深圳市空气污染分区预报思路的建立

基于本市2005—2010年各区API日资料和污染日逐时资料、逐日气象要素资料、物理量因子,在对全市污染时空分布特征和各影响因素细致分析的基础上,运用典型天气形势和典型要素判定方法,在此基础上,进行气象要素的偏最小二乘回归提炼主要因子,建立污染天气预报思路,运用2011年重污染目的资料进行检验,结果表明：该种三级判定的方法预测污染小概率事件,吻合较好,为空气污染客观预报和高污染预警系统的建立提供依据。     

北方地区典型天气对城市森林内大气颗粒物的影响

以北京西山几种游憩型城市森林为例,在一年四季选择典型天气条件,对4种粒径的大气颗粒物浓度进行全天24h监测,研究北方地区不同季节典型天气因素白昼不同时段对不同结构的城市森林内不同粗细粒径的大气颗粒物浓度变化的影响.结果发现:降雨使大气颗粒物浓度减少,尤其粗颗粒物(TSP只为连续晴天的0.58~0.68),所以雨后晴天粒径较小的颗粒物所占比例会增加.不过,有时在雨后的夜间由于空气湿度大大气颗粒物浓度也会增加.雪能够降低大气颗粒物浓度,“雪后晴天”4种粒径颗粒物浓度均只有连续晴天的0.2倍.多云和雾霾天气使大气颗粒物污染加重,尤其在夜间;雾霾和多云对小粒径颗粒物浓度的增加效果明显.夏季高温高湿静风、闷热的“桑拿天”能使郁闭度较大的林地内大气颗粒物特别是细颗粒物浓度及其所占的比例显著增加,PM2.5的浓度是“连续晴天”的2.53倍.风在雨后能使大气颗粒物在一定程度上扩散减少,而在天气干燥时刮风会增加城市森林内大气颗粒物的浓度,且多云会加重干燥天气刮风后大气颗粒物的污染程度.春、冬季林地裸露的落叶阔叶树在刮风时大气颗粒物浓度较四季常绿、地表覆盖物多的针叶林高,夏、秋季桑拿天和雾霾天郁闭度大的侧柏林大气颗粒物浓度较林地结构开阔的黄栌林高.     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

1960~2012年长江三角洲地区雾日与霾日的气候特征及其影响因素

利用1960~2012年长江三角洲地区气象观测资料,对长江三角洲区域雾和霾的时空分布及其影响因素进行了分析.结果表明:长江三角洲地区雾、霾分布不均匀,雾日大值区主要分布在江苏省盐城中部沿海地区、安徽省黄山地区、浙江东部沿海地区,霾日大值区主要分布在以南京、杭州、合肥、衢州为中心的周边城市.时间变化上,城市化水平高的大城市年雾日数在20世纪80年代之前呈增加趋势,之后呈减少趋势;城市化水平低的小城市年雾日数也呈先升后降的趋势,但下降时间滞后于大城市.大城市雾日月平均分布冬季最多,春秋季次之,夏季最少,小城市雾日月平均分布呈双峰型特征,即春季和冬季较多.大城市和小城市年平均霾日数一直呈增加趋势且20世纪90年代之后差距变大.区域气候变化和城市化导致的温度上升,空气污染加剧导致的气溶胶增加,是造成长江三角洲雾日、霾日不同变化特征的原因,但它们之间的相互作用效应复杂,值得深入研究.     

北京市不同天气条件下单颗粒形貌及元素组成特征

使用透射电镜(TEM)对采自北京市2011年3~4月间不同天气条件下的气溶胶样品进行观察,并对比2010年3月沙尘天气和2010年11月18日雾天样品,对可吸入颗粒物PM10的基本形貌、矿物元素组成和硫化特征等做比较分析.结果表明,采样期间PM10主要包括烟尘集合体、飞灰、矿物颗粒、二次反应颗粒等,不同天气条件下颗粒类型并无明显差别.采样期间矿物颗粒以“富Si”颗粒(占总量46%)为主,“富Ca”(总量17%)、“富S”颗粒(总量13%)为次要,“富Fe”(总量7%)及较少“富Na” 颗粒(总量6%)和其他颗粒.沙尘天气中沙尘暴输入大量沙尘颗粒使占颗粒83% 的“富Si”颗粒含量明显高于阴天的36%和雾天的32%.仅在阴天和雾天发现大量“富S”颗粒,其中雾天26%,阴天10.7%,说明这2种天气二次反应强烈,易于生成富S二次颗粒,对颗粒物元素组成产生影响.对所有含S颗粒分析表明,不同天气含S矿物含量差异较大,阴天16%,雾天36%,晴天和沙尘天气则含量很低,说明一定的SO2浓度下,大气湿度越大,硫化现象越明显.雾天颗粒物表面的硫化现象相当严重,在含硫量较高的颗粒中,绝大部分同时含有Ca、Na、Si、Fe等元素,说明大气中含Ca、Na、Si、Fe的碱性矿物对雾水酸性有一定的缓冲作用.     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

南京冬季晴天及雾-霾天气纳米气溶胶粒子谱日变化比较

利用2017年12月南京气溶胶数浓度与气象参数资料,比较研究晴天及雾-霾天中10~1000nm纳米气溶胶粒子谱日变化规律及差异特征.结果表明,单峰谱型出现与污染加重有明显关系,分别出现在晴天午后、霾严重污染阶段和污染消散阶段、浓雾过程,峰值粒径分别为晴天（20~100nm）、霾天（27~144nm）和雾天（34~122nm）.3种天气条件下,晴天较强的太阳辐射和较低的湿度适合小粒子生成,核模态占比在晴天最高;霾天气象场适合爱根态粒子大量稳定存在,爱根态占比在霾天最高;雾天大量气溶胶吸湿增长,导致积聚态占比在雾天最高.在霾天污染物累积阶段,大量积聚态粒子对核模态、爱根态粒子的碰并增长作用抑制核模态、爱根态粒子生成,核模态和爱根态粒子浓度变化率为-91.0%和-62.5%,而积聚态为89.7%.浓雾过程对爱根态粒子清除作用最明显.     

近50年徐州日照气候变化特征及影响因子分析

利用徐州市日照等观测资料,对徐州市日照时数的年、季、月变化特征进行全面分析。结果表明:徐州市近50年来的年日照时数总体呈减少趋势;从各季日照时数来看,夏冬两季均有减少,其中夏季为四季中日照时数减少最明显的季节;从各月日照时数来看,6月、7月、8月日照时数减少最快;日照时数在20世纪60年代、70年代初和90年代发生明显的变化。另外,对影响日照时数的降水量、云量、雾日、轻雾日等气象因子的变化特征进行分析,找出与徐州市日照时数变化相关的主要影响因子。结果表明,降水量和低云云量的增加以及雾、轻雾等影响日照时数的天气现象日数的增多,是造成徐州市日照时数减少的主要原因。     

基于大数据分析的雾霾污染预测研究

对雾霾的监控预测已成为城市重点监测指标,传统雾霾监测方法使用的是高斯预测模型,在预测过程中会使用大量的参数以及逻辑关系,在大数据分析的趋势下已经不能承接海量相关大数据,针对上述问题,提出一种基于大数据分析的雾霾污染预测方法.建立数据K模型承接海量数据,对大数据特点趋势加以分析,使用组合算子对雾霾污染度预测,摒弃逻辑关系束缚以及大数据的驱使性,对特征数据进行类别掌控完成预测结果.通过对比实验的方式对提出的方法进行检验,实验结果表明:(1)基于大数据分析的雾霾污染预测方法能够在大数据环境下对雾霾污染度进行高精度预测;(2)与传统方法相比较能够承接大数据的变化;(3)摒弃逻辑关系的制约可以实现随时预测;(4)极大的缩减预测成本.     

2010年广州亚运会期间灰霾天气分析

使用广州地区气象资料,重点研究了 2010 年广州亚运会期间的灰霾天气特征. 结果发现,2010 年 11 月广州出现灰霾天气 5 d,较近年平均水平明显偏少,但 2008—2010 年的污染气象条件分析表明,2010 年的扩散条件较 2008 和 2009 年均较差,说明 2010 年广州亚运会前期的各项减排措施取得了明显成效. 作为对照,自 20 世纪 80 年代初开始,广州地区的能见度急剧恶化并导致灰霾天数增加,每年 10 月至次年 4 月的旱季灰霾天数较多,改革开放以来,每年 11 月份的灰霾天气大幅增加,并于 1994 和1999 年分别出现了最多的17 d. 2000 年以后,11 月份灰霾天气最多为 12 d,出现在 2005 年; 最少为 3 d,分别出现在 2002 和 2003 年. 广州市空气质量逐年恶化的趋势不容乐观,珠江三角洲复合型新型空气污染日趋严重的态势非常严峻; 且区域性特征明显,治理难度加大; 广州周边的佛山、清远、东莞、江门的灰霾天气都比广州多,对广州治理灰霾天气形成了压力. 因而 2010 年 11 月灰霾天气的明显减少,更说明区域联动、机动车单双号限行、重点工业污染源调控、严控垃圾秸秆焚烧等减排措施效果明显.     

河西走廊东部沙尘日变化特征及其与气象因子的关系

沙尘天气是河西走廊东部多发的灾害天气之一.为提高河西走廊东部沙尘天气的预测、预报、预警水平,更好地预防沙尘灾害和沙尘天气对空气质量的污染.利用河西走廊东部5个气象站1960-2016年逐日沙尘（包括浮尘、扬沙及沙尘暴）资料和四季平均气温、最高气温、最低气温、平均风速、大风日、蒸发量、降水量、相对湿度等资料,运用统计学方法分析了河西走廊东部各强度沙尘日的时空分布特征以及沙尘日与气象因子的相关性.结果表明:受海拔、地形地貌以及天气系统等影响,各强度沙尘日（除浮尘外）由东北向西南呈递减趋势.年代、年各强度沙尘日呈显著减少趋势,沙尘暴、扬沙、浮尘递减率分别为-2.436、-5.277、-5.719 d/（10 a）,气候趋势系数均通过了α=0.01的显著性水平检验.年沙尘日的时间序列均存在着6~8 a的准周期变化.各强度沙尘日均为春季最多,秋季最少,且各季节沙尘日均呈显著减少趋势,递减率为春季>夏季>冬季>秋季,气候趋势系数均通过了α=0.01的显著性水平检验.各强度沙尘日月变化比较一致,高峰值出现在4月,低谷值出现在9月.气象因子对沙尘天气有一定的影响,同一季节气象因子对各强度沙尘日的影响相对一致,但不同的季节气象因子对各强度沙尘日的影响不一致.热力因子和动力因子是影响沙尘天气的主导因子,水分因子的影响较弱.研究显示,气候变暖、冷空气活动频次和强度减弱是沙尘日减少的主要原因之一,大气环流的季节性转变是沙尘天气季节性变化的主要原因.      

南京北郊雾天PM10中多环芳烃粒径分布特征

为研究雾天PM10中多环芳烃粒径分布特征,2007-11-15~2007-12-30在南京北郊进行了PM10分8级粒径多环芳烃(PAHs)成分连续样品采集,由同步气象观测资料选出雾天与晴天样本作为对比,用GC-MS分析其中16种PAHs含量.雾天夜间PM2.1和PM9.0平均质量浓度为120.34μg.m-3和215.92μg.m-3,接近白天PM2.1(126.76μg.m-3)和PM9.0(213.41μg.m-3),昼、夜基本没有变化;晴天夜间PM2.1和PM9.0平均质量浓度为71.45μg.m-3和114.33μg.m-3,高于白天PM2.1(41.02μg.m-3)和PM9.0(74.38μg.m-3),昼、夜变化很明显;雾天PM2.1∑16PAHs为49.97 ng.m-3,是晴天(33.30 ng.m-3)1.50倍,PM9.0∑16PAHs为59.45 ng.m-3,是晴天(40.80 ng.m-3)1.46倍;PM2.1和PM9.0中PAHs单体平均浓度均为荧蒽最高,且雾天(PM2.1为7.98 ng.m-3,PM9.0为9.99 ng.m-3)高于晴天(PM2.1为5.23 ng.m-3,PM9.0为6.77 ng.m-3);雾天PM2.1和PM9.0中苯并[a]芘的浓度为1.77ng.m-3和1.99 ng.m-3,高于晴天(PM2.1为1.46 ng.m-3,PM9.0为1.84 ng.m-3).结果表明,雾过程加重了近地面大气PM2.5和PM10的污染;雾天与晴天PM10∑16PAHs粒径分布的昼夜特征与PM10在2种天气系统下粒径分布的昼夜特征基本一致,均为双峰型分布,分别位于积聚模态和粗模态粒子.白天雾过程对PM10及PM10∑16PAHs的粒径分布影响比较大,夜间雾过程则对其没有太大影响.     

沈阳市环境空气质量天气模式预报方法

应用2003年和2004年6月~8月天气形势资料和同期环境空气自动监测数据进行统计分析,建立夏季天气模式预报方法,同时应用2005年资料进行验证,预报效果较好,环境空气中首要污染物———可吸入颗粒物(PM10)的级别预报准确率、趋势预报准确率和总站发布预报范围准确率分别达到60%、80%和90%,该预报方法可作为业务预报使用。     

雾对SO_2烟羽清除作用的研究

在雾稳定的条件下,研究了雾滴穿过SO_2烟羽沉降到地面的过程中吸收、析解以及酸化等过程。结果表明,雾对烟羽中SO_2的清除具有某些奇特的现象。即仅在离源较远的区域才表现出有限的清除作用:而在近源区,主要以析解为主,使源附近地面SO_2浓度增加,高架源成了低架源。雾滴在地面附近的这种析解作用,是造成雾天污染物浓度高的重要原因之一。     

云南省大气污染扩散输送特征研究

通过分析各种野外探测资料和常规气象资料,全面讨论了影响云南省大气扩散输送能力的各种特征量的变化和特点,并试图说明高原山区的特殊地形及局地小气候条件对这些特征量的影响,认为云南全省大气扩散输送具有以下特征：大气稳定度以中性类居多,频率占50％以上;风速廓线指数值比平原地区大得多,也比一般山区的大;大气混合层高度春冬季较大,夏秋季较小,下午较大,凌晨较小;滇东和滇西北扩散参数较大,滇南较小;辐射雾出现频繁是一种影响当地大气扩散输送的天气现象。     

南京地区近地面臭氧浓度与气象条件关系研究

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.     

天气条件及气团来源对青岛春季大气颗粒物数浓度谱分布的影响

利用2010年春季在青岛观测的不同粒径大气颗粒物数浓度,结合同期的Micaps天气图资料及后向轨迹分析资料,探讨了不同天气条件及气团来源不同时青岛大气颗粒物数浓度谱的变化特征.结果表明,沙尘发生前12h,大气中0.3~1.0μm的细粒子数浓度逐渐小幅升高,沙尘发生时>1.0μm粗颗粒物数浓度较沙尘发生前升高了1~10倍,0.3~1.0μm细颗粒物数浓度则降低了20%~45%.降雨使>1.0μm粗粒子数浓度降低>50%,降雨后大气颗粒物尤其是细粒子数浓度很快回升.雾和霾天气发生时1.0μm粗粒子数浓度较高,而局地源气溶胶中粗粒子数浓度较低,<0.7μm细粒子相对贡献较大.     

Conceptual study on incorporating user information into forecasting systems

The purpose of improving weather forecast is to enhance the accuracy in weather prediction. An ideal forecasting system would incorporate user-end information. In recent years, the meteorological community has begun to realize that while general improvements to the physical characteristics of weather forecasting systems are becoming asymptotically limited, the improvement from the user end still has potential. The weather forecasting system should include user interaction because user needs may change with different weather. A study was conducted on the conceptual forecasting system that included a dynamic, user-oriented interactive component. This research took advantage of the recently implemented TIGGE (THORPEX interactive grand global ensemble) project in China, a case study that was conducted to test the new forecasting system with reservoir managers in Linyi City, Shandong Province, a region rich in rivers and reservoirs in eastern China. A self-improving forecast system was developed involving user feedback throughout a flood season, changing thresholds for flood-inducing rainfall that were responsive to previous weather and hydrological conditions, and dynamic user-oriented assessments of the skill and uncertainty inherent in weather prediction. This paper discusses ideas for developing interactive, user-oriented forecast systems.     

大城市区域霾与雾的区别和灰霾天气预警信号发布

由于经济规模的迅速扩大和城市化进程的加快,都市霾现象或者是灰霾天气日趋严重,霾与雾的区分成为一个非常现实,又迫切需要解决的问题。通常在平面时已达到饱和的水汽压,对相当于球面的云雾滴来讲就是未饱和的,那样云雾滴就会蒸发;在水汽条件不变时,云雾滴由于蒸发而变小,导致它的平衡水汽压升高,则更易蒸发掉。在不饱和大气中小于数微米的云雾滴必然蒸发,而且伴随着蒸发云雾滴尺度会进一步变小,导致曲率越来越大,蒸发速率越来越快。过去错误认为凝结核可以在低相对湿度情况下产生凝结生成雾滴的观点,是忽视了粒子曲率作用的结果,将实验室大颗粒(常常达毫米量级)的吸湿性特征,延用至次微米粒子造成的。降温是达到饱和形成雾滴的即重要又主要的物理过程,云雾是低温下饱和气块的可见标志。在云雾中必然存在凝结或凝华过程,因而必然伴随着潜热释放,这就使云雾内的温度高于环境,在云雾内必然盛行微弱的上升气流,不可能是下沉气流,这些宏观过程在霾层内是不存在的,因而成为识别霾与雾的重要的宏观动力条件。在对历史资料进行统计时,在排除降水、吹雪、雪暴、沙尘暴、扬沙、浮尘、烟幕、等等视程障碍现象的情况下,通过调试相对湿度,使得雾与轻雾反映自然的年际与年代际气候波动,而霾反映由于人类活动而引起的趋势性变化,其限值大体在90%左右,与美国和英国讨论霾影响能见度的长期变化趋势的研究中使用的相对湿度限值相同,他们都去除了相对湿度>90%的资料,只研究了相对湿度<90%时的能见度变化趋势。进行相对湿度订正才能确保资料的高质量。近年来由于人类活动大气气溶胶污染日趋严重,1980年代以来大幅增加的霾日,绝大部分是由于人类活动影响的气溶胶细粒子污染造成的。依据本文和以前的研究,给出了霾与雾区分的概念模型,霾与雾观测的标准,和灰霾天气预警信号发布的标准。     

基于多源资料天津一次雾-霾过程的边界层特征

为探究雾-霾过程的边界层特征,选取天津市2019年12月7~10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m³·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM_2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM_2.5质量浓度为135~223μg/m³,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6~12m/s,雾层内为1~2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.