南昌市一次连续空气污染过程的气象条件分析

2004年12月8—16日南昌市出现了一次连续空气污染过程。利用城市空气污染观测资料和气象常规观测资料,从天气形势和主要气象要素两个方面,对此次空气污染过程进行了分析。结果表明,此次连续空气污染事件都是出现在风速小、无雨和有雾或霾的气象条件下,高空主要为高压脊的形势或是处在西风槽底的平直气流中,低层大气稳定,中层大气增温明显;地面形势主要为地面高压脊、高压底部或是倒槽前部,地面有弱冷空气南下时不一定能改变污染状况。极厚、极强的逆温层和极小风速的持续存在是造成污染物高浓度最重要的气象条件。此外,地形也是影响南昌市空气质量水平的因素之一。     

盖州市大气能见度与气象条件相关分析

利用2011—2012年盖州市大气能见度和地面气象要素(相对湿度、风速、气温、气压)的观测资料,分析了盖州地区大气能见度月和日的变化特征及大气能见度与气象要素的相关性。结果表明:盖州市大气高能见度事件多出现在3月和10月,低能见度事件多出现在6—8月;夏季能见度最低,14时能见度最大,20时能见度比08时略小。大气能见度与相对湿度相关性最大,与风速和气温相关性次之,与气压相关性最差;当相对湿度80.0%时,能见度最低值为10.4±3.2km,大气能见度与气压、气温、相对湿度的相关系数分别为-0.52、0.51和-0.52;其中较高的气温、较大的相对湿度、较小的风速及较低的气压是盖州地区低能见度(10km)事件发生的主要气象条件。     

重庆市区大气能见度变化特征及其影响因素分析

为研究重庆市区大气能见度变化特征,对2000～2005年的重庆能见度观测资料进行了统计分析。结果表明:市区能见度以差和较差为主,能见度的季节变化、日变化特征明显,且近年来日平均能见度有所下降。能见度与同期的地面气象条件、主要空气污染物的相关分析结果表明,在气象条件中,相对湿度和风速对能见度的影响最为明显,各季能见度均与相对湿度呈显著负相关,与地面风速呈正相关;在污染物因子中,PM10是能见度下降的最主要原因,且不同季节PM10对能见度的影响程度不同,其中以冬、夏季影响较强。     

北京高速公路大气能见度与气象条件的相关分析

从能见度与气象要素的日变化、逐月变化、季节变化特征以及不同等级能见度与对应气象要素平均值的依赖关系等不同角度,统计分析了北京首都机场和八达岭高速公路大气能见度与地面气象要素的相关性,并进行了高速公路大气能见度与地面气象要素相关性普查。结果表明,北京高速公路大气能见度与相对湿度呈明显负相关,与风速和气压呈正相关,高湿和小风是出现低能见度的主要气象条件。     

基于IBAM指数的重庆地区空气污染气象条件预报方法

通过重庆城区2013—2016年空气质量指数AQI与气象要素的相关分析,引入表征大气温湿状态的物理量总温度、比湿、近地层风速、24h变压及大气低层总温度差,构建新的空气污染气象条件指数IBAM(Index Between Air pollution and Meteorology)。应用2013年4月1日至2016年12月31日欧洲中心预报产品计算重庆地区历史IBAM指数,通过K均值聚类分析,引入极端天气事件概念确定空气污染气象条件阈值,建立预报模型。利用IBAM指数与滞后1天AQI建立拟合曲线方程,计算出AQI预报值,计算预报准确率,经过2017年1月1日至2018年9月1日样本检验,72h内预报准确率在70%左右。通过误差分析发现:当气象条件为大气污染物浓度主要影响因素且在大气污染源变化不明显时,预报误差较小;而当大气污染源变化明显时,预报误差较大。该预报方法已在重庆市气象台业务应用,对预防和处理重污染事件,改善重庆地区空气质量有较好参考价值。     

江苏不同强度降雨对能见度影响分析

利用江苏70个基本站多年逐时雨量、相对湿度、风向、风速以及同时段内最低能见度等观测资料,分析不同强度降雨对能见度的影响,并对比分析两种不同强度降雨造成的低能见度事件统计特征。结果表明:降雨是除雾以外,江苏低能见度的主要影响天气(14. 7%),其中稳定性弱降雨和短时强降雨影响最大。与低能见度雾事件不同,降雨造成的低能见度事件全天各时段均可能出现,发生时可伴随较强的风速(2 m/s),短强低能见度多见风速4 m/s(26. 6%)。江苏冬春两季为雨雾高发季,主要受降雨持续时间影响,对应的低能见度区间为500~1 000 m,有明显日变化。短强低能见度主要受雨强影响,多发生于6—9月,对应的低能见度区间为小于200 m,无明显日变化。两种降雨产生的低能见度事件有明显的空间分布差异,且雨雾低能见度发生时偏北风占主导,短强低能见度发生时则偏东风占主导。     

防城港市一次空气污染状况及气象条件分析

该文利用空气质量、污染物资料、NCEP(1°×1°)再分析资料及常规气象资料,分析2017年10月25日—11月3日防城港市一次持续性空气污染过程的污染物特征和气象条件。结果表明:此次空气污染过程首要污染物为臭氧,臭氧浓度存在日变化;气温与臭氧浓度变化存在显著正相关,相对湿度与臭氧浓度变化存在显著负相关;午后太阳辐射增强、湿度降低、无降水等气象条件有利于臭氧浓度的增加;500 hPa环流平直、地面为弱的高压脊、地面风速小、天气晴好少云、低层存在逆温层是本次持续性空气污染过程维持的有利气象条件。     

北京地区大气能见度变化规律及影响因子统计分析

1990～ 2 0 0 0年北京地区大气能见度的统计分析表明 ,大气能见度有明显的年际变化、季节变化和日变化特征。冬、春、秋三季及全年日平均年际变化表现为 2 0世纪 90年代中期能见度较好 ,前期和末期能见度较差 ,2 0 0 0年能见度迅速好转 ;夏季能见度年际变化在 1997年以前与其他季节相反 ,1995年能见度最差。大气能见度与同期地面气象条件和主要污染物浓度的相关性比较表明 ,春、夏、秋三季以空气湿度、PM10 和风速为主要影响因子 ,冬季以PM10 、SO2 、空气湿度和风速为主要影响因子。能见度与相对湿度和空气污染物浓度呈反相关 ,与风速的相关性较为复杂 (有时呈正相关 ,有时呈反相关 ) ;高湿度 (相对湿度 f≥ 80 % )、小风速 (地面风速u≤ 2m·s-1)和雾是造成低能见度的主要气象条件 ;污染物浓度对能见度的影响以冬季最为明显 ,秋季次之 ,夏季最差     

沈阳爆胎气象条件指数预报方法研究

通过对沈阳观象台气温、相对湿度、云量、风速和降水等140个观测因子与日地面最高温度进行相关分析,发现日地面最高温度与气温相关关系最好,正相关系数在0.7以上,相对湿度也是影响地面最高温度变化的主要因子之一,负相关系数绝对值大于0.6。路面抗滑能力主要受降水影响,一般来说,降水强度越强、降水量越大,对路况和车辆行驶的影响越大,但小雨较中雨时的爆胎事故发生概率更高,这主要是因为小雨车速较快,而且路面潮湿或有少量积水,路面摩擦系数降低,容易引起交通爆胎事故。基于选择的相关因子,建立日地面最高温度与相关因子间的二元线性回归方程,得出沈阳爆胎气象条件指数预报方法,爆胎气象条件指数共分为4个等级。经过对2015年7月爆胎气象条件指数计算检验,沈阳市区内2次爆胎事故,爆胎气象条件指数均达到3级。     

基于地面气象要素的延伸期相似预报方法初步研究

依据基于地面气象要素的相似预报方法,利用环渤海地区1960~2010年57个地面测站的降水和风速气象资料,探讨了相似预报法进行延伸期预报的可行性。2000~2010年预报效果表明:该方法对夏季降水日数有一定的预报能力,除去8月第27~30 d的预报外,其预报准确率均高于气候概率。6~7月中雨预报准确率在8%~10%之间,整体超过了气候概率值;夏季大雨和暴雨的延伸期预报准确率大多较气候概率值高,预报结果可信。对于0~2级风速预报而言,各季节存在明显差异,预报准确率最高值出现在夏季,高达85%,最低值出现在春季,为50%左右;对于3~4级风速预报,一年中有8个月的预报准确率维持在10%左右;在2~4月日均风速≥5级的预报准确率为7%~10%,而日最大风速≥5级的预报准确率明显高于日均风速的预报准确率,最低预报准确率为18.5%,最高可达39.1%。风速的预报结果与同类研究对比发现,基于地面气象要素的相似预报方法在延伸期风速预报中具有一定的应用价值。     

呼伦贝尔市大气能见度影响因子及一次低能见度个例分析

为探寻呼伦贝尔市大气能见度、低能见度特征及其影响因子,揭示"冰晶雾"天气成因,利用呼伦贝尔市大气能见度资料及地面气象要素资料对4个代表站的能见度进行统计分析,并对一次典型低能见度事件进行分析,结果表明:(1)整个地区大气能见度的气候特征在空间分布及时间演变上均存在较大的不一致性,牧区能见度优于农区;(2)大气能见度与相对湿度和气压呈负相关,与气温和风速以正相关为主;(3)大气低能见度出现的集中时段是冬季,伴随最多的天气现象为结冰、积雪和霜;(4)2 m温度低于零下36℃,对于浓雾的产生具有指示意义。     

北京大气能见度的主要影响因子

利用北京市道面自动气象站、国家级自动气象站等多种观测数据分析北京地区2007—2015年能见度及其主要影响因子, 并挑选两次典型低能见度事件过程进行详细分析。从空间分布看, 北京西北地区能见度明显高于中心城区和东南大部地区。从时间分布看, 北京地区平均能见度最大值出现在5月, 最小值出现在7月; 日间的最低值多出现在06:00(北京时, 下同)左右, 冬季略向后推迟; 最高值多出现在16:00前后, 冬季略有提前。整体而言, 2007—2015年北京地区发生低能见度事件的概率为62.14%, 且发生低能见度的事件集中于1~5 km, 霾事件中干霾、湿霾的发生频率分别为86.13%和13.87%。能见度的主要影响因子为相对湿度、风速和PM_2.5浓度。其中, 能见度与风速呈正相关, 与相对湿度和PM_2.5浓度呈反相关。需要指出的是, 当相对湿度增加至80%, 能见度受PM_2.5浓度的影响程度在下降, 而主要受相对湿度的影响。基于所选个例, 当北京地区出现湿霾事件时, 能见度的恶化程度远高于干霾事件, 且PM_2.5浓度需比干霾事件时下降得更低才能有效改善能见度。     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。     

2018年1月青岛市一次重度污染雾——霾天气成因分析

利用中国国家地面站逐小时气象观测资料、中国环境监测总站空气质量逐时监测数据、ECMWF0.125°（纬度）×0.125°（经度）再分析资料及青岛市八关山自动站常规要素逐小时数据,对2018年1月15～22日青岛市一次重度污染雾—霾天气过程的特征及其影响因子进行分析。结果表明：PM10为首要污染物,污染过程中青岛市48 h输入污染源前期主要为北方干冷气团与江淮湿空气在山东半岛北部汇聚堆积,后期则主要包括山东省内局地大气污染物排放。雾—霾期间,500 hPa中高纬地区受乌拉尔山阻塞高压和中西伯利亚冷低压控制,宽广的东亚横槽稳定维持,青岛上空以平直西风气流为主,地面等压线稀疏,风速小;随着横槽转竖,纬向型环流转为经向型,冷空气大举南下,风速急增,降雪发生,雾—霾迅速消散。在静稳的大气环流背景下,当近地逆温层内弱风或持续吹陆风,对流层低层上升和下沉运动较弱,水汽条件较好时,有利于雾—霾维持。综合分析雾—霾各阶段PM2.5浓度和相对湿度与能见度间的关系发现,霾阶段两因子影响力相当;雾阶段能见度主要受相对湿度的影响;静稳条件下PM2.5浓度累积增加是影响雾、霾混合阶段能见度的主要因子。     

济源水平能见度变化特征及气象影响因子分析

利用济源地区1994-2003年的地面气象观测资料,分析了济源地区水平能见度变化特征及相对湿度、风速、气压、温度和雾对其的影响。     

达州市2016年元旦期间持续重污染天气气象条件分析

利用空气质量监测资料、高空和地面气象观测资料、NCEP再分析资料,对达州市2016年元旦节期间重污染天气过程特征及气象条件进行分析。结果表明:达州市此次重污染天气过程为长时间无冷空气活动,无降雨,大气污染物不断积聚形成。AQI日变化受污染源排放情况影响更大,早上低,白天逐渐增加,天黑后达到峰值。大气污染物的积累一般发生大气稳定度为中性或以上。AQI与08时和17时混合层厚度负相关,但日平均混合层厚度与AQI没有通过相关性检验。重污染时近地面有逆温层且逆温层较厚。AQI与逐日最高气温、日平均风速和日最大风速正相关,降雨对大气污染物稀释作用明显,特别是降雨持续时间长,雨量大效果更为显著。AQI逐时变化与温度正相关,与风速负相关。      

济源水平能见度变化特征及气象影响因子分析

利用济源地区1994—2003年的地面气象观测资料，分析了济源地区水平能见度变化特征及相对湿度、风速、气压、温度和雾对其的影响。     

鲅鱼圈地区污染气象特征分析

利用近3a的鲅鱼圈地区地面常规气象资料和2005年3～4月鲅鱼圈地区低空污染气象探测资料,分析了鲅鱼圈地区低空污染气象特征。结果表明:鲅鱼圈地区各类型风速廓线出现频率比较均匀,而且由于地面粗糙度较大,因此风速廓线指数比平原地区稍大。     

江苏地区连续性雾霾天气的污染物浓度变化和特征分析

针对2013年1月江苏淮安地区发生的一次连续性雾霾天气过程,分析该天气过程中PM10和PM2.5的质量浓度演变特征、能见度与气象要素之间的关系、中低层环流特征以及污染物来源。结果表明:雾霾期间PM10和PM2.5质量浓度最低值出现在05:00至07:00(北京时间,下同)和13:00至17:00,最高值出现在21:00至23:00,PM10和PM2.5质量浓度并非同时达到极大值;持续变化较小的气压梯度、较低的风速、相对湿度的增大以及PM2.5和PM10质量浓度的增高是雾霾发生发展的必要条件;能见度与气压、相对湿度、PM2.5质量浓度的相关性较好,建立回归方程,对能见度的整体变化趋势拟合效果较好;高空环流形势平稳、中低层的暖平流、持续稳定少动的地面高压场分布为雾霾天气的持续发生发展提供了有利的形势背景;稳定的层结结构、中低层偏东及偏东北方向气团的输送、本地污染源以及严重的空气污染是此次过程中能见度偏低、霾天数较多的主要原因。     

贵州铜仁2019年1月两次空气污染过程及其气象条件特征分析

2019年1月铜仁市发生了中到重度污染过程,本文利用铜仁市城区逐时环境监测资料,高空及地面气象观测资料,分析了本次污染过程气象条件特征。结果表明,此次首要污染物为细颗粒物（PM2.5）。污染天气发生时,铜仁上空是高压脊或一致的西南气流,地面为冷高压或均压区控制,气压梯度小,风小;当转为高空槽前,地面有冷空气补充,气压梯度增大时,污染物浓度得到降低。同时风速和相对湿度大小跟污染物浓度也有一定关系,地面风速小,空气干燥时,污染物浓度增加;相反,风速增大达4m/s以上,空气相对湿度增大达90%以上,特别是明显的雨雪天气发生时,污染物浓度得到快速降低。另外,污染天气伴随有近地层逆温层持续影响,逆温层厚度越厚,且逆温强度越强,抑制了大气垂直方向的湍流交换,有利于污染物浓度累积增长。受梵净山地形阻挡作用,当近地层为弱偏东风影响时,污染物不能翻越梵净山向西扩散,会在山的东侧堆积,导致铜仁城区污染物在本地循环累积,污染浓度维持较大值。上述研究结果,可为铜仁市空气质量预报及污染防控提供新的参考依据。