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%。

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.