[发明专利]一种结合大尺度天气系统指数的中长期空气污染预报模型

说明书

技术领域

本发明涉及空气污染预报技术领域，具体涉及一种结合大尺度天气系统指数的中长期空气污染预报模型。

背景技术

近年来我国的空气污染愈演愈烈，严重威胁人们的健康。在已经开展的业务预报中，只有针对7天以内的空气污染预报。同时，利用大气扩散模式，根据污染源研究污染浓度变化的方法比较多，但此类计算方法密切依赖于污染源排放清单，对于对空气污染监测匮乏的地区，空气污染预报比较困难。

空气污染生消与天气形势密切相关，基于天气形势来进行空气污染中长期预报可以在一定程度弥补污染资料缺乏的问题，同时对于空气污染进行中长期预报。选择对于冷空气过程最为重要的大尺度天气系统-西伯利亚高压、阻塞高压和极涡等，本发明利用能够客观定量表征上述环流系统的指数，同时混合层高度指数和AQI(空气质量指数)指数，建立了一个冬季空气污染的中长期预报方程，这样得到的方程，能够很好利用目前天气预报中非常成熟的中长期天气形势预报结论，可以为空气污染中长期预报可以提供重要参考。

发明内容

为了解决现有技术中存在的问题，本发明提供了一种结合大尺度天气系统指数的中长期空气污染预报模型。

本发明的一种结合大尺度天气系统指数的中长期空气污染预报模型是利用历史大尺度天气系统指数和空气质量指数数据，统计分析空气质量指数与其他大尺度天气系统指数的相关性后得到的相关性方程式，所述相关性方程式为：

y(i)＝13.174×X₁(i)+12.614×X₂(i)+X₃，

其中，y为空气质量指数，X₁为极涡指数，X₂为西伯利亚指数，X₃为固定值，i为日期值。

本发明用到的历史大尺度天气系统指数和空气质量指数是利用常规气象数据、美国国家气象中心和美国大气研究中心提供的气象数据通过相关指数计算公式计算后得到的数据，所述中长期空气污染预报模型是利用SPSS统计分析得到的相关性方程式。

为了提高空气污染预报的准确性，所述相关性方程式通过后期的空气质量指数不断修正，所述固定值X₃的值为69，所述相关性方程式的拟合度为0.315。

所述相关性方程式中，X₁和X₂对y的滞后影响最大值为15天，X₁和X₂对y的滞后影响系数为0.328，所述相关性方程式通过0.01的显著性检验。

本发明首先遴选了对于冬季污染物生消过程影响较大的天气系统，包括极涡、阻塞高压和西伯利亚高压等，通过国际上最新的研究成果，选择能够实现计算机化的天气系统定量表征指数，进一步结合污染数据进行冬季空气污染的中长期天气预报，一是克服了局地污染源资料匮乏的缺点，另外，充分考虑了冬季冷空气过程及混合层对空气污染物集聚和扩散的影响，建立的污染预报模型，可以定量化地预报出未来7-15天的大气污染状况，这是对目前中长期空气污染预报空白的有益补充。

本发明利用目前发展成熟的中长期天气形势预报结论，采用易于实现计算机化的极涡和西伯利亚高压定量化表征方法，预报过程容易实现，预报结果清楚明了，易于向大众推广。预报模型既可以给出确定的AQI污染预报指数，又可以给出1-15天的空气质量趋势，可以在一定程度上填补中长期污染预报的空白。

附图说明

图1为本发明的技术方案示意图。

具体实施方式

以下具体实施例，对本发明的一种结合大尺度天气系统指数的中长期空气污染预报模型做进一步的详细说明。

实施例1：

本发明的一种结合大尺度天气系统指数的中长期空气污染预报模型，首先利用观测得到的常规气象数据以及NCEP(美国国家气象中心)、NCAR(美国大气研究中心)提供的数据，根据相关公式的算法通过Fortran编程计算极涡指数和西伯利亚高压指数。