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。

基于WRF-CMAQ的沈阳市大气减排情景模拟与对策研究

为科学制定沈阳市“十四五”期间环境空气质量持续改善措施,文章利用基于WRF-CMAQ搭建的本地化模型对沈阳市2019年1、4、7和10月的大气污染情况进行模拟,从燃煤污染治理、综合减排和源头治理3个方面分别设置了减排情景,并分析不同减排情景对环境空气质量的改善效果。结果表明,沈阳市PM_(2.5)、PM_(10)、SO_(2)和NO_(2)4种污染物冬季污染最重,东南部污染较重,O_(3)污染夏季最为严重,郊区浓度较高。仅采取燃煤污染减排情景下PM_(2.5)年均模拟浓度可降低2.3μg/m^(3),采取综合治理措施减排情景下,PM_(2.5)浓度下降至35.7μg/m^(3);加入源头治理减排情景下,PM_(2.5)模拟浓度可降至33.2μg/m^(3),沈阳市大气污染防治需要末端减排和源头调整共同发力,才能实现环境空气质量根本性改善。

基于WRF-CMAQ评估秸秆禁烧对区域空气质量的影响

基于本地化的秸秆露天焚烧主要大气污染物排放清单,采用空气质量模式WRF-CMAQ,定量评估秸秆禁烧管控对东北地区空气质量的影响.结果显示,2013~2020年东北地区秸秆露天焚烧污染物排放总量整体呈现先增加再降低的趋势,每年的秸秆焚烧集中期为春耕前(3月和4月)和秋收后(10月和11月).2017年秸秆焚烧集中期内,秸秆露天焚烧对东北三省的CO和PM_(2.5)浓度的贡献率分别为24.01%和39.98%,农作秸秆露天焚烧是造成东北地区空气质量下降的重要因素;相同气象条件下,2019年秸秆焚烧集中期,秸秆焚烧对东北三省大气中CO和PM_(2.5)浓度的贡献率较2017年同期分别下降了9.58%和13.95%,表明2019年的秸秆禁烧政策有效改善了东北地区的空气质量.同时,若东北三省均实施吉林省2019年的秸秆禁烧管控政策,则东北地区的空气质量将会进一步改善.本研究结果可为区域大气污染联防联控政策的制定提供科技支撑.

WRF-CMAQ-BP神经网络空气质量预报模型研究

为减轻大气污染给人类带来的危害,国内外的学者在上个世纪就开始研究空气预报模型,高效且准确性高的预测模型可以预测未来若干天的大气污染情况,人们可以据此做出有效的应对措施以减少大气污染带来的危害。目前常用WRF-CMAQ模拟体系对空气质量进行预报,但由于受到各种不确定因素的影响,WRF-CMAQ预报模型的结果并不理想。本文主要工作是在WRF-CMAQ预报模型的基础上二次建模,提出了两个模型分别为WRF-CMAQ-BP和WRF-CMAQ-XGBoost模型,在构建网络后进行测试,在调参过程中发现WRF-CMAQ-BP模型的效果是更优的,因此本文用WRF-CMAQ-BP模型预测六种常规污染物的单日浓度值。

基于WRF-CMAQ对江苏省2014年冬半年霾日的模拟与评估

评估了WRF/CMAQ数值模式对2014年10月—2015年3月江苏省冬半年霾日的模拟准确性,并探讨了导致霾日预报不准确的可能原因.研究表明：（1）WRF/CMAQ模型中霾日预报基准量相对湿度、PM2.5的模拟趋势与观测比较吻合.大气能见度模拟值与观测值的平均值误差为2~5km.临海及近海城市大气能见度模拟值普遍大于观测值,均方根误差超过10km以上.（2）能见度模拟较好的城市（南京、镇江、常州、苏州、扬州）,观测霾日与模拟霾日之间误差小于10d,东边沿海城市盐城、南通、连云港等能见度模拟存在较大峰值的城市模拟最差误差超过10km以上,模拟出的霾日数远小于观测到的霾日数,误差超过20d.（3）对能见度预报可能造成偏差的原因进行了初步探讨,EC在PM2.5中所占比份模拟偏小、水溶性离子等模拟值被低估等造成气溶胶消光系数偏小以及部分地区相对湿度模拟值偏低,风速模拟偏大,都使得能见度模拟值偏大.

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。

WRF-CMAQ模型在工业园区规划环评的应用

随着我国社会工业的逐渐发展,工业园区建设需求日益涌现。大气环境影响评价是工业园区规划环评的重要内容之一。在具体的环评中,要结合实际情况,科学选择评价方法,保障大气环境影响评价的有效性。随着中尺度大气模式的不断发展,新一代中尺度天气研究和预报模式WRF因其完全开放、可移植性强、更新快等特点在国内外得到了广泛应用。WRF-CMAQ模型对大气污染物及PM2.5主要化学组分的模拟效果较好,可以反映PM2.5及其组分的时空变化特征。采用WRF-CMAQ模型,对某工业园区规划环评的大气开展了预测工作,并根据预测结果提出了园区优化改进措施。

基于WRF-CMAQ-Fluent的城市环境数值模拟

使用计算流体动力学方法,利用工程仿真软件Fluent与中尺度气象软件WRF,区域尺度空气质量模型CMAQ耦合,将模拟精度精确到1-10 m,从而得到详细的城市风环境、热环境、污染物环境,可为政府解决环境问题提供更可靠的技术支持。

廊坊市重污染天气特征及减排效果评估

为了统筹推进空气质量改善和经济发展,生态环境部于2019年7月制定了重污染天气“绩效分级、差异化管控”措施。文章将廊坊市11次预警(4次黄色预警、6次橙色预警和1次红色预警)划分为8次污染过程进行分析。结果显示,8次污染过程PM_(2.5)平均浓度为41.4~129.0μg/m^(3),综合后向轨迹模拟、地面天气型等手段,将污染过程分为4类,包括西南输送类、东南输送类,西北方向输送类以及局地污染过程。其中高压后部、低压前部和弱高压是导致南部区域传输污染过程的主要天气型,均压场、弱高压是导致西北来向和局地污染过程的主要天气型,且西南来向与局地污染过程PM_(2.5)均值与峰值浓度均高于东南来向和西北来向污染过程,说明此两类污染发生时,廊坊市空气质量更差。结合各预警等级污染物减排比例,采用WRF-CMAQ模式对11次预警期间“绩效分级、差异化管控”效果进行评估,发现预警期间PM_(2.5)平均浓度下降了2.6%~5.9%,PM_(2.5)峰值浓度降低了0.7%~7.7%。整体来看,应急措施的实施有效改善了廊坊市空气质量,并起到了“削峰”作用。

基于TROPOMI数据分析四川盆地NO_(2)排放特征

基于TROPOMI NO_(2)对流层垂直柱浓度卫星数据针对2019年四川盆地区域对流层NO_(2)柱浓度的时空演变特征进行了分析,并结合高分辨率排放清单和WRF-CMAQ模型对四川盆地NO_(x)排放清单的不确定性进行了初步评估。结果表明,2019年四川盆地对流层NO_(2)柱浓度高值区主要集中在成都平原,川南城市群和重庆市等人为源活动强烈的地区,盆地中部地区则相对清洁。受气象条件和人为源排放的共同影响,四川盆地冬季和春季的NO_(2)柱浓度明显高于夏季和秋季。对比高分辨率WRF-CMAQ模型模拟的1月NO_(2)柱浓度与TROPOMI反演的1月NO_(2)柱浓度,TROPOMI观测的对流层NO_(2)柱浓度在川东北城市群等清洁地区与CMAQ模型具有高度一致性,但对成都市和重庆市等高人为源排放的城市则表现为明显高于CMAQ模拟柱浓度,表明人为源清单能较好地反映中型城市和经济欠发展地区NO_(2)排放特征但对特大城市的NO_(2)排放可能存在低估。综合分析结果表明,在下一阶段应在严格控制特大城市(成都市和重庆市)NO_(x)排放量的同时加强对四川盆地中型城市的NO_(x)排放控制。

2013年12月初长江三角洲及周边地区重霾污染的数值模拟

运用WRF-CMAQ模型模拟了2013年12月1~9日长江三角洲及周边地区的一次重霾污染过程.初步探究灰霾天气下大气细颗粒物（PM2.5）的时空分布特征和区域输送过程,并定量研究了外部源区域输送和本地源对长江三角洲地区PM2.5的贡献.结果表明：模式能够合理再现灰霾天气下长江三角洲及周边地区PM2.5的时空分布特征和演变规律.静稳天气下大气细颗粒物仍然存在着显著的区域输送.污染期间来自安徽、山东南部、苏北地区的跨界输送对长江三角洲区域PM2.5的贡献率分别为3.5%~24.9%、0.14%~30.0%、0.03%~17.5%.整个污染期间本地贡献占49%左右,本地贡献和外地贡献基本相当.

南京青奥会期间管控措施空气质量改善效果评估

基于2012年环境统计数据库,量化了南京青奥会期间江苏省13个省辖市临时管控措施的主要大气污染物减排量;应用WRF-CMAQ(天气研究和预报模式-公共多尺度空气质量模型)模拟了不采取控制措施(情景0)和采取工业临时管控措施(情景1)下的ρ(PM_(2.5)),并结合实际观测数据开展南京青奥会期间管控措施空气质量改善效果评估.结果表明:与情景0相比,在采取燃煤控制、工业停限产、工地停工、区域联防联控等临时管控措施的情景1下,南京和江苏省ρ(PM_(2.5))月均值分别降低了8%和4%;对比情景0的模拟结果和实测值可知,在采取了临时管控和应急管控措施的情况下,南京和江苏省ρ(PM_(2.5))平均分别降低了21%和12%.在13个省辖市中,2014年8月南京工业SO_2、NO_x和烟粉尘减排量分别为2 062、3 037、835 t,月减排比例分别为24%、30%、27%,减排效果突出,PM_(2.5)改善效果显著,提示内源特别是工业污染控制对当地大气污染治理至关重要.在扩散条件相对不利的情况下,模型模拟预期的几次重污染并未出现,说明通过加大管控力度可有效减轻或避免重空气污染事件的发生.

中国氨减排对控制PM_(2.5)污染的敏感性研究

采用WRF-CMAQ模型,通过研究不同NH_3减排情景下PM_(2.5)年均浓度变化情况,定量分析NH_3减排对控制PM_(2.5)污染的敏感性.模拟结果表明,NH_3减排对全国城市硫酸盐的影响相对较小,但对控制PM_(2.5)及硝酸盐、铵盐的敏感性较强,且随NH_3控制力度增加而敏感度上升,PM_(2.5)及硝酸盐、铵盐年均浓度加速下降.当全国NH_3减排比例分别为20%、40%、60%、80%和100%时,PM_(2.5)对NH_3减排的敏感度分别为0.14、0.16、0.19、0.24和0.30,PM_(2.5)年均浓度下降比例分别为2.7%、6.3%、11.3%、19.0%和29.8%.NH_3减排对PM_(2.5)浓度影响的空间差异性显著,对于河北、河南、湖北、湖南以及成渝等PM_(2.5)污染较重,NH_3排放量大且相对集中的地区,NH_3减排对控制PM_(2.5)污染的效果更加明显.

大连市大气污染天气特征及污染成因模拟分析

利用大连市2014～2015年地面观测资料、高空地面形势场和2015年12月NCEP/NCAR再分析资料,结合WRF-CMAQ数值模式,对大连市污染天气特征和污染过程的成因进行分析研究.结果表明:2014～2015年大连市共有大气污染日数145d,占20%,大气污染天气过程35个;发生大气污染时的高空形势场主要为槽后脊前的西北气流场,占63%,槽前西南气流场次之,占21%,槽区、脊区各占6%;地面形势场主要表现为风速较小的均压场(68%)和等压线密集风速较大的非均压场(32%)两种气压场.2015年12月出现的5次污染过程中,大气层结均为稳定层结,且近地面水平风速均值较小,对污染物垂直方向和水平方向上的扩散起到抑制作用,导致空气质量恶化;模拟结果发现大连市冬季污染过程中大气气溶胶的的主要成分是硝酸盐、铵盐和硫酸盐等细颗粒物,其中硝酸盐占比最大,且污染过程的增幅最为明显,说明机动车和燃煤排放已对大连市城市污染的形成产生重要影响.

青岛市PM_(2.5)重污染天气演变过程分析

运用WRF-CMAQ模式对2016年1月1日~1月7日青岛市的PM_(2.5)重污染天气进行了模拟研究,分析了青岛市PM_(2.5)重污染形成、持续和清除过程的主要影响因素.与观测对比表明,模式能够较好地模拟出青岛市主要气象要素和近地面PM_(2.5)浓度的变化特征.在重污染形成期,持续的西南气流将山东南部、安徽、江苏等地PM_(2.5)及其前体物传输至青岛地区;逆温层的出现及大气边界层高度的降低使得输送至青岛地区的PM_(2.5)在近地面积累,浓度升高.由山东西南部、安徽北部、河南东部等地传输至山东西北部和京津冀地区的PM_(2.5)及其前体物,在重污染持续期沿近地面传输至青岛,加之液相化学过程生成了大量的二次气溶胶,导致PM_(2.5)浓度一直维持在200μg/m^3以上.重污染清除期,风速加大,水平传输作用加强,高浓度的PM_(2.5)污染带向下风向转移.区域传输对此次青岛市PM_(2.5)重污染事件具有重要贡献,3个时期的贡献率分别为87.0%、68.5%和57.6%.

武汉市黑碳气溶胶质量浓度空间分布的主导因素分析

基于中国东部地区黑碳气溶胶(BC)减排的严峻形势,开展武汉市黑碳气溶胶的水平方向观测和垂直方向模拟工作,了解武汉市黑碳气溶胶的含量和沉降通量的时空变化规律及其主要影响因素,明确黑碳气溶胶释放、输送和沉降规律,对深入地认识黑碳气溶胶的气候和生物地球化学效应具有理论意义。运用Meteoinfolab软件、轨迹分析、相关分析及多种模型拟合等方法,实测武汉市2015年7月—2016年6月黑碳气溶胶水平向分布数据,以WRF-CMAQ模型运行的模拟数据作为垂直向分布的基础数据,分析其空间分布规律;选择气象因子、污染物构成、环流因子、下垫面因子等主导因子,分析它们对武汉市黑碳气溶胶质量浓度空间分布规律的影响。结果表明,(1)BC质量浓度受温度、能见度、气压影响较大,相关系数分别为-0.637、-0.549、0.574。当风速小于2 m?s^(-1)、风向为东北或者东北偏北时,BC质量浓度达到最高值;当风速大于2 pH、风向为西南偏南时,BC质量浓度出现最低值。垂直方向上,低层和高层黑碳浓度主要受风速影响,而中层黑碳浓度则主要受温度影响。(2)BC质量浓度与PM_(2.5)、PM_(10)、CO相关系数为0.863、0.657、0.647,同源性强,采用三次曲线模型对BC与三者之间的关系分别进行拟合,效果最佳。(3)后向轨迹分析表明:武汉市高空气流来自于远源及海洋地区;中低空夏秋季节主要受较短距离的运输气流影响。(4)武汉市黑碳质量浓度受与主干道距离、植被覆盖率、水体分布等下垫面因素影响较大,空间分布差异明显。

中度污染情景下的武汉市空气质量改善研究

文章采用空气质量模式对在中度污染天气下保障武汉市空气质量优良的3种减排措施,即对武汉市1+8城市圈的工业、电力、交通实施不同程度的减排效果进行了评估。模拟的基准时段为2015年1月7-12日。首先,该文采用武汉市空气质量监测站点的同期的气象数据和污染物浓度数据验证了模型的可靠性。随后,通过模式模拟了3种减排措施实施后的武汉市空气质量。结果表明,武汉市处于中度污染天气状态时,当城市圈各属地内工业源减排30%(减排情景1)时,PM2.5削减率基本在10%以内;当城市圈各属地内工业源、电力源和交通源都减排30%(减排情景2)时,PM2.5的削减率在9%~14%之间;当城市圈各属地内电力源减排30%、工业源减排50%、交通源减排50%(减排情景3)时,PM2.5的平均削减率可达18.78%,且空气质量可达到优良状态。

气象和排放变化对PM2.5污染的定量影响

基于WRF-CMAQ模型系统定量分析了气象和排放因素对全国及重点区域PM2.5污染影响程度.从年度特征来看,与2015年相比,2016年、2017年全国空气质量明显改善,PM2.5年均浓度分别下降7%和14%;2016年气象条件总体转好,气象因素和排放因素变化导致全国PM2.5年均浓度下降幅度分别为4%和3%;2017年全国气象条件与2015年相比基本持平,大气污染物排放量下降是PM2.5污染减轻的决定因素.除汾渭平原外,京津冀及周边地区“2+26”城市、长三角、成渝地区空气中的PM2.5年均浓度持续下降;珠三角气象条件变化对PM2.5影响较大,2017年导致PM2.5浓度上升了29%;除汾渭平原外,其他4个重点地区的污染物排放变化导致PM2.5年均浓度下降且2017年的下降幅度进一步加大,说明污染管控措施的环境效益明显.从季节特征来看,气象影响值的区域性差异明显.本文分析方法可用于制定空气质量目标或者评估污染控制方案的环境效果.

京津冀植被类型对典型城市夏季O_(3)和PM_(2.5)贡献

以京津冀地区BVOCs排放清单为基础,采用WRF-CMAQ模型模拟与情景分析相结合的方式研究了2018年7月京津冀地区BVOCs排放对O_(3)和PM_(2.5)浓度贡献,解析了北京、邯郸、承德、保定等典型城市不同植被类型BVOCs排放对O_(3)和SOA浓度的影响水平,并应用O_(3)和SOA生成潜势核算结果对模拟结果进行验证.结果显示,BVOCs排放对北京、邯郸、承德、保定O_(3)生成贡献率分别为30.19%、24.77%、35.56%、26.73%,对SOA生成贡献率为2.55%、3.32%、4.17%、3.59%;北京、承德的乔木与果园BVOCs排放对O_(3)和SOA浓度贡献最大,邯郸、保定的草地与庄稼BVOCs排放对O_(3)和SOA浓度贡献最大;数值模拟结果与O_(3)、SOA生成潜势表征的潜在影响基本符合.