春节期间北京地区交通出行对城市热岛和大气污染的影响

利用北京地区2006—2015年春节及其前后三周的城区、郊区站数据分析了早晚高峰期出行活动对城市热岛效应、NOx浓度、PM2.5浓度的影响.结果表明人口、交通、社会活动的密集程度的确会对城市热岛效应和大气污染物浓度造成一定的影响:(1)第-3、-2、+2、+3周(以下称"BG时段")与春节周(以下称"CNY时段")间的...     

热岛效应对四季变化的影响

以具有明显热岛效应的城区气温来划分的四季只能代表城区,划分郊外的四季时应剔除各时段的城市热岛效应值,剔除各时段的城市热岛效应值后计算出来的四季既在一定程度上反映了全球变暖的影响,又具有较好的连续性。     

2008年奥运会期间北京地区PM10污染天气形势和气象条件特征研究

利用2008年7～9月北京污染监测资料、气象观测资料、韩国气象厅天气图资料及NCEP再分析资料,分析了2008年奥运会期间北京地区空气动力学当量直径小于等于10μm颗粒物(PM10)污染特征及其成因,统计了利于和不利于污染物扩散的天气形势,研究了北京发生PM10污染的典型天气形势和气象条件。结果表明:1)奥运会期间北京共有8天出现PM10污染,包括一次持续污染过程,奥运会赛时和残奥会赛时未出现污染过程,这主要与北京8、9月降水偏多有关;2)不利于污染扩散的天气形势(如风速较小、偏南风、高温高湿、近地层出现持续逆温)出现频率较高,但并未造成特征性的PM10污染,这可能与奥运会期间的污染控制措施有关;3)PM10污染过程多与台风系统或热带低压的北上,从而阻滞了华北地区天气系统的南下东移相关联。     

北京地区严重大气污染的气象和化学因子

利用北京３２５ ｍ 气象塔进行了大气污染物臭氧、氮氧化物、一氧化碳和气象要素的同步观测, 对影响大气污染的气象和化学因子进行了分析,探讨大气污染物变化的规律, 为城市空气污染预报提供理论基础。     

热岛效应对四季变化的影响

以具有明显热岛效应的城区气温来划分的四季只能代表城区,划分郊外的四季时应剔除各时段的城市热岛效应值,剔除各时段的城市热岛效应值后计算出来的四季既在一定程度上反映了全球变暖的影响,又具有较好的连续性.     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM2.5、PM10、NO2、SO2、CO和O3逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子.结果表明:2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61％、60％和54％,重度以上染污天数分别占24％、11％和9...     

北京地区夏末秋初气象要素对PM2.5污染的影响

利用北京宝联站及北京上甸子大气本底站2006-2008年的7-9月PM2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM2.5的质量浓度特征及其与气象要素的关系进行了统计分析.结果表明:城区站各月平均PM2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因.从地面风速来看,城区当北风和南风分别达到2m·s-1和3.5 m·s-1以上时能起到扩散作用;郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用.PM2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱.当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显.     

海口城市化对热岛效应的影响

随着全球城市化快速发展、城市化水平逐渐提高,城市气候问题日益突出,城市热岛效应的形成机理也成为当前研究的热点。基于海口市2010—2015年社会经济、气象和Landsat卫星遥感数据资料,分析了海口市城市热岛强度变化和城市化发展对城市热岛效应的影响。结果表明,海口市的热岛强度逐渐增强,范围逐渐扩大。城市热岛强度具有明显的季节变化,春季最高,夏季和秋季逐次之,冬季最低。城市热岛强度与归一化建筑指数、人口密度和国内生产总值呈显著正相关,和归一化植被指数呈显著负相关,都通过了信度0.01的显著性检验。城市扩大植被面积在一定程度上有助于缓解城市热岛效应。     

江苏淮安地区大气污染变化特征及其与气象条件的关系

采用江苏省淮安市地面5个监测站2013年1月1日—2015年12月31日PM_(10)、PM_(2.5)、SO_2、NO_2、CO、O_3逐日质量浓度资料及同期气象资料,统计分析了该地区空气污染季节变化特征及其与气象条件的关系;采用MODIS的光学厚度AOD(Aerosol Optical Depth)资料和火点资料分析了2013年12月发生在淮安的一次持续性大气污染事件。研究结果表明,淮安空气质量AQI指数(Air Quality Index)在春冬季较高,夏秋季较低,污染天气发生在春冬季的概率为23.6%,夏秋季的概率为13.3%。淮安地区的首要大气污染物为颗粒物污染,其中PM_(10)、PM_(2.5)占比分别达到25.2%、48.9%,PM_(10)中PM_(2.5)比率年平均为61.0%,臭氧是第2大污染物,占比为25.8%。表征大气柱气溶胶浓度的AOD的季节变化与地面颗粒物浓度截然不同,颗粒物浓度1月和12月出现极高值,而这两个月AOD月平均值却在一年中达到极低值,AOD最高值出现在7月。另外,AQI与降水、气温、风速、相对湿度呈负相关关系,但相关程度较弱。     

北京地区夏末秋初气象要素对PM2.5污染的影响

利用北京宝联站及北京上甸子大气本底站2006—2008年的7—9月PM_2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM_2.5的质量浓度特征及其与气象要素的关系进行了统计分析。结果表明:城区站各月平均PM_2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因。从地面风速来看,城区当北风和南风分别达到2 m·s-1和3.5 m·s-1以上时能起到扩散作用;郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用。PM_2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱。当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显。     

黄土高原山地城市延安的热岛效应

利用延安城市站与延长农村站1969—2008年气温资料,分析了热岛效应对延安气温的影响。结果表明:延安城市发展对年平均气温的影响可分为三个阶段,1992年以前,延安站温度未受影响,1993—2002年,城市影响较轻,年平均气温的热岛效应增温贡献率为38.1%,2003年以后,热岛效应明显,增温在1℃以上,与大城市的热岛增温接近。热岛效应增温对四季温度的影响基本一致,热岛效应增温与自然增温贡献率相等。城市热岛效应对最低气温的影响开始时间早,影响程度高,对年平均最高气温基本无影响。受热岛效应影响,不但提高了城市的温度同时也改变城市的增温率,使得城市气温增温率加大。     

近50a南京市气温和热岛效应变化特征

利用南京市常规气象观测气温资料,分析1951年以来气温的变化趋势、季节特征以及年际特征,通过市区气象站和郊区六合县气象站的统计资料对比分析,了解南京市热岛效应的强度变化,以1985和2000年两期遥感影像探讨南京市热岛效应分布范围的变化特征.结果表明:1951-2000年期间南京市日最高、最低气温和日平均气温的年平均呈现上升趋势;日均气温和日最高气温夏季呈现下降趋势,春季、秋季和冬季表现为上升趋势,日最低气温所有季节都呈现上升趋势;1990s是南京市1951-2000年间增温幅度最大的时期;南京市热岛效应强度呈现增强趋势;分布范围扩大,自1985年以来热岛效应面积共增加了107.88 km2,高强度热岛中心1985年两个,到2000年已增加到3个.     

1981—2020年北京城市热岛效应时空特征及其影响因素分析

在气候变暖和快速城市化背景下,北京一直面临着城市热岛效应带来的环境问题。基于北京市1981—2020年逐日气温观测资料,采用线性回归、克里金插值和相关性分析等方法,研究了北京市城郊气温变化趋势以及北京市城市热岛强度(Urban Heat Island,UHI)的时空变化特征,并评估了气象因素、人口密度和土地利用/覆盖类型对城市热岛效应的影响。结果表明:近40 a来北京市城郊区的平均气温均呈上升的变化趋势,且城区气温增幅大于郊区,表明北京市UHI上升趋势显著。就季节而言,北京市冬季UHI最强(1.22 ℃),秋季次之,春、夏最弱,其中秋季UHI增幅最大。同时,北京市城市热岛效应范围也在逐渐扩大,其中城六区为高值区,热岛区由西北向东南方向延伸至城市副中心通州区,朝阳区和通州区增温趋势明显。2000年以来,北京市冬季UHI出现了显著的增加趋势,高值区UHI增加至1.6 ℃。此外,主成分分析表明人口、建设用地和气压对城市热岛效应的形成起促进作用,而风速和耕地是缓解城市热岛效应的重要影响因素。     

山西省阳泉市城市热岛效应特征分析

利用1972－2011年阳泉市3个国家级气象站资料、2011年36个乡镇区域自动站气温资料,分析了阳泉市城市热岛效应的年际变化、季节变化、月变化和日变化特征。结果表明：阳泉市存在弱的城市热岛效应,1972－2011年平均热岛强度0.554 ℃。阳泉市城市热岛强度整体呈显著上升趋势,热岛强度的增加主要是由于夏季热岛强度的增强;热岛强度冬、秋季强,春、夏季弱;12月最强,5月最弱;热岛强度日变化表现为12时最小,从傍晚开始随降温逐渐增大,到早晨气温降到最低时最大,日出之后迅速减小;2008－2011年最强热岛强度出现在2010年1月14日08时,达7.9 ℃。阳泉在升温天气热岛强度变幅增大,易在早晨形成较强城市热岛,下午形成城市冷岛;降温天气热岛强度变幅减小;温度变化较小时则易维持弱的城市热岛。阳泉市主要城市发展因子与霾日数、气温呈显著正相关,在目前的经济发展水平条件下,阳泉市城市化发展可能使城市温度增高,城市绿地面积的增加可能对热岛效应有缓解作用。     

苏州夏季城市热岛现状及影响因子分析研究

利用2007年夏季常规和自动站气象观测资料,分析研究苏州城市热岛及其与影响因子关系.气温分布表明,市中心干将桥气温相对较高,而靠近太湖的新区镇湖镇、东山等郊区气温相对较低.苏州城市热岛强度日变化呈现双峰分布,两个峰值分别出现在10时和20时左右,最低值出现在16时左右.热岛强度与气象条件关系分析表明:(1)热岛强度受云量的影响较大;(2)与城区气温分布关系密切,相关系数为0.62;(3)与风向有关,城区风向为西风时的热岛强度大于东风时热岛强度;而城区热岛强度与风速关系不明显.另外相关站点的合理选取对城市热岛研究也十分重要.     

城市景观格局与热岛效应研究进展

概述了城市景观格局和城市热岛效应及城市景观格局对城市热岛效应影响等领域的研究现状,探讨了城市景观格局对城市热岛效应的影响作用,并结合城市景观格局研究中的新领域——景观格局优化,提出了解决城市热岛问题的新思路,即通过优化景观格局来达到缓解甚至消除热岛效应。展望了城市景观格局和城市热岛效应研究领域存在的问题和面临的任务。     

西宁城市热岛效应分析

西宁作为青藏高原最大的城市,近年来随着城市化的发展,城市热岛效应及其所带来的影响日益明显。本文利用西宁市城市和郊区气象观测站逐小时气温观测资料,分析了西宁市平均气温、最高气温和最低气温日内、候平均热岛强度变化特征,结果显示:(1)相对于郊区,西宁城区平均气温日内变化幅度较小,16—17时(北京时,下同)表现为弱的冷岛效应,冷岛强度为0.034℃,日出前的06—07时热岛强度表现最强,热岛强度最高可达3.01℃;(2)春季和夏季一天中均为热岛效应,且热岛效应日内变化幅度较小,分别为2.76℃和2.12℃。秋季和冬季在日出前的07—08时热岛强度最强,分别为2.89℃和4.14℃,秋季16—17时和冬季15—17时表现为冷岛效应,最大冷岛强度分别为0.34℃和0.53℃;(3)西宁城区1月第3候热岛强度最强为3.40℃,7月第2候热岛强度最弱为1.07℃。其中白天在1月第3候热岛强度最强为0.88℃,9月第1候最弱为0.13℃,热岛强度年内变幅较小仅为0.75℃,而夜晚在1月第3候最强为5.93℃,7月第2候最弱为1.62℃,热岛强度年内变化幅度达4.30℃;(4)西宁城区候平均最高气温在春季和夏季表现为热岛效应,热岛强度平均为0.58℃,而在秋冬季表现为冷岛效应,冷岛强度分别为1.84℃。候平均最低气温全年均表现为热岛效应,其中夏季相对较弱为3.22℃,冬季表现最强达到5.11℃。     

Characteristics of the heat island effect in Shanghai and its possible mechanism

The characteristics of the urban heat island effect and the climate change in Shanghai and its possible mechanism are analyzed based on monthly meteorological data from 1961 to 1997 at 16 stations in Shanghai and its adjacent areas. The results indicate that Shanghai City has the characteristics of a heat island of air temperature and maximum and minimum air temperature, a cold island of surface soil temperature, a weak rainy island of precipitation, and a turbid island of minimum visibility and aerosols, with centers at or near Longhua station (the urban station of Shanghai). Besides theses, the characteristics of a cloudy island and sunshine duration island are also obvious, but their centers are located in the southern part of the urban area and in the southern suburbs. A linear trend analysis suggests that all of the above urban effects intensified from 1961 to 1997. So far as the heat island effect is concerned, the heat island index (difference of annual temperature between Longhua and Songjiang stations) strengthens (weakens) as the economic development increases (decreases). The authors suggest that the heating increase caused by increasing energy consumption due to economic development is a main factor in controlling the climate change of Shanghai besides natural factors. On the other hand, increasing pollution aerosols contribute to the enhancement of the turbid island and cooling. On the whole, the heating effect caused by increasing energy consumption is stronger than the cooling effect caused by the turbid island and pollution aerosols.     

晋江市海陆风对城市热岛的影响

利用2017年晋江市及其周边共27个自动气象站逐小时气象资料,分析了2017年晋江城市热岛强度的日变化及有无海陆风对城市热岛强度的影响,同时研究了不同季节海陆风风速对城市热岛强度的影响,最后通过典型个例海陆风日验证了晋江城市热岛的日变化特征。结果表明:晋江市全年平均热岛强度的日变化趋势呈“V”字型分布;海风能使城市降温,减弱城市热岛强度,而陆风能使夜间热岛显著增强,故与非海陆风日相比,海陆风日热岛强度的日变化幅度增大;热岛强度与海陆风风速呈负相关,海陆风风速越大对城市热岛有一定的缓解作用。     

秸秆燃烧排放对北京及其周边地区PM2.5浓度影响的数值模拟

采用卫星监测的火点燃烧排放数据,利用区域化学传输模式WRF-Chem模拟分析了2017年5月华北地区细颗粒物(PM2.5)质量浓度分布,通过生物质燃烧排放源(华北区域以秸秆燃烧为主)开关的敏感性试验定量计算了燃烧排放对北京及其周边地区PM2.5质量浓度的影响。卫星监测结果显示,2017年5月华北地区有大量的秸秆焚烧现象,对该地区空气质量造成一定影响的燃烧天数为20 d,占全月总日数的65%左右。数值模拟结果表明:该地区秸秆燃烧排放导致PM2.5浓度升高的区域集中在华北平原农作物产区,其分布位置与卫星监测的火点分布吻合。秸秆燃烧导致这些地区PM2.5浓度月平均值上升幅度普遍超过3 μg/m~3,高值区超过了11 μg/m~3,上升比例可达10%以上;此外,来自华北平原及长三角地区的燃烧排放对北京(特别是东南部地区)污染物浓度的影响是不容忽视的,其中河南、山东、天津等地的秸秆燃烧在合适风场的作用下会严重影响北京,可导致丰台及通州等地PM2.5小时浓度上升超过17 μg/m~3,上升幅度超过40%。