-80 μg·m-3;而夏季PM2.5浓度水平大幅度降低,大部分地区维持在20-40 μg·m-3,低值中心出现在长三角地区东南部沿海城市,低于10 μg·m-3,最低值可达5 μg·m-3。 相似文献