“O_(x)增减量”O_(3)人工订正预报方法与应用

为满足环境管理部门“O_(3)污染过程不漏、AQI类别准确和AQI范围预报准确”的要求,基于大气箱式模型和相似案例分析,引入O_(x)指标原创性提出“O_(x)增减量”O_(3)人工订正预报方法。介绍了该方法的预报思路、预报要点和步骤、历史相似案例库构建与基于大气条件预报的判别分析、方法普适性和局限性等,以期为提高区域、城市O_(3)业务预报准确率提供技术参考。以东部沿海城市青岛市为研究案例,结果显示,2020年6—9月24 h人工订正AQI类别预报、AQI范围预报准确率分别为91%和68%,比同期业务化运行的WRF-Chem数值模式预报准确率分别提高19%和25%,应用该预报方法可有效提高O_(3)污染过程预报准确率。

ECMWF细网格10m风场在“天兔”大风预报中的释用

通过对欧洲中心数值预报细网格（以下简称＂ECthin＂）10m风场在2013年第19号超强台风＂天兔＂影响过程中的订正预报效果进行分析,结果表明：（1）预报格点值经过1.6～1.8倍阵风系数的人工订正后,模式预报的福建沿海大风的阵风量级和变化趋势与极大风速实况较为吻合;（2）崇武台站极大风速与ECthin 10m风场预报值在风速变化趋势上具有非常好的一致性,两者的平均绝对误差值≤1.1m/s。因此,ECthin 10m风场在此次台风大风预报中具有较好的应用价值,这也为开展沿海大风精细化预报提供了很好的支撑。

几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均<0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。

几种空气质量预报模式比较与分析

开展空气质量预报工作,对易感人群、企业、政府都能提供预防建议,所以预报的准确性至关重要。通过几种预报模式对徐州市7月份空气质量进行预测,与实测值进行比较分析,得出CAMx(20)无论从标准偏差、平均偏差,还是等级准确率、范围准确率、首要污染物几个方面与其他模式相比准确率较高,可以为人工订正提供参考。

基于神经网络和数值模型的重点区域PM_(2.5)预报比较分析

应用BP神经网络法建立京津冀及周边城市、汾渭平原、苏皖鲁豫交界地区和长三角地区等重点区域95个城市PM;预报模型,对2020年秋冬季上述地区城市开展未来7 d的PM;预测预报,并对比同期业务化运行的数值模型预报结果和各城市人工订正后预报结果,对3方法预报效果进行分析评估.结果表明:(1)4区域神经网络法模型性能短期预报相对较好,中长期有所降低,对4区域均有一定的系统性高估,苏皖鲁豫交界地区系统性偏差最小,长三角地区偏差最显著.数值模型区域预报水平较神经网络有所降低,各评价指标总体低于神经网络,对辖区城市间预报效果较神经网络差异更大.(2)神经网络、数值模型和人工订正方法对4区域PM;浓度预报准确率普遍较低,平均不足50%,准确水平总体呈:神经网络>人工订正>数值模型.3方法分指数级别范围准确率均大幅提升,4区域1~4 d平均准确率均在65%以上,神经网络模型和人工订正水平相近,总体高于数值模型.(3)在预报中度及以上污染级别日时,数值模型在京津冀及周边城市、苏皖鲁豫交界地区和长三角地区效果均较为理想,汾渭平原最差.神经网络模型对京津冀及周边城市、苏皖鲁豫交界地区和汾渭平原短期预报效果较好,长三角地区较差.人工订正结果总体在中度污染级别时预报效果相对较好,重度及以上预报效果和神经网络模型相近.