成都市一次重雾霾过程成因及污染源的HYSPLIT模式分析

利用成都地区环境空气质量指数资料、常规气象观测资料和ECMWF第五代全球再分析资料(ERA5),对2017年成都市冬季一次持续重雾霾过程的成因进行分析,并利用HYSPLIT后向轨迹模式分析此次污染物的来源。结果表明:此次重雾霾过程的成因是高低空相配合的不利环流形势,风速较低,垂直切变小,层结稳定,对流层中低层存在干暖空气构成逆温层,抑制了污染物的扩散。根据模式的结果,此次污染气团主要来源于较远距离的西北地区、四川盆地西南地区及盆地内部流转的气团。

成都地区太阳紫外UV-B辐射的测量与分析

本文报道成都地区紫外UV-B辐射的系统测量与分析。成都地区地面紫外UV-B辐射存在明显的日变化、月变化、月际变化特征:晴天紫外UV-B辐射早晚小,中午大,日最大值为3.65 W/m2,日最小值为0.4167 W/m2;UV-B辐射月最大值为3.67 W/m2,最小值为1.67 W/m2,月变化达1.7 W/m2;2006年7月正午紫外UV-B辐射比2005年12月高出3.63 W/m2。夏季晴天正午地面UV-B辐射最大值为3.93W/m2,远小于中国其他城市的辐射量。而成都位于四川盆地,以多云多雾天气为特征,不同云雾量对紫外辐射有不同程度的衰减,因此成都地区地面实际的紫外辐射相对较弱。

成都市一次重雾霾期间PM_(10)自组织演化的分形特征及DFA分析

运用计盒维数法和消除趋势波动分析方法,研究了成都市2013年1月8—20日一次重度雾霾期间,草堂寺、金牛坝、三道堰和十里店4个监测站点连续PM10小时平均质量浓度序列的时间演化规律。雾霾期间4个监测站点的PM10质量浓度序列在某一临界质量浓度以下均表现出标度不变分形结构和长期持续性非线性特征,且这两种物理特征具有很好的动力学同步性;但一旦超过临界质量浓度,PM10演化的长期持续性特征就会消失,PM10演化的标度不变分形结构也随之消失。进一步根据自组织临界(SOC)理论,探讨了导致此次成都重度雾霾期间PM10污染演化呈现分形结构和长期持续性特征的内在动力学机制,并将雾霾天气大气污染系统的动态特征与自组织临界性的判断标准进行了对比分析。结果表明,大气PM10污染演化具有自组织临界性复杂系统的基本特征,此次成都重度雾霾期间PM10在临界质量浓度以下的波动演化主要受系统自组织内禀动力机制主导控制。在该机制的影响下,即使在雾霾期间,污染源排放相对平稳,城市大气系统也相对稳定,但PM10污染演化仍会出现非线性波动,从而导致极高PM10质量浓度的涌现。这一特征可能是由SOC特有的内禀敏感性和不可预测性决定的,也正是由于SOC系统的稳定性使得此次成都重度雾霾污染持续时间很长。

从极端天气事件演变规律看双流机场低能见度运行安全

为了研究极端天气事件条件下可能形成低能见度天气以及对航班安全飞行的影响,采用回归分析法和Mann-Kendall突变分析法,在成都双流机场运行的气象环境数据标本中,将机场1951-2003年这50余年对飞行有影响的降水和大风天气进行极端天气事件指标的百分位阈值确定,得到了以下结论:成都双流机场的极端降水事件在1996年后呈下降趋势;极端大风事件在近50年呈上升趋势;秋冬两季易形成大雾这类影响飞行的低能见度天气;大雾造成的低能见度天气一般为辐射雾,随着温度的快速上升,消散的速度也很快;大雾天气对航班的安全飞行影响很大,这需要航空公司、空管部门和机场部门通力合作,这样才能为安全飞行、航班快速恢复和避免旅客群体事件提供有力支持。

基于人工神经网络算法的成都大雾的预报

大雾天气对水陆空交通都有不利的影响,而且对人民身体健康也带来了严重危害。因此,对大雾的监测和预报十分必要。本文利用中国气象局中期数值预报模式(T213)输出的大量预报产品,用EOF方法进行主分量分析,提取出累计方差贡献大的的前几个主分量,浓缩数值预报产品因子的预报信息并结合地面观测资料建立大雾的定量预报的人工神经网络模型。利用人工神经网络,建立温江地区大雾天气的预报模型,通过对温江站雾日预报试验,取得了较为满意的试报效果,具有实际应用意义。