排序方式： 共有3条查询结果，搜索用时 105 毫秒
1
1.
针对当前单模式系统臭氧（O3）预报的不确定性问题,提出了一种基于活动区间的多模式超级集成的、高效的预报方法。本研究基于长江三角洲（长三角）地区多模式空气质量预报系统,将改进后的超级集成预报方法（AR-SUP）运用到2015年长三角地区的O3预报中,并与滑动训练期的超级集成预报（R-SUP）、多模式集成平均预报（EMN）、消除偏差的集成平均预报（BREM）对比,结果表明AR-SUP对预报效果的改善最明显,其在暖季和冷季的均方根误差（RMSE）较最优单模式平均下降了20%和23%。将AR-SUP运用到48 h和72 h预报中发现,当预报时效增加时该方法依旧保持较高的预报技巧。多项统计数据均证明AR-SUP在研究时段内所有站点均能显著减小O3预报误差、提高整体相关性和一致性,有效提高当前短期（三天）预报准确率。 相似文献
2.
利用蒙特卡罗不确定性分析方法,分析了嵌套网格空气质量模式系统(NAQPMS/IAP)中154个模式输入变量不确定性对臭氧模拟的影响,量化了模式在北京奥运会期间臭氧模拟的不确定性,并确定出了主要不确定性因子。结果表明:(1)在奥运会期间(2008年8月8日～2008年8月24日),北京城区臭氧模拟的平均不确定性为19ppb,不确定性存在明显的日变化特征,白天不确定性大,夜间不确定性小。(2)在白天,北京城区近地层臭氧模拟最重要的不确定性来源是局地前体物排放,其次是NO2光解系数、风向、北京周边前体物排放和垂直扩散系数。另外,地面约150m以上,对臭氧模拟影响最大的不确定性因子是风向和北京周边前体物排放;夜间,北京城区近地层臭氧模拟的最大不确定性来源是局地NOx排放和垂直扩散系数。 相似文献
3.
基于观测数据空间插值、数值模拟以及最优插值同化方法构建了京津冀地区PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)空间插值数据、模拟数据和同化数据,并首次比较分析了三种数据在PM2.5污染回顾分析上的应用潜力和优缺点。针对2014年2月19~28日京津冀地区PM2.5污染过程的分析发现:(1)观测空间插值数据难以完整表征PM2.5污染的时空演变特征,在没有观测覆盖区域误差较大,容易出现虚假的高低值中心;(2)模拟数据具有较高时空分辨率,对PM2.5污染时空演变特征描述更加细致,但在这次污染过程中仍存在较大不确定性,其均方根误差大于100μg/m3;(3)同化数据不仅能对PM2.5空间分布特征进行细致描述,其数据精度在独立验证站点也显著高于模拟数据,其均方根误差比模拟数据低约50%,与站点观测数据的相关系数也比模拟数据高0.2以上。基于PM2.5同化数据,对这次京津冀PM2.5污染过程的时空演变特征进行了详细回顾分析,发现这次污染过程存在自京津冀南部PM2.5污染累积并向北输送发展的生成特点,消亡过程为风向转换下自北向南清除,造成京津冀南部城市先污染后清除,北部城市后污染先清除,并且有慢累积、快清除的特征。从发展演变过程中污染所占空间面积来看,25日PM2.5污染范围最大,覆盖模式第三区域60.5%面积。 相似文献
1