公共文化服务平台

尉鹏: 作品数：42 被引量：576H指数：11; 供职机构：中国环境科学研究院更多>>; 发文基金：中央级公益性科研院所基本科研业务费专项国家自然科学基金国家重点基础研究发展计划更多>>; 相关领域：环境科学与工程理学经济管理医药卫生更多>>

合作作者

基于机器学习方法的西安市数值模拟优化研究被引量：15: 2021年; 为提高西安市ρ(PM_(2.5))及ρ(O_(3))预报准确率,更好地服务西安市预报预警工作,以CAMx模式预报结果为基础,结合中尺度WRF气象预报数据、ρ(PM_(2.5))及ρ(O_(3))观测数据,基于多元线性回归、岭回归、lasso回归、决策树、随机森林以及支持向量机6种机器学习优化模型,对西安市2019年PM_(2.5)及O_(3)模拟结果进行优化.结果表明:①CAMx模式对污染物的预报存在偏差,优化模型明显修正了CAMx模式的系统性偏差,提高了预报精度.②ρ(PM_(2.5))及ρ(O_(3))的均方根误差(RMSE)由174.00、37.11μg/m^(3)分别降至34.36~39.37、24.77~28.82μg/m^(3),相关性系数(R)由0.63、0.78分别提至0.70~0.78、0.83~0.88.③不同模型对模拟值的订正优势不同,随机森林对PM_(2.5)优化效果显著,优化提高率为80%;支持向量机对O_(3)的优化效果最理想,优化提高率为36%;线性回归方法对O_(3)的优化效果较好,但对PM_(2.5)的优化效果相对较差.研究显示,机器学习模型显著优化了CAMx模拟结果,反映了利用机器学习修正空气质量数值模式预报结果的研究意义和可行性.; 李娟尉鹏戴学之赵森张博雅吕玲玲胡京南; 关键词：WRF CAMX

北京夏季典型PM_(2.5)与O_3相继重污染事件分析被引量：3: 2015年; 根据北京市环境保护监测中心发布的PM_(2.5)和O_3小时质量浓度及气象、卫星遥感数据,分析了2013年7月2日至10日北京典型PM_(2.5)及O_3重污染过程的质量浓度特征及在大气边界层过程各个阶段的质量浓度演变。结果表明,北京夏季O_3质量浓度先于PM_(2.5)达到峰值,而天气型演变是导致这一现象的主要原因。具体过程为:1)重污染初始阶段,高压天气型利于前体物积累,PM_(2.5)及O_3质量浓度升高;2)在反气旋中部,由于各种污染物质量浓度较低,对大气紫外波段辐射的吸收较弱,导致该阶段紫外辐射强,因而加快了O_3生成的光化学反应,O_3质量浓度最先达到峰值;3)在反气旋后部,随PM_(2.5)质量浓度增加,辐射变弱,因此O_3质量浓度增加速度下降,而受高压后部影响,区域内PM_(2.5)经东南风输送通道进入北京,导致北京PM_(2.5)质量浓度相继达到峰值;4)在重污染清除阶段,在北方反气旋前部的冷锋清除作用下,PM_(2.5)及O_3质量浓度同时降低至谷值。; 尉鹏王文杰苏福庆任阵海白建辉潘本峰杨建辉魏复盛; 关键词：环境工程学天气型

应用WRF-chem探究气溶胶污染对区域气象要素的影响被引量：7: 2016年; 采用新一代on-line空气质量模式Weather Research Forecasting Model with Chemistry(WRF-chem)模拟探究中国气溶胶污染对4个季节净辐射量、温度、大气边界层高度和降水量等气象要素的影响.模型验证结果表明:WRF-chem可反映出我国四季气象条件和PM_(10)的浓度分布特点.由于气溶胶气候效应作用,受气溶胶污染影响,2006年1、4、7、10月月均净辐射量下降约10 W/m^2,月均温度下降0.15℃,月均PBL高度下降15 m.月均净辐射量、温度、PBL高度显著下降的区域集中在京津冀、长江三角洲、珠江三角洲、山东半岛、武汉及周边、长株潭和成都-重庆等气溶胶浓度较高的地区,秋季下降量最高,春季最低.与其他气象要素不同,气溶胶污染使得降水量有所增加.通过与美洲、欧洲等地区的相关研究对比发现,由于我国气溶胶污染较为严重,气溶胶对气象要素的影响更加显著.; 马欣陈东升温维盛黎胡江凯佟华尉鹏; 关键词：气溶胶污染气象要素气候效应

持续鞍型场导致的西安市PM2.5重污染过程分析被引量：4: 2020年; 为了解鞍型场对西安市PM 2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ(PM 2.5)及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段(6—7日)、污染维持阶段(8—11日)及污染减轻阶段(12—14日),3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ(PM 2.5)最高值达198μg m 3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平(最高达7.2℃),相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM 2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃(100 m),极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM 2.5重污染过程的重要原因.; 任鹏杰尉鹏赵森张博雅戴学之胡京南; 关键词：重污染

家用燃料燃烧排放PM2.5的特征及其对肺功能的影响——以陕西蓝田县为例被引量：5: 2020年; 为探究农村冬季家用固体燃料燃烧排放的大气细颗粒物(PM2.5)造成的室内外污染状况、对人体暴露造成的影响及对人体肺功能的危害,本研究于2018年1月11日—26日在陕西省蓝田县东咀村和韩坪村进行了室内外和家庭主妇人体暴露PM2.5样品的同步采样以及碳组分和水溶性无机离子组分分析工作,并结合肺功能健康数据进行人体暴露PM2.5健康风险的初步讨论.结果显示,陕西蓝田县农村使用固体燃料为能源的家庭室内外和人体暴露PM2.5平均浓度分别为58.5、135.9、290.8μg·m^-3.其中,碳组分是室内PM2.5的主要贡献者,离子组分占室外PM2.5浓度的一半以上,碳组分和离子组分对人体暴露PM2.5的贡献相当(分别为28.4%和24.3%).人体暴露PM2.5及化学组分浓度均明显高于室内外样品,这是因为目标家庭主妇更密切地接触到室内取暖等明显的污染源,更多的受到该污染源排放的直接影响.本研究还进一步对比了使用新型取暖炉灶(A组)和传统取暖炉灶(B组)家庭PM2.5污染和人体暴露水平,发现B组家庭室内及人体暴露PM2.5污染水平分别为A组的2.6和1.6倍.在PM2.5对暴露人群肺功能危害方面,作为对照组的城市居民肺功能(C组,不使用固体燃料)优于本项目中的目标农村家庭主妇,且A组家庭主妇的肺功能要优于B组,与人体暴露PM2.5及其化学组分浓度水平一致.人体暴露样品更能反映农村家用固体燃料燃烧排放对人体肺功能的影响,新取暖炉灶的使用对保护农村居民肺功能有积极意义.; 贺开来李娅绮徐红梅沈振兴尉鹏孙健张越; 关键词：PM2.5 肺功能

辽宁辽中县城郊地区大气污染物时空变化及来源特征被引量：12: 2011年; 以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O3),φ(CO),φ(SO2),φ(NO),φ(NO2),φ(NOx*),φ(NH3)和ρ(PM2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6μg/m3.除SO2外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O3)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O3)在夏季最高,春季最低.一次污染物如CO,SO2,NO以及PM2.5的浓度均在冬季达到最大值.地面监测的φ(O3)和OMI卫星反演的NO2柱浓度的变换趋势相同,但地面观测的φ(O3)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O3)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.; 高健柴发合王淑兰张新民张萌陈义珍尉鹏; 关键词：大气污染物

西安市“阶梯型”持续污染过程演变及PM_(2.5)区域输送分析被引量：3: 2022年; 为探究2016年11月西安市阶梯型持续污染过程的动态演变规律,利用NCEP再分析数据分析了2016年11月7日—22日的天气形势演变过程,结合CAMx-PSAT模型及化学组分在线监测数据,分析了“阶梯型”演变过程中的区域输送以及大气颗粒物的化学组分变化.结果表明:①由于西安市特殊的盆地地形因素及独特的天气形势变化,导致本次“阶梯型”污染过程出现“谷-峰-峰-峰-谷”的时序变化特征,3个上升阶段的天气形势演变主要为“高压脊-内蒙古低压东移-鞍形场”;②“阶梯型”演变过程中,主要有3条PM_(2.5)输送通道:偏东北输送、偏北输送以及偏东输送,其中偏东北输送来自渭南、运城、洛阳、临汾、吕梁、晋中,约占输送总量的45%;偏北输送主要为本地积累及咸阳输送,约占总输送量的90%;偏东输送的主要城市为渭南、运城、洛阳及其他地区,输送占比最高上升至70%左右;③3个上升阶段污染物浓度峰值期间,二次无机盐(sulfate-nitrate-ammonium,SNA)分别占PM_(2.5)的50%、41%、52%,其中第三上升阶段中污染物的二次转化最为强烈.研究表明,西安市“阶梯型”污染演变是由于独特的地形加之天气形势变化引起的,“阶梯型”污染过程中的区域输送及化学组分也呈现不同的变化规律.; 尉鹏李娟赵森靳文静胡荣明胡荣明曹军骥

中国NO_2的季节分布及成因分析被引量：42: 2011年; 利用OMI卫星观测的对流层NO2柱浓度和113个重点城市地面ρ(NO2)监测数据,结合753个监测站降水资料以及中国气象局气象信息综合分析处理系统(MICAPS)气压场数据,研究了中国NO2的季节分布特征及其影响因素.结果表明:卫星遥感数据和地面监测数据同步显示了中国NO2浓度冬季峰值、夏季谷值的季节分布特征;月降水量与地面监测的ρ(NO2)呈负相关,相关系数为0.71.气压场平均结果表明,边界层气压场的特征是影响NO2浓度季节分布的另一个主要因素.; 尉鹏任阵海苏福庆程水源张鹏高庆先; 关键词：大气遥感

基于机器学习的郑州市大气PM_(2.5)与O_(3)浓度预测方法及气象因子的影响分析被引量：1: 2024年; 近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_(2.5)与O_(3)浓度预测及气象因子影响分析的综合分析方法.结果表明:①训练后的LightGBM模型能够较好地预测PM_(2.5)污染,准确率达80.8%;对O_(3)污染预测的准确率为52.5%.②郑州市大气PM_(2.5)浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O_(3)8 h滑动平均浓度(O_(3)-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.③有利的气象条件可能是2021年PM_(2.5)年均浓度得到显著改善的重要因素;同时,不利的气象条件也促使2021年和2022年6月O_(3)月评价值(O_(3)日最大8 h滑动平均90百分位浓度)有所上升.研究显示,这种基于长时间序列的综合分析方法适用于大气PM_(2.5)与O_(3)浓度的气象因子影响分析,也能有效预测PM_(2.5)与O_(3)的浓度.; 张容硕谢沛远陈宏飞杨清荣关民普马南尉鹏朱仁成; 关键词：气象因素

中国CO时空分布的遥感诊断分析被引量：7: 2011年; 利用2010年9月AIRS(Atmospheric InfraRed Sounder)传感器的CO柱密度数据及地面CO小时浓度监测资料进行对比分析,结果表明,二者具有时间同步特征,相关系数为0.63(显著性水平95%),AIRS观测数据反映了地面CO的污染。通过2004-2010年CO柱密度数据,研究了中国CO的时空分布特征,平均CO柱密度由重至轻依次为华北、长三角、华中、珠三角、东北、四川及新疆地区,各区域在3月和4月达到CO污染峰值,且7年的CO柱密度较稳定。CO的空间分布具有显著汇聚带的特征,结合气象资料发现,反气旋系统中部及后部覆盖的均压场是形成显著汇聚带系统的主要背景场。; 尉鹏任阵海陈良富陶金花王文杰程水源高庆先王瑞斌解淑艳谭杰; 关键词：大气遥感 CO 天气型

尉鹏

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

尉鹏

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈