几种空气质量预报方法的预报效果对比分析_朱玉强
空气质量监测与分析方法研究
空气质量监测与分析方法研究一、引言随着人类经济和社会发展的不断进步，环境污染问题日益凸显，其中空气污染给人类健康和环境带来了严重威胁。
因此，对空气质量进行监测与分析显得尤为重要。
本文将探讨当前空气质量监测与分析的方法研究，旨在为改善空气质量提供科学依据。
二、空气质量监测方法2.1 定点监测定点监测是最常见的空气质量监测方法之一。
该方法通过在不同地点设立监测站点，使用各类空气质量监测仪器和设备，采集空气中的污染物数据。
这种方法能够提供长期、连续的监测数据，广泛应用于城市、工业区等地区。
2.2 移动监测相比于定点监测，移动监测具有更大的灵活性和便捷性。
移动监测主要使用便携式监测设备，通过在监测车辆等移动平台上进行采样和测量，能够实时监测不同地点的空气质量。
这种方法常用于应急事件响应、区域排源监测等。
2.3 遥感监测遥感监测是利用卫星遥感技术获取大范围、连续空气质量数据的方法。
通过卫星对地球表面的遥感观测，可以获取大气中的污染物浓度等信息。
这种方法能够提供全球、区域范围的数据，有助于分析和预测大气污染物传输和扩散情况。
三、空气质量分析方法3.1 化学分析方法化学分析方法是对污染物进行定性和定量分析的重要手段。
常见的化学分析方法包括气相色谱法、质谱法、光谱法等。
这些方法能够准确测量不同污染物的浓度和组成，提供基于化学特性的空气质量评估和分析。
3.2 统计分析方法统计分析方法是运用统计学原理对空气质量数据进行处理和分析的方法。
包括回归分析、聚类分析、趋势分析等。
这些方法可以揭示空气污染与影响因素之间的关系，预测未来的空气质量发展趋势，为环境管理和决策提供依据。
3.3 数值模拟方法数值模拟方法基于物理原理和数学模型，通过计算机模拟空气质量的传输、化学反应等过程。
常用的数值模拟模型包括稳态扩散模型、非稳态扩散模型、化学传输模型等。
这些模型可以预测不同污染源的排放对空气质量的影响，并评估环境管理策略的有效性。
四、问题与挑战虽然空气质量监测与分析方法已经取得了显著进展，但仍面临一些问题和挑战。
空气质量检测数据分析与预测
空气质量检测数据分析与预测一、引言随着城市化的加速和工业化的不断推进，空气污染问题越来越引起人们的关注。
因此，对空气质量进行监测和预测具有重要意义。
本文将从空气质量检测数据分析和预测两个方面进行讨论。
二、空气质量检测数据分析1.数据来源空气质量数据通常由空气监测站采集，并通过国家环保部门进行统计和发布。
空气监测站的数量、位置、采样时间和方法等因素均影响到数据的准确性。
2.数据类型空气质量监测数据通常包括以下几种类型：颗粒物、二氧化硫、氮氧化物、臭氧等。
这些指标是评估空气质量的关键因素，对人类的健康和环境的影响都很大。
3.数据分析方法数据分析方法通常可以分为两类：时间序列方法和机器学习方法。
时间序列方法适用于具有稳定周期性变化的数据，如每天、每周、每月或每年的数据。
主要方法包括滑动平均、指数平滑、ARIMA等。
机器学习方法适用于没有明显周期性或非线性变化的数据。
例如，支持向量机、神经网络、随机森林等，这些方法需要大量的数据来训练模型，并产生预测结果。
4.数据分析案例例如，某市在连续几年的空气质量数据中，发现颗粒物的浓度呈现逐年增加的趋势。
通过时间序列方法对数据进行分析，发现颗粒物浓度具有较强的季节性，并通过ARIMA模型预测颗粒物的浓度将在未来几年内继续增加。
三、空气质量预测1.预测方法空气质量预测通常采用数学模型进行。
这些模型可以采用机器学习方法或物理模型方法。
机器学习方法也分为监督学习和无监督学习。
监督学习通常需要输入空气质量数据和外部因素，如天气等，以预测未来的空气质量。
但是，由于空气质量数据容易受到外部因素的影响，因此单独使用数据进行预测可能会出现偏差。
因此，物理模型方法可以在不使用过多外部因素的情况下进行精确的预测。
2.使用案例例如，一些城市在建设大气环境预报系统时，采用物理模型和监测数据相结合的方法预测未来的空气质量。
这些模型基于爬升的牵引力和扩散的阻力，对污染物的运动和扩散进行数学模拟，以及预测未来的污染物浓度和空气质量。
城市空气质量评估和预测 季节性分析预测 层析分析法 聚类法
-5-
建立以城市空气污染程度指数为研究对象的目标函数， 假设 API 指数在春季、 夏 季、 秋季、 冬季的影响分别为 x1 , x2 , x3 , x4 城市空气污染程度指数为 Q( x1 , x2 , x3 , x4 ) ; 四季因素之间的权重向量为 W (w1 , w2 , w3 , w4 )T 建立目标函数： Q( x1 , x2 , x3 , x4 ) wi xi ;
三、
模型假设
1.假设在预测期内不会发生重大空气污染事故； 2.假设在预测期内，气象条件不会发生显著变化； 3.假设在地理上相近的城市气候条件相近。
四、
Qi 代表城市空气污染指数排名分值
符号说明
A 代表准则层的对比矩阵 aij 代表比较矩阵 A 中的元素
C j 代表不同的城市
wi 代表季节因素下的权重系数,即准则层权重系数
城市空气质量评估和预测
摘 要
本文运用层次分析法，将 10 个城市的 2009 年的季均 API 进行加权处理，体 现出不同季节空气质量对全年空气质量的影响程度。 并采用对相应结果进行打分 量化的处理方式，最终得到 2009 年 10 个城市的空气质量排名。 本文建立了季节、 趋势性模型， 用已知年份数据为初值， 预测出成都市 2010 年 11 月份的月均 API 值，以此来评价 11 月份的空气质量境况。此模型的主要思 想是空气质量变化呈现出周期性及趋势性规律， 通过对这两方面的分析以找到更 为准确的变化规律，以完成预测。 本文利用聚类法和单因素方差分析，综合考虑了地理因素、城市绿化率、工 业废气排放量及机动车保有量对空气质量的影响。 利用 MATLAB 软件完成层次分析法的计算，得到 2009 年 10 城市的空气质量 排名。拉萨的空气质量最好，乌鲁木齐的空气质量最差，虽然成都和杭州的年均 API 值相近，但成都的空气质量优于杭州。 通过建立季节、趋势模型，运用线性回归法与指数平滑法等方法，得到 2010 年秋季的季均 API 值为 72.29，再通过已知的 09 年 9、10 月的 API 值估算出 11 月份的 API 值为 80.03。与 09 年 11 月的 API 值 97.7 有所降低，空气质量较为 好转。 在分析空气质量影响因素时，运用聚类分析法对 10 个城市的 API 值进行分 析进而可以分析出地理因素是影响空气质量的主要因素。 通过单因素方差分析绿 化率、 工业废气排放及机动车保有量对空气污染物的影响可以看出工业废气的排 放是影响空气中 SO2 含量的主要因素，机动车保有量的增加会导致空气中 NO2 及 可吸入颗粒物含量的增加，城市绿化率的增加可降低空气中的 NO2 浓度、改善环 境。 本文综合利用了层次分析法，线性回归法，指数平滑法，聚类分析法及单因 素方差分析等方法，能定量预测出短期内的空气质量总体情况，并定性分析出影 响空气质量的主要因素。 关键词：层次分析法、聚类分析法、线性回归法，空气质量预测，MATLAB
空气质量监测数据的质量评估与分析方法
空气质量监测数据的质量评估与分析方法为了评估和分析空气质量监测数据的质量，确保数据准确可靠并为环境保护决策提供科学依据，科学家们开发了一系列方法和指标。
本文将介绍一些常用的空气质量监测数据质量评估方法和分析方法。
一、空气质量监测数据质量评估方法1. 数据质量控制数据质量控制是保证数据质量的基本要求。
它包括数据传输过程中的监测，确保数据采集设备正常工作以及压力和温度的定期检查。
定期校准仪器和设备也是确保数据准确性的关键。
2. 数据缺失和异常情况处理在空气质量监测过程中，可能会出现数据缺失和异常情况。
对于缺失数据，可以采用插值法来填补缺失值，以保证数据的连续性。
对于异常数据，应该进行排除或修复，以避免对后续数据分析和评估的影响。
3. 数据可靠性评估数据可靠性评估是一种评估数据质量的方法，可以确定数据的准确性和可靠性。
常用的方法包括对数据的重复性和一致性进行检查，比较仪器的稳定性和精确性等。
4. 数据一致性检验数据一致性是指在同一空间和时间范围内，多个监测站点或监测指标的数据是否一致。
一致性检验可以通过比较不同监测站点或指标的数据差异来确定，常用的指标包括相关性分析、偏差分析以及回归分析等。
5. 数据需要满足的条件对于空气质量监测数据的质量评估，需要满足一些基本的条件。
例如，数据应该具有充分的采样和监测点覆盖，采样频率和时间范围应该足够长，同时数据应该包括空气污染物浓度值和监测参数的相关信息等。
二、空气质量监测数据分析方法1. 描述性统计分析描述性统计分析是对监测数据进行整体描述和总结的方法。
它可以通过计算数据的均值、标准差、最大值和最小值来了解数据的集中趋势和变异性。
此外，直方图和箱线图也是常用的描述性统计工具。
2. 污染物浓度分布分析污染物浓度分布分析是研究污染物在某一区域内的空间分布规律和浓度分布特征。
可以通过制作空气污染物浓度分布地图或使用地理信息系统（GIS）来实现，以便更直观地展示和分析数据。
区域环境空气质量预报预警的一般方法和基本原则
区域环境空气质量预报预警的一般方法和基本原则区域环境空气质量预报预警是通过分析和评估大气环境污染物排放情况、气象条件以及空气质量监测数据，预测未来一段时间内的空气质量状况，并及时发布预警信息，提醒公众注意空气污染问题。
下面将介绍区域环境空气质量预报预警的一般方法和基本原则。
一、方法区域环境空气质量预报预警主要基于以下几种方法：1. 统计分析法：通过分析历史气象和空气质量数据，建立数学模型，预测未来一段时间内的空气质量。
统计分析法主要适用于气象条件相对稳定的情况。
2. 数值模拟法：利用气象模型和空气质量模型，模拟未来一段时间内的气象条件和空气质量变化。
数值模拟法需要对气象和空气质量模型进行较为准确的参数化设置，提高模拟的精度。
3. 综合法：将统计分析法和数值模拟法相结合，综合利用历史数据和模型模拟结果，提高预报预警的准确性和可靠性。
二、基本原则区域环境空气质量预报预警应遵循以下基本原则：1. 科学性：预报预警方法应基于科学研究成果和数据支持，确保预测结果的准确性和可靠性。
2. 及时性：预报预警信息应能及时地提供给公众，预警信息发布频率应与空气污染程度相关，保证公众能够及时采取相应的措施。
3. 可靠性：预报预警信息应具备较高的可靠性和可信度，避免发布虚假信息或引起不必要的恐慌。
4. 精准性：预报预警信息应尽可能精确地反映不同地区的空气质量状况，提供具体的指导措施和建议。
5. 可操作性：预报预警信息应具备可操作性，提供公众可以采纳的有效措施，如避免户外活动、减少交通排放等。
6. 公众参与：预报预警的制定过程应充分考虑公众的意见和需求，建立与公众沟通互动的机制，提高公众的参与度和满意度。
7. 多元化：预报预警信息应综合考虑不同类型污染物的排放和气象条件的影响，提供全面的空气质量预报预警。
区域环境空气质量预报预警是利用科学方法对环境污染物排放、气象条件和空气质量监测数据进行分析和评估，预测未来一段时间内的空气质量状况，并提供相关的预警信息。
空气质量监测中的模型分析及预测方法研究
空气质量监测中的模型分析及预测方法研究近年来，环境污染问题逐渐引起人们的关注，其中空气质量污染是较为突出的一项问题。
空气质量监测对于环境保护和公众健康具有重要意义。
如何精确地测量和预测空气质量变化，成为了各个领域共同关注的问题。
本文将分析当前空气质量监测中的模型分析方法和预测方法。
一、空气质量监测模型分析方法空气质量测量指标包括空气中的有害气体、PM2.5和PM10等微小颗粒物、以及气象变量等。
在监测空气质量时，通常采用空气质量指数（AQI）进行评估。
AQI可用于评估空气质量，通常分为6个级别，分别为优、良、轻度污染、中度污染、重度污染和严重污染。
在AQI计算方法中，可以采用线性回归、时间序列、人工神经网络、模糊集合等多种模型进行分析。
在不同的气象条件下，各种污染物的输入输出变化规律各不相同，因此需采用合适的模型预测空气污染物浓度。
1.线性回归模型线性回归模型是基于一组独立变量和响应变量之间线性关系的模型。
在空气质量预测中，可将天气情况、时间、空气湿度、气温、风向和风速等因素作为变量进行线性回归模型分析。
2.时间序列模型时间序列模型是根据变量随时间的变化规律来进行预测。
空气质量监测中，时间序列模型通常被用于处理误差项，以获得更精确预测结果。
如ARIMA模型（自回归整合滑动平均模型）是一种常用的时间序列模型。
3.神经网络模型人工神经网络模型是通过对大量数据的训练来实现非线性映射的模型。
在空气质量监测中，神经网络模型通常用于预测气象数据和污染物浓度之间的关系。
4.模糊集合模型模糊集合模型是一种描述不确定性和不精确性的模型，适用于空气质量监测中测量数据多、复杂的情况。
模糊集合模型将具有不同程度隶属度的数据聚合在一起，以提高准确度。
二、空气质量预测方法研究当发现空气质量达到临界值时，需及时采取有效措施来改善空气质量。
因此，精确地预测空气质量变化越来越重要。
1.基于回归分析的短期预测基于回归分析的短期预测是根据天气预报和气象数据的变化规律来预测下一时间段的空气质量状况。
空气质量评价方法
空气质量评价方法
空气质量评价方法主要有三种:
1. 直接测量法：直接使用空气质量监测设备对空气中的污染物进行测量。
常用的方法包括气象站监测、定点监测站监测、车辆尾气监测等。
该方法能够准确地获得实时的空气质量数据，但设备的安装和维护成本比较高。
2. 指标法：选取一些污染物的浓度或指标作为评价空气质量的标准。
常用的指标包括PM2.5、PM10、二氧化硫、二氧化氮、臭氧等。
通过对这些指标的监测和比较，评价空气质量的优劣程度。
3. 综合评价法：综合考虑多个指标和因素，利用数理模型进行评价。
例如，可以使用多指标空气质量指数（AQI）来评价空气质量，该指数基于多个污染物的浓度进行计算，并将结果进行标准化，以便进行比较和评价。
综合评价法将多个指标综合考虑，更能全面反映空气质量的状况。
不同参数化方案对风预报效果影响个例研究
案 。水 平分 辨率 达到或 超过 １ ０ ｋ ｍ×１ ０ ｋ ｍ 的外重
关键 ， 并 对 提 高 风 电 功 率 的 预 测 能 力 具 有 重 要 的 科 学意 义和实 际应 用价值 。
作为 高层 动量下 传 、 低 层地 形 和 热 力作 用 共 同 的产
物， 在 西 北 地 区植 被 稀 疏 、 地 形 复 杂 的环 境 下 ， 模 式
边 界层 的 参 数 化 是 关 键 。 陈 炯 等 （ ２ ０ ０ ６ ） 采 用
较 好 的 一致 性 ， 风 向概 率 分 布 相 似 ， 盛 行 风 向一 致 且 稳 定 。 关 键 词 Ｗ Ｒ Ｆ模 式 参 数 化组 合方 案 风场 预 报
引 言
嵌套 网格 ， 必选 积 云参数 化 ； 水 平分 辨率小 于 １ ０ ｋ ｍ ×１ ０ ｋ ｍ 的网格 ， 不 选 积 云参 数 化 方案 。② 可选 的
陆 面过 程 参 数 化 方 案 ， 尤其 是 夏 季 降水 发 生 后 ， 陆 面 过 程对 于边 界层 结 构 的影 响增 大 ， 选用 Ｎ ｏ ａ ｈ优 于 无 陆 面 过 程 。
② 江 苏试 验 区 ， 边 界 层 ＭＲ Ｆ方 案 描述 的边 界层 结 构 较 ＭＹ Ｊ方 案 合 理 ； １月 陆 面 过 程 Ｒ ＵＣ方 案 优 于 面 热 量 扩 散 和 Ｎ ｏ ａ ｈ ； ７月 陆 面热。⑧ 风 向预 报 ６个 方 案 的预 报 风 向统 计 与 实 际 记 录 风 向 统 计 有
风 能预报 是风 电并 网和 电力调度 的重要 支 撑手
段， 风 电产业 的快 速发 展 对 风 能 预报 准 确度 提 出 了
物 理过 程参数 化 ： 云辐射 参数化 ， 陆 面过程 ， 浅 对流 ，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
( 3) 级别判定评分办法即预报的污染级 别与实际污染监测级别相同为正确预报, 否 则为错误预报。为了更客观地比较, 同时还 给出了各种预报方法的预报值和监测值的相 关分析。
4 评分结果 2001 年 2 月 17 日至 3 月 17 日期间共
24 天应用 EMH 模式在天津市 区进行试验 预报, 采用 API 指数分级法对空气污染预报 的结果进行分析。将天津市区六个监测站空
SO2 481 3 661 7 9315 7715 6719
级别法 NO2 591 3 961 7 100 8711 9117
PM10 621 1 561 7 8711 8016 7216 综合评分 871 9 861 8 9112 8917 8914
CAPPS
SO2 461 2 311 3 6115 6818 5316 指数法 ( ? 10) NO2 401 9 681 8 8018 6215 6618
气污染物浓度实测结果及模式预报结果用空
气污染等级表示( 表 1) 。
表 1 取暖期实测与 EMH 预报结果级别正确率/ %
站点 南开区 河北区 河西区 红桥区 和平区 河东区 平均
SO2 621 5 6617 9117 6215 5813 7510 6915
N O2 871 5 8715 7912 6617 5813 9518 7912
数, 从该表 可见, CAPPS 预报值 和检测值的 相关性总体上要比其他两种方法好一些, 但 是对 PM 10 而言, 任何一种方法的预报效果都
不能令人满意。 如果 将 沙 尘 暴 天 气 排 除, CAPPS 和
M RA 方法对 PM 10 的预报效果会有所提高。
) 32 )
表 5 预报值和 检测值的相关系数
预报方法 评分办法 1 月 4 月 7 月 10 月 年
综合评分 831 3 851 9 9116 8418 8715
MAR
指数法 SO2 101 3 531 3 3817 7715 4218 ( ? 10) NO2 181 5 531 3 8319 2216 5218
PM10 341 5 231 3 4814 3515 3711
PM10 151 4 311 3 3815 5010 3315 SO2 571 7 681 8 100 8715 8214
级别法 NO2 771 3 100 100 8113 9018
PM10 611 5 561 3 9612 8715 6613 综合评分 901 6 941 6 9216 9813 9319
预报方法 EM H CA PPS M RA
SO2 01 1374 01 8892 01 8478
NO 2 - 01 1427
01 6974 01 5221
PM 10 - 01 3741
01 3618 01 3797
5结 论 通过对几种空气质量预报方法在天津市
区的预报效果的对比分析, 发现 CAPP S 模式
PM10 481 4 701 0 9013 9013 7915
再从取暖期与非取暖期的预报效果对比
看, 各种预报方法都是非取暖期的预报效果 明显好于取暖期的预报效果, 这是与天津市 的污染特征和能源结构密切相关的, 而与预 报方法的关系不大。
表 5 为 EMH 、CAPPS 和 M RA 预报方法 的所有时间序列的预报值和监测值的相关系
方法在 SO 2 和 PM10 ( 尤其是 PM10 ) 预报效果
明显好于其他预报方法。而 N O 2 的变化幅
度小且级别低, 所以 CAPPS 模式的预报效果 最好, 甚至超过了预报员的经验预报。
表 2 取暖期三 种预报方法的预报
级别正确 率/ %
预报方法 CA PPS M RA
ECF
SO2 671 9 441 8 751 5
引言 自 2001 年 6 月 5 日起, 全国有 47 个重
点城市对公众发布空气质量预报, 主要业务 预报方法主要有三大类: 数值模式预报方法、 统计预报方法和综合经验预报方法。其中数 值预报方法主要有两种模式系统: 一是中国 科学院大气物理所开发的城市空气污染预报 模式系 统[ 1] ( 以下简 称 EMH ) 包括 ET A 模 式、能较好预测山谷风、河陆风及城市热岛环 流的 M-B 模式、干湿沉积模式、高分辨率对 流层化学模式; 另一个是中国气象局气象科 学研究 院开发的 城市空 气污染预 报系统[ 2] ( CAPP S) 。统计 方法主 要是各 地根 据自己 的污染气象特征开发的大多以多元回归为主 的各类统计预报方法。综合经验预报方法主 要是预报员在参考天气形势预报、气象要素 预报和当日污染状况的基础上, 对各种方法 如统计预报和数值预报的结果进行人工加权 做出的综合预报[ 3] 。在天津市的空气质量预 报中主要采用以上两种模式系统和统计预报 方法。通过一年多的业务运行, 先将各种预 报方法的预报效果进行对比分析, 力求找到 一种更加适合于当地的空气质量预报方法, 为更好地做好空气质量预报工作提供一些参 考依据。 1 预报方法
污染浓度预报。其初始场采用当天的实时探 空气象资料内插和实时的污染监测资料, 预 报时效为 24~ 48h[ 2] 。
多元回 归统 计预报 方法 ( 以下 简称 MRA) 是采用 1997~ 2001 年 长期的气象和 空气质量同步监测资料, 选取对天津市空气 质量有直接影响的因子并对其中的非量化因 子进行量化后进行逐步回归, 用 0105 作为 F 检验的参考值, 最后建立最优预报方程。以 后把预报的气象因子代入方程进行计算得到 污染浓度预报结果[ 5] 。
模式系统对污染物 浓度的 API 指数级别的 预报准确率在 68% 以上。说明 EMH 方法在 空气质量诊断及预报中是可行和适用的。
表 2 是 2002 年取暖期另外三种预报方 法的污染物级别预报效果对比。从中可见, SO 2 与 PM10 的 级 别预 报 准 确率 最 高 的是
ECF, 最低的是 MRA 预报方法, 而 N O2 的级
有关系, EMH 模 式输入 的污染排 放源清单 资料是固定的, 而实际的污染源强是变化的, 由于污染物源强的误差造成了污染物浓度预
报的较大 误差。CAPPS 模式 是使用实时的 污染物监测资料作为初始浓度反演源强, 这 就大大降低了由于污染物排放源强资料误差
3 评分办法 为了客观评价这几种预报方法的预报效
果, 采用目前较为公认的三种评分办法:
( 1) 中国气象局于 2001 年下发的5气象 部门城市空气质量预报质量考核和管理暂行
办法6的综合评分办法。
( 2) 由环保部门规定的指数评分办法即 预报指数与 实际监测指数差 值不超 过 ? 10 为正确预报, 否则为错误预报。
无论是在取暖期还是在非取暖期对目前三种
污染物( SO2 、NO 2 、PM10 ) 的预报效果都是比
较好 的, MRA 方 法 的 预 报 效 果 略 低 于 CAPPS, 而 EMH 模式在科研 模拟阶段的预 报效果是不错的, 但是在业务预报中的预报
效果明显不如 CAPPS 和 MRA, 这可能与模 式的气象资料的初始场和污染源资料不完备
级别法
SO 2 N O 2 PM 10 571 9 100 361 8 931 7 100 821 9 811 6 991 5 801 5 961 7 100 871 4
) 31 )
气象 第 30 卷 第 10 期
于 M RA 外, SO 2 和 NO 2 的指数预报准确率
也高于 MRA 方法。 表 4 是 MRA、CAP PS 和 ECF 三种预报
方法 2002 年各季代表月及全年的平均评分 结果。从年平均评分结果看, CAPPS 方法的 预报效果界于 M RA 和 ECF 之间, 在综合集 成预报中占有相当重的比例, 是预报员进行 空气质量预报的重要参考。
表 4 2002 年 M RA、CA PPS 和 ECF 三种预报方法 各月及全年的平均评分/ %
) 30 )
中国科学院大气物理所的城市空气污染 预报模式系统, 其初始场采 用 T 213 的预报 场, 中间加入地表温度和水面温度、下垫面类 型资料及污染源排放资料通过资料同化和网 格嵌套, 最终计算出未来 24~ 36h 的污染物 浓度预报值[ 1, 4] 。
中国气象局气象科学研究院开发的城市
空气污染预报系统 CAPP S 包括 M M4( 目前 普遍使用的是 MM 5) 气象模式和一个箱格模 式, 它不需要污染源的资料, 而是采用实时监 测资料在箱格单元中对平流扩散方程进行积 分反演出污染源的方法进行空气污染潜势及
几种空气质量预报方法的预报效果对比分析
朱玉强
( 天津市气象科学研究所, 300074)
提要 目前应用于我国各个城市空气质量预报业务的预报方法主要有三种: 数值模式 预报、统计预报和综合经验预报。这几种预报方法都有其各自的优势, 同时也存在一 些不足。应用以上方法对天津市市区进行空气质量业务预报, 通过实测资料与预报 结果进行对比分析, 给出这几种方法在天津市区空气质量预报中的预报效果客观评 价。 关键词: 空气质量 预报质量 统计方法 数值模式 经验预报
CAPPS
指数法 SO2 411 9 701 0 8016 8016 6616 NO2 351 5 831 3 9315 7412 7617
( ? 10) PM10 251 8 561 7 6717 4512 4910
SO2 611 3 861 7 100 9315 8717
级别法 NO2 581 1 100 100 100 9011
经验 预报方法 就是综合 集成预 报方法 ( 以下简称 ECF) , 预报员根据在对上述几种 方法预报效果充分认知的情况下, 在深入了
气象 第 30 卷 第 10 期
解当地的污染特征的基础上, 再参考天气形
势预报、气象要素预报, 对各种方法进行人工 加权做出综合预报结果。