排序方式: 共有38条查询结果,搜索用时 15 毫秒
31.
基于激光雷达分析一次重霾过程混合层高度 总被引:2,自引:1,他引:1
为深化对冬季重霾天气大气混合层高度的认识,利用Mie散射激光雷达观测了成都市2014年1月23日至2月4日一次典型重霾天气过程。基于Mie散射激光雷达探测获取的后向散射系数,使用SBH99算法计算了该过程的混合层高度,并系统分析其演变特征及其与气象因子的关系,研究结果表明:将激光雷达探测的混合层高度与探空曲线表征出的混合层高度进行对比分析,结果显示两者具有较好的一致性,相关系数为0.893 4;此次重霾过程中,混合层高度平均值较低,约378 m;霾天气发生后,混合层高度显著下降,并且混合层高度的最大值与最小值之间差距缩小,日变化波动不明显;混合层高度的发展与空气温度的变化趋势呈正相关关系,与相对湿度呈负相关关系。 相似文献
32.
通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据(大气能见度,相对湿度RH和NO2质量浓度),评估了算法的性能及其适用性.结果表明:对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障. 相似文献
33.
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 相似文献
34.
35.
利用成都市2016~2019年6~8月O3浓度的逐时监测数据以及该时段同时次的地面气象观测资料,构建了O3污染潜势3维(紫外辐射、相对湿度和气温)Copula联合概率分布模型,并开展了模型的适用性研究.首先,通过对SciPy库概率分布函数的优选,确定了不同O3浓度等级条件下紫外辐射、气温和相对湿度的最优边缘概率分布函数(均通过了显著性水平a=0.05的K-S检验);其次,计算了3种Copula联合概率分布函数的均方根误差(RMSE值)、赤池信息准则(AIC值)、贝叶斯信息量(BIC值),并借助Anderson-Darling检验,发现非对称3维frank Copula联合概率分布函数(M3Copula)可以最佳地表征不同O3浓度等级条件下紫外辐射、相对湿度和气温的联合概率分布特征;最后,将不同O3浓度等级条件下M3Copula联合概率密度作为对应O3浓度等级的隶属度,O3污染潜势的分类结果对实际O3浓度等级具有较好的指示意义,模拟的平均准确率为63%,其中优等级、良等级、轻度污染等级以及中度及以上污染等级的模拟准确率分别为82%、64%、48%和75%. 相似文献
36.
成都市温江边界层风场特征的研究 总被引:1,自引:0,他引:1
着眼于成都地区污染气象特征,利用温江2004年~2012年的地面观测资料及同期的探空资料,对该地区风场的统计特征进行了分析。结果表明:(1)从风频而言,温江地面风春、夏、秋3季均以偏北风为主,冬季则以东北风为主,因此,全年的主导风为偏北风。(2)从风速而言,区域静风和小风频率较高,占全年的68.7%;近10年来,温江年和4季的平均风速均呈现出减小趋势。(3)基于修正的帕斯奎尔稳定度分级法,利用幂指数律公式拟合了风随高度的变化,发现风廓线指数比国标值偏高,并随稳定度的增加而增大。(4)风速、稳定度联合频率的大值区主要出现在风速小于3m/s、稳定度为D~E类。上述研究成果对区域大气环境规划和工程治理具有重要的参考价值。 相似文献
37.
成都市O3浓度的时间变化特征及相关因子分析 总被引:8,自引:7,他引:1
为深入认知成都市O_3浓度的时间变化规律及其影响因子,基于2013年1月1日—12月31日市区站点O_3、NO、NO_2、NO_x的逐时监测资料以及成都市气象站的气象数据逐时观测资料,据此对O3的季变化、日变化、"周末效应"、"节假日效应"进行了讨论,并对其浓度影响因子进行分析。结果表明:成都市O_3浓度季变化呈现明显夏高冬低的特征,浓度最大值出现在8月。O_3浓度日变化为单峰型,夏季峰值出现在15:00,冬季峰值出现在16:00。市区存在"周末效应",即周末O_3浓度总体比工作日高;"节假日效应"则表现出复杂多变性,受气象条件以及人为活动等多种随机因素的影响。O_3日平均浓度与NO、NO_2、NO_x、相对湿度呈明显负相关,与温度、风速呈明显正相关。 相似文献
38.
聚类数和聚类方法是聚类分析研究的核心,具有重要的实用价值。针对各单项大气质量监测指标的不相容问题,在投影寻踪动态聚类模型的基础上,通过引入S型曲线作为投影方式,提出了基于曲线投影动态聚类的大气质量监测布点研究新方法。从理论上讲,作为一种完全由数据驱动的方法,该模型充分体现了投影寻踪聚类的设计思想,能把最佳聚类数和对应的聚类结果的分析有机地融合在一起,具有物理意义清晰,可操作性强等特点。实例应用结果表明,通过把待研究地区大气监测点多维指标综合成一维投影指标,并利用免疫进化算法优化目标函数,模型能提供明确、客观及稳健的监测布点最佳方案,实现大气质量监测经济性和代表性的平衡。上述研究可为其它非线性、非正态高维数据分类问题开辟一条新途径。 相似文献