临沂市低劣能见度天气变化规律分析

利用临沂市35年的能见度观测资料,分析了临沂市低劣能见度天气的变化规律,结果表明:低劣能见度(V≤4.0km)出现频率随年代变化呈明显的上升趋势,其年变化规律与雾、轻雾的年变化规律基本相同;烟、霾、扬沙、浮尘等干质天气现象对低劣能见度天气的变化规律影响不大。     

浙江省人工观测与仪器观测能见度对比分析

随着自动能见度仪的使用越来越多,它所受关注和重视的程度也越来越高,利用2011年全省人工观测与仪器观测能见度资料,对全年能见度空间分布做了分析,能见度高值区位于西南山区和东部沿海地区,低值区位于杭州地区、金衢盆地及湖州部分地区。以杭州为例分析两种能见度资料在不同能见度水平和天气现象下的一致性,当能见度小于1 km时,两种能见度资料误差较小,能见度在1~10 km之间,误差有所增加,当能见度在10 km以上时,误差较大,仪器观测能见度只有一定的参考性。在考察天气对能见度的影响时发现,人工观测能见度波动较大,降水的分布不均匀对于能见度测量有较大影响,因此在测量霾天气能见度时应排除降水对能见度的干扰。     

2012~2020年成都市不同等级能见度的时空分布特征

利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM_2.5和PM₁₀浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM_2.5>84.8 μg/m3,PM₁₀>129.0 μg/m3）。      

MODIS气溶胶产品在池州市能见度估算中的应用

能见度可以直观反映空气污染程度,通过卫星反演获取能见度可以实现大面积同步观测,弥补地面观测在此方面的不足。基于安徽省池州市2015年Terra/MODIS的气溶胶产品(AOD)和池州市一区三县4个国家观测站的能见度观测资料,分析研究MODIS气溶胶产品与能见度的关系。通过拟合池州市四季气溶胶标高,建立不同季节能见度回归模型,并利用标高数据和AOD的季节分布,反演出池州能见度的季节变化,研究了近地层大气气溶胶与地面能见度的关系,最终获取了池州市2015年四季能见度时空分布并对其特征进行分析。结果表明:池州市夏季气溶胶标高最高,冬季的最低;能见度模型估算值与观测值整体较为一致,季节平均值相对误差为18. 15%;池州市2015年四季平均能见度为13. 8 km,整体呈从东南向西北逐渐减小的趋势,空间分布不均;季节平均能见度夏季最高,为19. 3 km,冬季最低,为9. 9 km,其中石台县各季能见度均明显好于其他地区的,且四季变化小而平稳;月平均能见度7月的最好,2月、5月和9月的较差;经济社会发展状况、生态环境和气候状况是影响池州市能见度分布时空变化的主要因素。     

多元动态逐步回归方法在北京地区能见度预报中的应用

基于2016年冬季的观测资料和ECMWF细网格240 h气象要素预报资料,选用与能见度变化相关的水汽、动力、热力等因素作为预报因子,利用多元动态逐步回归方程对北京地区未来10 d的能见度进行预报研究。同时将能见度分为3个等级:1 km、1～10 km(低能见度)和≥10 km,并从区域平均、空间分布及3次低能见度过程个例进行预报效果检验。多元动态逐步回归方法对北京地区的能见度及其变化趋势均有一定预报能力且效果稳定,其中≥10 km等级的能见度预报效果最好,TS评分为64.2%,其次是1～10 km,TS评分为53.1%,最后是1 km,TS评分为51.3%;两个低能见度等级中平原地区预报效果优于山区,表现为从东南向西北递减的特征;而≥10 km等级的呈相反变化,预报效果山区优于平原地区;北京地区3次雾霾过程个例预报也证实动态逐步回归方法能够较好预报北京地区持续性低能见度过程。     

广东省能见度自动观测系统资料评估分析与订正

利用广东省能见度自动观测系统22个站点2011年的人工观测和自动观测的能见度资料,分析了人工观测与自动观测的能见度资料的相关系数、均方根误差等,并对自动观测资料进行了订正。分析结果显示:人工观测与自动观测能见度的分布大致相同,表现为沿海的能见度高于内陆,粤东高于粤西,主要低能见度区域集中在珠江三角洲和粤西的内陆地区;自动观测能见度的准确性主要受到仪器工作原理局限性、气溶胶类型和气象条件的影响。对能见度自动观测资料订正结果显示:订正后,在低能见度时,大部分站点的均方根误差在3km以内;在高能见度时,大部分站点均方根误差在8km以内,平均为6km左右。利用统计方法对器测能见度值作数据订正,能有效减小测量误差,使能见度自动观测系统能基本满足能见度自动化观测需要,特别是低能见度事件的服务需求。     

基于Himawari-8卫星AOD产品的河南省能见度反演研究

利用2018年12月—2019年2月Himawari-8卫星气溶胶光学厚度数据产品与河南省119个国家地面观测站能见度观测资料,建立线性混合效应模型,并基于卫星观测AOD数据反演了河南省地面能见度。结果表明：Himawari-8卫星的AOD产品与Aqua的AOD产品一致性较好。线性混合效应模型反演的地面能见度与台站观测的能见度相关性可以达到082（P<005）,反演的能见度均值与观测能见度均值仅相差05 km。通过2018年12月16日14时个例分析,能见度的分布与地面观测基本保持一致,反演的地面能见度空间分辨率达到2 km。     

基于蒙特卡罗方法的广州港航行风险评估

为了解不同等级能见度下的广州港航行风险特征,将不同能见度下定性的广州港航行风险定量化,以期增强广州港航行事故风险控制能力,提高广州港资源利用率。通过分析不同能见度下广州港船舶出现事故的频率以及造成后果的严重性,对二者进行概率统计后,分别对3种等级能见度下的事故数据进行蒙特卡罗仿真,有效增加了广州港航行事故的数据样本,得出3种等级能见度下的仿真结果,进而得到能见度在0—12 km内的风险分布特征。结果表明：采用基于蒙特卡罗仿真方法的概率分布模型能有效地解决航行风险小样本问题,风险结果可靠。风险在能见度不良(Vis≤5 km)时最低,良好(Vis≥10 km)时次之;受限(5 km <Vis < 10 km)时最高,近似为另外两种情况的1.7—2.4倍左右。可见该方法可以很好地评估能见度在0—12 km内的广州港航行风险,为划定风险等级标准提供参考。     

南京市灰霾影响因子的数值模拟

利用改进的南京大学空气质量预报系统（NJU-CAQPS）,对2005年1月7日南京典型天气条件形成的污染过程进行了数值模拟,分析了城市人为热源、城市建筑物效应和不同类型人为热源排放对该区域主要污染物分布的贡献及对能见度造成的影响。结果表明,城区日平均能见度最低可达8km以下,一天之中有18h主城区地表能见度低于10km...     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。     

西安市低能见度特征分析

利用西安市7个县市23 a的低能见度资料,统计分析西安市水平能见度小于1 km(低能见度)时空分布的气候特征以及23 a的日均、月均、季均、年均变化特征,结果表明西安低能见度有明显的日变化和季变化,秋冬季明显高于春夏季,平原多于临近山区。分析了地形地貌、雾等因素对西安市低能见度的影响,得出影响西安低能见度的主要天气现象是雾。     

横山站雾的成因分析与记录

1　观测到的雾某日 0 7:1 0 ,观测员接班巡视仪器时 ,能见度较好 (≥ 1 0 .0 km) ,没有轻雾、雾现象 ( 0 5时能见度 1 2 .0 km) ,观测员刚从观测场回到值班室 ,从窗口看到外面大雾弥漫 ,观测能见度只有0 .2 km;另一日 ,0 8时观测时能见度记录 1 2 .0km( 0 5时能见度 1 2 .0 km)     

西安市低能见度特征分析

利用西安市7个县市23a的低能见度资料,统计分析西安市水平能见度小于1km(低能见度)时空分布的气候特征以及23a的日均、月均、季均、年均变化特征,结果表明西安低能见度有明显的日变化和季变化,秋冬季明显高于春夏季,平原多于临近山区。分析了地形地貌、雾等因素对西安市低能见度的影响,得出影响西安低能见度的主要天气现象是雾。

     

华东地区能见度时空变化特征及影响因子分析

为探究华东地区能见度变化情况,利用1973—2020年的能见度数据、2014—2019年的气象要素和污染物浓度数据,采用趋势分析、经验正交函数(Empirical Orthogonal Function, EOF)分解、相关分析的方法,分析了能见度时空变化特征及影响因子。结果表明：(1)1973—2020年能见度呈显著(p<0.01)下降趋势,变化倾向率为-1.315 km/10a,季节之间存在差异,夏、秋季能见度下降速率较大分别为1.681 km/10a、1.443 km/10a;冬、春季下降幅度相对较小分别为1.092 km/10a、1.091 km/10a。其中,1973—2012年能见度呈显著(p<0.01)下降趋势,变化倾向率为-1.204 km/10a, 2013—2020年能见度呈不显著(p>0.05)增加趋势,变化倾向率为2.229 km/10a,近8年(2013—2020年)来能见度存在明显改善。(2)华东地区南部、北部能见度较好,中部能见度较差。EOF分解第1模态表明华东地区能见度整体变化趋势一致,第2模态具有明显的区域差异。(3)能见度与相对湿度...     

华北背景地区大气能见度变化特征及影响因素分析

基于1980~2014年上甸子国家级地面气象台站人工观测的大气水平能见度数据和大气成分站资料,采用Mann-Kendall趋势分析及突变检验法对大气能见度进行分析,并结合气象和污染要素进行相关性检验,以了解华北背景地区大气能见度的变化趋势及其影响因素。结果表明:上甸子地区年均能见度呈下降趋势,能见度最大和最小变率出现在夏季和春季,分别为3.4 km（10 a）-1和1.7 km（10 a）-1;冬季能见度（38.1 km）最高,秋季（36.2 km）次之,春季（32.8 km）和夏季（31.4 km）较低;突变分析表明上甸子地区的年均能见度未出现明显突变。能见度受各类气象因子的综合影响。根据Person相关和偏相关的统计结果,能见度与相对湿度和风速均呈明显负相关;与气压呈明显的正相关;而与气温的相关系数时正时负,表明气温对能见度的影响具有两面性。能见度下降的主要原因为大气污染,能见度随着大气细颗粒物增加呈幂指数降低（决定系数R2=0.98,显著性水平p < 0.01）;能见度为10 km时对应的细颗粒物（PM2.5）的边界浓度为74 μg/m3;在现行的国家环境空气质量标准二级标准（75μg/m3）下,可以使华北背景地区保持较高的大气能见度（≥ 10 km）。     

北京能见度变化趋势及冬季一次典型污染过程分析

为了探索北京地区大气能见度变化规律,对2005～2009年能见度的监测资料进行了分析.结果表明,北京地区能见度年均值为10.17 km,并呈现逐年上升趋势,增长率为0.69 km· a-1(决定系数R2=0.99,显著性水平P＜0.01),同时霾天数则逐年下降,细颗粒物浓度的降低是能见度好转的主要原因.能见度的季节变化...     

2007—2015年北京地区能见度时空变化特征

利用2007—2015年北京市大兴观象台、28个道面自动气象站、部分区域自动气象站等多种台站观测资料分析了2007—2015年北京地区能见度的时空变化特征。结果表明:2007—2015年北京地区春季平均能见度最高、夏季平均能见度最低,夏季及年平均能见度呈显著增加的趋势,春季和秋季能见度均呈波动增加,冬季颗粒物浓度的显著增加致使北京地区冬季能见度下降的时段集中在2011—2014年;空间上,北京西北地区能见度明显高于中心城区和东南大部地区。秋季和冬季能见度的空间分布特征与年平均能见度的分布特征较一致,表现为能见度自西北向东南方向逐渐递减;与能见度相关性最高的为相对湿度、颗粒物浓度、风向及风速,但不同要素在月、季和年尺度上的相关性差别较大;根据天气现象统计表明,近10 a来北京地区雾、霾、沙尘日均呈增加的趋势,但是山区与城区气象站点低能见度事件的发生频次存在较大的差异。整体来看,小于10 km能见度事件的发生频次在全区以增加为主,而小于1 km能见度事件的发生频次在全区以减少为主。此外,近10 a来北京地区干霾的发生频率为44. 29%,湿霾的发生频率为7. 13%,低能见度事件多由干霾造成,但湿霾发生时,能见度恶化的更明显。     

天津武清能见度特征分析

利用2006年8～9月的野外观测资料,分析了天津武清区晴天能见度的变化特征,并分析了能见度与细粒子（PM2．5）、大气污染物和大气相对湿度（RH）的相关性。结果表明：观测期内大气平均能见度为6．3km,低于4km的时间段占50％;日变化表现为日出前（北京时间5时）能见度最低,约为2．6km,下午15时最高,约为11．1km;不同大气相对湿度下能见度与大气中细颗粒物浓度相关性不同;污染气体浓度与能见度呈反相关关系,φ（SO2）、φ（NO2）、φ（NO）、φ（NH3）和φ（CO）越高,能见度越低。     

太原大气能见度对相对湿度及颗粒物质量浓度的响应关系研究

利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度等观测数据,研究分析了大气能见度与相对湿度及PM_(2.5)质量浓度的关系,采用神经网络方法,构建了能见度与相对湿度及颗粒物质量浓度的非线性模型,并利用2019年10月—12月气象小时数据对该模型进行了检验。结果表明:(1)太原不同季节能见度日变化特征明显,春夏秋季能见度在06时左右最低,冬季在09时左右最低;从空间分布上看,太原地区能见度南北差异明显,北部能见度高于南部。(2)细颗粒物质量浓度与相对湿度对大气能见度变化都有明显影响。PM_(2.5)质量浓度与能见度之间存在幂函数非线性关系,在40%≤相对湿度60%的区段内相关性最强,PM_(2.5)质量浓度与10 km能见度对应的阈值随相对湿度升高而减小,范围为5～103μg/m~3。(3)采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型,相关系数为0.81。利用太原地区2019年10—12月逐时气象观测数据对模型进行检验,均方根误差为5.29 km,平均绝对百分误差为31.45%,轻微级霾情况下模拟能见度TS评分为0.86,误差呈现正态分布,误差小于4 km的比例达72.99%。该模型对研究太原地区能见度具有较高的参考价值。     

长江三角洲地区近30年非雾天能见度特征分析

利用地面能见度观测数据和中分辨率成像光谱仪(简称M(ODIS)所提供的气溶胶光学厚度(Aerosol Optical Depth,AOD)资料,分析了中国长江三角洲地区近30年的能见度变化特征。结果表明,该地区1980—2009年能见度年均值为19.5±1.8km,其中最高值为21.9km,在1984年,最低值为16.1km在2007年。近30年能见度呈下降趋势,平均年递减率为-0.20±0.013km/a,近几年能见度趋于稳定。该地区能见度:夏季能见度最好,秋、春季次之,冬季最差;沿海地区能见度好于内陆地区,沿江(河)两岸能见度较差;沿江(河、海)地区能见度的下降速度大于其他地区,在浙江东南部沿海地区尤为明显。利用EOF方法分析长三角地区能见度,结果表明第一模态的特征向量均为正值,说明全区能见度均呈下降趋势。利用MO-DIS AOD数据分析区域性及长期能见度变化趋势与利用地面观测数据方法分析结论相一致。