大气细颗粒物（PM2.5）高浓度污染预测技术方法研究

Because of the seriousness of the hazards to human health, the airborne fine particulate matter (PM2.5) has always been attached great importance to domestic and international environmental management sector and academia. However, the PM2.5 forecasting especially in adverse weather conditions is facing a great deal of difficulty because of its complexity. This study base on the full collection of meteorological and air quality data, as well as the theory of pollution meteorology, atmospheric and environmental sciences, by the method of statistical analysis, fuzzy clustering and numerical simulation to study the formation and the transmission mechanism of PM2.5. The study identifies the response relationship between the air quality in the process of high PM2.5 concentrations and weather background, and selects the typical pollution process for diagnostic analysis. Though identifying the formation, development and dissipation of the high PM2.5 concentration period, establish the weather-air quality relational model and the high concentrations of airborne fine particulate matter pollution forecasting techniques. Select Beijing as the target application location and the study will effectively enhance the predicting ability and accuracy of PM2.5.

大气细颗粒物（PM2.5）因其对人体健康危害的严重性，一直受到国内外环境管理部门和学术界的高度重视，但由于其形成和传输规律的复杂性，给PM2.5的预测特别是不利天气条件下高浓度污染的准确预测带来很大的难度。本项目拟在充分收集气象要素与空气质量数据等重要资料的基础上，以污染气象学、大气环境学等理论为基础，采用数理统计分析、模糊聚类、数值模拟等多种方法，对大气细颗粒物高浓度污染形成机制与传输规律进行研究，系统识别PM2.5高浓度污染过程中空气质量与天气背景、各类气象要素的响应关系，并选取典型污染过程进行诊断分析，识别细颗粒物高浓度污染过程的生成、发展和消散规律，研究建立气象-空气质量关系模型，形成大气细颗粒物高浓度污染预测技术方法，并以北京市为目标地点进行预测效果检验与应用示范，有效提升PM2.5高浓度污染预测技术水平和准确率。

大气细颗粒物（PM2.5）因其对人体健康危害的严重性，一直受到国内外环境管理部门和学术界的高度重视，但由于其形成和传输规律的复杂性，给PM2.5的预测特别是不利天气条件下高浓度污染的准确预测带来很大的难度。本项目以北京市为例，探索大气细颗粒物（PM2.5）高浓度污染预测技术和方法。项目在对环境监测、排放以及气象数据的整理和分析的基础上，在北京及其周边地区增设PM2.5采样点，探究了京津冀地区PM2.5浓度极其组份的变化特征，解析其主要来源，识别出周边排放源对北京的主要的传输路径，总结PM2.5重污染过程的形成原因。利用先进的气象与空气质量在线耦合模型WRF-Chem研究了空气污染对主要气象要素的影响以及不同物理参数化方案的选择对模型预测结果的作用。在此基础上，利用聚类分析、主成分分析等方法，结合数值预测手段建立了PM2.5高浓度污染过程的预测方法，并在北京进行了应用。结果表明：本项目建立的统计预报与数值预测相结合的预报技术对北京市大气细颗粒物（PM2.5）重污染的预报效果较好，研究成果为解决高浓度的细颗粒物污染预报问题提出了一种解决思路，可以在一定程度上对数值预报手段进行补充，研究成果可为环境管理部门提供空气质量预报支持。