资料同化方法在空气污染数值预报中的应用研究

基于第5代中尺度非静力气象模式MM5以及区域气溶胶和沉积模式REMSAD耦合的空气污染数值预报模型系统,分别采用最优插值法和集合卡尔曼滤波法对南京2002-08～2002-09 NOx和SO2模型预报结果进行了资料同化试验,结果表明,NOx和SO2经最优插值法同化后偏差平均值的改进率分别为34.20%、47.53%,均方根误差的改进率分别为31.95%、42.04%;NOx和SO2经集合个数为30的集合卡尔曼滤波法同化后偏差平均值的改进率分别为26.73%、60.75%,均方根误差的改进率分别为25.20%、55.16%;说明最优插值法和集合卡尔曼滤波法都具有改善空气污染数值预报中污染物浓度初始场的作用.进行了集合卡尔曼滤波法中集合个数为61时2种同化方法同化效果比较的试验,结果表明,随着集合卡尔曼滤波法集合个数的增加,NOx和SO2的同化效果都较集合个数为30时有所改善,并且,集合卡尔曼滤波法对NOx和SO2模式预报结果的改善效果将好于最优插值法.

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。

资料同化在空气质量预报中的应用

随着数值模式的不断完善和观测技术的不断提高,资料同化逐渐成为能够进一步提高数值预报水平的一种有效方法。20世纪70年代,资料同化开始引入空气质量预报领域,成为当前大气环境科学研究的一个新方向。简要介绍了资料同化的含义,较详细地介绍了Kalman滤波法、四维变分同化法、牛顿松弛法的基本思想和优缺点,重点阐述了国内外资料同化在空气质量预报中的研究应用情况,最后指出资料同化应用于空气质量预报时存在的问题和今后的研究方向。