青海省东部农业区参考作物蒸散量的变化及对气象因子的敏感性分析

使用FAO推荐的Penman-Monteith公式计算了青海省东部农业区7个气象代表站的逐日参考作物蒸散量(ET₀),运用多窗谱方法(MTM)对青海省东部代表站的ET₀的变化周期进行了分析,同时,分析了影响ET₀的主要气象要素的变化趋势,运用基于偏导数的敏感系数法分析了生长季ET₀对气温、日照时数、相对湿度、风速的敏感性,结果表明,青海省东部农业区的7个站点有比较一致的19.23~22.22 a的周期;整个东部农业区的气温(最高温度、最低温度、平均温度)呈明显的上升趋势,日照时数、风速、相对湿度则随纬度的变化而趋势不同,北纬36°以南的两个站日照时数、风速均有增加的趋势,相对湿度则减小,以北的5个站则呈相反的变化;ET₀对日照时数最为敏感,其次是气温、相对湿度和风速;敏感系数在整个生长季随气象因子的变化而变化,日照时数敏感系数呈波动状,最大值出现在4月,最小值出现在9月,气温敏感系数呈现单峰型变化,最大值出现在7月,风速敏感系数则呈单谷型变化,最小值出现在7月。     

黑河流域参考蒸散量的时空变化特征及影响因素的定量分析

利用黑河流域及周边地区14个气象站的1960—2009年逐日气象资料,基于FAO推荐的 Penman-Monteith模型分析了黑河流域近50 a来潜在年、 季参考蒸散量ET₀的时空分布特征,同时利用敏感分析计算了流域内不同区域典型气象站ET₀对各气候要素的敏感系数,并结合各气候要素的多年相对变化定量探讨了导致ET₀变化的主导因素。结果表明:黑河流域年ET₀表现出明显的南北差异,亦即从南到北呈增大趋势,上游祁连山区年ET₀约568~700 mm,中游走廊平原约800~900 mm,下游的金塔、 鼎新一带约1 000 mm,额济纳地区则高达1 150 mm以上。各季节ET₀亦呈北多南少特征,且ET₀的年内分布以夏季最多,春季次之,秋冬最少。近50 a来,黑河流域年、 季平均ET₀整体呈减小趋势,但亦存在区域差异,其中上游ET₀略有增加,而中下游以减小趋势为主。就年平均敏感系数而言,上游的托勒站和中游的高台站皆对相对湿度敏感性最强,而下游的额济纳旗对平均风速最为敏感。不同站点各季节/月ET₀对气候要素的敏感性有所差异。风速是引起ET₀变化的主导因素,相对湿度和日照时数的贡献则较小。     

泾惠渠灌区潜在蒸散发量的敏感性及变化成因

潜在蒸散发量(ET₀)是计算作物需水量的关键因子和制定灌溉制度的依据,敏感性分析对评估气候变化对ET₀的影响至关重要.根据泾惠渠灌区4 个气象站1961—2011 年逐日气象资料,采用Penman-Monteith 公式计算日ET₀,应用Mann-Kendall 趋势检验方法研究气象因子变化趋势,采用无量纲的相对敏感系数分析ET₀对4 个主要气象因子的敏感性,结合气象因子的多年变化定量分析ET₀的变化成因.结果表明,泾惠渠灌区风速和日照时数呈显著下降趋势,气温呈显著上升趋势,相对湿度在南部和东南部呈显著下降趋势,而西部和东北部呈不显著的上升趋势,ET₀呈显著下降趋势;ET₀对相对湿度、太阳辐射、风速和气温的敏感系数分别为-0.77、0.41、0.16 和0.08;风速和太阳辐射的显著下降是灌区ET₀下降的主要原因.     

基于GAMs模型分析成都市气象因子交互作用对O3浓度变化的影响

为探究成都市大气环境中气象因子交互作用对臭氧(8h浓度平均最大值,统一用O₃表示)浓度变化的影响特征,利用成都市2014～2019年逐日大气污染物资料以及同期的气象资料,采用广义相加模型(generalized additive models,GAMs)分析气象因子对O₃浓度变化的影响效应.结果表明,单影响因素的GAMs模型中,O₃浓度与最高气温、日照时数、相对湿度、风速、降水量、最大混合层厚度(maximum mixed depth,MMD)和通风系数(ventilation coefficient,VC)间均呈非线性关系,无论全年还是夏季,最高气温、日照时数、MMD和相对湿度对O₃浓度影响均较大,值得注意的是,夏季相对湿度和降水量对O₃浓度变化的影响较全年更加显著.在构建O₃浓度变化的多气象因子GAMs模型中,除平均风速以外的其他气象因子共同作用对O₃浓度变化有显著影响,就全年而言,构建的GAMs模型判定系数(R²     

1961-2009年黄土高原气象要素的时空变化分析

基于48个气象站点1961-2009年的监测数据,使用反距离权重插值法和Mann-Kendall法,分析了黄土高原气象要素的空间分布和时间变化特征.结果表明,各气象要素在黄土高原都呈梯度分布,沿东南-西北方向降水和平均温度递减而平均风速和日照时数递增,沿南北方向相对湿度降低而参考作物蒸散增加.各气象要素在各站点基本都具有单调趋势,但趋势显著的站点数存在变异.约98%的站点温度的上升趋势显著,约60%的站点日照时数和风速的下降趋势及参考作物蒸散的上升趋势具有显著性,约40%的站点相对湿度的下降趋势显著,约30%的站点的降水具有显著的下降趋势.各气象变量都存在一定的年代际变化,相对湿度在2004年以来显著降低,降水的显著减少、 年均温度和参考作物蒸散的显著上升都在20世纪90年代初以来,而日照时数和平均风速的显著下降都发生在20世纪80年代初以来.黄土高原的气候可能出现了一些新趋势,给未来可持续发展带来了不确定性,需引起足够重视.     

近25年雅鲁藏布江中游蒸发皿蒸发量及其影响因素的变化

采用气候倾向率方法,对西藏雅鲁藏布江(下称"雅江")中游1981~2005年14个气象站年、季小型蒸发皿蒸发量及其影响气候因子的变化趋势进行了分析。结果表明:近25年西藏雅江中游年蒸发皿蒸发量在流域绝大部分站点均呈现显著的减少趋势,平均减幅为109.92mm,以夏季减少趋势最明显。影响蒸发皿蒸发量的主要气候因子日照时数、平均风速呈现显著下降趋势,平均相对湿度、降水量表现为显著增加,平均气温显著升高,平均最低气温的升温速率(0.52℃/10a)明显比平均最高气温的升温速率(0.23℃/10a)大,导致气温日较差减少(-0.29℃/10a)。因此,雅江中游年日照时数和平均风速的显著下降,以及年平均相对湿度的明显增加可能是年蒸发皿蒸发量显著下降的主要原因,平均气温日较差的显著减小和降水量的增加在蒸发量减少趋势中的作用也不可忽视。     

合肥市O3浓度时空分布及典型污染过程潜在源分析

近年来,合肥市O₃污染成为限制空气质量达标率的主要因素,为探究合肥地区O₃时空分布及潜在源区,在分析2015—2022年O₃时空分布及与气象要素关系的基础上,基于HYSPLIT后向轨迹模式及潜在源贡献分析方法(PSCF),对典型O₃污染过程的传输路径和潜在源区进行解析.结果表明：(1)合肥市MDA8-90th呈波动上升-下降-上升趋势,2022年相对于2015年增幅为47.6%,2019年臭氧质量浓度和超标率最高.O₃浓度日变化呈“单峰型”,07:00浓度最低,15:00—16:00左右达峰值;月变化为“M”型,6月浓度最高,12月最低;季节变化表现为夏季>春季>秋季>冬季;空间分布呈西北高、东北低;郊区高、城区低的特点.(2) O₃与平均气温、最高气温、日照时数呈显著正相关,与气压呈显著负相关,与相对湿度和风速的相关性较复杂;平均气温为20～30℃,日照时数大于等于10 h,相对湿度为60%～70%,风速小于2 m·s^-1     

气象因素对北京市大气颗粒物浓度影响的非参数分析

利用2005年9月—2006年9月北京市大气颗粒物分级(不同粒径)监测资料和同期分时段气象观测数据,采用非参数分析(Spearman秩相关系数)法对北京市3种粒径大气颗粒物在不同季节的浓度水平与气象因素的影响进行了研究.结果表明:不同季节影响颗粒物质量浓度的气象因素各不相同;春季ρ(PM_2.5),ρ(PM2.5～10)和ρ(PM₁₀₎都与气压呈显著负相关;夏季颗粒物质量浓度受降水影响很大;秋、冬季ρ(PM_2.5)和ρ(PM₁₀₎均与日照时数呈显著负相关;冬季ρ(PM_2.5),ρ(PM_2.5～10)和ρ(PM10)均与平均风速呈显著负相关,与气温、相对湿度呈显著正相关. 细粒子和粗粒子质量浓度对气象因素变化的响应程度也有较大区别. 春、夏季地面平均风速对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随风速增加而增大;秋季日照时数对细粒子质量浓度的影响比粗粒子更显著,ρ(PM_2.5)/ρ(PM₁₀₎随日照时数增加而减小;冬季相对湿度对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随相对湿度增加而减小.      

河谷地形气象要素对污染物浓度的影响

气象条件对环境空气质量影响的研究是科学制订大气环境污染防控方案、及时发布重污染天气应急预警的基础.利用兰州市西固区环境空气质量监测点2015年主要污染物小时浓度监测值,分析了污染物浓度的季节性变化和日变化特征,结合同期观测的气温、风速、相对湿度和降水量等气象资料,探讨了气象要素对污染物浓度变化的影响.结果表明:①除O₃外,其他污染物质量浓度呈"冬高夏低""早晚高下午低"的变化特点,这与表征污染物扩散能力的边界层参数变化特征一致. ②ρ（O₃）春季为71.42 μg/m3,夏季为62.74 μg/m3,春季高于夏季的主要原因是春季O₃的前体物NO_x质量浓度高于夏季且春季扩散条件弱于夏季. ③除O₃外,其他污染物质量浓度与气温、风速呈负相关. ④当相对湿度 < 40%时,污染物质量浓度与相对湿度呈正相关;当相对湿度>80%时,污染物质量浓度与相对湿度呈负相关;降雨对不同污染物的清除效果不同.研究显示,河谷地形气温和风速是影响污染物扩散的重要气象因子.      

不同时间尺度气象要素与空气污染关系的KZ滤波研究

空气污染状况受气象要素和污染源排放的共同影响,为了评估大气污染控制措施的效果,需将由污染源排放的浓度数据分离出来.本文利用KZ滤波方法将天津市6个监测站点2015~2017年逐日的O₃、PM_2.5和PM₁₀浓度资料和6个同期气象数据分解为长期分量、短期分量和季节分量,计算各分量对原始时间序列方差的贡献.采用逐步回归法建立O₃及颗粒物3种分量与相应尺度气象要素的线性模型.结果表明,上述3种污染物浓度数据经分解后,季节分量对总方差贡献最大,其次为短期分量;气温和相对湿度是影响O₃季节和短期分量的主要气象因素,其中温度占主导地位,且呈现正相关,与相对湿度呈负相关;风速、气压、降水与颗粒物的短期及季节浓度变化呈负相关,相对湿度与之呈正相关,温度与短期分量呈正相关、与季节分量的变化呈负相关;经逐步回归消除气象影响的PM₁₀的长期分量有波动下降的趋势,PM_2.5浓度在2017年年初有所上升,其余部分有下降趋势,O₃长期分量浓度有所上升;这几年间颗粒物污染控制措施的效果较为显著,O₃污染有所加重.     

基于AI指数的新疆干湿时空变化及其影响因素分析

论文基于新疆53个气象站点1961-2013年逐日气温、降水、风速、日照时数、相对湿度、大气环流指数和太阳黑子数据,应用Penman-Monteith模型、ArcGIS反距离加权插值、Mann-Kendall（M-K）检验、Morlet小波和主成分分析方法,分析其降水量、潜在蒸散量和AI指数时空变化及影响因素。结果表明：近53 a来,新疆降水量呈上升趋势,潜在蒸散量在波动中呈下降趋势,倾向率分别为8.81 mm/10 a和-28.73 mm/10 a,AI指数在波动中呈下降趋势,倾向率为 -0.05/10 a,多年平均值为0.5,表明新疆气候有变湿趋势。从年内分布看,降水量和潜在蒸散量呈单峰型分布,峰值分别出现在7月和8月,分别为24.58和137.12 mm;AI指数最大值滞后于降水量（7月）和潜在蒸散量（8月）,出现在9月,为0.9,最小值出现在1月,为0.46。新疆潜在蒸散量空间分布为南疆大于北疆,东部大于西部;降水量北疆大于南疆;AI指数的空间分布与降水量相反,总体表现为南疆大于北疆,盆地大于山区,M-K趋势介于0~-0.02/a之间,且北疆AI指数减小趋势较南疆更显著,与北疆比南疆更湿润的事实相符。新疆降水量和潜在蒸散量分别在1987和1981年发生突变,AI指数在1981和1984年存在两个明显的突变点。Morlet小波及其功率谱分析表明,降水量存在6.49、5.71和4.35 a（p≤0.05）的周期,蒸散量存在21.37 a（p≤0.2）的周期,AI指数存在6.62、3.45 a（p≤0.1）的周期,表明AI指数可能受大气环流和厄尔尼诺的影响。主成分分析表明,AI指数与气温呈正相关,与降水量呈负相关,且南疆比北疆对降水更敏感。此外,AI指数与维尔霍扬斯克-奥伊米亚康（WYMI）、ENSO关系密切,相关系数分别为0.46（p≤0.05）和-0.34（p≤0.05）。     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。     

山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

南亚高压对四川盆地夏季区域持续性O3污染的影响

基于2015~2020年四川盆地臭氧（O₃）浓度监测数据,构建O₃区域性持续性污染过程个例库,并进一步时空匹配高低空气象资料,探究夏季南亚高压系统对四川盆地地面气象要素及O₃污染生成的影响机制.结果表明：（1）2015~2018年四川盆地O₃区域性持续性污染（ORPP）逐年加重,2018~2020年保持相对稳定的污染态势,且ORPP多集中于春、夏两季.盆地中南部成都、重庆、泸州等城市O₃污染形势最为严峻,且高值区逐渐向南北方向转移.（2）基于南亚高压（系统存在率、中心离散度与东西振荡量）对地面气象要素的影响阐释ORPP的生成机制：系统存在率均值偏低且位置偏东时,平均气温、气温日较差及日照时数偏高,相对湿度偏低,利于O₃生成;南亚高压东模态中心显著聚集时,气温日较差与日照时数激增,易造成O₃异常高值;西模态剧烈振荡时,气温日较差、日照时数及相对湿度改变,易使O₃浓度波动.（3）对比清洁期与污染期,南亚高压系统存在率、中心离散度与东西振荡量综合作用于清洁期,而污染期则主要受中心离散度与东西振荡量影响.当南亚高压西模态剧烈振荡与东模态显著聚集配合出现时,极易诱发四川盆地内ORPP二级过程.     

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.      

华北地区地表臭氧时空分布特征及驱动因子

利用趋势分析(TA)、地理时空加权回归模型(GTWR)和多因素广义相加模型(MGAM),研究了2015～2020年华北地区O3浓度的时空分布规律及驱动因素间的复杂非线性关系.结果表明,华北地区年均O3浓度>70μg/m3,整体呈持续增长趋势,平均增加速率为2.3μg/(m3·a)(P<0.01);季节上O3浓度呈春夏高...     

黄土塬面保护区潜在蒸发量时空变化及其与气象、环流因子关系分析

黄土塬面是黄土高原地区主要的农业分布区和人口聚居地,地位十分重要。黄土塬面潜在蒸发量(ET₀)的研究对于区域水循环研究、水土流失防治及农业的可持续发展具有重要意义。基于黄土塬面保护区1960—2017年的气象数据,利用Penman-Monteith模型、小波分析、Mann-Kendall非参数检验等方法研究了黄土塬面保护区ET₀的变化规律及其与气象、环流因子间的关系。结果表明:(1)黄土塬面保护区多年平均ET₀为1173.4 mm,总体呈现增长趋势,增长率为21.1 mm/10 a;其生长季平均ET₀值及增长率均高于非生长季平均ET₀。(2)该区多年平均ET₀空间分布特征表现为东部高西部低,西部甘肃塬区多年平均ET₀远低于东部山西塬区。(3)过去58年来,区域年均、生长季、非生长季ET₀均呈现出增长趋势,但空间差异明显;研究区年均ET₀存在着10年、30年和50年的震荡周期,其中以30年周期...