共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
基于高密度逐时气象观测资料以及国家环境保护部公布的空气质量日报,对绵阳城区2014年1月9日至2月4日一次污染过程的气象条件,分3种类型(轻度污染型、中度污染型、重度污染型)进行研究。结果表明:整个过程风速和混合层厚度与空气质量指数均呈负相关,相关系数为-0.637、-0.487;分类型讨论时,仅轻度污染型风速与空气质量指数呈负相关,相关系数为-0.739;风速日变化均呈现"单峰型"的特征,峰值出现在12:00—18:00之间;风向以东南、西北气流为主,东南气流能加重空气污染;混合层厚度表现为"早晚低,午后高"的日变化特征,轻度型的混合层厚度平均高583.78m,中度型反比重度型低6m,分别为481.92m,487.69m;溃变理论V-3θ图对连续重污染过程的转折性天气起到较好的预报和指示作用,主要表现在强对流和降水天气两类。 相似文献
3.
4.
5.
6.
影响上海市空气质量的地面天气类型及气象要素分析 总被引：22，自引：0，他引：22
地面天气形势及气象要素的变化在空气污染潜势预报中具有很好的指示作用。利用天气学原理将地面天气系统进行分型,探索研究不同地面天气类型对上海空气质量变化的影响。整理、分析2003—2005年地面天气类型和气象要素与空气质量的关系,发现:(1)上海秋冬季以大陆冷性高压系统移动为主,而夏季主要以副热带高压和台风影响为主,春季是冬季与夏季之间的过渡,天气系统转换较为频繁。(2)春、秋、冬季易引起上海市空气污染的天气类型有L型高压、高压、高压前和均压场4种地面天气类型,与空气质量优等级相对应的天气类型是低压槽、高压底和高压后。夏季空气质量优等级对应的天气类型主要有台风、高压(副高)和低压槽。(3)秋冬季节典型天气过程一般经历高压前(或冷空气)→L型高压→高压→高压后(或高压底)→低压槽的转换,PM10浓度变化也表现为先升后降。(4)气象要素的变化也与空气污染存在密切联系,气压与空气污染物的关系为正相关,而气温、相对湿度和风速与空气污染物浓度呈负相关。 相似文献
7.
近几年,苏联许多城市普遍采用空气污染天气统计预报方法制作城市空气污染短期预报。开展此类预报是很有必要的。因为通过预报,使我们有可能对城市空气中的污染状况作出总的估计,以便估计污染的危险程度,从而采取措施防止污染。同时,有必要对每一种污染物造成的空气污染进行定量预报。目前,根据大气扩散模式,计算点源污染浓度的方法研究得比较多。但此类计算方法局限在有限的点源范围内使用,且密切依赖于污染源参数及排放物资料的准确性。上述资料,目前在大城市条件下还得不到。大气扩散与湍流参数的不可预报性,是目前这方法中不可克服的困难。鉴于高浓度污染与气象条件之间存在相当密切的关系,因而有可能从气象角度来解决空气污染定量预报的问题。最近,有人尝试根据预报的气象参 相似文献
8.
该文利用2015—2016年岳阳市区空气质量AQI数据和同期的常规气象资料,运用统计分析方法对该市的AQI时空分布特征进行了分析,运用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区冬季空气质量最差,夏季空气质量最好,城市北部空气质量差于南部、工业区空气质量差于水库景区。重度污染及严重污染日基本出现在空气质量较差的冬季,工业区发生频率比较高。岳阳市城市工业布局方向与年主导风向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。选取气温、降水量、低云量、相对湿度、风速等因子建立的岳阳市区AQI预报模型模拟效果较好。 相似文献
9.
《气象与环境学报》2016,(2)
利用2014年3月至2015年2月锦州市逐日AQI、日平均污染物浓度和同期气象要素观测资料,对锦州市空气质量时空分布特征及其与气象条件的关系进行了分析.结果表明:锦州市空气质量等级为良的频率为62%,轻度污染的频率为23%,优的频率仅为6%,主要污染物为PM_(2.5)、PM_(10)、SO_2和O_3.锦州市2月和10月空气质量最差,9月空气质量最好,空气质量达优和良等级的日数占9月总日数的97%;锦州市天安街道空气质量最差,其SO_2浓度为百股街道的5倍.锦州市出现3级以上污染时的主要影响系统为地形槽、蒙古低压和弱气压场,降水对污染物具有清除作用,且对PM10的清除作用最明显;沙尘天气时空气污染明显加剧,逆温层抑制了污染物的扩散,逆温层底层高度越低,空气污染越严重.建立了AQI回归预报方程,拟合结果与实测值的变化基本一致,其中对春季AQI的拟合效果最好. 相似文献
10.
引 言目前 ,城市空气污染预报主要利用 3种方法进行预报集成 ,即气象形势潜势预报、要素统计模型预报和污染模式预报。通过对 3种结果的经验集成 ,综合得出预报产品进行分发服务。为了配合兰州市 4月 1日按时开展空气质量试预报 ,我们设计了一个利用实时资料和数值资料相结合并直接用于业务应用的要素统计模型。1 污染观测及污染资料现状兰州空气质量监测点设在西固兰炼宾馆 ,污染物主要来自于兰州当地工厂排放和生活废气排污。兰州市地形是一个东西狭长河谷 ,盛行风向对观测值有较大的影响 ,因此 ,观测的污染值并不具备很好的代表性。文… 相似文献
11.
12.
《气象与环境学报》2017,(3)
利用2013—2014年上海地区6种空气污染物小时浓度和逐日空气质量分指数(IAQI)的监测资料,统计分析了上海地区空气污染的变化特征及其气象影响因子。结果表明:2014年上海地区空气质量优良率达77.0%,空气质量总体较2013年明显好转。2013—2014年上海地区AQI具有季节性特征,表现为冬季空气质量较差、秋季空气质量较好的特征,其中12月空气质量最差。由首要污染物分布可知,上海地区最主要的污染物为PM_(2.5),其中冬季PM_(2.5)污染出现最多;O_3则为夏季的主要污染物。由污染物浓度的周循环变化可知,上海地区PM_(2.5)、PM_(10)、NO_2和O_3浓度均存在周末低于工作日的"周末效应",但PM_(10)和NO_2浓度的"周末效应"更显著。由2014年上海地区霾日与PM_(2.5)浓度的变化可知,当PM_(2.5)浓度达到轻度及以上污染时,霾天气出现的概率大幅提高,但二者并非对应的关系。天气形势对PM_(2.5)污染影响较大,基于上海地区天气形势特点可以将PM_(2.5)污染的地面形势分为7种类型,其中高压中心型和高压楔型为PM_(2.5)污染的主要天气型。由于上海地区冬季冷空气活动频繁,西北风将上游地区颗粒物输送至本地,易造成较严重的污染天气;同时在冷高压的控制下,高压中心型和高压楔型天气频繁出现,导致颗粒物不易扩散,也易造成空气污染。夏季和秋季在副热带高压的控制下,水平和垂直扩散条件均较好,不易出现PM_(2.5)污染,但由于气温较高,光照条件较好,易出现O_3污染。 相似文献
13.
利用2014年1月1日—2016年12月31日荆州城区逐日空气质量数据和同期地面气象要素逐日观测资料,分析了荆州城区空气质量状况、变化特征及其与气象要素的相关性。结果表明,荆州城区优良日数偏少,但2014—2016年荆州城区空气质量略有改善,首要污染物为PM_(2.5);AQI和PM_(10)、PM_(2.5)、SO_2、NO_2、CO的月变化规律一致,呈V型分布,冬季空气污染最严重,夏季空气污染相对较轻,O_3的变化规律则相反,呈反V型分布;除O_3外,AQI和其他污染物浓度与前一日AQI、气压呈正相关关系,与气温、水汽压、湿度、云量、降水、风速呈负相关关系,据此建立了AQI和各污染物浓度的回归预报方程;进一步分析了2014年1月严重污染天气的成因,本地污染物的分布、外地污染物的输入和气象扩散条件是影响空气质量的主要因素。 相似文献
14.
15.
通过对南宁、桂林、北海市空气质量自动监测数据的分析得出 :三城市整体空气质量水平为 1级或 2级 ,即优或良 ,城市空气的首要污染物为可吸入颗粒物 ;桂林、北海两城市没有出现轻度或轻度以上的污染 ,特别是北海市空气质量为 1级“优”的天数占 90 .9% ,2级良占 9.1%。空气污染的浓度与气象条件有密切关系 ,其中南宁市主要污染物月平均浓度值与月平均气压呈正相关、与月平均气温、水汽压、降雨量、相对湿度、风速、 0 cm地温呈反相关关系。各种污染物日均浓度值也与地面、高空气象要素相关非常好。因此 ,在预报未来 2 4～ 36 h天气时 ,对空气质量可进行预报 相似文献
16.
广西城市空气质量预报技术 总被引：8，自引：2，他引：8
以南宁市为例介绍广西城市空气质量预报技术。对南宁市二氧化硫、二氧化氮和可吸入颗粒物等污染物平均浓度与气象要素的相关分析表明，污染物浓度与地面、高空气象要素相关非常好。在未来24-36小时天气预报基础上，采用动态统计预报两种模式对城市空气质量进行预报，并根据污染日的影响天气系统类型对两种模式预报结果进行订正。业务实践证明预报准确率较高。 相似文献
17.
城市空气质量与气象条件的关系及空气质量预报系统 总被引：8，自引：0，他引：8
利用2002年6月1日至2004年5月31日沧州市环境监测站的逐日空气质量报告数据,对沧州市空气质量及其污染物进行了统计分析,发现沧州市空气质量优良的天数居多,两年中有236天污染天气。影响沧州市空气质量的首要污染物为PM10,其次为SO2,空气质量受季节影响较为严重,冬季取暖期污染最为严重,属于“煤烟型”污染,并与天气现象、气压场、风场、总云量等气象因子密切相关。对比沧州市每日运行的空气质量预报系统,CAPPS 1.0模式比统计预报模式预报更为准确。 相似文献
18.
通过重庆城区2013—2016年空气质量指数AQI与气象要素的相关分析,引入表征大气温湿状态的物理量总温度、比湿、近地层风速、24h变压及大气低层总温度差,构建新的空气污染气象条件指数IBAM(Index Between Air pollution and Meteorology)。应用2013年4月1日至2016年12月31日欧洲中心预报产品计算重庆地区历史IBAM指数,通过K均值聚类分析,引入极端天气事件概念确定空气污染气象条件阈值,建立预报模型。利用IBAM指数与滞后1天AQI建立拟合曲线方程,计算出AQI预报值,计算预报准确率,经过2017年1月1日至2018年9月1日样本检验,72h内预报准确率在70%左右。通过误差分析发现:当气象条件为大气污染物浓度主要影响因素且在大气污染源变化不明显时,预报误差较小;而当大气污染源变化明显时,预报误差较大。该预报方法已在重庆市气象台业务应用,对预防和处理重污染事件,改善重庆地区空气质量有较好参考价值。 相似文献
19.
沈阳空气质量时空变化 总被引：9，自引：2，他引：9
利用2000年3月至2002年4月20日沈阳市区5个大气自动监测子站的SO2、NO2和PM10资料分析了沈阳城市空气污染平均状况、时空分布特点及其与气象条件的关系，得出：（1）沈阳城市空气主要污染物年平均日值温度NO2达国家空气质量要求标准，空气质量状况属于良好范畴，而SO2和PM10超标，属于轻度污染；PM10为沈阳城市首要污染物；（2）沈阳城市空气污染冬季最重，其次是春季，夏季最轻；一天中08时和19时左右污染严重，15时和02时左右污染较轻；（3）近市中心区点（太原街，中街一带）空气污染相对重些，各区点空气污染状况差异冬季更为明显；（4）影响沈阳城市空气污染浓度变化的主要气象因子是温度、风速和风向。 相似文献
20.
为了了解重庆秋冬季节空气污染天气的环流特征,利用NCEP再分析资料对污染天气过程地面气压场应用自组织神经网络算法(SOM)进行天气分型,并经过主观对比分析,总结出3类典型天气型:均压型、低压型、高压底部型;其中均压型分为2小类:两冷锋间的均压场、弱高压区的均压场;高压底部型按冷高压中心位置分为3小类:北方高压型、西北高压型、东北高压型。比较分析发现高压底部型大气污染物浓度最高,空气污染最为严重。应用常规观测资料和L波段探空资料分析发现:各类污染天气型表现为地面静风频率高,近地层水平风速小;逆温出现概率高,大气层结稳定,大气边界层高度低等特点。从大尺度环流背景、动力、热力气象条件及后向轨迹模拟分析了3类典型污染天气过程形成原因,为重庆地区空气污染潜势预报及浓度预报提供参考依据。 相似文献