吐鲁番市冬季重污染日气象成因及预报

通过空气污染日的天气学分析，将污染浓度和气象要素进行模糊聚粪，研究重污染日形成原因及污染浓度同气象要素的关系，总结出有利于和不利于SO2和TSP对扩散的天气形势，在引基础上采用天气形势和逐步回归相结合的预报方法对SO2和TSP日均浓度进行了预报。     

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。     

2016年11—12月北京及周边重污染过程PM2.5特征

该文对2016年11—12月北京及周边地区不同站点重污染期间PM_2.5质量浓度变化特征进行分析,并结合地面和探空气象要素及化学组分等对重污染成因进行深入探讨,比较了其中两次持续3 d及以上重污染过程的异同。结果表明:重污染期间北京及周边地区PM_2.5质量浓度较高,北京上甸子站、顺义站、朝阳站的PM_2.5质量浓度分别为73.1,130.8,226.0 μg·m-3,河北保定站和石家庄站分别为357.8 μg·m-3和346.9 μg·m-3。12月17—21日重污染过程比11月3—5日持续时间更长且PM_2.5质量浓度更高。通过对11—12月所有重污染过程分析发现,北京颗粒物重污染发生的主要气象条件是静稳天气。在排放源相对稳定情况下,逆温层的结构、演变和持续时间决定了重污染的程度,其中污染持续时间和污染期间的主导逆温层类型演变对重污染程度有较好的指示作用。较低的水平风速、逆温层的持续出现及更多的燃煤和机动车尾气排放是12月17—21日污染偏重的原因。     

利用气象条件做大气中SO2浓度的预报

本文采用模糊聚类的方法,分别对地面气压场、本站气象要素进行聚类,分析其与SO_2浓度变化的关系,并用逐步回归的方法试做SO_2的12小时与24小时浓度值和等级预报,为开展空气污染潜势预报提供依据。     

2016年12月青岛一次持续重污染天气的观测分析与数值模拟

选取2016年12月17—22日青岛一次典型重污染天气,利用大气污染物监测结果、地面气象要素观测资料和欧洲中期天气预报中心（ECMWF）ERA5再分析数据对此次过程中大气污染物及气象场的变化特征进行分析。观测分析表明此次污染过程持续时间长达5 d以上,其中19—21日为重污染天气（PM 2.5 日均质量浓度ρ>150 μg·m-3）。根据气象场和PM2.5质量浓度变化特征,此次污染过程可分为3个阶段：17日02时—19日08时为青岛污染物累积阶段,研究区受西南风控制,PM2.5质量浓度逐渐上升,700 hPa等压面上高空槽的维持及槽前持续的南风、西南风有利于污染物累积,同时近地面相对湿度增加,是此次持续性重污染天气形成的重要条件;19日09时—20日20时为青岛污染维持加剧阶段,相对湿度大、风速很小,污染物扩散条件差,PM2.5质量浓度最高;20日21时—22日08时为青岛污染消散阶段,青岛对流层中下层及地面风速均增大并产生弱降水,有利于污染物扩散稀释和湿清除,PM2.5质量浓度逐渐降低。WRF-Chem数值模式能够较好地模拟出主要气象要素和青岛PM2.5 质量浓度的变化特征,模拟结果表明山东省内污染物排放贡献了青岛PM2.5的49.5%;污染物跨省输送对此次污染事件也有重要贡献,其中来自研究区以南的安徽和江苏的排放对青岛PM2.5的贡献率可达25.5%。     

江苏省区域大气污染客观天气分型的动力学检验

本文根据全省污染监测资料及1981—1989年1、4、7、10月850hPa环流图,应用分级聚类方法进行客观分型,共得23型,并区分了高、中、低三种污染天气型。为检验其客观分型的可靠性,本文应用拉格朗日K模式,输入全省及周边站点气象资料及实际污染源资料进行数值计算,模拟各级污染型下SO_2浓度的分布,检验证明了分级聚类结果的可靠性。     

南京一次重霾天气纳米气溶胶观测研究

为加深对南京地区重霾天气过程纳米尺度气溶胶物理特征的了解,对2017年12月21-25日的一次重霾天气过程进行了综合探测,利用宽范围粒径谱仪观测了此次过程中10～1000 nm颗粒物数浓度,并结合能见度等气象要素,对重霾期间纳米气溶胶谱分布进行了分析.结果 表明:此次霾重污染过程出现在低温、高湿、气压上升期间;与非重污...     

长江三角洲西部地区PM_(2.5)输送轨迹分类研究

长三角4个省会(直辖市)城市(上海、南京、合肥、杭州)中,合肥与南京的PM_(2.5)浓度演变有较高的一致性。应用聚类分析的方法对2013—2015年合肥非降水日(日降水量低于10 mm)100 m高度(代表近地层)和1000 m高度(代表边界层中上部)的72 h后向轨迹进行分类,结合合肥2013—2015年PM_(2.5)日均浓度资料,探讨近地层和边界层中上部输送轨迹与长三角西部PM_(2.5)浓度的关系。近地层和边界层中上部分别得到7组和6组不同的后向轨迹;不同输送轨迹对应的PM_(2.5)浓度、重污染(重度以上污染,PM_(2.5)日均浓度大于150μg/m3)天数、能见度、地面风速、相对湿度等都有显著不同,尤其是在近地层。100 m高度,平均长度最短、来向偏东的轨迹组对应的PM_(2.5)浓度均值最高(约是组内均值最低值的2倍)、重污染天数最多,且占比最高(30%),重污染日对应的气流在过去72 h下降高度均值仅28 m,明显低于其他PM_(2.5)污染等级日;来向偏西北、长度较短的轨迹组,PM_(2.5)浓度均值和重污染天数为第2高,这一类轨迹占比14%,气流到达本地前存在明显的下沉运动,反映了远距离输送加剧本地PM_(2.5)重污染的特征。这两类轨迹常对应PM_(2.5)日均浓度的上升。PM_(2.5)平均浓度最低的2个轨迹组分别是来自东北和西南的较长轨迹组,所占比例分别为6.4%和10.3%,这2类轨迹往往对应着PM_(2.5)日均浓度下降。1000 m高度的结果与100 m高度结果类似,但PM_(2.5)平均浓度的组间差异不及100 m高度,与2001—2005年PM10浓度与输送轨迹的关系不同。对3 a中84个重污染日两个高度的后向轨迹进行聚类,近地层和边界层中上部各得到7类和6类PM_(2.5)重污染日的天气形势。近地层92%的重污染日对应的海平面气压形势场上,从华北到华东属于均压区,气压梯度小,轨迹来向以偏东到偏北方向为主,垂直方向延伸高度在950 hPa以下。1000 m高度,77%的重污染日属于相对较短的轨迹组,对应的850 hPa高度场特征为从中国西北(新疆)到东南受高压控制,长三角或位于高压底部,或位于两高压之间的均压区。这对PM_(2.5)浓度预报有较好的指示意义。     

广西城市空气质量预报技术

以南宁市为例介绍广西城市空气质量预报技术。对南宁市二氧化硫、二氧化氮和可吸入颗粒物等污染物平均浓度与气象要素的相关分析表明，污染物浓度与地面、高空气象要素相关非常好。在未来24-36小时天气预报基础上，采用动态统计预报两种模式对城市空气质量进行预报，并根据污染日的影响天气系统类型对两种模式预报结果进行订正。业务实践证明预报准确率较高。     

杭州AQI的分布特征及其与气象条件相关性分析

根据杭州市2013—2015年的空气质量日报资料,分析了杭州市空气质量特征及其与气象要素的关系,并从气象因素分析了杭州重污染日发生的原因。结果表明:1)杭州市近3年平均AQI为97,良好率为63%,7月杭州空气质量最好,1月空气质量状况最差,近3年杭州的空气质量状况总体有所改善;2)杭州市首要污染物主要为PM2.5和O3,在6—9月,首要污染物主要为O3,在其他月份,首要污染物主要为PM2.5;3)杭州AQI与气象要素密切相关,且不同的时段所依赖的气象因子也不同;4)杭州重污染日时,地面风速小,且68%的重污染日低空存在逆温,71%的重污染日低层存在下沉运动;5)杭州重污染的典型地面形势主要有冷空气影响型、高压影响型和倒槽型3类。     

哈尔滨市空气质量变化特征与气象条件的相关性分析

通过哈尔滨市2013-2016年的空气质量指数资料、常规气象资料以及NECP/NCAR再分析资料,对哈尔滨市空气质量变化特征及其与气象要素的关系进行了分析,并从气象因素探讨了哈尔滨市典型污染日发生的天气形势及特点。结果表明近4 a哈尔滨市的空气质量状况总体有所改善,其中8、9月空气质量最好,12月空气质量状况最差;首要污染物主要为PM10和PM2.5,且在冬季PM10和PM2.5最重;冬季哈尔滨市逆温厚度与污染物浓度呈正相关;逆温强度与污染物浓度呈负相关,重污染的典型地面形势主要有高压南部型、高低压过渡型、高压中心型、高压南部型、燃煤供暖型和秸秆燃烧型5类。     

北京一次连续重污染过程的气象条件分析

2006年4月7—10日北京出现空气质量持续重污染，对当地生产和生活带来较大影响。从天气形势、气象要素、流场、大气稳定度等方面分析了这次重污染的形成及维持原因。结果表明，此次连续重污染过程是一次沙尘过程先后两次影响北京所造成。第一次为内蒙沙源地沙尘随西北气流南下影响北京的典型沙尘污染过程；第二次是移至下游的沙尘在“回流”天气形势下沿偏东风返回北京所造成，较为少见。这次重污染是混合型的，是沙尘和静稳气象条件共同作用的结果。     

京津冀地区冬半年污染传输特征及传输指数的改进

文章通过轨迹聚类、潜在源区分析等方法对京津冀地区冬半年污染物传输特征进行了分析,在此基础上对传输指数的构建方法进行了改进,并结合一次重污染天气过程分析了其作用。结果表明,对于北京、天津和石家庄,其重污染轨迹出现概率从高到低均为偏南路径、偏西路径、偏东路径和西北路径;在近地面高度上,西南和东南风的增强在大多时候成为北京的污染物传输通道,其中东南方向的污染物来源主要集中在大气低层;改进后的传输指数能够更好地反映外来传输作用对本地污染物浓度的影响,京津冀及周边地区的传输作用对北京、天津和石家庄等大城市的污染物浓度影响较明显,其中城郊及周边地区的近距离传输影响最为显著;合理应用传输指数可以对重污染天气的成因进行初步判断。     

分级聚类算法的区域大气污染天气分型及其动力学和统计学检验

根据江苏省污染监测资料及1981~1989年1、4、7、10月850hPa环流图,应用适合于类别样本呈超球分布的两种聚类算法构成分级聚类方法,共得23型。并区分了高、中、低三种污染天气型,分型结果具有清晰的天气气候学意义,为检验其客观分型的可靠性,本文首先运用探索性数值分析中的盒形图方法对其进行统计学检验,进而应用拉格朗日K模式,输入全省和周边站点气象资料以及实际污染源资料进行数值计算。模拟各级污染天气型下SO_2浓度的分布。对分型结果作动力学检验,动力学及统计学检验均证实了分型有效性扣代表性。     

2019年1月长春市一次霾污染过程成因分析

利用空气质量历史监测数据、地面气象要素及激光雷达探测资料,综合分析了2019年1月10—15日长春市一次霾污染过程,探讨了污染过程中污染物和气象要素的变化特征与影响机制.结果表明:此次霾污染过程中12—13日污染最重,PM2.5和PM10质量浓度均超过150μg·m-3,气溶胶消光最强,超过70％的PM2.5/PM10...     

北京地区PM10污染日变化特征

根据1999年4月16日至2001年12月30日北京城近郊区PM10日平均浓度和气象要素观测资料，对PM10日平均浓度大于等于4级污染日在浮尘、扬沙和非沙尘等不同天气情况下地面、高空气象条件的统计分析，得出近两年PM10大于等于4级污染日的年、季及随不同天气类型的变化特征，分析归纳了不同天气类型形成机制情况下PM10大于等于4级污染日的气象条件，为进一步建立北京地区PM10大于等于4级污染日的预报模型和提高预报准确率提供科学依据。     

广西月降水量、气温的区域性气候分片研究

本文选取相关距离系数为相似性度量参数。采用逐级归并聚类法,首次对广西86个气象站1960—1985年月降水量和月平均气温进行聚类,划出了这两个气象要素的气候区域,并用其他方法对所划区域合理性作了探讨。     

北京地区一次强沙尘天气过程的气象因子及空气污染状况分析

对2002年3月18～22日北京出现的强沙尘天气过程的高低空天气形势和主要气象要素进行了分析，并对沙尘天气影响下北京地区的空气污染状况特别是颗粒物污染进行了分析。结果表明：这次强沙尘天气过程主要是受新疆地区东移的强冷空气和蒙古地区低压的共同影响所致，沙尘天气来临前后，许多气象要素(如风速、能见度、温度、湿度等)发生急剧变化；在沙尘影响下，北京地区的颗粒物浓度迅速上升，在短时间内达到重度污染，随着沙尘天气的结束，能见度转好，空气质量改善。     

北京地区三级以上污染日的气象影响因子初步分析

依据2001—2007年北京市环境保护局公布的SO₂、NO₂和PM₁₀日平均空气质量等级大于或等于三级以上的污染日作为样本,统计分析了污染日3种污染物指数与同期南郊观象台（近郊区）的地面和探空气象要素的相关关系。同时采用Hysplit-4后向轨迹分析方法,对出现四级以上污染的重污染日污染源进行了初步探讨。结果表明：风向是造成上述3种污染物出现重污染的主要原因之一;污染日存在两重或多重逆温层,而且逆温层较低较厚,垂直对流和水平扩散作用较弱,湿沉降作用较小,因此污染物不易扩散和输送,堆积在近地面,造成重污染。北京西南、东南部地区以及沙尘暴过程内蒙古、河北北部是造成重污染天气的主要输送源地。研究结果可为北京重污染过程的预警预测及其综合防治提供科学依据。     

日照市区PM10污染物特征及其与气象要素的关系

对2002年1月1日～2002年12月31日日照市环境监测中心提供的PM10（可吸入颗粒物）日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析，揭示了污染物PM10变化特征及其随气象要素的变化规律。同时分析了主要污染物PM10与地面风速、风向间的相关关系，发现日照市大于等于3级的PM10污染日均出现在1-4月，地面风速对污染物PM10浓度有一定影响，当地面风速超过5m／s时，3级及以上污染日很少出现，当地面风速超过6．5m／s时，随着风速的提高，污染物浓度呈下降趋势。污染物浓度呈明显的季节变化，冬、春季节明显高于夏、秋季节。