We present comparisons of the NO2 regional Chemical Transport Model （CTM） simulations over North-eastern North America during the time period from May to September, 1998 with hourly surface NO2 observations and the ...We present comparisons of the NO2 regional Chemical Transport Model （CTM） simulations over North-eastern North America during the time period from May to September, 1998 with hourly surface NO2 observations and the NO2 columns retrieved from the GOME （Global Ozone Monitoring Experiment） satellite instrument. The model calculations were performed using the Mesoscale Meteorological Model 5 （MM5）, Sparse Matrix Operator Kernal Emissions （SMOKE）, and Community Multiscale Air Quality （CMAQ） modeling systems, using the emission data from the National Emissions Inventory （NEI） databases of 1996 （U.S.） and 1995 （Canada）. The major objectives were to assess the performance of the CMAQ model and the accuracy of the emissions inventories as they affected the simulations of this important short-lived atmospheric species. The modeled （NcMAQ） and measured （NGOME） NO2 column amounts, as well as their temporal variations, agreed reasonably well. The absolute differences （NcMAQ-NGOME） across the domain were between ±3.0×10^15 molecules cm^-2, but they were less than ±1.0×10^15 molecules cm^-2 over the majority （80%） of the domain studied. The overall correlation coefficient between the measurements and the simulations was 0.75. The differences were mainly ascribed to a combination of inaccurate emission data for the CTM and the uncertainties in the GOME retrievals. Of these, the former were the more easily identifiable.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
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
中国中东部地区的空气污染主要集中在京津冀、长三角、珠三角、东北地区及汾渭平原等区域,各区域的污染排放特征各异.本文应用基于CMAQ(The Community Multiscale Air Quality)模式的自适应“nudging”源反演方法,反演中国中东部地区201...中国中东部地区的空气污染主要集中在京津冀、长三角、珠三角、东北地区及汾渭平原等区域,各区域的污染排放特征各异.本文应用基于CMAQ(The Community Multiscale Air Quality)模式的自适应“nudging”源反演方法,反演中国中东部地区2016年12月—2017年1月逐日NOx污染源,分析上述主要污染区的污染物排放强度空间分布特征,并与2016年MEIC(The Multi-resolution emission inventory for China)排放源进行比较,检验反演源的可靠性.结果表明,2016年冬季各个区域反演源NOx排放强度空间分布特征与2016年MEIC排放源基本一致.京津冀地区高强度排放区域形成沿山前区域东北-西南走向的NOx高强度排放带;长三角地区NOx高强度排放区域位于常州、苏州、上海和湖州等城市构成的城市群;珠三角地区NOx高强度排放区域位于以广州为中心的大范围城市群且排放强度呈现向四周逐渐降低的放射状分布;东北地区NOx高强度排放区域空间分布特征呈现以城市为中心且稀疏分布;汾渭平原排放区域呈现以城市为中心且向峡谷中间集中分布,排放区域轮廓与汾渭平原狭长的新月状相符.展开更多
文摘We present comparisons of the NO2 regional Chemical Transport Model （CTM） simulations over North-eastern North America during the time period from May to September, 1998 with hourly surface NO2 observations and the NO2 columns retrieved from the GOME （Global Ozone Monitoring Experiment） satellite instrument. The model calculations were performed using the Mesoscale Meteorological Model 5 （MM5）, Sparse Matrix Operator Kernal Emissions （SMOKE）, and Community Multiscale Air Quality （CMAQ） modeling systems, using the emission data from the National Emissions Inventory （NEI） databases of 1996 （U.S.） and 1995 （Canada）. The major objectives were to assess the performance of the CMAQ model and the accuracy of the emissions inventories as they affected the simulations of this important short-lived atmospheric species. The modeled （NcMAQ） and measured （NGOME） NO2 column amounts, as well as their temporal variations, agreed reasonably well. The absolute differences （NcMAQ-NGOME） across the domain were between ±3.0×10^15 molecules cm^-2, but they were less than ±1.0×10^15 molecules cm^-2 over the majority （80%） of the domain studied. The overall correlation coefficient between the measurements and the simulations was 0.75. The differences were mainly ascribed to a combination of inaccurate emission data for the CTM and the uncertainties in the GOME retrievals. Of these, the former were the more easily identifiable.
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。
文摘中国中东部地区的空气污染主要集中在京津冀、长三角、珠三角、东北地区及汾渭平原等区域,各区域的污染排放特征各异.本文应用基于CMAQ(The Community Multiscale Air Quality)模式的自适应“nudging”源反演方法,反演中国中东部地区2016年12月—2017年1月逐日NOx污染源,分析上述主要污染区的污染物排放强度空间分布特征,并与2016年MEIC(The Multi-resolution emission inventory for China)排放源进行比较,检验反演源的可靠性.结果表明,2016年冬季各个区域反演源NOx排放强度空间分布特征与2016年MEIC排放源基本一致.京津冀地区高强度排放区域形成沿山前区域东北-西南走向的NOx高强度排放带;长三角地区NOx高强度排放区域位于常州、苏州、上海和湖州等城市构成的城市群;珠三角地区NOx高强度排放区域位于以广州为中心的大范围城市群且排放强度呈现向四周逐渐降低的放射状分布;东北地区NOx高强度排放区域空间分布特征呈现以城市为中心且稀疏分布;汾渭平原排放区域呈现以城市为中心且向峡谷中间集中分布,排放区域轮廓与汾渭平原狭长的新月状相符.
