空气质量预报范文

空气质量预报范文第1篇

关键词：大气复合污染 空气质量 预报预警

1. 引言

近年来，随着经济的持续快速发展与产业结构的调整，我国不少区域已出现较为严重的以PM2.5和臭氧为主要污染物的大气复合污染，最终产物与前体物的关系复杂[1]。准确预报空气污染态势对于公众的生活与相关部门有针对性的污染控制有重要意义。

2. 国内外空气质量预报预警概况

在国外，空气质量预报主要是以三维空气质量模型为基础，三维空气质量模型主要包括空气动力学系统，云化学与动力学模块，气相化学模块，气溶胶模块，栅格烟羽模块，控制方程与计算结构，数值传输算法等。常用于空气质量预报的三维模式有美国的城市气域模型UAM、带扩展模块的综合空气质量模型CAMx、公共多尺度模式系统Models-3 CMAQ、德国的EURAD、法国的CHIMERE、芬兰的SILAM、英国的NAME、西班牙的EOAQF、瑞典的MAQS、荷兰的LOTOS-EUROS、丹麦的DREAM等。在美国，UAM曾是美国环保署（EPA）推荐使用的空气质量模型，但近年UAM已逐渐在推荐名单中消失，取而代之的是CMAQ，同时，美国ENVIRON公司开发的CAMx在多个洲都有广泛的应用，在美国的一些州（例如加利福尼亚、得克萨斯等）用作法规模式。CMAQ与CAMx目前已成为美国，乃至全球主流的空气质量网格模型[2]。

在国内，目前应用于各个城市空气质量预报业务的预报方法主要有三种：数值模式预报、统计预报和综合经验预报[3]。中国中科院大气物理研究所的嵌套网格空气质量预报模式系统NAQPMS在全国多个地区均有应用。但数值模型预报的准确性在不同时期有较大波动，统计模型应用也较多，采用逐步线性回归法建立的预报模型对武汉市空气质量具有一定的预报能力，级别预报准确率为78.1%[4]。国内对空气质量预报的研究也较多。应用基于系统辨识理论的实时迭代模式（RTIM）对WRF模式预报结果进行后处理，建立了上海地区霾天气的模式输出-统计（MOS）方法[5]，结果表明，PM2.5模式预报成功率为75.0%～63.9%，PM10模式预报成功率为87.5%～81.8%，能见度模式预报成功率为71.0%～74.2%，霾日预报成功率为73.7%～72.7%。在珠三角，将BP神经网络引入到佛山的预报模型中，分季节来考虑以提高预报准确性[6]。

2013年中国环境监测总站建立全国范围的空气质量预报预警系统，其主要依靠国内外多个三维空气质量模型进行集合预报，同时通过实测空气质量与气象资料进行加工修正，最后得出最终结果[7]。此前，不同地方也建立了城市尺度的预报预警系统。2008年，常州市气象局和常州市环境中心监测站联合研制了常州空气质量预报预警和大气污染扩散应急响应系统[8]，建立了集环境气象分析研究、空气质量预报预警、大气污染扩散应急响应于一体的综合性业务应用系统。在河西走廊东部，建立了武威市空气质量预报系统，该系统包括沙尘暴预报预警服务系统、空气质量统计预报系统和空气质量潜势预报系统[9]。在北京奥运会期间，北京气象台采用CAPPS-3空气质量预报系统取得了较好效果[10]。在林芝地区，充分考虑了空气污染与气象条件之间的复杂动态关系，建立了基于气象资料的林芝地区空气质量动态预报方法[11]。西安地区空气质量预报业务系统主要依靠WRF-CMAQ，24h内对PM2.5和PM10的逐小时模拟质量浓度与实况的相关系数达到0.6以上[12]。

3. 国内空气质量预报预警存在的不足

目前国内有实力的机构主要采用三维空气质量模型作为预报的基础，但普遍存在预报准确性偏低的问题，这主要是由于目前国内的大气排放源结构复杂，源清单的制作存在很大困难，更新也不及时，源清单的误差较大，以致多种三维空气质量模型的表现都不如国外的应用。另外，某些物理化学过程在国外也许是不重要的，国外的模型可能不作过多考虑，但这些过程在中国可能就会显得比较重要，这也导致了模型误差。在大数据时代，统计模型在中国的空气质量预报中也有较多研究与应用，但统计模型的适用性较差，只适用于小范围使用，不能预测空气污染的面分布情况，模型表现也有待进一步检验。国内目前还缺乏长期业务化运行的空气质量预报预警系统，很多都仅是在初步试运行阶段。

4. 结论

有效应对和妥善处置大气重污染过程，亟需尽快建立和完善空气质量预报预警体系。本文旨在介绍国内外空气质量预报预警概况及国内空气质量预报预警存在的不足。使用数值模型与统计模型多模型相结合的方式，加之专业预报员会商订正以作出最终预报是解决我国预报问题的主要出路。

【参考文献】

[1] 沈劲，钟流举，陈皓，岳玎利. H2O2与HNO3生成速率比值判别臭氧生成敏感性[J]. 中国科技论文， 2014， 06：725-728.

[2] 沈劲，王雪松，李金凤，李云鹏，张远航. Models-3/CMAQ和CAMx对珠江三角洲臭氧污染模拟的比较分析[J]. 中国科学：化学，2011，11：1750-1762.

[3] 朱玉强. 几种空气质量预报方法的预报效果对比分析[J]. 气象， 2004， 10：30-33.

[4] 许杨，王凯，贾桥莲，孙杰. 2007―2008年武汉市空气质量预报及检验[J]. 气象与环境学报，2012，02：81-84.

[5] 陈亦君，尤佳红，束炯，段玉森. 基于WRF-RTIM的上海地区霾预报MOS方法研究[J]. 环境科学学报，2014，03：574-581.

[6] 刘永红，谢敏，蔡铭，李璐. 基于BP神经网络的佛山空气质量预报模型的研究[J]. 安全与环境学报，2011，02：125-130.

[7] 解淑艳，刘冰，李健军. 全国环境空气质量数值预报预警系统建立探析[J]. 环境监控与预警，2013，04：1-3+21.

[8] 霍焱，董芹，雷正翠，焦振峰，沈琰. 常州空气质量预报、预警和应急响应系统[J]. 气象科技，2011，01：123-128.

[9] 罗晓玲，王润元，李岩瑛，刘洪兰，兰晓波. 河西走廊东部城市空气质量预报系统[J]. 气象科技，2007，06：771-775.

[10] 尹晓惠，郭金兰. 北京空气质量预报系统奥运模拟检验与应用[J]. 气象，2008， S1：279-283.

[11] 陈宫燕，德吉白玛，红梅，旺杰，旦增，宋燕. 基于气象资料的林芝地区空气质量动态预报方法研究[J]. 气象科技进展，2013，06：58-61.

空气质量预报范文第2篇

关键词 城市空气质量；预报；发展方向

中图分类号X16 文献标识码A 文章编号 1674-6708（2011）48-0014-02

0 引言

城市是人类的主要聚居地，也是生态系统中最为复杂的类型之一。随着世界范围内城市化的迅速发展，人们在感受到城市化带来的丰富的物质和精神生活的同时，却又不得不为面对日益严峻的生态环境。我国是一个人口大国，人口密集、交通拥挤、环境污染、绿地紧缺等问题与城市发展之间的矛盾显得愈加突出。因此，研究生态与环境问题，探讨改善城市生态环境质量的途径与对策，促进城市的生态建设与可持续发展已经成为当今社会共同关注的焦点。

1 国内研究进程

我国的环保事业起步于斯德哥尔摩“人类环境会议”之后的1973 年，而有关城市空气质量的研究起始于20世纪80年代末。当时主要的研究内容是利用城市环境观测资料和对应的气象资料，通过统计方法建立空气质量预报模型来预测城市内空气质量[1]。20世纪90年代，城市空气质量开始引起政府和民众的广泛关注，相关的研究也开始蓬勃地发展，内容涉及到改善空气质量的方法[2]、空气污染指数的分级及其计算方法[3]、城市空气质量的数值预报模型[4]。2000年开始，中国环境监测总站根据国家环境保护总局的有关要求，组织47个环境保护重点城市开展城市环境空气质量日报和预报工作，监测项目为SO2、NO2和PM10，形式为空气污染物指数、首要空气污染物、空气质量级别和空气质量状况。在我国城市空气质量业务开展的同时，相关的研究也开始兴起，内容主要涉及城市空气质量数据管理系统的开发与研究、城市空气质量预报的技术方法研究与预报模型、城市空气质量管理体系的监测技术及模式、城市空气质量的分布规律、影响因子及与气象条件的关系等方面。

2 空气质量预报的主要方法

2.1 统计预报方法

统计预报方法是目前国内各地普遍采用的方法。统计方法以污染物浓度观测资料和气象观测资料为基础，通过因子初选和相关性分析，应用逐步回归法、一元线性回归分析、自然正交分解、逐步回归方法等统计方法，建立大气污染预方程，方法相对简单且易于推广。

2.2 数值模式预报方法

数值模式预报具有科学性强、信息丰富等优点，是大气污染预报的发展方向。国外相关的研究早在上世纪70年代就开始开展，而国内在21世纪以后才开始系统地开展。城市空气质量预报涉及多物质、多界面、多介质、多种物理化学和生物过程，同时还需要综合考虑地貌、气象条件、污染源排放规律等诸多因素的影响。城市空气质量数值预报是一个典型的三维中尺度问题，它的基本工具是模式系统。数值预报法包括质量连续性约束条件下的风场调整模式、预报风场的数值模式和预报污染物扩散和浓度分布的欧拉平流扩散模式。该模式的预报结果与实测值基本相符，但模式系统中的某些参数化方案及污染源等方面有待于进一步改进。

3 城市空气质量研究的发展方向

3.1 与3S技术的结合

遥感技术、地理信息系统和全球定位系统三者集成的新的综合探测系统在许多领域得到了广泛的应用，在城市环境监测领域，三者的有机结合能够在很大程度上提高监测的质量。遥感技术以空间为信息获取平台，具有监测范围广、速度快、成本低，且便于进行长期的动态监测等优势，此外还能发现用常规方法往往难以揭示的污染源及其扩散的状态。通过转换，遥感技术可以用直观的形象来真实的现实地貌形态，再配合以地面同步观测、采样，就可在宏观信息和微观主份的结合上提高监测的质量。地理信息系统一方面是一个计算机系统，另一方面它处理的数据是地理空间位置数据及其与之相关的信息。全球定位系统是利用多颗导航卫星的无线电信号，对地球表面某地点进行定位、报时或对地表移动物体进行导航的技术系统。通过地理信息系统和全球地位系统，我们可以准确标定各种观测目标和发生的实际地理位置，建立对地观测动态数据库，从而更好的进行城市环境监测。

3.2 与计算机科学联系的日益紧密

无论是统计预报方法，还是数值模式预报方法，都需要进行大量的基础数据处理、数学运算等工作，计算机科学无疑为这些工作提供了简捷、高效的方法和技术，再结合Internet技术，可以实现对城市中各监测子站的环境空气质量状况信息的远程实时传输和对监测仪器的运行情况的远程监控，进而可实现对整个城市环境空气质量状况及监测仪器运行状况的实时分析、监控、报警和预警，为及时采取必要的应急措施提供决策支持。

3.3 与其它新技术的结合

随着科学技术的发展，新技术、新仪器、新设备不断涌现，必将为开展城市空气质量研究提供技术储备和先进环境监测仪器设备，这将有利于更好地掌握城市空气质量现状和发展态势，为国家的环保决策、环境安全、实现可持续发展战略提供科学依据。

4 讨论

1）统计预报方法是目前国内普遍采用的方法，各地应利用本地的实测资料对引进的统计模型进行订正，并且随着城市的发展、气候的变化等，要重视对本地化模型的相关参数进行订正，以取得最佳的预报结果；

2）除了气象因子，工业发展、下垫面因素等对城市空气质量也有很大影响，应该把这些因子的改变带来的影响加以考虑；

3）随着精细化气象预报业务的开展，结合3S技术，城市空气质量预报的精细化程度有望得到进一步提高。

参考文献

[1]杨伟民.城市空气质量预测模型研究[J].上海环境科学，1991，10(4)：13-16.

[2]徐大海.改善城市空气质量的研究[J].城市环境与城市生态，1994，7(3)：11-15.

[3]盛玉波.浅谈城市空气质量周报的预报方法[J].河南城建高专学报，1998，7(3)：36-37.

[4]盛立芳，吴增茂，秦曾灏.城市空气质量数值预报的不确定性与可预报性[J].青岛海洋大学学报，1999，29(4)：575-580.

空气质量预报范文第3篇

关键词 空气质量特征； 空气质量等级；气象条件；吉林白城

中图分类号 P456 文献标识码 A 文章编号 1007-5739（2016）10-0232-01

随着社会经济的快速发展和人民生活水平的不断提高，大气环境质量成为了世人关注的问题。本文对白城市空气质量特点及其气象影响因子进行了统计分析，并以天气形势为依托、综合考虑气象要素变化和分类法与趋势外推法相结合的综合预报方法，目的是使高污染浓度预报得更准确。

1 资料来源及处理

所用资料是由2个单位提供的，一是白城市环境监测站所提供的2007―2011年的逐日大气环境监测资料，包括大气中可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）的浓度值，环境监测站每月进行一次均化处理和分类统计分析；二是由白城市气象局提供的2007―2011年的逐日地面常规气象观测资料及高空实况资料，包括降水量、地面风速、地面温度日较差（最高气温―最低气温）、总云量、平均相对湿度、平均气压、日照时数、850 hPa温度、500 hPa温度等；2007―2011年地面实况场、高空实况场；1970―2000年30年风向、风速频率表及风玫瑰图等资料[1]。

将这些资料进行分析、统计，找出污染物浓度与同期气象因子之间的对应关系，并以天气形势为依托、综合考虑气象要素变化和分类法与趋势外推法相结合，对空气质量进行预报，可使高污染浓度预报更准确，从而得到空气质量预报。

2 空气污染等级与气象条件关系分析

2.1 主要污染物时间分布及特点

影响白城市空气质量的首要污染物主要为PM10，其次为SO2。

PM10的浓度曲线大值区有2段，一是1月和12月，二是春季3―5月，最小值出现在7―9月。 S02分布特点是12月至次年3月持续偏高，5月浓度最低。NO2分布特点是1月浓度最大，6―7月浓度最小。另外，也可以看出各污染浓度急剧变化期为冷暖转换的3―4月与9―10月。

白城市空气质量具有明显的季节性变化，春季和冬季污染较严重，秋季空气质量最好。白城市春季、冬季空气质量以二级为主，夏季、秋季空气质量以一级为主，四级和五级比较罕见，都出现在春季和冬季。秋季空气质量较好，春季空气质量最差。

2.2 气象因子与空气质量的关系

2.2.1 降水与污染指数之间的关系。降水对空气有净化作用，但不同季节作用不同。对白城市而言，春季和冬季降水因子不是改变空气质量的主要因子。夏季当降水量小于10 mm（即小雨），当日PM10浓度一般较低，空气质量较好；降水量达暴雨量级时，降水当日PM10浓度较大，降水过后第2天空气质量明显转好。秋季降水当日PM10浓度下降。

2.2.2 地面风速、风向与污染指数之间的关系。白城市全年风力以2～3级为主，春季风力稍大，对应的空气质量以2级为主，春季当平均风力达3～4级、冬夏季4级时易出现高空气污染等级（4～5级），当日平均风力达5级，在上游没有沙尘天气的情况下，则不出现重污染（5级）现象，间接说明风速越大污染物的扩散和稀释就越快。

以2007年1―12月为例，NO2全年都为1级，SO2浓度无论风向如何，空气质量都在2级以内，由此可见，风向主要对PM10分布产生影响。空气质量出现3级最多的风向为偏N风（NNW-N-NE） ，偏北风风速3～4级时，环境大气污染最严重，随着风速的降低，污染有所减轻；其次是WNW；当刮SSW大风（2007年2月25日）时，空气污染严重（空气质量达4级），PM10严重超标；其他风向时空气质量多以1～2级为主。

2.2.3 稳定度与污染指数之间的关系[2-3]。分析2007―2010年地面8：00温度与850 hPa温度差，1 452 d中有291 d出现逆温（T08-T850

分析2007―2010年夏季（6―8月）850 hPa温度与500 hPa温度差即T850-T500，差值越大，说明低层暖湿、高层干冷越明显，空气层结越不稳定。通过与天气现象对比分析发现，当差值>25 ℃时易出现强对流天气，即大气层结不稳定，此时对应364样本中大气层结不稳定的有78 d，空气质量1级有45 d（57.7%），2级32 d（41%），3级1 d（当天天气现象有浮尘，时间2007年6月11日 ）。因此，当存在不稳定层结时，近地层上升运动加强，有利于空气污染物的扩散，一般在上游没有沙尘天气的情况下，空气质量不会超过2级。

3 结语

白城市城区空气质量优良率较高，秋季空气质量最好，春季，冬季空气质量较差，白城市冬季近地层经常出现逆温或等温现象，造成污染物不易扩散，空气质量较差；夏季白城市经常出现对流不稳定层结（T850-T500>25 ℃），易造成强对流天气，并在近地层产生强的上升运动，此时如果上游没有沙尘天气，本地空气质量等级较好。以天气形势为依托、综合考虑气象要素变化和分类法与趋势外推法相结合，对空气质量进行预报，可使高污染浓度预报更准确[4-5]。

4 参考文献

[1] 陈添.气象条件对北京市空气质量的影响[J].环境保护，2006（10） ：46.

[2] 刘兴中，严从路，牛玉琴，等.南京大气高浓度污染的特征及与气象条件的关系[J].气象科学，1992，12（1）：107- 112.

[3] 房小怡，蒋维楣，吴涧，等.城市空气质量数值预报模式系统及其应用[J].环境科学学报，2004（1）： 111-115.

[4] 曲晓黎，付桂琴，贾俊妹，等.2005-2009年石家庄市空气质量分布特征及其与气象条件的关系[J].气象与环境学报，2011（3）： 29-32.

空气质量预报范文第4篇

关键词气象因子；空气质量；监测；预报

随着我国的经济发展，人民生活水平的提高，空气环境质量越来越引起人们的关注，空气质量的预报已成为城市居民新的需求。近年来，石河子市东、西、南、北4个热电厂的建成投运，给城市空气质量构成了巨大的压力。石河子市环境监测站2003年6月安装了环境空气质量自动监测系统，开始对城市环境空气质量进行自动监测。笔者利用该站2005~2006年2a的空气质量监测数据，对主要污染物二氧化硫（SO2）、二氧化氮（NO2）、可吸入颗粒物（PM10）的浓度分布特征进行分析，以及石河子气象站所对应时间的气象资料，找出与污染物浓度相关性好的气象因子，做出多元线性回归方程；然后在微型计算机上输入第2天气象因子的预报值，计算出第2天二氧化硫、二氧化氮、可吸入颗粒物预报值，做出空气质量监测预报。

1污染物浓度分布特征

从2a资料中发现二氧化硫日平均最大值为0.132mg/m3，最小值0.002mg/m3，最大值是最小值的66倍；二氧化氮最大值0.056mg/m3，最小值0.001mg/m3，最大值是最小值的56倍；可吸入颗粒物最大值0.712mg/m3，最小值0.013mg/m3，最大值是最小值的55倍。由此可知，污染物浓度变化非常之大。经测算，2005~2006年石河子市空气综合污染指数均为1.28，按环境空气分级标准属清洁级，环境质量状况良好。

1.1污染物浓度分布

目前我国空气质量监测常规项目有二氧化硫、二氧化氮、可吸入颗粒物的浓度，图1~3是2005~2006年石河子市二氧化硫、二氧化氮、可吸入颗粒物浓度月平均值分布曲线，3条曲线都可以近似为具有单峰单谷曲线。二氧化硫和可吸入颗粒物曲线走向较一致，冬季浓度比夏季高，最高值出现在1月和12月，极值分别为0.056mg/m3和0.118mg/m3；最低值出现在6月和7月，分别为0.011mg/m3和0.046 mg/m3。三种污染物月平均最高值和最低值的比分别是二氧化硫为5.1倍、二氧化氮为4.7倍、可吸入颗粒物为2.6倍，其中可吸入颗粒物为首要污染物。

图4、图5分别是2006年7月1日和12月1日石河子市二氧化硫、二氧化氮、可吸入颗粒物0时至23时浓度日分布图示。从图中可以看出：二氧化硫日分布在夏季有1个峰值，出现在时间14时，对应值为0.060mg/m3，其余时间浓度轻低，最大值是最小值的10倍；二氧化硫日分布的冬季较零乱，没有一定的规律，最高值为0.056mg/m3，最大值是最小值的3.1倍。二氧化氮日分布在夏季较零乱，没有一定的规律，最高值为0.036mg/m3，最大值是最小值的9倍；二氧化氮日分布在冬季较均衡，最高值为0.015mg/m3，最大值是最小值的1.4倍。可吸入颗粒物在夏季有2个明显的峰值，分别在凌晨1时和上午10时，峰值分别为0.078mg/m3和0.102mg/m3，极值是最小值的3.6倍；可吸入颗粒物在夏季最高值为0.092mg/m3，分布较为均匀，最大值是最小值的1.8倍，且较浓度夏季明显偏高，主要是由于采暖期锅炉燃煤造成。

1.2影响因素

空气污染超标现象集中出现在冬季采暖期和春季，在这种天气条件下易受以下因素的影响而加重污染程度。

（1）湿度的影响。当寒冷季节、气温较低、湿度较大时，水蒸气容易以尘微粒和气溶胶为凝结核形成雾，使污染物粒子变重而下沉，生成沉积和沉降或聚集在低层大气中，阻碍烟气的扩散，加重空气的污染，使大气能见度降低。

（2）逆温的影响。逆温层是一个十分稳定的层次，它的存在像个盖子似的阻碍污染物向上扩散。逆温往往伴随着小风或无风状态，污染物不易扩散、稀释，从而使近地面的污染物浓度增加。逆温层常出现在冬、秋季，强度最大、持续时间最长，且在一天当中，夜间逆温强度最大。

（3）燃煤影响。冬季空气污染较重，其原因主要是冬季为燃煤开放期，燃煤量增大，烟尘和二氧化硫等污染物排放量随之增大，造成污染加重。

（4）沙（浮）尘天气影响。春季多发生大风天气，降水量少，冰雪融化后，黄土，植物尚未进入完叶期，阻风能力弱，造成沙尘和地面扬尘污染。根据气象资料，扬沙、沙尘暴、浮尘天气主要集中在4~5月，2005年4月4日石河子垦区发生了一次沙尘天气，沙尘波及到市区，导致4月可吸入颗粒物、降尘均超标。造成此次浮尘天气的主要原因是开春后天气明显升温，地面干燥、，加之风力的影响，尘土飞扬，形成浮尘污染。

2气象因子与污染物浓度的相关性分析

污染物浓度除了受排放量的变化影响之外，另一主要影响因素就是气象因子的变化。多元回归方法关键点是寻找与污染浓度相关性好的气象因子且气象因子之间相关性要小。污染物浓度取日平均值，气象因子也取日平均值。风向是矢量，风速是标量，把东定义为X轴正向、西定义为Y轴正向，把每个时次10min平均风速按10min平均风向分解为X轴（VX）利Y轴（VY）两个方向上的分量，再进行日平均，这样就把风向风速化为标量。Td-T850为8时地面气温减850hPa气温的差值。资料进行上述处理后计算相关性系数。对相关系数r做显著性检验，在显著水平α=0.05时，γ0.05=0.07，当|r|≥0.07可认为相关。气象因子间相关系数大于0.5可认为相关性好，取便于预报的因子。经过上述步骤后，所选的气象因子与污染物浓度单相关系数见表1。

从表1可知：日最高气温与二氧化硫浓度呈负相关，与二氧化氮浓度呈正相关，与可吸入颗粒物浓度不相关。二氧化硫浓度与风速呈负相关与风向不相关；二氧化氮浓度与西南风呈正相关，与风速不相关；可吸入颗粒物浓度与风向不相关，与风速呈负相关。降水量与二氧化硫、可吸入颗粒物浓度呈负相关，与二氧化氮浓度呈正相关。Td-T850可以代表850hPa以下的层结稳定状况，表中二氧化氮浓度与其呈正相关，二氧化硫浓度和可吸入颗粒物浓度与其呈负相关。相对湿度与二氧化硫浓度和可吸入颗粒物浓度呈负相关性，与二氧化氮浓度不相关。

3污染物浓度的预报回归方程

在建立回归方程时，气象因子从表1中选取与其相关性较好的因子。当|r|≥0.1时，可认为相关性较好，此因子可选为预报因子。根据这一原则，建立各污染物浓度（P）方程如下：

SO2浓度P=0.095 85-0.000 47Th-0.004 84V-0.000 15RR-0.001 27T-0.00040U；

NO2浓度P=0.027 51+0.000 41Th+0.000 93VX+0.001 02VY+0.000 07T；

PM10浓度P=0.135 00-0.007 14V-0.000 48RR-0.002 43T-0.000 27U。

4预报流程

预报计算在计算机上运行，流程图如图6。人工输入所需的气象要素，计算机自动进行计算，计算结果输入Internet以WEB方式显示，环境监测站直接到Internet上读取。

5历史资料检验

对回归方程预报效果进行历史资料检验，选取（随意）2004年5月的资料，把气象因子代入回归方程，计算出各污染物日浓度，再与实测值相减，求出差值P。预报误差率=∑|P|/∑|P|，P为实测值。算出2004年5月二氧化硫预报误差率为109%，二氧化氮预报误差率为32%，可吸入颗粒物预报误差率为44%。由此看来，二氧化氮、可吸入颗粒物预报误差较小；二氧化硫预报误差较大，造成这种结果的原因主要是气象因子选取不佳，排放量变化大。如前所述，二氧化硫日平均最大值是最小值的27倍。

6讨论

（1）多元线性回归假定污染源排放量是不变的，但实际上污染源排放量是变化的，这就引起多元线性回归方法预报误差较大。

（2）多元线性回归认为气象因子与污染物浓度呈线性关系，但实际上气象因子与污染物浓度并不一定是线性关系，这是造成多元线性方法预报误差较大的另一个原因。

（3）石河子市空气质量预报才刚刚开始，预报经验不足，有待于今后进一步改进。

7参考文献

[1] 赵凌卓.大连市“十五”期间大气环境中SO2、NO2、PM10污染状况分析[J].辽宁城乡环境科技，2007（3）：44-46.

[2] 李金娜，李海涛.唐山市“九五”期间大气环境中SO2、NOX、TSP污染状况分析[J].干旱环境监测，2002（2）：100-103.

[3]于晓岚，汤洁，李兴生，等.我国西部清洁大气中SO2和NO2的观测和分析[J].应用气象学报，1997（1）：63-69.

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”

空气质量预报范文第5篇

1AQI范围预报方法

1.1级别判断在空气质量模式AQI预报结果的基础上，根据空气质量实况、天气形势预报和污染源排放变化，初步判断次日AQI预报级别，确定将其定位在某个级别内还是两个级别间。例如优、优～良，良、良～轻等空气质量级别。通常若天气形势稳定或变化趋势清晰，AQI可定位在某级别内。若未来天气形势变化不明朗，例如，出现弱槽过境、弱降水等，可将AQI定位在级别间进行跨级预报。

1.2中心线设定根据初步判断AQI变化趋势，设定AQI范围中心线的大致位置，即偏向趋势变化所向级别的低、中、高段位。通常根据好转、稳定、变差的趋势，分别将AQI预报范围的中心线定位在稍低、持平、稍高段位。例如，初步判断AQI是跨越良到轻度污染两级的变差趋势，根据预估的AQI变化幅度，将中心点设定在偏良、居中或偏轻度污染的段位。

1.3变化幅度修正为提高预报准确性，需在设定的AQI范围中心线上加减一个变化幅度(偏差)，最终形成AQI范围预报。通常在中度污染以下加减10或15的幅度，中度污染以上加减20或更大的幅度。例如，初步判断未来24h空气质量级别为良，并有转差的趋势，AQI中心线设定为85，处于该级别的稍高段位，再加减10的变化幅度进行修正，即最终AQI预报结果为75～95。具体预报范围修正方法在下文详细讨论

2AQI预报范围订正

2.1AQI分级波动范围为分析不同区域、不同污染程度的城市AQI分级波动情况，选取张家口、邢台、大连、沈阳、舟山、济南、长沙、郑州、海口、广州、拉萨、成都、西宁、西安14个典型城市，分别代表华北、东北、华东、华中、华南、西南、西北地区相对清洁和污染的城市情况，采用均方差来反映一组数据离散程度的最常用量化指标，对上述14个城市2014年的实况AQI数据进行统计，以分析不同空气质量级别的AQI波动情况。由表1可以看出，各区域的清洁城市和污染城市在同一级别内的AQI均方差无明显差别，且随着空气质量级别加重，清洁城市和污染城市AQI均方差均表现出递增的总体趋势。14个城市空气质量为优级别时，AQI均方差为3.6～9.1，均值为6.1;良至中度污染级别时，各城市AQI均方差相差不大，为6.4～21.7，均值为13.4，且有90%的均方差处于10～16的范围内;在重度污染级别时，各城市AQI均方差明显增加，为19.9～34.0，均值为26.6;在严重污染级别时各城市AQI均方差进一步增加，为20.2～106.8，均值为62.4。由此可见，不同空气质量级别的AQI波动范围差异明显，应针对不同级别设置不同的AQI预报变化幅度。

2.2AQI变化幅度范围对于空气质量良好、大气化学机理单一、污染源排放量稳定、外来传输影响较小的清洁城市，其每日AQI的正常波动范围相当于AQI的本底变化幅度，可作为其他城市AQI预报变化幅度修正基本参考值。以三亚市2014年301个空气质量优级天的AQI统计结果为例。由图1可见，优级天AQI近似服从平均值为31.8，方差为62.1的正态分布，90%的优级天AQI集中在18.9～44.7的范围内，以均值31.8为中心，上下均浮动12.9，设定AQI在优级天的本底变化幅度为10，在一定程度上可视为城市AQI预报的基本波动范围。对于空气质量一般的城市，AQI预报较易受到气象条件、污染源排放、大气复合污染程度、季节等因素变化的影响，每日AQI波动范围较大。以机动车尾气污染为主的杭州市2014年110d轻度污染AQI的分布为例，如图2所示。AQI分布较为分散，均方差为13.3，超过78%的AQI集中在轻度污染(101～150)的中低位区间(101～130)，设定轻度污染AQI预报较合理的变化幅度范围为15。通常空气质量较差的城市，本地污染源排放量大，且大气污染物不易扩散，AQI预报更多考虑气象条件和季节变化(如冬季北方采暖燃煤)的影响，在空气质量重度及以上污染时，AQI波动明显以煤烟污染为主的邢台市2014年74d重度污染AQI分布为例，如图3所示。AQI分布明显分散，均方差为26，超过86%的AQI集中在重度污染(201～300)的中低位区间(201～270)，设定重度污染AQI预报较合理的变化幅度范围为25。

2.3AQI模式预报偏差分析城市空气质量模式预报结果与实况AQI的偏差在一定程度上也有助于指导AQI预报变化幅度的设定。以2014年中国科学院大气物理研究所研发的NAQPMS数值预报模式对北京市的24hAQI预报为例，统计每日预报AQI与实况AQI偏差的绝对值，经过3轮异常值剔除(与平均值的偏差大于2倍均方差的视为异常值)，不同空气质量等级的偏差绝对值的均方差分布如图4所示。由图4可知，从优级至严重污染，比偏差绝对值的均方差在4.4～32.7。空气质量越好，均方差越小，反之亦然。空气质量优级时，均方差小于5。轻度污染至严重污染级别的均方差在29.1～32.7范围内，各等级差别不明显。比较现实，有必要区分优良等级和污染等级的AQI预报变化幅度范围。综上所述，不同空气质量等级对应的AQI范围区间大小有所不同，并根据实况统计分析和模式预报经验，无论是AQI实况波动范围，还是模式预报偏差，不同空气质量级别差别明显。因此，在开展城市AQI预报时，有必要针对各级空气质量等级分别设定不同的AQI变化幅度，力求合理并准确地反映未来AQI的变化范围。建议空气质量优良等级设定AQI变化幅度为10，轻度和中度污染等级设定为15，重度和严重污染等级设定为25。

3AQI预报质量控制讨论

为保证城市AQI预报的有序开展，应建立一套完善的质量控制体系，对城市例行的AQI业务预报进行全过程的质量控制。1)建立预报日常值班制度，每日值班人员分为主班和副班2人，主班负责预报结果确定和会商启动等，副班负责预报信息和值班日志的编写，并对预报结果提出参考性意见，减少主班的个人盲区。2)建立预报会商制度，在预测到可能出现重污染时，联合相关预报部门和气象部门等机构开展预报会商，集思广益，从不同专业领域和学术背景获取多方意见，最终达成全体认可的预报结果，避免错报、漏报等预报失误。3)建立严格的工作流程，最大程度地减少人为干预，以控制预报的随意性。尽可能实现预报业务自动化分析，避免过多人工参与，提高预报客观性和客观订正效率。4)采用集合预报方法，降低单一模式预报的不确定性误差，通过取长补短，综合利用各模式的优势，缩小预报的误差范围，从而改善预报效果。5)定期开展预报效果回顾，一方面可评判预报模式对各项污染物预报的系统误差及误差范围，便于模式的后续改进，另一方面有利于预报员总结预报经验，纠正个人倾向，提高预报准确率。

4总结

目前，全国重点城市已不同程度地开展AQI预报能力建设。考虑到国内城市间空气质量水平差异较大和预报模式多样化等特点，为保证各城市AQI预报的规范性和可比性，急需建立一套标准化并可统筹兼顾的AQI预报方法体系，包括AQI预报方法、预报流程、预报范围订正、质量控制等一系列技术规范。文中通过对典型城市2014年每日AQI实况分析的基础上，阐述了针对不同空气质量等级设定不同的AQI预报范围变化幅度的必要性，并建议性地提出分级变化幅度参考值，同时对加强预报过程的质量控制技术进行了讨论，期望能够为各城市开展AQI预报提供借鉴和参考。

空气质量预报范文第6篇

关键词 空气质量；分布特征；污染指数预报

中图分类号P4 文献标识码A 文章编号 1674-6708（2013）98-0125-02

0 引言

随着经济社会的快速发展，空气污染问题越来越受到人们的广泛关注。近年来，空气质量监测和预报业务也在各省份蓬勃开展。2012年我国省会城市和直辖市开始监测PM2.5。朱永强[1]分析了数值模式预报、统计预报和综合经验预报等三种空气质量预报方法的优势和不足。众多学者运用上述方法分析研究了我国多个城市的空气质量分布特征、空气质量与气象因子的关系、污染过程的气象机理等[2-7]。河北省政府近年来采取了多种空气污染防治措施，空气污染得到了有效缓解。然而，2012年冬季至2013年初春，河北省多地受到持续性雾霾天气的影响，造成严重的空气污染。因此分析气象条件与空气质量的相关关系，建立基于气象条件的空气质量预报模型，提高空气质量预报的准确性显得尤为重要。

1 资料来源

利用河北省环境监测中心站监测的2003年1月～2012年12月河北省十一个地级市逐日的空气污染指数（API）实况资料。空气质量日报监测周期为24h，数据监测周期起止时间为前一日12：00至当日12：00。空气污染等级划分参照环境保护部2008年的《城市空气质量日报和预报技术规定》。

2 结果分析

2.1 近10a河北省空气质量总体分布特征

统计河北省十一个地市2003年1月～2012年12月共十年的空气质量实况监测资料，有效样本数为40099个，分析发现，除空气质量级别为Ⅰ级不计首要污染物外，河北省各大城市的首要空气污染物均为可吸入颗粒物和二氧化硫，其中可吸入颗粒物为首要污染物的日数占样本总数的64.7%，二氧化硫为首要污染物的日数占样本总数的17.5%。全省空气质量以Ⅱ级良为主，占67.3%，其次是Ⅰ级优和Ⅲ级轻度污染，分别占样本总数的17.8%和14.4%，Ⅳ级中度污染和Ⅴ级重污染日数共占样本总数的0.5%。

2.2空间分布特征

河北省各地市空气质量具有明显的空间分布特征。通过对2003年1月～2012年12月共十年资料统计发现河北省空气质量大体呈北部好于南部、沿海好于内陆的特征。处于省北部的张家口和承德两个城市空气质量级别为Ⅰ级的日数最多，均达到1200d以上，其次是秦皇岛和廊坊，重工业较为集中的唐山市和省会石家庄最少。优、良等级总日数最多的为处于沿海地区的秦皇岛，达3528d，保定、唐山、张家口、廊坊、邯郸、承德也都达到3000d以上，其他地市在2900d～3000d之间。轻度污染及以上等级的日数属秦皇岛市最少，仅有118d，其次是廊坊。石家庄、邢台、邯郸几个城市轻度污染及以上等级的日数较多，尤其是石家庄，重污染日达14d，属于污染极为严重的城市。从各地市首要污染物的日数分布图（图1）可见，张家口、承德两个城市的首要污染物为二氧化硫，以二氧化硫为首要污染物的日数占样本总数的50%以上，其他城市的首要污染物以可吸入颗粒物为主。

2.3季节变化

曲晓黎等[7]指出，雾霾天气多、燃煤取暖等因素是造成石家庄市冬季污染严重的主要原因，春季局地的扬沙或沙尘的远程输送也容易使空气质量变差。本文分析发现，对于整个河北省而言，空气质量的季节分布特征与石家庄市空气质量的季节分布特征一致，均是夏季最好，秋季次之，冬季最差。图2可见，夏季空气质量为优良等级的日数最多，占夏季总样本数的98.4%，轻度、中度污染日数所占比例仅为1.6%，没有重污染日。而冬季，重污染日数最多，年平均达1.8d，优良等级空气质量日数所占比例为62.3%，轻度、中度污染日数所占比例高达37.6%。

2.4 年变化

2003年～2012年，全省空气质量等级为Ⅰ级的日数呈逐年增多的趋势（表略），2012年十一个城市空气质量为Ⅰ级的总日数为2003年的3倍多。近10a空气质量等级为Ⅱ级的日数年变化趋势不明显，但是可见2005-2009年Ⅱ级日数最多，都在2800d以上。轻度及以上污染日总数明显减少，尤其是Ⅲ级空气污染日数从2003年的1236d减少到2012年的235d。从各地市2003-2012年各空气质量级别分布日数表（表略）也可发现同样的年变化规律，Ⅰ级、Ⅱ级等级日数逐年增多，Ⅲ级以上污染等级日数明显减少。

石家庄市空气质量为Ⅰ级的日数由2003年的2d增加到2012年的60d，增加的幅度最大，其他城市也都相应增加，张家口2012年空气质量为Ⅰ级的日数高达190d。由此可见，随着全省对空气污染治理力度的逐渐加大，河北省近10a空气质量明显好转。

2.5 空气污染指数预报模型

分析发现，空气污染指数与能见度、降水量、露点温度、风速、气温呈负相关，其中与能见度呈最为显著的负相关关系，相关系数为-0.54，其次是降水量和露点温度，相关系数分别为-0.31和-0.28。与相对湿度呈较为显著的正相关，相关系数为0.41。因此选择2003-2011年的32175个有效空气污染指数和前一日的能见度、降水量、露点温度、相对湿度等四种地面气象观测资料，建立空气污染指数的气象学预报模型，见公式（1），模型的复相关系数为0.64，通过了公式（2）信度为0.001的F检验。运用2012年河北省十一个地级市空气质量监测实况共3960个样本对预报模型进行实际应用检验发现，预报等级与实际监测等级相差1个等级以内的占72%，相差2个等级的占25.8%，相差3个等级以上的仅有87个样本。同时发现模型对空气质量等级为Ⅱ级良和Ⅲ级轻度污染的预报效果最好，对于Ⅳ级中度污染的预报效果稍差。说明该预报模型的准确率超过了70%，可应用于日常空气质量预报业务。

3 结论与讨论

1）河北省十一个地级市空气质量等级以Ⅱ级良为主，近10a空气质量呈明显好转趋势，中度污染和重污染日数共181d，逐年减少。首要污染物为可吸入颗粒物和二氧化硫。全省空气质量大体呈北部好于南部、沿海好于内陆的空间分布特征。空气质量等级夏季最好，冬季最差；

2）空气污染指数与能见度、降水量、露点温度、相对湿度等气象要素有较好的相关关系，可以运用上述气象因子为自变量，通过多元回归方法建立空气污染指数的气象学预报模型；

3）本文仅研究了河北省空气质量的分布特征和空气污染指数的气象学预报模型，对于首要污染物与气象条件的关系及其预报方法有待进一步研究。

参考文献

[1]朱玉强.几种空气质量预报方法的预报效果对比分析[J].气象，2004，30（10）：30-32.

[2]付宗钰，季崇萍.气象条件对奥运测试赛机动车限行期间空气质量的影响[J].气象，2008，34（s1）：274-278.

[3]刘彩霞，边玮瓅.天津市空气质量与气象因子相关分析[J].中国环境监测，2007，23（5）：63-65.

[4]朱玉周，刘和平，郭雪峰，等.郑州市空气质量状况及冬季持续污染过程的气象机理分析[J].气象与环境科学，2009，32（3）：47-50.

[5]王宗涛，余卫东，董博，等.商丘市空气质量统计预报方法[J].气象与环境科学，2006（4）：44-45.

[6]邓伟，陈怀亮，杨海鹰，等.Models-3/CMAQ模式对郑州市大气污染物的预报分析研究[J].气象与环境科学，2007，30（1）：54-57.

空气质量预报范文第7篇

[关键词] 城市空气污染 预报方法

1 引言

随着国民经济的快速发展和人民生活水平的日益提高，政府和民众越来越关注城市的空气质量问题。大气污染物会对人体的健康产生严重的影响，如粒径小于10μm的气溶胶粒子能直接进入并粘附在人体上下呼吸道和肺叶中，导致呼吸道疾病等。开展城市空气质量预报，是环保部门拓宽服务领域的一项重要内容，不仅可以让民众更清楚、更全面地了解各种气象条件下污染物的变化，为民众提供安排各种活动的参考依据，为管理部门实施空气污染控制决策提供科学的依据。永安是一个地处闽西北内陆地区的工业城市，城市空气污染比较严重。永安市环境监测站自1999年开展污染物浓度监测，积累了一定时限的监测资料。2005年1月1日起，环保局开始在每日电视天气预报节目中播出“每日环境质量公报”，向社会当日的空气质量实况，取得了很好的社会效益。

根据国家环保局规定，空气质量主要以SO2、NO2、PM10三种污染物浓度来衡量。污染物浓度除了受排放量的变化影响之外，另一主要影响因素就是气象要素的变化。一般来说，除突发事件外，一个城市的污染物排放在以月为时间尺度考虑是接近定常的，而每日污染物浓度的变化主要取决于当地的气象条件变化。

2 资料及处理

本文采用永安市环境监测站提供的2005-2006年监测项目（SO2、NO2、PM10）浓度值，缺测资料用序列前后值进行插值替换。

2.1 污染物浓度的年分布

图1 永安市2005-2006年SO2、NO2、PM10浓度月平均值曲线（单位：mg/m3）

图1为永安市2005-2006年SO2、NO2、PM10浓度（单位：mg/m3）月平均值分布曲线，三条曲线都可以近似认为是双峰双谷曲线。

图中三种污染物浓度的曲线走向比较一致，冬季浓度比夏季高，SO2浓度最高值出现在12月，为0.062，次峰值出现在3月；最低值出现在6月，为0.022，次谷值出现在2月；PM10浓度最高值出现在1月，为0.095，次峰值也出现在3月；最低值出现在8月，为0.038，次谷值出现在2月；NO2浓度最高值出现在2月，为0.054，次峰值出现在9月；最低值出现在8月，分别为0.026。

2.2 污染物浓度与气象因子的分析

2.2.1 天气类型对污染物浓度的影响

根据两年来对永安市高污染的日数（API指数大于100）的天气过程进行分析，发现：①首要污染物都为PM10；②高污染日数多出现在由晴转雨的前一到二天，此时高空多为西南气流或偏西气流，天空云系比较多，风力较小。③高污染出现日数是气象条件与污染物排放总量共同作用的结果，但目前没有污染物排放量的统计资料，所以只能对其气象背景条件进行分析。

2.2.2 预报因子的筛选

理论上讲，可用以建立预报方程的因子很多，为便于实际操作和预报的，研究中选用相对容易获取的地面常规气象要素作为初选因子进行分析和实验。空气质量监测主要监测影响人们日常活动近地面层大气污染物浓度，因此气象因子的选取依据地面气象观测资料比较合理。近地面层常规气象要素观测有：气温T、地温D0（地表温度）、风向、风速Vf、降水量R、气压P、总云量N、低云量Nl、湿度U、日照S、能见度V等。

3 预报方法

目前我国空气质量预报的主要方法有数值模式、数理统计和综合经验三类方法。中小城市大多采用数理统计类。此类方法气象因子的选取对空气质量预报的准确率有着很大的影响，因此其关键点是准确分析气象因子对污染浓度的影响，寻找合适的气象因子（预报因子）。本文通过对永安2005- 2006近地面层常规观测气象要素进行因子相关普查，并采用多元逐步回归的方法，建立最优回归方程。

4 回归方程的建立

4.1 污染物浓度逐步回归方程

①Y1(SO2)=0.00379-0.000399*X1+0.000266*X2-

0.000190*X3+0.68*X4

式中，X1：08时气温；X2：14时气温；

X3：08时能见度；X4：前一天SO2浓度。

②Y2(NO2)=0.0128+0.79*X1

式中，X1：前一天NO2浓度

③Y3(PM10)=0.0452-0.000117*X1-0.000405*X2-

0.000307*X3+0.57*X4

式中，X1：11时能见度；X2：08时风速；

X3：预报第二天雨量；X4：前一天PM10浓度。

4.2 API多因子逐步回归方程

经过相关普查，发现API指数与多个因子也具有很高的相关度，于是在业务运行中又通过逐步回归建立了API指数的回归方程，作为对浓度方程的补充。

④Y4(API)= 21.97+1.2*X1-2.548*X2+0.521*X3+0.5

式中，X1：预报日的温度日较差（预报值）；X2：预报日的蒸发（预报值）；X3：前一天API指数。

5 预报操作步骤

制作预报时，用浓度方程得出预报时效内的浓度，计算出API的预报值1，再用方程④得出API的预报值为2，两者在不同的季节采用不同的加权平均，最后得出最终的API预报值。

整个预报过程已通过VB6.0编程，在电脑上实现了空气质量预报预警系统。预报员在制作预报时，只要输入各相关因子，就可自动得出预报结论。

6 预报准确率的检验

根据2007年1-6月业务试运行情况，共预报181次，其中等级正确140次，准确率为77.3%，预报指数精确度评分为86.4，平均逐日质量评分为78.2。

7 结论

7.1 通过对永安市环境空气质量预报方法的研究，我们认为各种污染物在大气中的排放、扩散以及影响范围等的变化过程十分复杂，要精切描述并模拟出相应的数值模式显然是困难的。因此采用统计预报的方法，引入一些对影响污染物浓度变化有物理意义，但又不苛求它们之间确切的影响机制的预报因子，通过一些数理统计方法，构造数学模型是可行的。

7.2 在中小城市(如永安)，利用多年气象观测和污染物浓度资料，通过统计学的方法，确定预报量与预报因子的定量关系，最后根据这些定量关系预报未来的空气污染浓度，具有操作简便，方式灵活、使用方便、维持经费低且精度较高的特点,并且便于推广。

参考文献

[1] 蒋维楣，曹文俊，蒋瑞宾. 空气污染气象学教程[M]. 北京：气象出版社，1993. 1-23.

[2] 殷达中，刘万军. 海外大气污染预报的状况及方法[J]. 气象科技，1997(1): 19-22.

[3] 朱 蓉，徐大海，孟燕君, 等. 城市空气污染数值预报系统CAPPS及其应用[J]. 应用气象学报, 2001, 12: 267-278.

[4] 韩志伟，杜世勇，雷孝恩, 等. 城市空气污染数值预报模式系统及其应用[J]. 中国环境科学，2002, 22: 202-206.

[5] 谷德军，吴艳标, 江奕光，等. 珠江三角洲城市群污染指数预报的模式方法[J]. 热带气象学报，1999, 15: 128-135.

空气质量预报范文第8篇

为推动实施名牌战略、加强云南名牌管理，经省政府同意，新版《云南名牌管理办法》于2017年1月1日起正式实施。

《办法》明确云南名牌分为：产品类、服务类和区域类。云南名牌不实行终身制，认定不收取费用。云南名牌有效期为3年。有效期届满当年重新申请，通过后方能继续使用。云南名牌每年评审1次。符合国家法规政策，市场占有率位于本行业或者全省前列、质量领先，达到国际或者国内先进水平等条件的组织和项目可以申请云南名牌。同时，禁止转让、伪造、变造云南名牌标志。（《云南日报》）

云南修订全国首个地方林木种子管理条例

自2017年1月1日起，《云南省林木种子条例》将正式施行。《条例》进一步落实简政放权总体要求，并加大了违法处罚力度。这也是全国第一个在《中华人民共和国种子法》框架下制定出台的地方性林木种子管理条例。

《条例》共8章40条，突出了云南林木种子管理工作的重点，进一步贯彻落实国家有关种子生产经营简政放权的要求，将林木种子“生产、经营”实行“两证”合一为“林木种子生产经营许可证”，取消了林木种子生产经营许可证作为办理工商营业执照的前置条件，简化了办证程序，减轻了企业负担。（云南网）

云南每日一次环境空气质量预报

随着秋冬季的到来，全国各地雾霾天也逐渐增多，大家对昆明空气质量的关注也在提升。从2016年12月19日开始，云南省环保厅与云南省气象局已经开始联合会商制作云南省环境空气质量预报。自12月26日开始，每天将对全省各地的环境空气质量优良与否和具体污染物进行预测，并向市民。

据气象专家介绍，雾与霾存在很明显的区别。从外观上看，雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的水汽凝结物，常呈乳白色；霾是大量极细微的颗粒物均匀地浮游在空中、使水平能见度小于10千米的空气普遍浑浊。（《云南日报》）

云南11个人口较少民族将实行14年免费教育

截至2015年底，云南省正式挂牌的民族中小学496所，省定民族中小学41所，民族地区寄宿制学校4000多所，民族中专6所，民族大学1所。少数民族在校生达335.21万人，占全省在校生总数的34.93%。

近日，云南省人民政府了《关于加快发展民族教育的实施意见》，根据《实施意见》，各级政府要通过举办双语幼儿园、民族学校，设立民族部（班）等，加快少数民族人才培养步伐。各地举办的民族中小学（幼儿园）要加大对少数民族学生的招生力度，少数民族学生比例要达到50%以上。

《实施意见》还明确，将逐步在独龙、德昂、基诺、怒、布朗、景颇、傈僳、拉祜、佤、普米、阿昌等11个人口较少民族和“直过民族”聚居区实行14年免费教育。（《云南信息报》）

2017年云南盐价基本不变

根据国务院《盐业体制改革方案》要求，2017年1月1日起，改革食盐生产批发区域限制，实现产销一体和跨区经营，同时改革食盐政府定价机制，有序放开所有盐产品价格。盐改放开后，全国食盐市场将呈现产品多样化、品牌多元化、竞争白热化的特点。未来食盐市场的竞争将是围绕产品质量，品牌、价格、服务的竞争。

近日，云南盐业2017年度盐产品订货会在昆明举行，会上云南盐业有限公司相关负责人表示，云南盐业在盐价基本不变、服务质量升级的同时，通过包装升级和产品研发推出更多的新产品，使之形成基础盐、精品盐、功能盐、调味盐、引进盐五大系列。同时，无论是自己走出去，还是别人走进来，都会强化和省外盐业公司的合作。（《云南信息报》）

云南去年完成1100公里城镇污水处理配套管网建设

来自云南省环保厅的消息显示，2016年，云南省认真落实主要污染物总量减排目标责任制，用制度倒逼年度污染减排目标任务全面完成，全年完成1100公里城镇污水处理厂配套管网建设和重点减排项目也顺利完成。

2016年，全省确定各州（市）、重点企业的污染减排基数和核定减排任务，制定了全省2016年度主要污染物总量减排计划和609个重点项目，随后印发《云南省环境保护厅关于2016年度主要污染物总量减排工作的若干意见》等文件，进一步深化政策措施，强化了减排支撑体系。在污水处理厂督察方面，省环保厅与省住建厅继续执行每月一会商、每月一通报、每月一约谈、每月一督察的工作机制，每月向省政府报告进展。（《云南信息港》）

云南推进机动车驾驶培训改革

日前从省道路运输管理局获悉，云南省计划用2至3年分步完成机动车驾驶培训改革各项工作任务，基本建立开放有序、公平竞争、服务优质、管理规范的驾驶培训市场体系，基本解决培训中的不便利、不规范、不经济等问题。

省道路运输管理局负责人介绍，我省将把贯彻落实新《大纲》作为机动车驾驶培训的一项重要基础工作，监督驾驶培训机构按照新《大纲》要求，调整教学计划，积极提供“计时培训、按学时收费、先培训后付费”的服务模式；提高教练员规范化教学能力；积极采用课堂教学和远程网络教学相结合的方式；优化教学组织方式，进行差异化教学，提高培训效率，确保教学质量，把培养学员的安全文明驾驶意识贯穿整个培训过程。 （《云南日报》）

沪昆、云桂铁路2016年12月28日正式开通

上海至昆明高铁贵阳至昆明段以及云桂铁路开通运营。沪昆高铁贵阳至昆明段以及云桂铁路车票2016年12月26日18时起开始发售。南宁铁路局微信公众号还了云桂铁路票价。

中国铁总表示，初期将安排开行贵阳北至昆明南间G字头动车组列车11对。2017年1月5日后，将开行北京、上海、广州、郑州、武汉等方向到昆明的G字头动车组列车。另外，2017年1月5日后，云桂铁路将开行昆明至广州、北海等方向的动车组列车。届时，昆明到各大城市旅行时间将大幅缩短。（云南网）

2016年滇池治理项目完成投资23.93亿元

截至2016年11月，2016年滇池治理项目已完成投资23.93亿元，完成省政府要求年度投资计划的118.47%。

2016年昆明市计划实施的滇池污染治理项目中，有10个项目完成建设、50个项目正在实施、36个项目开展前期工作，已完成投资23.93亿元，占年度计划投资33亿元的72，52%。按照省政府确定的要求昆明完成20项重大建设工程和滇池治理项目投资20.2亿元，昆明完成年度投资计划的118.47%。（云南网）

2017年云南省家庭医生签约服务覆盖率在30%以上

空气质量预报范文第9篇

1相关研究与实践

1.1大气污染物排放清单的研究与建立2004年开始，上海市环境监测中心研究并建立了上海市大气污染物排放清单，并随着上海市环保3年行动计划的实施而不断更新完善。在1km×1km网格下，利用AP－42等排放系数、物料平衡、排放估算模型、燃料成分分析以及工程判定等方法对上海市工业点源(覆盖化学原料及化学制品制造业、金属制品业等33类行业)、流动源(机动车、船舶、火车和飞机)、面源(涉及工业分散燃料、涂料、植被、填埋场等10个类别排放源)排放大气污染物PM、PM10、PM2.5、SO2、NO2、VOCs、NH3等进行了全面、系统的估算定量，2007年又做了改进更新。国内也有不少学者开展了大气污染物排放源的清单研究。王海鲲等［6］应用国际机动车排放模型(IVE)估算了上海市机动车污染物排放量;黄嫣旻等［7］借鉴美国EPA提出的AP－42方法，利用动力学粒径谱仪的颗粒物粒径分析对公式系数修正后，估算了上海市吴淞工业区2004年铺设道路不同粒径的扬尘量;孙娟等［8］利用遥感影像资料，分析了上海市扬尘污染源的空间分布特征与规律，计算了上海市主要扬尘源的起尘;董艳强［9］、李莉等［10］在长三角区域排放清单方面也开展了多方位的研究。

1.2上海市环境空气质量数值预报系统从1973年第一次全国环保工作会议开始，我国陆续在大气扩散模式、污染气象学以及空气污染预报等方面进行了多项研究［11－12］，并基本形成了由潜势预报、统计预报和数值预报相结合的空气质量预报系统框架。随着计算机技术的迅速发展和预报模拟精度和准确度的不断提高，特别是第3代数值预报系统的持续完善，数值预报越来越受到环保部门的重视。北京、上海、广州、沈阳、武汉等城市先后实现了数值预报常规的业务化运行［13］，为城市空气质量预报预警提供了重要技术支撑。上海市环境监测中心、中科院大气物理研究所、南京大学、上海交通大学联合研制开发了上海市空气质量数值预报系统，其数值模式体系包括嵌套网格空气质量预报模式系统(NAQPMS)、CMAQ4.4、CMAQ4.6、CAMx和WRF-Chem等模块。各模块均采用相同排放源、区域设置、网格划分和分辨率进行模拟计算，NAQPMS、CMAQ4.4、CMAQ4.6、CAMx由第5代中尺度气象模型(MM5)提供气象场数据，WRF-Chem则由气象模式(WRF)和化学模式(Chem)在线完成耦合。气象场初始资料采用NCEP(1°×1°)6h/次的分析资料，模式系统采用四重嵌套方案，最小区域水平分辨率为1km，在第1～3区域的排放源采用STREETS的东亚排放源，第四区域采用上海市环境监测中心等建立的上海市2007年排放清单数据，对污染物的排放、平流输送、扩散、气相液相及非均匀反应、干沉降以及湿沉降等物理化学过程进行模拟。上海市集合数值预报系统可以提供多种数值产品供空气质量预报员参考，包括各区域高空及地面气象场、主要污染物质量浓度空间分布图、探空曲线等(图1)。通常情况下预报效果良好。

1.3长三角区域空气质量监测数据共享平台的建立围绕世博会期间空气质量保障需求，长三角区域开展了空气质量联动监测，初步建立了长三角区域共享平台，实现区域空气质量监测信息共享。2010年4月26日，该平台正式运行，直接服务于长达184d的上海世博会。共享平台涉及上海、南京、苏州、连云港、南通、杭州、宁波、嘉兴和舟山等9个重点城市(图2)，共设54个空气质量监测点位，包括上海、南京、苏州、连云港、南通、杭州和宁波7个环保重点城市全部国控点位49个，上海市控点位2个，嘉兴和舟山2个非环保重点城市省控点位3个;选取舟山嵊泗李柱山空气质量监测站为区域海洋空气质量背景点，浙江杭州共享内容由空气质量小时浓度均值、城市日报数据、城市预报数据3个部分组成，小时浓度均值除了常规污染物SO2、NO2、PM10外，还包括PM2.5、O3、黑碳等参数。世博会期间的5月19日，共享数据明显反映了区域污染迹象，为上海市环保局启动世博预警联动方案提供了重要决策依据。长三角区域共享系统运行历时199d，共享数据超过120万个，共享数据翔实、较全面反映了上海及周边地区空气质量状况动态变化，充分发挥了环境预警监测的公共服务能力，为区域联动监测共享信息共创成果新模式进行了有益探索，是一次跨省数据共享尝试。不仅为世博会空气质量保障提供了重要技术支撑，也为长三角乃至全国区域性环境空气质量预测预警体系常态化运行提供了有益借鉴。

2长三角区域环境空气质量预测预警体

系构建的思考作为城市发展到成熟阶段的最高空间组织形式，城市群是由地域上集中分布的若干城市和特大城市集聚而成的庞大的、多核心、多层次的城市集团。2010年5月国务院正式批准实施的《长江三角洲地区区域规划》明确了长三角区域发展的战略定位。率先建设长三角区域世界级城市群，能为探索中国城市化道路积累经验，为我国城市群建设提供示范。从环境角度来看，长三角区域地理位置、气象条件、污染成因相近，大气污染相互作用明显，面临相似的大气污染问题，开展区域空气质量预测预警系统建设不仅必要，而且可能。世博会期间长三角区域污染联防联控的有效运行和明显成效就是很好的例证。区域监测网络搭建和数据共享，为后世博长三角区域常态性污染控制联动奠定了基础，目前江苏、浙江两省环保部门借助世博经验，开展了一系列省内大尺度大气污染相关的科学研究。这些区域内的研究和实践，使得构建能够长效运行的长三角区域空气质量预测预警体系的条件逐渐成熟。而从更高行政层面上的组织和推动，将会使区域性大气污染联防联控提高到一个新的水平。构建长三角区域环境空气质量预测预警体系，主要从区域监测网络和共享信息平台搭建、区域排放清单、区域数值预报系统、预报会商系统以及专业技术和复合型人才队伍建设等方面着手，体系的有效运行可以直接为政府污染控制提供技术支撑，但需要有不同行政层面的管理制度支撑和保障。

2.1区域监测网络和共享信息平台建设环境空气质量监测网络是评估环境空气质量、制定大气污染控制对策的技术支撑，也是科学预测预警的依据，是预测预警体系中重要的基本组成部分。

2.1.1全方位区域空气质量监测网络构架近年来，长三角区域内重点城市的环境空气质量监测站点从数量和布局上都有了较大的发展和调整，尤其在布局的点位代表性上更加科学合理。但是限于目前国家环境空气质量标准中监测指标和日报要求，现有的空气质量监测站大多集中在城市区域，且监测项目主要以常规大气污染物为主，而反映更大范围区域尺度的大气复合污染的监测网络，国内也仅在珠三角区域刚刚起步。借鉴美国、欧洲、日本等发达国家与中国香港地区空气质量监测网络建设的先进经验和发展历程［14－15］，在长三角区域江、浙、沪两省一市重点城市现有监测站点的基础上，结合长三角区域大气复合污染的特征和现状，借助目前开展大气污染机理多层面、多方向的研究成果，建立包括卫星遥感技术在内的全方位、立体化区域空气质量监测网络。重点考虑从常规因子的监测到引发污染全过程监测、从基于城市监测到区域尺度监测、从地面监测到立体监测的建设思路。整个网络站点具有不同功能上的代表性。1)常规监测。以现有监测站点为基础，优化监测网络，选择区域代表性常规监测站点纳入区域监测网络，突破世博会期间长三角区域的9个城市，扩展城市点位若干，从不同气象条件影响考虑区域城市间的污染传输和相互影响，补充监测点位，同时考虑设置1～2个区域背景点位，构成区域空气质量监测网络基本站点。2)区域输送监测。在几个常年区域污染输送主通道的监测点位，包括农村地区新增点位代表区域输送监测站点，提供污染物沉积、扩散和区域输送路径的监测，作为判断污染物扩散、迁移和输送路径分析依据，提供区域范围内各个城市污染空气质量预报预警的数据支撑。3)灰霾监测。灰霾是区域大气污染的一种典型现象，灰霾监测站除了具备常规监测能力外，还需要增加有机碳、元素碳、气溶胶粒径、黑碳、能见度、浊度等可作为灰霾监测指标的专用仪器设备。另外，通过卫星遥感技术反演大气中气溶胶光学厚度，有利于掌握宏观尺度的区域灰霾污染情况。激光雷达可以探寻灰霾天气中气溶胶浓度在垂直断面上的时空分布，可以用来判断气溶胶的来源与分布，并能够提供其运动方向与趋势等重要信息［16］，因而整个网络建设中，考虑设3～5个站点作为区域性灰霾监测点位，可以根据长期观测需求经专家论证后增补建设。4)超级站。超级监测站监测项目齐全，监测手段和监测能力强大，能够监测和反映复杂空气污染的全过程和变化规律，实现对大气污染物组分、二次污染前体物和形成机理、源和受体的关系、气象条件对污染物传输的影响等深层次的科学研究和环境管理的需求。因此，建设区域内包括离子在线色谱、臭氧前驱VOC组分分析系统、NOX监测技术以及上述灰霾相关指标监测手段等在内的若干超级站，作为监测网络中一个重要组成部分，真正实现监测从常规监测向污染全过程监测发展、从城市常规监测向区域尺度污染诊断监测发展。

2.1.2质量保证和质量控制(QA/QC)体系为了确保监测数据的准确性、可靠性和可比性，必须加强在线标定技术、子站运行状态在线测控技术、流量在线测控技术、采样总管技术等关键共性技术的研发，开发各类监测仪器设备的通用智能接口。形成一整套长三角区域监测网络设计、站点选择和配置，数据集成和通信的技术、指南、标准、规范，建立ISO/IEC17025框架下统一的质量保证和质量控制(QA/QC)体系，确保监测仪器维护、监测数据采集、传输、数据审核、综合分析的准确性和可靠性。2.1.3数据中心和数据共享世博期间，长三角区域成功尝试了跨省环境监测数据共享，为区域预测预警系统的监测网络数据共享奠定了良好技术基础。建立长效运行的长三角空气质量预测预警系统的监测网络数据中心宜由1个总数据中心(长三角区域数据中心)和3个分数据中心(江苏、浙江、上海数据分中心)组成，监测网络的实时数据通过无线或宽带分别汇集到3个分中心，由分中心自动审核处理后再共享到长三角区域数据中心。数据中心之间采用网络服务进行数据交换，以达到实时数据交换的目的。

2.2区域排放清单的建立上海市2004年建立、2007年更新的大气污染物排放清单，在本地空气质量预测模型运行中发挥了重要作用，效果良好。目前所掌握的长三角区域排放清单较粗，当发生区域型污染时数值模拟效果通常较差。因而，搭建长三角区域空气质量预测预警体系能否准确有效，在很大程度上依赖于长三角各重点城市污染源排放清单的建立。点源排放清单。充分利用污染源普查数据资源是快速建立长三角区域各城市点源排放清单的有效途径。流动源清单。流动源包括机动车、船舶、飞机等。采用IVE模型建立机动车污染物排放清单在国内已有成功实例［17－19］，排放系数是进行船舶、飞机排放的主要方法。面源清单。包括非点源和线源的排放源，人口、面积、GDP、工业产值、燃料消耗、土地利用情况等通常是估算面源排放的基础数据，遥感技术是土地利用情况数据获取的便捷途径。排放因子主要可引用国外的研究成果［20－24］，同时也可引用国内的部分实验结果［25］。利用GIS技术将排放清单进行空间定位、网格化，以便于数值模型使用。随着国家节能减排政策的实施和总量控制规划的逐步落实，排放源的排放情况会有很大变化，因此区域排放清单的定时更新也是保证预测预警系统精准的重要环节。

2.3区域多模式集合预报系统开发多模式集合预报是在统一的区域设置、统一污染源排放清单、统一气象预报场条件下，使用多个数值预报系统对区域空气质量进行模拟预报，目前较为流行的模式有嵌套网格空气质量预报模式系统(NAQPMS)、CMAQ、CAMx等。奥运会和世博会期间均采用了多模式空气质量预报技术，对比分析结果表明，多模式集合预报系统能够降低系统误差，模拟效果好于单模式预报结果［26－27］。不同模式都具有各自特征，故多模式集合预报系统可以给预报员提供更为丰富的参考资料。在区域数据共享的基础上，将观测资料同化技术应用到长三角区域多模式集合预报系统开发中，在一定程度上可以弥补排放清单建立的不确定性。

2.4区域预报会商制度建立区域预报会商是预测、预报、预警工作的重要环节，预报会商群策群力、沟通预报思路、交流预报技术，通过预报会商可以充分进行信息交换和思路交流，提升区域空气质量预测预警的准确率。在江、浙、沪建立预报分中心，建立会商机制。会商种类分定期会商和专题会商，定期会商为按日、周、月、年等时间尺度的空气质量预报会商;专题会商为针对区域高污染事件、重要节日以及其他非常规的临时性会商。会商形式可以为电话会商、会议会商、网络即时通会商和可视化会商等。

2.5人才队伍建设专业技术人才和复合型人才是区域预测预警系统不可或缺的组成部分，包括区域预报员、信息系统开发和维护人员及专家组等。区域预报员维持区域预测预报的日常工作，每天定期进行预报会商，特殊情况下组织专题会商;信息系统开发维护人员负责信息系统的维护和改进工作;专家组应当由环保专家和气象专家等组成。人才培养的渠道，首先要进行专业培训，增加理论素养;第二，在实际工作中加强锻炼，理论联系实际;第三，吸取国内外的先进经验和方法，在交流中提高;第四，引进专业人才，充实技术队伍。

2.6长三角区域污染联防联控组织机构世博会空气质量保障的经验启示，跨行政区域的技术管理层面合作，必须有来自国家、省、市环保行政管理部门的多方面协调和支持，建议建立由江、浙、沪环保行政管理部门组成的长三角区域污染联防联控组织机构牵头，在该组织的工作框架下构建长效运行的长三角空气质量预测预警系统才会有序推进，否则仅依靠监测系统内部技术人员的交流沟通难以实现真正的区域层面的合作。

3结论

空气质量预报范文第10篇

新增监测站点有严格要求

“手机上显示的是实况信息，它是1小时更新一次的。”记者指着手机上的空气质量软件询问时，李云婷介绍道。除了实况，监测中心每天上午还要做前一天的空气质量总结，傍晚时则当天晚上和第二天的空间质量预报。由于目前还没有关于预报的相关标准及规范，所以是按公众的生活习惯，并且根据污染物空间分布的大致特点，把北京市分成5个区域，对污染物指数和级别进行夜间和白天时段的预报。

空气质量监测的过程是由监测子站前端仪器进行采样，把污染物浓度分析出来，用无线网络的方式传输到机房，在传输前系统会自动剔除无效数据，并将实时监测结果到网站或者手机上。而做预报时，需要通过结合多种监测手段得到实况结果，在专业的预报模型基础上，再参考很多资料，比如天气预报等，对趋势和程度进行判断。主预报员和值班员会进行会商，“这其中必须结合人为判断，如春节要考虑到烟花燃放，或者沙尘天气来了，最终是在模式计算的结果之上，结合预报员的判断获得最终的预报结果。” 李云婷表示。

北京市共有35个监测点，其中有8个点是2012年新增的。新增站点中有5个是交通污染监控点，分布在有代表性的城市交通要道上，另外3个则是区域背景传输点，“原来已经有3个区域点，它们都是分布在北京跟周边省市空气流通的几个通道上，比如八达岭、东北方向的密云水库，东南方向的永乐店等，这6个点环成一圈，基本把北京与周边平原地区的几个主要通道都覆盖了。”李云婷说。

监测点的新增有着严格规范。1984年，北京市空气质量监测起步时只有8个点，此后逐步新建。最初建站时是把北京市划分成网络，通过手工采样，然后根据污染物浓度分布的整体状况，确定对城市环境有代表性的区域并计划设点。但事实上，新增一个点并不容易，国家对监测点选址还有技术上的要求，比如多少公里内不能有直接污染源，不能有树木、建筑物遮挡等。

清华大学环境学院大气污染控制教研所副研究员马永亮认为，北京市布了35个监测点，已经算比较密集，而且这些点按照不同功能类型进行选址，能够较为客观地反映北京市空气质量的整体状况，“监测工作都是严格地按照技术规范，的数据也应该是可信的，而且我们自己这些年也在做监测，环保部门的数据和我们的数据是基本一致的。”马永亮对记者说。

空气质量科普还有待于深化

相对其他省市，北京市的空气质量监测工作无疑是走在前列的，尤其是在北京奥运会之后，在监测渠道和配套工作方面都有了很大发展。同时，市民对空气质量信息的需求也在加大。1月1日，北京市环境保护监测中心“北京空气质量”监测数据实时页面正式上线，公众可以随时登陆了解最新的监测信息，北京市主要报纸、电视台也进行及时的和预报。

“应该说，信息的渠道都有了，但不能说都覆盖到了，我们自身平台的影响力还非常小。”李云婷介绍说，目前公众对于如何看待质量指数、怎么把浓度和评价关联起来这些问题理解和认识已经比前些年有了很大提升，但也还有一部分人群尚未了解这些信息，需要对相关知识多宣传，“我们也在寻求与更多有影响力的主流媒体合作，提升空气质量的影响力，加强我们与公众的互动交流。”

监测工作除了给市民生活提供参考，更重要的是为空气污染治理提供依据。监测点的数据汇总到监测中心后，有一部分会对外公布，还有一些专业的分析数据，最终提供给管理部门作为决策依据，“通过这些数据，我们可以知道环境总体状况、趋势、空间差异，得出哪个地方该如何减排，根据污染源如何开展治理。统计工作是非常多的，而且今后我们还要进化深化。”李云婷对记者说。

李云婷介绍说：“空气质量在不同的月份之间是有所波动的，比如今年1月份空气质量确实很差，但是4月份的空气质量又好于往年。评价空气质量的整体变化趋势，还是应该放眼于更长的时间尺度。但同时，对于类似1月份的重污染过程，也应给予格外的关注和重视。”