洛阳市城市环境气象监测预报服务研究

利用洛阳市环境监测资料和气象资料,分析了洛阳市污染物浓度的日变化、季节变化、年际变化规律,并分析了污染物浓度与气象因子的关系。在此基础上,通过回归分析预报方法、污染潜势预报方法、CAPPS模式预报方法对洛阳市3种主要污染物的浓度和级别进行了24 h和48 h预测,并建立了气象局与环保部门共享的气象和污染数据库平台,为双方今后的合作奠定了基础。     

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

伊春市空气污染的气象因素及污染物浓度预报方法

对伊春市区二氧化硫、氮氧化物、空气悬浮颗粒物3种污染物浓度逐日资料及同期气象资料的分析,总结伊春市空气污染的一般规律,了解了影响伊春市区大气污染变化的天气形势及气象要素的特征,并运用这些要素特征采用多元回归方法建立污染物浓度的预报模式,为空气质量预报提供了定量依据。     

东营市空气质量预报技术方法研究

利用1999-2001年高空气象资料、东营市地面气象资料和空气污染物浓度资料,对东营市空气污染状况进行了分析,并利用逐步回归、最优回归、B-P神经网络和CAPPS系统四种方法建立了东营市空气质量预报模型,再根据四种模型历史拟合结果的TS评分确定其权重系数,建立东营市空气质量集成预报模型,通过2002-2004年的预报试验表明,集成预报优于四种模型的单一预报精度.     

2013—2014冬半年北京重污染天气气象传输条件分析及预报指数初建

本文结合地面常规观测资料和空气质量数据,利用聚类分析方法对2013—2014年冬半年北京地区的气象传输轨迹特征进行了统计分析,并通过潜在源区贡献法(PSCF)分析了污染物的潜在源区。结果表明:影响北京的气团主要来自西南、偏东和西北三条路径,其中西南和偏东路径中重污染天气的出现概率分别为56.58%和43.80%,为典型的污染物传输路径。潜在源区分析发现,高PSCF值主要对应西南和偏东轨迹气团所影响的山东西部、河北中南部及天津等地,其形成与下垫面排放及气团移动速度有关。在此基础上,结合PM_(2.5)排放源强度构建传输气象指数,经检验发现与PM_(2.5)浓度的生消变化有较好的一致性,且有约6 h的预报提前量。将传输指数与天气分析相结合,有助于加深对重污染天气成因的理解,并在预报评估中发挥参考作用。     

城市空气污染指数预报方法研究

借鉴自动控制、经济和气象领域中广泛使用的马尔可夫随机过程理论，考虑了天气变化与气象要素对空气污染物浓度变化的影响，提出了新的空气污染物业务预报方法。该方法对各地区气象与环保部门联合进行城市空气污染指数的预报工作具有实际意义。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式，对2006年1月1日-2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析，得出海口市空气污染的变化特征。结果表明，污染物SO2和NO2的预报效果较好，而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程，并对PM10进行优化和校正，从而提高预报准确率。     

潮州市大气污染物与气象要素的关系

利用2006年潮州市地面气象观测资料和大气污染物浓度数据,分析了潮州市污染物的时空变化特征、污染物浓度月变化与气象要素变化关系以及污染典型日的气象因素。研究发现:潮州市的主要污染物为可吸入颗粒物(PM10),PM10全年的超标率为7.5%,空气质量夏半年优于冬半年;PM10污染物浓度月变化与地面气象要素有较高的相关性;在污染物典型日中,气象要素也是主要的影响因子。     

四川盆地冬季气溶胶污染与气象条件的关系

利用2014~2019年冬季ERA5再分析资料、成都市PM_2.5和PM₁₀逐日浓度数据以及污染物（二氧化硫、氮氧化物、烟粉尘）年排放量数据,通过分析四川盆地近6 a气溶胶污染物的时间变化特征以及PM_2.5浓度与气象条件的相关性,探讨了气象条件对四川盆地气溶胶污染的影响。结果表明:近6 a四川盆地冬季气溶胶污染物浓度和严重、重度污染天数均呈波动下降趋势,污染物浓度年际变化与污染物年排放量存在一定差异。首要污染物以PM_2.5为主,PM_2.5浓度与青藏高原及其下游地区气象条件的关系密切,与对流层低层、中高层气象要素的相关性存在差异,其中与青藏高原及其以北和以东地区850~500 hPa气温呈显著正相关,尤其是与易出现逆温层的四川盆地850~750 hPa温度的相关性最强。当850 hPa东北风较弱且相对湿度偏高、700 hPa西风较强且湿度偏低、500 hPa高压偏强且西风偏弱时,PM_2.5浓度偏高;反之亦然。      

汾渭平原东部运城市空气污染变化特征及其气象因素影响分析

本文综合利用2015—2020年地面气象观测资料、欧洲中心ERA5再分析资料及大气环境监测数据,分析了汾渭平原东部运城市污染物浓度的变化特征以及与天气形势和气象要素的关系。结果表明：①2015—2020年期间运城市PM2.5、PM10、SO2、NO2、CO 5种污染物年平均浓度呈下降趋势,而O3浓度呈上升趋势;②冬季和夏季空气质量相对较差,首要污染物分别是PM2.5和O3,边界层高度的变化与近地层风向风速、污染物浓度的关系密切,冬季（夏季）PM2.5（O3）污染较重时边界层高度较低（较高）,以东北风（东南风）为主,风速偏小（偏大）;③最后利用自组织映射神经网络（SOM）算法分别对冬夏925 hPa位势高度场进行天气分型并开展不同天气形势下污染物浓度与气象要素的变化对比研究,发现冬季污染时以静稳天气为主,低层弱东北风将污染物输送至运城市,而夏季O3污染较重时受热低压形势控制,利于O3前体物汇合,太阳辐射较强时O3浓度较高。     

2015-2016年贵港市空气污染与天气形势的关系

利用2015—2016年贵港市空气自动监测站空气质量指数、首要污染物等数据及贵港国家气象观测站的常规气象观测资料(风速、湿度、气温等),分析了贵港市2015—2016年空气质量概况及相关气象因子,进而利用合成分析方法对贵港市在不同季节出现不同级别空气污染的天气形势变化进行了分析。分析结果表明:贵港市的首要污染物为PM_(2.5)和PM_(10),其中12月、1—2月为贵港市空气污染最严重的月份。各气象要素与空气质量指数相关性较强,风速、气温、降水等气象条件对贵港市的空气质量影响显著。在春、秋、冬季,冷空气南下影响贵港市,500 hPa为持续的下沉运动且850 hPa相对湿度较低及850hPa由北风转为南风且风速较小时,贵港市极易出现轻度污染以上的天气;当云南一带有南支槽活动时,贵港市易出现重度污染天气。夏季影响贵港市空气质量的主要因素则是热带气旋移动至江苏、浙江一带时,热带气旋的外围下沉气流导致贵港市出现持续下沉运动。此时,受副热带高压系统或者其他天气系统影响,850 hPa风向出现明显转折时,应考虑贵港市出现轻度污染的天气现象。     

潍坊市空气污染与气象条件的关系

利用2004年3月~2005年2月每日08时的潍坊市气象观测资料和环境监测资料,分析了空气污染物浓度与各种气象条件的关系,结果表明:可吸入颗粒物PM10是潍坊市的主要污染物,污染物浓度有明显的季节变化,冬季高于夏季,各种污染物浓度与大雾、降水、风速等有明显的相关性。     

北京地区PM10污染的气象特征

选用北京城郊5个代表站2000年可吸人颗粒物PM10逐时浓度监测资料,较为系统地统计分析了北京地区主要空气污染物一PM10的时空分布特征,其中包括PM10平均浓度和各等级出现频率的逐月变化、采暖期和非采暖期平均浓度的逐时变化.揭示了各代表站PM10污染年、日变化趋势、采暖期和非采暖期日变化之间的差异,并分析了PM10浓度与地面常规气象要素的相关性.     

新都区冬季空气污染扩散与气象要素相关性研究

利用2014~2018年冬季空气质量和污染物浓度数据,结合地面观测、探空及风廓线雷达资料,对新都区冬季气象要素及其污染扩散条件进行分析。结果表明:（1）新都区不同污染物具有相同的日变化特征,在11时左右浓度最高,18时达到最低。（2）新都区污染物浓度与风速、气温、降水、相对湿度有密切关系。当风速大于(小于)平均风速时,污染物浓度减小（增加）;气温越高且相对湿度越大,污染也越强;降水较弱时,反而会加重污染。（3）新都区污染天气过程中,逆温强度与厚度的大小将影响污染物的垂直扩散,强度和厚度偏大,污染偏严重。      

天津市城区静风与污染物浓度变化规律的分析

利用2000—2004年天津市城区气象和污染物资料,采用统计分析方法,研究了城区静风分布及污染物浓度变化规律。结果表明:静风分布有明显的日、年变化规律,在华北地形槽或低压、高压前部和高压的天气形势下易出现静风天气现象且持续时间较长。污染物浓度与风速呈现出较好的负相关,即风速越大、污染物浓度越小。但风速达到一定临界值时,TSP与风速呈正相关,大风可以引起二次扬尘并增加了空气中颗粒物的含量;PM10,SO2和NO2三种污染物在静风日的浓度值均高于非静风时的浓度值。     

丽水空气污染物时序特征及与气象条件的关系研究

利用丽水2012年9月—2014年3月主要空气污染物浓度和气象数据,分析丽水空气污染物构成及其与气象因子的相关性。分析结果表明:丽水空气质量优良率约80%,高频首要污染物依次为PM2.5、O38、PM10、NO2;各污染物浓度分布的时间、季节特征明显:早晚高峰时段污染物浓度普遍偏高,冬季—初春是一年中污染较重季节,尤其春节期间PM和SO2浓度急剧上升。各主要污染物质浓度随气象因子的变化各有特点:CO在气温较高、晴朗微风、高层层结稳定的天气条件下浓度较高;NO2在气温适中、湿度较大且无明显降水时浓度较高;SO2则在气温适中、湿度较小、晴朗微风的天气条件下浓度较高;O3则在高温干燥天气时浓度较高;PM在干燥、气温较低、连续晴朗、微风、高层层结稳定时浓度较高。