使用高分辨率快速更新 (HRRR) 数据准备分散模型表面气象输入
Xueying Zhang1,2, Elaine Symanski1,2, Hannah Renee Paduch2
1Department of Medicine, Section of Epidemiology and Population Sciences, Baylor College of Medicine, Houston, TX, USA.
高分辨率快速更新 (HRRR) 数据通过提供比传统气象站更准确的气象输入来改善空气污染分散模型. 这种新的框架增强了预测,特别是在观测数据稀少的领域.
科学领域:
- 大气科学 大气科学
- 环境科学 环境科学
- 空气质量建模空气质量模型
背景情况:
- 准确的气象数据对于空气污染分散模型至关重要.
- 传统模型使用固定位置的气象站数据,由于分布稀疏,在捕捉微尺度变化方面存在局限性.
- 观测数据中的差距阻碍了准确的污染预测,特别是在偏远或数据稀疏的地区.
研究的目的:
- 开发和评估一个新的框架,用于生成美国气象学会/环境保护局 (EPA) 监管模型 (AERMOD) 兼容的地表气象数据,使用高分辨率快速更新 (HRRR) 数据集.
- 评估HRRR衍生的气象数据在预测与交通相关的二氧化 (NO2) 度的性能,使用研究线源 (R-LINE) 分散模型.
- 将HRRR数据的预测精度与传统的观测气象数据进行比较.
主要方法:
- 从3公里的每小时HRRR数据集生成了AERMOD兼容的地表气象数据 (.sfc).
- 创建了HRRR气象数据的三个场景,包括对对流动和稳定的行星边界层条件的调整.
- 在R-LINE模型中应用HRRR衍生和AERMET处理的观测气象数据来预测美国443个监测地点的NO2度.
- 使用确定系数 (R2) 和协议指数 (IOA) 评估模型性能,通过将预测的NO2与测量数据进行比较.
主要成果:
- HRRR衍生的气象数据场景与观察数据 (R2=0.16) 相比,平均R2 (0.26) 更高,表明解释变异增加了60%以上.
- 在预测NO2度方面,HRRR数据通常优于观测数据,特别是在离气象站更远的地方,交通量不同的地方.
- 网站特定的协议指数分析显示,HRRR输入在美国大陆的大部分地区表现更好,但与观察数据相比,在密集的城市地区效果较差.
结论:
- 高分辨率快速更新 (HRRR) 数据集为空气污染分散模型的传统观测数据提供了可行且潜在的优越替代方案.
- 开发的框架证明了HRRR数据在提高分散模型的准确性方面的潜力,特别是在数据稀缺的环境中.
- HRRR数据显示,对二氧化等污染物的预测能力得到了增强,这突显了其对空气质量管理和研究的实用性.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
相关概念视频
Precipitation Processes
Precipitation and Co-precipitation
Precipitation Gravimetry
In determining nickel by gravimetric analysis, a precipitant of ethanolic dimethylglyoxime is added to a hot nickel salt solution. This is quickly followed by the dropwise addition of dilute ammonia solution until precipitation occurs. A...
Precipitation Titration: Overview
A precipitation titration curve demonstrates the change in concentration of the titrant or analyte upon adding the...
Influence of Earth's Curvature and Atmospheric Refraction on Leveling
