AERMOD与CMAQ模式在园区规划环评大气颗粒物浓度预测中的运用对比

AERMOD模型及CMAQ模式均可实现对大气颗粒物浓度的预测,其中AERMOD模型以预测点源和小型面源为主,也可通过设置矩阵实现对片区多个污染源的预测,CMAQ模式则适用于更大尺度空间模拟。对于规模较小的工业园区,两种模式均可达到预测效果。本文以昆明市海口化工园区为例,分别采用这两种模式对颗粒物(PM_(10))浓度分布进行预测,对结果进行对比分析,提出各自优势及特点,为园区规划环评大气模拟提供更多拓展思路。

基于CMAQ模型的金华市冬季大气污染减排策略研究

本文搭建了适用于金华地区的 WRF-SMOKE-CMAQ 空气质量模拟系统,对金华市四季 (1、4、7、10 月)的 6 种污染物进行了模拟计算,通过比较模拟值与监测值验证了模型的有效性。利用该模型研究了金华地区冬季全部门源减排和移动源减排对金华地区空气质量的影响,通过计算 30%和 50%两种减排情景下 6 类污染物的浓度下降率评估减排效果。研究结果显示:对全部门源减排下,O3浓度会随着减排比的增大而增大,其他 5 类污染物均随着减排比的增大而减小,减排效果最好的是 PM2.5。如果仅对移动源进行减排,O3浓度会随着减排比的增大呈现先增大后减小的变化趋势,PM2.5、PM10、NO2、CO 会随着减排比的增大而减小,SO2的浓度基本不变,移动源减排对 SO2浓度无显著影响。

基于CMAQ模式的榆林市工业园区建设对区域夏季臭氧污染研究

通过采用CMAQ模式预测榆林市主要工业园区不同规划期对其夏季O_(3)污染的影响。研究发现:基于统计模式的后校正技术-学习型非线性回归方法可明显改善该模式下的O3模拟结果;工业园区近、远期规划建设对一类区红石峡森林公园O3质量浓度及O_(3)小时质量浓度最大贡献值分别为4.44,12.10μg/m^(3),占比分别为4.77%,7.56%;对二类区环境空气保护目标的O3质量浓度最大贡献值分别在2.94~5.69,8.94~11.16μg/m^(3)之间,最大占比分别在2.86%~5.4%,8.7%~11%之间。

基于WRF-SMOKE-CMAQ模型的济南市清洁取暖改造环境效益评估

为评估济南市清洁取暖改造后的环境效益,以2018年为基准年,采用WRF-SMOKE-CMAQ模型模拟计算了2019—2021年济南市冬季清洁取暖改造后各项污染物改善率,并分析了不同污染时段和不同气象条件下污染物的改善率。结果表明:济南市清洁取暖改造后各污染物浓度均有不同程度的改善,其中CO、SO_(2)和细颗粒物(PM_(2.5))基准年改善率(模拟的污染物浓度相对于基准年同时段的改善率)较大,主要与散煤燃烧CO、SO_(2)和PM_(2.5)的排放因子较大有关,2020年年均改善率(模拟的污染物浓度相对于去年同时段的改善率)最大,主要与污染物的减排量最多有关;各污染物改善呈现出明显的区域差异,清洁取暖改造户数较多的区县污染物年均改善率较高;各污染物在空气严重污染时段基准年改善率均最大,重度污染时段次之,并且在不利气象条件时基准年改善率也最大,说明清洁取暖改造对冬季不利气象条件造成的高污染物浓度起到明显的削峰作用,可为济南市空气质量持续改善提供有力保障。

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型,并使用哈里斯鹰算法(HHO)对模型的超参数进行优化;用CMAQ模型对上海市2022年12月六种大气污染物(SO_(2)、NO_(2)、PM_(10)、PM2.5、O_(3)、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入,对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示,修正模型显著提高了六项污染物浓度的预测精度,RMSE减少了73.11%~91.31%,MAE减少了67.19%~89.25%,IOA提升了35.34%~108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题,使用高斯随机游走策略对HHO算法进行改进,显著提高了CO浓度的预测精度。相比于改进之前,RMSE减少了39.55%,MAE减少了45.93%,IOA提高了32.43%。

基于BP神经网络的WRF-CMAQ优化方法

为了提升WRF-CMAQ模拟体系预报的准确性,提高WRF-CMAQ模拟体系运行效率,提出了一种基于BP神经网络的WRF-CMAQ优化方法。采集WRF-CMAQ模拟体系产生的一次数据;将实测数据与一次数据相结合形成二次预报原始数据,并对二次预报原始数据进行除噪;将二次预报原始数据导入BP神经网络进行训练,达到二次建模目的。实验结果表明,所提出的方法能够提升WRF-CMAQ模拟体系预报的准确性,提高了WRF-CMAQ模拟体系运行效率,且准确度较一次预报大幅提升。

基于极端随机树方法的WRF-CMAQ-MOS模型研究

随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ（Community Multiscale Air Quality Model）模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.

空气质量模型CMAQ的国内外研究现状

空气质量模型是支撑环境管理与决策的重要工具。文章系统地回顾了空气质量模型的发展历程,重点介绍了多尺度空气质量模型CMAQ(Community Multiscale Air Quality Modeling System)在模拟预测臭氧、氮氧化物、硫氧化物和颗粒物等方面的国内外应用研究现状,同时指出CMAQ模型存在的问题、在我国环境管理中的应用以及未来空气质量模型的发展方向。研究表明,国内外对CMAQ模型的应用研究主要体现在3个方面:评价模型的模拟性能、模拟预测空气中污染物浓度以及研究各污染物的来源、产生机理及传输扩散过程。

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。

基于CMAQ的大气环境容量计算方法及控制策略

利用空气质量模型CMAQ建立了真实条件下基于不同达标率的大气环境容量计算方法,为大气环境质量管理提供了科学依据。采用CMAQ建立研究区域的空气质量模型系统,设置多层嵌套网格(最小网格分辨率3km),获得了2006年1月、4月、7月、10月(四季代表月)的小时污染物浓度值。通过调整研究区域的污染源排放量,并结合空气质量监测数据和环境空气质量标准,建立了不同污染物的达标率与环境容量关系曲线。研究证明,该方法可以确定可吸入颗粒污染物、二氧化硫和二氧化氮在不同达标率下的大气环境容量,并充分反映三种污染物环境容量的季节性变化特征。研究结果不仅有利于环境管理者制定针对研究区域的空气总量控制方案,还有助于构想基于季节性变化的污染控制策略。

MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响

评估了为公共多尺度空气质量模式(CMAQ)提供气象输入场的第五代NCAR/Penn State中尺度(MM5)模式与天气研究和预报(WRF)模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区SO2和NO2源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(SO2),ρ(NO2)预报的影响及其物理机制.结果表明:WRF模式模拟的各气象要素准确性优于MM5模式,其中MM5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响CMAQ空气质量预报的关键气象要素,这2个参数的变化对ρ(SO2)和ρ(NO2)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(SO2)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(SO2)的贡献减小;而ρ(NO2)模拟误差减小的主要原因是化学反应过程对ρ(NO2)的贡献明显减小.

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点(简称“1号站点”)和路边机动车尾气监测站点(简称“2号站点”)的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ(PM 2.5)、ρ(PM 10)、ρ(NO 2)、ρ(CO)、ρ(O 3)和ρ(SO 2)月均值分别为435μg m^3、702μg m^3、84.2μg m^3、6.8 mg m^3、4.5μg m^3和92μg m^3.②2015年12月24日(灰霾天),1号站点ρ(CO)、ρ(PM 2.5)和ρ(PM 10)均明显升高,ρ(SO 2)、ρ(O 3)和ρ(NO 2)均变化不明显.2个监测站点中ρ(NO 2)和ρ(PM 10)均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ(O 3)和ρ(SO 2)达GB 3095—2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095—2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO 2和PM 10贡献率较大,其中,小型车对CO、NO 2、PM 10和PM 2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ(O 3),其总贡献率为-25.5%,其中大型车、中型车、小型车对O 3的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO 2和PM 2.5有较大贡献.

Models-3/CMAQ模式对郑州市大气污染物的预报分析研究

介绍了美国国家环保局第三代空气质量模式(Models-3)的主要组成部分:气象模式系统、排放模式系统以及公共多尺度模式系统(CMAQ)。并对郑州市SO2和NO2观测值与Models-3/CMAQ预报值进行对比分析,结果表明:模式可以模拟出郑州市SO2和NO2的同位相变化规律;预报值存在系统性偏低的现象;随着预报时效的延长,对SO2和NO2的预报效果逐渐变差。

基于CMAQ模型的邯郸市霾污染来源的模拟研究

本文应用CMAQ模型进行了河北及周边地区区域尺度的模拟计算,通过情景分析估算了周边各地区对邯郸市PM2.5及其主要成分、消光系数的贡献。结果表明河北省对邯郸市PM2.5的贡献最大,达到67.9%。其次为山西省,其贡献率为7.38%。河南省的贡献率为6.95%,山东省的贡献率为5.48%,京津地区对邯郸市的污染贡献率最小,仅为1.09%。在模拟时段内,各地区对邯郸市大气消光系数的贡献分别为:河北64.7%、山西11.2%、山东3.5%、河南4.8%、京津1.1%。

应用ARPS-CMAQ模拟研究石景山污染对北京的影响

建立了中尺度气象模型ARPS与区域多尺度空气质量模型CMAQ的耦合模型系统,应用该模型系统模拟研究了2002年1月份和8月份石景山区污染物排放对北京市空气质量的影响.模拟结果显示,1、8两个月份石景山区污染对北京市PM10的月均贡献浓度分别为29.68μg.m-3和32.09μg.m-3,其中污染较重日的日均贡献浓度在50μg.m-3左右,说明石景山污染对北京市空气质量影响较大.同时,进一步对两月典型污染过程进行深入分析,研究发现,在所选两个污染过程中,石景山对北京PM10的贡献浓度与监测浓度同步升高或降低.首先,在污染过程的前期,石景山贡献浓度较低且变化不大,之后贡献浓度与监测浓度同步快速上升,该阶段贡献浓度增量对监测浓度增量的贡献较大,分别占到了同期各自监测浓度增量的52.89%和44.78%,最后,贡献浓度与监测浓度同步降低,说明,在所选污染过程中贡献浓度短时间内的迅速增加是导致北京市监测浓度骤然升高的一个重要原因.

不同大气污染物监测密度对CMAQ源同化修正效果影响的模拟

采用(美国环保部的MODEL-3系统的)CMAQ源同化模型及4种不同空间分辨率的SO2、NO2实测资料,反演得到中国不同尺度的同化修正排放源,利用新一代中尺度气象模式WRF与多尺度空气质量模式CMAQ,模拟分析了中国不同观测信息密度对SO2、NO2源同化反演及其浓度预报的影响,重点分析了华北地区SO2、NO2浓度加密观测对改善SO2、NO2排放源和空气质量预报的重要影响。结果表明,采用不同分辨率的实测资料时,SO2、NO2的趋势预报效果改善程度有一定差异;采用较高分辨率的实测资料进行SO2、NO2源同化修正时,可明显减小SO2、NO2浓度的预报误差。华北地区较高分辨率的观测信息对于改进源同化修正效果及SO2、NO2浓度的趋势预报十分重要,尤其是对SO2浓度的预报尤为重要;采用经高分辨率的实测资料同化修正的排放源时,WRF-CMAQ模式对北京城市尺度SO2、NO2浓度的变化趋势、浓度水平和空间分布特征具有较好的预报效果。高分辨率的观测资料和区域源同化反演方法对于区域污染物浓度预报及排放源清单具有显著的改进作用。

基于空气质量模型CMAQ的成渝经济区(四川)PM_(2.5)浓度数值模拟研究

利用第3代空气质量模式CMAQ对成渝经济区(四川)2012年1、4、7、10四个月的PM2.5浓度进行了数值模拟,并利用现状监测数据及遥感反演的AOD分布对模拟结果进行了对比分析,表明该模式对PM2.5模拟性能良好。根据CMAQ模拟结果,模拟的4个月中10月份PM2.5浓度最高,其次为4月份,1月最低;PM2.5浓度在空间分布上形成2个高值区,分别是成都、德阳和眉山区域,另一个是川南城市群的宜宾、自贡、内江等地市。利用CMAQ模式对成都及其周边地市之间PM2.5的相互影响分析表明,成都、绵阳、德阳3个地市城区PM2.5浓度受本地源影响较大,周边城市中德阳对成都影响最大,成都则对眉山影响最大。

基于CMAQ的空气质量模拟预报系统构建

介绍了一种由Gambas语言开发的界面化CMAQ空气质量模拟预报系统。该系统适用于使用Linux操作系统的计算机,整合气象模式(MM5和WRF)、污染排放模式(SMOKE)和空气质量模式(CMAQ),支持GRIB1和GRIB2格式的气象数据,通过图形化参数设置和自动化模块调用实现空气质量自动模拟或预报。测试表明,该系统可以进行多种尺度的空气质量模拟和预报,操作简单,有助于空气质量数值模拟技术的推广。

基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。