共查询到20条相似文献，搜索用时 31 毫秒
1.
气象条件对奥运测试赛机动车限行期间空气质量的影响 总被引：2，自引：0，他引：2
对2007年8月17—20日北京市实施机动车单双号行驶交通措施期间空气质量的形成,从天气形势、气象要素、流场、大气稳定度等方面进行分析,发现:不仅机动车尾气排放量减少对较好的空气质量起到重要作用,同时该期间气象条件也为空气污染指数的下降,及其在较低水平维持起到重要影响。好运北京测试赛机动车限行期间北京空气质量良好,是行驶机动车减少和较有利的气象条件共同作用的结果。 相似文献
2.
2001-2011年西宁市空气质量特征及其与气象条件的关系 总被引：2，自引：0，他引：2
利用2001-2011年西宁市城市空气质量日报资料,研究西宁市区域性污染特征,并结合气象资料对空气质量变化特征和影响因素进行了分析。结果表明：西宁市空气污染以可吸入颗粒物为主要污染物,空气质量状况以优和良居多;空气质量季节变化特征明显,春季空气质量最差,其次是冬季和秋季,夏季空气质量最好,冬春季空气质量不稳定,夏秋季空气质量较稳定; 空气质量年变化幅度大,供暖期API指数明显高于非供暖期;沙尘影响指数呈现下降趋势;从年际变化来看,空气质量已经有了明显改善;气象要素对大气污染物有制约关系,其中起主要作用气象因子为沙尘日数、降水量、相对湿度和气温; 可吸入颗粒物长距离输送是西宁市冬春季重污染现象的主要原因,来源于新疆、甘肃西北部、内蒙古中西部及本省西北部的柴达木盆地。 相似文献
3.
为了分析气象要素与供暖之间的关系,选取北京市观象台2009年供暖季期间日平均气温、相对湿度、日总辐射量、日平均风向和风速作为气象因子,将北京市海园物业供热单位的供、回水温度和供回水温度差代表供暖温度,进行了相关分析。结果表明,日平均气温与供、回水温度呈明显的负相关,分别达到-0.75和-0.62。日平均湿度与其的负相关次之,分别为-0.41和-0.47,日平均风速与上述供、回水温度的相关性较小。同时分析了各气象要素日平均值与供、回水温度及供回水温度差之间的对应关系,制定了各气象要素日平均值所对应的供、回水温度及其供回水温度差的表。利用各日平均气象要素的供回水温度调节运行作业表,各供暖单位可以根据不同天气条件直接定量控制供热量或下达供、回水温度指令。 相似文献
4.
5.
利用2001年1月1日-2012年12月31日北京市空气污染指数资料和地面气象观测数据,对北京市API的节气变化特征及其与气象因子在节气尺度上的相关关系进行统计分析。结果表明：2001-2012年北京市春季和冬季分别以清明和小雪节气API最高,空气质量最差;立秋节气API最低,空气质量最好。春分至霜降节气空气首要污染物是PM10,SO2作为首要污染物出现在立冬~大寒和立春~惊蛰节气,小寒达到最大。温度、风速和相对湿度是影响北京空气质量主要气象因子,立春~谷雨主要受气压影响,立冬~大寒受相对湿度和日照时数影响较大,立夏~霜降与平均气温和最低气温显著相关,风速主要影响春秋节气。 相似文献
6.
7.
选取西安泾河气象站2009—2018年供暖季（当年11月15日至第二年3月15日）的气温、风速、天气现象等资料,根据节能温度计算模型,计算西安10个供暖季的日节能温度,并确定了西安本地供暖节能气象等级划分标准。西安供暖节能气象等级划分为五级：一级,TJ≥8 ℃,低量,早晚供暖;二级,5 ℃≤TJ＜8 ℃,较低量,间断性供暖;三级,2 ℃≤TJ＜5 ℃,中量,全天供暖;四级,0 ℃≤TJ＜2 ℃,大量,全天供暖;五级,TJ＜0 ℃,高量,全天供暖。节能温度计算模型及节能气象等级划分适用于西安本地,可应用于西安供暖专业气象服务业务中。 相似文献
8.
2012—2015年北京市空气质量指数变化及其与气象要素的关系 总被引：1，自引：0，他引：1
根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据,采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析,结果表明：2012—2015年北京市空气质量整体呈现下降趋势,冬春季空气质量较差,夏秋季的较好,冬季容易产生重污染天气,春季污染天气频发。北京空气质量存在一定程度的周末效应,表现为周末空气质量较差,工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关,与湿度呈正相关,不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。 相似文献
9.
基于2002—2018年北京市采暖季天然气消耗量和地面常规气象观测资料以及社会统计年度资料,采用经验模态分解、相关分析等方法分析北京地区采暖季天然气消耗量的年际变化特征及影响要素。在此基础上,利用BP神经网络方法构建采暖季天然气消耗量预测模型,并对模型进行评估检验。结果表明:(1)近17 a北京市采暖季天然气消耗量呈现持续增加趋势,经验模态分解方法能够较好地分离出天然气的社会消耗量和气象消耗量,分别反映了天然气消耗量的长期变化趋势和短期波动特征。(2)采暖季天然气的社会消耗量与GDP、集中供热面积和常住人口数量呈显著正相关;气象消耗量与气温和负积温呈显著负相关,而与降水量和持续低温日数呈显著正相关,当采暖季气温明显偏低或出现较强降雪、持续低温等天气过程时,天然气的气象消耗量将大幅增加。(3)北京市采暖季天然气消耗量EMD_BP预测模型具有较好的预测效果,平均相对误差为5.6%,能够准确预测天然气气象消耗量的峰谷变化。 相似文献
10.
利用惠州市区逐日的环境监测资料,统计分析了2013—2016年珠三角东侧惠州市空气质量特征。结果表明:(1)惠州市空气质量整体较好,全年以优良天气为主,未出现过重度和严重污染天气。(2)空气质量具有明显的季节变化特征,汛期高于非汛期,4季中夏季最好冬季最差。(3)从优良率、AQI、空气质量综合指数、主要污染物平均质量浓度等都反映空气质量逐年持续改善,2016与2013年相比有明显提升。(4)臭氧已成首要污染物,夏秋季是臭氧污染的高发季节,今后空气质量改善需重点加强臭氧防治。 相似文献
11.
《黑龙江气象》2018,(4)
通过哈尔滨市2013-2016年的空气质量指数资料、常规气象资料以及NECP/NCAR再分析资料,对哈尔滨市空气质量变化特征及其与气象要素的关系进行了分析,并从气象因素探讨了哈尔滨市典型污染日发生的天气形势及特点。结果表明近4 a哈尔滨市的空气质量状况总体有所改善,其中8、9月空气质量最好,12月空气质量状况最差;首要污染物主要为PM10和PM2.5,且在冬季PM10和PM2.5最重;冬季哈尔滨市逆温厚度与污染物浓度呈正相关;逆温强度与污染物浓度呈负相关,重污染的典型地面形势主要有高压南部型、高低压过渡型、高压中心型、高压南部型、燃煤供暖型和秸秆燃烧型5类。 相似文献
12.
13.
利用南充市城区5个污染监控点2009~2014年的环境空气质量自动监测数据,对南充市城区2014年环境空气质量进行了评价,并对日、月(季)、年空气质量变化特征和空气质量污染特征进行了初步分析,结果表明:1)南充市环境空气气态污染物(SO2、NO2、CO、O3)对本地空气污染基本无影响;2)细颗粒物PM2.5为南充市环境空气首要污染物,可吸入颗粒物PM10为次要污染物;3)全年冬季(12月、1月、2月)和1日中的12时、24时前后空气污染最为严重,这与污染源排放总量增大和气象及地形影响有关。 相似文献
14.
利用常州市空气质量资料、常规气象观测资料,分析了2012—2014年常州市空气质量与气象要素之间的关系。结果表明:1)近3 a常州市总体空气质量特征以良为主,污染率接近40%,夏季空气质量最好,秋季次之,冬季为空气质量最差的季节。2)风向对污染物的输送有重要影响,常州市常年以偏东南风向为主导风向,风带来的海上清洁空气对污染物的稀释有一定作用,当空气达重污染时,西北风分量显著增大,说明上游地区污染物的输送对常州市空气质量有较大影响;风速对污染物的扩散作用明显,风速越大,空气污染率越低。3)降水对空气污染具有显著的净化作用,降水量级增大时,空气质量的优良率增大。4)气温与空气质量直接关系较小,气温低时,大气层结稳定,加之人类供暖致使能耗增大,导致空气污染概率较大,气温高时,大气对流活动较多,易产生降水,空气质量优良率较高;湿度与空气质量关系则较为复杂,当未形成降水时,相对较高的湿度有利于空气重污染的产生。 相似文献
15.
该文提出一种参数化预报方法,制作北京及其周边地区夏季空气质量气象条件指数预报。采用2000-2007年7-9月北京市观象台大气成分 (PM10) 逐日观测资料和华北区域气象站网加密地面观测及探空信息,分析北京地区夏季奥运会历史同期与高污染过程 (PM10浓度>150μg/m3) 关系密切的敏感气象要素和变量。引入适应度函数分级方法,计算北京周边不同观测站可能形成污染向北京输送的权重,建立北京夏季空气质量气象条件参数PLAM (parameters linking air-quality and meteorology) 预报模型。PLAM指数给出北京局地污染气象条件的客观定量诊断和预测,并可指示周边地区有利 (或不利) 于污染向北京输送的强度和方位。夏季“静稳型”气象条件参数化PLAM方法为北京奥运气象保障任务实时提供预报产品,分别用PM10及可吸入颗粒物指数 (API) 对2008年7-8月PLAM逐日预报进行检验,相关系数达到0.001显著性水平。 相似文献
16.
2004年北京市沙尘天气对空气质量影响的对比分析 总被引：10，自引：4，他引：6
北京市环保局近几年的空气质量监测报告表明：PMIO污染显著,一直居高不下,是最主要的污染物,全年中其占首要污染物的天数超过90％;SO2的污染趋势已经得到控制;NO2的污染状况改善相对较小,但整体呈现缓慢下降的趋势。通过对2004年春季北京市发生的3次沙尘天气过程的分析与比较,结合北京市3月份的空气污染物浓度（或指数）的变化情况,总结了沙尘天气对空气质量的影响情况,为今后北京地区沙尘天气的空气质量预报提供参考。 相似文献
17.
2003年深圳市灰霾气候特征及影响因素 总被引：21，自引：0，他引：21
本文利用2003年地面气象观测资料，分析了深圳市灰霾天气的变化规律及其气象要素特征和空气质量情况，总结出深圳市出现灰霾的季、日变化特征、主要影响因素和形成条件。 相似文献
18.
Trends of surface PM_(2.5) over Beijing–Tianjin–Hebei in 2013–2015 and their causes: emission controls vs. meteorological conditions 
下载免费PDF全文
下载免费PDF全文 《大气和海洋科学快报》2017,(4)
文章以2013年为基准年对京津冀地区2014–15年的PM_(2.5)浓度变化趋势作了分析,并结合区域空气质量模式NAQPMS研究了气象条件和大气控制措施对PM_(2.5)浓度变化的贡献。研究结果表明:京津冀地区2014–15年PM_(2.5)年平均浓度较2013年有明显下降,其中:南部城市(邢台、邯郸、石家庄和沧州)PM_(2.5)浓度下降由气象条件和排放源控制共同作用,排放源控制起主导作用;天津市和廊坊市2014年PM_(2.5)浓度下降有赖于排放源控制,气象条件总体不利于污染物扩散,2015年则由气象条件和排放源控制共同作用,以排放源控制为主导作用;受制于不利气象条件影响,北京市PM_(2.5)浓度下降幅度较其它污染城市更小(2014和2015年分别为4%和9%)。在采暖季和非采暖季的对比中,2015年采暖季期间,整个区域重污染下的PM_(2.5)浓度下降幅度显著大于其它时期,这表明当前该区域大气污染治理正朝精细化的方向发展。 相似文献
19.
20.
利用2015～2019年贵州省9个城市的空气质量指数(AQI)和6种大气污染物逐日监测资料及同期气象要素观测资料,分析了贵州省各市年、季大气污染的分布特征,以及各市首要污染物出现频率的季节特征,探讨了6种大气污染物与气象要素之间的相关关系。结果表明:(1)贵州省总体空气质量较好,2015～2019年全省空气质量优良天数占全年90%以上,2018年空气质量为5年中最优;(2)AQI的空间分布呈现“北高南低”的分布特征,高值区在遵义、水城和铜仁,兴义空气质量最好;(3)6种大气污染物与平均气温、相对湿度、日平均气温、日降水量、相对湿度、平均风速呈高度显著相关;(4)贵州省的污染日主要集中出现在冬季,首要污染物主要是颗粒物(PM2.5和PM10),夏季出现污染日的情况最少,首要污染物主要是O3。 相似文献