2012—2015年北京市空气质量指数变化及其与气象要素的关系

根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据,采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析,结果表明：2012—2015年北京市空气质量整体呈现下降趋势,冬春季空气质量较差,夏秋季的较好,冬季容易产生重污染天气,春季污染天气频发。北京空气质量存在一定程度的周末效应,表现为周末空气质量较差,工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关,与湿度呈正相关,不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。     

德令哈市2015年空气质量指数分布特征及其与气象要素的关系

利用2015年德令哈市逐日空气质量数据及地面气象观测数据,分析了德令哈市空气质量指数的时空分布特征,并探讨了其与气象要素的关系。结果表明:2015年德令哈市空气质量以Ⅱ级良为主,AQI指数有比较明显的季节分布特征。春季AQI指数最高,夏秋两季空气质量偏好。首要污染物在春季4月、5月和夏季主要以臭氧为主,其余时间多以PM_(10)为主。无降水日期间首要污染物集中在PM_(10)和臭氧,而当出现降水且量级增大时,首要污染物更多的为臭氧。从相关系数分析,在不同月份空气质量指数与不同的气象要素有比较好的相关关系。日降水量在不同月份存在着正、负相关关系,这与不同季节冷空气活动所带来的不同天气现象及其他气象要素作用有一定的关联。     

阳江市空气质量AQI指数变化及与气象要素的关系

采用阳江市生态环境局布置在阳江市区及周边的鸳鸯湖、马南垌、南恩路三个空气监测点2014年至2018年的数据资料,分析阳江市日平均空气质量AQI指数,以及不同污染等级空气质量日数的时间变化规律;再利用同时期阳江市国家基本气象观测站的气象观测资料,分析不同气象要素对阳江市空气质量AQI指数的影响.结果表明,全年和四个季节,...     

四川盆地一次强降水过程水汽特征

利用WRF模式、地基GPS资料以及常规气象观测资料,结合模式输出资料的高空间分辨率(10km)和GPS大气可降水量(GPS-PWV)资料的高时间分辨率(30min)的优点,对2008年7月20—22日四川盆地一次暴雨过程的水汽变化特征及各物理量与大气可降水量的关系进行综合分析。结果表明:此次降雨过程是由高原涡和西南涡共同作用引起,WRF模式能够较好地模拟出降雨落区和强度。GPS-PWV反映的大气可降水量增减趋势与WRF模拟的较为一致。水汽密度垂直分布反映了大气可降水量分布,水汽密度随高度增加而递减,降雨初期,水汽密度随高度减小迅速,降雨强盛时期,水汽密度随高度减小的速度减慢。水汽辐合使得水汽密度和大气可降水量增大,风的散度项与水汽通量散度的变化一致,而水汽平流项对水汽辐合贡献较小,水汽的辐合主要由风场辐合造成。     

哈尔滨市空气质量特征及其与气象要素的关系

利用哈尔滨市2014—2016年逐日空气质量指数(AQI)数据,结合同期气象观测资料,分析了哈尔滨市空气质量的变化特征、主要污染物及与主要气象要素之间的关系。结果表明:近3 a间,哈尔滨空气质量为良级别的天数最多,占47%,达到污染级别的天数占31%,2016年空气质量最佳,优良级别的天数达到284 d,占全年78%;春夏季AQI指数较低,秋冬季AQI指数明显偏高,9月空气质量全年最佳,1月空气质量最差; PM_(2. 5)是造成哈尔滨空气污染的最主要污染物,其次是PM₁₀、NO_2和臭氧8 h(O3-8 h); AQI与气压之间以正相关为主,秋冬季最为显著;与风速主要表现为负相关,冬季尤为显著;与气温的关系受到采暖的干扰差异较大,年尺度及秋冬季呈负相关,月尺度呈正相关;与降水日数呈负相关;与相对湿度冬季表现为显著正相关,而5—9月为负相关。     

岳阳市AQI指数变化特征及与常规气象条件的关系

该文利用2015—2016年岳阳市区空气质量AQI数据和同期的常规气象资料,运用统计分析方法对该市的AQI时空分布特征进行了分析,运用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区冬季空气质量最差,夏季空气质量最好,城市北部空气质量差于南部、工业区空气质量差于水库景区。重度污染及严重污染日基本出现在空气质量较差的冬季,工业区发生频率比较高。岳阳市城市工业布局方向与年主导风向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。选取气温、降水量、低云量、相对湿度、风速等因子建立的岳阳市区AQI预报模型模拟效果较好。     

GPS遥感大气可降水量在大连地区3次降水过程中的应用

利用大连市气象局地基GPS/MET观测网大气可降水量（PWV）数据,分析2011年大连瓦房店、庄河和长海地区降水天气过程PWV的变化特征及其与降水量和降水强度的关系,在此基础上通过分析物理量场和天气系统,探讨大尺度水汽输送、辐合与PWV变化的关系及GPS在暴雨天气中的应用。结果表明：PWV的增长方式受当地天气系统的支配和制约,对一次明显的降水过程,从开始至结束PWV的变化与降水量有明显的相关性。当有水汽由南向北输送时,PWV在降水开始前逐渐增长,当地面及高空有大范围的水汽辐合且高空比湿值大于10 g·kg^-1时,PWV显著增长（降水开始前4-5 h）,主要降水时段与PWV峰值相对应,同时PWV的增幅大小与降水强度有明显的关系。     

北京地区空气质量指数时空分布特征及其与气象条件的关系

分析了北京地区2013年1-2月空气质量指数AQI的时空分布特征,及紫外吸收性气溶胶指数(AAI)、气象观测要素(相对湿度、气压和风速)、大气环流特征、混合层高度、总体理查森数(RB)与AQI的相关性等;同时对气象观测要素与AQI关系进行了拟合,建立了回归方程。研究结果及主要结论如下:北京地区AQI呈现出了一种自东南向西北递减的分布趋势;紫外吸收性气溶胶指数(AAI)与AQI之间呈明显正相关关系,相关系数r=0.456,可以作为污染物监测的参考;相对湿度、气压与AQI有着较好的相关性,相关系数分别为0.67、-0.49,建立的最优回归方程得到的拟合结果与实际观测效果对比良好;500 hPa乌拉尔山至贝加尔湖地区的高压脊是北京地区是否形成持续性污染的重要天气系统;AQI与1-2月混合层高度呈明显的负相关关系,相关系数为-0.511,持续低于459 m的混合层高度有利于污染物堆积;总体理查森数≥10.63时,有利于次日污染持续或发展等。     

三江源区大气可降水量时空特征及其与降水关系

利用1979—2016年欧洲中期天气预报中心(ECMWF) ERA-Interim (1°×1°)再分析资料中的经、纬向水汽通量和大气可降水量(precipitation water vapor,PWV)数据,采用相关性分析、趋势分析法、累积距平、IDW等方法,分析三江源地区PWV与水汽通量的时空分布特征、降水转化率(precipitati-on conversion efficiency,PCE)变化规律。结果表明:过去的38 a,经、纬向多年平均水汽通量分别为50. 2、196. 7 kg·m-1·s^(-1),纬向水汽通量气候倾向率比经向大。南边界为纬向主要水汽输入边界,东边界为经向主要水汽输出边界,纬向水汽输送大于经向输送。多年平均PWV为1998. 3 mm,近38 aPWV呈现微弱增加趋势,1979—1997年,PWV呈下降趋势,1998年后PWV呈增加趋势,同期降水也在增加,说明该时段三江源地区气候转湿。PWV与水汽通量的年际变化趋势和转折年相一致。三江源区多年平均PCE为24. 57%,1989年PCE最高,达32. 76%,各季节平均PCE空间分布与年平均PCE分布一致,均表现出南部、东南部高,西部、东北部低的变化特征,各季节PCE大小差异明显,春季多年平均PCE为15. 92%,夏季25. 67%,秋季21. 01%,冬季仅7. 03%。     

动态环境下PPP的GNSS大气水汽反演

利用静态PPP（精密单点定位）处理稳定的GNSS地面站可以高精度反演大气中的水汽含量.对于运动的载体,静态PPP无法正确地估计待估参数.利用动态PPP数据处理方法,在解算载体动态位置的同时,可以估计动态载体GNSS的天顶总延迟,并在此基础上计算水汽含量.分别利用PPP动态和静态模型解算3.5 h的稳定可靠GNSS参考站数据,结果表明,动态PPP与静态PPP利用稳定CORS站解算大气可降水量（PWV）时,最大差别为6.6 mm,且水汽的变化趋势基本一致.在快速运动平台下,旋转平台解算的PWV与相同环境下的CORS站解算的水汽结果在量级上一致,但并不能像CORS站结果一样可以反映出水汽的变化趋势.针对地震等GNSS台站失稳问题,分别利用动态、静态PPP进行水汽的提取,结果表明,地震的短期形变对PPP水汽的提取无明显影响.建议使用静态PPP对失稳GNSS台站进行水汽提取.     

成都地区雾的气候时空特征及其与近年空气质量的关系

利用成都市1980—2021年14个国家气象站的雾日、平均气温、最低气温、相对湿度等观测资料,结合PM_2.5、PM₁₀、NO₂及SO₂等环境监测以及人口数据,对成都地区雾的气候特征及其与城市化进程、空气质量的关系进行分析。结果表明：成都地区雾日气候分布呈现中心最多、东部次之、西北部最少的区域特征;冬季最多,秋季次之,夏季最少的季节特征。且雾日整体呈下降趋势,中心地区雾日的年际变化较大。雾日数与相对湿度、气温、城市化进展密切相关。成都的发展变迁导致了各地区雾日突变年的不同,西部比东部发展更早,因而雾日突变年西部早于东部。大雾影响下,成都地区更容易出现PM_2.5污染。近年来,成都地区雾日越多,空气污染物浓度就会越大,尤其是PM_2.5浓度增大最为显著。     

辽宁地区大气可降水量与降水关系的研究

当大气可降水量(precipitable water vapor,PWV)达到某一阈值时将出现降水,则该值称为PWV降水阈值(threshold of PWV,PWVt),由此认为PWV_t可以作为PWV与降水关系研究的纽带。为了能够较为准确地计算出PWV_t,引入整层大气饱和可降水量(precipitable water vapor saturation,PWVsat)概念,并推导出多元大气条件下PWVsat计算公式,根据公式可知PWV_(sat)是地面温度(t_s)的函数,其表示整层大气在饱和状态下容纳的最大水汽量。大气必须达到一定层次的饱和才能成云致雨,因此推断t_s也可能影响着PWV_t。为了验证该推断的准确性,利用2015年5月至2016年10月辽宁地区36个观测站的PWV与t_s进行研究,将筛选出1122个降水样本的PWV_t与t_s进行拟合,发现PWV_t拟合公式与PWV_(sat)推导公式较为一致,说明PWV_t和PWV_(sat)两者密切相关,同时给出36个站的拟合参数,从而建立PWV与降水的对应关系。统计检验表明,该方法在降水预报中的准确率、漏报率和空报率分别为93.69%、2.32%和3.99%,说明PWV_t在降水预报方面具有一定的应用价值。最后在一次降水个例中应用,结果显示PWV_t可以较好地预报降水,并发现PWV与PWV_t的差值与降水量具有一定的对应关系。     

大气水汽变化及其反馈效应研究进展

大气水汽变化的反馈作用是影响平衡气候系统敏感性的最大反馈作用之一,能够放大其他温室气体增暖的效应,并可能导致极端天气气候事件的发生趋多趋强。因此,全面分析大气水汽的时空分布特征及其长期变化趋势,评估大气水汽反馈的区域气候效应,对于我们深入认识和理解全球变暖背景下区域气候响应的机理具有重要意义。综合国内外最新研究,已基本能够确定水汽反馈效应为一种使得全球增暖加快近一倍的强烈正反馈,并已能够估计其大致变化范围,但是此估计仍存在较大不确定性。随着卫星和探空技术的发展,目前已有的长期水汽资料日趋丰富,但资料之间也存在一些不确定性问题,同时单个资料本身也存在非均一性问题。最新的气候系统模式已能够大致模拟大气水汽的反馈效应,但近年的进展速度却并不令人乐观。我国的水汽观测和水汽反馈效应的研究也已取得长足进步,可以基本确定为水汽变化与地面温度存在正反馈关系,而与降水的关系虽然也较为密切,但因区域气候变化仍存在较大的不一致性。     

四川盆地夏季水汽输送特征及其对旱涝的影响

利用1981—2000年夏季观测资料,分析了四川盆地夏季平均的水汽输送状况及四川盆地典型旱涝年的水汽输送差异特征,并在此基础上,初步分析了四川盆地旱涝异常的大气环流背景。结果表明:四川盆地的夏季水汽主要来源于青藏高原、孟加拉湾及南海地区。当西太平洋副热带高压偏北偏西时,其外侧东南风可以把南海水汽带到盆地西部,孟加拉湾及青藏高原水汽受到阻挡被迫停留在盆地西部,形成了盆地西部异常的水汽辐合,东部异常的水汽辐散,由此导致四川盆地西涝东旱。反之,当西太平洋副热带高压偏南偏东时,其西南侧的南海水汽不能到达盆地西部,只能到达盆地东南部,而孟加拉湾及青藏高原水汽则可以进入盆地东部,在盆地东部形成异常的水汽辐合,在西部形成异常的水汽辐散,造成四川盆地西旱东涝。     

基于格点资料的四川大气混合层高度特征及与空气质量的关系

基于2018年1月~2020年12月中国气象局陆面数据同化系统（CLDAS）资料,利用罗氏法计算四川省大气混合层高度,分析其时空分布特征,并结合大气环境空气质量监测数据,讨论大气混合层高度变化与空气质量的关系。结果表明：四川省大气混合层高度呈西高东低分布特征。盆地与攀西地区、川西高原大气混合层高度季节变化有显著性差异,盆地春季最高,秋季最低;川西高原和攀西地区秋季最高,夏季最低。四川省各地区大气混合层高度月、日变化趋势基本一致。四川省大气混合层高度与O₃质量浓度呈显著正相关关系,与PM_2.5质量浓度呈显著负相关关系。     

全球变暖背景下青藏高原夏季大气中水汽含量的变化特征

利用中国气象局提供的0. 5°×0. 5°降水和温度的日值资料,联合ERA-Interim、MERRA2(second M odern-Era Retrospective analysis for Research and Applications)和JRA-55(Japanese 55-year Reanalysis)再分析资料以及全球陆面数据同化系统(Global Land surface Data Asimilation System,GLDAS-2. 0)资料,研究了全球变暖背景下青藏高原夏季地表气温及降水的变化特征,以及该地区大气中水汽含量及水汽输送特征。结果表明,1979—1998年期间,高原的地表气温呈增加趋势,降水呈减少趋势;而在全球增温减缓期间(1999—2010年),地表气温及降水较1979—1998年期间呈现更为显著的增加趋势。在青藏高原上空,大气中水汽含量在1979—2010年间整体呈增加趋势;然而,进一步分析表明,在此期间由外界向高原输送的水汽逐年降低,尤其在1998年后,由于西南季风强度的大幅减弱,使得外界向高原的净水汽输送量减少得更为显著;青藏高原地表蒸散量的分析表明,自1998年后,高原地表的蒸散量显著增加,成为高原地区大气中水汽增加的主要原因。     

影响哈密降雪异常的大气环流及水汽输送特征

利用1960—2020年哈密市6个气象站降雪观测数据及NCEP再分析资料,对哈密市降雪的时空分布特征及降雪异常年的大气环流和水汽特征进行了分析,结果表明：哈密市降雪中部多南北少,降雪日数12月最多,降雪量11月最多;降雪量和降雪日数总体呈增加趋势,但主要在2010年前增加,之后减少;降雪以小雪为主,大雪以上量级降雪较少。降雪偏多时,高层偏西急流增强,急流区北扩,中层伊朗副高加强北抬,极锋锋区南压,脊前低槽南下东移;低层风速增大,出现风向辐合和气旋性切变,地面锋面气旋加强,水汽输送增大,低层水汽含量多。降雪偏少时,高层急流偏弱,急流轴南移,中层西风气流控制,极锋锋区偏北,新疆脊东移,冷空气偏北,低层风速辐散增强,北方气旋偏北偏弱,水汽输送量小,水汽含量也少。     

新疆春季降水异常的环流和水汽特征

利用1961—2007年新疆75个气象站月降水量资料和NECP/NCAR逐日4次再分析资料(2.5°×2.5°),分析了新疆3~5月降水异常环流、水汽输送和收支特征,以及环流和水汽异常对整个水汽输送异常的贡献。结果表明,斯堪的纳维亚环流型(SCA环流型)是造成新疆春季各月降水异常的主要环流型。3月水汽输送量最小,4~5月相当,各层西边界为主要流入界,东边界为主要流出界,西风气流输送水汽多少决定降水异常。各月降水偏多的水汽输送异常表现为3月出现巴伦支海—新地岛以东向南到里海、咸海—巴尔喀什湖水汽输送异常,然后其随西风气流进入新疆;4月出现西伯利亚向里海、咸海地区和阿拉伯半岛向里海、咸海水汽输送异常,而后其随西风气流进入新疆;5月出现西伯利亚向咸海—巴尔喀什湖、巴伦支海向南到地中海东部的水汽输送异常,同时还出现红海向地中海东部和阿拉伯海向北到中亚的水汽输送异常,高、低纬向中纬水汽输送异常并汇合于中纬后沿西风气流进入新疆。各月环流异常对整个水汽输送异常起主要作用。     

秋季水汽输送特征及其与云南降水的关系

利用云南122个测站1961-2008年秋季(9-11月)降水量和同期NOAA提供的月平均再分析资料,分析了秋季各月降水与水汽通量、水汽通量散度的分布,以及环流异常对降水的影响。结果表明:11月降水场与水汽通量场和水汽通量散度场耦合程度最高,10月次之,9月最小。在降水的空间分布型上,云南秋季降水与水汽通量输送、水汽通量散度的相关基本为一致的正相关;秋季降水量场与水汽通量场的时间变化趋势一致,水汽输送通量、水汽通量散度的变化直接影响降水的变化。云南秋季降水的多少主要是环流异常引起,当云南9月降水正异常时孟加拉湾季风偏强,副热带高压偏弱偏东,冷空气活跃,反之则出现负异常;当10月降水正异常时南支槽和西南季风活跃,影响云南的偏南暖湿气流强盛,反之则降水偏少;当11月南支槽和影响云南的冷空气活跃,云南降水偏多,反之则出现负异常。在水汽净收支方面,9月纬向的净收入最大,而10月纬向的净收入减弱,11月在西风带的控制之下,纬向净收支非常小。而经向上的水汽收支在9-11月有从支出到流入的转换。从云南正负异常年整层和低层水汽净收支看,除11月负异常年为水汽源外,其他都为水汽汇。用ERA-Interim再分析资料与20CR再分析资料计算的水汽误差较小,并且正负异常年水汽净收支变化一致。