气候试验箱内部条件不确定度计算(下)

提供了对温度和湿度气候试验箱内部环境条件进行不确定度分析的方法。首先介绍了测量的不确定度概念,然后讨论容差的意义。考虑到湿度和温度测量是采用确定和合成不确定度。结合校准空载试验箱和有负载试验箱的条件测量的案例。最后,逐条整理成为范本用于分析结果以给出规范的不确定度评估依据。     

试点城市O3浓度特征分析

利用2009年O3试点城市的03监测数据,分析了北京、天津、上海、青岛、沈阳和广东的03浓度变化特征,统计了年超标情况,并结合气象要素数据分析了其对03浓度的影响.结果表明,不同城市各点位间03浓度变化趋势基本一致,但因点位类型不同,浓度存在差异；O3浓度呈单峰型日变化,在13:00-15:00出现最大值,6:00-7:00出现最小值；O3超标主要集中在4-8月份,广州和北京超标现象较多；O3浓度受温度、降水、风速和风向等气象要素影响较大.     

Modeled Summer Background Concentration of Nutrients and Suspended Sediment in the Mid‐Continent (USA) Great Rivers1

Angradi, Ted R., David W. Bolgrien, Matt A. Starry, and Brian H. Hill, 2012. Modeled Summer Background Concentration of Nutrients and Suspended Sediment in the Mid‐Continent (USA) Great Rivers. Journal of the American Water Resources Association (JAWRA) 48(5): 1054‐1070. DOI: 10.1111/j.1752‐1688.2012.00669.x Abstract: We used regression models to predict summer background concentration of total nitrogen (N), total phosphorus (P), and total suspended solids (TSS), in the mid‐continent great rivers: the Upper Mississippi, the Lower Missouri, and the Ohio. From multiple linear regressions of water quality indicators with land use and other stressor variables, we determined the concentration of the indicators when the predictor variables were all set to zero — the y‐intercept. Except for total P on the Upper Mississippi River, we could predict background concentration using regression models. Predicted background concentration of total N was about the same on the Upper Mississippi and Lower Missouri Rivers (430 μg l^?1), which was lower than percentile‐based values, but was similar to concentrations derived from the response of sestonic chlorophyll a to great river total N concentration. Background concentration of total P on the Lower Missouri (65 μg l^?1) was also lower than published and percentile‐based concentrations. Background TSS concentration was higher on the Lower Missouri (40 mg l^?1) than the other rivers. Background TSS concentration on the Upper Mississippi (16 mg l^?1) was below a threshold (30 mg l^?1) designed to protect aquatic vegetation. Our model‐predicted concentrations for the great rivers are an attempt to estimate background concentrations for water quality indicators independent from thresholds based on percentiles or derived from stressor‐response relationships.     

湖南2008/2011年两次低温雨雪冰冻灾害成因与影响对比分析

针对2008年1月13日-2月2日和2011年1月1-23日两次低温雨雪冰冻过程,从天气学成因、对交通、电力影响情况和特点等方面进行综合对比分析,揭示了两次过程的强度和造成灾情差异的原因,并提出了如何进一步防御和减轻极端天气气候事件灾害的能力,为暴雪冰冻灾害防御提供经验和依据。     

广州PM2.5污染特征及影响因素分析

对广州市2008—2010年PM_2.5质量浓度、影响因素数据资料进行整理统计,通过定性分析、定量计算以及对各物理量之间的相互作用过程研究,得出PM_2.5质量浓度变化特征和各影响因素之间的关系。结果表明,PM_2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征,夏季月平均值0.049 mg/m³,主要分布在0.03～0.05 mg/m³,非夏季月均值为0.063 mg/m³,分布于0.05～0.08 mg/m³之间;夏季、非夏季PM_2.5质量浓度超标率(采用美国EPA标准)分别为70.7%、77.8%,质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异;PM_2.5与温度正相关,和其他因素负相关,其中与能见度相关性最大,其次是温度、风速,与降雨量相关性最差,与气压、相对湿度相关系数季节性特征显著。     

生物质热解影响因素研究

阐述了生物质的特点及其热解的定义和热解机理,综述了生物质热解过程中,温度、升温速率、物料特性（如种类、分子结构、粒径和颗粒形状等）、滞留时间、压力等操作条件对生物质热解及其产物分布组成和特性的影响,指出了生物质热解的技术关键。     

京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、风（风速和风向）等气象要素的耦合关联关系.结果表明：京津唐地区近地面臭氧浓度每日7：00左右最低,午后达到最高;夏季臭氧浓度最高,且略有分区差异（北京呈现单峰型,6月臭氧浓度最高,天津和唐山呈双峰型,峰值分别出现在6月和9月）,冬季浓度最低,12月达到最低值.全区各季节浓度空间分布趋势较为一致,均呈现从西北向东南逐渐降低的趋势.影响京津唐地区近地面臭氧浓度的首要气象要素为温度,二者呈较大的正相关性,臭氧浓度与近地面压强存在一定的负相关性,而与蒸发量具有较小的正相关性,与风速、风向的相关性较为复杂,表现出明显的地区和风向差异性（在偏南风和强风条件下较易出现高浓度臭氧）,全年臭氧浓度与风速相关系数极低,呈不相关.全区分区（建成区与非建成区）近地面臭氧浓度与温度、压强、蒸发量、风速等的关联相关特性,虽然北京、天津和唐山各略有差异但基本一致.在不同气象要素分级组合协同条件下,臭氧浓度与温度、风速的相关性明显显著于其与蒸发量、压强的相关性,且存在在高压、较低蒸发量的气象条件下,臭氧浓度与温度的相关性随风速的增强（或减弱）而降低（或增强）,与风速的相关性随温度的升高（或降低）而减弱（或增强）的普遍现象;对于压强和蒸发量而言,臭氧浓度与二者的相关性普遍相对较低,且趋势特征不明显.     

2016—2019年夏半年成都市区臭氧污染天气特征分析

为揭示成都市区臭氧污染气象条件特征,通过欧盟COST733天气客观分型软件对成都市区2016-2019年夏半年(5-9月)海平面气压场和500 hPa位势高度场进行大气环流形势分型,并结合同期臭氧监测数据、地面气象观测数据以及总云量实况分析产品,分析成都市区夏半年臭氧超标天气及气象要素特征.结果表明:成都市区2016-2019年夏半年共出现臭氧超标日数为159 d,超标率为26.0%,超标日主要集中于5-8月,小时超标多出现于14:00-17:00.臭氧污染日数最多的海平面气压场为弱低压型,其后依次为低压前部型、低压型、高压后部型.臭氧超标率最高的海平面气压场为低压前部型,其后依次为弱低压型、低压型、高压后部型.500 hPa位势高度场平直西风气流型臭氧超标日数最多,青藏高压型臭氧超标日数最少.青藏高压型是臭氧超标率最高的500 hPa位势高度场型,平直西风气流型臭氧超标率最低.成都市区臭氧超标日多出现在偏西北风下,近地面气象要素特征一般表现为风速1.2~1.6 m/s,气温在25℃以上,相对湿度多集中在70%左右,总云量和降水概率多低于60%,降水量级以小雨为主,太阳辐射和日照时数分别位于20.5~23.2 MJ/m2和6.0~7.8 h区间.小时臭氧超标近地面气象要素特征为气温和总辐射曝辐量相对较高,二者分别在30~36℃和0~3.5 MJ/m2之间,相对湿度在60%以下,总云量低于40%,以偏南风影响为主.研究显示,成都市区海平面气压场为低压型,500 hPa位势高度场为青藏高压型时,易发生臭氧污染.      

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.      

郑州市臭氧污染变化特征、气象影响及输送源分析

基于环境空气质量和气象在线监测数据,研究了郑州市近地面臭氧（O₃）污染的年际变化、空间差异及气象影响,并分析了O₃传输路径和潜在源区.结果表明,2014~2018年郑州市近地面O₃污染超标时间跨度增加,城区站点O₃日最大8 h滑动平均值（MDA8）第90%分位呈显著上升趋势（P<0.05）,增长速率为15.50 μg·（m³·a）^-1;O₃月变化呈"M"型,峰值出现在夏季;日变化呈单峰型,峰值出现在15：00~16：00,农村站点O₃日峰值浓度（130.94 μg·m^-3）最高;气温（T）>23℃、相对湿度（RH）<65%和风速（WS）为2.0~4.0 m·s^-1及风向在东南和东北方向时城市站点易发生高浓度O₃污染.各影响因子和O₃浓度的多元线性回归分析表明,T和RH是城市和工业站点的主控因子,T和WS是城市交通和郊区站点的主控因子;不同季节后向轨迹聚类分析和O₃潜在来源差异明显,春夏季大气传输路径以正南及东北方向近距离慢移速的轨迹为主,秋冬季以西北方向远距离快移速的轨迹为主;夏季高O₃浓度主要受本地生成和河北、山东及安徽等地传输影响.