共查询到19条相似文献，搜索用时 171 毫秒
1.
2.
基于东亚冬季风指数的安徽省冬季霾预测研究 总被引：2，自引：2，他引：0
东亚冬季风强度与中国中东部冬季霾日数的变化在年际尺度上密切相关,这为霾的短期气候预测提供了可能的物理因子。利用NCEP/NCAR再分析资料和安徽省1980-2016年气象观测数据,采用统计分析方法研究安徽省1月霾日数与同期不同东亚季风指数的关系,确定了安徽省不同区域冬季霾的主要季风指数预测因子,建立安徽省冬季霾的月尺度预测模型,并进行了验证。结果表明:(1)1月气候霾日数与6类东亚冬季风指数均呈反相关关系,其中淮河以北、江淮之间两个区东亚大槽强度指数与气候霾日数的相关系数在各项指数中最高,沿江江南为西伯利亚高压强度指数与气候霾日数的相关系数在各项指数中最高。(2)不同分区建立的1月气候霾日数的预测模型均通过了α=0. 01的显著性水平检,验证结果表明,霾日数预测等级与实况等级基本一致,各区均未出现预测错误的情况,表明模型具有较好的预测表现。(3)在安徽省冬季霾实际预测业务中,相比NCEPCFS2模式输出的环流预报场,ECMWFSYSTEM4模式输出环流预报场的预测效果更好。 相似文献
3.
4.
利用全国664站1961—2012年逐日霾观测资料、降水量、平均风速和最大风速资料,分析中国霾日数变化特征及其气候成因。结果表明：我国年霾日数分布呈明显东多西少特征,中东部大部地区年霾日数在5～30 d,部分地区超过30 d,西部地区基本在5 d以下。霾日数主要集中在冬半年,冬季最多,秋季和春季次之,夏季最少,12月是霾日数最多的月份,约占全年霾日数的2成。我国中东部地区冬半年平均霾日数呈显著的增加趋势（1.7 d/10a）,霾日数显著增加时段主要在1960年代、1970年代和21世纪初,在1970年代初和21世纪初发生了明显均值突变。从区域分布来看,华南、长江中下游、华北等地霾日数呈增加趋势,而东北、西北东部、西南东部霾日数呈减少趋势。持续性霾过程增加,持续时间越长的霾过程比持续时间短的霾过程增加更为明显。不利的气候条件加剧了霾的出现。霾日数与降水日数在中东部地区基本以负相关为主,中东部冬半年降水日数呈减少趋势（-4 d/10a）,表明降水日数的减少导致大气对污染物的沉降能力减弱。另一方面,霾日数与平均风速和大风日数以负相关为主,而与静风日数则以正相关为主,冬半年平均风速和大风日数减小,静风日数增加,表明风速减小导致空气中污染物不易扩散,从而更易形成霾天气。 相似文献
5.
利用1961-2010年四川盆地122个气象站观测资料,分析四川盆地年平均霾日数时空分布特征及霾日数季节和年变化趋势。探讨近50 a四川盆地大气干消光系数、风速、能源消耗和人口等因素与霾日数之间的关系。结果表明：1961-2010年四川盆地122个站年平均霾日数为62.5 d,最多的站可达100.0 d以上。霾日数有明显季节变化,四川盆地冬季霾日数最多（28.4 d）,春、秋季次之,夏季最少（5.9 d）。四川盆地有104个站霾日数年变化呈增加的趋势,其中有71个站通过了置信度99 %的检验,霾日数增加最多的是四川省内江地区的戚远,气候倾向率为42.0 d/10 a;霾日数增加最少的是成都市的新都,气候倾向率为0.4 d/10 a。四川盆地有18个站霾日数年变化呈下降趋势,仅7个站点通过了置信度99 %的信度检验,霾日数减少最多的是四川北部广元地区的南江,气候倾向率为-16.7 d/10 a。霾日数的年变化与大气干消光系数呈显著正相关,与风速呈显著负相关,与四川盆地的能源消耗和人口增长呈显著正相关。 相似文献
6.
1981—2013年京津冀持续性霾天气的气候特征 总被引：1，自引：0，他引：1
近年来我国不断增多的霾天气的一个显著特征就是持续性增强,为此,本文利用1981—2013年京津冀霾日统计资料,对京津冀持续性霾事件（定义为连续2 d及以上有烟或霾发生的天气）的基本时空分布特征和变化趋势进行了详细分析,结果表明：京津冀地区1981—2013年非持续性霾日数没有显著的变化趋势,持续性霾日数及其所占百分率均呈显著增加趋势,持续性霾日数的增加是总的霾天气增加的主要原因。持续性霾天气主要集中在北京、天津北部和河北西南部,年平均持续性霾日数占到霾的年总日数一半以上。持续性霾高发区的范围呈现年代际增大趋势,2000年之后扩展趋势显著加速。 相似文献
7.
利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料,通过SVD诊断分析,选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场,建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高,多年均值从-0.06提升到0.38,最高可达0.85。同时,此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。 相似文献
8.
采用2000—2017年1月地面和高空观测基本气象要素(气压、温度、湿度、风、能见度和雾-霾天气现象等)观测信息、1980—2016年1月NCEP再分析资料等,基于气候平均态的环流异常特征分析,发展对平均气候态出现异常变化的综合诊断分析方法,研究华北地区冬季典型雾-霾多寡年大气环流的三维结构及其遥相关异常特征。结果表明:2000—2017年冬季1月,华北平原、中原等黄河中下游地区冬季雾-霾的发生日数呈增加趋势,雾-霾发生日数线性增加拟合趋势相关确认系数为R2=0.36,超过0.001的显著性水平。基于气候平均态环流异常特征分析表明,华北平原、中原等黄河中下游地区雾-霾污染出现多、寡年的对流层大气大尺度环流分布差异显著。气候平均态的环流异常特征分析表明,多雾-霾年,在冬季1月影响中国的冷空气主要路径上,自极地区泰米尔半岛,经中西伯利亚、贝加尔湖地区到中国东部区域,对流层中层与高层位势高度距平呈现"高—低—高"的分布,在低层则出现"东高西低"的气候平均态异常分布;少雾-霾年,该分布型不复存在,并出现反位相特征。多雾-霾年的这种异常环流分布型可为中原至华北平原冬季雾-霾的频发提供有利的气候背景,是该区域冬季雾-霾多发的重要原因。 相似文献
9.
用1979/1980～2017/2018年冬季逐日长江下游气温资料研究长江下游冬季低温日数与温度低频振荡的联系.结果表明,冬季长江下游逐日气温存在较显著的季节内振荡周期(15～25 d、25～40 d和50～70 d振荡),其中与12～2月低温日数关系最密切的是25～40 d振荡.基于2001～2018年逐日长江下游实... 相似文献
10.
分析了北京市道面温度在冬季和夏季不同天气状况下的日变化,利用2012—2015年的道面站温度与北京区域模式输出的气象要素之间的相关关系,以5个道面站为代表站筛选不同相关因子建立多个道面冬季最低温度和夏季最高温度的线性回归统计预测模型,并对2016—2017年冬季、夏季道面温度预测检验。结果表明:在不同天气条件下道面温度与气温变化对比明显;道面温度与气温、辐射、日照时数相关较大;夏季按天气类型建模预测准确度有所提升,在晴到多云状况下,模型预测冬季最低温度误差控制在±2℃内,夏季最高温度误差控制在±3℃左右,其他天气状况下误差增大,冬季预测模型好于夏季预测模型。 相似文献
11.
对1960~2010年我国中东部地区霾日数的时空变化特征的分析结果表明:1)霾日数大值区主要分布在人口众多的四川盆地、北京-天津-河北地区、长江中下游地区以及广东-广西中部。2)季节变化上,霾日数冬季较多,其中北京-天津-河北地区中部和西南部、四川盆地和东北地区东部和南部等地超过20 d,夏季最少。3)霾日数气候趋势系数在北京-天津-河北地区、长江三角洲地区和珠江三角洲地区趋势系数高达0.8。4)霾日数呈现明显的上升趋势[3.69 d(10 a)–1],其气候趋势系数为0.82,通过了99.9%的信度检验。5)我国中东部气溶胶光学厚度和对流层NO2的空间分布与年平均霾日数的分布基本一致,近51年来能源消耗量的稳定上升趋势也表明,人为因素导致的大气污染物排放量增加是引起霾天气出现频率上升的重要因素。 相似文献
12.
最近40年中国雾日数和霾日数的气候变化特征 总被引：30，自引：10，他引：20
根据1971～2010年567个中国地面观测站点的雾日数和霾日数资料,分析了我国雾日数和霾日数的空间分布、季节变化以及年代际变化特征,并且利用REOF（旋转经验函数正交）分解对雾日数进行气候区划。结果表明：（1）雾主要分布在东南沿海地区、四川盆地地区、湘黔交界、山东沿海以及云南南部等地区。霾主要集中于华北、河南以及珠三角和长三角地区。（2）在季节变化上：秋、冬季雾和霾的分布大于春夏。（3）雾日数和霾日数年代际变化明显,雾日数在20世纪70至90年代较多,20世纪90年代以后减少;霾日数自2001年以来急剧增长。（4）雾日数可以共可分为10个区,其中华北区、川渝区以及长江中下游区是雾出现频率较高的几个重点区域。 相似文献
13.
对1980～2014年中国中东部地区324个台站的持续性霾天气的时空变化和相关气象影响因子进行分析，结果表明:中东部地区年平均持续性霾事件和其在所有霾事件的贡献比例逐年增加，增长率分别为0.79 (10 a)-1和2.7% (10 a)-1。主要表现为3个大值区:华北平原地区（包括山西省、京津冀地区）、长江三角洲和四川盆地东部，增加最显著的区域位于黄淮地区，增长率分别为6.3 (10 a)-1、13.95 d (10 a)-1。1月是持续性霾事件的高发月，月均2.56 d。夏季和秋季持续性霾事件增加最为明显，增长率分别为0.38 (10 a)-1和0.46 (10 a)-1。不利的气象条件，如静风日数的增加，风速和大风日数的减少，以及不利的环流形势，如东亚冬季风的减弱，都可能造成持续性霾天气的增加和异常维持。 相似文献
14.
江苏省快速城市化进程对雾霾日时空变化的影响 总被引：6，自引：3，他引：3
利用气象观测和经济统计数据,研究了江苏雾霾时间空间分布和城市化对年雾霾日的影响。结果表明:(1)经济发达、城市化水平高的苏南地区是霾天气高发区,年霾日数超过100 d;(2)江苏霾日数冬季最多,夏季最少,2000年以后,夏秋季霾日数明显增加;苏南是霾日数显著上升的区域,增长率≥30 d/10a;(3)1978—1991年江苏三大区年工业增加值处于较低水平,增速缓慢,1991—2002年,年工业增加值增速加快,2002年以后迅速增长;与此对应,各区年霾日数从1990s初期缓慢上升,2002年以后快速增长;在城市化水平最高的苏南地区,1975—2000年各季节霾日数上升也不明显,2000—2008年,苏南城市化率从37%迅速上升到60.2%,霾日数也迅速上升,这表明城市化的加速发展是导致年霾日数上升的重要原因。 相似文献
15.
16.
利用2006—2015年京津冀气象站的常规观测资料和同期NCEP/NCAR再分析资料，以秋冬季影响雾霾形成与消散的静稳大气和通透大气为研究对象，统计分析了气象因子的分布状况。结果表明:京津冀秋冬季降水对雾霾起不到冲刷作用，反而促进雾霾的形成与维持；京津冀秋冬季雾霾消散主要是风场因子的贡献。雾霾消散的大气状态可分为3种类型，在不同大气状态下，各风场因子对雾霾消散的贡献不同。采用迭代自组织数据类差最大值阈值分割法找出了各风场因子的最佳阈值。根据各风场因子对雾霾消散的敏感性和因子间的相关，筛选出3类大气状态下雾霾消散因子指标。采用指标叠套法对2016、2017年秋冬季大气进行检验，表明雾霾消散指标及其阈值能较好区分静稳大气和通透大气，对雾霾过程具有较好的指示意义；通过对derf2.0模式产品释用，可为延伸期雾霾过程客观化预测提供技术支撑。 相似文献
17.
利用2015-2016年全国PM2.5质量浓度站点资料及CCMP(Cross Calibrated Multi-Platform)风场再分析资料,对中国华北、长三角、珠三角以及四川盆地主要城市在PM2.5污染下的近地面风场及其影响进行统计分析.结果表明:(1)近地面风速与PM2.5质量浓度表现为负相关,低风速有利于PM... 相似文献
18.
The number of haze days and daily visibility data for 543 stations in China were used to define the probabilities of four grades of haze days: slight haze(SLH) days; light haze(LIH) days; moderate haze(MOH) days; and severe haze(SEH) days. The change trends of the four grades of haze were investigated and the following results were obtained. The highest probability was obtained for SLH days(95.138%), which showed a decreasing trend over the last54 years with the fastest rate of decrease of-0.903% ·(10 years)-1 and a trend coefficient of-0.699, passing the 99.9%confidence level. The probabilities of LIH and MOH days increased steadily, whereas the probability of SEH days showed a slight downward trend during that period. The increasing probability of SLH days was mainly distributed to the east of 105°E and the south of 42°N and the highest value of the trend coefficient was located in the Pearl River Delta and Yangtze River Delta regions. The increasing probability of LIH days was mainly distributed in eastern China and the southeastern coastal region. The probabilities of MOH and SEH days was similar to the probability of LIH days. An analysis of the four grades of haze days in cities with different sizes suggested that the probability of SLH days in large cities and medium cities clearly decreased during the last 54 years. However, the probabilities of LIH days was 10% and increased steadily. The probability of MOH days showed a clear interdecadal fluctuation and the probability of SEH days showed a weak upward trend. The probability of SLH days in small cities within 0.8° of large or medium cities decreased steadily, but the probability of LIH and MOH days clearly increased, which might be attributed to the impact of large and medium cities. The probability of SLH days in small cities 1.5° from a large or medium city showed an increasing trend and reached 100% after 1990; the probability of the other three grades was small and decreased significantly. 相似文献
19.