改进的超级集成预报方法在长江三角洲地区O_3预报中的应用

针对当前单模式系统臭氧(O_3)预报的不确定性问题,提出了一种基于活动区间的多模式超级集成的、高效的预报方法。本研究基于长江三角洲(长三角)地区多模式空气质量预报系统,将改进后的超级集成预报方法(AR-SUP)运用到2015年长三角地区的O_3预报中,并与滑动训练期的超级集成预报(R-SUP)、多模式集成平均预报(EMN)、消除偏差的集成平均预报(BREM)对比,结果表明AR-SUP对预报效果的改善最明显,其在暖季和冷季的均方根误差(RMSE)较最优单模式平均下降了20%和23%。将AR-SUP运用到48h和72h预报中发现,当预报时效增加时该方法依旧保持较高的预报技巧。多项统计数据均证明AR-SUP在研究时段内所有站点均能显著减小O_3预报误差、提高整体相关性和一致性,有效提高当前短期(三天)预报准确率。

基于能见度及AOD数据的北京市PM2.5浓度的反演

选择北京市为研究地区,对2014~2017年AERONET(Aerosol Robotic Network)提供的CE-318太阳光度计440 nm波段反演的气溶胶光学厚度(AOD)进行风速订正,对订正后AOD日均数据与同期地面监测站PM2.5日均浓度数据做季节相关性分析并建立回归模型。又引入能见度因子并利用广义差分法构建2015~2017年北京市AOD与PM2.5浓度、能见度的三元回归模型,最后将2014年数据分为污染日和非污染日分别进行模型检验。结果表明:AOD与PM2.5浓度存在显著的线性正相关性,且存在季节性差异,夏季相关性最强、秋季次之、春季和冬季最低。引入能见度因子并消除自相关后,四季的模型相对误差均显著减小,模型拟合优度显著提高。检验结果为四季整体的平均相对误差在21%~31%范围内,与前人的结果相比拟合曲线的准确性得到了明显地提高。且模型对低PM2.5浓度日的模拟效果较好,对于高PM2.5浓度日的模拟效果较差。本研究对构建北京地区PM2.5浓度长期的历史数据具有重要的科学意义。