汕头市PM2.5的气象要素影响分析及预报研究

• 作者: 吴晓燕 张宇烽 李玥莹 杜勤博 郑素帆 陈欢欢
• 来源期刊: 气象与环境学报
• 学科: 地球科学
• 关键词: PM2.5 气象条件 混合层厚度 BP神经网络模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论文
• 页码范围: 70-77
• 页数: 8页
• 分类号: P458.1+24
• 字数: 5984字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-503X.2019.05.009

摘要

利用2014—2017年汕头市PM2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因.在此基础上,根据汕头市的气候特点,采用BP(Back-Propagation)人工神经网络方法针对汛期和非汛期分别建立了PM2.5质量浓度预报模型.结果表明:与多数内陆城市不同,汕头市PM2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM2.5日均浓度随着风速的增大呈现减小趋势,PM2.5日均浓度与08时混合层厚度显著相关(相关系数为-0.143);汕头市非汛期PM2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水(暴雨以上除外)对PM2.5的清除效果无明显差别,而非汛期降水对PM2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM2.5级别命中率TS分别为100％和90.3％,准确指数分别为87.7％和89.9％,总体预报效果良好.不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宇烽		7	15	2.0	3.0
2	杜勤博		3	2	1.0	1.0
6	吴晓燕		3	2	1.0	1.0
7	郑素帆		3	2	1.0	1.0
8	陈欢欢		6	21	2.0	4.0
9	李玥莹		2	1	1.0	1.0