2015—2020年广东臭氧污染特征、污染天气分型及局地气象要素影响

利用2015—2020年广东省102个国控大气环境监测站臭氧(O₃)监测数据、广东省21个地市国家基本气象站地面气象观测数据和欧洲中期天气预报中心(ECMWF)第五代大气再分析全球气候数据(ERA5再分析资料)，研究了2015—2020年广东O₃污染特征、污染天气分型及局地气象要素影响.结果表明：2017—2019年广东O₃污染较严重，4—5月O₃浓度逐步上升，6月出现一定下降后7月开始持续上升，峰值出现在9—10月；珠三角O₃超标率明显高于全省其他地区，粤东O₃超标率低于全省平均水平，但浓度平均值高于全省其他地区.基于自组织映射(SOM)方法，将2015—2020年逐日海平面气压和10 m水平风进行分型得到12类环流型，按污染程度分为“污染天气型”、“轻污染天气型”和“清洁天气型”.其中“污染天气型”有台风外围叠加副高型、冷锋前部型、热带系统降水前静稳型、高压底前部型4类.12类天气型所对应的O₃浓度与日照时数、最高气温呈显著正相关...     

连云港市冬季霾污染成因分析及应急管控效果评估

针对2022年1月5—14日连云港发生的细颗粒物（PM_2.5）连续污染事件（PM_2.5超标共计5 d），基于常规空气质量参数、气象要素、颗粒物组分参数等数据资料，系统分析了污染期间PM_2.5时空变化特征及污染成因，结合大气化学与天气预测模式（WRF Chem）和敏感性试验方法，定量评估了应急减排措施对连云港各区县PM_2.5浓度的影响。结果表明，5 d超标日中有3 d为轻度污染，2 d为中度污染，全市PM_2.5浓度呈现先上升后下降的趋势。不利的气象条件（静稳、小风、高湿）、本地排放（机动车尾气、工业工艺源）和二次生成共同导致了PM_2.5污染的发生。实施黄色预警管控后，ρ（PM_2.5）平均值下降了4.6μg/m³，降幅为5.2%，其中东海县和灌云县ρ（PM_2.5）的降幅最大，分别为6.1%和8.3%，同时污染天ρ（PM_2.5）峰值平均下降了9.4μg/m³（6.0%）。通过PM_2.5过程分析方法发现，应急减排导致人为排放、化学过程和背景浓度对近地面ρ（PM_2.5）正贡献的减少量要显著大于垂直混合、区域输送和对流过程负贡献的增加量。     

2022年持续高温期四川盆地臭氧污染气象条件分析

对2022年8月6～28日持续高温期四川盆地臭氧污染气象条件进行分析，可为该地区今后根据气象条件进行夏季臭氧污染防治提供相关的理论依据。利用地面臭氧和气象要素观测数据计算该时期各要素平均值，并与2019～2021年同期进行比较，得出以下结果：(1)2022年分析时段四川盆地的平均臭氧浓度和臭氧污染日数高于2019～2021年同期，各区域分布趋势为成都平原>川南>川东北；(2)同时期地面气温和辐射空间上呈东高西低特征，2022年为历年峰值，降水和相对湿度空间上呈西高东低特征，2022年为历年谷值，气象条件分布能较好的与臭氧实况分布相对应；(3)2022年分析时段地面气温和辐射的区域分布趋势为川南>川东北>成都平原，累积降水量和相对湿度的区域分布趋势为川南<川东北<成都平原，与臭氧污染分布趋势略有差异，这可能是因为气象条件是臭氧污染发生的重要影响因素之一，但不是唯一影响因素，臭氧污染的发生还受前体物排放等因素影响。对典型臭氧污染过程及气象条件进行分析，有助于为区域臭氧污染防治提供科学依据，同时为其他地区进行相关研究提供借鉴作用。     

深度学习在危险天气自动识别中的应用研究

基于机器视觉的危险天气自动识别技术近年来已成为研究热点，但模型识别准确率不高和模型不够轻量化是该项技术面临的主要问题。针对上述问题，提出了一种利用CycleGAN网络自动扩展危险天气数据集的方法，有效解决了数据集数据量不足、数据类型不平衡的问题。同时，还提出了一种三通道融合卷积神经网络(3-Channel Convolutional Neural Network, 3C-CNN),该网络主干分支采用迁移学习的技术方案，并利用多分支结构提取并融合天气图像中的整体与局部特征。结果表明，利用CycleGAN网络扩充的WeatherDataset-6Plus数据集能够有效改善深度学习模型的训练性能，3C-CNN模型的6类天气现象综合识别准确率达到了98.99%,识别速度达到220帧/s。该方法在保证准确率的同时实现了模型的轻量化，有利于其在嵌入式设备中部署。     

逆行而上 护林为民——宜兴市森林消防大队护航平安二三事

山火,考验森林卫士逆行而上的勇气,考验森林卫士护林为民的智慧……3月份以来,晴好天气增多,天干物燥,森林防火形势严峻。在大山密林间,“森林卫士”们用行动诠释什么是火场“铁军”。