偏低气温下的O3污染特征及其主要气象成因

针对2013~2019年上海地区气温相对偏低（25℃及以下）的一类O₃污染事件,从时间分布特征、天气系统类型、气象成因等方面进行了深入分析.结果表明：上海近7a偏低气温下的O₃污染按小时标准和日标准分别出现45h和19d,占各自O₃污染总次数的5.0%和7.3%,在春季则上升至20.6%和20.0%,是上海春季主要O₃污染现象之一.当气压介于1010.1~1017.1hPa、风速介于2.1~3.2m/s、湿度介于40.0%~54.0%、辐射介于0.5~2.7MJ/m²,较易出现偏低气温下的O₃污染;与高温下的O₃污染相比,出现偏低气温下的O₃污染时,气压、PM_2.5和NO₂浓度分别偏高了10.0hPa、26.0μg/m³和24.9μg/m³,辐射偏低了0.5MJ/m².造成偏低气温下的O₃污染天气类型可以分为弱高压前部、弱高压控制和海上高压后部3种.3个典型污染个例分析显示,上游输送、本地静稳辐合和垂直逆温条件分别是这3种类型的主要气象成因.     

成都市气温与PM2.5和O3交互作用对疾病死亡人数的影响研究

利用成都市2014~2016年逐日呼吸系统疾病和心脑血管疾病死亡资料、同期气象资料和PM_2.5日均浓度和每日臭氧最大8h平均浓度（O₃）资料,采用分布滞后模型以及广义相加模型中的独立效应模型、非参数二元响应模型和温度分层模型探究了成都市气温、PM_2.5和O₃单效应,以及气温与PM_2.5（或O₃）交互作用对当地呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈反“J”型分布,最适温度在22.2℃,该温度对应的疾病死亡人数最少;累积滞后1d的PM_2.5（或O₃）对应的健康风险最大,此时,PM_2.5和O₃浓度每升高10μg/m³,呼吸系统疾病死亡风险分别增加0.58%和0.54%,心脑血管疾病死亡风险分别增加0.35%和0.66%.分季节研究结果表明,PM_2.5对两种疾病死亡影响的健康风险冬季最高,而O₃的健康风险在秋季最显著.交互作用的研究结果表明,高温与高浓度的PM_2.5（或O₃）对疾病死亡的影响存在协同放大效应,当气温高于22.2℃时,PM_2.5和O₃浓度每升高10μg/m³,对应的呼吸系统疾病死亡风险分别增加2.30%和1.14%,心脑血管疾病死亡风险分别增加1.09%和1.03%.研究结果提示O₃对人群健康的影响也不容忽视,应该引起足够的重视.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

关中典型城市及农村夏季PM2.5的化学组成对比

于2016年7~8月采集了陕西省西安市（城市）及蔺村（农村）夏季昼夜PM_2.5样品,分析其有机碳（OC）、元素碳（EC）和无机离子等化学组分的含量,探讨关中平原城市和农村地区PM_2.5的化学组成和来源的差异.结果表明,采样期间西安和蔺村的PM_2.5浓度分别为（49.7±22.8）和（62.6±14.2）μg/m³.西安PM_2.5中OC和EC的浓度[（6.5±2.5）μg/m³,（3.2±1.8）μg/m³]与蔺村[（6.8±1.8）μg/m³,（3.8±2.3）μg/m³]相当.西安OC/EC比值白天（2.6）高于夜晚（1.9）,蔺村反之（白天：1.6;夜晚：2.7）,主要是因为夜间城市地区重型卡车运输活动增强导致排放更多EC,而夜间农村地区人为活动较少导致EC排放显著降低.西安和蔺村无机离子总浓度分别为（20.2±14.6）和（30.1±10.5）μg/m³,占PM_2.5浓度的40.6%和47.6%.蔺村SO₄^2-的平均浓度高达19.0μg/m³,占PM_2.5浓度的30%以上,远高于西安（9.4μg/m³和18.9%）,主要与农村固体燃料（煤和生物质）使用有关.西安NO₃^-和Ca²⁺的浓度及其对PM_2.5的贡献、NO₃^-/SO₄^2-比值均明显大于蔺村,表明城市地区受机动车尾气和扬尘的影响更大.西安K⁺与Ca²⁺和Mg²⁺的相关性较强,而蔺村K⁺与EC的相关性显著强于西安,说明西安市区K⁺由粉尘源主导,而农村地区则主要来自生物质燃烧.     

2015年海南省火电行业大气环境影响研究

基于火电企业在线监测数据、环境统计数据、排污许可及火电排放清单等，分析各统计口径下的海南火电大气污染物排放量差异，并基于在线监测数据分析海南省火电排放时间变化规律.分别设置现状、排污许可及超低排放3种情景，采用CALPUFF模型分析3种情景下火电厂对海南大气环境的影响.结果显示，不同统计口径下火电厂各污染物排放量差异较大，最大差值可达到5.65倍；在时间维度上，海南省火电行业污染物排放量月际分布较平稳，每月污染物排放量约占全年的7%~10%，24h变化呈现明显“两峰两谷”特征.在大气环境影响方面，火电企业大气SO₂、NO_x、PM_2.5、PM₁₀浓度分布总体呈现西部高东部低的趋势.现状情景下火电企业对各城市年均浓度影响范围为SO₂ 0.001~0.015μg/m³、NO_x 0~0.01μg/m³、PM₁₀ 0.001~0.006μg/m³、PM_2.5 0~0.003μg/m³，最高浓度基本出现在东方市、临高县.火电厂对大气环境的影响程度为许可情景>现状情景>超低情景，执行排污许可时火电厂排放PM₁₀和NO_x对各城市均值年均浓度较现状情景分别增加50%和38%；全面实施超低排放后，火电厂对大气环境影响有明显改善，SO₂和PM_2.5对各城市均值年均浓度较现状情景分别降低57%和69%.     

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.     

重点煤电基地大气污染物扩散对京津冀的影响

基于排放源清单,采用空气质量模式CAMx模拟现状情景下,鄂尔多斯、宁东与锡林格勒排放污染物扩散对京津冀地区的影响.结合3地区已批复环境影响报告、规划环评与战略环评等污染物排放数据,估算未来情景下3地区能源基地污染物排放对京津冀的影响.结果表明：现状情景下,3地区排放的PM_2.5、SO₂与NO_x对京津冀的贡献浓度范围分别为0.079~1.134,0.012~0.633,0.008~0.852μg/m³,冬季对京津冀地区的影响要高于夏季,对京津冀地区冬季的平均贡献浓度值为0.710,0.339与0.413μg/m³,影响较大的京津冀城市为衡水市、石家庄市、邢台市、邯郸市与保定市;未来情景下3地区能源基地排放的PM_2.5、SO₂与NO_x对京津冀城市浓度贡献范围分别为0.049~0.773,0.003~0.176,0.008~0.731μg/m³,冬季平均贡献浓度值为0.475,0.096与0.357μg/m³.     

南京冬夏硫酸盐和硝酸盐对黑碳混合态的影响

采用单颗粒黑碳光度计（SP2）结合MARGA在线分析仪对南京地区冬季和夏季黑碳（BC）的质量浓度,以及硫酸盐,硝酸盐对其混合状态的影响进行了研究.结果表明,冬季和夏季南京地区BC质量浓度分别在1.01~14.5μg/m³和0.20~3.81μg/m³之间,均值分别为（4.39±2.66）μg/m³和（1.67±0.76）μg/m³,均呈现早晚高值的双峰型日变化特征.运用相对包裹层厚度D_p/D_c表示BC混合状态,冬季和夏季D_p/D_c分别在1.39~2.34和1.03~1.45之间,均值分别（1.81±0.21）和（1.24±0.08）,D_p/D_c日变化特征与BC相反,冬季D_p/D_c日变化幅度较大.冬季D_p/D_c与SO₄^2-和NO₃^-的相关性较好,D_p/D_c与NO₃^-的相关性高于其与SO₄^2-的相关性,夏季则相反.冬季清洁时期BC以本地源排放为主,其混合状态受硫酸盐和硝酸盐影响较高,冬季重污染时期,受排放源以及区域传输的影响,D_p/D_c与SO₄^2-和NO₃^-的相关性较低.     

基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.     

徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征

为研究徐州冬季雾-霾天气形成过程中颗粒物粒径及气溶胶光学特性的变化特征,分析了2014年12月1日～2015年2月28日徐州大气颗粒物质量浓度（PM₁₀、PM_2.5、PM₁）、数浓度（0～1μm、1～2.5μm、2.5～10μm）和气溶胶光学特性等数据.结果表明：0～1μm粒径范围细颗粒物的大量增多是引发徐州冬季雾-霾天气的主要因素,徐州冬季地面风速小（静风或轻风天气）,较高的大气相对湿度对雾-霾的形成和维持起着重要影响作用.持续时间较长的雾霾天气,因颗粒物吸湿增长和水汽附着,1～10μm粒径范围大气颗粒物在雾霾时段易发生沉降而减少,后随相对湿度降低雾霾转为短时间的霾天气,1～10μm颗粒物数浓度大幅上升.徐州冬季500nm波段AOD_total和AOD_{fine mode}具有相同的变化趋势,雾-霾日AOD_total和AOD_{fine mode}显著高于非霾日.AOD_{fine mode}与AOD_{coarse mode}的比值雾-霾日亦明显高于非霾日,而且在雾-霾日Angstrom波长指数主要集中在1～1.6,表明徐州冬季雾-霾时段大气中细颗粒物为主控粒子.     

气象舒适条件对呼吸系统疾病的影响

采用广义相加模型和分布滞后非线性模型,研究单个气象要素和以"通用的热气候指数"表征的多要素综合效应与北京市2009~2012年呼吸系统疾病急诊人数的暴露-响应关系,并按年龄、性别分层.结果表明,对全人群而言,高温效应即时,低温作用滞后;湿度<30%能显著增加发病风险,且效应持久;3m/s风速对应发病风险最低.少儿（≤ 14岁）受热胁迫影响最强,尤其突出高温高湿作用;成人（15~59岁）受冷胁迫影响强且滞后性;老年患者（>60岁）对冷胁迫敏感,着重防范低温低湿.采用舒适指数探讨环境对呼吸系统疾病的影响优于单要素表征,可加深对发病气象成因的理解,为科学预防、预测预警提供新思路.     

青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.      

石家庄市主城区臭氧污染特征及气象成因分析

为了解石家庄市主城区O₃(臭氧)污染特征及其影响因子,基于2015-2018年石家庄市空气质量连续监测资料和同期气象数据分析了主城区O₃污染总体特征及气象成因.结果表明:①石家庄市主城区大气光化学污染日益严峻,ρ(O₃)日均值由2015年的47 μg/m3增至2018年的66 μg/m3,ρ(O₃)超过GB 3095-2012《环境空气质量标准》二级标准限值的天数由2015年的20 d增至2018年的70 d.②ρ(O₃)存在明显的季节性差异,呈夏季[(89±33)μg/m3] >春季[(69±25)μg/m3] >秋季[(40±26)μg/m3] >冬季[(28±16)μg/m3]的特征;ρ(O₃)日变化呈单峰型分布,谷值出现在06:00-07:00,峰值出现在15:00-16:00,且15:00-17:00是ρ(O₃)超标的高发时段.③ρ(O₃)与气温呈指数关系,当气温为20~25、25~30、≥ 30℃时,ρ(O₃)日均值分别为75、90及119 μg/m3.ρ(O₃)在相对湿度为60%时存在拐点,当相对湿度≤ 60%时,ρ(O₃)随相对湿度的增大而上升;当相对湿度>60%时,ρ(O₃)随相对湿度的增大而下降.风速与ρ(O₃)呈分段线性关系,当风速 < 2 m/s时,ρ(O₃)随风速的增加而上升;当风速≥ 2 m/s时,ρ(O₃)随风速的增加而下降.④影响石家庄市主城区ρ(O₃)升高的污染源主要位于其东-东南-南方位,其次为东北-东方位,而西部和北部地区则较少.⑤石家庄市主城区ρ(O₃)超标多发生在气温>20℃,相对湿度介于40%~70%之间,风速在1.5~3.0 m/s之间的气象背景下,经统计,当气象条件同时符合上述三项气象要素时,ρ(O₃)超标天数占3-10月总超标天数的66.5%.研究显示,气温>20℃、相对湿度为40%~70%、风速为1.5~3.0 m/s的气象条件可初步作为石家庄市主城区O₃污染的预警指标.      

广州市大气NO2污染对暴露人群不同疾病死亡的影响

通过收集广州市2011~2015年6种疾病（非意外因素、心血管疾病、脑卒中、缺血性心脏病、呼吸系统疾病以及慢性阻塞性肺疾病）逐日死亡人数、逐日NO₂浓度以及同期气象资料,采用广义相加模型探讨了NO₂暴露对不同疾病死亡的影响（相对危险度,RR值）和累积滞后效应,并进一步采用分层分析方法解析了冷季（11月至次年4月）和暖季（5~10月） NO₂死亡风险的差异.结果表明,NO₂影响急促短暂,通常持续4d.当NO₂浓度升高10μg/m³,在Lag0-4d时,人群非意外死亡人数将上升2.18%（RR=1.0218;95% CI：1.0167,1.0270）,在冷季与暖季分别上升2.6%（RR=1.0260;95% CI：1.0191,1.0328）与0.57%（RR=1.0057;95% CI：0.9952,1.0163）,两者差异有统计学意义（P=0.002）.在不同疾病中,NO₂对慢性阻塞性肺疾病的影响最大.因而NO₂仍然为广州地区人群健康重要的危险因素,需要加强NO₂排放的控制与治理,并且加强冷季健康风险预警以保护公共健康.     

山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

环境条件对遵义市呼吸系统疾病的影响及预测研究

为探究气象和空气污染等环境条件对呼吸系统疾病发病的影响,为遵义地区相关疾病预防提供科学依据,采用分布滞后非线性模型和广义线性、相加模型,利用当地气象和污染资料,分析了2012~2016年遵义市气象环境要素对呼吸系统疾病发病的影响.结果显示,遵义市呼吸系统疾病发病状况与当地长期气候状态基本保持一致,气候效应对其的影响占主导作用,其中,冬季为呼吸系统疾病高发期,立秋至处暑前后其发病人数最少,表明此时间段内当地气候条件对呼吸系统疾病患者有气候疗养效应.气温对呼吸系统疾病发病的影响以低温滞后效应为主,在其敏感阈值附近气温每变化1℃,发病人数将累积增加31.6%（95% CI：4.4%~65.8%）;气压以高压滞后效应为主,相对湿度则在低湿部分同时有即时和滞后效应.舒适度对呼吸系统疾病的影响,在冷、热斜胁迫下其发病人数明显多于舒适状况时.PM_2.5、SO₂和NO₂三种污染物的影响都以即时效应为主,而CO则在累积滞后lag04时相对危险度最高,PM_2.5与呼吸系统疾病发病人数的暴露-反应曲线呈单调线性分布,SO₂、NO₂和CO均为“J”型分布.低温与高浓度NO₂或者低湿与高浓度SO₂的协同作用对呼吸系统疾病的影响较大.建立的全年和季节多元逐步回归方程的试预报准确率在75%以上（夏季除外）,其中分季节建模预测效果显著优于全年预测效果.     

植被下垫面Z0的估算及其改进影响评估

利用卫星遥感反演数据和多种观测资料,基于形态学-遥感反演的方法,估算我国主要植被下垫面的空气动力学粗糙度长度(Z₀),将其应用于区域大气化学模式(WRF-Chem)中改进模式默认Z₀值,并结合全国气象和污染物观测数据进行改进效果评估,探究Z₀改进对模式气象场和化学场模拟结果的影响.结果表明:(1)Z₀高值主要位于森林类下垫面,可超过1m;农田、草地类下垫面Z₀值较小,低于0.5m,其余植被下垫面的Z₀值基本介于两者之间.(2)Z₀改进后,10m风速(WS10)和地表温度(TSK)的改进效果较好,而2m温度(T2)和相对湿度(RH)的改进效果不明显;从空间分布和不同下垫面结果来看,Z₀对TSK主要是增温作用,对WS10是减小作用;就改进比(各要素改进后的模拟值与改进前的模拟值之差比上改进前的模拟值,下同)而言,Z₀改进对WS10的影响大于TSK.从对污染物浓度效果评估看,Z₀对PM_2.5和PM₁₀模拟改进效果较好,对其它污染物(SO₂、NO₂、O₃)的改进效果不明显.(3)对比气象要素和污染物浓度效果评估可知,Z₀改进对气象要素的影响大于污染物浓度,其主要是通过影响气象场来间接影响污染物浓度.总的来看,Z₀改进影响最大的是气象场的10m风速,考虑其原因在于改进后的Z₀普遍高于改进前模式默认Z₀值,而Z₀是表征地表粗糙度的变量,由于地表粗糙度的增加,增强了对气流的阻碍作用,使得近地层风速减小.