利用简化空气质量模型快速构建臭氧生成等浓度曲线及其应用

提出一种快速构建臭氧生成等浓度曲线的新方法。该方法利用区域空气质量模式进行臭氧前体物的敏感性分析, 基于一阶和二阶敏感性系数构建简化模型, 快速计算前体物不同排放水平对应的臭氧生成浓度。使用该方法, 结合调整的源排放清单, 对2018年8月成都平原地区进行臭氧回溯模拟并绘制臭氧生成等浓度曲线图。在此基础上, 以成都市为例, 对城市臭氧污染控制提出对策建议。     

基于污染物浓度设计值和相对响应因子的空气质量达标控制情景预测方法——以四川省“十四五”规划为例

提出一种基于污染物浓度设计值和相对响应因子的空气质量达标规划预测方法。首先通过数值模拟, 评估最近5年年际气象条件差异对空气污染物浓度的影响, 筛选出最接近5年平均气象条件的一年作为基准年, 将该基准年气象场和各排放情景作为输入进行空气质量模拟, 降低气象条件年际差异对未来污染物浓度水平预测的影响。然后, 基于基准情景和控制情景在不同排放水平的空气质量模式模拟结果, 将控制情景相对于基准情景的污染物模拟浓度的变化比例(相对响应因子)与污染物浓度设计值相结合, 进行控制情景的空气质量水平预测和达标分析。以四川省为例, 围绕相关减排政策, 设计多个虚拟控制情景, 对全省城市未来空气质量进行情景预测和达标分析, 为“十四五”空气质量规划落地策略的制定提供科学支撑。     

南京地区一次降水过程湍流特征研究

利用南京大学浦口校区大气科学园的近地层湍流脉动资料及Meteorological Information Comprehensive Analysis and Process System气象数据资料,针对2008年5月南京地区一次降水过程,分析比较了降水前后的湍流强度、归一化湍流动能、近地层通量输送和速度能谱特征.结...     

基于机器学习方法的臭氧和PM2.5污染潜势预报模型——以成都市为例

以成都市为例, 以多项可能影响污染物时空分布的变量为潜在预报因子, 筛选关键入模因子, 利用2016—2018年数据为训练集, 采用多元线性回归、BP神经网络和随机森林算法, 建立成都市夏季(4—8月)臭氧及冬季(11—2月) PM_2.5污染潜势模型, 并利用2019年数据对模型的中长期污染潜势浓度的预报性能进行评估。结果表明, 建立的多元线性回归、BP神经网络和随机森林模型对成都市臭氧及PM_2.5的短期(1~3天)污染潜势都具有良好的预报效果, 对7~15天的中长期潜势预报表现稳定。其中, 多元线性回归模型和随机森林模型分别对臭氧和PM_2.5表现出相对最佳的预报性能。