云量数据对点源污染物大气扩散预测结果的影响分析

以距离污染源38.3 km的基本站地面气象观测资料作为标准情景,对比了卫星反演总云量方案和距污染源53.46 km的基准站云量方案2种方案情景,研究使用替代云量数据进行污染源大气扩散预测的可行性。研究发现,距离污染源53.46 km的基准站云量方案与标准情景的相关性和符合度优于卫星反演总云量方案,原因在于低云量是影响地面接收太阳辐射的关键性参数,不稳定条件下影响总入射太阳辐射、净辐射等边界层参数的估算结果,稳定条件下影响温度尺度、地表摩擦速度等边界层参数估算结果。卫星反演只能得到总云量数据,同时数据反演过程中存在算法精度的影响,导致卫星反演云量数据预测结果的相关性和符合度较差。     

AERMOD模型地表参数标准化集成系统研究

针对大气环境影响评价工作中存在的一些问题和需求,构建了基于全国高分辨率土地利用数据、GIS地理信息系统、AERSURFACE地表参数处理模块的集成系统.该系统以研究区域土地利用类型为核心,着眼于通过标准化、自动化的方法提高AERMOD的模拟效果,最终建立一套全国地表参数综合数据库.结合内蒙古上都电厂的现场监测结果,对该系统修正后的地表参数进行模拟验证,结果表明,修正后模拟结果的FB值和RHCR值分别为0.37、1.41,相比于修正前的结果更加接近0和1,说明了经AERSURFACE修正后的地表参数更能反映真实的扩散情况.     

气象工作在北京站材料腐蚀控制研究中的进展

气象因素观测是国家材料环境腐蚀试验工作的重要组成部分,从气象观测角度的发展来展示材料的腐蚀控制研究的进展.以表格、数据、图片形式实事求是介绍了工作内容,表明北京环境试验站近两年实现了质的改造,很适于试验研究.     

CO中毒的环境气象因子分析及预测方法研究

利用2006年9月~2007年3月全国CO中毒病例资料,选取日发病人数为8人以上的CO中毒事件发生日作为样本,对CO中毒的气象条件进行了分析研究.结果表明,微风或者静风、大气层结稳定的气象条件不利于CO气体的扩散,同时,气温变幅较小、气压下降、云量多和气体湿度大也可能间接导致CO中毒事件的发生.用风速、大气稳定度、24h变温、24h变压、总云量和相对湿度作为预报因子,利用阈值加权平均的方法,初步建立了区域性CO中毒气象潜势预报模型.     

热水器生命周期环境影响评价模型及其应用研究

在现有热水器环境影响评价方法比较的基础上,用生命周期环境影响评价方法建立热水器的环境影响评价模型,计算分析热水器产品资源消耗、臭氧耗竭、能源强度和全球变暖四个指标,分析评价结果表明,四个指标在生命周期贡献值大小依次是臭氧耗竭、全球变暖、能源强度和资源消耗.热水器环境影响较大的零部件有压缩机、制冷剂、电机和铜管等.并对比分析了四种环境影响评价方法,得出生命周期环境影响评价模型是较为全面的评价模型.     

神经网络模型在O_3浓度预测中的应用

O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器（Multi-Layer Perceptron）和多元线性回归2种模型,以广州万顷沙站2006年的气象观测数据为输入,对该站O3的1 h平均峰值浓度进行提前1 d的预测,并比较了2种模型的预测效果.模型的输入参数为前1d O3的最高1h平均浓度和第二天...     

廊坊市夏季臭氧体积分数影响因素及生成敏感性

基于廊坊市夏季近地面O_3体积分数及其前体物VOCs和NO_x体积分数数据,结合气温、风速风向、总云量和太阳辐射强度等气象资料,分析了O_3体积分数的日变化规律以及气象因素对其的影响;利用VOCs/NO_x比值法和EKMA曲线法分析了O_3的生成敏感性.结果表明:(1)廊坊市夏季O_3生成速率及其体积分数与太阳辐射强度为显著正相关,皮尔森相关系数r分别为0.61和0.48,其中O_3生成速率和太阳辐射强度都在12:00左右达到峰值,而O_3体积分数在16:00达到峰值,滞后太阳辐射强度峰值4 h;(2)O_3生成速率及其体积分数与气温呈正相关,皮尔森相关系数分别为0.44和0.68;与总云量呈负相关,皮尔森相关系数分别为-0.24和-0.45;(3)风向为偏西风、偏南风或东南风时,廊坊市夏季O_3体积分数易出现高值;(4)廊坊市夏季整体处于VOCs控制区,O_3体积分数的最优控制措施为短期内优先削减VOCs,中长期协同减排NO_x和VOCs.     

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.      

中国地表臭氧浓度估算及健康影响评估

在PM2.5浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升(XGBoost)臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度(O3_8h),用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清...     

基于风险神经网络的大气能见度预测

针对空气污染导致大气能见度降低的预测研究,构建了一个风险神经网络模型,模型以6个气象因子、3种主要污染物(SO2,NO2,PM10)浓度和能见度作为输入因子,输出为24h后能见度的预测值.该模型对低能见度情况的数据给予相对较高的风险值,而对高能见度情况的数据则给予相对较低的风险值.以天津市2003~2007年的气象数据对模型进行检验,结果表明该风险神经网络模型优于传统神经网络模型和线性回归模型.     

影响赤潮的气象因素分析

以 1 998年 7～ 1 0月辽东湾海域赤潮为例 ,分析了气象因素对赤潮全过程的影响。分析表明 :气温、降水、光照、风速等气象因素与赤潮的发生、发展和消亡有密切的关系 ,气象条件是诱发赤潮的关键因素。在温度适宜的情况下 ,降水量的多少对赤潮的发生、发展有关键的作用。最后探讨了利用气象因素与赤潮的关系进行赤潮发生、发展的气象潜势预报的基本思路     

A preliminary study on measurements of black carbon in the atmosphere of northwest Qilian Shan

Black carbon (BC) concentration and meteorological data are measured discontinuously from May 2009 to March 2011, at the Qilian Shan Station of Glaciology and Ecologic Environment (hereafter “QSSGEE”), located near the terminal of the Laohugou No.12 Glacier in northwestern Qilian Shan, China.We measured the daily, monthly and seasonal variations of BC concentration in the atmosphere and discussed the possible emission sources. Black carbon background concentration in this region varied in the range of 18-72 ng/m³ with the highest in summer and the lowest in autumn. The relations between BC concentration and surface wind direction indicated that BC concentration was higher when northwest wind prevails while lower when southeast wind prevails. Air masses backward trajectories showed the potential emission sources in the northwest. Significant positive correlations between daily mean BC concentration and relative humidity indicated that BC might be one of important cloud condensation nuclei. This hypothesis needs to be confirmed further through cloud microphysical features in this region.     

气象要素变化对城市空气质量影响的评估方法与应用——以PM2.5为例

从城市尺度空气质量模型和平流扩散理论出发,通过对气象要素归类,利用空气质量与各类气象条件对应排放源强表征量的关联,建立了气象要素变化对城市空气质量影响的评估方法.该方法考虑了包括风(风速和风向)、云量、太阳辐射强度、大气稳定度、混合层高度等基本气象要素,能定量有效评估长期气象要素变化对空气质量的改善幅度.该方法在河南省鹤壁市的应用表明,相对2020年,2021年PM_2.5浓度下降7.2μg/m³,气象要素变化和人为减排分别下降0.4和6.8μg/m³,占改善浓度的5.6%和94.4%,人努力起到主导作用;从季度来看,大气污染防治工作使夏、秋、冬季PM_2.5浓度均有所降低,其中冬季下降27.8μg/m³,减排措施贡献16.8μg/m³,人努力效果尤为显著.     

佛山臭氧浓度预报方程的建立与应用

臭氧作为大气中的二次污染物,其形成和变化复杂,臭氧预报更是当下空气污染治理的难题之一.通过分析2014~2017年佛山地区近地面O₃浓度与高低层气象要素的关系,建立了佛山O₃浓度预报方程,并进行了检验和应用.结果表明,佛山近地面O₃的变化与高低层气象要素关系密切,气温和日照时数等气象要素与O₃浓度呈显著正相关,相对湿度、总（低）云量和风速等与其呈负相关;高浓度O₃污染发生的气象条件为小风速、晴间少云、低相对湿度、较长的日照时间和较高的温度,高浓度O₃潜势指数（HOPI）和风向指数（WDI）的定义可以较好地衡量O₃污染气象条件的好坏;综合考虑HOPI和不同高度WDI等13种气象要素,采用多指标叠套和多元逐步回归建立了佛山地区臭氧浓度预报方程;利用2018年资料检验发现,模拟值与实测值二者的相关系数R可达0.82,预报方程具有良好的拟合效果和可预报性.     

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.     

Impacts of environmental factors on urban heating

This study investigated the impact of important environmental variables (i.e.,wind speed,solar radiation and cloud cover) on urban heating.Meteorological parameters for fifteen years (from 1990 to 2005),collected at a well developed and densely populated commercial area (Tsim Sha Tsui,Hong Kong),were analyzed in details.Urban heat island intensity (UHII),a well known indicator of urban heating,has been determined as the spatially averaged air-temperature difference between Tsim Sha Tsui and Ta Kwu Ling (a thinly populated rural area with lush vegetation).Results showed that the UHII and cloud cover have increased by around 9.3% and 4%,respectively,whereas the wind speed and solar radiation have decreased by around 24% and 8.5%,respectively.The month of December experienced the highest UHII (10.2°C) but the lowest wind speed (2.6 m/sec) and cloud cover (3.8 oktas).Conversely,the month of April observed the highest increases in the UHII (over 100%) and the highest decreases in wind speed (over 40 %) over fifteen years.Notably,the increases in the UHII and reductions in the wind speed were the highest during the night-time and early morning.Conversely,the intensity of solar radiation reduced while the intensity of urban cool island (UCII) increased during solar noon-time.Results demonstrated strong negative correlation between the UHII and wind speed (coefficient of determination,R2=0.8) but no negative correlation between UCII and solar radiation attenuation.A possible negative correlation between UHII and cloud cover was investigated but could not be substantiated.     

CCSM4/WRF-CMAQ动力降尺度预估RCP8.5情景下京津冀地区空气质量的潜在变化

目前,针对气候变化对区域空气质量影响的研究相对较少,并且多采用统计降尺度方法对全球气候模式结果进行处理.采用WRF中尺度气象模式对CCSM4气候模式的CMIP5 RCP8.5情景预估结果进行动力降尺度处理,并为CMAQ空气质量模式提供气象场;在2012年清华大学MEIC大气污染物排放清单的基础上,选取2005年作为气候现状代表年、2049-2051年作为未来气候代表年,对京津冀地区典型月份（1月、4月、7月、10月）的气象及空气质量数值模拟结果进行对比,以此预估气候变化背景下京津冀地区空气质量潜在变化.结果表明,在排放情况不变及RCP8.5情景下,未来代表年与现状代表年相比,京津冀地区以典型月份为代表的年均气象因素整体呈现温度升高,风速、相对湿度及大气边界层高度均降低的趋势;年均大气污染物浓度整体呈现升高的趋势,其中,温度升高约0.8℃,风速降低约0.11 m/s,相对湿度降低约2%,大气边界层高度降低约8 m,ρ（PM_2.5）升高约2.4 μg/m3,ρ（SO₂）升高约1.8 μg/m3,ρ（NO_x）升高约1.0 μg/m3;此外,主要的气象条件（温度、风速、相对湿度、大气边界层高度）中,风速及大气边界层高度的降低可能是造成这些大气污染物浓度变化的主要气象因素,并且风速及大气边界层高度的降低与ρ（PM_2.5）降低的相关系数分别约为-0.44和-0.26.研究显示,气候变化会对京津冀地区造成污染物浓度升高的潜在风险,同时由于现阶段缺乏可用于空气质量模式的未来排放情景数据、在线耦合模式日臻完善,在我国气候-空气质量的研究领域亟待进行更深层次的研究.      

直升机飞行危险天气区数值建模方法研究

探讨了直升机飞行气象要素和危险天气区（颠簸区、强风切变区、低云区和飞机积冰区）的数值建模方法,并基于中尺度大气数值模式WRF,开发了直升机危险天气区数值建模系统,形成了适用于直升机飞行训练仿真的危险天气数据模型。