重庆主城区边界层气象条件对PM10质量浓度影响分析

对雾天、晴天和阴天3种不同天气背景下边界层气象条件对PM10质量浓度影响进行了分析,结果表明:夜 间到早上,由于3种天气均出现有逆温且高低空风速较小,PM10向高空扩散能力弱,在污染源排放明显减弱的情 况下PM10质量浓度呈现自然下降态势,雾天由于相对湿度大,水汽的吸附作用,PM10质量浓度下降速度比晴天和 阴天快;上午,阴天升温不及雾天和晴天快且高低空风速也比较小,导致PM10质量浓度上升速度比雾天和晴天快; 午后,由于晴天增温快,温度高,高低空风速大,PM10质量浓度下降速度快,雾天温度增速不及晴天且地面风速变 化不大,PM10质量浓度下降速度要低于晴天,阴天增温速度明显比晴天和雾天慢,高低空风速较小,PM10质量浓 度降低速度慢,相对质量浓度高.     

北京地区PM2.5浓度与气象要素的相关分析

利用美国驻中国大使馆2009年以来的PM_(2.5)浓度监测数据、MODIS光学厚度数据和NCEP边界层气象要素数据,对近年来北京地区PM_(2.5)和边界层内气象要素进行分析。结果表明:2009—2011年夏、秋季以及2012年夏、冬季北京地区PM_(2.5)污染情况较为严重,2013和2014年污染情况稍有转好;北风为有利于PM_(2.5)扩散的气象条件,且随着北风增强,扩散效果更好;南风为有利于PM_(2.5)堆积的气象条件,且随着南风增大,堆积效果略微增加;边界层高度越高,越有利于PM_(2.5)的扩散;相对湿度越大,越有利于PM_(2.5)的堆积;降水对PM_(2.5)有明显的驱散作用。21世纪以来,北京地区的平均边界层高度有明显的降低趋势,从2500 m降低到1500 m以下,其他气象要素没有明显的年际变化。     

南京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析

利用NASA MODIS气溶胶光学厚度(AOD)产品与南京市区API转换得到的PM10质量浓度进行了相关性分析;发现二者的直接相关程度较低。对气溶胶光学厚度进行垂直和湿度影响订正后,二者的相关系数显著提高。结合风速和气压等气象因子分季节进行多元回归分析,相关系数进一步提高。分析结果表明卫星遥感气溶胶光学厚度可以作为监测PM10污染分布的有效手段。     

北京PM10质量浓度与总体理查逊数的关系

为了研究总体理查逊数对可吸入颗粒物 PM₁₀ ( particulate matter with aero-dynamic diameter smaller than 10 μm) 质量浓度的影响, 对2007年11月北京南郊观象台的PM₁₀质量浓度资料、地面气象自动站资料和常规无线电探空资料进行了分析。统计分析软件采用 SPSS15.0( Statistical Package for Social Sciences 15. 0) 。分析结果表明,在北京地区以稳定层结为主的条件下, PM₁₀质量浓度与地面气象要素和总体理查逊数存在很好的规律性。PM₁₀质量浓度与风速和相对湿度显著相关, 相关系数分别为 - 0. 65 和 0. 69, 通过 α= 0. 01 显著性检验; PM₁₀质量浓度与地面至450m层的总体理查逊数存在显著的对数形式非线性关系, 决定系数 R2= 0.42。非线性回归方程的独立样本预测检验显示回归模型可以用于根据无线电探空资料对PM₁₀质量浓度进行预测。     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

保山市隆阳区PM10浓度与气象因子的相关性研究

根据保山市隆阳区2009年1—12月的PM10质量浓度资料以及同期的气象资料,对PM10平均质量浓度数据在不同时间和空间上进行分析,并采用逐步回归方法建立了空气污染物PM10与气象因子的回归模型。模型结果表明,PM10预测值与实测值比较吻合,变化趋势一致。结合该课题得到的结论和PM10产生的根源,提出了PM10污染防治措施。     

郑州市城区PM2.5和PM10变化特征及其与气象要素关系研究

利用2018年1月、4月、7月、10月郑州市城区8个监测站点的PM_(2.5)和PM_(10)浓度数据与气象数据,对郑州市城区PM_(2.5)和PM_(10)的时相变化特征及气象要素对其产生的影响进行研究.结果表明:郑州市城区在1月份的PM_(2.5)浓度最高(118.1μg·m~(-3)),污染严重,4月份PM_(10)浓度最高(169.4μg·m~(-3)).通过分析PM_(2.5)和PM_(10)的比值(PM_(2.5)/PM_(10))发现, PM_(2.5)是郑州市城区主要的大气污染物.PM_(2.5)和PM_(10)与气象要素之间的相关分析表明,PM_(2.5)和PM_(10)与气温和露点温度均呈显著负相关(P0.01),PM_(10)与降水呈显著负相关(P0.05),PM_(2.5)与气温之间的相关性(r=-0.441,P0.01)高于PM_(10)和气温的相关性(r=-0.311,P0.01).另外,当风速在2～3 m·s~(-1)时,PM_(10)最低;而风速大于4 m·s~(-1)时,颗粒物浓度增加明显,且对于PM_(10)的增加作用更显著.露点温度与颗粒物浓度之间也存在一定关系,当露点温度大于0℃时,颗粒物浓度会随露点温度的增加而降低.2018年郑州市PM_(2.5)与PM_(10)昼夜变化呈双峰型特征;风速与温度的双重作用导致PM_(2.5)浓度先于PM_(10)达到最高值,而空气湿度和露点温度则是造成04:00时颗粒物较低的主要原因.另外,通过多元回归分析发现,各月份昼夜时段颗粒物浓度主要受温度和相对湿度影响;在各时段中,温度与颗粒物浓度关系最为密切,风速次之,湿度最弱,各气象要素对PM_(2.5)浓度的影响较PM_(10)浓度更大.     

基于PCA与RBF神经网络的PM_（10）质量浓度预测

对影响PM10质量浓度的20个因子进行主成分分析（PCA）,得到一组新的输入因子,有效的降低了输入维数,然后以新的输入因子作为RBF神经网络的输入,建立RBF神经网络PM10质量浓度预测模型,并对西安市2005年采暖季PM10质量浓度进行了预测,获得较好的拟合和预测效果。     

西昌2014年大气边界层风场特征分析

利用西昌探空站2014年高空风资料,对大气边界层内距地300、600及900 m的风向频率、平均风速按月、季度进行统计计算,以此分析西昌地区大气边界层风场特征。结果表明:西昌地区大气边界层内风随季节变化较大。对于风向:夏季,各高度上通常以SSW和N为主导并有多个次多风向;冬、春、秋季,300 m高度上主要是偏南风,600、900 m高度上风向主要集中在SSW方向上;风速最大出现在春季,最小在夏季。     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

北京市秋季大气边界层结构与特征分析

利用2000年9—10月北京市西部城、郊3个站点的探空资料,分析该地区秋季边界层高度的平均变化规律,探讨边界层内温度、风向、风速的廓线性质和结构特征,了解其时空变化和差异。结果表明,北京市秋季白天边界层最大高度平均约1km,夜间稳定层高度在200～400m之间。晴朗天气里,白天城区边界层温度高于郊区,反映出城市热岛的作用,夜间热岛现象不明显。较低的边界层高度和其顶部经常维持的强稳定层(强逆位温层)阻断上下层流动的关联,有利于近地面大气维持静稳状态和该季节雾、霾天气的出现。夜间约400m以下气层的流动大体分为3种形态,即整层小风型、低空急流型和贴地风速极大型。温度层结与夜间流动结构有密切对应关系。     

贵阳市西郊PM10污染特征及其与主要气象因素的关系探讨

对贵阳市西郊一贵州大学蔡家关校区的PM10进行了系统采样,分析了PM10的污染水平及在时间上的污染特征,并探讨了PM10与主要气象因素（如相对湿度、风速、气压、温度等）的关系。结果表明：贵阳市西郊PM10出现轻度污染,且春、夏、秋季PM10超标率分别是24％,25％,14％,超标倍数范围分别是0．04～0．49,0．02～0．35,0．09～0．48;春、夏、秋季的PM10／TSP比值平均值分别为62％,72％,69％,与北京、西安等城市的PM10／TSP比值结果相当,略高于安阳市;春、夏、秋季PM10浓度变化不大,夏季略高、秋季次高,春季略低。春季和秋末白天易出现高浓度污染,而夏季夜间易出现高浓度污染;PM10浓度与相对湿度、风速呈负相关关系,与气压呈正相关关系,与温度的相关性不大。     

兰州市城区冬半年低空风特征及其与空气污染的关系

对兰州市环境监测站和兰州市气象站冬半年５年（１９８８～１９９２年）的大气污染自动监测资料和相应的低空风观测资料作了统计分析，揭示了兰州市城区大气边界层内冬半年各月不同层次的盛行风向，平均风速及其随高度的变化规律，基本上搞清了不同方位的风频，不同层次的平均风速和污染系数分别与空气污染物浓度的关系。     

基于因子分析法的宝鸡市PM10污染四季预报

目的以宝鸡市2003年3月1日-2006年2月28目的4个监测点的逐日PM10浓度监测值以及宝鸡市同期的地面气象要素监测值为研究对象,进行宝鸡市PM10污染四季预报研究。方法采用因子分析法,按春、夏、秋、冬四季分别建立PM10污染预报模型。结果通过四季气象要素的因子分析,春季、夏季、秋季、冬季的相关系数矩阵中各提取7个、8个、6个、7个公共因子,分别解释了原有变量总方差的85．779％、86．986％、88．693％、85．389％,总体上,原有变量的信息丢失较少,使用因子分析较为理想。结论由因子分析法建立的宝鸡市PM10污染浓度四季预报方程的准确率达到了81．70％、81．48％、78．19％、75．67%,等级命中率为100％,对宝鸡市空气中PM10的污染的控制与治理有一定的借鉴意义。     

北方地区春冬季雾天边界层结构及其演变规律的对比研究

利用1999年北京南郊开展的大气边界层实验资料,对比分析了春冬两季雾天气过程中大气边界层风速、温度和湿度廓线结构及其伴随雾生消过程的演变规律,揭示了雾的生消与风速极值、夜间逆温层厚度等气象要素的关系规律,讨论了雾的生消对大气边界层演变过程的影响。结果可为提高雾天气预测和人工影响雾天气提供基础。     

北京大学大气环境模式PUMA的改进及其在沈阳地区的应用研究

为拓展北京大学大气环境模式(PUMA)的应用, 对其进行两方面的改进。首先, 用新一代中尺度气象模式WRF提供气象场驱动PUMA; 其次, 新增非局地湍流扩散系数Grisogono方案。 为验证改进后的模拟能力, 将PUMA运用于沈阳地区冬季大气SO₂污染研究。模拟结果和观测比对表明: WRF可以提供合理的气象场; PUMA可以模拟出SO₂浓度月尺度变化和日变化; Grisogono方案在中午对流边界层条件下对模拟结果有所改善。SO₂浓度有明显的日变化, 白天浓度低, 夜间浓度高, 模拟结果表明SO₂浓度和边界层高度的日变化成负相关。改进后的PUMA可以在大气环境预报预警中得到应用。