一种PM2.5浓度的季度预测方法技术

本发明专利技术公开了一种PM2.5浓度的季度预测方法，属于空气质量预测技术领域。它包括步骤：S100：收集区域的数据并对数据进行筛选，其中，数据包括气象数据、污染数据和基准排放清单数据；S200：根据筛选后的数据构建区域的气象‑空气质量模型；S300：根据筛选后的数据和气象‑空气质量模型获取区域的反演季度排放清单；S400：收集全球气象预报场数据，并根据全球气象预报场数据构建预测模型；S500：根据反演季度排放清单并利用预测模型模拟得到区域PM2.5的季度预测浓度。本发明专利技术克服了现有技术中，无法实现长时间尺度的PM2.5浓度预测的不足，提供了一种PM2.5浓度的季度预测方法，可以实现长时间尺度的PM2.5浓度预测，从而可以为精细化治理提供更多的管控提前量。

【技术实现步骤摘要】
一种PM2.5浓度的季度预测方法
本专利技术属于空气质量预测
，更具体地说，涉及一种PM2.5浓度的季度预测方法。
技术介绍
随着近些年国民经济和城市化进程的快速发展，空气污染、灰霾事件频发，空气质量预报日益成为政府和公众关注的焦点问题。自2013年以来，以《大气十条》和国家生态环境治理的总体要求为推动力量，全国多个省、市和区级环境监测单位具备了基于第三代空气质量数值预报模型WRF-CMAQ等技术实现未来7-15天的短期空气质量预报的业务能力，其中预报的污染物浓度数据包括PM2.5、PM10、O3、NO2、SO2、CO等6种污染物浓度。PM2.5又称细颗粒物，细颗粒物指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质(例如，重金属、微生物等)，且在大气中的停留时间长、输送距离远，因而对人体健本文档来自技高网...

【技术保护点】
1.一种PM2.5浓度的季度预测方法，其特征在于，包括以下步骤：/nS100：收集区域的数据并对数据进行筛选，其中，数据包括气象数据、污染数据和基准排放清单数据；/nS200：根据筛选后的数据构建区域的气象-空气质量模型；/nS300：根据筛选后的数据和气象-空气质量模型获取区域的反演季度排放清单；/nS400：收集全球气象预报场数据，并根据全球气象预报场数据构建预测模型；/nS500：根据反演季度排放清单并利用预测模型模拟得到区域PM2.5的季度预测浓度。/n

【技术特征摘要】
1.一种PM2.5浓度的季度预测方法，其特征在于，包括以下步骤：
S100：收集区域的数据并对数据进行筛选，其中，数据包括气象数据、污染数据和基准排放清单数据；
S200：根据筛选后的数据构建区域的气象-空气质量模型；
S300：根据筛选后的数据和气象-空气质量模型获取区域的反演季度排放清单；
S400：收集全球气象预报场数据，并根据全球气象预报场数据构建预测模型；
S500：根据反演季度排放清单并利用预测模型模拟得到区域PM2.5的季度预测浓度。


2.根据权利要求1所述的一种PM2.5浓度的季度预测方法，其特征在于，步骤S200中构建气象-空气质量模型的具体过程为：
根据中尺度气象模型构建区域的气象模型，并根据区域的气象数据对该气象模型进行驱动得到区域的气象模拟数据；
根据第三代空气质量模型构建区域的空气质量模型，并根据区域的基准排放清单数据和气象模拟数据对该空气质量模型进行驱动。


3.根据权利要求2所述的一种PM2.5浓度的季度预测方法，其特征在于，步骤S300中获取区域的反演季度排放清单的具体过程为：
根据气象-空气质量模型构建清单反演模型；
根据清单反演模型获取每日反演后的排放清单；
根据每日反演后的排放清单和清单反演模型得到上一年度t-365-d至t-365+d以及本年度t-d至t的修订后日变化反演排放清单；其中，t为起报日期，d为预报时长，d≤90；
利用外推法得到本年度t至t+d日的反演季度排放清单。


4.根据权利要求1所述的一种PM2.5浓度的季度预测方法，其特征在于，步骤S400中构建预测模型的具体过程为：
收集起报时间为t，预报时长为d的全球气象预报场数据；
根据中尺度气象模型构建区域的季度气象预报模型；
对全球气象预报场数据进行融合处理，融合处理的结果作为气象初始场驱动气象预报模型进行季度气象预报，该季度气象预报的起报时间为t，预报时长为d；
根据第三代空气质量模型构建区域的空气质量预报模型。


5.根据权利要求3所述的一种PM2.5浓度的季度预测方法，其特征在于，...

【专利技术属性】
技术研发人员：刘良冬，周德荣，江飞，
申请(专利权)人：南京创蓝科技有限公司，南京大学，
类型：发明
国别省市：江苏;32