Vertical distributions of COS and CS2 in Beijing City

Vertical distributions of COS and CS2 were measured at a meteorological tower in Beijing City. The mixing ratios of COS and CS2 are in the range of 371--1681 pptv and 246--1222 pptv, respectively. The significant high mixing ratios of the two compounds at ground level and distinct vertical distributions indicated the existence of strong anthropogenic sources of COS and CS2 in Beijing City. Domestic stoves and central heaters are important sources of COS during winter season. Cesspools may play significant role on COS over whole seasons. Chemical productions may be responsible for the observed hiah mixina ratios of CS2 in Beiiina Citv.     

广州市大气TSP浓度变化及其与气象因子的关系

利用实地监测大气TSP浓度和局地气象数据,研究了2005年至2006年广州市不同功能区大气TSP浓度变化及其与气象因子的关系。结果表明,工业区大气TSP月平均浓度0.273mg/m3最高,显著高于交通繁忙区的0.207mg/m3;极显著高于商业区的0.180mg/m3、社区的0.155mg/m3和对照郊区的0.142mg/m3。研究显示,广州市大气TSP污染仍然比较严重。广州市大气TSP浓度与降雨呈现负相关性,与温度呈极显著的负相关性,与相对湿度呈显著的负相关性,与风速呈负相关性,与风向的相关性不明显。各功能区大气TSP浓度与局地气象因子也存在类似的规律。     

四川地区气溶胶光学厚度时空分布及其与气象因子的相关性分析

应用MODIS资料和中国地面累年值月值数据集探讨了四川地区2008~2017年气溶胶光学厚度(AOD)时空分布和变化趋势,并分析了2008~2016年AOD与气象因子的相关性。结果表明:四川地区AOD在10a间整体呈先增加后减少的趋势,其中2010年为高值年,2017年为低值年,分别为0.46和0.21。月均值AOD呈双峰型分布,在2月和8月达到峰值,分别为0.44和0.32。空间分布上,东部为高值区,西部为低值区。东部地区AOD下降趋势显著,西部AOD上升趋势不显著;四川盆地AOD与温度显著正相关,与相对湿度和气压显著负相关,与风速、降水相关性较低。     

空气质量与气象因子间关联规则的挖掘方法研究

传统数据相关性分析仅能揭示空气质量与气象因子之间的相关系数,关联规则挖掘方法使用支持度、置信度、作用度、兴趣度等指标能够发掘隐藏在大量监测数据内部的关联规则。文章使用SQL语言实现了Apriori算法,挖掘出研究区内空气主要污染物浓度与气象因子之间的关联规则,定量表示气象因子变化对主要污染物浓度的影响。     

敦煌地区温湿度和日温差的极值特性研究

目的建立敦煌地区温度、相对湿度和日温差的年极值拟合模型。方法根据当地气象站台温度和相对湿度日记时值数据,连续统计若干年的三要素年极值,采用极大似然法建立各要素年极值的Gumbel模型,同时讨论值域有界类气象因素极值再现期的定义域。结果给出了敦煌地区温度、相对湿度和日温差年极值的Gumbel模型参数。结论敦煌地区各气象因素Gumbel模型位置参数和尺度参数,温度极大值分别为35.193,1.072℃,温度极小值分别为-20.085,1.945℃,相对湿度极大值为95.254%,2.471%,相对湿度极小值为5.837%,1.505%,日温差极大值为20.676,0.777℃,日温差极小值为1.398,0.593℃;相对湿度极大值、相对湿度极小值和日温差极小值的再现期定义域分别为6.3,47和10年。     

辽宁省空气质量预报体系建设初探

空气质量预报是对未来空气质量变化趋势预测及重污染天气应对的重要手段。在对常用预报模型综述基础上,结合辽宁省空气质量预报现状,从模型选择、队伍建设、污染源排放调查及会商机制建设等方面对辽宁省空气质量预报体系建设进行探析,为辽宁省空气质量预报工作的开展提供参考。     

气象灾害对天水苹果生产影响的评估技术研究

分析得出影响天水苹果正常生长的主要农业气象灾害是前秋9月大气干旱、冬季12-2月暖冬高温、苹果花期4月下旬高温干旱和春季4月下旬低温危害。各灾害发生频率在53﹪～70﹪之间,以前秋9月干旱最多,春季4月下旬低温危害最少;前秋9月大气干旱以中-大灾为主;其他灾害均以轻、中灾最多,大灾居次;各种灾害因子重灾年份最少,仅在6﹪～15﹪之间。农业气象灾害综合评估除轻灾评估准确率略低为89﹪外,中-重灾评估准确率均达100﹪,灾害评估效果比较理想,对农业防灾减灾有一定的指导意义     

贵阳市城区大气颗粒物PM_(2.5)的污染特征与季节变化规律

于2013年6月至2014年5月在贵阳市城区设置采样点,利用国产武汉天虹智能采样器连续一年采集大气颗粒物(PM2.5)样品共357个,采用HOBO U30气象仪同步记录气象数据。气象数据分析表明贵阳市春、秋和冬季均为东北风,夏季多南风且风速较大,全年以东北风为主。结合气象数据分析了贵阳市市区PM2.5污染特征并初步讨论其来源。结果表明:PM2.5日浓度范围为4~193μg/m3,平均值为70±33μg/m3,日超标率为46%。以季节来看,夏季PM2.5浓度最低,冬季最高,秋、春季次之。PM2.5主要来源于工业排放与燃煤污染。与国内其它城市研究相比,处于轻度污染水平。     

新奥尔良应对气象灾害的启示

经过飓风的教训,新奥尔良市的官员和民众认识到不能单方面依赖工程性措施来应对气候变化带来的灾害风险,更重要的是要运用非工程性措施一一以湿地和海岸带保护为核心的生态修复,并且综合运用这两种措施来层层设防。     

基于多源综合观测的徐州冬季重污染过程分析

经过多年的大气污染治理,我国的多种大气污染物浓度已呈现显著下降趋势,然而在不利气象条件下仍会导致重污染事件的发生.掌握此类影响较大的偶发重污染事件产生与发展的原因和机制,有助于进行下一步的大气污染预警和防控.本研究以徐州2020年12月中旬的 一次重污染过程为例,通过地面站点观测、激光雷达、模式模拟、颗粒物组分观测与源解析、后向轨迹溯源等手段进行了全方位的观测与分析.结果表明,此次污染过程中颗粒物主要来源为二次离子、燃煤、生物质燃烧、机动车、扬尘等,其中,二次离子占比最高,为37.9%;污染期硫氧化率（SOR）和氮氧化率（NOR）明显高于污染前,增幅分别为176%和82%;污染期主要来自燃煤源的SO₄^2-较污染前升高幅度明显,由5.51 μg·m^-3升高至16.3 μg·m^-3,升幅为196%;生物质燃烧的示踪物K⁺由0.37 μg·m^-3升高至0.83 μg·m^-3,升幅为123%;污染前期,局地高湿、静稳等主要 外在不利气象因素促进了本地污染物的生成;污染中期受山东和安徽等地污染物传输增加的影响,外来源占主导,外源贡献增加至74.4%. 研究表明,因气象和排放等因素的不确定性,致使冬季重污染过程具有复杂性.本研究可为了解大气污染机理及提高区域联防联控提供依据.