北碚区臭氧浓度与气象因素相关性分析研究

本文以2017年重庆市北碚区臭氧浓度监测数据与气象条件数据进行分析,采用皮尔逊(Pearson)相关系数法来研究臭氧浓度与平均气温、相对湿度、风速和日照时间气象因素的相关性。统计分析得出,北碚区臭氧浓度与平均气温和日照时间呈强的正相关,与相对湿度呈强的负相关,与平均风速呈弱的正相关。     

合肥市O3污染时空变化特征及影响因素分析

为掌握合肥市大气环境中O_3的时空变化特征及其影响因素,对合肥市2013—2015年空气质量监测数据和气象参数进行系统的分析.结果表明,合肥市O_3污染在夏、秋季节有逐渐加重的趋势,尤其是城市中心区域,呈显著的季节特征和日单峰性;O_3易在风速小于3.3 m·s-1、相对湿度介于50%~60%、地面气压低于1020 h Pa和日平均气温介于25~28℃的气象条件下出现浓度峰值;合肥市O_3浓度与NO2和VOCs分别存在显著的负相关和正相关关系,其中,烯烃、烷烃、芳香烃和炔烃对O_3生成潜势(OFP)的贡献值依次增大.O_3浓度可通过前一日O_3浓度、相对湿度、平均气温、PM2.5、当日8:00风速、平均气压及NO2等参数建立良好的统计预报模型,非标准化可决系数R2高达0.559.     

气温与湿度的交互作用对呼吸系统疾病的影响

为评价平均气温、相对湿度及其交互作用对呼吸系统疾病急诊就诊人数的影响,采用广义相加模型(GAM),在控制了时间长期趋势、"星期几效应"、节假日效应、空气污染等因素的影响后,分析2009~2011年北京市平均气温、相对湿度及其交互作用对呼吸系统疾病急诊就诊人数影响的暴露反应关系.结果显示,平均气温与呼吸系统疾病急诊就诊人数呈现近似U型的非线性关系,其作用临界点为12℃,当平均气温低于12℃时,气温每升高1℃,呼吸系统疾病急诊就诊人数减少2.26%(95%CI-2.43,-2.09);当气温高于12℃时,气温每升高1℃,呼吸系统疾病急诊就诊人数增加0.92%(95%CI 0.72, 1.11).相对湿度与呼吸系统疾病的效应也呈现U型的分布特征,作用阈值为51%,当相对湿度≤51%时,相对湿度每增加10%,呼吸系统疾病急诊就诊人数减少3.43%(95%CI -3.47%,-3.38%);当相对湿度>51%时,其每增加10%呼吸系统疾病急诊就诊人数增加1.80%(95%CI 1.76%,1.85%).平均气温对呼吸系统疾病的影响受相对湿度水平的调节.在低温环境下,相对湿度越小,气温对呼吸系统疾病的影响越显著,气温每升高1℃,呼吸系统疾病急诊就诊人数减少2.71%(95%CI -2.88,-2.53);;而高温环境下,当相对湿度较大时气温健康效应较强,即气温每升高1℃,呼吸系统疾病急诊就诊人数增加1.37%(95%CI 1.13, 1.61).     

颗粒物污染对高血压门急诊就诊人数的影响-时间序列研究

为探讨颗粒物对金昌市高血压门急诊就诊人数影响的暴露反应关系,本文收集甘肃省金昌市2012年1月1日~2015年12月31日大气PM₁₀、SO₂、NO₂数据及2014年1月1日~2015年12月31日大气PM_2.5污染物监测数据及同期气象观测数据,同时收集近年金昌市三家综合医院的高血压门急诊日就诊病例.采用广义相加模型,分析不同大气污染物与高血压门急诊日就诊人数的关联性.结果表明,在单污染物模型中,滞后L07d时PM₁₀平均浓度每升高一个IQR,高血压日门急诊人数增加2.30%（95% CI：1.30%~3.32%）,L6d时PM_2.5平均浓度每升高一个IQR,高血压日门急诊人数增加2.53%（95% CI：1.45%~3.62%）.PM₁₀和PM_2.5对男性、65岁以上高血压患者门急诊影响更高.SO₂和NO₂与颗粒物之间存在协同效应,沙尘天气下PM₁₀对高血压门急诊人数的影响由2.30%增加到2.36%,PM_2.5的影响由2.53%减少到2.39%.研究得出颗粒物污染对金昌市高血压门急诊就诊人数具有不同程度的影响,其中细颗粒物（PM_2.5）的效应更强.     

北京地区奥运会期间PM2.5对心脑血管疾病的影响

为了探讨2008年奥运会前后减排和限行措施对北京居民心脑血管健康的影响,调查了2006~2010年7~9月的空气质量状况及北京急救中心心脑血管疾病日入院人数,采用时间序列方法中的非参数广义相加模型(GAM),在控制了长期趋势、"星期几效应"及气象因素的影响后,分析了北京PM2.5浓度与心脑血管疾病日入院人数的暴露-反应关系,并按性别、年份建立了模型.结果表明,PM2.5对心脑血管疾病的影响具有一定的滞后效应,全人群、男性和女性滞后均为0~2d,在2006~2010年7~9月中,2008年3个人群的RR均最小,2009年RR最大.PM2.5日均浓度每增加10μg/m3,2008年男性、女性及全人群日入院人数风险分别增加0.18%、0.07%和0.00%,2009年男性、女性及全人群日入院人数风险分别增加3.43%、2.10%和2.97%.2008年7~9月采取的相关政策措施对降低了北京地区居民心脑血管疾病的发病风险具有重要作用.     

环境条件对遵义市呼吸系统疾病的影响及预测研究

为探究气象和空气污染等环境条件对呼吸系统疾病发病的影响,为遵义地区相关疾病预防提供科学依据,采用分布滞后非线性模型和广义线性、相加模型,利用当地气象和污染资料,分析了2012~2016年遵义市气象环境要素对呼吸系统疾病发病的影响.结果显示,遵义市呼吸系统疾病发病状况与当地长期气候状态基本保持一致,气候效应对其的影响占主导作用,其中,冬季为呼吸系统疾病高发期,立秋至处暑前后其发病人数最少,表明此时间段内当地气候条件对呼吸系统疾病患者有气候疗养效应.气温对呼吸系统疾病发病的影响以低温滞后效应为主,在其敏感阈值附近气温每变化1℃,发病人数将累积增加31.6%（95% CI：4.4%~65.8%）;气压以高压滞后效应为主,相对湿度则在低湿部分同时有即时和滞后效应.舒适度对呼吸系统疾病的影响,在冷、热斜胁迫下其发病人数明显多于舒适状况时.PM_2.5、SO₂和NO₂三种污染物的影响都以即时效应为主,而CO则在累积滞后lag04时相对危险度最高,PM_2.5与呼吸系统疾病发病人数的暴露-反应曲线呈单调线性分布,SO₂、NO₂和CO均为“J”型分布.低温与高浓度NO₂或者低湿与高浓度SO₂的协同作用对呼吸系统疾病的影响较大.建立的全年和季节多元逐步回归方程的试预报准确率在75%以上（夏季除外）,其中分季节建模预测效果显著优于全年预测效果.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

黄河流域空气质量时空分布及影响因素分析

本文基于2015—2018年空气质量监测数据,研究了黄河流域空气质量的时空变化特征,量化分析了影响黄河流域空气质量空间分布的主要因素。结果表明:(1)2015—2018年,黄河流域空气质量总体趋于改善,除O3-8h外,PM2.5、PM10等污染物浓度均不同程度下降;(2)空气质量不达标天数未有明显减少,以O3-8h为首要污染物的持续时间明显延长,并且污染天数与PM2.5的差距逐渐缩小;(3)PM2.5、PM10浓度呈现东高西低的分布格局,O3-8h污染区域逐渐扩大并呈持续连片分布,热点城市主要分布在流域下游,冷点城市主要分布在流域上游;(4)平均气温、平均风速、人口密度和城镇居民人均可支配收入是影响PM2.5空间分布的主要因素;地形起伏度、降水量、平均气压和人口密度是影响PM10空间分布的主要因素,累积解释率为65.9%;平均气压、地形起伏度、日照时间和平均风速是影响O3-8h空间分布的主要因素。     

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

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。     

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。     

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。     

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.     

影响山东参考作物蒸散量变化的气象因素定量分析

根据山东省1961-2010 年90 个气象站的逐日气象观测数据,采用计算参考作物蒸散量(ET₀)的Penman-Monteith 模型方法,分析了山东省ET₀对最高气温、最低气温、风速、日照时数、相对湿度的敏感性,并结合各气象要素的多年相对变化定量探讨了影响ET₀变化的主导因素。结果表明:近50 a 来,山东平均ET₀以-1.818 mm/a的趋势减少,夏季减少趋势最显著,1983 年前后ET₀发生突变。各气象要素对ET₀变化的敏感区域、与ET₀相关性地域差异明显。虽然平均风速和日照时数的敏感系数较低,但其减小趋势极显著,多年相对变化较大,使平均风速成为ET₀变化负贡献最大的气象要素,日照时数次之,最高气温贡献最低,相对湿度在沿海地区的正贡献较大。年、春、秋和冬季对ET₀变化的主导因子是平均风速,夏季是日照时数,半岛大部分地区一年四季的主导因子是相对湿度。突变后主导因子是平均风速的站点明显减少,主导因子为相对湿度的站点明显增多,由于夏季日照时数极显著减少,导致突变后夏季大多数站点对ET₀变化的主导因子为日照时数。     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

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.      

1960~2013年我国霾污染的时空变化

利用近54年（1960～2013年）我国霾日以及一些相关气象要素的观测资料,采用气候倾向估计、聚类分析、累积距平和突变检验等多种方法,分析了我国霾日数变化特征.结果表明：我国的霾污染主要发生在中东部和南部,尤以北京、山西中部和南部、河南局部地区、长江三角洲和珠江三角洲等地最为严重,我国西部和东北部地区相对较少.霾日发生的频率总体呈增加的趋势,而且与能源消耗总量有很好的正相关关系.我国霾日数的增加除了依赖于污染源排放加剧外,不利的气候条件加剧了霾天气的发生.近54年降水日数、平均风速、日照时数和相对湿度与霾日数的相关系数分别为-0.653、-0.635、-0.462和-0.699,远远超出了99.9%的信度检验标准.聚类分析表明,上升极显著、上升显著和上升明显的站点年平均霾日数近年来均有加速上升的趋势,其累积距平的变化趋势为下降-平缓-上升型.轻微上升站点上升时期为20世纪60年代至70年代末与2000年之后,累积距平为多波动型.轻微下降与下降明显的站点快速上升时期为60年代至70年代末,随后均有不同程度的下降,累积距平呈上升-平缓-下降型,且在1992～1993年间霾日数发生了由多到少的突变.     

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     

用欧氏距离系数预报舟山海域赤潮发生指数等级

通过选取1996~2007年72个赤潮发生个例为一组样本,另外选取2004年4~9月之间前后3 d之内都没有赤潮发生的92个个例为另一组样本,对赤潮发生前3 d的气压、温度、相对湿度、风速、风向、降水、日照、云量等要素及某些要素3 d的累积值、以及增温的天数、降压的天数等共30个物理量做t统计量分析,并应用欧氏距离系数进行聚类,依此来判别赤潮发生的可能性。在对2008年舟山12次赤潮进行试报中,结果令人满意。