城市雾霾污染特征及气象影响因素研究

文章以唐山市为例,通过研究区域内的环境监测站获取气象参数和各项污染物数据,推算出实时雾霾污染指数,分析城市雾霾污染特征及气象影响因素。唐山市雾霾污染指数月季变化特征大致表现为“U”型,年际变化特征随年份推移后雾霾污染指数不断降低。风速在4 m/s以内时,与雾霾污染指数成正比,4 m/s以上成反比。城市温度超过20℃后,雾霾超标率明显上升,且随相对湿度的增大先上升后下降。说明风速风向、温度和相对湿度是对城市雾霾污染影响显著的三个气象因素,温度25℃以上、相对湿度为14%~64%、偏北风且风速为2~4 m/s时城市雾霾污染最为严重。

贺兰县黄河鲤的气象影响因素分析及浮头预报研究

本文通过走访调查,并利用2015—2019年贺兰县常信乡区域自动站各气象要素的日数据资料(气温、气压、水汽压)和寇家湖1个鱼塘水产监测设备溶解氧监测等资料,找出影响贺兰县黄河鲤生长发育的气象关键因子,分析溶解氧与气象要素之间的相关关系。结果表明,黄河鲤养殖水体溶解氧与平均气温、气压、水汽压存在密切相关关系,其随温度升高而先增加后减少,与气压成正比,随气压升高而增加。结合黄河鲤养殖气象指标,建立浮头预报的逐步回归模型,并开展黄河鲤浮头预报,以期为黄河鲤养殖过程中有效减少气象灾害损失提供强有力的气象科技支撑。

吉林省洪涝造成农业损失的气象影响因素分析及评估方法研究

本文利用统计和农业部门的农业受灾面积资料,利用农业部门对灾害损失的估算方法,建立了历年吉林省洪涝损失序列,进而分析了洪涝损失序列和吉林省气象要素的关系,利用洪涝损失和吉林省气象要素的明显相关关系,建立了基于气象要素的洪涝损失评估模型,并进一步对洪涝损失年型进行了划分。

合肥地区PM2.5季节特征及气象影响因素分析

气象因素能够对PM2.5浓度产生显著影响,气象因素的改变会减轻或加剧PM2.5浓度值。气象因素和PM2.5浓度值随着季节的变化而变化,并且具有明显的区域性特征,所以对全年的PM2.5和气象相关因素进行分析,不能准确反映PM2.5和气象因素之间的相关性。选择合肥市2015年全年的PM2.5和气象影响因素,并对全年数据按春、夏、秋、冬四季进行划分,按季节对PM2.5特征及气象影响因素进行相关性分析讨论。结果表明,春、夏、秋3个季节的气象首要影响因素为风速,且负相关,说明风有利于PM2.5的扩散;在PM2.5污染严重的冬季,气象首要影响因素为温度,且呈正相关,说明气温较低的冬季逆温层较厚,不利于PM2.5的扩散;降水量和相对湿度对PM2.5的影响随季节呈正负相关变化,说明由于不同季节降水量的不同,对PM2.5的影响随季节变化特征显著;气压、风向对PM2.5影响较小,相关系数随季节变化特征显著。

黑龙江省城市空气质量时空演化特征及气象影响因素研究

以2016年黑龙江省城市PM2. 5和PM10值为研究对象,进行时空分析,得出以下结论:黑龙江省的PM污染具有明显的季节性,全局空间相关性较弱,且地级城市间的空气环境污染相关性并不明显. PM高值污染地区哈尔滨市受温度、风力的影响均较大,大兴安岭地区、黑河市、伊春市受影响均较小,其他城市受影响程度一般.

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM_(2.5)和O_(3),重度污染日首要污染物基本为PM_(2.5);PM_(2.5)污染和O_(3)污染均呈现出明显的季节差异,PM_(2.5)超标主要出现在初春、秋末和冬季,其中冬季最为严重,尤其是1月,其次为12月,O_(3)超标主要出现在春末、夏季和初秋,其中夏季最为严重,尤其是8月,其次为7月;PM_(2.5)污染总体呈减弱趋势,而O_(3)污染问题近年来日益凸显;PM_(2.5)浓度与气温、相对湿度、风速、降水量、气压以及24 h变压等气象要素密切相关,不同季节气象因子对PM_(2.5)浓度的影响不尽相同;O_(3)浓度与太阳紫外辐射、日照时长、气温和相对湿度等气象要素密切相关,风速、风向、白天有无降水以及降水出现在不同时段对O_(3)的浓度亦有影响.

霾与清洁天气的特征及气象影响因素分析

利用江苏省宿迁市气象观测资料和空气污染物浓度数据,分析了霾与清洁天气的气候变化特征、霾天气过程的污染物特征以及两者的气象影响因素。结果表明:(1)宿迁市2000年之前霾日相对平稳,之后突增,2008—2010年为下降期。10月至翌年1月及6月霾日较多,由于夏收秋收期间秸秆燃烧的影响,导致6月、10—11月霾日和污染事件增多。2006—2009年清洁天气较多,2010年以后清洁天气相对较少。夏季清洁天气最多,冬、秋季次之,春季最少。(2)霾天气过程发生时空气质量良至严重污染,空气质量越差,出现频率越小。10月至翌年3月及6月出现霾天气过程时,空气质量能达到中度污染及以上级别,其他月份出现霾天气过程时,空气质量均为良或轻度污染。霾天气过程首要污染物有PM_(2.5)、PM_(10)、O_3和NO_2,PM_(2.5)贡献最大,其次是PM_(10)和O_3。(3)静风出现霾的频率最高,其次为SE风,NE风出现清洁天气的频率最高,其次为ENE风。风速越小,霾出现频率越高,风速大,清洁天气出现频率高。降水日与霾日的变化基本呈反位相,而与清洁天气日数的变化有较好的一致性。相对湿度<90%时,相对湿度越大,霾出现频率越高,相对湿度大,清洁天气出现频率也高。(4)宿迁地区出现重度霾时,高空多受西北或偏西气流控制,地面处于均压场中。77.3%的重度霾伴有低层逆温,逆温层的高度很低,对污染物的扩散起抑制作用,其他5、6月的重度霾低层多为相对稳定的等温层结。

大气污染物变化的气象影响因素研究——以新疆地区为例

为给新疆地区大气污染治理工作提供参考数据,分析大气污染物变化与气象因素之间的影响关系。在研究区域设置测点,形成远程通信网络。确定影响大气污染物变化的气象因素作为自变量,不同类型大气污染物浓度作为因变量。通过数据分析,从时间和空间两方面得出结论:风速可直接影响大气污染物的空间变化,从时间维度上存在抛物线变化规律,降水可直接减少二氧化硫和可吸入颗粒物,对臭氧无影响,且不会影响污染物的空间变化,而温度会直接影响可吸入颗粒物,对二氧化硫和臭氧的影响程度不明显,逆温现象对大气污染物的空间变化具有抑制作用。

1975—2010年阳泉市霾气候特征及其气象影响因素特征分析

利用阳泉市气象观测站1975—2010年地面气象观测资料,对阳泉市1975—2010年霾的气候特征、气象影响因素特征等进行了分析。

1985年-2010年长治霾气候特征及气象影响因素分析

本文利用长治1985年-2010年地面气象观测资料，对其霾的气候特征、气象影响因素特征进行了分析。结果表明：①26年来长治霾日数总体呈上升趋势。年平均霾日值为32．1d，年最少霾日值为3d（1994年），年最多霾日值为121d（2007年）。从季节分布来看，冬季是长治霾高发季节，夏季和秋季次之，春季霾污染最轻。从月份分布来看，长治全年霾高发月份为1月，而8月为全年霾最少发月份。②长治霾气象影响因素特征为：风速较小时，霾易出现。霾发生时，相对湿度小于80％的情况占绝大多数。对照霾等级来看，长治1985年-2010年出现的霾中，轻微霾所占比例最大。

1985—2010年长治霾气候特征及气象影响因素分析

利用长治1985—2010年地面气象观测资料,对其霾的气候特征、气象影响因素特征进行分析。结果表明,26年来,长治霾日数总体呈上升趋势,年平均霾日值为32.1 d,年最少霾日值为3 d(1994年),年最多霾日值为121 d(2007年)。从季节分布来看,冬季是长治霾高发季节,夏季和秋季次之,春季霾污染最轻。从月份分布来看,长治全年霾高发月份为1月,而8月为全年霾最少发月份。长治霾气象影响因素特征为风速较小时,霾易出现。霾发生时,相对湿度小于80%的情况占绝大多数。对照霾等级来看,长治1985—2010年出现的霾,轻微霾所占比例最大。

青海高原青稞农艺性状变化特征及产量形成主要影响因素

利用1980—2021年门源县农业气象站的青稞产量、产量构成及气候资料,采用Pearson相关系数法、主成分分析、积分回归等方法,分析了春青稞产量形成要素和产量间关系及其气候影响关键因素、影响关键时期。结果表明:青稞产量形成与拔节期生长高度、穗粒数、千粒重、茎秆重密切相关,与拔节期的植株密度也有一定的关系。整个生长季中,4月、5月和7月温度对青稞产量的影响为正效应,3月、6月和8月的影响为负效应。5—7月是气温影响产量的关键时段,即出苗—开花阶段。4月是降水影响产量的关键时段,即播种—出苗期。日照时数影响青稞产量的关键阶段在拔节期。制约当地青稞产量形成的关键因素是温度。

不同方法计算ET0及对长时间序列气象因素的响应

本文以FAO-56 P-M方法计算值为标准,分析比较9种ET0计算方法在南京地区的适用性,在此基础上分析气象要素对ET0年际变化趋势及影响。结果表明:Allen拟合模型计算结果在全年、各季都是最接近P-M模型计算的标准结果,Trajkovic、Ravazzani et al.(2012)、Modified Hargreaves的结果精度在其后。Priestley-Taylor、Romanenko以及Hargreaves Samani方法结果精度都不好,不能代替P-M方法计算ET0。1961—2012年用P-M模型计算的年平均ET00总体趋于上升,导致这种变化的气象因素是大气净辐射Rn,其次是水汽压饱和差VPD,气温影响在2005年后削弱。

基于改进RBF神经网络模型的气象能见度监测方法研究

气象能见度实时监测是确保气象预报贴近现实气象情况的重要组成部分,是高精确度气候预测技术手段中必不可少的环节。目前主要采用的方法为模糊识别和BP神经网络分析,在气象能见度监测方面效果并不理想。为此,提出了改进RBF神经网络模型的气象能见度监测方法,综合考虑了SO2,NO2两种气体,以及气温,气压,温度,湿度等因素采集方法,计算各因素的权重和相关系数后,在改进RBF神经网络模型的基础上确立了具体的监测方法,最后检验了两种气象能见度监测方法的准确性,新的能见度监测方法具有更高的准确性,在气象监测方面具有应用前景。

2015年重庆主城区空气质量状况及气象条件分析

根据环境空气质量监测数据和气象观测数据,对重庆主城区2015年空气质量总体概况及PM2.5、PM10、SO2、NO2等大气污染物浓度变化特征、空气污染特征进行了分析,并对主要气象影响因素进行了初步分析。结果表明:2015年,重庆主城区空气质量以良为主,首要污染物以PM2.5为主;PM2.5、PM10具有相似的变化特征,平均浓度冬季较高,夏季、初秋较低,1月最高,2月次之,9月最低,6月次之;SO2平均浓度冬季较高,夏季、初秋较低;NO2平均浓度无明显季节变化;PM2.5污染冬季最为严重,尤其是1月、2月,这与这几个月近地面平均风速较小、静小风频率较高及降水较少较弱密切相关;臭氧(O3)污染春夏季、初秋较为严重。

1979—2020年柴达木盆地人体舒适度指数时空变化及趋势分析

开展柴达木盆地气候舒适性评价对盆地人居环境、气候宜居资源开发、生态文明建设具有重要意义。本研究基于1979—2020年长时间序列地表气象数据集,利用人体舒适度指数,分析了柴达木盆地年际尺度和季节尺度人体舒适性时空变化特征。结果表明:(1)全盆地多年平均及不同季节内人体舒适度均处于增加的趋势,除夏季平原区部分区域处于舒适等级,其他均处于冷不舒适的状况;(2)人体舒适度指数变化与气温的变化具有最强的相关性,相关系数全盆地达到0.9以上,其次为风速和湿度,山区较平原区相关性较弱;(3)通过变化趋势和Hurst指数综合分析,发现气温和比湿继续增加且具有强持续性,风速继续减小且强持续性;人体舒适度指数除秋季山区持续性弱外,其他季节山区和平原区均具有强持续增加的趋势。该研究可为柴达木盆地和高寒地区气候舒适性研究提供一定参考。

2000-2015年青海高原植被碳源/汇时空格局及变化

陆地生态系统碳循环能够综合反映全球气候变化及区域响应,是全球及区域气候变化及人类活动影响研究的重要内容。青海高原作为青藏高原的重要组成部分,在全球及区域气候与环境变化中具有极其重要的作用。因此,研究青海高原植被碳源/汇时空变化及气候因子的影响具有重要意义。采用土壤呼吸模型和改进的CASA模型,结合MODIS、气象数据估算了青海高原2000-2015年植被净生态系统生产力(NEP),分析了植被NEP、碳汇的年际时空分布、年际动态变化、多年累积空间分布与植被NEP变异系数,定量分析了降水量、气温对植被NEP的影响。结果表明:1)2000-2015年,青海高原植被年NEP空间分布特点呈东高西低、南高北低,由西北向东南逐步增加趋势,年NEP多年平均值为128.40 gC m^(-2)a^(-1);2)青海高原不同生态区植被NEP与碳汇量空间分异显著,碳汇区约占植被分布区面积的73.11%,其中,祁连山生态区和三江源生态区为主要的碳汇区;3)2000-2015年,青海高原植被碳汇功能逐步增强,年固碳量为-3.2-64.42 TgC,年际变化呈平稳上升;4)受自然与人为因素的协同影响,青海高原年NEP呈现逐步好转的趋势,平均趋势系数为1.52,NEP增加的区域占植被总面积的25.72%;5)青海高原植被NEP变异系数空间分布以较低、中等波动为主,稳定性颇高;6)降水量对植被NEP以促进作用为主,气温以抑制作用为主,气温对青海高原植被NEP的影响占主导地位。

合肥地区PM2.5及污染物季节相关性分析

PM2.5多次成为空气质量评价标准中的首要污染物,对PM2.5及其它5种污染物之间的相关性做定量相关性分析。由于污染物受地域和季节影响较大,对全年数据进行统计,无法正确地分析污染物之间的相关性。针对以上问题,选择合肥市2015年全年的PM2.5和PM10、O_3、CO、SO_2、NO_2的6项因素,并且将数据划分为春、夏、秋、冬四季,按季节对PM2.5及PM10、O_3、CO、SO_2、NO_2因素进行相关性分析讨论。结果表明,随着季节的变化,与PM2.5相关的首要污染物因素也在发生相应变化,相关性随季节变化特征明显。

牡丹江地区一次雾霾过程的成因分析

利用观测数据和相关气象资料对2015年11月1-3日牡丹江地区出现的一次中度雾霾天气过程进行简单分析,探讨此次雾霾形成的原因。结果表明,相关气象因素对雾霾天气的形成有着至关重要的影响,特别是风力的大小及逆温层的影响。

2011年10月珠江三角洲一次区域性空气污染过程特征分析

2011年10月18—25日珠江三角洲地区出现了一次区域性空气污染过程,重污染区域集中在西部,后期向中部转移,PM10为首要污染物.针对本次空气污染过程的研究发现,此次珠江三角洲地区空气污染过程主要受大尺度冷高压活动的影响,一直为下沉气流所控制,500 m以下近地层风速很小,边界层高度较低,存在贴地逆温层,非常不利于污染物的输送和扩散.PM10浓度与风速、能见度呈显著的负相关关系,与温度相关性不显著;且与风速和温度的相关性存在滞后性.稳定天气形势、大范围下沉气流、近地层静小风和贴地逆温是导致这次区域性空气污染过程的气象原因,PM10浓度增加导致珠江三角洲能见度下降.