沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013—2019年沈阳地区11个国控监测站近地层臭氧(O_3)浓度监测数据和地面气象观测资料,分析了沈阳地区O_3污染日的O_3浓度时空分布规律,并对造成O_3污染日的天气系统进行了主观分型。结果表明:自2013年以来,以O_3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018—2019年略有下降。O_3浓度的日变化趋势呈现明显的单峰形,O_3-1 h在10:00—20:00明显高于其他时间段,最大浓度值出现在15:00,而在01:00—07:00则相对较低。从季节变化上看,沈阳地区O_3污染主要发生在6—7月,两个月的O_3污染日之和占全年O_3总污染日的比例高达51%。从O_3浓度空间分布上看,沈阳地区三环外监测站测得的O_3浓度明显高于三环内监测站,高浓度区域主要集中在东部和东北部,城市中心存在明显的低浓度区,南部和北部差别不大,但也明显高于城市中心。造成沈阳地区O_3污染的主要天气类型有4种:暖脊型、均压场型、高空槽型和副热带高压型。其中:暖脊型出现的频次最高,占总样本的49.1%;副热带高压型出现的次数最少,占总样本的7.7%。     

空气污染天气过程与气象要素之间的关联性分析

随着经济和社会的不断发展,地球的环境正在遭受着严重的侵害,关于环境的问题也日益显现出来,比如全球变暖、雾霾等现象。本文分析了空气污染的因素、气象要素对空气质量的影响,并提出了防治空气污染的对策。     

西安市大气颗粒物数浓度分布及典型天气条件特征变化

利用2013年3月到2014年12月期间西安市大气中0.25~32μm颗粒物监测数据和同期气象参数、散射消光系数等数据,分析了大气颗粒物数浓度分布及典型天气条件下变化特征结果表明:采样期间西安市大气颗粒物平均数浓度为206.27个/cm~3,99%以上为1μm的颗粒物数.大气颗粒物数浓度冬季最高,其次为秋、夏和春季,分别为267.66、231.31、141.82和135.77个/cm~3.四季的数浓度低值均出现在18:00左右,之后数浓度上升,且晚上高于白天,冬季6:00左右达到峰值,夏季的昼夜差最小,秋季最大.春夏秋冬的大气颗粒物数浓度与散射消光系数的Pearson相关系数分别为0.756、0.702、0.411、0.377大气颗粒物数浓度在沙尘天气发生前、中、后会升高、下降和再下降,霾天气出现前、后会升高和下降;高温干燥天气下,大气颗粒物数浓度相对较低;降雨对大气颗粒物的清除作用明显,但降雨后大气颗粒物数浓度又很快回升.     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

西南山地区域森林火险综合预报模型研究——以重庆市为例

森林火灾严重破坏森林生态系统的结构和功能,针对其风险预报开展研究具有重要的理论意义和应用价值。通过融合气象、地表覆盖和人类活动等要素的方式构建森林火险综合预报模型,是西南山地区域森林火险综合预报业务化应用的重要发展方向。基于《森林火险气象等级》国家标准(GB/T 36743-2018),本文研究首先构建了重庆市森林火险气象风险预报模型。然后通过融合可燃物因素和人为因素的方式,进一步构建重庆市森林火险综合预报模型。最后利用历史火点数据针对上述两类模型的精度进行对比和分析。研究结果表明:重庆市森林火灾发生次数较多,且呈现出季节性规律;重庆市森林火灾的发生不仅受到气象条件的影响,而且受到地表覆盖和人类活动等多种要素条件的共同影响;与森林火险气象风险预报结果相比,森林火险综合预报结果在空间分布上具有更高的精细程度;森林火险综合预报模型能有效提高森林火险等级预报精度。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O₃浓度数据,综合探讨了北京市O₃的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O₃小时平均浓度约为56.18 μg·m^-3,O₃超标日小时平均浓度约为148.05 μg·m^-3且超标日主要集中在5~9月;超标日O₃日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O₃浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O₃浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O₃超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O₃浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O₃重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O₃浓度有着十分重要的影响.     

嘉兴市不同天气条件下大气污染物和气溶胶化学组分的分布特征

为研究不同天气条件下大气污染物(PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO)和气溶胶化学组分的污染特征,分别使用SHARP-5030监测仪、热电EMS系统、气溶胶化学成分在线监测仪(ACSM)和宽范围颗粒粒径谱仪(WPS)对嘉兴市2015年5月1~31日PM、污染气体、PM_(1.0)中化学组分和10 nm~10μm气溶胶数浓度进行了观测分析.结果表明,观测期间嘉兴市PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO的平均浓度分别为52.8和37.2μg·m~(-3)、10.3μg·m~(-3)、38.1μg·m~(-3)、92.1μg·m~(-3)和1.2 mg·m~(-3).PM_(1.0)中OA、SO_2-4、NO-3、NH_4~+和Cl-的平均浓度为2.18、1.24、0.87、0.63和0.08μg·m~(-3).数浓度主要集中在爱根核模态(20~100 nm),浓度为12 411.2 cm~(-3),其次是核模态(10~20 nm),浓度为4 946.6 cm~(-3).不同天气过程中PM和污染气体的浓度分布和日变化特征不同.不同天气条件下PM_(1.0)中化学组分分布不同.雨天和晴天PM_(1.0)中化学组分浓度从大到小顺序均为OASO_2-4NO-3NH_4~+Cl-,新粒子天PM_(1.0)中化学组分浓度的顺序为OANO-3SO_2-4NH_4~+Cl-.新粒子天OA和NO-3分别是晴天的1.61和1.42倍,说明OA和NO-3是影响新粒子生成事件的主要化学成分.不同天气条件下不同模态气溶胶的日变化特征不同.     

杭州灰霾天气超细颗粒浓度分布特征

利用快速迁移率粒径谱仪(FMPS)对杭州2013年12月6～11日连续灰霾天气和灰霾消退过程超细颗粒进行监测,分析颗粒物浓度变化和粒径谱分布特征及其与气象的相关性.结果表明,颗粒物日变化特征为夜晚数浓度较高,凌晨数浓度开始降低,08:00和18:00上下班高峰期出现一个小峰值,体现出明显的交通源峰值,表明交通排放对大气污染影响较大.灰霾天气下颗粒物最高数浓度达到8.0×104cm-3.粒径谱呈双峰分布,峰值粒径分别为15 nm和100 nm,粒径在100 nm附近的粒子占大多数,粒子以爱根核模态和积聚模态为主,平均数量中位径CMD(count medium diameter)为85.89 nm.而在灰霾消退过程,颗粒物数浓度降低,峰值粒径向小粒径演变,粒径在100 nm附近的粒子逐渐减少,核模态粒子增多,大于积聚模态,平均CMD为58.64 nm.气象因素中能见度和风力与数浓度主要呈负相关,相关系数R分别为-0.225和-0.229,相对湿度与数浓度正相关,相关系数R为0.271,冬季大气比较稳定,水平温度与数浓度的相关性较小.研究灰霾天气数浓度分布和气象因素的综合影响对其形成机制及控制有重要意义.     

2008年湖南低温雨雪冰冻天气分析与数值模拟

利用湖南省地面观测站点资料、探空资料、NCEP再分析资料及海温资料对该省2008年1月中旬至2月上旬异常低温雨雪冰冻天气形成原因进行了分析,结果表明:长时间的大气环流异常是造成此次低温雨雪冰冻天气的主要大气环流背景;温度的垂直结构分析表明,925~700hPa长时间存在强的逆温层,为冰冻提供了有利的形成环境;海温异常对气温有一定的影响作用,在拉尼娜起始年,湖南冬季平均气温偏低,出现冷冬的概率较大。通过中尺度数值天气预报模式MM5的模拟,也间接印证了冰冻的形成过程。最后,针对此异常低温雨雪冰冻天气发生特点,提出在气候变暖的大背景下仍要加强冬季极端气象灾害的研究和防范,同时加强和完善灾情上报制度。