CN102175216A - 城市大气混合层高度的预测方法 - Google Patents
城市大气混合层高度的预测方法 Download PDFInfo
- Publication number
- CN102175216A CN102175216A CN 201110047598 CN201110047598A CN102175216A CN 102175216 A CN102175216 A CN 102175216A CN 201110047598 CN201110047598 CN 201110047598 CN 201110047598 A CN201110047598 A CN 201110047598A CN 102175216 A CN102175216 A CN 102175216A
- Authority
- CN
- China
- Prior art keywords
- height
- mixed layer
- atmospheric
- mixolimnion
- atmospheric mixed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市大气混合层高度的预测方法,其特征在于,获取某一城市的当前气象数据,所述的气象数据为:空气温度T、大气压力P、太阳辐射值SR、空气湿度RH、风速WS、露点温度DT,再根据MLH=α1T+α2P+α3SR+α4RH+α5WS+α6DT计算出该城市的大气混合层高度的预测值;式中的MLH为大气混合层高度;式中α1~α6为回归系数,回归系数由历史的气象数据和历史的大气混合层高度经统计学多元线性回归方法获得。该城市大气混合层高度的预测方法能简单、快速、准确地预测城市大气混合层高度值。
Description
技术领域
本发明属于城市气象与城市环境空气污染监控与治理技术领域,涉及一种城市大气混合层高度的预测方法。
背景技术
近年来,城市热岛效应与空气污染引起了人们的高度关注,这一方面与城市活动产生的热源与污染源有关,另一方面与城市的气象条件密切相关。特别是位于城市地面与上空自由大气之间的大气边界层,决定着地球表面与周围大气之间的所有物质(污染物)与能量(热量)的交换,是造成城市热岛效应与空气污染的最关键气象条件与因素。
大气边界层最主要的结构特征是湍流,即边界层内部空气与其他物质(包括污染物)充分均匀混合,因此通常也称为大气混合层。混合层高度对于城市空气中污染物的扩散与稀释或污染物浓度具有直接的影响,因为它决定了稀释污染物的空气量多少(=城市面积×混合层高度)。城市大气混合层高度越低,稀释污染物的空气量就越少,污染物浓度会越高;反之,大气混合层越高,污染物浓度就越低。因此,大气混合层高度为预测与评价城市空气污染提供重要依据。
大气混合层高度也是城市环境规划与空气质量管理的重要依据。作为一种气象参数,混合层高度不仅随时间不断发生变化,而且随空间地点发生变化。这样,我们能够根据城市大气混合层高度的时空变化特性选择污染企业的排放时间与确定污染企业分布地点,即选择混合层高度较高的时间段与区域向大气排放,这样既有利于污染物的快速扩散与稀释,又能够避免对城市空气造成严重污染。
尽管具有上述重要性,大气混合层高度(或大气边界层)是目前唯一未被充分认识与利用的气象参数,其根本原因是没有直接有效的测量工具与方法。目前基本上采用间接测量获得,即通过测试气象参数在近地面不同高度上的分布与变化来确定混合层高度,因为混合层内气象参数由于湍流作用基本上不发生变化,而在混合层外发生不连续显著变化。测试方法主要包括无线电探空与远程雷达探测两大类,前者主要通过现场释放无线电高空探测气球来获得,而后者主要利用声雷达或激光雷达远距离探测。前者对技术与设备要求简单,可靠性高,但需要现场测试而且操作费时费力,每天只能进行非常有限次(通常两至四次)测试,因此不能获得大气混合层高度的实时变化。后者虽然可以实时远程监测,但雷达设备非常昂贵,一般气象站无法满足要求,很难推广使用。
为克服上述间接测试的困难与不足,目前多采用理论型参数化模型进行估计与预测大气混合层高度及其变化特性,如我国GB/T13201国家标准推荐根据大气稳定度来确定混合层高度的计算方法。这些参数模型都是物理学或机理假设模型,尽管物理意义明确,但在实际应用中存在两方面问题:一方面,模型理论尚不成熟,模型多为经验表达而且计算过程复杂,准确性差;另一方面,理论模型需要一些非常规的高空探测参数(如地球表面阻力速度、云层云量等信息),应用困难。
间接测试与理论模型的不足导致“大气混合层高度”概念虽然重要但一直悬而未解,使大气混合层高度应用价值未能得到充分利用与推广。
发明内容
本发明所要解决的技术问题是提出一种城市大气混合层高度的预测方法,该城市大气混合层高度的预测方法能简单、快速、准确地预测城市大气混合层高度值。
本发明的技术解决方案如下:
一种城市大气混合层高度的预测方法,包括以下步骤:获取某一城市的当前气象数据,所述的气象数据为:空气温度T、大气压力P、太阳辐射值SR、空气湿度RH、风速WS、露点温度DT,
再根据MLH=α1T+α2P+α3SR+α4RH+α5WS+α6DT计算出该城市的大气混合层高度的预测值;式中的MLH为大气混合层高度;
式中α1~α6为回归系数,回归系数由历史的气象数据和历史的大气混合层高度经统计学多元线性回归方法获得。
采用统计学多元线性回归方法对白天与夜晚分别进行线性回归,分别获得白天与夜晚的回归系数。
所述的白天为8:00-19:00时段,所述的夜晚为20:00-7:00时段。
空气温度T、大气压力P、太阳辐射值SR、风速WS、露点温度DT和大气混合层高度的单位分别为:℃、hPa(hPa指100Pa,即100帕斯卡)、W/m2、m/s、℃和m,空气湿度RH采用百分数值。
本发明的技术构思:
根据一些城市多年的每小时的大气混合层高度与基本气象参数(包括太阳辐射、温度、压力、相对湿度、风速、露点温度)的Pearson相关性分析,标明城市大气混合层高度与这些气象参数之间均具有显著的相关性,比如,根据长沙市2005-2009年每小时的大气混合层高度与基本气象参数(包括太阳辐射、温度、压力、相对湿度、风速、露点温度)的Pearson相关性分析,表明城市大气混合层高度与这些气象参数之间均具有显著的相关性,其相关系数依次为0.830**、0.384**、-0.132**、-0.649**、0.405**、0.125**(**表示显著相关)。因此,本发明基于这些参数与每小时的大气混合层高度的相关性构造每小时的大气混合层高度的统计学模型,并通过数据拟合获得该模型的具体系数,从而完成对城市大气混合层高度的建模。最后再根据建模后得到的统计学模型对当前的城市大气混合层高度进行预测。
有益效果:
本发明的城市大气混合层高度的预测方法,具有以下优点:
(1)采用简单且容易获得(小型或微型气象站)或当地气象局实时公布的基本气象数据计算大气混合层高度,一方面大大降低了研究成本,另一方面大大提高了研究效率,从而为大气混合层高度实用化提供了可能。
(2)统计学模型(即前述的计算公式MLH=α1T+α2P+α3SR+α4RH+α5WS+α6DT)是对过去多年大气混合层高度变化的总结与分析,充分考虑了各气象参数的影响,模型结果更准确、更可靠。实践表明,本发明的预测方法准确度较高,预测值与测量值的相关系数高达0.886,详见实施例。
(3)通过本发明的城市大气混合层高度的预测方法,可以方便快速估计与预测大气混合层高度及其变化特性,并使其成为一种工具与技术,为城市空气质量预报与管理提供科学依据。
附图说明
图1为长沙市2009年夏季(6月至8月)大气混合层高度一天24小时变化趋势图;
图2是长沙市2005~2009五年大气混合层高度回归模型计算结果与NOAA公布结果之间的比较示意图;
图3是2010年1~10月大气混合层高度预测结果与美国海洋大气管理局NOAA(http://www.noaa.gov/)公布数据的比较图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
该发明提出的城市大气混合层高度的预测方法具有一般性与通用性,可以直接推广使用,具体实施方式如下:
(1)首先选定城市或城市区域,然后获取该城市或城市区域的大气混合层高度与基本气象参数历史数据。
(2)采用基本气象参数建立大气混合层高度回归模型。首先大气混合层高度。一方面,从美国海洋大气管理局NOAA(http://www.noaa.gov/)下载过去五年(2005~2009)每天24小时某一城市(如长沙市)大气混合层高度数据(我国目前尚未公开城市混合层高度数据),另一方面,由国际气象网站(http://www.wunderground.com/)公开公布的气象数据中获得长沙市过去五年(2005~2009)每天24小时的基本气象参数数据。
(3)获得实时气象参数数据。本发明混合层高度预测模型仅需最基本的六个气象参数(包括空气温度、露点温度、大气压力、相对湿度、太阳辐射、地面风速),可采用任何小型或微型气象站(市场产品类型非常多,价格比较便宜,均能提供上述参数)直接测试或采用当地气象局公布的数据(如长沙气象局网站http://www.csqx.com/、北京市气象局网站http://www.bjmb.gov.cn/等)。
(4)将实时气象数据按照白天(08:00-19:00)与晚上(20:00-07:00)分类,分别输入本发明已给出的大气混合层高度的回归模型公式MLH=∑(αixi)=α1T+α2P+α3SR+α4RH+α5WS+α6DT,从而实时计算出大气混合层高度的具体数值。此模型与数据具有理论完备性和科学精确性,并且该发明能够运用于对城市大气混合层高度的预测,例如用未来一周天气预报获得气象数据,运用该发明模型预测未来一周的城市大气混合层高度数据,从而可以提前掌握未来一周内的大气混合层高度变化,对即将出现的较低值提前预警,保障城市通风水平,避免城市污染激增。
实施例1:
以长沙市为例,具体说明上述回归模型(即前述的MLH的计算公式)的建立、实施与预测过程。
首先,获取历史数据。一方面,从美国海洋大气管理局NOAA(http://www.noaa.gov/)下载过去五年(2005~2009)每天24小时长沙市大气混合层高度数据(我国目前尚未公开城市混合层高度数据),另一方面,由国际气象网站(http://www.wunderground.com/)公开公布的气象数据中获得长沙市过去五年(2005~2009)每天24小时的基本气象参数数据。
其次,根据上述历史数据,利用SPSS(即中文的:统计产品与服务解决方案)统计学分析软件(任何统计软件都具备该功能)建立城市大气混合层高度与基本气象参数之间的多元线性回归分段模型如下:
白天(8:00-19:00):MLH=-11882+1.4*SR+56.4*WS+10.6*P+62.9*T-56.9*DT+12.3*RH;
夜晚(20:00-7:00):MLH=-679+0.07*SR+47.6*WS+0.8*P+10.6*T-8.9*DT-0.6*RH。
最后,利用上述回归模型实时预测长沙市大气混合层高度。图3是我们采用2010年1~10月的基本气象参数数据(http://www.wunderground.com/)计算的大气混合层高度变化,与美国海洋大气管理局NOAA(http://www.noaa.gov/)公布的数据非常一致,充分验证了回归模型的预测可靠性。
图1为长沙市2009年夏季(6月至8月)大气混合层高度一天24小时变化趋势图,可明显看出其白天与夜晚存在显著区别(夜晚平均值为200米左右,白天平均指则在200~1500米之间变化),因此本发明白天夜晚进行分段回归,以提高模型的可靠性。
图2是长沙市2005~2009五年大气混合层高度回归模型计算结果与NOAA公布结果之间的比较,二者的相关系数高达0.886(即相关性R2=0.8862=0.785),说明回归模型的可靠性。
图3是2010年1~10月大气混合层高度预测结果与美国海洋大气管理局NOAA(http://www.noaa.gov/)公布数据的比较,结果非常一致,充分验证了回归模型的预测可靠性。
说明:
(1)回归模型中城市大气混合层高度历史数据可以是如前所述的任何一种方法,如大型气象站远程探测或根据理论模型计算获得。
(2)本发明采用的基本气象参数原则是简单且容易获得(如采用小型或微型气象站能够实时测试的气象数据)或者当地气象局实时公布的气象数据,具体采用的气象参数包括:空气温度(T)、露点温度(DT)、大气压力(P)、相对湿度(RH)、太阳辐射(SR)、地面风速(WS)。
(3)由于大气混合层高度在白天与夜晚有显著性区别(见附图1),因此为提高回归模型的可靠性,本发明建议对白天与夜晚进行分段回归。
(4)上述统计学回归模型实现了采用非常容易获得或测试的基本气象参数来计算非常难以获得或测试的城市大气混合层高度的方法。
(5)通过现场测试或当地气象局实时公布的基本气象参数数据,根据上述多元线性回归模型即可实时计算与预测城市大气混合层高度及其变化。
由于对于不同的城市,其线性回归系数都是经过历史数据进行线性回归方法获得的,因此,本发明的方法具有普适性。即在任一个城市都可以使用,区别只在于不同城市中回归系数的具体数值不同。
Claims (4)
1.一种城市大气混合层高度的预测方法,其特征在于,包括以下步骤:获取某一城市的当前气象数据,所述的气象数据为:空气温度T、大气压力P、太阳辐射值SR、空气湿度RH、风速WS、露点温度DT,
再根据MLH=α1T+α2P+α3SR+α4RH+α5WS+α6DT计算出该城市的大气混合层高度的预测值;式中的MLH为大气混合层高度;
式中α1~α6为回归系数,回归系数由历史的气象数据和历史的大气混合层高度经统计学多元线性回归方法获得。
2.根据权利要求1所述的城市大气混合层高度的预测方法,其特征在于,采用统计学多元线性回归方法对白天与夜晚分别进行线性回归,分别获得白天与夜晚的回归系数。
3.根据权利要求2所述的城市大气混合层高度的预测方法,其特征在于,所述的白天为8:00-19:00时段,所述的夜晚为20:00-7:00时段。
4.根据权利要求1-3任一项所述的城市大气混合层高度的预测方法,其特征在于,空气温度T、大气压力P、太阳辐射值SR、风速WS、露点温度DT和大气混合层高度的单位分别为:℃、hPa、W/m2、m/s、℃和m,空气湿度RH采用百分数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110047598 CN102175216A (zh) | 2011-02-28 | 2011-02-28 | 城市大气混合层高度的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110047598 CN102175216A (zh) | 2011-02-28 | 2011-02-28 | 城市大气混合层高度的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102175216A true CN102175216A (zh) | 2011-09-07 |
Family
ID=44518427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110047598 Pending CN102175216A (zh) | 2011-02-28 | 2011-02-28 | 城市大气混合层高度的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102175216A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135113A (zh) * | 2013-02-05 | 2013-06-05 | 中国科学院大气物理研究所 | 测量大气边界层高度的方法 |
CN106680833A (zh) * | 2016-12-27 | 2017-05-17 | 成都信息工程大学 | 基于Logistic大气消光廓线识别混合层厚度方法 |
CN106845767A (zh) * | 2016-12-16 | 2017-06-13 | 浙江大学 | 一种行业科技发展力量化评估方法与评估系统 |
CN103761578B (zh) * | 2013-12-25 | 2017-10-31 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
CN109582910A (zh) * | 2018-12-11 | 2019-04-05 | 国网湖南省电力有限公司 | 基于空气混合高度的地面pm2.5的计算方法及系统 |
US10317572B2 (en) | 2016-09-23 | 2019-06-11 | International Business Machines Corporation | System, method and computer program product for data processing for atmospheric condition |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520515A (zh) * | 2009-03-31 | 2009-09-02 | 中国科学院安徽光学精密机械研究所 | 基于激光雷达的混合层高度的自动反演算法 |
-
2011
- 2011-02-28 CN CN 201110047598 patent/CN102175216A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520515A (zh) * | 2009-03-31 | 2009-09-02 | 中国科学院安徽光学精密机械研究所 | 基于激光雷达的混合层高度的自动反演算法 |
Non-Patent Citations (1)
Title |
---|
《中国环境科学》 19971231 程水源等 大气混合层高度的确定与计算方法研究 第512-516页 1-4 第17卷, 第6期 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135113A (zh) * | 2013-02-05 | 2013-06-05 | 中国科学院大气物理研究所 | 测量大气边界层高度的方法 |
CN103135113B (zh) * | 2013-02-05 | 2014-08-06 | 中国科学院大气物理研究所 | 测量大气边界层高度的方法 |
CN103761578B (zh) * | 2013-12-25 | 2017-10-31 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
US10317572B2 (en) | 2016-09-23 | 2019-06-11 | International Business Machines Corporation | System, method and computer program product for data processing for atmospheric condition |
CN106845767A (zh) * | 2016-12-16 | 2017-06-13 | 浙江大学 | 一种行业科技发展力量化评估方法与评估系统 |
CN106680833A (zh) * | 2016-12-27 | 2017-05-17 | 成都信息工程大学 | 基于Logistic大气消光廓线识别混合层厚度方法 |
CN106680833B (zh) * | 2016-12-27 | 2019-10-25 | 成都信息工程大学 | 基于Logistic大气消光廓线识别混合层厚度方法 |
CN109582910A (zh) * | 2018-12-11 | 2019-04-05 | 国网湖南省电力有限公司 | 基于空气混合高度的地面pm2.5的计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
Hoffmann et al. | A statistical model for the urban heat island and its application to a climate change scenario | |
US9229132B2 (en) | Meteorological parameter forecasting | |
CN102175216A (zh) | 城市大气混合层高度的预测方法 | |
Lu et al. | Characteristics of ventilation coefficient and its impact on urban air pollution | |
Ngan et al. | A study of nocturnal surface wind speed overprediction by the WRF-ARW model in southeastern Texas | |
CN102183800A (zh) | 基于大气混合层高度参数的城市通风状况的预测方法 | |
Ueno et al. | Sensitivity of ozone production to increasing temperature and reduction of precursors estimated from observation data | |
Gutiérrez et al. | A new gust parameterization for weather prediction models | |
Prueksakorn et al. | Applications of WRF/CALPUFF modeling system and multi-monitoring methods to investigate the effect of seasonal variations on odor dispersion: a case study of Changwon City, South Korea | |
CN113593191A (zh) | 一种基于大数据的可视化城市内涝监测预警系统 | |
Gramsch et al. | Citizens’ Surveillance Micro-network for the Mapping of PM2. 5 in the City of Concón, Chile | |
Večenaj et al. | Near-surface characteristics of the turbulence structure during a mountain-wave event | |
Denamiel et al. | Performance of the Adriatic Sea and Coast (AdriSC) climate component–a COAWST V3. 3-based coupled atmosphere–ocean modelling suite: atmospheric dataset | |
Sgoff et al. | Assimilation of crowd‐sourced surface observations over Germany in a regional weather prediction system | |
Sinclair et al. | Boundary-layer height and surface stability at Hyytiälä, Finland, in ERA5 and observations | |
US20150362624A1 (en) | Information conversion apparatus and weather prediction system | |
Gong et al. | Assimilating GNSS PWV and radiosonde meteorological profiles to improve the PWV and rainfall forecasting performance from the Weather Research and Forecasting (WRF) model over the South China | |
Zhou et al. | Roles of atmospheric turbulence and stratification in a regional pollution transport event in the middle reaches of the Yangtze River | |
Gires et al. | Combined high-resolution rainfall and wind data collected for 3 months on a wind farm 110 km southeast of Paris (France) | |
Tang | A case study of nesting simulation for the Southern Oxidants Study 1999 at Nashville | |
CN102183238A (zh) | 实时测量大气混合层高度的便携式装置 | |
WO2016146788A1 (en) | System and method for predicting solar power generation | |
Borges et al. | Ground-level ozone prediction using a neural network model based on meteorological variables and applied to the metropolitan area of São Paulo | |
Kramar et al. | Ground-based remote sensing of the ABL structure in Moscow and its use to estimate pollutant surface emission rates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110907 |