排序方式: 共有34条查询结果,搜索用时 0 毫秒
31.
基于2015~2020年西北太平洋生成的181个热带气旋资料,海南岛18个市县臭氧(O3)小时浓度数据和气象观测资料,分析了热带气旋对海南岛O3污染的影响.结果表明,近6年共有40个(22.1%)热带气旋的生命期间海南岛出现了O3污染天气,热带气旋生成个数偏多的年份,O3污染天数也偏多,其中2019年污染天数最多最严重,高污染(≥3个市县超标)天数高达39 d(54.9%).高污染(HP)类热带气旋有逐年增多趋势,趋势系数和气候倾向率分别为0.725(通过95%信度检验)和0.667个·a-1.热带气旋强度与海南岛O3最大8 h滑动浓度平均值(O3-8h)成正相关关系,其中在台风(TY)等级,HP类热带气旋占所有样本数的比例高达35.4%.热带气旋路径聚类分析表明,南海生成影响型(A类)热带气旋生成个数最多,共有67个(37%),同时最容易造成海南岛出现大范围和高浓度的O3污染,A类热带气旋中HP的个数和海南岛ρ... 相似文献
32.
利用多模式集合和多元线性回归改进北京PM_(10)预报 总被引:2,自引:2,他引:2
本研究将多模式集合预报和多元线性回归集成方法结合起来减小空气质量预报的不确定性.首先评估了北京空气质量多模式集合预报系统中3个模式成员(NAQPMS、CAMx、CMAQ)对北京地区PM10日均浓度的预报性能,在此基础上引入多元线性回归将历史观测信息纳入进来对3个模式预报结果进行集成,并将集成预报结果与3个模式算术平均的预报结果进行比较.结果发现:1不同模式的预报结果差异较大,并没有一个模式的预报技巧完全优于其它两个模式,其中CMAQ对北京PM10变化趋势的预报优于其它两个模式,NAQPMS预报的均方根误差整体低于其他两个模式.2多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报,并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率,选定合适的训练天数(36 d)后,28个站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32%~43%,预报偏差大幅减小至5.8μg·m-3,总体预报技巧显著优于单模式和多模式算术平均的预报结果,并且采用线性回归集成方法大幅提高了对污染过程的预报能力. 相似文献
33.
北京市大气可吸入颗粒物排放源空间优化及模式验证 总被引:1,自引:5,他引:1
采用大气污染排放处理模型SMOKE,整合东亚区域排放清单及北京本地大气污染排放数据,结合人口、路网等地理信息数据,处理获得较高空间分辨率的网格化排放源,通过嵌套网格空气质量模式(NAQPMS)模拟验证表明,排放更新后,模式对2006年8月PM10小时浓度模拟效果显著提高.市区各站点平均偏差MB由-87.4~-43.2μg·m-3改善为-31.0~13.4μg·m-3;市区平均的MB由-57.3μg·m-3显著改善为-5.9μg·m-3,约束条件更为严格的平均误差ME由66.6μg·m-3下降到43.6μg·m-3;各站点模拟-实测两倍因子百分比FAC2从17%~43%上升到44%~70%,市区平均的FAC2更是达到74%;除郊区定陵站外,市区各站点归一标准均方误差NMSE从1.030~3.447下降到0.370~0.867,市区平均NMSE由1.311下降到0.303. 相似文献
34.
基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF (潜在源贡献因子)和CWT (浓度权重轨迹)等分析方法对海南省4次O3污染过程特征及潜在源区进行深入分析.结果表明:①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ(O3-8h)(最大8 h平均)分别为145.52 μg ·m-3和143.55 μg ·m-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ(O3-8h)分别为130.79 μg ·m-3和115.46 μg ·m-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O3污染天气的有利气象条件.偏北风风场控制下有利于O3-8h浓度上升,不同风速大小会影响海南省O3-8h浓度高值区分布.③ O3污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O3污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O3污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m-3. 相似文献