排序方式: 共有39条查询结果,搜索用时 15 毫秒
21.
利用江苏省69个地面气象观测站1980~2012年的气象资料,采用适当的方法定义了霾时概念,讨论了重度、中度、轻度及轻微霾时数的时空分布特征。根据霾灾害特点,以区县为评估单元,综合考虑了致灾因子危险性、孕灾环境敏感性、承载体易损性和防灾减灾能力4个因素,选取中度霾时数、重度霾时数、水域面积、植被面积、人口密度、公路里程、公共财政支出、每万人拥有医生数等8个因子作为评估的主要指标,利用层次分析法建立霾灾害风险评估模型,并借助于GIS分析工具,进行了霾灾害风险区划 相似文献
22.
基于2013~2020年江苏13个城市的大气污染和气象观测数据,分析了江苏PM2.5-O3复合污染物的分布特征及其与气象条件的关系.结果表明:江苏复合污染物以轻度污染组合为主,南部多于北部,东南部最多,主要在4~10月,下午至傍晚最高,且该时段O3平均浓度高于单一O3污染;复合污染在O3超标中平均占比15.7%,2014年高达65.8%,且在2015年后明显下降;PM2.5和O3二者在暖季O3污染期正相关,PM2.5污染期为弱相关或负相关;复合污染气象条件更为严格,气温、相对湿度、风速和逆温条件均介于单一O3和单一PM2.5污染之间,且多在4m/s以下和ENE—S区间,与单一O3污染相比,气温和风速略低,相对湿度和逆温强度略高;出现复合污染的主要地面形势为均压场和低压(底)前部,其次是入海高压后部和高压底部;通过后向轨迹聚类分... 相似文献
23.
24.
为研究嘉兴地区嘉善冬季污染时段和清洁时段PM2.5化学组分特征,结合气象数据对2019年1月嘉兴市嘉善县善西超级站在线自动监测PM2.5及化学组分数据、气态污染物(NO2和SO2)进行了分析.结果表明,2019年1月嘉善善西超级站污染时段PM2.5浓度(97.18μg·m-3)为清洁时段(36.77μg·m-3)的2.6倍.污染时段水溶性离子浓度(41.58μg·m-3)较清洁时段(19.82μg·m-3)高21.76μg·m-3,但占比有所降低,含碳组分比例增加.OC;EC比值为3.93,可能受到燃煤及机动车排放的共同影响.低风速及高湿有利于NO2和SO2等气态污染物进行二次转化,污染时段硫转化率和氮转化率均比清洁时段高,分别增高7.93%和54.11%,说明NOx向硝酸盐二次转化较为明显,导致颗粒物浓度升高.聚类分析结果显示67.34%气流来自北方,且相应的气流轨迹上污染物浓度比周边高,说明污染物存在一定的长距离输送.结合风玫瑰图可以看出,污染主要为本地及其周边的输送,污染物的长距离输送在短时会使污染浓度突增.因此,在重点关注本地及周边污染的同时,偏北气流下的污染物区域输送不可忽视. 相似文献
25.
26.
南京地区近地面臭氧浓度与气象条件关系研究 总被引:10,自引:0,他引:10
通过分析2013—2015年南京地区相关气象要素对近地面臭氧浓度的影响,建立了用于不同季节高浓度臭氧污染事件的预报预警模型,并归纳总结了南京地区高浓度臭氧出现的天气形势.结果表明,近地面臭氧浓度的变化与气象要素密切相关,气温、能见度、日照小时、总(净)辐射辐照度等要素与O_3浓度呈显著正相关,与相对湿度、总(低)云量呈负相关.高浓度臭氧污染是多因子综合作用的结果,典型气象条件表现为:太阳辐射强,低云量少,相对湿度适宜,地面小风速及特定的风向.通过定义高浓度臭氧潜势指数HOPI和风向指数WDI,并综合考虑14:00地面气温、相对湿度及8:00各标准层的相关气象要素,建立了逐季节多指标叠套的高浓度臭氧预报方程.采用2016年资料对其进行检验,发现预报值与观测值的相关系数分别达0.72(冬季)、0.76(春季)和0.73(夏季),说明方程具有较好的拟合效果和可预报性.通过普查历史天气图,归纳了伴随南京地区高浓度臭氧事件出现的8种主要天气形势,即高压类(高压中心G0、高压后部G1)、低压类(低压底部D0、低压前部D1、低压倒槽D2)、均压类(高压相关的均压JG、低压相关的均压JD、其它均压J).其中,以高压后部地面形势出现概率最大,低压前部均压场出现时对应臭氧平均浓度最高. 相似文献
27.
28.
通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM2.5和O3的相关性,并基于气象观测资料进一步探究PM2.5和O3相互作用机制的季节变化特征.结果表明:夏季风季节,PM2.5和O3呈正相关,相关系数高达0.56;冬季风季节,PM2.5和O3呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM2.5和O3相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O3主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM2.5浓度升高,夏季风季节以O3对PM2.5的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM2.5削弱太阳辐射抑制大气光化学,导致O3生成率降低,冬季风季节以PM2.5对O3的抑制作用主导城市大气复合污染变化. 相似文献
29.
1980~2012年江苏省城市霾日的时空分布及成因分析 总被引:3,自引:1,他引:2
利用1980~2012年江苏省气象观测资料,对江苏省城市霾时空分布及成因进行了分析.结果表明,1980~2012年江苏省霾日增加,重度和中度霾增加显著,苏北和沿海城市霾日增加显著.秋季和冬季霾日最多,夏季最少.秋、冬季霾主要在内陆,沿海略少.除苏南三城市,6月其他城市霾日都比较多.80年代霾日较为均匀,90年代苏南、苏西南增加,2000年代江淮之间和苏北增加,2010~2012年苏北霾日增加显著,苏南地区霾日略有减少.全省连续性霾日、区域性霾日及连续性区域霾都呈增加趋势.城市建成区面积逐年扩大、由工业及汽车尾气排放的污染物逐年增加,导致区域气温升高、空气相对湿度下降,形成城市热岛和干岛效应,加上污染物的增多,增强了霾形成和维持的条件,持续性霾、区域性霾和持续性区域霾也增加较为显著. 相似文献
30.
低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立气象要素诊断模型。结果表明:基于CART决策树算法的诊断模型能够较为直观准确的对强浓雾进行诊断,并且该模型具有较高的泛化能力,利用约占研究样本75%的数据进行学习,模型的学习准确率为90.04%,剩余25%左右的样本数据对模型的泛化能力进行测试,测试准确率为82.25%;5种机器学习算法中LSVM算法对于特强浓雾的诊断模型测试效果最好,但算法可理解度较低、复杂度较高,不如CART算法易于使用。 相似文献