宁波市负氧离子浓度分布与预测模型及其在旅游气象中的应用

利用2010-2011年宁波地区空气负氧离子浓度资料,分析其分布特征及与气象因素的相关性,采用逐步回归方法建立负氧离子浓度预测模型。结果表明：负氧离子浓度有市中心附近低、郊区高的地域分布特征;夜晚到清晨高、白天低,夏季高、冬季低的变化规律。据此可选择在早晨或傍晚空气负氧离子含量高的时候多到远郊污染少、植被茂密、有动态水流的地区旅游,避开冬季空气污染大的雾霾日。空气负氧离子浓度与气温、PM₁₀呈负相关,与相对湿度、雷雨、闪电等正相关,可选择在雷阵雨过后的晴朗天气出行旅游。负氧离子预测模型预报能力较好,预测模型的建立实现了宁波地区空气负氧离子浓度的定量化预报,对旅游气象服务有重要意义。     

岳阳市AQI指数变化特征及与常规气象条件的关系

该文利用2015—2016年岳阳市区空气质量AQI数据和同期的常规气象资料,运用统计分析方法对该市的AQI时空分布特征进行了分析,运用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区冬季空气质量最差,夏季空气质量最好,城市北部空气质量差于南部、工业区空气质量差于水库景区。重度污染及严重污染日基本出现在空气质量较差的冬季,工业区发生频率比较高。岳阳市城市工业布局方向与年主导风向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。选取气温、降水量、低云量、相对湿度、风速等因子建立的岳阳市区AQI预报模型模拟效果较好。     

玉溪空气负氧离子预测模型的建立

利用玉溪市九县区14台空气负氧离子自动测报系统实时观测数据和同步气象要素观测资料,使用相关分析、回归分析等方法,分析了影响空气中负氧离子浓度的主要气象因子,以及影响因子与空气负氧离子浓度的关系,并建立预测模型。结果表明,玉溪市空气负氧离子浓度年变化、季节变化与各气象因子之间无显著的相关关系。影响玉溪空气负氧离子浓度日变化的主要气象因子为空气相对湿度和空气温度。当空气温度20.4℃时,空气负氧离子浓度日变化与空气温度呈负相关关系。当空气湿度45.6%时,空气负氧离子浓度与空气湿度呈正相关关系。通过建立负氧离子浓度预测模型,实现了负氧离子预报的定量化。经检验,预报方程效果显著,在预报业务中具有参考价值。     

汉中负氧离子浓度分布特征及预测

利用汉中市宁强千山和略阳象山2018—2021年的负氧离子观测资料和同期的地面气象观测资料,分析了两地的负氧离子浓度分布特征,采用机器学习方法建立了负氧离子浓度预测模型。结果表明：汉中宁强千山和略阳象山的负氧离子浓度逐年增高,两地负氧离子浓度的季节和月份变化趋势基本一致。夏季的负氧离子浓度最高,冬季最低;8月最高,1月最低;日变化呈单峰趋势。温度和相对湿度与负氧离子浓度变化有密切关系。利用2022年1—6月资料对预测模型进行验证,宁强千山、略阳象山空气清新度等级预测准确率达到762%、732%,预报效果较好,可应用于两地的空气清新度预报业务。     

汉中市空气质量预报模型及验证

利用汉中市2015—2016年1月1日—12月31日2a的空气质量资料和同期地面气象观测资料,分析了汉中市空气质量变化特征及其与气象要素之间的相关性,建立了汉中市空气质量预报模型。结果表明:汉中市空气质量状况总体较好,以优良天气为主,达标率为75.9%;汉中市空气质量夏季最好,秋季次之,冬季最差;空气质量指数(AQI)与气温、风速、日照时数、能见度、水汽压、降雨量、气压、地面气温相关性显著,各气象要素对AQI的影响有所不同,且不同季节内影响程度各异;建立的汉中市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01检验,达到极显著水平。经验证,2017年春季空气质量级别预报准确率超过了85%,预报效果良好,可应用于汉中市空气质量预报业务。     

金华市不同区域负氧离子浓度特征与气象环境因素相关分析

利用2019—2021年金华市空气负氧离子浓度和气象环境资料，研究不同区域（平原城区、平原公园、水边景区、山林景区）负氧离子浓度时空分布特征，分析人类活动最多的城区负氧离子浓度与气象环境因素不同时间尺度的相关性，以及不同天空状况的差异。结果表明：负氧离子浓度呈现平原低、山区高的分布特征，植被茂密、动态水流可增加负氧离子浓度和提高浓度等级。山林景区日出和日落前后负氧离子浓度较高，水边景区凌晨和午后出现高值，平原地区则在下午达到高峰。不同区域四季日变化趋势整体较一致，但不同季节负氧离子浓度峰值大小、日较差和出现峰值时刻存在差异。四季不同区域负氧离子浓度有所差异，主要表现为6—9月高，其中尤以8月山林景区为最。负氧离子浓度与气象环境因素的相关性在不同时间尺度上差异较大：时尺度上与气温、风速、雨量和O3呈显著正相关，而与PM2.5呈显著负相关。四季看，负氧离子浓度春季与风速相关性最高，夏季为气温，秋季为O3，冬季为PM2.5。日尺度上则与相对湿度、风速、雨量呈显著正相关，与PM2.5和O3呈显著负相关，且雨天负氧离子浓度明显高于其他天空状况，差异在冬季达最大。     

大连市负氧离子浓度分布及预测模型的建立

利用2008—2009年大连市逐日负氧离子实况资料,分析了负氧离子季、月和日变化特征及其与相关气象要素的关系。结果表明：负氧离子浓度具有明显的季节变化,冬季最大,夏季最小;而气温和PM10等是影响大连市负氧离子浓度的关键因素。运用逐步回归方法,求得各季节负氧离子的预报方程,实现了预报的定量化。经检验,预报方程效果显著,在预报业务中具有实际参考价值。     

云南地区季降水量和气温的潜在可预报性分析

利用云南地区42年气候资料,使用低频白噪声延伸法和方差分析方法,估计了该地区季节降水量和季节气温的气候噪声方差和潜在可预报性。分析结果表明：（1）云南季降水量的气候噪声方差随着季节降水量的增加而增加,空间上主要是由南往北减小,夏季降水量的气候噪声方差显著大于其他季节,季气温的气候噪声方差则随着季节气温的减小而增加,空间上春、冬季由东往西减小而夏、秋季由南往北增加;冬季气温的气候噪声方差显著大于其他季节;（2）云南季降水量和季气温的潜在可预报性同样具有显著的季节变化和空间变化,云南春季的降水量和气温的潜在可预报性均显著大于其他季节,夏季降水量和气温的潜在可预报性均较其他三个季节小;春、秋季降水量潜在可预报性西部大于东部,夏季北部大于南部,冬季则是南部大于北部,云南季气温除夏季外均是西部大于东部。（3）季风和冷空气活动可能对云南地区的季降水量和气温的潜在可预报性有重要影响。     

福建省空气负氧离子分布特征及气象预测模型北大核心CSCD

负氧离子是评价空气新鲜和清洁程度的重要指标。利用2018—2021年福建省负氧离子观测站数据分析负氧离子浓度的时空变化特征,并采用多元线性回归方法、多元逻辑回归方法和LightGBM机器学习方法建立负氧离子浓度预测模型。结果表明:福建省负氧离子资源十分丰富,中海拔区(350~550 m)年平均负氧离子浓度最高,低海拔区次之,高海拔区最小。负氧离子浓度日变化特征呈一峰一谷型,04:00—06:00(北京时,下同)达到峰值,12:00—13:00达到谷值;中海拔区负氧离子浓度季节变化较大,季节平均浓度从大到小依次为春季、夏季、冬季、秋季,而高、低海拔区季节变化相对较小。福建省不同海拔地区负氧离子浓度与湿度、降水和能见度均呈显著正相关,负氧离子浓度与气温、风速和气压显著相关,但不同海拔地区的相关性有所不同。机器学习方法对不同海拔地区负氧离子浓度数值的拟合效果比多元线性回归方法有明显提升,对负氧离子浓度等级拟合的准确率比多元逻辑回归方法提高7%~12%,且在绝大部分等级上的准确率均高于多元逻辑回归方法。     

雷雨天气对负氧离子浓度的影响

空气负氧离子含量已经成为康养、生态旅游区域评价的主要指标之一，沿海区域的空气负氧离子含量较高，受雷雨等天气因子的影响显著。本文利用日照大沙洼国家森林公园空气负氧离子逐日监测数据、闪电定位仪监测数据和自动气象站雨量、雨强监测资料，分析检验雷雨天气相关气象因子与空气负氧离子浓度变化率的关系。结果表明：①雷雨天气与负氧离子浓度的变化率具有显著相关性，雷雨时负氧离子的浓度变化率高于无雷雨时的负氧离子浓度变化率。②在发生雷雨的初始阶段，雷雨因子对空气负氧离子浓度变化率的影响较明显，随着雷雨的持续，雷雨因子对空气负氧离子浓度影响趋于平缓，并呈现出波动变化。③雷雨过程中，降雨强度和空气负氧离子浓度变化率存在显著正相关关系，降雨越强空气中的负氧离子含量增加越明显;闪电强度和空气负氧离子浓度变化率也存在显著正相关关系，闪电强度越强空气中负氧离子含量增加越明显。④由负氧离子浓度变化率与降雨强度、闪电强度建立的回归模型及其检验可知，对降雨强度大于1.0 mm/5min、负闪电强度大于50 kA的雷雨天气，模型对负氧离子变化率的预测准确率较高;对降雨强度小于1.0 mm/5min、负闪电强度小于45 kA的雷雨天气，模型对负氧离子变化率的预测能力略显不足。     

基于多元线性回归算法的雾霾预测模型的研究

对乌鲁木齐市环境监测站2013—2015年冬季逐日AQI、PM_2.5、PM₁₀、SO_2、NO_2、CO、O_3数据进行相关分析,并利用MATLAB编程工具进行多元回归统计分析,建立了多元回归统计预测模型。对2015年1—3月乌鲁木齐雾霾天气进行预测试验,发现预测值与实际值有较好的拟合效果和预报效果。实验证明,在大气层结稳定的冬季将当天的大气污染物浓度作为因子,用多元线性回归算法建立预测模型对次日雾霾天气进行预测是一种有效的雾霾统计预报手段,本文试图用MATLAB编程工具建立动态多元回归预测模型,编写了自动预测系统软件,测试取得了较好的预测效果。     

基于多种集合的中国冬季气温逐月滚动预测

利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。     

承德北部空气负氧离子浓度特征及预报模型

为提升生态康养气象服务能力,探讨空气负氧离子浓度与气象环境关系,利用承德北部丰宁县2020年—2022年5月两个空气负氧离子站监测资料,以及同期的气象环境数据,统计分析了负氧离子浓度时间变化特征、与气象环境要素的变化关系及关键影响因素,建立了负氧离子浓度的气象预测模型。结果表明:丰宁城市公园、林区负氧离子浓度年均值分别为1358.7个/cm3、1955.8个/cm3,最大值分别为3867个/cm3、5845个/cm3,具有治疗和康复功效的自然环境条件;林区的负氧离子浓度明显高于城市公园,城市公园和林区负氧离子浓度月变化均呈“单峰”型分布,峰值分别出现在7月、8月,最小值均出现在1月;林区、城市公园负氧离子浓度日变化夜间大于白天,年内及春夏秋冬四季内的日变化呈“双峰”型分布,峰值分别出现在日出以前及日落以后,最小值出现在午后;城市公园、林区负氧离子浓度与气温、降水量、相对湿度、风速、日照及PM2.5、O3浓度的变化有关,影响负氧离子浓度的最关键的气象、环境要素为相对湿度、PM2.5,城市公园受气象、环境影响更大;利用多元回归方法,分别建立了城市公园和林区的负氧离子浓度气象预报模型,经检验,两个模型的预报准确率分别为77.6%、74.9%,拟合效果良好,可为森林康养及健康生活提供气象服务。     

2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究

本文研究建立2015/2016年极强厄尔尼诺事件下我国动力和统计结合的气候预测模型,并开展2015年夏季和2016年冬季气候我国160个站点和主要区域实时气候预测。夏季降水的实时预测起报于2月,冬季气温的预测起报于10月。研究结果表明,尽管NCEP-CFSv2耦合气候模式能较好预测2015/2016年极强厄尔尼诺事件中海温异常的演变,但对我国160个站点夏季降水和冬季气温预测仍有较大的偏差。因此,基于NCEP-CFSv2耦合模式预测结果,分别建立我国160个站点冬季气温和夏季降水异常的动力和统计结合气候预测模型。同时,利用年际增量预测方法开展我国长江中下游夏季降水和华北冬季气温的区域气候预测。研究结果表明以上预测模型在2015/2016年的实时预测中较NCEP-CFSv2有更好的预测效能。相对于NCEP-CFSv2耦合模式的预测结果,2015年夏季降水距平空间相关系数ACC从0.21提高到0.31（超过0.01信度的显著性水平）,距平同号率提高到60%,2016年冬季气温ACC从0.19提高到0.32（超过0.01信度的显著性水平）,距平同号率提高到75%。     

赤水市大气负氧离子的时空特征及与气象因子的关系

利用2016年5月—2017年4月赤水市境内复兴驿站、古迹驿站及相邻县市内共6个大气负氧离子自动观测点和气象站的观测资料,分析了赤水市大气负氧离子浓度的时空变化特征及其与气象因子的关系。参照世界卫生组织制定的空气负氧离子等级标准,区划赤水市空气负氧离子的等级。结果表明:(1)赤水市日均大气负氧离子浓度5 056个/m3,高于临近县市的负氧离子浓度,白天略高于夜间,远超过负氧离子含量的一级标准;(2)年均大气负氧离子浓度为5 125个/m3,各季节浓度相差不大;(3)赤水市大气负氧离子浓度空间分布规律为复兴站古迹站,景区大于街道;与邻近县市比较,植被覆盖率大的区域大气负氧离子浓度高于植被覆盖率小的区域;(4)不同天气条件下大气负氧离子与气象因子的相关性不同。在雨日,大气负氧离子与气温、气压、水汽压相关;无雨日,大气负氧离子与日照相关;同时,白天雨相对于大气负氧离子浓度的增加较夜雨更为明显。     

赤水市大气负氧离子的时空特征及其与气象因子的关系

利用2016年5月—2017年4月赤水市境内复兴驿站、古迹驿站及相邻县市内共6个大气负氧离子自动观测点和气象站的观测资料,分析了赤水市大气负氧离子浓度的时空变化特征及其与气象因子的关系。参照世界卫生组织制定的空气负氧离子等级标准,区划赤水市空气负氧离子的等级。结果表明:(1)赤水市日均大气负氧离子浓度5 056个/m3,高于临近县市的负氧离子浓度,白天略高于夜间,远超过负氧离子含量的一级标准;(2)年均大气负氧离子浓度为5 125个/m3,各季节浓度相差不大;(3)赤水市大气负氧离子浓度空间分布规律为复兴站古迹站,景区大于街道;与邻近县市比较,植被覆盖率大的区域大气负氧离子浓度高于植被覆盖率小的区域;(4)不同天气条件下大气负氧离子与气象因子的相关性不同。在雨日,大气负氧离子与气温、气压、水汽压相关;无雨日,大气负氧离子与日照相关;同时,白天雨相对于大气负氧离子浓度的增加较夜雨更为明显。     

揭西县负氧离子浓度特征及与气象条件的关系

利用2019年1—12月揭西县大北山森林公园和黄满寨瀑布旅游区2个监测站负氧离子的逐小时观测数据,对揭西县负氧离子浓度分布特征进行分析。结果表明:揭西县的空气负氧离子浓度非常高,大北山森林公园和黄满寨瀑布的全年空气清新日分别达到100%和96%。黄满寨瀑布旅游区负氧离子浓度冬季最高,春、夏季次之;大北山的负氧离子浓度冬季最高,其他季节变化不明显。负氧离子浓度四季都有较明显的日变化特征,峰值基本出现在白天段,符合人们的出游作息习惯。大北山的负氧离子浓度随着气温的升高呈波动下降趋势,随着湿度的增加而减小;黄满寨瀑布的负氧离子浓度随气温呈波动上升趋势,随着湿度的增加呈先增加后减小的趋势。     

湘潭负氧离子浓度变化与气象要素的相关分析

利用2014年5月—2015年5月湘潭负氧离子实况资料,分析了负氧离子季、月和日变化特征及其与气象要素的相关性。结果表明:1森林公园负氧离子浓度高于郊区,且森林和郊区负氧离子浓度的月季变化规律存在明显差异,森林表现为春高秋低,郊区则为夏高秋低;负氧离子浓度日变化规律,即夜间高白天低。2天气状态对空气负氧离子浓度存在显著影响。3负氧离子浓度除与相对湿度无相关外,均与日照、降水量、气温呈线性正相关。     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。     

哈密市空气质量特征及其与气象因子的关系

利用2010—2019年哈密市气象及环境数据,分析了哈密市空气的污染现状、空气质量特征及其与降水、能见度、气温、风速、日照时数等气象因子的相关关系。结果表明:哈密市首要污染物为PM10,空气质量以Ⅱ级(良)为主,近10年空气质量指数呈先增大再减小的单峰型变化,2011年空气质量最好,污染日数最少,之后轻度以上污染日数明显增多,2014年为空气质量最差年;每年AQI最高的为3月和11月,6—9月AQI变化较为平缓,空气质量最好;春季AQI最高,其次为冬季和秋季,夏季AQI最小,空气质量最好,采暖期AQI高于非采暖期,与春、冬季的变化基本一致;AQI与降水、能见度、气温均呈负相关关系,与风速、日照时数、气压呈正相关,在不同季节,相对湿度、能见度均与AQI呈负相关,春、夏、秋三个季节AQI与风速、极大风速呈正相关,冬季则呈负相关,气温、日照时数、气压在不同季节与AQI呈不同的相关性。