西安近10年植被覆盖变化及其与气候因子的相关性研究

研究分析了西安市2002年12月—2012年11月逐年、季、月植被NDVI序列,结合同期西安市的观测数据,总结出西安市NDVI的变化特点及其与气候因子的关系.结果表明:(1)近10年西安市NDVI呈整体上升趋势,年均值在0.237 8~0.252 5之间;春季NDVI增加量最大,为0.004/a.(2)10年来西安市年降水量呈递减趋势,气温基本持平,气候驱动力不利于植被覆盖增长;年降水量主要集中在夏、秋季,雨热同期满足了植被生长发育需求.(3)年和季NDVI总体上与同期平均气温、上期降水相关性较好.(4)西安市植被对降水变化的滞后时间约为1个月.(5)人为因素在植被变化中发挥着重要的作用.     

驻马店市PM2.5污染特征及其与气象要素的关系研究

【目的】研究驻马店市PM_2.5污染特征及其与气象要素的关系，为大气污染预报与防治提供依据。【方法】基于2021年3月至2022年2月驻马店市大气颗粒物监测数据及气象资料，对驻马店市PM_2.5污染特征进行分析，并利用SPSS研究气象要素及其与PM_2.5浓度之间的相关性。【结果】2021年驻马店市大气污染日全年占比12%,PM_2.5日均浓度范围为9.2～176.4μg/m³，年平均浓度为44.5μg/m³，冬季浓度最高，春季和秋季次之，夏季最低，月变化呈“单峰型”分布；PM_2.5/PM₁₀平均比值62%，冬季最大，春季最小。【结论】从相关性来看，边界层高度和气温、风速、辐射强度均呈正相关；PM_2.5浓度与气温、辐射、降水和边界层高度均呈显著负相关，与相对湿度和风速呈弱的负相关。此外，风速和大气边界层高度所代表的大气扩散稀释能力对PM_2.5污染有较大影响。     

成都市冬季PM_(2.5)污染特征及溯源分析

本研究利用2019年成都锦城湖监测点PM_(2.5)的监测数据,研究成都市冬季PM_(2.5)的污染特征及其与气象要素之间的关系,并利用后向轨迹模型进行颗粒物溯源及追踪分析。结果表明:成都市环境空气PM_(2.5)平均质量浓度为53 g/m~3,达到国家空气质量二级标准;PM_(2.5)质量与温度呈显著正相关性,与风速呈负相关性,与湿度呈负相关性,与气压呈显著负相关性;成都市冬季气团主要来自东北方向,来自东南偏南方向的PM_(2.5)及其前体物对成都市PM_(2.5)质量浓度贡献最大。     

郑州市大气污染时空分布特征分析及预测模型建立

基于郑州市中心城区空气质量监测数据,结合环境空气质量指数(AQI),采用反距离权重插值法(IDW)对郑州市的空气质量进行评价和时空分析。选取气压、气温、湿度、风速、风向、降水量6项常规污染物监测项,以及前一日AQI值总计13项作为预测因子,应用BP和RBF神经网络方法对郑州市未来短期空气质量时空分布进行预测。结果表明:(1)2016年和2017年郑州市空气质量主要以优良和轻度污染为主;(2)PM_(10)和PM_(2.5)的年平均浓度分别超过我国环境空气质量标准中二级标准年平均浓度限值103.79%、142.03%;(3)管城区污染频率较高,多呈现持续性的污染天气状况,冬季时的极端污染天气多集中于惠济区;(4)BP、RBF神经网络预测模型可以较好地预测郑州市大气污染的时空分布状况。本研究结果对后续研究治理郑州市空气污染具有一定意义。     

2023年1月驻马店市一次PM2.5污染过程分析

【目的】探究2023年1月21至23日驻马店市PM_2.5污染过程特征。【方法】基于污染期间PM_2.5等污染物浓度数据及气象资料，利用统计学方法分析PM_2.5污染及气象条件特征。【结果】污染过程整体呈“双峰型”变化，两次污染峰值分别出现在21日夜间和22日夜间，PM_2.5小时浓度分别达到363.5μg/m³、249.5μg/m³。【结论】PM_2.5/PM₁₀平均比值0.59，表明本次污染过程以PM_2.5为主，NO₂/SO₂比值在晚间和早晨时段都出现了峰值，与交通高峰及工业企业夜间排放有关。PM_2.5浓度与气温、相对湿度呈正相关，与风速呈负相关。污染加重时，500 hPa形势场低槽东移，850 hPa有弱的风场辐合，风力较小，中低空存在逆温层，不利于污染物的垂直扩散，配合地面均压场、小风速及近地面逆温，导致静稳形势维持，有利于污染...     

德州市春节期间大气污染与气象要素的关系

气象要素是影响空气质量的重要因子.以德州市为例,选取了近5年德州市春节期间大气污染物浓度及气象数据,采用多种统计方法分析了大气污染物的变化以及气象与大气污染的关系,量化天气形势和局部气象要素对春节期间德州市大气污染物质量浓度变化的贡献.结果表明,PM_(2.5),PM_(10),SO_2,NO_2等4种污染物浓度受温度、湿度和风速等气象要素影响较大,其中PM_(2.5)和PM_(10)主要受湿度影响,SO_2主要受风速影响,NO_2受湿度和风速影响都相对较大.此研究为德州市在春节期间加强大气污染防治提供一定的数据基础和科学依据.     

甘肃中部近66a气候变化特征与旱涝等级响应

利用甘肃中部靖远站1950—2015年的降水和气温资料,采用线性趋势回归分析、非参数MannKendall突变检验、Z指数等方法对该地66a的气候变化和旱涝趋势进行了分析。结果表明:(1)近66a研究区年平均气温呈显著上升趋势,66a气温上升了1.175℃。线性增温速率0.178℃/10a,略高于全球平均0.13℃/10a的水平,略低于西北干旱区0.22℃/10a的水平。就季节而言,冬季增温最明显,线性增温速率最大,为0.344℃/10a,春、秋季增温次之,夏季增温不明显。各月气温以2月增温最明显,线性增温速率最大,为0.470℃/10a。(2)年降水季节分配不均匀,降水主要集中在夏季。年平均降水量呈不显著递减,线性倾向率-0.462 9mm/a,春、冬季呈不显著递增,夏、秋季呈不显著递减。(3)以1996年气温突变点为界,突变点前旱涝等级是"正常~涝"为主的格局,突变点后旱涝等级转变成了"旱~正常"为主的格局,地区暖干化趋势明显,重旱和大旱所占比例增加,重、大干旱成灾趋势严重。     

前期大气环流对陕甘宁蒙区冬季气温异常的影响分析

利用陕甘宁蒙区57个气象站1961—2014年历年平均地面气温和NCEP资料,采用相关分析、合成分析等方法,分析了该区冬季气温与500hPa高度场异常变化的关系。结果表明:陕甘宁蒙区是西北干旱区冬季气温变化的异常敏感区;同期高空新疆脊强(弱),地面蒙古高压弱(强),高空盛行纬向环流,则冷空气不易(容易)南下,导致冬季气温偏高(低);前期墨西哥湾高度场与中国西北地区冬季气温普遍有密切的关系,但主要影响高原南部以外的偏北区域;前期6月北大西洋高压异常通过引起NAO(AO)异常而引起冬季气温异常。用墨西哥湾高度场的变化独立预测了2007—2014年的冬季气温,预测准确率高,可以在实际预测业务中进行应用和检验。     

兰州冬季空气污染与地面气象要素的关系

对兰州地区１９８８年￣１９９２年冬季（１１、１２月和１月）的３种主要空气污染物ＳＯ２、ＣＯ、ＮＯｘ浓度值与同时期的气压、气温、相对湿度、风速、总云量和水平能见度作了统计分析,结果表明：①总体来看,气温、风速、总云量和水平能见度与当日污染浓度呈负相关,相对湿度与当日浓度呈正相关,除１２月份外,气压与当日浓度基本不相关。②风速、总云量和水平能见度与次日污染浓度仍呈负相关,但相关程度不如当日,相对湿度与     

基于灰色关联模型对乌鲁木齐市PM_(10)浓度的影响因素分析

基于乌鲁木齐市2006~2015年空气污染物数据、气象数据和城市发展数据,构建了乌鲁木齐市PM_(10)浓度影响指标体系,通过熵值法对PM_(10)浓度影响指标因子做了综合评价分析,利用灰色关联模型对PM_(10)浓度及其影响指标因子、影响指标层做了灰色关联度分析。研究发现:(1)PM_(10)浓度的影响指标因子依据其变化趋势可以分为两类;(2)城市化与产业结构对乌鲁木齐市PM_(10)的浓度影响最大(wi=0.418 1),其次是PM_(10)污染物来源(wi=0.387 9),空气污染物与气象要素对PM_(10)的浓度影响最小(wi=0.194 1);(3)从发展水平看,城市化与产业结构PM_(10)污染物来源空气污染物与气象要素;(4)在28个影响指标因子中,与PM_(10)浓度呈中度关联的指标因子有生活垃圾处理量、房屋建筑施工面积和地区工业总产值,其余25个指标因子与PM_(10)浓度都呈强度关联;(5)三个指标层与PM_(10)浓度的灰色关联度都为强度关联;(6)空气各污染物与气象要素对PM_(10)浓度的固有影响属性不会随着时间的推移而发生明显改变,PM_(10)污染物来源、城市化与产业结构对PM_(10)浓度的影响随着时间的推移影响程度减弱。     

基于CPSO-BP神经网络的PM_(2.5)浓度预测模型

为了提高大气中PM_(2.5)浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM_(2.5)浓度有影响的主要变量,并依次作为神经网络输入变量。利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的。以2017年西安市PM_(2.5)日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优。     

西安浐灞生态区降雨及气象环境因素对负氧离子浓度的影响分析

利用西安浐灞生态区空气负氧离子监测数据,分析西安夏季负氧离子浓度变化特征,研究降雨对负氧离子浓度变化的影响以及气象环境因素对负氧离子浓度的预报预测。研究显示:西安夏季浐灞生态区负氧离子月均值8月最高,无雨日负氧离子最大值常出现在深夜至凌晨时段;雨日负氧离子小时浓度与前0～3 h各时次的降雨呈直线相关关系(p0.05);中雨以上的降雨与负氧离子浓度的线性关系较小雨更显著,表明降雨能激增空气负氧离子浓度;空气负氧离子浓度与PM_(2.5)、PM_(10)、CO、日降水量、日均风速有显著相关性(p0.01)。通过逐步回归分析法,建立夏季负氧离子浓度的多元逐步回归预报模型(p0.01),拟合曲线与实际观测曲线基本一致。     

气象因子对许昌市冬季典型重污染天气的影响分析

本文利用空气质量和气象要素小时观测数据,分析2016年12月18日至21日发生的持续性PM2.5重污染过程前后空气质量和主要气象因子的变化特征,探讨气象因子对大气环境的影响。研究结果表明:本次重污染过程是稳定气象条件下导致的局地污染积累;在污染积累阶段,风速明显偏小,相对湿度逐渐增加;而在污染清除阶段,气象要素的变化则相反,风速明显增大,相对湿度显著下降;风速和相对湿度与PM2.5质量浓度间均存在指数相关,相关系数平方R2分别为0.451 5、0.541 8,表明在大气污染过程中气象因子对大气环境的影响十分明显。     

于田近50年来平均气温和极端气温的变化特征

本文利用新疆于田县气象站1968—2018年的逐月气温数据,使用线性倾向估计、滑动平均、MannKendall检验以及Morlet小波分析等方法对年平均气温和极端气温事件进行分析。结果表明:于田年平均气温、极端最低气温、极端最高气温均呈上升趋势,倾向率大小排列为:年均极端最低气温(0.42℃/10 a)>年均极端最高气温(0.36℃/10 a)>年平均气温(0.24℃/10 a)。四季气温都呈上升趋势,年平均气温和极端最高气温增减速率保持一致,冬季增温最快,夏季最慢;极端最低气温夏季最快,春季最慢。年平均气温、极端最低气温、极端最高气温突变点分别出现在2000年、2002年和2001年。气温存在5～7 a和9～11 a的周期变化,其中极端最高气温10 a周期变化特征最显著。     

基于小波分析的信阳市降水变化趋势分析

本文利用小波分析、Morlet复小波函数对1960—2015年信阳市降水量序列进行分析。结果表明:年降水量2016年以后一段时间内呈偏少趋势,春季降水将呈略偏多趋势,夏秋冬三季的降水将均呈偏少趋势;信阳年降水量主要受10~16年和4~8年时间尺度的影响,具有5年和8年、16年的时间尺度周期;春季降水量具有6年和14年的时间尺度周期;夏季降水量具有5、8、11年和16年的时间尺度周期;秋季降水量具有6、11年和16年的主周期;冬季降水量具有5、9年和15年的主周期。     

基于小波分析的信阳市降水变化趋势分析

本文利用小波分析、Morlet复小波函数对1960—2015年信阳市降水量序列进行分析。结果表明:年降水量2016年以后一段时间内呈偏少趋势,春季降水将呈略偏多趋势,夏秋冬三季的降水将均呈偏少趋势;信阳年降水量主要受10~16年和4~8年时间尺度的影响,具有5年和8年、16年的时间尺度周期;春季降水量具有6年和14年的时间尺度周期;夏季降水量具有5、8、11年和16年的时间尺度周期;秋季降水量具有6、11年和16年的主周期;冬季降水量具有5、9年和15年的主周期。     

城市热岛效应对西宁地区夏季降水的影响

利用1986—2015年西宁城区、大通和湟中三个站气温和降水资料,通过线性回归、距平分析、MannKendall检验等方法分析了夏季城市热岛效应对西宁地区夏季降水的影响。研究表明,1986—2015年西宁城区的夏季城市热岛强度呈减弱趋势,最高气温对其贡献最大。近30年西宁地区的夏季气温呈显著上升趋势,西宁城区、大通和湟中平均气温的升温率分别达0.7、1.0℃/10 a和0.5℃/10 a,西宁城区夏季气温在1997年出现突变,湟中在1994年出现突变,大通未发生突变。近30年西宁城区的夏季降水量和降水日数分别以4.5 mm/10 a和1.2 d/10 a的趋势增加;大通的夏季降水量在增加,降水日数在减少;湟中的夏季降水量和降水日数均在减少。三个站的夏季降水量突变主要出现在20世纪90年代,西宁城区还在2000年发生突变。城区夏季最高气温热岛强度和最高气温与夏季降水量和降水日数之间有较好的相关性,郊区也是夏季最高气温与降水量的相关性最好。城市热岛效应对降水的影响主要是由于盛行风向和河谷地形的作用。     

基于MODIS影像研究黑龙江省植被变化以及与降水和气温的相关关系

利用2000~2012年MODIS数据集中空间分辨率为1000m,时间分辨率为1个月的NDVI数据集对黑龙江省生长季里整体植被及不同植被类型的植被覆盖度的空间分布差异、年际动态变化进行比较分析.同时,结合降水及气温等气象数据分析了各气候因子与不同类型植被多年来的相关关系.研究表明,(1)黑龙江省生长季整体植被覆盖度较高,空间差异较大,引起差异的原因主要是植被类型不同,林地植被NDVI较高,耕地次之,草地最低.(2)黑龙江省13年间NDVI变化趋势为:全省总体平均NDVI无明显变化,但不同植被类型NDVI变化趋势差异较大,其中耕地、草地植被NDVI 2000~2012年呈显著上升趋势;林地总体无明显变化,林地内部及周边地区林地转耕地草地的区域NDVI下降明显.(3)从像元尺度看,降水和温度对植被NDVI在不同地区影响差异较大,研究区大部分植被NDVI与气温和降水均具有较显著的相关性,其中降水相关性强于气温.     

哈尔滨市采暖期PM_1中金属元素的污染特征

为了研究采暖期大气颗粒物的污染特征及其来源,分别采集PM_1和PM_(2.5)样品,分析两种颗粒物中金属元素的粒径分布特征和质量浓度变化。分析结果显示,As、Ba、Cr、Cu、Zn、Mn、Ni、Pb、Sr、Ti在采暖期的质量浓度变化范围为0.018~0.8μg·m~(-3),且12月份未检测出Ni;Al、Ca、Fe、K、Mg、Na的质量浓度变化范围为0.478~17.470μg·m-3,其中Na和Ca的质量浓度较大,最大浓度分别为17.470和12.271μg·m~(-3)。粒径分布特征分析发现,16种金属元素在PM1中的比例为56%~97%,说明金属元素主要富集在超细颗粒物(PM_1)中,其中Pb、Zn在PM1中的比例是10种重金属中较高的,这主要是由于采暖期道路上机动车较多,导致燃油排放的Pb、Zn增加。     

衡阳市2019-2020年大气颗粒物潜在来源分析

利用HYSPLIT后向气流轨迹模型和GDAS全球资料同化系统数据，计算了衡阳市区域2019年9月至2020年8月逐时的72 h气流后向轨迹并进行了轨迹聚类，结合监测数据分析了大气污染物浓度受气流传输的影响规律，进一步采用潜在来源分析及权重浓度分析识别了污染潜在源区通过分析当地颗粒物质量浓度与风速、风向的关系，得到质量浓度风玫瑰图结果表明：衡阳市受东北方向气团影响显著，春、秋、冬三季途经河南—湖北—湘北传输至衡阳的气团为颗粒物主要外来传输通道，秋冬季颗粒物污染较严重，春夏季污染相对较轻秋季衡阳市大气受东北方向经安徽北部—湖北、江西交界—湖南东北部的中短距离传送的1类气团影响最为明显，占比高达73.72%PM2.5与PM10潜在源贡献区域相似，不同季节潜在源贡献区域有所差距，但大多集中在湖南南部、湖北中部、湘粤交界处等区域PM2.5与PM10不同季节的权重分布区域较为相似PM2.5与PM10质量浓度偏高现象通常发生在风速小于1.5 m/s时，AQI在风速较小和偏北风时数值更高