随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)...随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。展开更多
利用CMAQ（Community Multiscale Air Quality Model）模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品...利用CMAQ（Community Multiscale Air Quality Model）模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.展开更多
应用MM5(Fifth-Generation NCAR/Penn State Mesoscale Model)-Models-3/CMAQ(Community Multi-Scale Air Quality)空气质量模拟系统对京津冀地区进行了模拟,分别采用Brute Force方法和DDM-3D(Decoupled Direct Method in 3 Dimensions...应用MM5(Fifth-Generation NCAR/Penn State Mesoscale Model)-Models-3/CMAQ(Community Multi-Scale Air Quality)空气质量模拟系统对京津冀地区进行了模拟,分别采用Brute Force方法和DDM-3D(Decoupled Direct Method in 3 Dimensions)技术对两个代表性城市石家庄、北京的PM2.5来源进行了分析计算.结果表明,两种方法的计算结果具有显著相关性,相关系数在0.950～0.989之间;其次,在某一地区浓度贡献较低的情况下,两种方法的计算结果非常接近,但随着浓度贡献的增加,Brute Force方法的计算结果逐渐高于DDM-3D方法,直线拟合的斜率在1.14～2.05之间.以石家庄为例,Brute Force和DDM-3D方法估算的河北南部地区排放的浓度贡献分别为54.7%和64.4%,相差10%左右.浓度贡献空间分布的对比表明,Brute Force方法计算出的浓度影响范围更大,出现某些离散的负值点,或某些负值点与很大的正值点相邻,反映了数值计算带来的计算误差;相比之下,DDM-3D方法的计算结果则更为合理.展开更多
文摘随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。
文摘利用CMAQ（Community Multiscale Air Quality Model）模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.
文摘应用MM5(Fifth-Generation NCAR/Penn State Mesoscale Model)-Models-3/CMAQ(Community Multi-Scale Air Quality)空气质量模拟系统对京津冀地区进行了模拟,分别采用Brute Force方法和DDM-3D(Decoupled Direct Method in 3 Dimensions)技术对两个代表性城市石家庄、北京的PM2.5来源进行了分析计算.结果表明,两种方法的计算结果具有显著相关性,相关系数在0.950～0.989之间;其次,在某一地区浓度贡献较低的情况下,两种方法的计算结果非常接近,但随着浓度贡献的增加,Brute Force方法的计算结果逐渐高于DDM-3D方法,直线拟合的斜率在1.14～2.05之间.以石家庄为例,Brute Force和DDM-3D方法估算的河北南部地区排放的浓度贡献分别为54.7%和64.4%,相差10%左右.浓度贡献空间分布的对比表明,Brute Force方法计算出的浓度影响范围更大,出现某些离散的负值点,或某些负值点与很大的正值点相邻,反映了数值计算带来的计算误差;相比之下,DDM-3D方法的计算结果则更为合理.
