以下是小编为大家整理的城市空气污染数值预报模式系统及其应用(共含6篇），欢迎阅读与收藏。同时，但愿您也能像本文投稿人“刘昊然的双眼皮”一样，积极向本站投稿分享好文章。
城市空气污染数值预报模式系统及其应用
介绍了城市空气污染数值预报模式系统的.主要组成.并利用该系统对杭州市空气污染进行了预报.结果表明该系统对污染物浓度具有较好的预报性能,预报值与实测值之间有较好的相关性,其中NO2,SO2和PM10的预报与实测值的比值分别位于0.65～1.44、0.66～1.30和0.55～1.57,但模式系统对于空气质量级别(特别是NO2和PM10)的预报准确率较低,该模式系统运用于杭州的城市空气质量预报还需要进一步地改进.
作 者：蔡海航 Guo Hui-hui Cai Hai-hang Guo Hui-hui 作者单位：杭州市气象局,杭州,310008 刊 名：气象水文海洋仪器 英文刊名：METEOROLOGICAL,HYDROLOGICAL AND MARINE INSTRUMENTS 年，卷(期)： “”(1) 分类号：X51 关键词：城市空气污染 数值预报 空气质量级数城市空气污染二氧化硫数值预报中的背景值选取研究
摘要：针对城市空气污染二氧化硫数值预报中的`背景值对预报准确度影响较大的问题,对背景值的选取展开研究,分别采用背景点当天浓度、背景点前一天浓度、按比例扩大预报值和以背景气象条件决定背景值四种方法,对鞍山市6个点位在1-5月的监测值和预报值进行相关性分析,并给出了回归方程、相关系数和符合指数.作 者：李晓红 田凤云 LI Xiao-hong TIAN Feng-yun 作者单位：中煤国际工程集团沈阳设计研究院,辽宁,沈阳,110015 期 刊：沈阳航空工业学院学报 Journal：JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING 年，卷(期)：, 27(2) 分类号：X131.1 关键词：二氧化硫 数值预报 背景气象条件 相关系数 符合指数新一代数值预报系统GRAPES研究进展
中国气象科学研究院(灾害天气国家重点实验室)自起,先后在科技部“973”重大基础项目“我国重大天气灾害形成机理和预测理论研究”和“十五”重点攻关项目“中国气象数值预报系统技术创新研究”支持下,主持承担了中国气象局新一代全球/区域多尺度通用同化与数值预报系统GRAPES(Global/Regional Assimilation and PrEdiction System)的研究开发,围绕着资料同化、模式动力框架、物理过程、大型软件工程等核心技术开展了自主创新研究,取得了非静力中尺度模式、三维变分资料同化、标准化、模块化、并行化模式程序软件等方面的突出成果,部分成果已在业务上得到了应用,显示了良好的技术性能和业务发展潜力.GRAPES系统是完全依靠中国科学家的力量自主研究发展的、先进的`新一代数值预报系统.该文简要介绍GRAPES的研究内容、主要研究进展和初步应用,以及未来发展的初步计划.
作 者：陈德辉 沈学顺 Chen Dehui Shen Xueshun 作者单位：中国气象科学研究院灾害天气国家重点实验室,北京,100081 刊 名：应用气象学报 ISTIC PKU英文刊名：JOURNAL OF APPLIED METEOROLOGICAL SCIENCE 年，卷(期)： 17(6) 分类号：P4 关键词：数值天气预报 资料同化 全球/区域多尺度一体化模式基于数值预报模式降水产品的集成应用方法试验
利用5～7月四川省152个站点的逐日降水实况和T213、德国数值预报模式、日本数值预报模式、西南区域本地化的MM5集合降水预报模式和各成员的逐日降水预报产品进行Ts评分,然后基于西南区域集合预报8个成员Ts评分权重系数进行集成预报试验和集成方法对比试验,结果表明:基于Ts评分为权重系数的集成预报效果得到明显改进,且该方法优于逐步回归和支持向量(SVM)回归方法;最后根据上述5～7月T213、日本、德国和集合预报8个成员共11个数值模式降水预报的.Ts评分按权重系数集成,预报四川208～9月降水并进行效果评价,结果显示:以多个模式Ts评分为权重系数集成的降水预报效果相对于单一模式有明显提高,有较好的预报指导意义.
作 者：冯汉中 肖红茹 徐琳娜 陈朝平Feng Hanzhong Xiao Hongru XV Linna Chen Zhaoping 作者单位：冯汉中,Feng Hanzhong(四川省气象台,成都,610071;成都高原气象研究所,成都,610071)肖红茹,徐琳娜,陈朝平,Xiao Hongru,XV Linna,Chen Zhaoping(四川省气象台,成都,610071)
刊 名：高原山地气象研究 英文刊名：PLATEAU AND MOUNTAIN METEOROLOGY RESEARCH 年，卷(期)： 29(3) 分类号：P456.7 关键词：数值预报 降水 集成 试验基于Java RMI空气质量预报系统数值预报模式的设计与实现
针对当前国内已有空气质量预报系统在数值预报计算模式更新方面存在的弊端,提出基于Ja va RMI的数值预报计算模式的.构建方法,该计算模式具有易变性.通过分析两类传统方法在计算模式更新上存在的弊端,指出Java RMI的远端对象调用机制在实现方法上的优越性.阐述基于Java RMI的新方法的实现,展示如何在集成该处理模块的新系统中保证预报内容的准 确性、及时性及其良好的可扩展性.
作 者：廖楚江 杜清运 蔡忠亮 王长耀 LIAO Chu-jiang DU Qing-yun CAI Zhong-liang WANG Chang-yao 作者单位：廖楚江,王长耀,LIAO Chu-jiang,WANG Chang-yao(中国科学院遥感应用研究所遥感科学国家重点实验室,北京,100101)杜清运,蔡忠亮,DU Qing-yun,CAI Zhong-liang(武汉大学资源与环境科学学院,湖北,武汉,430079)
刊 名：地理与地理信息科学 ISTIC PKU英文刊名：GEOGRAPHY AND GEO-INFORMATION SCIENCE 年，卷(期)： 21(6) 分类号：X831 关键词：Java RMI 空气质量预报 数值模式2016城市空气污染调查
北京大学光华管理学院的陈松蹊团队对北京、上海、广州、沈阳和成都五座城市2013–2015年的PM2.5浓度数据以及气象数据进行了统计学分析，全面展现这五座城市的空气污染状况，并揭示了制约城市空气质量的因素。近日，该研究发表在《地球物理学研究杂志——大气》(Journal of Geophysical Research-Atmospheres)期刊上。
数据：“一枝独秀”的北京
在过去的几年间，中国环保部大气污染数据的真实性屡屡受到质疑。在2013年以前，当PM10是空气质量的主要指标时，中国一些城市的PM10数据在每立方米100微克处出现不连续的跳跃，统计学无法解释大量出现的98、99，而唯一的解释是：100正是蓝天的界值，因此有关部门为了增加蓝天数而对数据动了手脚。
因此，在这项研究中，为了验证PM2.5数据的质量，研究者将美国使/领馆的数据与附近的环保部监测数据进行了统计学的对比。令人欣慰的是，不同站点之间的PM2.5数据表现出很好的相关性，因此研究人员可以通过所有这些站点的数据分析城市PM2.5浓度的影响因素。
城市的PM2.5浓度受到污染物排放和气象因素双重作用。人们常说“雾霾靠风吹”，这正反映了气象因素对空气质量的影响。其中，风和降水的影响最为显著。在静风条件下，污染物难以扩散，有利于污染物的累积。此外，每一种风向对不同城市的影响也不尽相同。以北京为例，由于北京西、北方向临山，东、南方向建有大量重工业企业，因此偏南风出现时，来自工厂的污染物被传输至北京，并且受到太行山和燕山的阻碍而不易稀释。除了风以外，降水也起到了清洗空气中污染物的作用。研究团队分析发现，风向、累积风速(只有在固定风向下风速的累积才是有意义的，因为如果风向一直在变，其效应就不明显了)和降水量对PM2.5浓度均有显著影响。
由于气象因素的不可控性，陈松蹊更希望找出污染物排放对PM2.5浓度的影响，并提出相应的解决策略。因此，研究团队运用他们此前提出的统计方法，剔除了气象因素对PM2.5浓度的影响。
利用排除了气象因素的PM2.5浓度数据，陈松蹊团队对五城市的污染情况进行了系统的分析。在这五座城市中，广州与上海的PM2.5浓度相对较低，年度均值分别在每立方米40~50微克和每立方米50~60微克之间，但也高于每立方米35微克的国家空气质量标准。而另外三座城市面临的PM2.5污染状况要严重很多。北京的年度均值在五座城市中排名榜首，达到每立方米80~100微克。其90%分位数浓度更是远高于其他四座城市，这反映出北京的重度污染天气最为严重。而成都的中位数浓度在五座城市中是最高的，表明成都长期处于中度污染状态。
此外，研究团队分析了各城市年度平均指标的变化趋势。2015年，五城市的PM2.5浓度出现较为明显的下降。陈松蹊认为，导致空气质量有所改善的原因主要有二：政府实施了更严格的大气环境监管措施，且自2013年以来中国的经济增速放缓。但该趋势能否在今年得到延续，陈松蹊表示，目前研究仍在进行之中。
困境：解救被围困之城
进一步的分析揭示，导致北京、沈阳和成都污染困境的原因各不相同。辽宁的经济发展倚重于重工业，其煤炭和柴油消耗量与成渝地区相近，高于其他3座城市所在区域。此外，每年11月至次年3月的燃煤供暖使得沈阳冬季的空气质量雪上加霜。
与此相反，在这五座城市所在的区域中，成渝地区的各项能源消耗指标均处在较为靠后的位置，然而，成都仍长期处于中度污染状态，导致这一局面的是成都的先天劣势——地形条件。四川盆地由青藏高原、云贵高原、大巴山等高山环绕而成，因此盆地中产生的大气污染物难以扩散。
相比之下，北京所面临的空气问题更加复杂而严峻，这里几乎聚集了所有不利条件：北京所处的华北平原北靠燕山、西邻太行山，不利于污染物扩散;其次，华北地区的单位能源消耗量仅次于长三角地区，并且拥有大量重工业产业;此外，这项研究显示，北京具有十分显著的供暖效应，这项因素共同导致了北京的高PM2.5浓度。
在陈松蹊看来，目前华北平原的空气污染状况本不应该如此严重。本世纪初，在北京获得2008年夏季奥运会的主办权后，首钢集团被搬迁至河北唐山。包括首钢在内，河北聚集了大量由首都迁来的重工业企业。管理者试图借此改善北京的空气质量，但是，“这些搬迁措施是缺乏远见的，”陈松蹊说，“在进行规划时，规划者没有考虑到污染物在华北平原半封闭地形中的积累。”最终的结果是，不仅北京的PM2.5浓度居高不下，华北平原更是成为中国空气污染最严重的区域。
“基于各地的地理环境和气象条件，每一座城市都有不同的能源消耗和工业活动承载的上限，”陈松蹊说，“在进行投资、布局时，都应该考虑并尊重各地的承载上限。例如在华北平原，其地理条件不利于污染物扩散，因此应尽量避免布局高排放的重工业。”
挑战：距蓝天还有多远?
2014年，陈松蹊教授首次将目光投向空气污染问题。运用统计学手段，研究团队已经发布了两份空气评估质量报告。目前，团队正在对京津冀地区多个站点的空气质量数据进行细致分析，研究报告预期于2017年春季出炉。
陈松蹊说，在空气污染的研究中，最大的问题是可靠数据的获取。虽然该研究涉及的监测站的数据比较可靠，但无法推断所有的环保部站点数据的`可靠性都有保障。在接下来的研究中，他们也会进行更多的数据质量监测工作。此外，气象数据与能源消耗数据的不公开也为研究设置了障碍。
在这份研究报告发布后，陈松蹊在环保部做了报告，并且提出了相关建议。尽管找出各地的症结，但是距解决方案的最终落实仍有很长的路要走。
采访结束时，陈松蹊在办公室内指着远处隐约可见的轮廓说：“你看，新的一轮雾霾又来了。天气好的时候远处的西山能看得很清楚，现在你仔细看，只剩一点轮廓了。”空气污染的治理和预防，注定是个持久战。曾任中国气象局局长的气候变化专家秦大河院士曾经提到，当年伦敦治理雾霾用了30到50年的时间，希望我们可以在一二十年的时间内解决这个问题。关于具体的时间，可能不同的学者有着不同的看法，但有两点是可以确定的：频繁出现的重度空气污染不会立即消失，它还将伴随我们很长一段时间;而决定倒计时要走多久的，是我们的行动：大到政府的城市布局和工业监管，小到个人习惯，每一项导致空气污染的因素都需要被研究透彻，每一项控制污染的举措都不应被放过。
