武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

北京一次持续性雾霾过程的阶段性特征及影响因子分析

利用北京地区高时间分辨率观测资料对2009年11月3—8日一次持续性雾霾天气过程中的气象因素和气溶胶演变特征进行了分析。结果表明,该次雾霾过程具有明显的阶段性特征,前期以霾为主,中期发展为雾霾交替,后期随着相对湿度减小再次转换为霾并最终消散。边界层逆温是低能见度过程形成的必要条件,但并不最终决定雾霾低能见度强度。相对湿度和PM_2.5浓度是决定能见度大小的两个关键影响因子,对能见度的影响体现出阶段性特征。大部分时段PM_2.5浓度是影响能见度的主要因子,当能见度小于1 km时,能见度变化更多受相对湿度影响。不同的情景计算表明,控制PM_2.5浓度对于改善本次过程的能见度有重要作用。     

南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

青岛市秋冬季霾期PM1及其含碳组分理化特征及来源研究

对2017年11月1日—2018年1月31日与2018年11月1日—2019年1月31日连续两年青岛市大气PM₁进行监测,获取了PM₁中含碳组分的变化趋势,结合国控站点监测数据和气象条件,分析了秋冬季PM₁来源.结果表明：2017、2018年秋冬季观测期间PM₁日均质量浓度分别为40.58±25.98、42.55±25.05 μg/m³;霾日质量浓度分别为84.71±16.70、81.52±18.39 μg/m³.与2017年相比,2018年同期PM₁质量浓度增长4.85%,霾日下降3.76%.2017年霾日PM₁中OC、EC质量浓度分别为13.67±3.95、3.95±1.02 μg/m³,2018年分别为16.48±6.34、3.34±1.16 μg/m³.与2017年相比,2018年霾日OC质量浓度增长20.56%,EC下降15.44%.2017、2018年霾日SOC质量浓度分别是非霾日的1.28和2.15倍,表明霾污染发生时易发生有机碳二次转化.含碳组分主成分分析均解析出3个因子.因子1解释变量均最大,分别为58.98%、67.14%,其表征含碳组分主要源于生物质燃烧、燃煤、道路扬尘及汽油车尾气等排放源.由后向气流轨迹分析得出,2017、2018年秋冬季气团轨迹多起源于内蒙古,经河北、天津、山东等省市抵达青岛.     

相对湿度和PM2.5浓度对大气能见度的影响研究:基于小时资料的多站对比分析

为了全面分析浙江省不同区域能见度变化基本特征及影响机理,基于杭州、宁波、温州3个国家基本气象站2013-2014年逐时能见度观测资料,比较分析了3市能见度变化的基本特征。发现3市不同等级能见度出现频率基本一致,随着能见度等级的提高,出现频率逐渐降低;从能见度的日变化来看,07时（北京时）前后最低,之后缓慢上升,14-15时达到最高,随后逐渐下降;全年有两个能见度较低时段,分别出现在12月-次年2月和5-6月;总体而言,宁波能见度最优,杭州和温州大体相当。功率谱分析结果表明,3市能见度均有显著的日周期,高频波段呈现出多个显著谱峰,低频波段存在若干显著谱峰。进一步开展机理分析,发现相对湿度和PM_2.5浓度是调制大气能见度的关键因子,相对湿度增大、PM_2.5浓度升高导致能见度降低。在同一相对湿度等级下,初始阶段能见度随PM_2.5浓度的升高迅速降低,到达“拐点”之后降低速率趋于缓慢。在同一PM_2.5浓度水平下,相对湿度越大,能见度越低,说明水汽对能见度也有重要影响。基于相对湿度和PM_2.5浓度两个因子,采用非线性拟合方案构建了大气能见度定量统计模型,总体而言模型拟合效果较好。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。     

南京北郊2011年春季气溶胶粒子的散射特征

利用南京北郊2011年春季积分浊度仪的观测资料,结合PM_2.5质量浓度、能见度和常规气象资料,分析了南京北郊春季气溶胶散射系数的变化特征、散射系数与PM_2.5质量浓度和能见度的关系。结果表明,观测期间气溶胶散射系数平均值为311.5±173.3 Mm^-1,小时平均值出现频率最高的区间为100~200 Mm^-1;散射系数的日变化特征明显,总体为早晚大,中午及午后小。散射系数与PM_2.5质量浓度的变化趋势基本一致,但与能见度呈负相关关系。霾天气期间散射系数日平均值为700.5±341.4 Mm^-1,最高值达到近1 900 Mm^-1;结合地面观测资料、NCEP/NCAR再分析资料和后向轨迹模式分析显示,霾期间气块主要来自南京南部和东南方向。     

成都市PM2.5污染特征及其与地面气象要素的关系分析

为了解成都市PM_2.5污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_2.5质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明：PM_2.5质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%~100%,约85%的样本分布在地面风速0~2 m·s^-1,地面风速对成都市PM_2.5的水平输送、扩散、稀释不利;降水对PM_2.5的清除量随PM_2.5初始浓度、降雨持续时间和累积降雨量增加而增大。     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

大连地区能见度影响因子及个例分析

为探讨大连市大气能见度特征及其影响因子,揭示低能见度天气成因,利用2010—2012年大连地区大气能见度与地面气象要素(相对湿度、风速、气温、气压)日均值的统计资料,分析了大连地区大气能见度与气象要素的相关性。进一步结合PM_(10)质量浓度的变化特征,分析了两次低能见度事件中的天气成因。结果表明:2010—2012年大连地区年均能见度分别约为13.5 km、13.2 km和13.9 km,高能见度事件多出现在10月—次年2月,低能见度事件多出现在每年6—8月,大连地区低能见度事件每年7月较多,1月较少,2010—2012年大连地区低能见度事件分别出现169、157 d和163 d;2010—2012年PM_(10)质量浓度分别为57.8μg·m~(-3)、67.4μg·m~(-3)和65.9μg·m~(-3),PM_(10)质量浓度高值多出现在每年的4—5月和9—12月,PM_(10)质量浓度低值多出现在1—2月;大气能见度和相对湿度和气温的相关性较好,随着相对湿度的增加,能见度与PM_(10)质量浓度的相关性逐渐减小,当相对湿度大于90%时,能见度与PM_(10)质量浓度相关系数减小至-0.23;两次低能见度事件过程中,2011年10月31日一次辐射平流雾过程中的水汽输送来自西南风气流,2012年4月28日一次浮尘事件过程中的沙尘来自西北方向的沙源。该研究可为空气质量预报提供科学依据参考。     

前散式和透射式能见度仪的综合观测试验及对比分析北大核心

通过在野外观测基地和能见度计量检测实验室开展的前散式和透射式能见度仪对比观测试验,获取了能见度和其他气象与环境要素的同步观测数据,分析了不同大气环境条件下能见度测量值差异及其产生原因。结果表明:在能见度环境模拟舱内,两种能见度仪的测量值具有较好的一致性,但在自然环境中,两种能见度仪的测量值差异随能见度上升而快速增大。在不同天气现象出现时,前向散射仪与大气透射仪的测量值比值(VIS_(FS)/VIS_(T))规律性变化明显,总体呈现随能见度上升而增大的趋势。无降水时,低湿情况下大气颗粒物吸收作用明显,透射能见度仪测量值远小于前散能见度仪测量值,两者均随PM_(2.5)质量浓度的增加而下降,且其差异也随之减小;高湿情况下大气颗粒物的散射作用在大气消光中占绝对优势,两种能见度仪测量值趋近。     

相对湿度和PM2.5浓度对大气能见度的影响研究:基于小时资料的多站对比分析

为了全面分析浙江省不同区域能见度变化基本特征及影响机理,基于杭州、宁波、温州3个国家基本气象站2013-2014年逐时能见度观测资料,比较分析了3市能见度变化的基本特征。发现3市不同等级能见度出现频率基本一致,随着能见度等级的提高,出现频率逐渐降低;从能见度的日变化来看,07时（北京时）前后最低,之后缓慢上升,14-15时达到最高,随后逐渐下降;全年有两个能见度较低时段,分别出现在12月-次年2月和5-6月;总体而言,宁波能见度最优,杭州和温州大体相当。功率谱分析结果表明,3市能见度均有显著的日周期,高频波段呈现出多个显著谱峰,低频波段存在若干显著谱峰。进一步开展机理分析,发现相对湿度和PM2.5浓度是调制大气能见度的关键因子,相对湿度增大、PM2.5浓度升高导致能见度降低。在同一相对湿度等级下,初始阶段能见度随PM2.5浓度的升高迅速降低,到达“拐点”之后降低速率趋于缓慢。在同一PM2.5浓度水平下,相对湿度越大,能见度越低,说明水汽对能见度也有重要影响。基于相对湿度和PM2.5浓度两个因子,采用非线性拟合方案构建了大气能见度定量统计模型,总体而言模型拟合效果较好。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。      

基于数字摄像能见度仪的北京地区降雨和雾霾天气能见度对比分析

数字摄像能见度仪（Digital Photographic Visibility System,DPVS）仿照人工目测能见度的原理测量大气能见度。本文应用2017年3—8月北京地区DPVS、前向散射仪（PWD22）、大气透射仪（LT31）三种观测仪器在降雨天气和雾霾天气观测数据进行了对比。结果表明：能见度观测数据与相对湿度、颗粒物浓度、降水粒子等要素之间有明显的负相关性;在低能见度天气条件下,三种仪器观测数据变化趋势一致,但存在一定的差异;DPVS在中雨天气、大雨天气、暴雨天气和中度雾霾天气中,观测数据离散性更小,稳定性更好。但DPVS在白天和夜间的交替过渡期观测值不够稳定,这也是今后算法优化的重点方向。     

DNQ1与FD12型能见度仪观测比对及影响因子研究

DNQ1型前向散射能见度仪是目前我国气象站应用最多的能见度仪之一,但对其观测能力的评估及与国际上同类能见度仪间的比对研究较少。本文利用2015年1—3月北京上甸子国家大气本底站DNQ1和FD12型能见度仪观测资料开展比对研究,分析两种能见度仪的观测差异特征及与关键气象要素和大气成分的关系。结果表明：两种仪器观测的小时平均能见度的变化趋势较为一致,二者相关系数为0.98。除降雨外,DNQ1与FD12型仪器观测的能见度差值受不同天气状况（包括晴天、沙尘、雾、霾、降雨和降雪）的影响较小,但随能见度等级的增加,差值范围和离散程度均有所增大。能见度差值随相对湿度的增加呈指数递减关系,与气温呈线性正相关关系,与气压、风速和风向关系不明显。两种器测能见度与相对湿度呈明显负相关关系,与其他气象要素的关系不明显。DNQ1能见度相对FD12能见度在每日不同时刻的相对偏差平均低于±10%,满足观测需求;二者在夜间的相关性优于白天,可能与相对湿度和气温的日变化有关。     

上海市大气颗粒物与能见度的关系

大气能见度成为当前区域大气环境研究的重要指标,不同粒径的颗粒物对能见度的影响有着显著的区别。本研究在线连续监测了上海市嘉定区2008年11月—2009年1月不同粒径大气颗粒物质量浓度和粒子数浓度的日变化,同步收集了相同区域空气水平能见度的数据。比较不同粒径大气颗粒物质量浓度与空气水平能见度和颗粒物消光系数的相关性,结果表明：中值粒径为0.4 μm和0.65 μm的大气颗粒物对上海嘉定空气水平能见度的影响最显著;中值粒径为0.17 μm、0.26 μm、0.40 μm和0.65 μm的大气颗粒物对颗粒物的消光系数影响较大。该相关系数的分布趋势与各种组分(SO42-、NO3-、NH4+、OC和EC)的粒径分布十分一致,证明了这五种组分是影响大气颗粒物消光系数的重要原因。     

苏州市能见度与影响因子关系研究

利用2009年6月—2010年5月苏州市气象局霾监测点颗粒物浓度、能见度、相对湿度、风速、风向、气温等观测资料,分析了苏州能见度变化特征,建立了能见度和影响因子的统计模型,研究了能见度和气象因子及颗粒物浓度的关系。结果表明：苏州市能见度有明显的季节变化,春季能见度最好,秋季能见度最低;能见度日变化显著,最低能见度通常出现在清晨,午后明显好转;PM10、PM2.5、黑碳浓度值和相对湿度与能见度都呈反相关关系,但黑碳对能见度的影响不如PM10和PM2.5对能见度的影响明显;风速与能见度呈正相关关系,在东南、南东南风向时能见度值最高。     

Verification of ceiling and visibility forecasts using the ranked probability score

Abstract

A terminal forecast verification scheme employing the ranked probability score (rps) has been developed. The forecast is interpreted in terms of probabilities of six operationally significant ceiling and visibility classes using probability interpretations of the terms vrbl, ocnl, RSK, etc. Comparison with the rps of climatological and persistence forecasts permits the assessment of forecast skill.

To illustrate the technique, five months of forecasts for Winnipeg International Airport have been examined. The subjective forecast shows skill over climatology for the first five hours of the forecast period. A persistence forecast shows skill over climatology for three hours into the period and is a little superior to the subjective forecast in the first hour.