气象因素对常州市区PM2.5浓度影响

利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM_2.5以及气象因素的变化特征,并统计分析气象因素对PM_2.5浓度的影响。结果表明：常州市区PM_2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM_2.5呈正相关,即随着相对湿度的增加PM_2.5超标率和平均浓度均增加;降水对PM_2.5具有一定的清除作用,清除率与降水前PM_2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM_2.5浓度较小,则清除率不明显;常州市区偏西风时PM_2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM_2.5的影响呈负相关,即风速越大PM_2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM_2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM_2.5超标率以及平均浓度相对较高。     

银川市大气边界层逆温影响因素及其与冬季PM2.5的关系

为了探究银川市大气边界层逆温特征和影响因素及其与冬季PM_2.5污染的关系,利用2015—2020年银川气象站探空、地面气象观测资料及银川市空气质量监测数据,在分析银川市大气边界层逆温及地面气象要素特征基础上,以冬季为研究时段,探讨逆温与地面气象要素对PM_2.5污染的影响。结果表明：(1)银川市清晨大气边界层较傍晚更易出现逆温,且逆温多为贴地逆温,贴地逆温较悬浮逆温强度大、厚度小;逆温频率和厚度冬季最大、夏季最小,逆温强度秋季最强、夏季最弱。(2)冬季晴天,地面平均风速1.0～1.5 m·s^-1、相对湿度30%～60%的气象条件下易出现逆温。(3)贴地逆温是影响冬季PM_2.5污染天气的主要气象因素之一,当逆温厚度超过596 m、强度超过1.4℃·(100 m)^-1时,易出现PM_2.5污染天气,且随着逆温厚度增大、强度增强,污染加重。(4)冬季PM_2.5污染天气下,清晨天空状况多为晴天,通常地面平均风速小于1.3 m·s^-1     

贵阳市PM2.5分布特征及气象条件的影响

利用2013~2017年贵阳市10个国控空气质量监测站点PM_2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM_2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM_2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM_2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM_2.5的影响差异较大。PM_2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM_2.5影响最大,日照时数春季对PM_2.5的影响最大,气温在夏、秋季与PM_2.5浓度呈显著负相关。春季降水对PM_2.5的相关性更为显著,风速对夏、冬季与PM_2.5浓度具有显著负相关性。      

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。      

北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

京津冀及周边地区大气细颗粒物和臭氧对医院日门诊量的急性影响及季节性差异

探究京津冀及周边地区大气细颗粒物（PM_2.5）和臭氧（O₃）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM_2.5和O₃日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM_2.5和O₃短期暴露对人群因病就诊的影响。研究期间,大气PM_2.5和O₃日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM_2.5和O₃暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM_2.5暴露对门诊就诊量的急性影响较强,而O₃相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM_2.5和O₃短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM_2.5和O₃复合污染,同时重视污染物冷、暖季风险的差异。      

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

内蒙古呼包鄂区域冬季大气细颗粒物污染成因解析

利用气象模式WRF和中科院大气所自主发展的大气气溶胶与大气化学模式IAP-AACM对2016年冬季内蒙古中部呼包鄂地区大气细颗粒物（PM_2.5）的典型污染过程进行了模拟分析。结果表明,呼包鄂地区的空气质量变化主要受大范围天气形势影响。污染累积阶段,500 hPa高度上该区域受阻塞高压或弱高压脊前平直的偏西气流控制,地面为弱高压或均压场,风速较小,边界层高度低,污染物不易扩散,且气温和相对湿度较高,利于二次颗粒物生成;污染消散阶段,天气形势发生明显变化,550 hPa高度以下有强冷平流,地面易形成大风天气,利于污染物消散,伴随着冷空气的南下,下游地区的污染物也得到清除。呼包鄂区域PM_2.5主要来源于本地排放,鄂尔多斯本地排放贡献大于60%,呼和浩特本地排放贡献大于80%,包头本地排放贡献达到90%,该区域空气质量的变化可以反映区域大气污染气象条件的变化。交叉相关分析发现,呼包鄂区域的PM_2.5浓度与其下游的山西、河北、河南地区的PM_2.5浓度具有高度的时间相关性,相位差在6～24小时。呼包鄂区域PM_2.5污染的改善有赖于本地污染源的管控,该区域冬季空气质量变化可作为下游地区空气质量变化的前兆因子,有助于下游地区空气质量的预报预警。     

汾渭平原空气质量及气象要素对其日变化和年际变化的影响

汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM_2.5和夏季O₃浓度日最大8 h滑动平均值（MDA8_O₃）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM_2.5、PM₁₀或O₃,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O₃浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM_2.5浓度和夏季MDA8_O₃日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM_2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM_2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O₃年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O₃污染呈上升趋势（1.2 μg m?3 a?1）,但O₃污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。     

基于EFDC模型对鄱阳湖湖面面积的推算方法

鄱阳湖是中国最大的淡水湖泊,水位与面积是湖区生态系统中的重要参数.主要研究鄱阳湖水位与面积的数学关系,以便用水位来快速推求湖面面积.利用美国EFDC水动力学模型对典型年份面积进行模拟,得出逐日模拟面积,而后根据康山、棠荫、都昌和星子4站实际水位与模拟面积建立数学关系,最后使用遥感数据对模拟面积进行验证.结果表明,典型年份鄱阳湖水位与面积具有高动态性,平均相对误差为4.14%,模拟面积与实际面积误差较小.     

太湖地区湖陆风对雷暴过程影响的数值模拟

利用耦合了NOAH陆面模式的WRF中尺度数值模式,对2010年8月18日发生在太湖地区的一次强雷暴过程进行数值模拟,并将模拟结果与实况进行对比。结果表明:模式能较合理地模拟出雷暴演变过程及近地面要素变化。此次雷暴天气过程发生在湖风发展强盛时期,雷暴沿东岸湖风与背景风形成的辐合线发展。通过两个敏感性试验,研究了太湖地区湖陆风对雷暴过程的影响。湖风锋对雷暴过程起触发和增强作用,湖风锋的阻挡和抬升作用导致此次雷暴的产生。在湖风锋前缘形成的初始对流进一步发展加强为雷暴,发展成熟的雷暴低层出流又与湖风作用形成新的雷暴,湖风的辐合为对流云的发展提供水汽和能量。在雷暴的形成发展过程中,感热通量输送可改变大气边界层结构,使低层不稳定能量较易释放,潜热释放加强上升和下沉气流,使边界层湿度增大,对流进一步发展增强。     

基于MODIS卫星数据对艾比湖水域面积变化的监测

艾比湖的松散沉积物裸露区沉淀物质颗粒细小，细盐漠粉尘受阿拉山口大风主通道作用，向东南快速扩展，是新疆北疆地区主要沙源之一。Terra／MODIS卫星数据具有时效性强，成本低的特点，适宜进行湖泊水域面积的监测。我们进行2004年4-12月湖面积的监测发现，5月份以后，艾比湖水位逐渐下降，7，10月为艾比湖的枯水期，10月艾比湖水域面积出现最小值；冬半年(11—4月)为艾比湖的丰水期。通过与1998年监测的艾比湖水域面积数据比较得出2004年艾比湖各月的面积均比1998年有所增加，艾比湖地区生态环境有明显好转。     

一维热扩散湖模式在太湖的应用研究

利用在太湖获得的2010年8月11-28日的观测资料研究了一维热扩散湖模式在太湖的适用性,通过对比模拟进一步研究了影响太湖湖表温度模拟的主要因子。该湖模式对太湖最初的模拟结果并不理想,模拟的湖表面温度与观测有较大的系统性偏差,温度的日变化幅度与观测相比也偏小。通过分析该模式对太湖的模拟效果不理想的可能原因,针对太湖的生态环境和污染情况,设计了18个测试参数的敏感性试验,从敏感性试验的结果分析得到,适用于太湖的、依赖于湖泊类型的3个参数应做如下修改:消光系数（η₀）应放大3倍,湖泊表层吸收的太阳辐射系数（β）应取0.8,粗糙长度（z₀）采用公式计算得到。用新得到的适用于太湖的3个参数,模拟得到的结果与最初的模拟结果和观测资料对比,发现采用新的参数后,模拟结果比最初的模拟结果有了很大的改进,模拟的湖表温度基本接近观测,模拟的湖水垂直剖面时间序列图也跟观测吻合得较好,随之的感热、潜热通量的模拟也都与观测接近。最后,对输入湖模式的主要大气参量（太阳辐射、2 m气温及风场）±10%的误差引起的模式模拟的湖表面温度误差进行分析,结果表明该湖模式对大气强迫场的误差敏感度不高;相比之下,模拟结果对风场敏感性最小,对辐射和气温的敏感度相当。     

索赔计数相依风险模型

考虑了一类索赔计数相依的风险模型,该模型假设每次主索赔可随机产生一副索赔,得到了该风险模型生存概率所满足的微积分方程,并在索赔额为指数分布的情形下,给出了生存概率的精确表达式.     

Validating the Runoff from the PRECIS Model Using a Large-Scale Routing Model

The streamflow over the Yellow River basin is simulated using the PRECIS （Providing REgional Climates for Impacts Studies） regional climate model driven by 15-year （1979-1993） ECMWF reanalysis data as the initial and lateral boundary conditions and an off-line large-scale routing model （LRM）. The LRM uses physical catchment and river channel information and allows streamflow to be predicted for large continental rivers with a 1°×1° spatial resolution. The results show that the PRECIS model can reproduce the general southeast to northwest gradient distribution of the precipitation over the Yellow River basin, The PRECIS- LRM model combination has the capability to simulate the seasonal and annual streamflow over the Yellow River basin. The simulated streamflow is generally coincident with the naturalized streamflow both in timing and in magnitude.     

估算模式 AERSCREEN的参数敏感性研究

《环境影响评价技术导则大气环境》（HJ2.2-2018）推荐的估算模式AERSCREEN在气象和地形资料的处理以及建筑物下洗等多个方面做了改进。利用估算模式AERSCREEN,针对30 m左右高度的点源,进行了不同排放参数、不同气象条件下最大落地浓度的敏感性试验。结果表明：随着烟气出口流速的增大,地面浓度最大值逐渐减小;随着波文比的变化,地面浓度最大值没有明显的变化;随着地面粗糙度的增大,地面浓度最大值逐渐减小;随着烟气出口温度的增高,地面浓度最大值逐渐减小;当烟气温度为75℃,粗糙度达到1.3 m时,地面浓度达到最小;随着反照率的增大,地面浓度最大值逐渐减小;随着烟囱高度的增大,地面浓度最大值逐渐减小;在各种烟囱高度条件下,随着最高环境温度的增高,地面浓度最大值逐渐增大;而在各种环境温度条件下,随着烟囱高度的增高,地面浓度最大值在逐渐减小;模式中,随着最低环境温度的增高,地面浓度最大值没有变化;但随着最小风速的增大,模拟得到的地面浓度最大值会逐渐减小。     

WRF_Lake湖气模式对我国太湖的湖温模拟应用评估

文章把一维热扩散湖模式成功地耦合到中尺度天气研究和预报模式WRF3.2中,建立了湖气耦合模式。并用太湖区梅梁湾获得的2010年8月11—28日的观测资料对该耦合模式模拟湖温的能力进行了初步评估。设计了3组方案进行对照试验,分别为:(1)没有加入湖模块的WRF模式试验(WRF);(2)没有对参数进行优化的原始耦合模式试验(WRF_Lake_Old);(3)对3个参数进行优化后的耦合模式试验(WRF_Lake_New)。结果表明耦合了湖泊模块并且参数优化后的湖气耦合模式(WRF_Lake_New)比没有包含湖面方案的WRF模式对太湖水温的模拟能力有了很大的改进。WRF_Lake_New能够合理地模拟出太湖梅梁湾上湖表温度的日变化,模拟的湖表温度误差范围平均在±1℃左右,模拟的空气温度平均误差范围在±0.5℃以内,模拟的感、潜热通量也与观测更为接近。该耦合模式在太湖的初步评估结果表明,该湖气耦合模式为下一步研究湖泊过程和湖气相互作用提供了重要的工具。     

博斯腾湖面积定量遥感

采用NOAA/AVHRR资料, 利用水体与地物光谱特性的差异, 结合通道2方案和通道2/通道1方案, 对4月博斯腾湖水体进行判识, 而利用通道2、通道2/通道1并结合通道4的方案判识了10月博斯腾湖水体, 在此基础上利用线性混合模式对混合像元做了处理, 定量估算了1990—1998年4月和10月博斯腾湖的面积, 调研了9年来博斯腾湖面积变化情况, 表明9年间博斯腾湖面积呈增加趋势。进一步采用主成分分析方法对博斯腾湖面积增大原因做了初步的气候分析, 表明1988年以来博斯腾湖地区气温升高、蒸发量减少、降水有所增加, 而人类活动用水和出流稳定并有减少是博斯腾湖面积增加的主要原因。而博斯腾湖及上游地区季节性积雪的特征, 使冬季积雪水资源注入博斯腾湖, 导致春季博斯腾湖面积较秋季大。     

云贵高原洱海湖泊效应的数值模拟

采用耦合湖泊模型的WRF_CLM模式模拟山谷盆地中洱海的湖泊效应,并利用陆面(农田)和湖面的站点观测资料对模式进行了验证和校验。基于数值模式的模拟结果,分析了季风和非季风期间,洱海存在与否对山谷盆地局地环流及大气边界层结构的影响。发现非季风期湖泊对局地环流及大气边界层影响显著。相对于陆地,湖泊白天湍流通量输送少,湍流发展弱,大气边界层高度低。如果湖泊不存在,白天苍山山谷风只能上升至约200 m的高度,没有明显的山谷风环流形成;夜间则山风较强,两侧山风共同作用在山谷,环流高度约600 m。季风期,受降水天气影响,局地环流发展不充分。白天湖面辐散以及夜间湖泊南部的气旋式环流弱,湖泊作用没有非季风期明显。云的形成导致边界层高度较低。夜间,湖泊增强释放潜热、感热作用明显;此时湍流发展,夜间边界层反而比白天高。