多模式集成方法在安徽地区PM2.5预报中的应用研究

分别采用算术平均、权重平均、多元线性回归和神经网络的集成方法,对3种空气质量模式在安徽地区2017年2月-2018年2月PM_2.5预报结果进行集成释用.结果表明：各模式和订正产品的预报值与实况值之间均能达到显著相关,相较于WRF-Chem,多元线性回归的均方根误差（RMSE）下降了21.7%,归一化平均偏差（NMB）下降了6%,且在16个地市中NMB均下降至-25%~25%之间;从不同时次的预报效果来看,在3个代表性城市（淮北、合肥和芜湖）,多元线性回归均能大幅度降低RMSE和NMB,但从时间和空间效果来看,其对于提升预报值与实况值之间的相关性方面,略差于权重平均的集成方法;多元线性回归方法对于重污染天气PM_2.5预报评分（TS）最高,为0.46.该方法能较为有效地提升不同模式的预报效果,可为重污染天气预报预警提供参考.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

安徽省主要气象灾害趋势演变及其对粮食总产的影响

为了揭示安徽省主要气象灾害的现状和变化规律，保障粮食作物稳产高产。该文利用1986~2017年安徽省78个市、县的干旱、洪涝、风雹、低温冷冻害和雪灾等4类主要气象灾害的受灾、成灾率数据，采用气候倾向率、灰色关联度和R/S分析方法，分析了全省4类主要气象灾害的时空变化特征和未来发展趋势及其与粮食总产的关联度。结果表明：（1）全省4类气象灾害的受灾、成灾率均随年代呈下降趋势，近10年受灾、成灾率明显偏少；高值区多出现在淮北地区、皖南山区和大别山区，低值区大多出现在沿淮、江淮和沿江地区。（2）未来安徽省干旱受灾、成灾率将继续下降，洪涝将持续不明显的下降趋势，风雹、低温冷冻害和雪灾将由下降趋势转为平稳或略有上升的趋势。（3）4类气象灾害的受灾、成灾率与粮食总产量的关联度由高到低的排序均为: 洪涝、低温冷冻害和雪灾、干旱、风雹。由此说明洪涝是影响安徽省粮食生产最主要的气象灾害。     

安徽省热对流短时强降水的判别与特征分析

对安徽省2008~2012年5~9月的降水以及气温、地温、日照等要素进行了统计分析,发现午后降水频率明显高于其它时次,在对降水及其他要素进行分类统计的基础上,提出了基于降水特征、午后13时地温、午后13时地温和早上08时的地温差、日照时数的热对流短时强降水的判别方法。基于融合了多重观测资料的LAPS再分析系统得到的中尺度再分析场资料,对2008~2011年5~9月热对流局地强降水进行了比湿、回波、稳定度和能量指标特征统计分析,并对一个典型个例的降水特征、降水成因进行了具体分析,总结了此类降水过程在降水特征、天气形势、湿度条件、大气层结稳定度的特点:维持时间短、强度大,范围小,地面温度高,午后和早上的地温差明显,降水发生前大气不稳定能量较强,中低层风场切变辐合明显。     

传输指数在合肥市重污染过程中的应用分析

利用潜在源区贡献法计算了合肥市2015年冬季传输指数,并基于传输指数和PM_(2.5)浓度将合肥市的重污染过程划分为3类,同时对各类重污染过程进行气象成因分析.结果表明:污染物传输型重污染过程的传输指数明显增大且PM_(2.5)浓度急剧增大;污染物积累型重污染过程的传输指数无明显增大且PM_(2.5)浓度逐渐增大;污染物暴发性排放型重污染过程的传输指数无明显增大但PM_(2.5)浓度急剧增大.污染物传输型重污染过程主要是高压南下迫使北方重污染气团输送引起的;污染物积累型重污染过程主要是静稳的天气形势导致污染物堆积造成的;污染物爆发性排放型重污染过程是由污染物暴发性排放而无法及时扩散引起的.     

基于CALIOP的安徽沿淮地区霾天气溶胶类型及垂直分布特征

利用CALIPSO卫星气溶胶廓线数据、地面观测资料进行统计分析,给出了2012—2013年安徽沿淮地区霾日气溶胶的垂直廓线分布.基于后向轨迹及聚类分析,获得沿淮地区污染的主要来源及传输方向,并进一步利用卫星类型掩码产品(VFM)及EC再分析资料,对不同来源的气溶胶类型、气溶胶垂直分布及导致污染的典型天气形势进行分析.结果表明,沿淮地区消光系数随高度减小,霾日近地面消光系数为0.53km~(-1),约为晴空日的2.5倍.污染性天气主要为本地污染积累(占比为46%),其次为长三角区域污染带及京津冀等地污染传输作用影响.在静稳天气背景下,850 h Pa暖平流形成逆温层易导致沿淮地区本地污染,大陆污染型气溶胶为主要成分,近地面受低压上升气流影响,污染物在垂直方向上略有抬升,聚集高度为0.4~0.8 km.当西太平洋副热带高压5880位势高度等值线西伸北进,长三角区域整层大气均被高压控制,易产生污染沙尘型气溶胶,污染物聚集在近地面且浓度随高度减小.而在冷空气南下早期,850 h Pa冷平流易将京津冀地区污染传输到沿淮地区,气溶胶类型为大陆污染型气溶胶和污染沙尘型气溶胶,在1~2 km处高污染浓度最高,高于近地层.     

合肥市冬季细颗粒物中碳组分特征分析

利用2020年12月1日至2021年2月28日合肥市细颗粒物(PM_2.5)、有机碳(OC)和元素碳(EC)等环境空气质量监测数据和气象观测数据，分析了合肥市大气PM_2.5中OC和EC的污染特征，并探讨了其来源以及气象因素影响。结果表明：合肥市冬季碳质气溶胶是PM_2.5中主要组分，随着污染程度的加重，碳质气溶胶的质量浓度逐步增加，但其在PM_2.5中的占比先减小后增加。在以PM_2.5为首要污染物的不同污染级别天气条件下，OC和EC的相关性说明不同程度下碳质气溶胶来源复杂。OC/EC表明机动车尾气和燃煤源排放是碳质气溶胶的主要来源。二次有机碳(SOC)会随着污染程度的加重而呈现升高趋势。OC和EC在冬季受温度影响较小；较大的相对湿度对OC和EC具有一定的清除作用，明显降水或连续降水的清除作用更加显著；而风速对含碳气溶胶的影响主要出现在污染天气背景下。