共查询到20条相似文献，搜索用时 15 毫秒
1.
《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
2.
CUACE系统在乌鲁木齐空气质量预报中的效果检验 总被引：1，自引：0，他引：1
采用2013年12月1日—2014年2月28日空气质量观测数据,对CUACE系统在乌鲁木齐空气质量预报中的效果进行离线检验。结果表明,在污染物浓度和空气质量分指数方面,NO2的预报效果优于PM10和PM2.5,28 h预报时效的预报效果优于52 h预报时效;在首要污染物预报结果中,28 h预报时效的总体预报效果优于52 h,28 h预报时效中PM2.5预报正确率为65%;从空气质量等级的预报效果来看,28 h预报时效与52 h预报时效无明显差别,对NO2和PM10的预报准确率达到100%,对PM2.5三级预报准确率达到90%以上,对二、四级预报准确率在70%～80%之间,对五、六级重度污染预报值偏低两个级别或以上。 相似文献
3.
《干旱气象》2017,(3)
利用2014年9月—2015年8月环境保护部对外发布的兰州市6种污染物实况监测数据,对同时期CUACE模式的24 h预报结果进行误差分析,并通过误差滚动线性回归订正方法进行检验订正。结果表明:(1)兰州市的首要污染物以PM10为主,其次是PM_(2.5);(2)CUACE模式对SO2的预报及对O_3、NO_2、PM_(2.5)和PM_(10)预报为2级时,等级预报准确率较高,预报结果可直接使用;(3)模式对O_3和CO预报1级时,采用10 d误差滚动订正后等级预报准确率可提高1.1%~5.5%;(4)模式预报其它要素的其它级别时采用5 d或10 d误差滚动订正后再加上或减去一定值后,等级预报准确率可提高8.7%~75%。 相似文献
4.
2015年春季华北黄淮等地一次沙尘天气过程分析 总被引：4，自引：3，他引：1
利用常规气象观测资料、环境观测资料和ECMWF预报模式、CUACE/dust沙尘模式等资料和预报结果,对2015年3月27—30日华北、黄淮等地沙尘天气过程的天气形势、形成原因和模式预报等结果进行了分析,结果表明：此次沙尘天气过程由东北气旋快速变化引起的冷空气南下造成了华北、黄淮等地的沙尘天气,而后活跃的暖空气盛行一支南风把沙尘又携带返回传输至华北、黄淮一带地区;预报员对这种天气形势的快速变化预计不够充分,加之数值模式对正北路径的漏报,致使对28日的华北、黄淮等地大面积沙尘强度及区域预报偏弱,而后预报员和模式也没有充分考虑南风造成的沙尘从南向北回流传输情况的影响,特别是霾天气的同步发展更容易造成对沙尘天气的忽略,所以春季应通过PM10和PM2.5浓度的同时检测来辨识沙尘、霾和混合型天气,通过首要污染物是否为PM10来判断主要污染类型。 相似文献
5.
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
6.
《浙江气象》2016,(3)
利用大气化学模式系统CUACE/Haze-fog与WRF-Chem,分别选取3次不同程度的污染天气过程进行数值模拟,并利用浙江省142个环保监测站点观测数据,对模拟的PM2.5浓度的时空演变特征进行检验,评估两个模式对PM2.5浓度的预报效果。结果表明,CUACE/Haze-fog与WRF-Chem模式均能够较好的反映出PM2.5日均浓度空间分布特征及其逐日变化特征。WRF-Chem预报与观测的PM2.5日均浓度的空间相关系数明显高于CUACE/Haze-fog,且总体来看相对偏差与均方根误差明显低于CUACE/Haze-fog。CUACE/Haze-fog与WRF-Chem模式能够基本反映出PM2.5浓度连续3 d(72 h)的变化趋势,且24 h与48 h预报效果优于72 h预报。本次模拟中气象场模拟的偏差可能是导致PM2.5浓度模拟偏差的主要因素。此外,CUACE/Haze-fog模式对化学场初始值的低估可能是其对PM2.5浓度系统性低估的重要原因之一。 相似文献
7.
《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
8.
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。 相似文献
9.
沈阳空气质量时空变化 总被引：9，自引：2，他引：9
利用2000年3月至2002年4月20日沈阳市区5个大气自动监测子站的SO2、NO2和PM10资料分析了沈阳城市空气污染平均状况、时空分布特点及其与气象条件的关系，得出：（1）沈阳城市空气主要污染物年平均日值温度NO2达国家空气质量要求标准，空气质量状况属于良好范畴，而SO2和PM10超标，属于轻度污染；PM10为沈阳城市首要污染物；（2）沈阳城市空气污染冬季最重，其次是春季，夏季最轻；一天中08时和19时左右污染严重，15时和02时左右污染较轻；（3）近市中心区点（太原街，中街一带）空气污染相对重些，各区点空气污染状况差异冬季更为明显；（4）影响沈阳城市空气污染浓度变化的主要气象因子是温度、风速和风向。 相似文献
10.
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及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;CAPPS3模式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
11.
使用2012～2014年每年3～5月CUACE（China Meteorological Administration Unified Atmospheric Chemistry Environment）模式地面沙尘浓度格点预报产品,预报员预报等级产品、实况地面观测沙尘等级和特征站观测PM10（空气动力学当量直径小于等于10 μm的颗粒物,即可吸入颗粒物）资料,并针对CUACE模式格点产品,选取不同半径对格点产品进行圆插值,从而对2012～2014年共25次沙尘过程值,采取3年总样本计算TS（Threat Score）评分,对格点产品适合的圆插值半径和预报产品适合的检验实况资料进行研究,结论如下:（1）如实况采用沙尘等级,模式插值半径与TS评分在浮尘或扬沙等级成近似线性下降关系,而在沙尘暴以上等级TS评分与插值半径关系几乎不大,最优插值半径可选为最小插值半径0.5°（经度/纬度）;如实况采用PM10资料,TS评分在浮尘或扬沙等级根据半径不同变化较为剧烈,沙尘暴以上等级TS评分与插值半径关系不大,可以采用浮尘或扬沙平均线3.5°为平均最优插值半径。如果沙尘过程较弱,插值半径可适当减小,以1°最合适;（2）对CUACE模式预报产品,沙尘等级观测TS评分可用性要优于PM10资料,但两者在沙尘暴以上等级评分差别不大,总体上CUACE模式最优检验实况资料可选为沙尘等级观测资料。对预报员沙尘预报产品,观测沙尘等级TS评分要远高于PM10,预报员沙尘预报产品最优检验实况资料为观测沙尘等级资料。 相似文献
12.
《气象与环境学报》2016,(1)
利用2013年10月至2014年9月山东省聊城市大气主要污染物监测数据,分析了各种污染物的时空分布特征及其对空气污染的贡献,探讨了聊城市大气污染的成因。结果表明:2013年10月至2014年9月聊城市轻度污染以上的空气质量日数所占比例高达70.0%,大气中SO2、NO2、CO、PM2.5和PM10浓度季节变化规律明显,即冬季各种污染物浓度远高于夏季。日首要污染物以PM2.5和PM10出现日数最多,其次为SO2作为首要污染物在冬季出现偏多,臭氧8 h作为首要污染物在夏季出现相对较多。聊城市5种污染物对空气污染的影响程度从大到小依次为PM2.5PM10NO2COSO2,其中PM2.5与PM10分担率大幅高于其他3种污染物,说明聊城市大气污染属于可吸入颗粒物与细颗粒物主导的类型。相关分析发现,PM2.5和PM10具有来自相同或相似污染源的可能性,扬尘与化石燃料使用是PM2.5和PM10污染的主要成因。 相似文献
13.
《高原气象》2016,(6)
基于WRF/Chem大气化学模式建立了华中区域环境气象数值预报系统,初步应用在武汉市大气污染物浓度数值预报中,并与CUACE全国环境气象模式产品预报进行比较,最后通过试验探讨了一种大气污染调控方案。结果表明,模式系统较好地验证了武汉市大气污染物浓度日变化及空间分布特征,对PM10、PM2.5、SO2、NO2、CO浓度变化趋势及误差稳定性预报较好,平均绝对百分误差MAPE控制在20%~40%,冬季O3预报出现系统正偏差,但趋势预报较好。区域WRF/Chem模式对武汉市的大气污染物浓度预报效果要优于CUACE模式系统,可为武汉市空气质量预报提供更具有参考价值的模式指导产品。此外,试验探讨了污染源排放速率的优化调控方案,依据大气边界层高度日变化特征,通过动态调控一天中不同时段的污染源排放速率,调度日间最大排放至大气稀释扩散的有利时段,在不消减日排放总量的情况下,也可以减少大气污染。 相似文献
14.
基于CUACE模式产品的订正方法比较研究 总被引：2，自引：1，他引：1
分别利用一元线性回归、分季节消除偏差订正和滚动偏差订正的方法,结合实况观测资料和2014年3月—2015年2月CUACE模式产品的评估结果,对2015年3月—2016年2月中国气象局下发的CUACE模式产品进行了订正。结果表明,利用一元线性回归方程订正的效果最差,利用分季节消除偏差订正的方法能降低冬季PM10、SO2和NO2的RMSE、MB和MNB值,对于预报效果有提升作用,但该方法对其他季节的订正效果较差。而利用滚动偏差订正的方法,能够降低SO2和NO2预报值的ERMS、MB和MNB,而且对于除O3外的其他污染物相关系数具有明显的提升作用。 相似文献
15.
16.
17.
CAPPS1和CAPPS2数值预报模式对比分析 总被引：6，自引：0，他引：6
对CAPPS1模式和CAPPS2模式预报广西污染物进行了对比分析。主要对比了其污染扩散原理、气象预报模式、操作系统、运行时间、预报时效及预报效果。分析表明：CAPPS1和CAPPS2模式对各种污染物预报的相关系数均在0．44以上，两种模式预报广西空气污染都是可行的；两种模式均对SO2的预报效果最好，NO2次之，PM10相对最差；CAPPS2模式对各种污染物的预报值与实测值相关系数均比CAPPS1高，其中NO2的相关系数提高幅度最大；CAPPS2模式对NO2和PM10的预报准确率比CAPPS1偏高，而对SO2的预报准确率比CAPPS1偏低；CAPPS2预报首要污染物正确率比CAPPS1高出11个百分点，而预报首要污染物等级正确率则高出9个百分点。 相似文献
18.
利用2006年12月辽宁14个城市的大气环境现状监测资料和沈阳、鞍山、抚顺、本溪4城市可吸收入颗粒物(PM10,PM2.5和PM1)的监测资料,对辽宁冬季各城市的空气质量分布状况进行了综合研究。结果表明:辽宁14个城市的冬季空气质量分布状况为优、良和轻微污染3个等级,其中铁岭、营口和辽阳的空气质量有28 d为良及以上等级;空气质量级别为轻微污染日数最多的城市是本溪,共计12 d;其次是葫芦岛、沈阳、鞍山、抚顺、盘锦、阜新,共计7—10 d。各城市的首要污染物是PM10。由于冬季燃煤量的增加,沈阳、鞍山、抚顺和本溪4城市PM2.5日平均浓度值的超标率为77.4%—90.3%。 相似文献
19.
基于CUACE(CMA Unified Atmospheric Chemistry Environment)和CMAQ(Community Multiscale Air Quality)空气质量模式预报产品,应用BP(Back-Propagation)人工神经网络法建立沈阳市不同地点小风和高湿条件下PM_(2.5)浓度集成预报模型,并对预报结果进行检验。结果表明:与单一空气质量模式相比,集成模型预报的PM_(2.5)浓度更接近实测值,预报的PM_(2.5)浓度的平均偏差和归一化均方误差均明显减小,预报的PM_(2.5)浓度的模拟值在观测值两倍范围内的百分比(FAC2)明显提高。集成模型能较好地预报PM_(2.5)浓度高值的变化,且显著提高了沈阳市外围城区PM_(2.5)浓度的预报水平。集成预报模型可以实现CUACE和CM AQ两种空气质量模式产品的最优综合,对空气质量的实时预报具有一定的参考价值。 相似文献
20.
《气象与环境学报》2016,(2)
利用2014年3月至2015年2月锦州市逐日AQI、日平均污染物浓度和同期气象要素观测资料,对锦州市空气质量时空分布特征及其与气象条件的关系进行了分析.结果表明:锦州市空气质量等级为良的频率为62%,轻度污染的频率为23%,优的频率仅为6%,主要污染物为PM_(2.5)、PM_(10)、SO_2和O_3.锦州市2月和10月空气质量最差,9月空气质量最好,空气质量达优和良等级的日数占9月总日数的97%;锦州市天安街道空气质量最差,其SO_2浓度为百股街道的5倍.锦州市出现3级以上污染时的主要影响系统为地形槽、蒙古低压和弱气压场,降水对污染物具有清除作用,且对PM10的清除作用最明显;沙尘天气时空气污染明显加剧,逆温层抑制了污染物的扩散,逆温层底层高度越低,空气污染越严重.建立了AQI回归预报方程,拟合结果与实测值的变化基本一致,其中对春季AQI的拟合效果最好. 相似文献