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.      

2018年济南市PM2.5叠加沙尘重污染过程分析

为揭示重污染过程中多因素的综合作用,选取济南市2018年11月25日-12月4日一次长时间、高强度PM_2.5污染和沙尘混合的重污染过程,利用气象资料、空气质量监测结果、激光雷达探测资料及水溶性离子在线数据,开展污染特性以及潜在污染源综合分析.结果表明:①研究期间,首要污染物为颗粒物,ρ（PM₁₀）、ρ（PM_2.5）平均值分别为294、141 μg/m3,污染较严重.②根据ρ（PM_2.5）/ρ（PM₁₀）将此次重污染过程分为4个阶段,阶段Ⅰ~Ⅳ总水溶性离子浓度分别为（107.3±35.9）（95.2±34.5）（99.0±18.2）（29.3±9.3）μg/m3,分别占ρ（PM_2.5）的73.8%、56.9%、64.2%和43.2%.SOR（硫氧转化率）分别为0.47、0.42、0.55、0.25,NOR（氮氧转化率）分别为0.42、0.26、0.28、0.13,表明济南市大气中出现了显著的二次转化过程,SOR均大于NOR表明SO₄2-转化程度高于NO₃-.NO₃-/SO₄2-（质量浓度比）分别为2.97、1.75、1.69、1.45,表明此次污染各阶段中氮和硫的来源以移动源为主.③此次重污染过程济南市ρ（PM_2.5）受本地及周边城市传输和两次沙尘过境的综合影响,主要潜在污染源有山东省本地以及江苏省北部、安徽省北部、内蒙古自治区中部和京津冀地区等区域.④近地面均压场、高湿、小风等不利气象因素是导致此次重污染过程的重要因素.研究显示,济南市此次污染过程是不利气象条件、污染物一次积累和二次转化、区域污染传输、沙尘天气等多因素综合作用的结果.      

城市化对长三角地区极端气温影响的时空分异研究

论文利用长三角地区65个气象站1960—2014年日最高、最低气温资料,分析并比较了大城市站、一般城市站和乡村站极端气温指数变化趋势以及城市化对大城市站和一般城市站各极端气温指数趋势变化的影响。结果表明：极端气温暖指日数明显增加,冷指日数明显减少,极值指数呈微弱上升趋势。暖指数城市站比乡村站增加趋势明显,冷指数城市站比乡村站减少趋势明显。除月最低气温极小值外,其他极值指数变化趋势在城市、乡村间差异较小。大城市站冰冻日数、霜冻日数、冷（暖）昼日数和月最低气温极小（大）值城市化影响显著,一般城市站冰冻日数、霜冻日数和月最低气温极小值城市化影响显著,城市化对极端气温影响明显的是长三角北部、江苏南部和浙东南的部分城市站点。冷昼日数城市化效应在冬季较明显,暖昼（夜）日数城市化效应在夏季较明显,春季、夏季、冬季城市化对极值指数的影响显著。     

水质监测频率与极端气候对高原湖泊入湖河流氮磷通量估算的影响

河流是流域氮磷营养盐的主要输出途径之一,准确掌握其通量变化和驱动因素对流域营养盐管理具有重要意义.本研究以滇池主要入湖河流宝象河为例,基于周水质观测数据和逐日水量数据,构建了河流氮磷通量LOADSET模型.估算了宝象河不同时间尺度(日、季、年)TN和TP的通量,评估了4种低频水质采样和极端气候指数对河流氮磷通量计算的影响.结果表明:(1)2018年宝象河的TN和TP年通量分别为270.49 t和11.19 t,存在显著的年内差异,夏季是通量最高的季节,分别占TN和TP年通量的40.78%和41.96%.(2)基于LOADEST模型的低频水质采样的氮磷估算结果与高频采样差异较小,宝象河TN、TP通量估算受采样频率影响较小.(3)宝象河的TN和TP通量变化受连续5日最大降水量、平均最低气温、平均最高气温、最低气温、最低气温极大值、最高气温极小值和平均温差7种极端气候指数的显著影响.     

2014年10月中国东部持续重污染天气成因分析

2014年10月5─13日中国东部发生了大范围、长时间的(雾)霾及重污染天气. 采用AQI数据分析此次大气重污染过程的时、空演变特征,并应用NCEP(美国国家环境预报中心)再分析资料以及地面、小球探空数据,分析了主要天气型演变、边界层及上空的风场、气象条件特征,以研究此次秋季重污染天气的气象成因和形成过程. 结果表明:①华北、东北是此次污染最为严重的地区,其域内各城市持续数日的污染演变可分为AQI显著上升、持续高值、下降3个阶段. ②在AQI上升阶段(10月6—8日),受大陆高压控制,东部地区出现较弱地方风场和偏南风输送风场,风速在0～2 m/s,相对湿度在22%～86%,3 000 m逆温显著利于污染物积累. ③在持续污染阶段(10月8—11日),海上高压滞留,再加上台风“凤凰”北上阻挡大陆高压影响,使东部地区出现持续4 d的偏南风、偏东风弱风场,风速在1～4 m/s,相对湿度为57%～96%,造成严重污染. ④在AQI下降阶段(10月11—12日),后续大陆高压南下,前部冷锋利于污染物清除,风速达到6 m/s,是AQI降低的主要天气背景场. 因此,持续出现的稳定天气形势是导致此次中国东部重污染天气的主要气象原因.      

西安市大气颗粒物数浓度分布及典型天气条件特征变化

利用2013年3月到2014年12月期间西安市大气中0.25～32μm颗粒物监测数据和同期气象参数、散射消光系数等数据,分析了大气颗粒物数浓度分布及典型天气条件下变化特征.结果表明:采样期间西安市大气颗粒物平均数浓度为206.27个/cm3, 99%以上为<1μm的颗粒物数.大气颗粒物数浓度冬季最高,其次为秋、夏和春季,分别为267.66、231.31、141.82和135.77个/cm3.四季的数浓度低值均出现在18:00左右,之后数浓度上升,且晚上高于白天,冬季6:00左右达到峰值,夏季的昼夜差最小,秋季最大.春夏秋冬的大气颗粒物数浓度与散射消光系数的Pearson相关系数分别为0.756、0.702、0.411、0.377.大气颗粒物数浓度在沙尘天气发生前、中、后会升高、下降和再下降,霾天气出现前、后会升高和下降;高温干燥天气下,大气颗粒物数浓度相对较低;降雨对大气颗粒物的清除作用明显,但降雨后大气颗粒物数浓度又很快回升.     

极端温度下帐篷内部热环境适应性实验及模拟研究*

为揭示民用救灾帐篷热环境适应性变化规律,通过大尺度环境气候舱构建高温与低温环境,采用Ansys Fluent商用软件代码进行仿真验证,并对帐篷蓬围结构和内部热环境分布变化规律进行实验与数值模拟。研究结果表明:使用大尺度环境舱直接进行模拟帐篷内外热环境变化可行,其内部热环境变化规律与实验基本一致;帐篷特殊的篷围结构导致高温环境下帐篷内部温度高于外界,帐内人员头部和脚部温差可达5 ℃,低温环境下帐篷同一高度横向区域温度对称分布,在中心区域温度较低,边缘和中心温差近8 ℃。     

基于元胞自动机的极端降雨下地铁疏散模拟*

为研究地铁系统在极端降雨灾害下的人员疏散过程,分析人员疏散过程影响因素和改善方法,将数值模拟方法与模糊逻辑理论相结合,在传统元胞自动机疏散模型中引入人员疏散行为选择机制,模拟地铁隧道遭受洪水侵入以及采取改善措施后的疏散情况。研究结果表明:引入人员疏散行为选择机制可以较真实地模拟极端降雨下受限空间中的人员疏散过程;采取改善方案后,人员被迫改变疏散行为的比例下降53.95%,人群疏散安全度由0.201提升至0.633;当采取与防洪能力不适应的疏散平台高度时,疏散安全度较采取合理设施时平均下降30%且差异较大;硬件设施满足安全度达到0.6为宜,按照最终安全度为1设计疏散方案,可使硬件设施设计与疏散方案制定更加合理配套。研究结果可为地铁系统防洪设计与管理提供参考。     

秋季养生五法

一、调饮食.经过酷暑炎夏,天气转凉,人体耗损很大,体质较弱,适应能力较差,需要通过调节饮食来补充人体不足,最宜多食养阴防燥、滋阴润肺的食品,如蔬菜、红枣、莲子、芝麻等柔润之品.