辽宁空气中度污染和重污染天气类型分析

统计分析了2005-2009年辽宁省14个城市5种污染物逐日的污染指数API数据,基于东北低压型、南大风型、干冷锋北大风型和夏秋大雾型四种易形成辽宁地区沙尘污染的天气类型,对污染天气类型进行归类统计分析。结果表明：重污染和中度污染天气中PM10污染所占比例最高,污染天气类型主要是干冷锋北大风型。     

珠江三角洲地区天气类型与污染潜势及污染浓度的关系

利用１９８６—１９９３年珠江三角洲地区主要城市的污染浓度资料和天气资料，计算了不同月份各种天气类型下大气污染物浓度超过二级标准的频率，得出珠江三角洲地区天气类型和地面空气污染浓度之间的定性关系。发现大气中的污染物浓度（如ＳＯ２、ＮＯｘ、ＴＳＰ、ＣＯ）不仅与当天的天气类型有着密切联系，而且与前几天的天气类型的持续时间、地面气压场和高空气压场的配置、锋面移动的快慢、热带气旋的影响等天气因素均有关系。     

山西省强对流天气的气候统计特征及潜势预报

从现代短期、短时临近天气预报出发,计算部分因子在有强对流天气和无强对流天气时的季节平均值,进行对流参数与强对流天气的相关性分析,获得了对流参数与强对流天气的相关系数;应用系统树聚类法将雷暴分为：东北低涡、蒙古冷涡、短波槽、副高边缘4种类型;将冰雹分为：西北气流、冷低槽、冷涡3种类型;将暴雨分为：冷锋、深槽、低涡东移、小高切变、副高东撤等5种类型。在每一种强对流天气型下,选择不同的对流参数进行了试验,获得了不同天气型下基于对流参数的强对流潜势预报指标及其临界值。     

强天气监测和潜势预报系统

该文介绍了国家气象中心的强天气监测和潜势预报系统(NMICAPS短时预报版),该系统是在NMICAPS系统的基础上,为满足国家气象中心的强天气监测和潜势预报业务的需求而开发的。系统采用Linux操作系统平台,在资料检索、数据分析、地理信息应用等几个方面进行了改进,并增加了一些针对强天气潜势预报的功能。该系统操作简便,基本能够满足该项业务的需要。     

广东省后汛期强对流天气潜势预报方法研究

利用2007—2008年两年7—10月广东后汛期强对流天气出现时的雷达资料、对应的GRAPES模式资料以及地市台站上报的强对流天气发生的实况,把瞬时大风〉17.2 m·s^-1、冰雹、龙卷作为强对流发生的依据,对上述数据进行整理。根据广州热带海洋研究所中尺度模式的输出GRAPES资料,结合雷达CAPPI数据,计算单体的各层风速、温度、湿度、有效位能等环境特征量,将单体特征和模式计算的单体环境场要素以及强对流发生实况,通过多元逐步回归方法建立后汛期强对流天气潜势预报方程,据此对发生于广东省后汛期强对流天气（如雷雨大风、冰雹和龙卷风）进行0～1小时临近预报。用预报成功率（POD）、虚假警报率（FAR）和关键成功指数（CSI）衡量方法的预报性能。共有5540个有效样本参与回归计算,31个因子中有12个引入了回归方程,建立的预报方程在阈值取为0.26时,得到的预报成功率POD为0.73,虚假警报率FAR为0.61,关键成功指数CSI为0.338,各项指标均要好于前汛期预报性能;从实际的预报能力来看,在后汛期强对流潜势预报中,后汛期强对流潜势预报方法得到的空报率和漏报率都要低于前汛期,预报效果较好,可用于广东后汛期的强对流天气潜势预报中。     

喀什地区浮尘天气特征及一次重污染天气成因分析

根据1961—2018年喀什地区9个国家站浮尘日数逐日观测资料,利用气候学统计、M-K突变检验等方法分析喀什地区浮尘日数的时空分布等气候特征,分析2019年3月19—25日喀什地区出现的强浮尘造成的重污染天气成因。结果表明:喀什地区年平均浮尘日数为71 d,浮尘日数总体呈减少趋势,并于1997年前后发生了显著减少性突变。2019年3月19—25日出现的强浮尘天气过程,持续时间长,影响范围广,乌拉尔山高压脊发展,脊前横槽转竖,在新疆东部回流东灌冷空气是造成此次沙尘过程的天气背景。浮尘天气造成21—24日喀什地区空气污染指数AQI指达500,属严重污染,首要污染物PM_(2.5)和PM_(10)在21日、22日达到峰值,分别为494、1 175μg/m~3。热力、动力条件以及近地面存在逆温层均不利于污染物的扩散。污染过程前后喀什市本站气压与PM_(10)、PM_(2.5)浓度均呈正相关,相关系数为0.762、0.507,均通过0.05显著性水平检验;气温与PM_(10)浓度呈负相关,与PM_(2.5)相关性不明显;相对湿度跟PM10和PM2.5呈正相关,表明气象因子在大气污染过程中对大气环境影响明显。     

基于天气形势分型的珠江三角洲强对流潜势预报方法

珠江三角洲出现强对流的机制有多种情况,不同天气形势下引起的强对流,其出现时各项强对流指数必然存在一定的差异。本文对强对流的触发机制进行天气形势分型(冷空气影响触发、西南暖湿气流触发、后汛期副高边缘影响,台风影响等),利用广州热带海洋研究所中尺度模式GRAPES的输出资料,计算出不同天气形势下强对流发生前1h当地各层的涉及水汽条件、不稳定能量、动力条件等强对流指数,对强对流指数阈值进行选取和验证,统计出珠江三角洲不同天气形势下短时强降水和雷雨大风出现时的强对流指数阈值,并建立相应的潜势预报系统,分别通过一次典型的雷雨大风和一次短时强降水天气过程验证,表明该系统提供的强对流分型潜势预报概率产品可以较好的指示出强对流发生的时间和位置以及强对流出现的类型,预报与实况观测比较一致。     

石家庄市污染日特征及其天气背景分析

对石家庄市2002年1月到2004年12月空气质量达到中度及以上典型污染日进行了统计分析,得出典型污染日的分布特点、对应的气象要素特征及3种天气型。结果表明:典型污染日多出现在采暖季节,出现时间具有相对连续性;污染日分为沙尘和非沙尘两类,气象要素特征前者表现为风速大、湿度小、多正变压等锋后特征;后者则表现为地面风小、湿度高、多逆温层、大里查逊数等稳定大气层结,这些均为锋前特征;还侧重指出由于石家庄的特殊地形作用,高压前部型是石家庄重污染出现几率最多的天气类型。并由此提炼出中度以上污染日的预报要点,可供空气质量预报业务参考。     

利用中尺度模式作辽宁省空气污染气象条件预报

利用非静力中尺度数值模式（MM5V2），试验预报辽宁省空气污染气象条件。在模式中着重加密近地面的垂直分层，使用中期数值预报模式（T106L19）预报场作为初值背景场和侧边界。采用美国污染潜势预报方法，在模式预报输出市场中，通过对近地面层的混合层高度和混合层平均风速的判定，预测未来空气污染气象条件，并用SO2实测值进行检验。     

2014—2016年开封市空气污染特征及重污染过程气象成因分析

利用2014-2016年高空、地面气象资料和大气环境监测资料,分析了开封市空气质量特征及10次连续性重度污染过程天气形势。结果表明:2014-2016年,开封市空气质量整体呈转好趋势,优良率由53%增加到67%,污染时数由47%下降至33%,轻度污染和中度污染时数下降明显;重污染日主要出现在1月、11月和12月,其中1月出现重污染日和连续性重污染过程次数最多;3年内共出现连续性重污染过程23次,最长持续日数达6 d;开封市重污染天气主要受PM2.5和PM10浓度变化影响,PM2.5和PM10浓度具有明显的季和日变化特征,平均浓度最高值主要出现在秋冬季和09时。重污染过程期间的500 hPa形势中,平直纬向环流型出现次数最多,占总次数的63%;其次为低槽型,出现次数占21%;西北气流型出现次数最少,占16%。地面气压场形势主要分为4类:1)高压前部型,出现重污染次数最多,占总次数的55%;2)均压场型,出现次数占25%;3)低压带型占16%;4)高压后部型出现次数最少,仅占4%。当上游地区有较严重污染时,本地污染物浓度将快速升高,区域传输作用明显。     

深圳地区空气污染潜势预报的研究

本文系统地介绍了目前深圳市气象台研制的深圳市空气污染潜势预报方法，本方法基于在污染源一定的情况下，未来空气污染状况主要取决于大气环流形势演变和局地相关的气象要素以及天气形势的思想，应用以统计加权法为主、数值预报为辅的方法，根据主观预报和数值预报给出的气象要素预报值和天气形势，制定相关因子的加权值表，最后通过非加权因子的修正，得出对未来24小时空气污染潜势预报，目前这一方法已经过业务上实践应用，取得了较好的效果。     

北京地区一次典型大雾天气的空气污染过程物理量分布特征

2002年11月30至12月4日，北京持续4天大雾天气，空气污染物在持续的稳定层结条件下，空气质量连续3天达5级以上。文中分析了大雾天气各主要污染物的变化特征，以及此次过程中天气形势的特点及演变，并对造成大雾日空气污染天气的物理量分布特征进行分析。结果表明：高空WNW气流、稳定性持续增加、逆温层结持续存在、低空风速较小、相对湿度大，导致局地污染物不能及时随大气扩散；1000～700hPa有弱的上升气流形成和维持，与500hPa高空下沉气流之间在低空的某层高度上形成稳定层结(逆温层)，导致大雾及重污染的形成；850hPa为暖区，850～500hPa为冷平流，有利于大雾的形成和加重。     

北京秋季一次典型大气污染过程多站点分析

多站点多种大气污染物的同步在线观测对深入剖析大气污染的成因和演变机制有重要意义。以龙潭湖、北京325 m塔、双清路和阳坊4监测站点实时NO_x、SO₂、O₃、PM2.5和PM10浓度观测数据为基础,介绍了北京地区2010年10月3～11日发生的一次典型污染过程。不同污染物在污染过程中变化特征不一致,表现为NO_x、SO₂、O₃浓度有明显日变化,而PM浓度升高后一直维持在高值,日变化幅度很小。通过分析不同站点、相同污染物之间的相关性和变异系数发现,4站点间一次污染物NO和SO₂空间浓度差别大,变异系数分别为77%和70%,相关系数低于0.44;而二次污染物NO₂、PM2.5、O₃空间浓度差别较小,变异系数分别为34%、36%和29%,相关系数均超过0.54。结合中尺度气象模式研究发现,该污染过程中,850 hPa高空持续的西南暖平流造成华北地区显著平流逆温,与近地层辐射逆温共同作用,使北京地区混合层高度维持在1200 m以下。低混合层高度和低风速限制了大气垂直和水平扩散,造成北京地区近地层污染物累积,形成重度污染。     

雷达资料和数值模式产品融合技术研究

以雷达外推为基础,配合中尺度数值模式产品作为环境场,提出两种新的雷达资料和数值模式融合技术:动态权重融合法和趋势演变叠加法。且在动态权重融合法中提出用正弦权重、双曲正切权重以及实时滚动权重三种方法计算权重。使用上海及周边地区2009年6月21日的一次对流过程进行个例分析及误差检验,结果表明:利用这两种方法进行融合后的预报结果与雷达外推和数值模式预报结果相比均有所改进,特别是动态权重融合法中的正弦权重和双曲正切权重对于预报结果的改进尤为明显,融合后的结果更接近实况,表明动态权重融合法和趋势演变叠加法这两种方法是有效可行的,对短时临近预报技术研究有较高的参考价值。     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。