呼和浩特市空气污染浓度预报模型

利用1995～2000年呼和浩特市的大气污染环境监测和气象观测同步资料，在分析了边界层气象条件和影响呼市地区天气系统与空气污染的关系基础上，通过相关分析筛选出物理意义明确，且为常规观测的气象要素因子，采用逐步回归模型，分别建立了以小召、四毛、糖厂、公安厅四个监测点为代表的呼市不同功能区以及全市平均的冬、夏季TSP和冬季SO2浓度日均值统计预报模型。通过历史拟合和检验，预报效果良好。     

青海高原地区雷电天气气候特征及预报预警

本文通过青海省30a整编资料,对雷电天气发生的气候规律、时空分布特征进行了分析,并对雷电天气的预报预警方法进行了总结,旨在为该地区雷电天气的分析预报提供背景依据。     

天气研究与预报预警业务系统

天气研究与预报预警业务系统利用9210工程等现代化建设成果,发挥计算机技术优势和MICAPS平台的功能和作用,充分挖掘天气预报信息资源提高天气分析、研究和预报能力,推进天气预报由人工向计算机智能化方向发展以及天气预报的精细化制作与显示等方面积极探索,为开展天气预报研究和预报业务提供了有益的工具,对于提高气象预报服务水平具有积极作用。     

漯河市高温天气模型

通过分析常规天气图、日本传真图、欧洲数值预报图，概括出漯河市高温天气过程的模型，确定了高温天气预报指标。     

连续强降水天气的环流背景及中期预报

分析了１９９４年７月上半年连续出现强降水天气的环流形势及波谱特征，利用０￣９６小时５００ｈＰａ欧洲数值预报５天滑动平均高度场和６波相对振幅变化，得出有实用价值的强降水预报指标。     

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。     

漯河市高温天气模型

通过分析常规天气图、日本传真图、欧洲数值预报图,概括出漯河市高温天气过程的模型,确定了高温天气预报指标.     

孝感市城区空气污染气象条件预报模型

使用空气污染潜势指数概念和箱体模式，开发并建立了一套孝感市城区空气污染气象条件预报模型，并用Visua1 Basic 6.0语言编写出相应的自动预报系统，实现了空气污染潜势的自动预报。其实际应用检验结果表明，全年空气污染潜势预报值评分为83．00分，春、夏、秋、冬四季的评分分别为77．65分、89．23分、76．32分和90．37分。     

大连沙尘天气及预报模型分析

通过对位于东北亚沙尘暴天气下游的大连近7年的沙尘天气统计分析,以及应用天气学方法进行预报模型分析,揭示出大连地区沙尘的主要特征和预报着眼点.大连沙尘天气主要出现在春季,变化趋势同全国基本一致;沙尘天气的源地有4个,有三条影响路径.沙尘影响时,平均相对湿度都较低,以西北风为主.西北路径是影响大连地区产生沙尘天气最多的路径.在北路系统影响下,有三种天气类型;西路系统和西北路系统也分别有三种和四种天气类型.大连的沙尘天气预报着眼点首先要关注其上游的起沙情况,然后结合三路影响系统的预报模型进行分析;三路影响系统有不同的起沙关注区和不同的天气系统位置和移动方向.     

长春市空气污染潜势预报的统计模型研究

通过分析TSP污染指数与气象条件的关系，特别是一些非线性关系，建立了长春市空气污染潜势预报统计模型，借助T106及日本数值预报产品进行试报，效果较为理想。     

天气形势对南昌市空气质量影响的初步分析

利用2007--2010年南昌市空气污染监测资料以及气象观测资料,分析了空气质量与天气形势的关系,以及造成南昌市空气污染的主要天气形势特征。结果表明：（1）南昌市空气污染具有明显的季节性变化特征,冬季污染日出现频次最高,其次是春、秋两季,夏季由于雨水的冲刷稀释作用、热对流作用,极少出现空气污染日。（2）影响南昌市空气质量的地面形势主要分为低压类（倒槽、锋前）和高压类（高压底部、高压后部、弱高压）,而高空系统主要为槽后西北气流以及西南气流的影响。（3）当出现空气污染时,地面至1000hPa近地层逆温非常明显,地面风速弱,基本在3m／s以下,且以偏东风出现频次最高。（4）污染物浓度与霾天气密切相关,霾日的空气质量较差。     

2017年上海臭氧污染气象条件分析及臭氧污染天气分型研究

根据2016-2017年上海空气污染物和相关气象要素数据,分析上海2017年O₃变化特征以及气象影响因素,并对造成O₃污染的天气系统进行主观分型。结果表明：2017年上海市空气质量优良天数为275 d,占全年天数的75.3%,O₃-8h污染天数为55 d。上海市O₃-8h年均浓度115 μg·m^-3,同比增幅超过10%,为2013年以来的最高值,主要体现为夏半年O₃浓度的上升。与2016年相比,2017年夏半年西太平洋副热带高压偏西偏强,上海地区风速风向、温度、水汽、光照、辐射条件均有利于O₃浓度上升。造成2017年高浓度O₃污染主要有4种天气类型：副热带高压控制型（SH）、地面高压型（G）、均压场型（J）和低压型（D）。其中副热带高压控制型是典型的O₃-8h污染天气型,占总污染日数的29.1%,且污染程度较重;低压型出现次数较少;地面高压型的臭氧平均污染程度最弱。     

兰州市气象与污染环境背景综述

利用 196 0～ 2 0 0 0年气候统计资料和 1975～ 2 0 0 0年环境监测资料 ,从地理位置、大、小尺度气候背景、兰州市区污染源概况及主要污染物的时空分布等方面 ,分析该市的气候与污染环境背景 ,为兰州市空气质量预报方法和模式的建立提供依据     

2005—2009年石家庄市空气质量分布特征及其与气象条件的关系

根据2005—2009年石家庄市空气污染指数实况资料,分析了近5 a石家庄市空气质量的分布特征。结果表明：石家庄市空气质量以Ⅱ级良为主,轻度污染以上日数占样本总数的19.1%,属于大气污染较为严重的城市。空气质量分布具有明显的季节变化规律,夏季最好,秋、春季次之,冬季最差。运用相关分析法分析了气象因子与空气污染指数的相关关系,归纳得出高空500 hPa两槽一脊型、纬向型、一槽一脊型、均值场型和两槽两脊型是石家庄市典型的污染日天气系统型。     

2005-2009年石家庄市空气质量分布特征及其与气象条件的关系

根据2005-2009年石家庄市空气污染指数实况资料,分析了近5 a石家庄市空气质量的分布特征。结果表明：石家庄市空气质量以Ⅱ级良为主,轻度污染以上日数占样本总数的19.1％,属于大气污染较为严重的城市。空气质量分布具有明显的季节变化规律,夏季最好,秋、春季次之,冬季最差。运用相关分析法分析了气象因子与空气污染指数的相...     

哈尔滨冬季重污染日气象特征

以2000-2009年中国环境保护部公布的空气质量日报中空气污染指数大于200的日期作为重污染日,从气象因素方面分析哈尔滨冬季重污染日发生的原因。结果表明：哈尔滨冬季重污染日20时地面风速为1级或静风;85 %的重污染日在850 hPa层以下有逆温现象,最大逆温强度出现在地面与925 hPa之间,为0.73 ℃/100 m;95 %的重污染日在850 hPa层以下有下沉运动。重污染的典型地面形势包括高压边缘型、高压中心型和低压边缘型三类。高压边缘型和高压中心型表现为大气对污染物的水平、垂直输送均为不利,而低压边缘型表现为有利于污染物的垂直输送。天气形势特征的归类,可为开展空气污染预报提供参考。     

石家庄大气污染与沙尘天气的关系分析

利用2002—2006年石家庄市逐时气象资料和环境监测资料,分析了8次典型沙尘天气对空气污染的影响。结果表明:沙尘天气的首要污染物均是可吸入颗粒物,春季中度以上污染日平均出现在沙尘日当日或次日;造成石家庄沙尘天气污染源分外来型、本地型以及二者共同影响型3种;其中,本地型沙尘污染多受冷锋影响,PM10浓度与风速呈正相关。而外来型污染多处于弱气压场控制,PM10浓度与南风呈反相关,而当风向转偏北时则利于污染物积累。     

天津市秋季典型环境污染过程个例分析

选择天津市秋季典型PM10污染过程2010年10月3—12日环境空气质量监测资料和常规气象资料、探空资料及NCEP资料,研究大气环境天气背景场、大气层结稳定度的特征及其对污染过程的影响。结果表明：高低空环流背景场与污染过程密切相关。在污染上升阶段,层结稳定度迅速增加,500 hPa高空处于槽前,地面在华北地形槽中,高低空风速辐合;在污染峰值阶段,层结稳定,逆温层加强,环流场稳定少变,地面风力微弱;在污染下降阶段,层结稳定程度骤降,地面冷锋和高空槽过境,降水出现,高低空偏北风增大。同时,PM10污染过程与多项层结稳定度参数显著相关,与对流凝结高度单相关系数为0.84,因此,高低空环流背景场的配置和层结稳定度变化是PM10污染出现的主要原因。     

应用机器学习算法的成都市冬季空气污染预报研究

利用2014年3月至2017年2月成都市8个环境监测站的PM 2.5、PM 10、SO 2、NO 2、CO、O 3共6种污染物质量浓度资料以及T639全球中期数值预报模式产品,采用两种机器学习算法—递归特征消除法(Recursive feature elimination,RFE)和随机森林方法,构建了成都市冬季5种(O 3除外,因为其冬季污染较轻)污染物浓度的预报模型,并对模型的预报效果进行了评价。结果表明:基于RFE模型的5种污染物预报值与实测值的均方根误差值分别为47.58μg·m^-3、72.10μg·m^-3、8.87μ·m-3、0.59 mg·m^-3、19.84μg·m^-3;基于随机森林模型的5种污染物预报值与实测值均方根误差值分别为23.94μg·m^-3、20.98μg·m^-3、2.40μg·m^-3、0.16 mg·m^-3、8.09μg·m^-3,随机森林模型对各污染物浓度的预报效果均优于RFE模型,说明该预报方法性能良好,可为成都市冬季空气质量业务化预报提供技术支持和防控依据。     

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。