兰州市冬季空气质量潜势预报

利用空气质量潜势预报方法和兰州市冬季空气质量浴势预报系统。通过2001年10—12月兰州市空气质量潜势预报结果的检验分析，表明该系统对首要污染物等级预报准确率78％以上，对兰州市空气质量预报具有较好的指示性。     

西安空气质量预报系统及检验

介绍了西安地区空气质量预报业务系统WRF-CMAQ及其预报产品,该系统主要包括:气象模式WRF(Weather ResearchForecasting Model)、稀疏矩阵排放源模式SMOKE(Sparse Matrix Operator Kernel Emissions)以及公用多尺度空气质量模式CAMQ(Community Multi-scale Air Quality Model)。初步检验表明:系统的预报结果处于合理范围,24h内对PM2.5和PM10的逐小时模拟质量浓度与实况的相关系数达到0.6以上,能够满足业务需求。     

几种空气质量预报方法的预报效果对比分析

目前应用于我国各个城市空气质量预报业务的预报方法主要有三种 :数值模式预报、统计预报和综合经验预报。这几种预报方法都有其各自的优势 ,同时也存在一些不足。应用以上方法对天津市市区进行空气质量业务预报 ,通过实测资料与预报结果进行对比分析 ,给出这几种方法在天津市区空气质量预报中的预报效果客观评价。     

广西城市空气质量预报技术

以南宁市为例介绍广西城市空气质量预报技术。对南宁市二氧化硫、二氧化氮和可吸入颗粒物等污染物平均浓度与气象要素的相关分析表明，污染物浓度与地面、高空气象要素相关非常好。在未来24-36小时天气预报基础上，采用动态统计预报两种模式对城市空气质量进行预报，并根据污染日的影响天气系统类型对两种模式预报结果进行订正。业务实践证明预报准确率较高。     

西宁市空气质量预报系统CAPPS的分析与应用

城市空气污染数值预报CAPPS，是在ADPIC的概念的基础上经过积分求得的大气平流扩散的多尺度箱格预报模型。它不需要污染源强资料就可预报出城市空气污染潜势指数(PPI)和污染指数(API)。本对CAPPS系统在北京和上海市进行了分析检验。结果表明，就预报值与监测值的线形相关系数来说，CAPPS系统的预报水平与其他发达国家的模式预报水平相当。而从CAPPS系统在西宁市的应用中可以看出，模式的应用与地表地形、区域气候以及大气的稳定度有一定联系。     

晋江城市空气质量污染潜势统计预报方法初探

根据实际工作经验,通过分析气象条件对晋江空气质量的影响,建立了一套以天气形势为依托、综合考虑气象要素变化、以分类法和趋势外推法相结合的空气污染潜势的统计预报方法。经实践检验：用该方法预报空气质量为Ⅰ级和Ⅲ级以上的准确率分别为95.2%和79.2%,API指数误差在[-10,10]的命中率达到82.5%。预报方法简单、经济、实用,预报准确率较高,可为沿海地区中小城市今后开展空气质量预报提供参考。     

商丘市空气质量统计预报方法

利用商丘市2002年5月24日～2003年9月23日的空气污染浓度资料和同期气象观测资料,分析了商丘市空气质量的时间分布规律及影响商丘市空气中PM10、SO2和NO2浓度的气象因子,并用多元线性回归方法建立了商丘市空气质量预报方程.     

商丘市空气质量统计预报方法

利用商丘市2002年5月24日~2003年9月23日的空气污染浓度资料和同期气象观测资料,分析了商丘市空气质量的时间分布规律及影响商丘市空气中PM10、SO2和NO2浓度的气象因子,并用多元线性回归方法建立了商丘市空气质量预报方程。     

海口市基于CAPPS系统的空气质量预报制作平台

对城市大气污染潜势和污染指数预报系统（CAPPS）的构成、功能、技术要点及运行环境作了详细介绍，通过对CAPPS系统进行改进和完善，将其集成为一个自动化程度较高的业务系统。     

贵阳市空气质量预报方法与效果检验

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PM_2.5、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%。     

深圳地区空气污染潜势预报的研究

本文系统地介绍了目前深圳市气象台研制的深圳市空气污染潜势预报方法，本方法基于在污染源一定的情况下，未来空气污染状况主要取决于大气环流形势演变和局地相关的气象要素以及天气形势的思想，应用以统计加权法为主、数值预报为辅的方法，根据主观预报和数值预报给出的气象要素预报值和天气形势，制定相关因子的加权值表，最后通过非加权因子的修正，得出对未来24小时空气污染潜势预报，目前这一方法已经过业务上实践应用，取得了较好的效果。     

Models-3空气质量模式对兰州市污染物输送的模拟

较详细地介绍了美国环保总局的第三代空气质量模式系统Models-3的特点,并且针对兰州市冬季采暖期污染严重的特点,选取2002年12月份的个例,将兰州市最新的大气污染源资料加入模式中．对模式进行调试并检验了该模式对兰州污染的模拟性能。从模式对SO2,NO2和O3等几种大气污染物浓度的模拟结果与监测资料对比分析,表明该模式系统较好地模拟出了SO2,NO2的空间分布格局,模拟结果与监测结果比较吻合,而且模式模拟的污染物浓度场比较均匀;模式模拟的O3的日变化规律与资料分析结论基本一致,也符合O3的生成机理。因此该模式系统对于复杂地形条件下的城市污染物输送具有一定的模拟能力。     

郑州市空气质量统计预报方法探讨

根据2005年、2006年采暖期RegCM 3模式输出产品和郑州市环境监测中心逐日监测资料,利用逐步回归方法建立了PM10、SO2、NO2等污染物质量浓度预报方程。该方法在2007年采暖期的试报中效果不理想,预报准确率明显低于历史拟合率。为了提高预报准确率,针对目前采用的统计方法中存在的不足,即在选择预报因子时没有考虑预报因子之间的相关性,挑选的预报因子由于非正交,使回归计算的结果不稳定。将自然正交分解和多元回归分析结合起来,以采暖期各污染物的日均质量浓度为预报对象,建立预报模型。结果表明,采用新方法制作的空气质量预报准确率有一定程度提高。     

河南省城市环境空气质量状况及改善措施

根据2001年河南省环境空气质量监测资料，分析了河南省城市环境空气质量状况及污染源，并提出了改善城市环境空气质量的措施。     

城市空气质量预报质量评估系统的研制及应用

根据《气象部门空气质量预报质量考核和管理暂行办法》中的方法，编制了一套适合全国47个重点环境保护城市的空气质量预报质量评分系统，并在武汉投入了初步应用，该评分标准科学，系统运行稳定。     

合肥市空气质量预报方法

通过对空气污染预报方法的研究，采用MOS预报方法、卡尔曼滤波方法分别建立适合于合肥市空气污染特点的预报模式，为开展空气污染预报提供了必要的技术基础。     

北京市城六区2018年空气质量数值预报效果评估

为更好地改进提高模式预报性能,评估了新一代WRF-CMAQ（Weather Research and Forecasting model-Community Multi-scale Air Quality model）模式系统的不同网格分辨率预报产品对2018年北京市城六区空气质量预报结果的影响。分析表明:（1）基于首要污染物为PM2.5的预报数据集,模式系统1 km网格分辨率（BJ01）和3 km网格分辨率（BJ03）等级准确率优于官方预报结果,模式系统BJ01和BJ03区域4天内预报等级准确率均达到50%以上,24 h内准确率达60%以上,官方预报24 h内等级准确率为59%。本文引入预报综合评分法,基于IAQI（Individual Air Quality Index）和等级级别正确性双因素的预报综合评分结果显示,模式系统BJ03得分75.0分最高,BJ01次之,优于官方预报结果,模式9 km网格分辨率（BJ09）得分69.1分最低。（2）基于模式系统2018年长时间序列预报结果分析表明:模式系统预报的PM2.5浓度与实测的变化趋势较为一致,其中模式系统BJ03结果与实测PM2.5浓度相关系数达0.76,覆盖区域较大的BJ03和BJ09对PM2.5浓度峰值模拟较好。中重度污染过程的PM2.5浓度峰值模式预测误差表明,不同分辨率模式预报峰值误差的变化趋势基本一致,覆盖区域更大的粗分辨率模式预报结果高于覆盖区域小的细分辨率模式预报结果。与预报综合评分结果一致,统计分析结果也表明BJ03区域预报效果最好,平均偏差为0.83 μg/m3;而BJ01区域预报整体偏低,BJ09区域预报整体偏高。（3）基于不同网格分辨率预报效果的空间差异性分析表明:同一站点在不同分辨率上表现不一致,BJ01区域中农展馆站表现最好,BJ03区域中万柳站表现最好,BJ09区域中东四站表现最好。     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。