成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10～12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度（V）、相对湿度（RH）以及二氧化氮（NO₂）监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f（RH）模型的适用性及其改进方案.结果表明：幂函数、二次多项式、幂指函数形式的f（RH）模型在低RH条件下（RH<85%）均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下（RH>85%）的模拟值会出现较大的偏差.黑碳质量浓度（C_BC）是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_BC为自变量构建了气溶胶散射吸湿增长因子双变量f（RH,C_BC）模型,模型计算值和实测值之间的决定系数R²为0.763,平均相对误差MRE为14.28%.双变量模型f（RH,C_BC）的应用显著改善了气溶胶散射消光系数的模拟效果.     

生态质量综合评价的投影寻踪动态聚类方法

依据动态聚类思想，建立了投影寻踪动态聚类模型．并将该方法用于甘肃省生态环境质量综合评价中．与投影寻踪聚类方法相比，投影寻踪动态聚类方法不但可以作出环境质量的综合评价，而且消除了投影寻踪聚类方法中密度窗宽确定的人为因素，把寻优过程和聚类结果有机结合起来，为生态环境质量综合评价的研究开创了一条新途径．     

大气消光系数垂直分布模型及其适用性研究

大气消光系数垂直分布模型是利用卫星反演近地面颗粒物质量浓度的关键技术环节,同时也是分析边界层湍流场结构的重要途径,但其适用性问题至今尚不清晰.基于Logistic曲线模拟大气消光系数廓线的初步研究成果,结合太阳光度计（CE-318）观测的大气光学厚度（AOD）资料以及近地面能见度数据,提出了大气消光系数垂直分布Logistic模型的参数计算方法.针对成都市2013年6月~2014年5月期间的实例应用结果表明,在不稳定和中性层结条件下,Logistic模型和目前通用的负指数模型对大气消光系数垂直分布的模拟效果总体相当;但在持续稳定层结条件下,Logistic模型的模拟效果则显著占优.进一步分析指出,大气消光系数垂直分布Logistic模型更优的适用性主要在于其对近地层大气消光的复杂垂直形态具有良好的表征能力.     

成都市区夏季大气污染物浓度时空变化特征分析

为了解成都市区大气污染物浓度水平及其变化规律,统计分析了2013年6月1日—8月31日3个市区站点(十里店、梁家巷和草堂寺)SO2、NO2、O3、PM2.5、PM10和CO逐时观测资料.结果表明,观测期间O3污染严重,上述3个站点小时均值超标率分别达22%、37%和42%.大气颗粒物污染也较为严重,上述3个站点PM10日均浓度超标率分别为13%、8%和3%,而PM2.5日均值超标率分别高达34%、27%和26%.NO2和CO早晚的浓度高峰主要与机动车流量增加和混合层高度降低有关.由于紫外辐射影响,O3浓度在正午出现峰值.受机动车流量高峰和气象条件的影响,PM2.5和PM10最大值和最小值分别出现在上午和下午.通过对污染物"周末效应"的分析,发现周末O3、PM2.5和PM10的浓度显著高于工作日,SO2、NO2和CO反之.成都市区大气污染受局地排放和外源输送共同影响,其中PM10和NO2主要受局地源控制,而PM2.5、SO2和O3受外输送影响较大.     

再论自然灾害风险的定义

系统地总结了现有自然灾害风险的定义,并指出其存在的问题。重新甄别了自然灾害系统的组成要素及其作用机制,深入分析了自然灾害风险的核心内涵,据此提出了自然灾害风险的新定义,即自然灾害风险是由自然灾害系统自身演化而导致未来损失的不确定性。结合定义的相关规则,对自然灾害风险新定义进行了符合性验证。新定义不仅深化了人们对自然灾害风险本身的认识,而且明确了自然灾害风险评估的内容。     

基于投影寻踪动态聚类模型的边坡稳定性评价

投影寻踪聚类(PPC)模型在多因素聚类分析中被广泛应用并取得了满意的效果,然而,该模型还存在诸如密度窗宽参数取值经验确定等不足,有待改进提高。本文针对PPC模型存在的问题,把投影寻踪聚类的思想和动态聚类方法结合起来构造投影指标,建立了投影寻踪动态聚类(PPDC)新模型,新模型在整个运算过程中毋需人为给定参数,聚类结果客观、明确。边坡稳定性评价的实际应用表明,PPDC模型不仅切实可行,取得了理想的效果,而且还具有稳定性好、操作简便等特点。PPDC模型为多因素聚类分析提供了一种新方法,具有广阔的应用前景。     

耦合气溶胶双参数化方案的大气能见度数值改进算法

将气溶胶复折射率（Aerosol Complex Refractive Index,ACRI）和气溶胶粒径吸湿增长因子（Growth Factor,Gf（RH））参数化方案进行耦合,提出了一种基于Mie散射模型的大气能见度数值改进算法.并利用成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪分别观测获得的相对湿度（RH）,干气溶胶散射系数（b_sp）,干气溶胶吸收系数（b_sp）,气溶胶质量浓度（PM₁₀,PM_2.5,PM₁）及其数浓度粒径分布（N[r（RH）]）的地面逐时观测资料,通过与两种能见度计算模型（经验参数的Mie散射模型和统计模型）在不同能见度区间（<2km,2~5km,5~10km,>10km）模拟结果的对比分析,评估了该改进算法的适用性.结果表明：三种能见度计算方法均能较好地模拟出能见度的变化特征;改进算法通过本地化参数化方案更准确地估计出DACRI和Gf（RH）,从而可更准确地模拟出四类能见度区间,对应模拟值与实测值的相关系数（R）分别为0.62,0.90,0.89,0.93,平均相对误差（MRE）分别为9.86%,10.39%,9.94%,14.06%.     

污染条件下成都市PM_(2.5)干沉降速率的模拟分析

利用成都市三瓦窑、沙河铺国控环监站2015年9月—2016年8月逐时PM_(2.5)监测数据,结合同期双流国际机场公布的地面气象要素(风场、温度、湿度和压强)以及温江站风速探空资料,首先统计分析了成都市风场、温度和湿度的基本特征,然后计算了污染条件下PM_(2.5)干沉降速率,并建立了适用于不同季节的GIFM模型和多元回归预测模型。结果表明:基本气象要素场的配置以及特殊地形导致了成都市PM_(2.5)干沉降环境恶劣,同时四季差异较大;污染条件下PM_(2.5)干沉降速率约为0.02~0.1 cm/s,表现为冬季<秋季<年<春季<夏季,四季的主要影响因子也不同,秋冬为湿度和压强,春季为温度,夏季为风速,且湿沉降强度过大时,会出现PM_(2.5)干沉降速率的"虚高"现象;GIFM模型和多元回归模型均能很好地预测污染条件下的PM_(2.5)干沉降速率,其预测能力均是夏季最好,冬季最差,春秋次之,通过对比分析表明GIFM模型的预测能力在各季节均优于多元回归模型。     

长沙地区O3污染潜势广义可加模型的季节分异性

基于长沙市2016—2019年臭氧（O₃）浓度的逐时监测资料以及该时段同时次的气象观测数据,首先利用相关性分析和方差膨胀因子相结合的方法排除了相对湿度、太阳辐射、气温、风速、气压之间存在多重共线性问题,进而构建了春、夏、秋、冬四季O₃日最大8 h滑动平均质量浓度（O₃-8 h）与上述气象因子的广义可加模型（GAMs）,分析了O₃污染潜势GAMs模型的季节分异特征。结果表明：①春、夏、秋、冬四季O₃与相对湿度、太阳辐射、气温、风速、气压各变量之间多呈现出非线性关系（自由度大于1）。②春、夏、秋、冬四季多变量GAMs模型方差解释率（IRV）分别为80.7%、60.2%、83.0%、81.4%,调整判定系数R²分别为0.795、0.564、0.819、0.795,即不同季节气象因子在GAMs模型中对O₃的解释能力存在显著差异,秋季最好,冬春季次之,夏季最差。③相对湿度、太阳辐射、气温是决定春、夏、秋、冬四季O₃浓度变化最重要的气象要素,但其重要性排序随季节有所变化,对应的太阳辐射的F统计值分别为140.841、36.606、14.16、46.377,相对湿度的F统计值分别为3.291、4.158、15.82、8.105,气温的F统计值分别为7.030、2.113、15.79、3.340。该结论揭示了气象因子对O₃演化影响的复杂性,并为后续O₃污染潜势的预报奠定了基础。     

重庆市大气污染特征及其影响因素分析

该文通过对2002-2007年重庆市环境空气质量资料做统计分析,评价了近几年重庆市区的大气环境污染状况,并分析了重庆市大气污染的主要特征及其影响因素,得出了相应的结论并提出了一些具体的建议。