汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

气象因素对汕头市大气O3污染的影响

利用2014年到2016年汕头市O_3的逐日浓度资料,分析了O_3污染的时间变化特征,并结合汕头市国家基准气象观测站的同期地面气象资料,分析了风、混合层厚度、降水、大气环流等气象因素对O_3污染的影响,同时探讨了影响污染物浓度变化的原因。结果表明:不同于北方多数城市夏季O_3污染严重,汕头市的O_3污染秋季(9—11月)最严重,初夏(6月)污染较小,这与汕头的地理位置和气候条件有关。O_3浓度呈单峰型日变化,午后15:00左右浓度最高,夜间浓度较低。风速对O_3既有扩散作用,又有混合作用,当日均风速为1.7 m/s时O_3的平均浓度最大;O_3日均浓度与14时混合层厚度呈显著正相关,午后混合层厚度对O_3日内峰值有很大影响;O_3平均浓度在相对湿度60%时达到最大,高相对湿度不利于O_3体积分数的积累;降水对O_3的去除效果随着降水量级的增大而增大,汛期降水的去除效果与总体去除效果基本一致,而非汛期强降水(中雨以上)去除效果更加显著;出现轻雾时O_3浓度接近平均,出现霾时O_3浓度较高,出现大雾时不利于O_3的生成;当汕头市地面为冷高压脊、850 hPa为东北风场、500 hPa为副热带高压控制时,有利于光化学反应,易造成O_3污染。     

2018年常州一次罕见持续性雾-霾天气分析

利用常规气象观测资料、探空资料、污染物浓度及AQI资料、NCEP再分析资料等,对2018年11月24日至12月3日夜间常州持续11 d的强浓雾和严重霾天气过程进行了分析。结果表明：（1）此次雾-霾过程持续时间长、范围广、强度大、污染重。（2）中纬度地区高层持续纬向环流控制、中低层暖脊稳定存在,地面持续受均压场或弱倒槽顶部、弱冷锋前部影响,是这次持续性雾-霾过程的重要天气条件。（3）边界层内弱辐散、负涡度及弱的下沉气流是此次雾-霾天气得以长时间维持、发展的动力因子。近地层长时间水汽饱和且维持小风速利于雾-霾的长时间维持。（4）近地面高强度的贴地逆温长时间维持和持续较低的混合层高度是此次雾-霾形成、发展和长时间维持的重要热力条件。雾比霾的平均混合层高度明显偏低且霾等级越高混合层高度越低,混合层高度的变化先于能见度变化,对雾-霾临近预警有较好的指导作用。（5）弱冷空气渗透、风速适当增加、混合层高度的先期快速下降、负净辐射曝辐量绝对值的明显增大是雾爆发性增强的主要原因。     

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。     

人工神经网络方法估算海洋上混合层深度的初步研究

上混合层深度是海洋上层热力结构特征的重要参数.结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型.实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%.这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法.     

Wave breaking on turbulent energy budget in the ocean surface mixed layer

As an important physical process at the air-sea interface, wave movement and breaking have a significant effect on the ocean surface mixed layer （OSML）. When breaking waves occur at the ocean surface, turbulent kinetic energy （TKE） is input downwards, and a sublayer is formed near the surface and turbulence vertical mixing is intensively enhanced. A one-dimensional ocean model including the Mellor-Yamada level 2.5 turbulence closure equations was employed in our research on variations in turbulent energy budget within OSML. The influence of wave breaking could be introduced into the model by modifying an existing surface boundary condition of the TKE equation and specifying its input. The vertical diffusion and dissipation of TKE were effectively enhanced in the sublayer when wave breaking was considered. Turbulent energy dissipated in the sublayer was about 92.0% of the total depth-integrated dissipated TKE, which is twice higher than that of non-wave breaking. The shear production of TKE decreased by 3.5% because the mean flow fields tended to be uniform due to wave-enhanced turbulent mixing. As a result, a new local equilibrium between diffusion and dissipation of TKE was reached in the wave-enhanced layer. Below the sublayer, the local equilibrium between shear production and dissipation of TKE agreed with the conclusion drawn from the classical law-of-the-wall （Craig and Banner, 1994）.     

南沙群岛海域混合层深度季节变化特征

基于南沙群岛海域综合科学考察11个航次的实测资料,研究了南沙群岛海域的混合层深度季节变化特征。研究结果表明,南沙群岛海域混合层深度存在明显的季节变化,并且与季风和海表热通量的变化密切相关。春季,风速较小且风向不稳定,海面得到的净热通量全年最大,上层水体层结稳定,混合层深度较小;夏季,南海西南季风盛行,上层为反气旋式环流,海面得到的净热通量减少,混合层呈加深的趋势;秋季,海面净热通量继续减少,混合层深度达到最大值;冬季,东北季风驱动下形成的上层气旋式环流引起深层冷水的上升,限制了混合层的加深。     

基于Argo资料的热带西太平洋上层热含量初步研究

根据2004年1月-2008年12月间的Argo剖面浮标观测资料,分析了热带西太平洋上层热含量的空间分布及其季节变化特征,并考察了不同计算深度以及盐度对热含量的影响,且探讨了有关计算上层热含量的深度选取问题.结果表明:(1)热带西太平洋上层热含量的气候态大致呈“马鞍型”分布,即在12°N以北和5°S以南海域上层热含量都较高,而在2°-12°N之间热含量则较低,特别在棉兰老冷涡区热含量很低;(2)研究海域的上层热含量一年四季均呈这种两高一低的空间分布形势,但强度的季节性变幅却较大,整个研究海域的热含量体现为春季最高,夏季最低,秋冬季居中的特点,但两个高热含量区和低热含量带的热含量各呈现出不同的季节变化;(3)温跃层深度的波动对海洋上层热含量的影响要大于上混合层,尤其在南北纬10°以外海域.因此,计算西太平洋上层热含量时,应将积分深度取为温跃层下界深度,才有可能比较真实地反映该海域的上层热含量的分布和变化,若为简单起见,取等深度计算时,以700m为宜,此外,盐度对上层热含量的影响也应引起重视.     

不同辐射背景下大西洋热盐环流下沉区混合层深度变化

基于政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)4种最新辐射强迫情景,利用ECHAM5/MPI-OM(European Centre Hamburg Model 5/Max Planck Institute Ocean Model)气候模式输出的1850—2300年逐月混合层深度、海表面温度、海表面盐度数据,分析大西洋热盐环流下沉区混合层深度的变化情况。结果表明:随辐射强迫增加,热盐环流下沉区混合层深度下降,混合层深度振荡周期在格陵兰-冰岛-挪威海(Greenland Sea–Iceland Sea–Norwegian Sea,GIN)海域减小,在拉布拉多海(Labrador Sea,LAB)海域变化不大;与GIN海域相比,LAB海域混合层深度对辐射强迫变化更敏感;两海区温度对混合层深度的影响时间较长,混合层深度对盐度的变化反应迅速;混合层深度变化的主导因素在LAB海域中为盐度,而在GIN海域,低辐射强迫下温度主导混合层深度变化,中高辐射强迫下温度与盐度共同起主导作用。     

使用水块混合层模式研究浮游生物循环

使用一个十分简单而相对完整，包括浮游生物和无生命氮的食物网以描述发生在海洋上层的生物过程。将该生物模式用在一个从佛罗里达海峡流至挪威海的水块中，模拟浮游生物和营养盐随时间的演化。模拟结果给出了浮游生物在营养盐驱动下的生命循环，并得到水华季，比用最简单的浮游植物浮游动物－营养盐得到的结果更合理。