湖北省AQI时空特征及影响因素分析

以2015—2021年湖北省各地级市AQI数据为基础，采用克里金插值法分析了湖北省空气质量时空变化特征，基于Pearson相关分析探讨了气象因子与AQI关系，并结合经济发展数据运用库兹涅茨曲线和灰色关联度揭示AQI与经济因素的关系.结果表明：2015—2021年湖北省AQI在空间上呈现“中部高东西低”的分布格局. AQI季节变化为：夏季<秋季<春季<冬季；Pearson相关分析可知AQI与气温、湿度、风速、降水量呈负相关，与气压呈正相关.库兹涅茨曲线（EKC）分析可知AQI与经济的EKC曲线为“U”形，第二产业、人口密度对AQI有负面影响，第三产业占比和建成区绿化覆盖率对AQI有积极影响.     

山西省城市空气质量指数地理特征及其与气象要素的关系

以山西省11个地级市2014年空气质量日报数据和部分气象站点同期的地面气象数据为基础,基于地理信息系统软件surfer运用克里格插值法绘制出2014年山西省空气质量指数(AQI)的时空分布特征,然后将AQI与5个地面气象要素进行相关分析,得出它们在不同时内的相关关系.结果显示:2014年1~2月全省AQI值普遍较高,空气污染较重;3~6月AQI值逐渐降低;7~9月AQI值维持在较低范围内,空气质量优良;10~12月AQI值再度升高.在研究时段内,AQI值和平均本站气压呈显著负相关关系,和平均气温、平均水汽压呈显著正相关关系,风速对于AQI值的影响具有双重性,平均相对湿度和AQI值相关性较弱.     

基于AQI的九江市空气质量统计预报方法

利用九江市2014—2017年气象观测站常规观测的气象资料和九江市环境监测站污染物日平均浓度资料、AQI日均值和首要污染物等观测要素,通过统计学方法对不同季节内地面气象要素和AQI做相关性分析,并选取相关性好的因子分别做回归分析并建立预报方程,结果表明:1)相对于全年回归预报方程,不同季节的气象要素与AQI的相关程度不同,不同季节的回归方程对AQI指数的预报准确率高; 2)由于污染物的累积特征,前一天的AQI与当天AQI相关系数高达0.66,在回归的过程中,前一天的AQI值做为最重要的一项参数; 3)春季、夏季由于降水比较明显,且由O_3造成的污染日数相对较多,而高温和日照对O_3有显著的相关,所以AQI的预报能力较强;秋冬季由于外来输送污染严重和PM_(2.5)首污的日数增加,气象要素的相关性较低,预报能力也随之降低。     

中国城市空气质量时空分布特征

采用国家环境保护部发布的2014年全国161个城市空气质量指数(AQI)数据,基于克里格插值、三维趋势面等空间分析手段,揭示重点城市空气质量时空分布格局.结果表明:我国AQI时空分布差异明显,季节特征表现为冬季最高,夏季最低,春季略高于秋季;月峰值出现在1月,9月AQI最低;日AQI高值出现在10:00,低值出现在16:00,白天AQI波动较大,夜间较平稳.空间分布呈现出从南向北、从沿海向内陆逐渐升高的趋势,且南北差大于东西差;华北生态地区AQI较高,云贵高原生态地区较低.     

利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

开展基于空气质量数值模式CMAQ (社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法, 对CMAQ的PM_2.5 (细颗粒物)原始预报结果进行误差订正, 以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型, 在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量, 对PM_2.5预报浓度进行校正, 最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果, 利用2018年的独立样本进行评估, 订正预报结果的准确性显著提升, 站点5天预报的决定系数R²为0.41~0.60, 比原始预报提高60%~160%, 均方根误差RMSE降低 40%左右; 交叉验证的站点预报R²同样提升50%~80%, RMSE下降30%左右。该订正方法的计算效率高, 可以部署于业务化预报平台, 进行可靠的运行。     

信阳市中心城区空气质量的时间变化特征

以《环境空气质量指数(AQI)技术规定(试行)》和信阳市中心城区2015-2017年的空气质量指数(AQI)日均值为依据,计算出每年的AQI月均值,分析该城区空气质量的年际、年内变化特征及其影响因素.结果表明,该城区空气质量逐年改善,年内空气质量季节变化明显:夏季良好、较稳定;冬季污染天数多于其他季节,总体表现为轻污染;春、秋季在良好和轻污染级别之间震荡.多云、阴、小雨、小雪及雨夹雪,风力≤2级、无持续方向,特别是冬季北风、偏北风等天气条件下,易发生空气污染,城市地貌阻碍空气扩散.进一步表明在防控大气污染方面,该城区应关注天气和季节变化、重视城市规划和城市设计.     

基于多模式预报优选融合技术的短时定量降水预报

为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。     

基于AQI指数的中国城市空气质量时空分布特征

基于2014-2016年中国环境保护部公布的城市空气质量指数(air quality index,AQI)日报数据,综合运用空间插值法、空间自相关模型、核密度估计模型等空间数据统计模型探究中国城市空气质量时空分布及动态演进特征。结果显示:(1)2014-2016年中国城市的AQI呈下降的趋势,空气污染城市数量减少,表明城市空气质量有所改善;中国城市AQI季节均值为:冬季春季秋季夏季,夏、秋两季空气质量空间分异格局不显著,春、冬两季的空间分异格局显著,呈北高南低、内陆高沿海低的季节性空间分布格局。(2)中国城市AQI空间分布呈现出持续增强的空间集聚态势,形成以冀鲁豫三省交界处为核心并蔓延至湖北省中北部的中度污染区和以乌鲁木齐和阿图什市为核心的中度污染区,以珠三角城市群为核心的华南地区是稳定的空气质量优良区。(3)从核密度估计图可以发现中国城市空气质量空间分布格局表现为6个显著核心密度区和3个次级核心密度区,2014-2016年内该基本格局在局部区域发生较明显变化。本文通过不同的时间尺度全面分析了中国城市空气质量的空间分布特征,旨在为中国各个城市制定相关的空气质量防治政策提供科学依据。     

基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统抗干扰能力差、稳定性不高以及AQI指数预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络GRU于一体的空气质量监测系统。系统利用LoRa技术采集环境参数,集合云平台技术、SSA-VMD-GRU模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000米内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差RMSE和平均绝对误差MAE均有降低,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。     

基于多变量混合长短期记忆神经网络的长沙PM2.5预报模型

为了提高PM2.5浓度预报准确率,基于长短期记忆（LSTM）神经网络构建多变量混合预报模型（hLSTM）,利用空气质量数据、气象数据和日期时间信息对长沙10个空气质量监测站未来24小时PM2.5浓度进行逐小时预报,并对模型精度进行评估。结果表明：hLSTM逐小时PM2.5预报模型误差随预报时效的增加呈现前陡后缓逐步增大,均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）分别从1 h的6.53 μg·m-3、4.03 μg·m-3和16.02%增大到24 h的20.62 μg·m-3、13.56 μg·m-3和47.34%;模型误差存在明显的季节性差异,呈现冬季>秋季>春季>夏季的特征;相较于基于决策树（DTs）、循环神经网络（RNN）和普通LSTM的预报模型,hLSTM模型能更好地提取长沙PM2.5浓度数据的时序特征,达到更高的预报精度;利用hLSTM模型对长沙2019年12月13日~16日重污染天气过程PM2.5浓度进行预报,各时效的预报结果均能反映污染过程中PM2.5的变化趋势,其中3 h内的预报结果与观测值吻合程度较高。可见hLSTM可较好提取长沙PM2.5浓度变化特征,为其短临预报提供一种新思路。     

环境空气质量预报准确率研究

在分析多年空气自动监测数据的基础上,选用统计预报模式(多元线性回归)和数值预报模式(CAPPS)两种模式同步应用,以源解析结论为数据修正程序,很好地解决了安阳市在空气质量预报方面准确率低的问题.安阳市2005年1月~9月环境空气质量预报PM10浓度预报准确率为74.70%.     

4种数值模式的降水预报检验分析

选取2014年江西大监站24 h出现10站次以上大雨以上量级的降水过程,采用统计对比分析方法,对Ecmwf、Grapes、T639和GTEJ 4种数值模式逐3 h的降水预报效果进行检验。结果表明:不同时段各模式的预报准确率不同,前00:00-09:00,Ecmwf的预报准确率达34%;18:00,Grapes准确率达30%;12:00-21:00,GTEJ的预报准确率达31%;24:00,T639的预报准确率达26%。模式降水预报的可参考性在各季节也不一样,Ecmwf、Grapes和GTEJ秋冬季的可参考性要明显强于春秋季节,而T639对于春季降水预报的可参考性是最强的;夏季的降水预报,GTEJ的可参考性是最强的;秋季和冬季的降水预报,Ecmwf和GTEJ的可参考性都较强;对于不同类型降水下4种模式的降水预报效果,高空槽型和切变型降水,GTEJ的参考性最强的;冷空气型和台风型的降水,Ecmwf的可参考性最强;副高边缘型的降水,Ecmwf和GTEJ的都具有很好的参考价值。     

ECMWF极端天气指数产品在湖南降水预报中的评估

利用2016—2017年欧洲中期天气预报中心(ECMWF)集合预报系统的逐日极端降水天气预报指数产品资料和实况降水资料,运用ETS评分和偏差分析等方法,对EFI产品在湖南降水预报效果进行了检验评估.结果表明:预报EFI与实况降水量存在显著正相关关系,各等级降水EFI最优阈值的ETS评分随预报时效增加、降水量级增大而减小;EFI对暴雨的预报准确率在夏季最高,最优阈值最低,预报偏差最小,对暴雨的预报准确率在秋季其次,春季和冬季准确率最低.     

新疆GRAPES区域模式降水产品的性能检验分析

本文运用2010年新疆地区地面气象观测站的实况降水资料和GRAPES区域模式的降水预报产品。按照降水预报产品在新疆实际天气预报业务工作中的应用制定检验方案,对GRAPES区域模式12h降水预报产品进行检验。结果表明GRAPES区域模式的降水落区位置和落区面积预报准确率北疆高于南疆,降水落区位置预报偏南的概率比较高;各时效降水中心强度预报易偏强,随预报时效延长其准确率逐渐降低。     

ECMWF集合预报产品在河南省暴雨预报中的应用

对2014到2015年5—8月欧洲中期天气预报中心(ECMWF)的9类与降水相关的集合预报基本产品和统计量(以下简称集合预报产品)进行暴雨TS评分检验,筛选出:%90分位数、最大值、控制预报、融合产品、概率匹配平均5个评分较高产品.对所选产品做暴雨过程的应用效果分析发现:5个集合预报产品的强降水中心位置预报与实况较接近,大部分产品对大雨以上降水落区预报与实况较接近,但存在强降水中心极值预报较实况偏小的不足;最大值产品对于暴雨落区范围和强降水中心极值的预报通常较实况偏大;5个集合预报产品均表现为0~72 h时效内预报效果最好,72 h之后各产品对暴雨的预报能力明显减弱.基于检验和分析结果,采用百分比权重集成技术建立暴雨预报方法,2016年业务应用结果表明,集成后的暴雨预报产品效果优于单个集合预报产品.     

日照市空气质量变化特征及其与气象条件的关系

根据日照市2015年3月至2016年2月的空气质量日报数据以及同期气象数据,研究了该市空气质量特征及其与气象条件的关系.结果表明:日照市空气质量以II级良为主,占全年总天数的58%.PM2.5、O3和PM10为该市主要污染物;空气质量具有明显的季节特征,冬季空气质量最差,AQI的平均值为132.8,并且中度污染、重度污染和严重污染在冬季多次出现,夏季空气质量最好,AQI值为78.4;降水、风速、湿度和温度对于空气质量影响显著,大部分情况下,AQI指数与降水、风速、湿度呈负相关,与气压、气温存在正相关关系.     

华东区域中尺度模式在景德镇暴雨过程中的检验与应用

利用2015年至2019年7月中旬期间华东区域数值模式24 h降水预报图片产品及景德镇国家站雨量资料,对该模式预报景德镇24 h暴雨进行了TS评分、空报率、漏报率检验,得出主要结论如下:模式对景德镇市24 h暴雨TS评分为0.26,空报率为68%,漏报率为37%,预报能力总体呈逐年上升趋势。6-7月模式TS评分高于空报率和漏报率,表明该时段模式预报具备较高的参考价值。模式20起报产品评分优于08。模式对不同类型暴雨预报结果统计表明,静止锋暴雨预报成功率高,参考价值大;冷锋暴雨及暖区暴雨次之。模式24 h暴雨预报一定程度上优于主观预报,但近2 a差距减小。模式对景德镇地区多次致洪暴雨预报表现良好。     

新疆"百里风区"强风天气预报方法

在对新疆"百里风区"大风形成原因分析的基础上,使用2003-2006年的实况资料和在T213数值预报产品中,选取适当的预报因子,运用双重检验的逐步回归方案,建立了以12h为一个预报时段的48h大风预报方程.检验表明:以12h为一个预报时段的48h预报,2003-2006年的回代检验准确率和2007,2008年试报准确率均在75%以上,24h内的预报准确率超过了80%.24～48h的预报准确率也高于新疆气象台天气图方法预报结果.     

信阳市城区空气质量指数变化及其与气象要素的关系

以2014-2017年信阳市逐月空气质量指数(AQI)监测数据及同时段的气象数据为研究对象,采用统计分析、Pearson相关系数法和广义加性模型(GAM),对信阳市城区空气质量指数变化特征及其与气象要素的关系进行分析.结果表明:1)2014—2017年信阳市城区AQI年际波动较大,空气质量有明显变好的趋势;研究期间内,信阳市城区有27个月(56.25%)空气质量属于良,19个月(39.58%)属于轻度污染,2个月(4.17%)属于中度和重度污染;AQI变化受季节影响明显,空气质量状况优劣程度依次为夏季春季秋季冬季.2)从整体水平来看,AQI与气压呈正相关关系,与气温、平均水汽压、日照时数和风速呈负相关关系;在不同季节和不同等级空气条件下,气象要素对AQI的影响差异较大.3)由广义加性模型可以看出,AQI与降水量呈线性关系,与平均气温、平均水汽压、日照时数和平均风速等气象要素为非线性关系,气象要素对AQI的影响一般存在阈值.     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。