2015-2018年海南省臭氧污染特征及其天气类型

根据2015—2018年海南省18个市县32个空气质量监测站O₃浓度资料,分析了区域性O₃污染（O₃-8h浓度超标市县≥3个）时空变化特征,并对造成O₃污染的天气系统进行主观分型。结果表明：2015—2018年海南省共有40 d发生了区域性O₃污染,发生概率为2.73%。其中2015年和2017年达到了13 d,发生概率为3.56%,2018年为11 d（3.01%）,2016年仅为3 d（0.82%）。发生区域性O₃污染主要有4种天气类型：冷空气偏西下型、冷空气偏东下型、变暖高压脊型和热带系统型。其中冷空气偏西下型是最主要的天气类型,共出现了14 d,占所有天数的35%,且污染较重。不同天气类型下海南省O₃污染表现出不同的分布特征。500 hPa有下沉气流、低层受东北风控制,有相对湿度低值区从中国东部向海南省延伸,地面位于冷高压底部或热带气旋西北侧,温度露点差在5 ℃以上等条件均有利于海南省区域性O₃污染天气出现。     

新疆地区雪深和雪压的分布及其55年的变化特征分析

本文主要使用新疆地区109个气象站观测资料,对新疆地区雪深和雪压的分布和变化特征以及相关气象因子进行了系统分析,结果表明:新疆地区的积雪多年平均表现为北部多于南部,其中雪深和雪压最大值出现在新疆北部,数值分别为10 cm和10g/cm2.新疆积雪的季节特征较为明显,其中2月份积雪最大,雪深和雪压分别为9.2 cm和5....     

全球变暖背景下新疆地区近45 a来最大冻土深度变化及其突变分析

利用覆盖新疆大部分地区资料完整的93个站点资料,对1961-2005年新疆地区最大冻土深度进行了分析. 结果表明：新疆地区月最大冻土深度有明显的季节变化,低海拔区域(海拔<1 800 m)最大值出现在1月份,而高海拔区域(海拔≥1 800 m)的最大值出现在2月份,比低海拔区域要滞后. 新疆地区最大冻土深度的地理分布特征表现为北疆深于南疆,山区深于平原,且与气温的分布有很好的一致性. 全年和冬、春季最大冻土深度与气温场的空间相关系数分别为-0.795、-0.736和-0.848. 年际变化表明,近45 a来的最大冻土深度出现了较为明显的下降. 高海拔区域与低海拔区域年最大冻土深度的倾向率分别为-15.65 cm·(10a)^-1和-9.48 cm·(10a)^-1,且与气温的相关系数分别为-0.51和-0.69,均通过了0.001的信度检验. 同时发现,高海拔区域冬季下降多,而低海拔区域春季下降多. 新疆地区年最大冻土深度在近45 a有明显的突变现象,高海拔区域和低海拔区域突变发生年份分别为1996/1997年度和1978/1979年度,说明新疆地区高海拔区域的年最大冻土深度对气温变化的响应比低海拔区域要滞后. 突变年后高海拔区域与低海拔区域年最大冻土深度比突变年前的平均值分别降低了61.12 cm和26.67 cm.     

陆气双向耦合模式中全球感热和潜热通量的时空特征模拟

利用中国科学院大气物理研究所(IAP/CAS)含有动态植被过程的海-陆-气耦合模式AVIlVI-GOAIS的积分结果,与ERA-40再分析资料的感热和潜热通量场进行对比分析,结果表明:AVIM-GOALS模拟的感热和潜热通量的气候态、季节变化等特征和ERA-40一致,其中感热通量的纬向分布为双峰型,而潜热通量从1～7月...     

我国对流层二氧化碳非均匀动态分布特征及其成因

人类活动导致大气中温室气体浓度上升，是全球气候变暖的主要原因之一.本文针对已经连续运行13年的AIRS（Atmospheric Infrared Sounder）卫星反演的对流层中层CO₂浓度资料，利用地基观测结果对其进行验证，同时结合多种相关资料对我国区域CO₂浓度的时空分布及季节变化进行研究.结果显示：北半球30°N—60°N是CO₂浓度高值带，低值中心主要出现在15°S—15°N，140°W向东至100°E的低纬地区.地基观测与AIRS卫星反演结果基本一致，年增长率约为1.926 ppmv·a^-1.我国区域CO₂浓度空间分布上呈现北高南低的非均匀分布特征，4个高值中心分别位于东北地区西南部、内蒙古西部、新疆地区东部和西部，低值中心在云南和西藏地区.我国区域CO₂浓度有明显的季节变化特征，最高值出现在春季，冬夏季次之，秋季最低，其季节演变特点与风场的输送、降水量的清除和植被的吸收等密切相关.     

近50年云南省雨日及降水量的气候变化

利用1959-2009年云南省30个测站逐日降水资料,通过计算趋势系数、相关系数等现代统计诊断方法,分析了近50年来云南省年、季、月雨日和降水的时空变化特征。结果表明,云南省多年平均雨日空间分布和降水量空间分布基本一致。降水量最大值出现在滇西南地区,滇中到滇东南地区相对较少;年雨日最大值也出现在滇西南地区,滇中地区最少...     

重污染下我国中东部地区1960~2010年霾日数的时空变化特征

对1960~2010年我国中东部地区霾日数的时空变化特征的分析结果表明:1)霾日数大值区主要分布在人口众多的四川盆地、北京-天津-河北地区、长江中下游地区以及广东-广西中部。2)季节变化上,霾日数冬季较多,其中北京-天津-河北地区中部和西南部、四川盆地和东北地区东部和南部等地超过20 d,夏季最少。3)霾日数气候趋势系数在北京-天津-河北地区、长江三角洲地区和珠江三角洲地区趋势系数高达0.8。4)霾日数呈现明显的上升趋势[3.69 d(10 a)–1],其气候趋势系数为0.82,通过了99.9%的信度检验。5)我国中东部气溶胶光学厚度和对流层NO2的空间分布与年平均霾日数的分布基本一致,近51年来能源消耗量的稳定上升趋势也表明,人为因素导致的大气污染物排放量增加是引起霾天气出现频率上升的重要因素。     

1960~2012年中国地区总云量时空变化及其与气温和水汽的关系

基于我国地区543个地面气象台站观测的总云量、平均气温和相对湿度日均值资料,采用正交经验函数（EOF）、气候倾向率和线性趋势分析等方法,研究了1960~2012年总云量的时空变化特征及其与气温和水汽的关系。结果表明:（1）我国地区总云量呈南多北少的带状分布特征,最大值在四川盆地（82%）。近53年来总云量气候倾向率为-0.8%（10a）-1,趋势系数为-0.68,通过了99.9%的信度检验。（2）总云量季节变化特点明显,夏季最多,春秋季次之,冬季最少,其中春季、夏季和秋季有显著的下降趋势。（3）EOF分解的前两个模态表明总云量不仅具有一致减少的变化特征,还具有明显的区域差异。以此同时,平均气温和相对湿度不论在总体变化趋势、地区差异、还是时间演变上,均与总云量保持较高的一致性,进一步证明总云量的变化与气温和水汽有密切关系。     

SPATIOTEMPORAL VARIATION OF NO2 AND SUB-REGIONAL TRANSPORT DURING WINTER POLLUTION EVENTS IN HAIKOU, CHINA

An ensemble of satellite measurements, statistic data from government and meteorological diagnosis in regional background site (Haikou, China) has revealed the spatial and temporal characteristics of NO2 and associated synoptic transport patterns over southern China from January 2013 to February 2014. The result shows that: (1) Ozone Monitoring Instrument (OMI) satellite products had a good correlation with observation NO2 in Haikou. The correlation coefficients between Observation NO2 and tropospheric column NO2 and ratio of TroNO2/ TotNO2(tropospheric column NO2/ total column NO2) had all passed the confidence level of 99.9% test. (2) TroNO2 over southern China has an obvious seasonal variation, which is closely coupled with regional meteorology in each season. (3) NO2 concentration in Haikou revealed three pollution periods during December 2013 and January 2014. The variation of NO2 concentration in Haikou is related to the meteorological elements closely. (4) Compared to the monthly mean meteorological fields of the pollution periods, the results indicate that NO2 pollution event in Haikou is directly related to the exogenous transportation from PRD region. An ensemble analysis of meteorological dynamic factors, wind vectors and backward trajectories during the pollution periods further verified this conclusion.