西北地区气候因素与北京市沙尘天气的关系研究

利用西北地区气象台站资料以及北京市沙尘天气资料,根据西北地区的气候状况对气候影响指数进行了一定的改进,分析了西北地区气候因素与北京市沙尘天气的关系.结果表明,在2001~2010年10年间,受全国沙尘天气过程的影响,北京市在2001、2002和2006年的沙尘天气日数均超过了30d,其中在2001年全年沙尘天气日数达到了39d;西北地区D指数年平均值的高值区位于盆地和沙漠地带,春季平均值最高,为2.0,冬季次之,为0.9,夏季为0.8,秋季最小,为0.59;在D指数与沙尘天气的相关性分析中,宁夏地区的相关性系数平均值为0.84,甘肃地区相关性系数为0.82,陕西为0.81,青海为0.78,新疆为0.74,内蒙古地区为0.72;西北和北路传输路径对北京市沙尘天气的影响更大,毛乌素沙漠与黄土高原交界地以及内蒙古浑善达克沙地附近地区气候影响指数与沙尘天气日数呈现显著正相关,相关性系数达0.9,该地区气候对于北京市沙尘天气的发生有较大的影响.     

河西走廊东部沙尘日变化特征及其与气象因子的关系

沙尘天气是河西走廊东部多发的灾害天气之一.为提高河西走廊东部沙尘天气的预测、预报、预警水平,更好地预防沙尘灾害和沙尘天气对空气质量的污染.利用河西走廊东部5个气象站1960-2016年逐日沙尘（包括浮尘、扬沙及沙尘暴）资料和四季平均气温、最高气温、最低气温、平均风速、大风日、蒸发量、降水量、相对湿度等资料,运用统计学方法分析了河西走廊东部各强度沙尘日的时空分布特征以及沙尘日与气象因子的相关性.结果表明:受海拔、地形地貌以及天气系统等影响,各强度沙尘日（除浮尘外）由东北向西南呈递减趋势.年代、年各强度沙尘日呈显著减少趋势,沙尘暴、扬沙、浮尘递减率分别为-2.436、-5.277、-5.719 d/（10 a）,气候趋势系数均通过了α=0.01的显著性水平检验.年沙尘日的时间序列均存在着6~8 a的准周期变化.各强度沙尘日均为春季最多,秋季最少,且各季节沙尘日均呈显著减少趋势,递减率为春季>夏季>冬季>秋季,气候趋势系数均通过了α=0.01的显著性水平检验.各强度沙尘日月变化比较一致,高峰值出现在4月,低谷值出现在9月.气象因子对沙尘天气有一定的影响,同一季节气象因子对各强度沙尘日的影响相对一致,但不同的季节气象因子对各强度沙尘日的影响不一致.热力因子和动力因子是影响沙尘天气的主导因子,水分因子的影响较弱.研究显示,气候变暖、冷空气活动频次和强度减弱是沙尘日减少的主要原因之一,大气环流的季节性转变是沙尘天气季节性变化的主要原因.      

沙尘天气过程对呼和浩特市空气质量的影响

利用MODIS(the Moderate Resolution Imaging Spectroradiometer)影像对2015-04-15影响呼和浩特市的一次沙尘天气进行了系统判读,并分析了沙尘天气过程中气象要素变化及其对空气质量的影响,以期为沙尘天气环境影响评价提供理论依据。遥感影像显示该次沙尘天气主要起源于内蒙古中西部,利用MODIS彩色合成影像可以识别沙尘信息,实现沙尘天气过程的监测,并判明沙尘源和影响范围等。沙尘天气过程气象要素变化分析表明该次沙尘天气由冷空气过境引发,低温大风天气有利于沙尘天气的发生。沙尘天气引起空气质量急剧下降,出现严重污染,沙尘高空远距离输送是导致呼和浩特市空气质量显著下降的重要原因。大气污染主要由颗粒物(PM_(10))的增加引起,但大风使CO、NO_2、SO_2等污染物浓度大幅度下降,具有清除人为源所排放污染物作用。     

2015年春季北京市一次沙尘天气过程分析

采用观测数据与轨迹模拟相结合的方法,综合分析了2015年3月26日-4月1日北京市一次沙尘天气过程中沙尘输送路径、天气形势、污染物浓度的变化特征,结果发现:此次外来沙尘路径为西北路径,沙尘源地位于蒙古国南部的戈壁地区;沙尘在冷空气和地面低压系统作用下快速移动,造成延庆、奥体中心、永乐店3站点PM_(10)2 h左右浓度维持1 000μg/m~3,能见度低于1 km,空气质量急剧恶化;沙尘过境时PM_(10)浓度明显上升,PM_(2.5)浓度受到的影响相对较小,SO_2、NO_2、CO浓度变化不明显;沙尘回流时携带区域污染物进入北京,各项污染物及颗粒物组分浓度出现一定程度的上升;受沙尘影响,Mg~(2+)、Ca~(2+)、Na~+浓度明显上升,峰值浓度分别为0.13、1.29、0.70μg/m~3,分别是年均浓度的1.86倍、2.80倍、2.06倍;沙尘天气过后,扩散条件转差,沙尘与污染天气相继共造成北京市空气质量连续4 d维持中度污染级别。     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

沙尘天气对沈阳市空气质量的影响分析

针对沙尘天气的成因、来源及危害进行综述 ,对沈阳市 2 0 0 2年出现的沙尘天气特点及对空气质量影响进行了分析 ,提出几点防治对策     

区域气象条件和减排对空气质量改善的贡献评估

区域气象条件和减排与空气质量的变化关系密切.区域污染天气的发生不只受人为排放的影响,其与气象条件也密切有关.我国地处全球的主要季风气候区,大气环流具有明显的季风气候变化特征,区域气象条件受年际气候变化影响显著.研究通过分析不同气候条件下京津冀地区、成渝地区、长三角和珠三角城市群2001~2018年主要气象要素及其污染天气的变化趋势,利用KNN大数据挖掘算法量化分析区域气象条件和减排对大气污染的贡献率.结果表明,2001~2018年间全球气候变化异常频繁,厄尔尼诺/拉尼娜非正常气候占比近一半.减排与气候变化均对空气质量的改善起促进作用.在非正常气候条件下,气象对空气质量改善的贡献更为明显.例如,非正常气候时京津冀地区气象条件对空气质量改善的贡献约为51%,而正常气候时约为30%.对于长三角和珠三角城市群,其气象条件在非正常气候时的贡献达到了50%左右,几乎与减排贡献相当.此外,各区域2015~2018年的减排贡献均高于2001~2012年的平均水平,表明随着我国实施大气污染物排放控制措施力度的增大,减排对空气质量改善的贡献显著.但气象条件对空气质量改善的贡献仍不容忽视,区域减排控制仍然任重而道远.     

呼和浩特地区沙尘污染的环流特征分析与预报

呼和浩特地区每年发生多次大范围的沙尘天气污染,给交通运输、生态环境和人类生产生活带来诸多不利影响,尤其近年来, PM 2．5,PM 10已成为全社会关注的焦点,沙尘污染已引起社会与政府的高度关注。因此,对沙尘天气的分析与预报就显得尤为重要。本文对2002年至2011年近10年呼和浩特地区的沙尘污染下的天气环流特征进行了统计分析,并且进行了诊断分析,研究结果表明呼和浩特地区沙尘天气的气候特征是：年平均沙尘日数在27天以上,且大部分的沙尘污染源为系统性的外来沙尘,其余的为局地沙尘污染来自城市开发区域的地表裸土与建筑沙石;环流特征是：当北太平洋地区副高位势高度偏低,青藏高原至新疆500hPa高压脊异常偏强,亚洲大陆中高纬高度场较常年偏高时,呼和浩特市沙尘日数偏少。当春季太平洋海温表现为反厄尔尼诺（厄尔尼诺）典型态时,同期沙尘日数偏多（少）,反之亦然。通过对典型环流背景下沙尘暴的数值模拟和诊断分析,找出沙尘天气的预报着眼点：沙尘暴发生在不稳定的大气层结中,伴随有能量的积聚和释放,随着地面蒙古气旋及冷锋的强烈发展,中尺度切变线触发了沙尘活动。 MODIS卫星也对沙尘有一定的预报监视作用。     

沙尘天气过程对北京空气质量的影响

利用气象、沙尘暴特种观测以及环境监测等多种资料,对2010年3月19─22日沙尘天气过程的大气结构、沙尘源地和垂直水平输送条件以及北京近地层气象要素、空气质量的变化特征进行了分析. 结果表明:这次强沙尘暴天气过程是由冷空气短波槽快速东移南下、地面冷锋明显发展东移造成的;前期沙尘源地土壤湿度的减小为起沙提供了有利条件,同时低层存在的较强西北气流将从源地卷起的沙尘输送到下游地区;沙尘发生时,20 m气层内风速迅速增大,气层内垂直方向风速梯度也逐渐增大,相对湿度急剧降至20%～30%之间;受这次沙尘天气影响,北京地区ρ(TSP)以及10个区县的ρ(PM10)均迅速增加,空气质量达到重污染.      

典型沙尘回流天气过程对北京市空气质量影响的特征分析

利用不同方位监测数据和气象资料,结合后向轨迹模型和激光雷达观测结果,对2011年3月18—21日北京市空气污染过程的天气形势、沙尘输送路径、污染物浓度的变化特征进行了分析.结果表明,这次污染过程主要是由于沙尘在上游沙源地起沙后先直接输送穿过北京,然后停留在渤海湾和朝鲜半岛区域,在渤海弱高压系统作用下,沙尘又回流至北京所致,其中,沙尘回流直接造成北京市空气质量达到重度污染天气.在沙尘回流影响过程中,PM10浓度呈现青龙山-北京市区-八达岭逐步升高的变化特征,国控站点PM10小时浓度持续16 h超过350μg·m-3,最大值达到571μg·m-3.SO2、NO2与PM10的小时浓度表现为同步变化规律,沙尘回流影响时,除了沙尘粒子外,周边地区的人为排放也是一个重要因素.     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

沙尘天气对我国北方城市大气环境质量的影响

采用2001—2006年沙尘天气的统计数据以及城市空气污染指数(API),分析了沙尘天气对沙尘源区和影响区代表城市的空气质量影响,并分析了2005—2007年兰州和北京春季沙尘天气与非沙尘天气下气溶胶光学厚度与波长指数的变化特征.结果表明:近些年沙尘天气呈先减少后略微增加但总体呈缓慢下降的趋势;春季沙尘天气加重了城市大气污染,对沙尘源区内代表城市的影响超过了区域本底污染指数的50%,使兰州、银川、呼和浩特和包头的春季非沙尘天气API平均值分别增加了64%,53%,86%和90%;使影响区内代表城市,如北京、天津、太原、石家庄、沈阳、济南、西安和郑州的春季非沙尘天气API平均值分别增加了85%,62%,49%,57%,29%,41%,27%和45%;沙尘天气使城市大气气溶胶光学厚度升高,气溶胶波长指数降低.      

2017年春季华北地区一次典型沙尘重污染天气过程研究

结合空气质量监测站小时监测数据、NECP资料、卫星遥感资料,分析了2017年5月3—5日华北地区一次典型沙尘重污染天气过程.结果表明,此次重污染过程主要由前期的浮尘和后期的扬沙天气造成.前期,蒙古气旋强烈发展将沙尘源地的沙尘抽吸到空中并在偏西风作用下,长距离传输到华北地区沉降,造成大范围浮尘天气,多个城市出现严重污染,PM₁₀浓度增高显著.后期,随着高空横槽转竖并东移,受强冷锋影响,京津等地出现大风扬沙天气,大风过后,空气质量转好,PM₁₀浓度降低至较低水平.起沙源地高空辐散、近地面辐合产生强烈的上升运动将沙尘带到空中并向东传输至华北上空,近地面处于弱辐散场,高空的沙尘缓慢下沉,形成了浮尘天气;高空槽东移,高空辐合,近地面辐散,700 hPa至近地面为强烈下沉运动,是形成此次扬沙天气的主要原因.结合天气形势分析和特征量诊断,给出了华北地区此次浮尘和扬沙天气的天气学概念模型.     

基于CMAQ模式产品的福州市空气质量预报系统

利用CMAQ(Community Multiscale Air Quality Model)模式预报产品和福州市2007年1月至2010年6月大气污染物的观测资料以及常规地面气象观测资料,根据动力-统计相结合的预报方法,通过多元线性逐步回归,建立不同天气系统下CMAQ模式产品和多类预报因子相结合的日污染物浓度预报模型.结果表明,影响福州市的天气系统共分为大陆高压、副热带高压、切变、暖区辐合、高空槽、台风和热带辐合带7类天气型.在暖区辐合、高空槽和大陆高压控制下,福州市的空气质量较差,而副热带高压和台风系统影响时,福州市的空气质量最好.日污染物浓度预报方程置信度均为P=0.000,模型有统计学意义.利用模型对2010年7~12月福州市各污染物浓度进行预报效果回代检验,模型对PM10的污染指数等级预报正确率达到了71.3%,对SO2和NO2的级别预报正确率达到了100%,日预报综合评分平均达88.8分.     

呼和浩特市空气污染潜势预报方法研究

利用1995～1997和2000年资料，统计分析了呼市边界层气象条件和影响呼市地区的天气系统，寻找出了城市污染与天气的关系，据此研究制定了有利和不利于污染物扩散的天气形势和气象要素指标，给出了不同污染物的空气质量等级判据，从而建立了呼市污染潜势预报方法。     

青藏高原地区TSP分布特征及影响因素分析

利用大流量采样器采集了2002年11月~2009年8月的瓦里关山地区TSP样品,通过对数据的日、月、年和季节及后向轨迹等方法的分析处理,揭示了瓦里关山地区TSP基本特征及影响因素: 2003~2008年TSP质量浓度多年均值为0.076mg/m3,呈下降趋势.TSP质量浓度的月际变化特征明显,从秋初开始逐步增大,至春季的4月出现峰值(多年平均值为0.195mg/m3),在5~8月的变化中,TSP质量浓度是逐渐下降,9月份达到浓度的最低值(多年平均值为0.029mg/m3);多年平均值在1~4月均超过国家标准环境空气质量一级标准.季节变化:春季最高,其次是冬季和秋季,夏季最低,四季的TSP平均质量浓度分别为0.148,0.091,0.037,0.035mg/m3,夏季呈下降趋势,其余季节呈上升趋势.TSP质量浓度明显受到局地气象因子降水量、温度、相对湿度、气压和风的控制.降雨量越小、温度越低、相对湿度越小、风速越小,大气TSP浓度越高,反之越低.春季背景大气TSP的质量浓度平均0.12mg/m3,大风天气为0.22mg/m3,浮尘天气为0.329mg/m3,扬沙天气0.382mg/m3,沙尘暴0.874mg/m3,分别为背景大气的1.8、2.7、3.2和7.3倍,雨雪的清除效率分别为33.9%和26.7%.气象后向轨迹模型分析瓦里关山地区沙尘暴的沙源地来源于新疆北部、甘肃西北部、内蒙古中西部及本省西北部的柴达木盆地.TSP质量浓度远低于城市和区域本底站,代表了全球大陆尺度的环境,冬春季多风沙是造成TSP质量浓度较高的主要因素.     

CCSM4/WRF-CMAQ动力降尺度预估RCP8.5情景下京津冀地区空气质量的潜在变化

目前,针对气候变化对区域空气质量影响的研究相对较少,并且多采用统计降尺度方法对全球气候模式结果进行处理.采用WRF中尺度气象模式对CCSM4气候模式的CMIP5 RCP8.5情景预估结果进行动力降尺度处理,并为CMAQ空气质量模式提供气象场;在2012年清华大学MEIC大气污染物排放清单的基础上,选取2005年作为气候现状代表年、2049-2051年作为未来气候代表年,对京津冀地区典型月份（1月、4月、7月、10月）的气象及空气质量数值模拟结果进行对比,以此预估气候变化背景下京津冀地区空气质量潜在变化.结果表明,在排放情况不变及RCP8.5情景下,未来代表年与现状代表年相比,京津冀地区以典型月份为代表的年均气象因素整体呈现温度升高,风速、相对湿度及大气边界层高度均降低的趋势;年均大气污染物浓度整体呈现升高的趋势,其中,温度升高约0.8℃,风速降低约0.11 m/s,相对湿度降低约2%,大气边界层高度降低约8 m,ρ（PM_2.5）升高约2.4 μg/m3,ρ（SO₂）升高约1.8 μg/m3,ρ（NO_x）升高约1.0 μg/m3;此外,主要的气象条件（温度、风速、相对湿度、大气边界层高度）中,风速及大气边界层高度的降低可能是造成这些大气污染物浓度变化的主要气象因素,并且风速及大气边界层高度的降低与ρ（PM_2.5）降低的相关系数分别约为-0.44和-0.26.研究显示,气候变化会对京津冀地区造成污染物浓度升高的潜在风险,同时由于现阶段缺乏可用于空气质量模式的未来排放情景数据、在线耦合模式日臻完善,在我国气候-空气质量的研究领域亟待进行更深层次的研究.      

苏州市空气质量的时间序列变化过程研究

城市空气质量水平是以空气质量指数(API)来表征的,API的时空变化可以反映城市空气质量的变化过程。文章以苏州市2002～2007年各月API值为研究对象,将其构成一组时间序列,采用时间序列理论中的小波分析原理和差分自回归滑动平均模型(ARIMA)原理对这组API序列进行趋势的辨识和数值预测,结果表明(1)苏州市近年来的空气质量水平不断提高,并将稳定保持在一个良好的水平上;(2)差分自回归滑动平均模型ARIMA(2,2,2)在拟合该地区API值时间尺度上的变化趋势效果较好,能够较好的预测苏州市月空气质量水平。