江苏盐城地区一次持续雾-霾天气过程的综合分析

2013年12月上旬江苏盐城地区出现了一次历史罕见的持续重度雾-霾天气,利用盐城市常规气象观测资料、NCEP再分析资料(1°×1°)及环境监测中心站的污染物浓度资料等,对此次过程的环流背景、气象要素、大气层结特征以及动力条件、污染情况等进行了综合性分析。结果发现:12月上旬中高层冷空气势力弱,以纬向环流为主;低层弱的水平风场为雾-霾的发生发展提供了有利的环流背景;稳定的层结特征,近地面高强度的贴地逆温和持续较低的混合层高度是此次雾-霾天气长时间维持的重要因素;边界层内弱正散度及负涡度是此次雾-霾天气得以维持发展的动力因子;通过后向轨迹分型和火点监测资料分析发现:污染物的长距离输送在此次重污染天气的形成过程中起到了一定作用。最后,文中建立了能见度和PM_(2.5)浓度、相对湿度的非线性回归方程,对能见度的预报效果较好,为实际业务应用中雾-霾的预报提供了有利的依据。     

城市发展和气象条件对大气污染的贡献率

文章运用2000—2014年反映呼和浩特市城市发展指标的人均GDP、人口密度、第二产业结构、建成区面积及代表气象条件的平均气温、年平均气压、年总降水量、年平均风速、年平均相对湿度和机动车保有量数据,利用对数线性模型将城市空气主要污染物SO_2、NO_2、PM10年平均浓度与城市发展指标数据、气象条件和机动车保有量进行拟合,得出显著性因子和贡献率。结果表明:第二产业结构、机动车保有辆、平均气温、相对湿度、平均风速和平均气压均通过了显著性检验,第二产业结构与SO_2和PM10浓度呈显著正相关,对SO_2和PM10污染贡献率分别为0.961%和0.738%,大于气象条件贡献率;机动车保有量和年平均气温、年平均相对湿度与NO_2浓度具有显著的正相关,机动车保有量贡献率为0.83%,大于年平均气温、年平均相对湿度的贡献率;年平均气压与SO_2浓度呈负相关,贡献率仅为0.21%。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

融合机载雷达和航空正射影像的道路提取

针对单一遥感数据源提取道路信息中存在的问题,该文提出一种融合多源数据的方法:采用面向对象思想,融合机载激光雷达和航空正射影像,运用对象平均强度指数进行道路精确提取。首先利用点云强度信息进行道路粗提取,再结合影像光谱信息对粗提取点云进行优化,得到"一次点云";然后通过分形网络演化算法对影像进行多尺度分割形成对象,将"一次点云"导入分割对象,利用对象平均强度辅之以对象面积完成道路精确提取。实验结果表明,该方法提取流程简单快速、无须精确配准、道路提取精度较高。     

基于可移动角点的航空和地面LiDAR数据配准

针对航空和地面LiDAR数据配准中点云数据的共轭特征较少且精度差异较大的问题,提出了一种基于可移动角点的航空和地面LiDAR数据配准方法:从航空和地面LiDAR数据中分别提取相应的建筑物角点,采用6参数模型对角点进行初始配准;以地面角点为参照,利用迭代移动方法对误差较大的航空角点进行修正;最后根据移动后的航空和地面角点计算获得点云配准关系。实验结果表明,该文方法可取得较好的点云配准效果,角点修正后能有效提升点云配准精度,适合于含有角点特征的航空和地面LiDAR数据配准。     

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。     

昆明长水机场气候特征分析

利用昆明市1951—2010年逐日气象数据,采用回归分析法和Mann-Kendall突变分析法进行分析和检验,确定了昆明市极端降水和极端温度天气事件。在此基础上,对昆明长水机场极端天气背景下大雾天气航班安全运行开展研究,并在对比昆明长水机场与原巫家坝机场大雾特点的基础上,制定出航班安全运行的应对措施。研究表明,近几年昆明市极端温度和极端降水事件呈现增多趋势;因地形原因,长水机场出现大雾的频率远高于原巫家坝机场;大雾造成的低能见度天气背景下,航班的安全运行需要航空公司各部门的通力协作。     

苏州市一次重霾污染天气过程的数值模拟

本文对苏州地区2015年12月13—15日发生的一次典型的重霾污染天气过程进行了数值模拟,分析了颗粒物及其组分的时空变化特征及其气象影响因子,以期为该区域空气污染治理和预防提供科学依据。结果表明:(1)利用WRF-Chem模式对此次重霾污染天气过程的污染气体成分进行数值模拟后发现,小时平均的PM_(2.5)、PM_(10)、CO、SO_2、NO_2模拟值与实测值的相关系数较高,达到0.68以上,通过了P0.01的显著性检验,且日变化过程对应也较好。(2)通过分析此次污染过程的天气背景,发现污染形成期高空环流比较平直,中层为均匀的弱高压控制,地面受弱高压脊控制,这种形势容易导致颗粒物的堆积。后期地面等压线密集时,风速大,有利于污染物的输送与扩散。(3)通过分析此次污染过程期间气象要素的变化发现,有逆温、风速小、相对湿度大等不利的气象条件是导致此次污染过程发生的重要原因之一。(4)HYSPLIT轨迹分析显示,此次重霾过程主要受北方大范围灰霾颗粒物南下影响,北方污染气团逐步南推,14至15日本地大气扩散条件差、污染物累积,最终导致本地污染加重,从而发生重霾事件。(5)火点图的分布进一步验证了此次重霾污染过程是由外来污染气团输入所导致。     

天文台址中的气象知识

气象条件是天文台址观测条件的一项重要内容,是论证台址优劣的基础。空间目标的地基观测不可避免地要受到地球大气环境的影响,观测台址的天气条件与大气特性直接导致对观测目标的不同探测能力和表观结果。台址的选择决定着大口径望远镜设备能否有效发挥其设计性能,也直接关系到天文台建设和后期运行的投入。