广州市与北京市大气能见度与颗粒物质量浓度的关系

为了研究相对湿度(RH)和颗粒物对能见度的影响,于2008年12月11日~2009年8月27日和2008年7月14~2008年9月17日分别在广州和北京对能见度、RH、PM2.5和PM10进行了监测.结果表明,PM2.5和RH是影响能见度的主要因子;在RH￡70%和80%0.05mg/m3时,随着PM2.5降低,能见度变化不明显;当PM2.5<0.05 mg/m3时,随着PM2.5降低,能见度迅速改善.因此,在颗粒物治理的起始阶段,PM2.5下降对能见度的改善效果不很明显;但当PM2.5降低到一定程度后,能见度的改善效果非常显著.     

丹东市大气颗粒物质量浓度变化特征及其与能见度的关系

利用2008年丹东沙尘暴监测站的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)监测资料,探讨了丹东市大气颗粒物质量浓度的变化特征及其与能见度的关系. 结果表明:由外来源经中长距离输送引发的沙尘中携带了大量的粗颗粒物,而细颗粒物所占比例相对较少;可吸入颗粒物质量浓度具有明显的季节变化特征,冬季最高,夏季最低,春季、秋季居中;丹东粗颗粒物质量浓度较低,但粗颗粒物中细颗粒物所占比例却非常高;颗粒物的粒径越小,其对能见度的影响就越大.      

泉州市灰霾时PM2.5浓度与气象条件、能见度相关分析研究

利用泉州市空气自动监测站的监测资料,研究泉州市灰霾天气时PM2.5浓度与风速、温度、相对湿度等气象因素及能见度的关系.结果表明:泉州市灰霾天气期间往往会伴随气象因素及能见度的变化,灰霾发生前,风速降低,相对湿度减小,逆温层形成,能见度降低;灰霾结束前,风速增大,相对湿度趋于稳定,逆温层消失,能见度增大.灰霾发生时,PM2.5的浓度与风速、能见度基本呈负相关的关系,与相对湿度基本呈正相关关系.气象条件及能见度的变化可以为灰霾天气时污染状况的预判提供重要的参考.     

浅谈滁州市灰霾天气的成因及其防治对策

滁州市位于安徽省东部,地处江淮之间,与南京市山水相连,是南京"一小时都市圈"主要成员和皖江城市带承接转移示范区的重要一翼,近年来随着滁州市工业化和城市化进程的不断加快及社会经济的发展,向大气中排放的污染物越来越多,致使滁州市区及其周边大气灰霾现象越来越严重。冬春季的天空经常被一层灰蒙蒙的"雾"所笼罩,能见     

合肥市区大气能见度与PM10浓度及相对湿度的关系分析

分析了合肥市区能见度与PM₁₀、湿度之间的关系.使用积分浊度仪与PM₁₀传感器比较,验证PM₁₀传感器数据准确性.两台相同型号的PM₁₀传感器同步测量,相对误差小于5%,保证测量数据稳定可靠.依据米散射理论推导出能见度是不同尺度颗粒物质量浓度乘以常数之和的反比函数,但是由于测量难度,实验时无法使用这个函数.因此通过数值模拟和数据拟合,确定了能见度是PM₁₀质量浓度的幂函数.根据湿度修正表达式对高湿度时拟合结果进行修正,并使用实验数据对修正结果进行验证.大气湿度小于60%RH时,使用PM₁₀质量浓度拟合得到能见度值与实测值变化趋势一致,相对误差范围为-5%～8%.当大气湿度值高于60%RH时,拟合能见度值与实测值相对误差超过50%,且高于实测值,湿度越大拟合值偏差越大.使用湿度修正公式对拟合值修正,修正值与实测值的相对误差绝对值小于10%.利用不同时间的测量数据对拟合公式验证,也获得了一致的结果,证明湿度修正公式对PM₁₀质量浓度拟合能...     

霾天能见度参数化方案改进及预报效果评估

为了选择适合京津冀地区能见度预报的参数化方案,为霾的预报提供更准确的能见度预报产品.根据实际应用需求,改进了基于气溶胶体积浓度建立的Chen等能见度参数化方案（S1）,并利用2017年2月快速更新多尺度分析和预报系统-化学子系统（RMAPS-CHEM v1.0）的预报结果,对比评估了该方案与基于PM_2.5浓度建立的参数化方案（S2）和Mie散射计算方案（S3）在京津冀地区的预报效果.结果表明：①模式系统对京津冀地区的PM_2.5浓度预报总体较好,预报值与观测值非常接近,二者的相关系数在大部分地区可达0.8以上,小时相对湿度的预报值与观测值相关在0.78以上,平均误差低于3.91%.②三套方案计算的能见度都能较好地预报出2017年2月京津冀地区能见度的时间演变趋势,且在大部分时间三者计算的能见度都非常接近.总体上S1计算的能见度最低,S3计算的能见度最高,S2居中.在京津冀大部分地区,S1的均方根误差和归一化平均绝对误差最低,S3的最高,S2居中且在北京地区表现最佳.③能见度大于10 km时三套方案计算结果都偏低,其中S3的平均误差和均方根误差最低,能见度低于10 km时,特别是对出现频率较高的1~5 km低能见度的预报,S1方案的平均误差、均方根误差和归一化平均绝对误差都是最低的,更适合京津冀地区霾天气能见度的预报应用.     

机场能见度临近预测方法

能见度是保障机场航班安全、正常运行的重要标准之一。为精准预测能见度,使用2020年天津机场气象和常规空气质量监测数据,构建基于方差膨胀因子(Variance Inflation Factor, VIF)、主成分分析(Principal Components Analysis, PCA)和Informer的能见度预测模型,并将均方根误差、平均绝对误差、平均绝对百分比误差作为评价指标进行误差分析。结果显示,VIF-PCA-Informer模型比单一的Informer和简单组合模型效果更优,能更好地捕捉长时间序列特征的关系。相比于单一的Informer、长短期记忆神经网络和门控循环单元模型,VIF-PCA-Informer模型均方根误差下降了0.214 1～0.348 6,平均绝对误差下降了0.184 2～0.275 3,平均绝对百分比误差下降了0.322 4～0.527 0;VIF-PCA-Informer模型对能见度的临近预测(1 h)更为精准。使用高效的机场能见度预测模型可在保障航班安全高效运行方面发挥较大支撑作用。     

能见度的降低与大气污染的关系

根据重庆十年能见度及气象数据和大气监测数据,作出了不同风向上能见度玫瑰图和多元回归模型.结果显示,水平能见度距离的降低,主要是空气污染引起的.     

上海市大气能见度指数指标体系的研究

 根据上海市1999～2002年间逐时能见度资料的分析,建立了上海市大气能见度等级.通过对影响能见度变化的气象因子和污染因子分析,结果表明,影响能见度的因子主要是污染、云量和相对湿度以及天气状况.在此基础上,建立了上海市大气能见度指数指标体系,并对各等级能见度的主要影响因素进行了探讨,发现当能见度等级为差时,影响能见度的因子按其重要性由大到小依次为污染因子、云量和相对湿度因子、天气状况因子;当能见度等级为较差时,3种因子作用相当;当能见度等级为中等及较好时,天气状况因子作用最大;当能见度等级为好时,不需要说明其影响因子.     

冬季广州大气能见度影响因子分析

于2005年12月至2006年2月收集了华南所大气观测站大气能见度等7个气象因子及PM2.5浓度观测数据,分析了冬季广州大气能见度变化趋势及灰霾天气主要影响因子,并对能见度与主要影响因子进行相关性分析。结果发现:人为因素和气象条件对大气能见度的影响比较明显,当大气层结受到北方冷空气扰动后,能见度得到明显改善;1月份灰霾天气出现频率高达60.9%,灰霾天气下大气能见度与PM2.5浓度密切相关;大气能见度与PM2.5浓度、温度、相对湿度呈负相关性,与大气压呈正相关性;灰霾天气下大气能见度还与细颗粒物的粒径分布密切相关。