大城市气象服务信息系统数据存储体系框架设计与实现

海量气象数据的存储、管理以及信息服务的实现一直是气象信息处理中的关键问题。文章系统介绍了我国大城市气象服务信息系统技术框架中气象数据种类和数据格式。

基于模拟与观测资料的北京地区气溶胶观测站点分布策略研究

使用北京区域环境气象数值预报系统2015年11、12月和2016年1、5、6、7月PM_(2.5)浓度的模式模拟结果与同期有限观测资料进行相关分析,探索在站点稀少情况下如何确定最优测站分布策略的方法。通过模拟结果与有限观测资料的结合,使用观测资料筛选比较好的模拟结果,可以得到有较高空间分辨率和一定时间序列长度的资料,进而可以进行站点代表性分析确定最优站点分布。基于该方法分析了北京地区气溶胶观测的站点分布策略。北京地区PM_(2.5)浓度呈南高北低的分布,另一个显著的特点是有沿地形分布的特点。冬季与夏季明显的区别是,夏季PM_(2.5)浓度变化比较大的区域在西南部,而冬季该大值区沿地形向东北扩展比较明显。总体上,观测站点分布宜在北京西南部采用较小的站距,向北向东站点距离逐步增大。针对冬季观测站点分布的显著特征是西部沿山一带需要较高的站点密度。要获得相同质量的空间分布特征,冬季站点总体密度比夏季高。

北京春季城区与远郊区不同大气粒径颗粒物中水溶性离子的分布特征

为比较北京城区与远郊区大气颗粒物中水溶性无机离子的组成特征,2012年4月,利用Andersen分级撞击式采样器同时在2个采样点进行大气颗粒物分级采样,样品采用离子色谱分析.结果表明,城区和上甸子大气颗粒物中水溶性无机离子总浓度分别为(83.7±48.9)μg·m-3和(75.5±52.9)μg·m-3,NO-3、SO2-4和NH+4是最主要的水溶性无机离子,分别占总离子浓度的81.2%和84.2%.粒径分布显示,Mg2+和Ca2+在5.8～9.0μm的粒径范围出现峰值,Na+、NH+4、Cl-在0.43～1.1μm和4.7～9.0μm的粒径范围出现双峰,K+、NO-3和SO2-4在0.65～2.1μm的粒径范围出现峰值.后向轨迹簇分析表明,气团来自南方时,城区和上甸子二次离子浓度分别为(92.4±40.0)μg·m-3和(95.0±35.4)μg·m-3,来自其他方向时,分别为(24.0±10.8)μg·m-3和(13.3±10.6)μg·m-3.

北京城区大气颗粒物中六价铬的污染特征及来源

为研究北京城区大气颗粒物中六价铬污染特征及来源,利用低流量采样器进行大气颗粒物采样,利用离子色谱分离、柱后衍生紫外的方法分析其中六价铬的浓度,优化了样品前处理方法.结果表明,采样期间北京城区大气颗粒物中六价铬浓度为200±86 pg·m-3,晴天六价铬浓度均值为273±84 pg·m-3;霾天其浓度均值为181±76 pg·m-3.统计分析表明,六价铬与NOx(r=0.394)在0.05水平上显著相关,六价铬与相对湿度(r=-0.534)在0.01水平上显著相关.后向轨迹簇分析表明,来自偏南方向的气团时,六价铬浓度为181.0±83.4 pg·m-3,而来自偏北方向气团时,六价铬浓度为226.5±83.1 pg·m-3.

基于深度学习的京津冀地区精细尺度降水临近预报研究

精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/(10 min)及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。

北京城区气传花粉含量分季节预测模型

气传花粉是主要大气污染物的生物成分之一,可引起人群过敏反应,导致一系列过敏性疾病的发生,准确的花粉含量预测可给易感人群更有效的帮助.基于2021~2022年花粉季北京城区多站点实测数据,分析了花粉含量时空分布特征及与气象因子间的联系.发现花粉含量与气象因子间存在较一致的空间相关性,但这种相关性具有明显的季节性差异.在此基础上,应用格兰杰检验方法遴选出影响北京城区花粉含量的主要气象因子,结合支持向量机和多元线性回归理论分别建立了北京城区空气花粉含量分季节预测模型.应用2023年实测数据检验表明,两种分季节预测模型在2023年春季预测准确率分别为61.2%和60.1%,秋季预测准确率为68.1%和66.7%,性能均优于现有业务预测模型,尤其对重污染事件预测中的跨等级误差改善明显,为进一步完善北京地区花粉含量预测技术提供了新途径.