深圳地区灰霾分布特征及预警、预报方法探讨

基于深圳市国家气候观象台1953—2010年的灰霾UV统计资料、气象要素值、灰霾出现前期及同期的地面和850hPa的天气形势资料和自动站的能见度统计资料以及深圳市环境监测站的1980—2010年污染物浓度资料,对深圳市灰霾天气的出现规律及影响要素特征进行了概括分析.在此基础上运用逐步回归的方法,筛选出影响灰霾主要因子,建立未来1—3d的能见度预报方程.同时通过对灰霾出现前天气形势的分析和归纳,建立灰霾潜势预报的思路.并进一步对灰霾天气的典型因子进行权重分级.最后集成以上3种预测方法,归纳出灰霾预警方案,形成灰霾预警预报模型.利用实测结果对模型检验,结果表明：该模型具有一定的准确率和可靠性,对灰霾预测具有较好的应用价值,为灰霾防治和预警系统的建立提供科学依据.     

岳阳市区空气质量变化特征及气象条件预报

利用2014年3月-2015年2月6个空气质量监测点资料,对岳阳市区AQI的时空变化特征及气象影响因素进行了分析,并用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区年AQI为88。夏季空气质量最好;春、秋季次之;冬季空气质量最差。其中7-9月空气质量最好,1-2月空气质量最差。岳阳市区空气质量总体由北向南趋好,同时水库、景区明显好于工业区。岳阳市区年空气质量优良率为73%。年和各季空气质量优良率时空分布与AQI分布基本一致。岳阳市区首要污染物以PM10为主,其次为PM_(2.5)。重度污染及严重污染日基本出现在空气质量相对较好的夏秋季节,且工业区明显多于水库、景区。岳阳市城市工业布局方向与年主导方向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。以短期天气预报中的气象要素预报作为空气质量气象条件预报的基础,采用日平均气温、相对湿度、低云量、风速、降水、雾等气象因子建立的岳阳市区AQI预报模型模拟效果较好。     

2008年北京市大气质量的灰色预测

运用灰色关联分析方法对北京市大气主要污染物质进行了分析,得出PM10、TSP和SO2是主要污染因子。在此基础上,运用灰色系统理论建模方法,分别建立主要污染因子的预测模型。运用该模型预测出到2008年北京市的TSP和PM10仍不能达到国家二级标准。在今后几年内降低颗粒物的污染是北京市大气污染控制工作的首要任务。     

沧州市空气质量预报统计模式探讨

环境空气污染与气象条件密切相关，污染物在大气中输送、扩散、沉降无不依赖于各种气象务件，气象要素的变化决定大气过程的性质和强度，也直接影响空气质最的好坏。通过统计方法掌握污染物浓度变化和气象因子变化的规律，进而找到其相关性。并可以此为基础建立适用于本地区的空气质量预报模式。本以此为基础，结合沧州市环境空气污染的特点对空气质量预报的统计模式进行初步探讨。     

基于GRAPES模式佛山市臭氧污染气象指数的构建和预报

选取2017—2018年佛山市空气质量监测资料、地面气象观测资料和ECMWF再分析资料,得到对臭氧污染天气具有指示意义的气象因子,从GRAPES模式可预报性出发构建适用于佛山市干季和湿季的臭氧污染气象指数（OWI）,并对OWI进行预报评估检验.结果表明：干季地面气象要素对区分佛山市臭氧污染和清洁天气的能力更强,出现臭氧污染时往往气温高、地面为弱北风;850 hPa风速较小,高空主要受副热带高压影响.湿季高空气象要素区分臭氧污染和清洁天气的能力更强,出现臭氧污染时往往850 hPa风速较小,850 hPa与地面风场垂直切变较小,多数情况下500 hPa呈辐散形势或700 hPa为下沉运动.综合考虑上述要素构建的臭氧污染气象指数可较好地反映臭氧浓度变化趋势,当OWI超过阈值（干季12.0、湿季10.8）时,出现臭氧污染事件的可能性较大,在湿季该指数区分臭氧清洁天气和污染天气的差异性较干季更显著.基于GRAPES模式预报的OWI与臭氧浓度实况呈正相关关系,相关系数在0.5～0.6之间,能较为有效地预判臭氧污染过程发生、发展和消散的不同阶段;其阈值具有较高的预报参考性,24 h预报性能尤为理想...     

气候变化下汉中盆地水稻产量变化研究

深入分析气候变化下汉中盆地水稻产量变化响应,可在进一步探究影响研究区水稻产量主要气象要素的同时,为地方水稻生长期内气象灾害的防控提供科学依据。为了解研究区水稻生长季主要的气象影响因子,文章基于1951—2014年汉中盆地多测站日气温、降水量、积温及气温日较差数据和水稻单产资料分离的气象单产数据,综合运用线性趋势、趋势系数、HP滤波法、Morlet小波分析等方法,在分析汉中盆地水稻气象产量和生长季各气象要素变化趋势的同时,推求了水稻气象产量和各主要气象要素序列的显著周期。研究结果表明：1）近64 a汉中盆地4—9月水稻生长季平均气温和≥10 ℃活动积温变化均呈上升趋势,气温日较差呈下降趋势,降水量变化趋势不明显;2）汉中盆地各气象要素与水稻气象单产的显著周期分析结果显示水稻气象单产第一主周期与各气象要素的第二主周期相对应,均存在13~14 a时间尺度的主周期变化;3）各气象要素对水稻气象产量的影响各异,不同气候背景下影响水稻气象产量的主导气象因素不同。论文研究结果可为汉中盆地水稻生产的优化布局及地方经济社会发展提供参考依据。     

珠江三角洲地区2006年颗粒物污染过程识别与分析

利用Matlab小波分析工具,分析了珠三角(珠江三角洲)地区2006年PM₁₀的突变特征,并对典型区域性颗粒物空气污染过程进行了识别.结合全球资料同化系统(GDAS)气象数据,运用HYSPLIT v4.9模式,以4个典型空气观测站点的数据为基础,分析了高污染过程期间后向气流轨迹的特征和区域ρ(PM₁₀)的变化与输送过程,并对比分析了污染超标日和非超标日的ρ(PM₁₀)与风速、相对湿度、平均温度及地面平均气压等常规气象要素之间的关系.结果表明:影响珠三角地区颗粒物高污染时段输送的气流主要来源于内陆东北气流和沿海气流.本地排放和区域城市间传输是造成珠三角地区颗粒污染过程的主要原因.静风或极小风,以及较高地面平均气压是影响珠三角地区PM₁₀污染的主要气象要素.      

南京市重点工业源对城市空气质量影响的数值模拟

运用南京大学空气质量数值预报系统,对2005年1月6─7日南京典型天气条件形成的污染过程进行数值模拟,计算分析了重污染发生时的城市污染气象环境和影响因子,同时针对该城市重点工业源区对城市主要空气污染物浓度分布的贡献做了分析.结果表明:重污染状况发生在长时间逆温条件下,尤以6日23:00—7日04:00时逆温最强(强度可达1.25　℃/hm,逆温层厚200　m),此时风速较小,同时在市区出现较强的气流辐合,在这种气象条件下, NO₂,SO₂和PM₁₀的质量浓度最高.南京市相对封闭的宁镇丘陵地形以及受东郊紫金山的影响,也是造成主城区重污染的重要影响因子之一.南京市城北工业区与主城区毗邻而且污染物排放量较大,在冬季主导风向为东北风时对主城区污染物的浓度具有显著贡献.      

2022年广东省冬季一次臭氧污染过程的气象成因及潜在源区分析

气象条件是造成臭氧季节变化的重要原因,为了解广东省冬季臭氧污染的气象成因,使用空气质量和气象要素的地面、垂直探测资料和再分析资料,选取了2022年1月3～6日广东省臭氧中度污染过程与2015～2021年秋季(高污染季)进行对比分析.结果表明：(1)污染过程期间超标城市总数为8个,其中1月4日肇庆达中度污染(219μg·m^-3);广东省ρ(O₃-8h)平均值为123μg·m^-3,较历史秋季平均浓度偏高了21%,但臭氧污染影响范围小于历史秋季污染过程.(2)风速偏小、日照时数偏长和局地环流影响下的气流回流效应是此次臭氧污染过程最主要的地面气象条件,气温偏低可能是这次污染过程影响范围偏小的重要原因.(3)垂直探测表明,夜间至早晨的贴地逆温,配合下沉气流偏强、风速偏小,使得上午时段NO₂浓度维持较高水平,进一步促使臭氧浓度增量比非污染时段偏高34.2μg·m^-3,残留层臭氧下传加剧1月4日臭氧污染.(4)气流轨迹分析显示臭氧存在水平输送和高空地面混合,近地面不同高度潜在源区主要集中在广...     

京津冀地区冬半年空气污染天气分型研究

利用ERA-Interim再分析资料,采用PCT方法,对2013~2015年冬半年京津冀地区海平面气压场进行了客观分型;利用同期空气污染资料和常规气象观测资料,分析了不同天气类型下京津冀地区空气污染和气象要素特征,并选取典型重污染月份,分析了京津冀地区重污染天气过程特征及形成原因.结果表明,京津冀地区天气形势可分为9种类型,包括高压前部和高压南部等不易污染天气类型,以及高压场、高压后部、鞍型场和冷锋前部等污染天气类型;污染天气类型多表现为高湿小风,稳定能量大,最大混合层厚度低,不利于污染物扩散,各城市AQI均值多在150以上;2014年2月两次重污染过程均发生在连续多日维持高压场等污染天气型的情况下;污染过程期间高压系统演变引起北部偏北风增大,抑制了北部城市空气污染持续加重的趋势,而偏南风输送使得北部城市污染物浓度迅速升高.     

基于污染气象条件分级的深圳PM2.5污染回顾评价

提出了一种基于地面自动气象站网观测数据的污染气象条件分级标准,基于这套标准对2012—2019年深圳的PM_2.5污染进行了回顾分析.结果表明,2012—2019年深圳PM_2.5年均浓度总体上呈下降趋势,但2013年相对于2012年,以及2017年相对于2016年出现了反弹.其中,2013年PM_2.5浓度相对于2012年反弹的主要原因是污染排放本身的反弹,而2017年相对于2016年的反弹则更主要是由于不利的污染气象条件天数增加造成的.在2012—2019年期间,深圳的地面污染气象条件总体上呈恶化趋势,出现不利于环境改善的污染气象条件天数总体上呈增加趋势,在这种不利情况下,深圳的PM_2.5浓度仍然保持明显的下降趋势,充分说明了深圳市环保工作的成效.     

深圳市一次典型污染天气污染特征分析研究——以2016年3月空气质量为例

2016年3月31日,深圳市及其周边地区出现典型的区域性空气污染事件,多数地区的AQI超过了100.主要污染物浓度和气象要素的逐小时变化表明,该次污染天气主要是在不利气象条件下,由污染物区域传输和二次污染物生成共同导致的.进一步的后向轨迹分析表明,污染日抵达深圳市的气团可能从东莞、广州和佛山等地区携带了大量污染物,并且移动速度缓慢,造成了深圳较为严重的污染天气,而污染日前和污染日后抵达深圳市的气团有利于污染物的稀释扩散,因此空气质量较好.     

武汉市PM_(10)污染日变化及其高污染时段特征

利用武汉市环境监测中心站2004～2005年部分逐时PM10监测资料和相对应的气象资料,分析了城区PM10浓度的日变化特征,及其与气象条件的关系,特别是对四季PM10日变化中高污染时段的形成与天气系统的关系进行了分析。武汉市城区PM10的日变化与季节、天气系统的关系密切,与气象要素有一定的相关性。     

乌鲁木齐市空气污染时空分布特征及其与气象因素相关分析

基于乌鲁木齐市7个检测站点实测数据(参照《环境空气质量标准》规定的6项常规监测污染物(PM_2.5、PM_10、SO_2、NO_2、CO、O_3)的24小时/8小时国家二级标准和AQI分级标准),对乌鲁木齐市2016年空气质量做变化趋势分析。结合乌鲁木齐市气象要素和城市发展数据对乌鲁木齐市空气质量影响因素做相关分析,然后利用层次分析法(AHP)对乌鲁木齐市环境空气污染时空分布特征的影响因素做评价分析。研究结果有:(1)乌鲁木齐市2016年1月,轻度污染天气占整月的3%、中度污染天气占26%、严重污染天气占32%、重度污染天气占39%;工业园区集中的米东区是乌鲁木齐市空气污染最严重的城区。(2)乌鲁木齐市的城区空气污染物因子和同期气象因素相关性显著;(3)重要污染物企业的空间分布对乌鲁木齐市空气污染空间分布起到绝对的影响作用。     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

河北省大气污染时空变化特征及其影响因素

河北省是中国污染最严重的省份,研究该省大气污染的时空变化与影响因素具有十分重要的意义。利用逐日空气质量指数（AQI）、气象要素观测资料以及社会经济数据,统计分析与空间分析法结合分析了河北省AQI时空变化特征及其与影响因素的定量关系。结果表明：河北省大气污染主要发生在中西部和南部,尤以邯郸、邢台与石家庄等地最为严重,北部地区相对较少。河北省AQI总体呈现逐年减少的趋势,2014—2018年河北省平均AQI线性趋势为-8.845/年,而且与风速、气温、降水、GDP、人口、电力消耗量和第二产业呈现显著负相关关系,而和NO_x与SO₂的排放量呈正相关。气候条件是河北省大气污染的诱导因素,而人为排放是河北省大气重污染的主要因素。随着河北经济的飞速发展,大气污染综合防治经费的投入增加,河北省经济增长与环境污染处于反向阶段,大气污染与经济发展的非线性关系早已过了环境库兹涅兹曲线（EKC）“拐点”。研究结果可为河北省空气污染治理提供理论依据。     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

我国中东部地区2015—2020年夏半年PM2.5和臭氧复合污染气象特征分析

为了解我国夏半年大气复合污染特征及其与气象条件的关系,基于2015—2020年夏半年(4—10月)空气质量监测、常规气象观测等资料,结合统计学方法与主观经验开展对比分析. 结果表明:分析时段内我国大气污染呈单污染比例升高、臭氧(O₃)与PM_2.5污染“双高”污染事件减少的特征,中东部大部分地区O₃超标日数增加、PM_2.5超标日数减少的“跷跷板”效应十分明显. 通过对污染过程的分析发现,区域O₃污染持续性特征明显,其中京津冀及周边地区持续时间超过10 d的O₃污染过程共有6次,最长持续时间为15 d. 与之相比,复合污染过程表现出离散性(区域污染过程少)、间歇性(持续性过程少)的特征. 区域O₃污染过程发生时的气象条件一般为最高温度较高、风速较小、混合层高度较低,但东北地区在大气扩散条件较好的情况下仍会出现区域O₃污染. 通过对地面天气分型的分析发现,均压场型和低压控制型为O₃污染出现时最主要的两种地面天气形势,高压控制型下出现O₃污染的概率相对较低,京津冀及周边地区在倒槽控制下也有一定概率的O₃污染出现. 研究显示,我国中东部地区夏半年O₃污染影响显著,关注不同地区O₃污染与气象条件之间的相关性对于大气复合污染防控有一定积极意义.      

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.