南通地区气旋大风特征及预报方法研究

文章根据南通市气象台1981-2010年的气象观测资料,对南通地区大风天气的多时间尺度特征进行了分析,得出了南通地区气旋大风形势场类型,并对各型预报指标做出了总结,为今后南通地区气旋大风的预报提供参考。

南通市PM_(2.5)污染特征及与气象因子相关性分析

目的分析南通市细颗粒物(PM_(2.5))污染特征情况以及气象因子对其影响,为进一步防治大气污染提供参考依据。方法利用2018年3月1日—2019年2月28日中国环境监测网数据和南通市地面气象观测站气象要素资料对数据进行分析。结果 PM_(2.5)浓度季节变化特征明显,春、夏季浓度较低,秋、冬季较高。PM_(2.5)浓度主要范围在7~166μg/m^(3),其中PM_(2.5)浓度较高的天气主要出现在11月,最低出现在8月;南通市PM_(2.5)浓度小时平均值为56.8μg/m3,基本呈现两个波峰和两个波谷;一天当中7:00~9:00和19:00~21:00浓度达到最大,2:00~5:00和15:00~17:00浓度达到最低。结论气压高、湿度低的天气更有利于PM_(2.5)颗粒物的聚集,而降水量和风速的增大有利于PM_(2.5)颗粒物的冲刷和扩散,但四季气象条件的不一样对PM_(2.5)浓度的影响也不一致。夏季气温高,气压低,相对湿度低,PM_(2.5)浓度会较低;而冬季气温低,气压高,相对湿度低时,PM_(2.5)浓度会较高。PM_(2.5)浓度跟四季盛行季风密切相关,四季浓度变化差异明显。

长三角地区典型城市PM_(2.5)污染特征及潜在来源分析

目的分析长三角地区4个典型城市近些年细颗粒物(PM_(2.5))变化情况,了解污染的潜在来源,为进一步大气污染防治提供依据。方法选取南通、上海、南京、合肥4个城市2014年1月1日—2019年12月31日环境监测数据对PM_(2.5)污染特征进行详细分析,利用美国环境预测中心的空气资源实验室(ARL)资料选取的2014—2019年间长三角地区四季典型4次严重污染过程进行后向轨迹分析。结果以南通、上海、南京、合肥为代表的长三角地区,2014—2017年PM_(2.5)年平均浓度下降明显,2017—2019年降幅减缓。空气质量二级达标率分别从2014年的68%、81%、61%、57%上升到2019年的93%、94%、90%和87%。PM_(2.5)月浓度曲线基本都呈"U"型,季节变化差异显著,夏、秋季较低,春、冬季较高。PM_(2.5)小时浓度变化基本都呈现两个波峰和两个波谷。南通、上海PM_(2.5)小时浓度变化较为一致,1天当中7:00~9:00和19:00~21:00浓度达到最大;南京和合肥小时浓度变化较为一致,8:00~10:00和19:00~21:00浓度达到最大。大约都在4:00和15:00浓度达到最低。结论长三角地区4个典型城市污染物既有主要来源于偏北方向远距离的输送,也有区域污染源的影响。