海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

利用CAPPS2．0系统对太原市空气污染的预报分析

应用本地化后的城市大气污染潜势和污染指数预报系统CAPPS2．0模拟太原市空气质量。检验其对太原市空气污染预报的能力,并对检验期间预报效果较差的个例做了详细分析。     

城市空气污染预报系统CAPPS2.0在辽宁的应用及检验

在利用CAPPS2.0进行空气质量自动化预报的前期工作中,为了验证模式的准确性,对辽宁省14个主要城市2003年1月的31 d、4月、7月和10月各12 d作出了模拟,分别得到各城市SO2、NO2和PM10的污染指数预报值。将各污染指数每天模拟的预报值与实际监测值进行对比,发现春、夏、秋季的预报效果非常好,而冬季预报值明显偏高。对预报值与监测值的相关性检验表明两者相关性非常显著,冬季预报值出现的是一个系统误差,可以通过修改模式进行订正。     

北京市空气污染业务预报方法

对北京市气象局目前正在运行的空气污染业务预报方法进行较全面的介绍，其中包括以天气学方法为主的空气污染潜势预报，多元线性回归统计模式和基于大气污染平流扩散方程的数值模式3部分。由这3部分组成了污染预报的业务流程，该流程是在北京市气象局现有业务运行的中尺度数值预报模式（MM5）支持下建立的。2001年4月和5月在北京开展了试预报和正式预报，由于受北京春季沙尘天气的影响，预报准确率受到了一定的影响。     

CAPPS1和CAPPS2数值预报模式对比分析

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。     

湖北省城市空气污染气象条件预报模式

湖北省城市空气污染气象条件预报模式（以下简称模式）建立在有限区域中尺度数值天气预报模式和大气污染扩散箱格模型的基础上,是一种利用大气探空资料和一些地形、地表特征来预测城市空气污染变化趋势的方法。     

城市空气污染数值预报系统CAPPS及其应用

城市空气污染数值预报系统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。它不需要污染源的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), 克服了由污染源调查本身具有的不确定性给城市空气污染的数值预报所带来的困难。该文对CAPPS系统在北京市和上海市进行数值预报的结果进行了分析检验, 并与国际上几种光化学污染预报模式的预报结果进行比较。结果表明, 就预报值与监测值的线性相关系数来说, CAPPS系统的预报水平与其他发达国家的模式预报水平相当。此外, CAPPS系统的污染指数等级预报准确率 (北京市和上海市) 平均达到61.5%。     

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。     

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。     

2003年辽西地区空气污染试预报检验

应用新一代大气扩散模型进行了辽西地区2003年春季和夏季条件下的SO2和TSP日均浓度试预报，同时引入平均相对误差的概念对浓度预报值进行了检验。结果表明：SO2预报结果好于TSP，夏季预报结果好于春季。     

石家庄市主要大气污染物的数值预报

应用CAPPS城市大气污染潜势和污染指数预报系统，对石家庄市主要大气污染物（SO2，NOX，TSP）的污染指数（API）进行模拟分析，结果表明，用CAPPS作城市大气污染预报时，应加入污染物排放的时间系数（Ti)订正和经验系数（Ki)订正，对北方城市而言，还须加入扬尘百分率（F）订正，用加入Ti,Ki和F订正后的CAPPS预报系统，对石家庄市大气污染物（SO2，NOx,TSP)进行模拟，结果SO2，NOx,TSP三种污染物的预报值与其监测值的相关系数分别提高到0．951，0．854和0．880。     

2004年北京市沙尘天气对空气质量影响的对比分析

北京市环保局近几年的空气质量监测报告表明：PMIO污染显著,一直居高不下,是最主要的污染物,全年中其占首要污染物的天数超过90％;SO2的污染趋势已经得到控制;NO2的污染状况改善相对较小,但整体呈现缓慢下降的趋势。通过对2004年春季北京市发生的3次沙尘天气过程的分析与比较,结合北京市3月份的空气污染物浓度（或指数）的变化情况,总结了沙尘天气对空气质量的影响情况,为今后北京地区沙尘天气的空气质量预报提供参考。     

南京SO2、NO2和PM10变化特征及其与气象条件的关系

利用南京市2002—2006年大气监测资料,分析了南京市大气中SO2、NO2、PM10年变化趋势及月季规律,评价了南京市空气质量状况。结果表明:5a来,SO2质量浓度呈显著上升趋势,NO2质量浓度缓慢上升,PM10质量浓度明显下降;南京市首要污染物是PM10,SO2、NO2污染较轻;3种污染物质量浓度均以夏季最低。进一步研究不同气象条件下污染物质量浓度发现,污染物质量浓度与风速反相关,且东南风时浓度最高;降水对污染物有清除作用;雾、霾天气下污染加剧;气象能见度与PM10、NO2的质量浓度反相关;污染物有明显的"周末效应",周末质量浓度值较低。     

乌鲁木齐市降水对大气污染的影响

根据2002—2003年乌鲁木齐市SO2、NO2、PM10的日平均浓度和日降水量分析了乌鲁木齐市降水对3种大气污染物的湿清除能力。分析表明大雨对SO2和PM10的湿清除能力大于小雨,而小雨大于中雨。中雪对SO2和PM10的湿清除能力大于大雪,而大雪大于小雪。小量以上降水(降雨和降雪)对NO2的湿清除能力基本相当。微雨对3种大气污染物具有湿清除能力,而微雪使3种大气污染物的浓度增加。     

造成北京PM10重污染的二类典型天气形势

利用北京空气质量监测资料和NCEP再分析资料,分析了北京发生PM10重污染的天气形势。研究表明:1)虽然北京地区PM10重污染(API指数3级以上)每年只有10 d左右,但与之关联的轻微或轻度空气污染(API指数3级)天数,却可能占全年3级污染总天数的40%-50%。因此,分析研究造成北京PM10重污染的天气形势,对于空气污染的预警预报以及污染源的控制和管理,都具有十分重要意义。2)通过海平面气压场的主观分析,确定了二类北京PM10重污染的典型天气形势,即高压南下东移阻滞型和与北上台风(或热带低压)相关联的弱高压控制型,并指出了后者在2008年奥运会期间,对开展北京空气污染预报和污染控制的指导作用。     

湘潭市秋季一次大气污染过程分析

利用常规高空和地面气象观测资料、湘潭市空气质量监测数据并结合HYSPLIT4后向轨迹模式对2020年10月28—31日污染天气特征及成因进行分析。结果表明此次污染过程分为3个阶段：第1阶段为北方偏二次型传输阶段,此阶段北风风力较大,在强北风的推动下华北地区污染物(PM_2.5)向南传输影响湘潭;第2阶段为大气高湿静稳条件下本地源(工业源、移动源、扬尘源、生物质燃烧源)排放累积阶段,此阶段地面转均压场,整层大气湿度接近饱和并出现弱降水,气态污染物在污染过程中发生二次转化,颗粒物吸湿增长,且近地面出现逆温,不利于污染物的垂直扩散,导致边界层内的污染物不断累积,污染加重,推高了湘潭的PM_2.5浓度峰值;第3阶段为污染物缓慢清除阶段,随着新一波冷空气影响湘潭地区,水平扩散条件逐步改善,且上游空气质量优良,本地污染物得到有利扩散,此次污染过程结束。     

兰州城区稳定能量及其与空气污染的关系

从能量学的观点出发，提出了描述地面至特定高度大气层结构稳定度的参数－稳定能量，并给出了具体计算方法。根据1988－1992年兰州气象站逐日08：00（北京时，下同）的探空资料，计算了300－1000m每隔50m共15层的稳定能量。利用同期兰州市环境监测站自动监测系统监测的兰州城区3种主要空气污染物二氧化硫、一氧化碳和氮氧化物（SO2、CO、NOX）的日平均浓度资料，计算了地面气象要素、低空气象参数、低空风和稳定能量等气象因子与SO2、CO、NOX之间的相关。结果表明：（1）用稳定能量来描述低层大气的稳定性更为合理一些；（2）在诸多气象因子中，稳定能量与SO2、CO、NOX浓度之间的相关性最显著；（3）稳定能量的年变化规律与空气污染浓度的年变化规律基本一致；（4）逐月看，各层稳定能量与SO2浓度之间均为正相关，除7月份以外，大多数层次均通过了α＝0．01显著性水平的相关性检验。