北京地区静稳天气综合指数的初步构建及其在环境气象中的应用

静稳天气与大气重污染的发生有紧密联系,为定量描述大气的静稳程度,文章研发了静稳天气综合指数。结合统计和预报经验,挑选发生大气污染的气象要素及其阈值条件,通过权重求和得到初步构建静稳天气指数(SWI)。此后,基于近13年的气象数据,分段统计各气象要素不同区间内雾-霾天气出现概率相对气候态的倍数作为分指数,根据分指数最大值和最小值的比值排序,得到10个对静稳天气具有较强指示意义的气象要素,对这10个要素的分指数求和得到静稳天气指数。改进后的指数和PM_(2.5)浓度有更好的相关性。以2015年1月一次重污染过程为例,分析不同阶段SWI和AQI指数的变化,两者具有较好的一致性,均表现出发展阶段稳定增长,消散阶段迅速降低的特征。应用静稳天气指数评估发现,APEC减排期间京津冀地区大气静稳程度和减排之前相当,但污染持续时间和峰值强度较减排前明显降低。SWI可以在重污染天气预报和重大活动减排措施评估中得到有效应用。

杭州市静稳天气指数构建及应用研究

采用杭州市近7年的气象与环保监测资料,综合考虑2 m相对湿度、10 m水平风速、日均海平面气压、24 h变压、24 h变温、低层逆温等气象因子,通过历史样本统计划分阈值范围再权重求和的方法,构建了静稳天气指数(SWI).经过实况回算检验,分析所建指数与污染天气的对应关系,并应用到重污染天气成因分析、空气质量预报和污染减排评估等方面.结果表明:(1)SWI可以综合反映大气静稳程度,与PM2.5浓度有较好对应关系,SWI越大越容易出现污染天气,SWI大值最易出现在冬季,其次为秋季和春季,夏季主要污染物往往是臭氧,不易发生中度以上的污染天气.(2)SWI可用于判断杭州秋冬季重度及以上污染天气的成因,平均而言SWI<6.7时不易出现重度及以上污染;若SWI<6.7时仍出现重污染天气,可判断主导风向上游的外来污染物输入是引起重污染的主要原因,根据前期SWI的相对大小可判断有无叠加前期本地污染物积累;若SWI持续大于6.7且出现重度及以上污染天气,可判断由大气静稳而产生的本地污染物堆积是主要成因.(3)依据预报数据计算的SWI对空气质量分级预报有较好的参考价值,在短期和中期预报时效内均有表现力.(4)将SWI应用到G20会议期间污染减排效果评估中发现,在气象条件静稳程度相当时,减排措施有效降低了污染程度.

成都静稳天气综合指数的构建及其应用

为定量描述大气静稳程度和预报空气质量,利用温江站2014-2018年常规气象观测资料及成都市空气质量监测数据,构建适合成都的静稳天气综合指数,分析静稳天气综合指数与空气质量指数及PM2.5浓度的相关关系,建立了空气质量预报模型。结果表明:优化后的静稳天气综合指数能较好地反映大气静稳程度,且与空气质量指数及PM2.5浓度有很好的相关性;利用静稳天气综合指数空气质量预报模型,在污染有无的预报上效果较好,对2018年冬季试预报的准确率达到了68.4%。

基于气象条件的沈阳市空气质量预报方法研究

空气质量受污染源排放和气象条件共同作用影响。为了定量评估气象条件对空气质量的影响,利用2014—2016年沈阳市取暖季气象与环保827个样本数据,在综合考虑湿度、风速、逆温强度、混合层高度等大气温湿压条件及稳定状况的物理要素基础上构建了沈阳市静稳天气指数,并分析其与空气质量关系。结果表明:通过静稳天气指数阈值9.1,可做为判断引发沈阳市出现重污染天气的条件。重污染天气形成的两种主要类型,一种是在静稳天气形势下出现重污染天气,另一种是在天气不静稳但外来输送明显时出现重污染天气。分析静稳天气指数和不同污染等级PM2.5浓度关系发现,静稳天气指数对空气质量有较好的指示意义,平均状态下,当静稳天气指数大于10.4时,空气质量容易出现污染且静稳天气指数越大,污染越严重。

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物(PM_(2.5))浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO_(2)和PM_(2.5)浓度降幅明显,与2013年相比,两城市2018年SO_(2)浓度的降幅分别为77.8%和70.9%,PM_(2.5)浓度分别降低了42.7%和48.5%.冬季PM_(2.5)浓度下降速率最大,每年分别以13.5μg·m^(-3)和14.1μg·m^(-3)的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数(SWI)和环境气象指数(EMI)结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_(2.5)浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.

成都市大气水汽与空气质量关系的研究

为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关.