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。     

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。     

常州空气质量预报、预警和应急响应系统

常州空气质量预报预警和大气污染扩散应急响应系统由常州市气象局和常州市环境中心监测站联合研制,采用网站开发方式和Internet软件搭建技术,建立了集环境气象分析研究、空气质量预报预警、大气污染扩散应急响应于一体的综合性业务应用系统。自2008年6月系统投入运行以来,空气质量预报准确率得到显著提高。系统性能稳定、操作简便、可＂移植＂性强,适合向各级气象台站及环保部门推广应用。     

城市空气质量短期统计预报

文章通过污染物浓度时间序列的持续性和气象要素的相似性，进行了城市空气质量短期统计预报可行性分析。以深圳市空气中可吸入性颗粒物的污染指数预报为例，发展了一个基于MM5输出量的自知识统计模式，该预报方法在预报量本身的持续性水平上，预报效果改进15％左右，效果显著。该方法克服了常规预报方法的地域限制，只要积累足够量的污染场资料和气象要素资料，就可以自动、客观地完成具有一定准确度的空气质量短期业务预报。     

我国城市空气质量预报方法简介(摘要)

介绍了城市空气质量预报模式系统要求达到的技术指标和近几年我国城市空气质量预报的主要方法,并对预报方法进行了对比,认为城市空气质量预报是切实可行的,并且能够取得较好的预测精度;但由于各污染物出现高浓度的机理仍不是十分清楚,所以在污染物浓度出现骤升骤降的日子,各模式不能很好地反映,因此有待进一步深入研究,不断完善和开发多种预报方法.     

广西气象台城市空气质量预报业务系统

介绍广西气象台城市空气质量预报业务系统的流程规范、设计思想、技术路线和功能模块     

东营市城市空气质量集成预报研究

利用1999—2003年高空气象资料、东营站地面资料以及东营市环境监测资料，按季度分别建立了高空资料因子库、物理量资料因子库和东营资料因子库，并分别与各污染物求取了相关系数，建立各自的典型场，运用逐步回归法、最优回归法、BP神经网络方法建立了各污染物的预报模式，加上CAPPS模式，分别对2001—2002年进行了试报。根据四种模式预报的准确性计算出各模式的权重系数，建立了空气质量集成预报系统，并对2003年进行了试报，效果较好。     

西安城市空气质量数值、统计预报方法效果评估及业务化集成预报

通过对空气质量预报考核的定义,分别对数值、统计及会商的预报结果予以评估,并采用权重集成、可信度集成、回归集成方法进行集成,通过对比分析最终选取回归集成预报方法业务化应用.     

利用BP神经网络提高奥运会空气质量实时预报系统预报效果

将BP(Back Propagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。     

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。     

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。     

区域空气质量数值预报模型

给出了区域尺度空气质量数值预报模型的基本物理构架, 重点介绍了欧拉型输送／沉降模式对各种物理 （沉降、输送）、化学 （气相化学与液相化学） 过程、初值与边界条件等问题的处理／简化; 利用本模型作了一周的预报实验, 实验结果与分析说明, 区域空气质量数值预报模型能够较好地反映全国重点城市的空气质量以及污染物随时间的演变态势; 最后, 指出了需要进一步完善的工作。     

北京空气污染预报业务系统

介绍了空气污染预报业务流程,详细介绍了根据这个业务流程所开发的北京市气象局空气污染预报业务软件系统。     

河西走廊东部城市空气质量预报系统

利用气象和环保资料详细分析了武威市空气质量的特点,针对不同季节、不同时次分别建立了沙尘暴短时、短期预报模式及空气质量统计预报、潜势预报模式,经检验效果良好。应用Fortran和VB语言设计编程,建立了武威市空气质量预报系统,该系统包括沙尘暴预报预警服务系统、空气质量统计预报系统和空气质量潜势预报系统,直接和MICAPS系统接口,具有资料处理、动力统计预报、潜势预报等模式计算及资料采集、处理、模式运行、预报显示、产品分发、资料查询、预报评分等多种功能,在业务应用中效果良好。     

忻州市空气质量日报与预报方法

采用环保监测部门大气质量监测点污染物的自动采样数据，根据常规气象观测资料和数值预报产品，输入城市中各监测点的污染物指数后，就可以较为及时准确地预报出未来空气质量，计算结论与环保部门会商后通过电视等多种媒体面向社会公众服务。污染指数的预报准确率达76％。     

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。     

全国网格化多模式集成空气质量预报的初步建立

为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°X0.25°网格化污染物实况。结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报。在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报。对2018年12月19一22日一次重污染过程中集成预报的PM_(2.5)浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在—20%～40%,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测。整个过程中,最优集成在大部分污染区域与观测之间的NMB值为—20%～20%,均方根误差(RMSE)值为35～75μg·m~(-3),相关系数(R)值大于0.4。相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分。在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h。未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

多尺度空气质量模式系统及其验证I. 模式系统介绍与气象要素模拟

主要介绍一个多尺度空气质量模式系统及其在东亚地区的应用. 这套模式系统充分考虑了天气系统与中、小尺度气象过程对污染物的输送、扩散、转化和迁移过程的影响, 区域与城市尺度之间大气污染物的相互影响, 以及污染物在大气中的气相与液相化学过程、非均相化学过程、气溶胶过程和干湿沉积过程对浓度分布的影响, 可用于区域与城市尺度对流层臭氧、大气气溶胶、能见度和其他空气污染物的预报和环境评价. 模拟的气象要素(风向、风速、温度和湿度)与TRACE-P 和ACE-Asia期间三架飞机上获取的观测资料的比较结果表明, 模拟值与其相应的观测值具有非常好的一致性, 它们的相关系数都超过了0.96.