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）。      

环渤海地区1980—2012年能见度变化特征

利用环渤海地区365个地面气象站1980—2012年逐日能见度观测资料,统计分析了该地区能见度的变化特征以及不同等级能见度的主要影响因子。结果表明：环渤海地区能见度的主要气候特征是春秋季高、冬季低。1980—2012年平均能见度下降最大的区域位于太行山和燕山山脉的迎风坡,也是平均能见度较低的区域。环渤海地区整体而言,能见度小于等于1 km主要是水滴造成的,能见度1～10 km范围内,颗粒物、气体污染物的影响随能见度的增大而增大。水滴和颗粒物、气体污染物对不同等级能见度的影响存在一定空间差异。     

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...     

塔克拉玛干沙漠腹地两种能见度仪测量结果的对比分析

利用塔克拉玛干沙漠大气环境观测试验站的两种前向散射能见度仪(CJY-1C和FD12)2009年6月14日—8月5日的探测数据和人工目测数据对各种天气下的能见度变化进行了对比分析。结果表明,FD12和CJY-1C型能见度仪数据有很好的一致性。在能见度较低时,FD12型能见度数据与平均值偏离程度最小,测量更加稳定。FD12型能见度仪数据更接近于目测能见度数据。对于两种能见度仪,两者在扬沙天气的相关性最好,浮尘天气下的相关性较好,沙尘暴天气次之,典型晴天下的相关性最小,可在监测浮尘和扬沙天气时互相替代使用。     

2013—2019年宁波市高温热浪对中暑的滞后影响

高温热浪日趋严重,给居民身体健康带来了重大的威胁。采用2013-2019年6-9月逐日气象观测数据及同期中暑病例数据为基础资料,重点利用分布滞后非线性模型（DLNM）定量分析了宁波市高温热浪对中暑的滞后影响。结果表明：高温热浪（不分等级）引起中暑的单日相对危险度RR值（95%CI）在发生当天达到最大值;累计RR值（95% CI）在滞后0-4 d达到最大值;不同等级高温热浪（一般高温热浪、危害高温热浪和强危害高温热浪）引起中暑的最大单日RR值（95% CI）均出现在发生当天,最大累计RR值（95% CI）都发生在滞后0-3 d;高温热浪引起中暑的单日及累计RR值（95% CI）低龄组（< 65岁）明显小于高龄组（≥ 65岁）,随着高温热浪等级的增加,引起中暑的单日及累计RR值（95% CI）逐渐增高。     

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。     

神经网络方法在环渤海能见度预报中的应用分析

本文基于2001—2015年中国气象局地面常规气象观测数据及NECP再分析资料,采用BP神经网络方法构建环渤海沿海城市能见度预报模型,利用2016年ECMWF集合预报数据基于预报模型进行能见度预报实验,并与ECMWF集合预报产品中现有能见度预报结果进行对比分析。分析表明:该方法对于环渤海沿海城市能见度预报的预报效果明显高于ECMWF集合预报中的能见度预报,12～72 h预报时效中,最小值对应1 km以下能见度的TS评分为0. 36～0. 43; 10 km以下能见度预报误差显著降低,与离散度的对应关系较好。因此,该方法对低能见度天气过程的能见度预报具有指示意义。     

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。     

吉林省高速公路交通事故与气象要素的关系研究

利用2009—2019年吉林省27条主要高速公路交通事故资料,结合高速路段事故发生点对应的国家级气象站观测资料,运用SPSS算法中的k-均值聚类分析法、数据标准化处理、主成分分析法以及事故比等数理方法,对高速公路交通事故的时空分布特征以及交通事故与气象要素关系进行分析。结果表明：冬季是事故高发季节,夏季次之,春、秋两季事故相对较少;高速公路事故空间分布区域基本划分为高危、次高危、中危、低危四个等级,中部地区属于高危风险区域,北部地区属于低危风险区域,珲乌线上的长春至蛟河、延边东部是事故发生最多的路段;降雨、阴天、降雪天气是气象要素影响下交通事故发生的主要原因,降雨量级、降雪量级与交通事故的发生均成正比关系,阴天对高速公路行车安全的影响可以用能见度作为量化指标,能见度降到50 m以下时对交通事故的影响达到最大;风力达到6级及以上时对交通事故的影响明显。     

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。     

高速公路团雾分级预警研究

团雾和高速公路团雾的定义内涵外延尚未统一,没有标准定义。为有效预防高速公路团雾天气灾害,减少因高速公路团雾所造成的交通事故,有必要规范高速公路团雾分级预警标准。基于高速公路团雾的水平能见度和水平尺度等监测数据,借鉴部分学者专家的意见和建议,确定团雾和高速公路团雾的定义。分析高速公路团雾的特征、成因、时空分布及团雾的危害,统计分析高速公路团雾多发路段的交通事故数据资料与AWMS气象监测数据资料,确立高速公路团雾与车辆交通安全性关系。依据同车道前后车辆的相对停车视距和安全停车距离等分析,评估车辆在不同水平能见度数值条件下,行驶在团雾区域内外车辆发生交通事故的危险性大小,遵照相关法律、条例、标准及其规范,按水平能见度数值范围和覆盖路面长度划分高速公路团雾预警等级。研究结果表明:(1)高速公路团雾的水平尺度一般小于5 km,水平能见度通常小于200 m。(2)高速公路团雾具有多发性,时空分布不均,多发生于当日22时次日08时。(3)高速公路团雾的事故率高,造成的交通事故比较严重。(4)可以根据团雾特征和潜在危害性确定团雾和高速公路团雾定义的内涵外延,给出术语定义。(5)可根据高速公路团雾的水平能见度、交通事故、停车视距等分析,划分预警级别,规范监测和预报预警服务,减少交通事故的发生。     

天津港秋冬季低能见度数值释用预报研究

本文利用近5年(2009—2013年)天津港资料,分析了该地区大气能见度的分级特征。采用7年秋、冬季NCEP(2006—2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品。经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5%~35.4%;其中对0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5~1 km的大雾预报,WRF模式的预报技巧1%,BP释用预报提高到了14%~21%。日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75%,比WRF预报技巧提高了24%;对1~10 km的低能见度过程,比WRF的预报技巧平均提高了60%。     

广州站能见度数据质量评估及其参数化研究

利用广州地面观测站（简称广州站）的两种能见度仪和人工观测的能见度资料,分析两种观测方法之间的一致性和差异性,并对广州站能见度建立参数化模型。研究结果表明,不同的能见度范围和观测时次,两者均有较好的一致性;当能见度为3 km以下及10 km以上时,两者一致率较高;在5次正点观测的器测和目测值一致率均高达90%以上。10~30 km范围内的平均相对误差较低,其余范围均高于20%。在11、14和17时的相对误差低于10%,08和20时的相对误差较高。能见度在1~10 km范围内,随着能见度的增大,器测与目测平均相对误差增大,仪器粗差率增大。另外,基于大气相对湿度、颗粒物数浓度建立广州站能见度参数化模型,能较准确模拟出能见度变化的趋势。实际检验表明,模拟值与实况误差基本小于3 km。因此,该模型可以预报广州站的能见度,为准确判断广州市能见度变化提供一定的参考依据。      

高温热浪致死风险的人群和城市分异及保险费率厘定的研究

在全球变暖背景下,高温热浪事件在世界各地频繁发生且大大加剧了人群致死的风险。基于3个研究地区（南京、广州和重庆）1951—2015年的逐日气象数据和2007—2013年逐日死亡数据,首先设计了热浪强度指数来量化热浪特征;其次采用分布滞后非线性模型构建高温热浪灾害下人群的脆弱性模型;最后采用蒙特卡洛仿真方法模拟随机高温热浪事件,并在此基础上开展概率风险评估与高温热浪生命保险费率的厘定。研究发现：老年人的高温热浪死亡风险与对应的费率水平是年轻人的9~28倍;其中,高温热浪费率水平与社会经济发展水平呈反比,即经济发展水平较高的地区费率水平较低。该研究成果为指数生命/健康保险产品的研发,为政府采取综合性的风险管理措施以减少公众健康风险等提供了一定的借鉴和参考。     

京津冀及周边地区冬季能见度与PM2.5浓度和环境湿度的多元回归分析

2013年至今,中国冬季与雾霾相伴的低能见度事件频发,京津冀及周边地区尤为严重。PM_2.5浓度与环境湿度是导致低能见度的最关键影响因素。为了深入研究PM_2.5浓度与环境湿度对大气能见度的影响,利用2017年1月京津冀及周边地区MICAPS气象数据与PM_2.5观测数据,运用天气学诊断分析方法讨论了不同相对湿度下PM_2.5浓度、环境湿度对冬季能见度变化的相对贡献,按照地理环境与污染程度差异将京津冀及周边地区划分为北京-天津地区与河北-山东地区,建立了PM_2.5浓度与环境湿度（由露点温度、温度代表）对能见度的多元回归方程,并对2015、2016、2018、2019年冬季能见度进行了回算检验。结果显示:相对湿度低于70%、PM_2.5浓度低于75 μg/m3时,北京-天津地区与河北-山东地区能见度多高于10 km,PM_2.5浓度升高是此时能见度迅速降低的主导因素;相对湿度从70%上升至85%和PM_2.5浓度从75 μg/m3升高200 μg/m3的共同作用导致了能见度降低到10 km至5 km;能见度进一步从5 km下降至2 km则更多依赖于相对湿度进一步从85%升高至95%,PM_2.5浓度与此时能见度相关减弱;能见度降低至2 km甚至更低主要是由于水汽近饱和状态下（相对湿度95%以上）的雾滴消光引起,与PM_2.5浓度的变化关系不大。与不分组直接拟合相比,以相对湿度85%为界线,分别拟合能见度能够很大程度优化多元回归模型,相对湿度高于85%时能见度拟合值的均方根误差从9.2和5.2 km下降至0.5和0.7 km,5 km以下拟合能见度的误差大幅度减小。按相对湿度85%将数据分组所得的拟合方程对2015、2016、2018、2019年1月能见度估算结果较好,观测值与拟合值相关系数均高于0.91,为雾-霾数值预报系统提供了新的能见度参数化算法。      

未来极端降水对气候平均变暖敏感性的蒙特卡罗模拟试验

利用Weibull分布拟合逐日降水的原始分布模式,并基于统计降尺度和蒙特卡罗随机模拟方法,对中国东部区域各站逐日极端降水量在未来气候变暖条件下的响应特征进行统计数值试验.结果表明,在全球变暖背景下,区域平均温度的改变即可导致区域极端降水概率分布特征的变动.从两个典型代表区域的预估结果中可见,长江中下游南部平均降水量对平均温度升高有正响应,模拟得到的区域极端降水概率分布曲线有明显的向右平移,导致大量级的极端降水的再现期缩短即概率增大.山东及渤海湾区域平均降水量对平均温度升高有负响应,模拟得到的区域极端降水概率密度分布尺度参数变小更明显,即方差增大,表现为左右两侧概率密度增加,同样导致大量级的极端降水再现期缩短即概率增大.本文仅考察了气候均值改变条件下,未来区域气候极端值的概率预估的可行性方案.对于未来气候方差的变化并未作试验,但理论上已经证明,未来气候极端值的概率对于气候方差变化的敏感性可能更大.由于目前尚未整卵出考察方差变化的较为完整的实际观测资料,该问题还有待进一步深入研究.     

Monte-Carlo模拟方法在风工程中的应用

用 Monte- Carlo模拟方法建立了上海的台风年最大风速概率分布 ,由此推算的 30 a、50 a一遇风速 (韦伯尔分布 )和实测风速值接近。表明由 Monte- Carlo模拟方法得到的台风年最大风速概率分布较为合理 ,在东南沿海台风多发区域 ,该方法是产生年最大风速概率分布的有力工具。     

Visibility trends in six megacities in China 1973–2007

The particulate matter pollution has been serious in Chinese megacities due to the rapidly expanding economic and industrial developments, which has significant influences in atmospheric visibility. Visibility is a highly relevant factor indicating the level of atmospheric quality, and is inversely related to the optical extinction coefficient caused by gas and particle phases. In our study, visibility trends for six major megacities (Beijing, Chengdu, Guangzhou, Shanghai, Shenyang, and Xi'an) in China were evaluated during 1973–2007 on the basis of the National Climatic Data Center (NCDC) database using four measurement methods: the days per year of daily visibility < 10 km, the days per year of daily visibility > 19 km, the annual mean visibility, and the dry extinction coefficient. The annual and seasonal change trends of visibility for each city were analyzed by using a linear regression model. The annual mean visibilities for the six cities (Beijing, Chengdu, Guangzhou, Shanghai, Shenyang, and Xi'an) were 10.67, 8.60, 10.76, 8.59, 8.16, and 9.74 km respectively. Shenyang has experienced a significant increasing trend during the entire time series while visibilities for other five sites showed decreasing trends especially since the middle of 1990s. In the southern and midwestern regions (Chengdu, Guangzhou, Shanghai, and Xi'an), visibility was best in summer, whereas in the northern regions (Beijing and Shenyang), visibility was best in spring. Mean visibility in spring was worst at Guangzhou, while for the other five cities visibility in winter was worst, probably because of coal burning during the heating period. The general degradation of visibility in these megacities was probably due to the excess aerosol loading. Consequently, an urgent targeted reduction of aerosol pollution may be needed for the sake of better air quality in Chinese megacities.