成都O_(3)逐日污染潜势关键时段优选的GAM模型

利用成都市2016~2018年O_(3)逐时监测数据以及该时段同时次的地面气象观测资料,通过对O_(3)日变化特征的分析,确定了表征研究区O_(3)逐日污染潜势的四个关键时段,即全天时段(00:00~24:00)、日间时段(05:00~20:00)、O_(3)超标时段(11:00~19:00)以及O_(3)峰值时段(15:00~16:00).基于广义可加模型(Generalized Additive Model,GAM)分别构建了O_(3)日最大8h滑动平均浓度(O_(3-8h))与上述四个时段气象要素之间的函数关系,分析了时间尺度变化对O_(3)逐日污染潜势的影响.结果表明:GAM模型可以很好地表征O_(3-8h)与不同时段多气象要素之间的非线性关系.O_(3)超标时段气象要素对O_(3)逐日污染潜势具有最佳的指示意义,对应GAM模型的调整判定系数R^(2)和方差解释率IRV分别为0.81和81.4%,模型模拟值与观测值的压轴回归决定系数R^(2)为0.805.太阳辐射、相对湿度和气温是决定O_(3)逐日污染潜势最重要的气象要素,但三者在GAM模型中的重要性排序会因时间尺度的变化而有所差异.

成都夏季臭氧光化学反应控制气象因子的概率分布特征

太阳辐射、气温和相对湿度是O_(3)光化学反应的控制气象因子,其数据分布形态在很大程度上决定了O_(3)的非线性演化进程。采用成都市2016—2019年6—8月O_(3)逐时监测数据,以及该时段同时次地面气象观测资料,基于极大似然估计法进行参数估计,并借助Kolmogorov-Smirnov检验(K-S检验)、均方根误差(RMSE值)、赤池信息准则(AIC值)和贝叶斯信息量(BIC值)分析了多种概率分布函数对O_(3)光化学反应控制气象因子的拟合优度。结果表明:(1)Johnson SB分布函数对研究区太阳辐射和相对湿度的拟合效果最优,不同O_(3)浓度等级条件下太阳辐射和相对湿度均服从Johnson SB分布,且通过显著性水平α=0.05的K-S检验。(2)Johnson SU分布函数对气温的拟合效果最优,不同O_(3)浓度等级条件下气温亦均服从Johnson SU分布,且通过显著性水平α=0.05的K-S检验。(3)太阳辐射、气温和相对湿度的概率分布特征随O_(3)浓度等级变化而呈现显著规律性差异。上述结论为成都地区夏季O_(3)污染潜势模型的构建提供了技术支持。

基于Copula函数的成都夏季O_(3)污染潜势模型

利用成都市2016~2019年6~8月O_(3)浓度的逐时监测数据以及该时段同时次的地面气象观测资料,构建了O_(3)污染潜势3维(紫外辐射、相对湿度和气温)Copula联合概率分布模型,并开展了模型的适用性研究.首先,通过对SciPy库概率分布函数的优选,确定了不同O_(3)浓度等级条件下紫外辐射、气温和相对湿度的最优边缘概率分布函数(均通过了显著性水平α=0.05的K-S检验);其次,计算了3种Copula联合概率分布函数的均方根误差(RMSE值)、赤池信息准则(AIC值)、贝叶斯信息量(BIC值),并借助Anderson-Darling检验,发现非对称3维frank Copula联合概率分布函数(M3Copula)可以最佳地表征不同O_(3)浓度等级条件下紫外辐射、相对湿度和气温的联合概率分布特征;最后,将不同O_(3)浓度等级条件下M3Copula联合概率密度作为对应O_(3)浓度等级的隶属度,O_(3)污染潜势的分类结果对实际O_(3)浓度等级具有较好的指示意义,模拟的平均准确率为63%,其中优等级、良等级、轻度污染等级以及中度及以上污染等级的模拟准确率分别为82%、64%、48%和75%.

基于泊松分布的成都经济区暴雨概率特征研究

为得到成都经济区暴雨频次概率特征,利用成都经济区个测站(成都、德阳、绵阳、眉山和资阳)1960-2018年逐日降水数据,统计出各站年暴雨频次.结合Poisson分布函数.得到年暴雨频次分布模型。将理论和实测数据进行附比,验证了年暴雨频次分布模型的有效性,个测站暴雨概率的分布均符合Poisson分布模型。研究结果表明,成都和眉山每年出现3次暴雨的概率最大,德阳、绵阳和资阳每年出现2次暴雨的概率最大;成都.绵阳、眉山和资阳暴雨频次在时间上总体呈减少趋势,德阳暴雨频次呈略微增加趋势;位于区内中部的成都暴雨频次最大,危险性相对最高,位于东南部的眉山、资阳次之,暴雨危险性相对较弱,位于北部的德阳、绵阳最小,暴雨危险性相对最低。

成都经济区极端降水广义帕累托分布模型研究

为研究成都经济区极端降水的概率分布特征,利用成都经济区(绵阳、德阳、遂宁、成都、资阳、雅安、眉山、乐山)8个站点1960-2018年的逐日降水量资料,选取第99个百分位值为极端降水量的國值,采用广义帕累托分布模型(GPD)对成都经济区极端降水事件进行拟合并计算其重现期降水量。将极端降水的理论累积概率与实测概率进行了对比,发现成都经济区8个测站极端降水事件符合GPD分布。研究结果表明,成都经济区极端降水在不同重现期内空间分布特征基本-致,只是数值有所不同;具体表现为乐山、雅安和绵阳极端降水量最大,成都、德阳、眉山和遂宁次之,资阳市最小,总体呈现向东南逐渐减小的趋势。

基于大气消光系数概率分布参数的湿度订正方法

大气消光系数湿度订正是气溶胶吸湿性研究的重要内容,也是利用卫星气溶胶光学厚度(AOD)产品反演近地面颗粒物质量浓度的关键技术环节。基于成都市2016年1月至12月的逐时PM_(2.5)质量浓度、大气能见度、相对湿度(RH)观测数据,首先,深入探讨了大气消光系数与颗粒物质量浓度之间的统计关系及其对RH变化的响应特征,发现在RH小于90%时,单位质量大气消光系数均服从对数正态分布,并进一步指出该分布函数的形状参数和尺度参数均随RH的增加呈现出波动型增长。其次,以干燥环境条件下(RH小于等于40%)单位质量大气消光系数对数正态分布参数为基准,通过数学变换消除湿度变化对单位质量大气消光系数概率分布参数的影响,据此提出了大气消光系数湿度订正的原理和计算流程。最后,对该原理的适用性进行研究,结果表明,订正后大气消光系数反演得到的PM_(2.5)质量浓度与实际PM_(2.5)质量浓度相关系数为0.90,显著优于气溶胶散射吸湿增长因子法的湿度订正结果。