1961—2015年新疆天山日照时数时空变化特征及其影响因素分析

采用新疆天山地区55个气象站1961—2015年逐月气象数据,用Mann Kendall突变检验、基于ArcGIS的混合插值及偏相关分析对天山日照时数年、季节特征及影响因素进行分析。结果表明：①天山日照时数年及季节均呈减少趋势,天山各区域变化差异显著,山区及天山北坡变化趋势明显于南坡。②天山北坡、天山南坡及天山山区年日照时数突变时间为1985年、1980年和1988年,云量和降水是导致突变发生的主导因素。③新疆天山年日照时数由西向东逐渐增加,平原多、山区少,春季呈“东北部多、西南部少”,夏季为 “东北部多、西南部少”,平原盆地高于山区,秋季呈现“北少南多,东多西少”,冬季由南向北逐渐减少。④云量、降水是导致天山地区日照减少的主要因素,少云区日照时数较多,多云区日照时数较少,天山云量减幅或增幅区域,日照时数突变量变化明显。     

东疆地区蒸发量变化趋势及气象影响因子研究

对东疆地区1961-2001年小型蒸发皿蒸发量及其相关气象影响因子进行了分析,结果表明,东疆地区蒸发量呈显著下降趋势,蒸发量1970年代至1980年代初期的增多和1980年代中期至21世纪初的减少是突变现象;6种气象因子对蒸发的决定程度相对湿度>水汽压>气温>风速>日照时数>净地表辐射,风速与日照时数、相对湿度与水汽压、气温与水汽压、气温与相对湿度的协同作用对蒸发量的决定作用很大.相对湿度的显著增加是导致东疆地区蒸发量逐年减少的重要原因.     

2009年秋季南京地区一次持续性灰霾天气过程研究

2009年10月14—27日,南京地区发生了一次持续性的灰霾天气过程。利用气象观测资料和污染物浓度监测资料,结合焚烧点监测、后向气流轨迹模拟,分析了颗粒物和气态污染物的浓度演变特征、气象要素特征及产生持续灰霾天气的可能原因。研究表明,该次过程中绝大部分时间能见度低于10 km,空气污染指数最大时达到195。地面PM2.5质量浓度有显著增长,在26日达到最大值为0.782 mg/m3。NO2质量浓度日均值在24日和27日超过了环境空气质量二级标准,其含量分别为0.094和0.099 mg/m3,对应NOx质量浓度分别为0.105和0.108 mg/m3。SO2质量浓度在22日达到峰值,最大值为0.161 mg/m3,平均值为0.083 mg/m3,低于环境空气质量二级标准。分析显示:近半个月内南京地区天气形势稳定,处于持续温度偏高、干燥无雨的状态,非常有利于灰霾天气的发生。卫星监测发现24、25、26日江淮之间中部均有火点,其中24日有50个着火点,25日增加为85个,26日减少为38个,表明有秸秆焚烧现象存在。从后向气流轨迹分析来看,在秸秆焚烧最为严重的3 d内,南京地区主要受到来自东到东北方向气流的影响,有利于秸秆焚烧形成的污染物经气流输送影响南京,造成严重灰霾天气。     

1958—2009年本溪地区气候变化特征

以本溪地区4个站点数据为基础,同时选取气温和降水2个主要的气象要素指标,采用线性倾向估计、Mann-Kendall和累积距平法,对1958—2009年本溪地区的气候变化进行探讨。结果表明：近52 a来,本溪地区年和春、秋季及冬季平均气温均呈明显的增温趋势。夏季虽有增温趋势,但是不显著。本溪地区春和冬季降水量均呈弱增加趋势,而年夏季及秋季降水量均呈下降趋势。总体来说,近52 a来本溪地区降水量呈下降趋势。本溪地区年和各季平均气温均先后在20世纪80年代末发生了突变。20世纪80年代以来,本溪地区相对进入了明显的暖期。年和各季的降水量均没有发生突变。     

河源地区气温变化特征及其与ENSO的关系

利用河源地区5个气象站1960—2016年的逐月平均气温、NOAA逐月海温等资料,采用线性倾向、Mann-Kendall检验等统计方法,分析了河源地区气温变化特征及其对ENSO事件的响应。结果表明:河源地区年平均气温及季平均气温均呈递增趋势,且夏、秋、冬季和年平均气温气温上升趋势显著;河源地区气温在20世纪80年代中后期—90年代末发生1次较为明显的由冷到暖的突变;年平均气温存在5~6、14~15及24 a的周期变化规律;在El Ni1o事件中,河源地区年平均气温有偏高趋势,La Ni1o事件,则反之;ENSO事件对气温的影响存在滞后性,对河源地区的气温影响最明显表现在次年。     

1971—2020年金华地区极端降水变化特征

利用浙江省7个国家气象站逐日降水数据和8个极端降水气候指数,应用线性拟合、Mann Kendall检验、小波分析和反距离权重插值等方法,分析1971—2020年金华地区极端降水指数时空分布特征。结果表明：金华地区除了持续干期（CDD）呈下降趋势外,年降水量（PRCPTOT）、平均日降水强度（ISDII）、强降水量（R95p）、极强降水量（R99p）、最大1 d降水量（Rx1day）、暴雨日数（R50）和持续湿期（CWD）均呈逐渐增大趋势。金华地区极端降水指数具有一定的周期性和突变特征,PRCPTOT、ISDII、R50、Rx1day、R95p和R99p第一主周期为23—25 a;CDD和CWD周期较短,第一主周期分别为2 a和4 a。PRCPTOT、ISDII、R95p和R50突变主要出现在21世纪初,Rx1day和R99p主要出现在20世纪80年代和21世纪初,均是由相对偏少期突变为相对偏多期。ISDII和CDD空间分布表现为东北部大于西南部外,除此之外的6个指数总体表现为西部大于东部。     

1959—2014年略阳县气候变化趋势分析

利用略阳国家基准气候站1959—2014年逐月气温、降水、日照时数、风速资料,采用线性趋势法、Mann\|Kendall突变检验法,分析了略阳县近56年气候变化特征。结果表明:1959年以来略阳县气候变暖趋势显著,年平均气温的线性趋势率为015 ℃/10 a,并在1994年发生突变,突变后气温显著上升;年降水量呈减少趋势,但不显著,20世纪70年代中期到80年代末降水偏多,90年代初降水开始持续减少;年日照时数也呈现减少趋势;年均风速为减小趋势,其中70年代年均风速均高于多年平均值;年降水量、年日照时数和平均风速均未发生明显突变。近56年略阳县气候存在“暖干化”趋势。

     

黑龙江省未来41年气候变化趋势与突变分析

选用由英国Hadley中心区域气候模式系统PRECIS构建的基准时段（1961—1990年）和未来时段（2010--2050年）A2、B2情景气候数据,应用线性倾向估算法、累积距平及Mann—Kendall法对排放情景特别报告（SRES）中A2和B2情景下黑龙江省2010--2050年的平均气温、平均最高最低气温、降水量的变化趋势和突变进行了分析。结果表明：相对于基准气候（1961--1990年）,未来41a平均气温表现出明显的上升趋势,A2、B2情景下年均气温分别升高1．63℃和1．94℃,突变分别发生在2031年和2033年;相对于基准气候,A2、B2情景下未来41a降水量分别增加5．3％和1．1％,降水量变化趋势不同,A2情景下为4．03mm／10a,B2情景下为5．94mm／10a,但趋势均不显著,且没有突变发生。总体上,黑龙江省未来41a的气候为向暖湿变化的趋势。     

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。     

南宁市大气能见度变化特征及影响因子分析

对2000至2006年的南宁市能见度资料进行统计分析。分析表明,南宁市近7a能见度年均值在13～17km之间,总体呈下降趋势。一年之中,能见度最小值主要出现在1至3月,最大值出现在6至7月,汛期能见度明显好于非汛期。一日之中,能见度的日变化为：08时〈02时〈20时〈14时。能见度与气象因子的相关分析表明,能见度与温度、风速成正比,与压强、降水、湿度成反比。与污染物的相关分析表明,能见度与PM10浓度的相关性较强,达到-0.58。     

和田市能见度变化趋势及其与空气质量的关系

对1963～2004年和田市各级别大气能见度进行统计分析,揭示了大气能见度的年际变化和季节变化特征。近20a来和田市大气环境质量趋于好转,造成能见度恶化的重要原因是大气中悬浮颗粒的增多,因此大气能见度是评价大气环境质量的重要指标。     

利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染

对2001年在北京地区利用太阳光度计观测的气溶胶光学厚度和NASA发布的MODIS气溶胶产品进行了比较,验证了这一卫星遥感产品的可靠性;比较了2001年MODIS气溶胶光学厚度(AOD)产品和由空气污染指数(API)计算的每日平均可吸入颗粒物(PM10)浓度,得到了比较高的相关系数,证实该气溶胶产品可用于污染分析.将北京地区AOD与气象能见度观测资料进行比较,得到了不同季节的气溶胶"标高".利用统计的不同季节的气溶胶标高,从光学厚度的季节分布得到了能见度(能见距离)的季节分布.气溶胶光学厚度图像的个例分析表明,除局地排放外,周边区域(主要为西南和南向)的输送对北京市区的空气污染贡献份额较大.卫星遥感气溶胶可以比较直观地再现污染物的区域分布和输送,不仅为研究全球气候变化也为研究区域环境的空气质量提供了一种有效手段.     

论雾与污染的关系

简述了近年来雾的研究进展，并从雾的酸化、雾层内污染物的扩散、雾层对污染物的清除、污染物对雾形成与发展的影响等方面讨论了雾与大气污染的关系。     

天津冬季大气能见度与空气污染的相互关系

为探求天津冬季大气能见度特征与空气污染的相互关系,于2008年12月至2009年1月连续观测大气能见度和空气污染物浓度(PM10、PM2.5质量浓度,O_3、NO_2和SO_2体积浓度),并结合相对湿度进行相关分析。结果表明:天津冬季大气能见度平均值为11.59 km,日变化呈明显的单峰特征,其变化特征受到空气污染物,尤其是气溶胶质量浓度及相对湿度变化共同影响;观测期内霾的发生频率接近50%;采用非线性回归方程拟合能见度与气溶胶质量浓度相互关系显示,PM2.5质量浓度对水平能见度的贡献大于PM10质量浓度,并且高湿情况下,能见度与气溶胶质量浓度相关性更好。     

空气污染与大气能见度及环流特征的研究

利用2000年7月—2001年5月兰州逐日污染物浓度及污染综合指数资料,分析了其与能见度的相关性,同时利用1980—2000年冬季兰州能见度的资料,对大气能见度及环流特征量进行了分析,并初步建立了能见度趋势预报方程。结果表明：大气能见度具有明显的日变化;年际变化呈增大趋势,20世纪90年代能见度要明显好于80年代。污染指数与能见度基本呈现负相关。印度副高脊线偏北,东亚大槽明显,即亚洲地区环流经向度大时,大气能见度增加,空气污染程度较轻。     

近45年大连地区气温日较差的演变趋势分析

利用Mann-Kendall方法对大连地区7个气象站点1961～2005年的气温日较差进行了趋势分析,并根据各因子趋势值,应用相关统计法分析了影响气温日较差呈减小趋势的因子.得到结论如下:①大连地区四季气温日较差呈现显著减小趋势,其中以秋季和冬季减小趋势最显著,夏季最弱.各季节平均气温、最高气温和最低气温呈显著上升趋势.最低气温较最高气温和平均气温升高趋势显著.②大连地区与月平均日较差相关性最强的因子是风速,其次是最低气温、水汽压和云量,都呈负相关,与最高气温呈正相关.②春夏季,日较差下降主要受最高气温的变化驱动,而秋冬季节则主要受最低气温变化的影响.     

北京城市大气环境污染机理与调控原理

该文主要介绍了科技部国家重点基础研究发展规划项目“首都北京及周边地区大气、水、土环境污染机理及调控原理”大气分项目的研究成果。项目分别于2001年和2003年重点开展了BECAPEX科学试验 (Beijing City Air Pollution Experiment)。BECAPEX试验同步进行城市边界层气象与大气化学观测, 通过卫星遥感、地面观测, 即城市空间和地面以及点与面结合的技术途径, 以揭示北京城市污染“空气穹隆”大气化学结构特征及其变化规律, 为城市环境大气动力-化学模式提供基本科学参数, 给出城市边界层大气物理化学过程综合模型, 为提高城市环境大气物理-化学过程耦合模式的准确性和可靠性提供科学依据。该项目揭示了北京城区和城近郊区城市边界层结构与湍流特征, 城市大气污染垂直结构特征; 发现了城市大气污染空间结构多尺度特征, 其中包括大气污染源影响和城市热岛多尺度特征; 揭示了城市大气重污染过程周边源影响域, 以及北京及周边地区气溶胶影响域和区域气候响应; 提出了北京市典型污染源排放清单; 发展了城市气象模式系统, 包括冠层模式、街谷环流和热力结构以及城市高大建筑群周围风环境数值模拟; 发展了空气质量模式技术, 包括二次气溶胶模拟试验、北京地区SO2污染的长期模拟及不同类型排放源影响的计算与评估、影响北京地区的沙尘暴输送模拟、区域化学输送模式中NOx和O3源示踪法, 城市尺度的大气污染CAPPS模式及统计模型的应用、大气污染及紫外辐射数值预报模式和CMAQ-MOS空气质量预报方法; 改进了美国公共多尺度空气质量预报模式, 建立了CMAQ-MOS区域空气质量动力-统计模型预报模式, 以及发展的源同化技术, 突破了当前空气质量模式技术“瓶颈”, 使模式预报准确率明显提高。     

Characteristics of Surface Solar Radiation under Different Air Pollution Conditions over Nanjing,China: Observation and Simulation

Surface solar radiation (SSR) can affect climate, the hydrological cycle, plant photosynthesis, and solar power. The values of solar radiation at the surface reflect the influence of human activity on radiative climate and environmental effects, so it is a key parameter in the evaluation of climate change and air pollution due to anthropogenic disturbances. This study presents the characteristics of the SSR variation in Nanjing, China, from March 2016 to June 2017, using a combined set of pyranometer and pyrheliometer observations. The SSR seasonal variation and statistical properties are investigated and characterized under different air pollution levels and visibilities. We discuss seasonal variations in visibility, air quality index (AQI), particulate matter (PM₁₀ and PM_2.5), and their correlations with SSR. The scattering of solar radiation by particulate matter varies significantly with particle size. Compared with the particulate matter with aerodynamic diameter between 2.5 μm and 10 μm (PM_2.5?10), we found that the PM_2.5 dominates the variation of scattered radiation due to the differences of single-scattering albedo and phase function. Because of the correlation between PM_2.5 and SSR, it is an effective and direct method to estimate PM_2.5 by the value of SSR, or vice versa to obtain the SSR by the value of PM_2.5. Under clear-sky conditions (clearness index ≥0.5), the visibility is negatively correlated with the diffuse fraction, AQI, PM₁₀, and PM_2.5, and their correlation coefficients are ?0.50, ?0.60, ?0.76, and ?0.92, respectively. The results indicate the linkage between scattered radiation and air quality through the value of visibility.     

成都市大气污染与气象条件关系分析

利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM₁₀、PM_2.5、CO、O₃、 SO₂、NO₂六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O₃外在冬季最高,夏季最低,春秋两季相差不大,O₃浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM₁₀、PM_2.5、CO、NO₂浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O₃浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。     

北京城区空气污染浓度长期预测

通过分析北京城区４种主要空气污染物（ＳＯ２、ＮＯＸ、ＣＯ、ＴＳＰ）浓度的月、季变化特征,建立起均生函数预测模型。拟合及预报试验表明,这些预测模型不但可以很好地拟合空气污染浓度的变化趋势,而且还能够对未来几个月的空气污染浓度做出较准确的预测。