共查询到19条相似文献，搜索用时 78 毫秒
1.
利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM10、PM2.5、CO、O3、 SO2、NO2六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O3外在冬季最高,夏季最低,春秋两季相差不大,O3浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM10、PM2.5、CO、NO2浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O3浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。 相似文献
2.
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
3.
《干旱气象》2017,(4)
影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数(API)与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08:00(北京时)地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明:(1)当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;(2)除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.000 01的显著性水平,并且相关程度冬半年好于夏半年;(3)API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;(4)回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。 相似文献
4.
2013年1月10-14日,北京平原地区出现了水平能见度在2 km以下、以PM2.5为首要污染物、空气质量持续5 d维持在重度以上污染水平的霾天气。综合分析此次霾天气过程的天气形势、北京地区常规和加密气象资料以及城郊连续观测的PM2.5浓度资料。结果表明：此霾过程期间,北京高空以平直纬向环流为主,受西北偏西气流控制,没有明显冷空气南下影响北京地区,地面多为不利于污染物扩散和稀释的弱气压场;大气层结稳定、风速小(日平均风速小于2 m·s-1)、相对湿度较大（日平均相对湿度在70 %以上）、逆温频率高强度大,边界层内污染物的水平和垂直扩散能力差;北京城区及南部的京津冀地区人类活动排放污染物强度大,在相对稳定和高湿的天气背景下,受地形和城市局地环流的影响,北京本地污染物累积和区域污染物输送以及PM2.5细粒子在高湿条件下的物理化学转化等过程共同作用造成此次北京城区及平原地区污染物浓度快速增长并持续偏高,高浓度PM2.5对大气消光有显著影响,造成低能见度和持续霾天气。 相似文献
5.
利用气象和环境监测资料分析2013年2月19日南京一次短时强降雪过程对各类污染源及污染物浓度的影响,并利用Pearson相关分析法分析不同污染物之间及污染物与气象要素之间的相关关系。结果表明：此次南京暴雪对面源影响最大,扬尘排放量几乎为零,流动源主要受机动车早晚高峰变化影响,工业点源受影响不大。此次暴雪过程后,南京空气质量达到优级,2013年2月19日AQI指数比18日与20日均下降35%,SO2日变化仍呈单峰型,颗粒物及NO2日变化则未呈现早晚双峰变化。PM2.5与PM10、SO2、NO2、CO呈显著正相关,相关系数分别为0.979、0.663、0.837和0.875,说明污染物来源具有一定的同源性。污染物浓度与风速、相对湿度呈显著负相关,与温度、大气压强呈显著正相关。 相似文献
6.
7.
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
8.
根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM2.5和O3的潜在源区。结果表明：冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM2.5,其次是PM10和O3;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O3呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O3质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。 相似文献
9.
1961~2010年黄河中下游地区24节气气候变化特征分析 总被引：2，自引：0，他引：2
24节气是我国古代劳动人民的独特创造。全面掌握"24节气"的气候变化规律,不但有利于指导农事生产,提高气象服务质量和水平,而且在为人类预防和治疗疾病方面也有重要意义。在全球变暖的气候背景下,统计分析了1961~2010年黄河中下游地区24节气的气温、湿度、风速等6个气象要素的变化特征,得到以下结论:黄河中下游地区随节气变换气候变化显著,大暑、小暑节气高温高湿,小寒、大寒节气寒冷干燥,清明节气寒温反复大风将至,霜降节气天气渐凉秋燥加剧等。50年内,春季型节气(平均、最高、最低)气温显著升高,冬季型节气最低气温升高显著。气压随节气变化特征与气温大致相反,夏、秋季节气有升压趋势。相对湿度与降水均呈减少趋势,以秋季型节气减小趋势最明显。春季风速最大,夏、秋季风速最小,所有节气风速均呈减小趋势,冬夏季节气日照时间呈缩短趋势。 相似文献
10.
利用2015—2016年贵港市空气自动监测站空气质量指数、首要污染物等数据及贵港国家气象观测站的常规气象观测资料(风速、湿度、气温等),分析了贵港市2015—2016年空气质量概况及相关气象因子,进而利用合成分析方法对贵港市在不同季节出现不同级别空气污染的天气形势变化进行了分析。分析结果表明:贵港市的首要污染物为PM_(2.5)和PM_(10),其中12月、1—2月为贵港市空气污染最严重的月份。各气象要素与空气质量指数相关性较强,风速、气温、降水等气象条件对贵港市的空气质量影响显著。在春、秋、冬季,冷空气南下影响贵港市,500 hPa为持续的下沉运动且850 hPa相对湿度较低及850hPa由北风转为南风且风速较小时,贵港市极易出现轻度污染以上的天气;当云南一带有南支槽活动时,贵港市易出现重度污染天气。夏季影响贵港市空气质量的主要因素则是热带气旋移动至江苏、浙江一带时,热带气旋的外围下沉气流导致贵港市出现持续下沉运动。此时,受副热带高压系统或者其他天气系统影响,850 hPa风向出现明显转折时,应考虑贵港市出现轻度污染的天气现象。 相似文献
11.
Important meteorological variables for statistical long-term air quality prediction in eastern China
Weather is an important factor for air quality. While there have been increasing attentions to long-term (monthly and seasonal) air pollution such as regional hazes from land-clearing fires during El Niño, the weather-air quality relationships are much less understood at long-term than short-term (daily and weekly) scales. This study is aimed to fill this gap through analyzing correlations between meteorological variables and air quality at various timescales. A regional correlation scale was defined to measure the longest time with significant correlations at a substantial large number of sites. The air quality index (API) and five meteorological variables during 2001–2012 at 40 eastern China sites were used. The results indicate that the API is correlated to precipitation negatively and air temperature positively across eastern China, and to wind, relative humidity and air pressure with spatially varied signs. The major areas with significant correlations vary with meteorological variables. The correlations are significant not only at short-term but also at long-term scales, and the important variables are different between the two types of scales. The concurrent regional correlation scales reach seasonal at p < 0.05 and monthly at p < 0.001 for wind speed and monthly at p < 0.01 for air temperature and relative humidity. Precipitation, which was found to be the most important variable for short-term air quality conditions, and air pressure are not important for long-term air quality. The lagged correlations are much smaller in magnitude than the concurrent correlations and their regional correction scales are at long term only for wind speed and relative humidity. It is concluded that wind speed should be considered as a primary predictor for statistical prediction of long-term air quality in a large region over eastern China. Relative humidity and temperature are also useful predictors but at less significant levels. 相似文献
12.
利用相关统计法分析2006—2008年厦门市地面气象要素对空气污染指数变化的影响规律。结果表明：风速、气温、降水、相对湿度和水汽压对空气污染指数有显著负效应作用,气压起显著正效应作用;风向影响较为复杂, NNW-N-E-ESE风起正效应作用, SE-S-W风起负效应作用,厦门风向总体不利于空气质量提高,全年仅夏季盛行SE-S-W风。API指数与风向、气温、降水、气压、相对湿度和水汽压的季节变化规律有高相关性。API指数与气象要素中的水汽压关系最相关,其次是气压。 相似文献
13.
利用1981—2015年南京常规气象观测资料和NCEP/NCAR再分析资料,分析了南京市春节前后主要的天气形势及其对大气环境的可能影响。结果表明:(1)1981—2015年,南京地区春节前共出现冷空气过程19次,春节期间出现21次;春节前共出现降水天气过程27次,而春节期间共出现25次,降水持续时间均为2 d左右。春节前和春节期间,既没有冷空气又无降水天气过程的年份均为8 a。(2)影响的冷空气过程以中西路为主,春节前冷中心位于贝加尔湖以西,春节期间冷空气中心位置略偏南,强度略偏大;500 hPa以两脊一槽型分布,南京处于槽区,槽后冷空气不断南下影响南京;在冷空气影响下,南京以偏北风为主,且南京都处于大风速区;冷空气过程有利于污染物的清除和扩散。(3)降水过程期间,冷暖气流交汇于南京地区,南京处于南北气流交汇的鞍型场中,同时湿度大,且处于风场辐合区内,有利于降水天气的发生,进而对于大气污染物也起到了稀释和清除的作用。(4)南京市处于海平面气压的均压场中,地面风速较小,这样的天气条件不利于污染扩散;同时近地层相对湿度适中,有利于污染物半径吸湿扩大,进而增加大气污染物浓度;从温度层结来看,南京地区上空700～1 000 hPa气温基本一致,这样的中性层对污染物的向上扩散也起到一定的一致作用;上述这些气象条件都有利于大气污染浓度增加。春节期间的稳定天气形势会加剧污染天气的发生。 相似文献
14.
利用安徽省阜南县以及贵州省锦屏县2015—2016年医保住院数据，细化两县呼吸系统疾病住院人群年龄分层，并从月份、节气、候不同时间尺度逐步递进的角度，采用描述性研究方法与相关性分析方法，探析两地各年龄段人群住院人数分布及其地域差异。结果表明：（1）两县9岁以下儿童呼吸系统疾病高发，20~39岁人群住院率较低。（2）两县各人群呼吸系统疾病入院高峰基本出现在2—3月（立春—清明、第10-20候）和11—12月（大雪—冬至）。除个别人群外，两县均是夏、秋两季呼吸系统疾病入院人数较少。（3）阜南县50~59岁人群呼吸系统疾病秋季入院风险的增加与当地气温日较差增大和相对湿度降低有关，滞后5 d左右影响明显。（4）总体来看，干冷环境可能会造成两县居民呼吸系统疾病入院人数的增多。此外，锦屏县居民还需格外防范春季相对低温高湿天气及暖季较低气温日较差所带来的呼吸系统疾病风险。 相似文献
15.
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
16.
17.
The present study investigates meteorological conditions for the day-to-day changes of particulate matter (PM) concentration in Beijing city during the period 2008–2015. The local relationship of PM concentration to surface air temperature, pressure, wind speed, and relative humidity displays seasonal changes and year-to-year variations. The average correlation coefficient with PM10 in spring, summer, fall, and winter is 0.45, 0.40, 0.38, and 0.30 for air temperature; –0.45, –0.05, –0.40, and –0.45 for pressure; 0.13, 0.04, 0.53, and 0.50 for relative humidity; and –0.18, –0.11, –0.45, and –0.33 for wind speed. A higher correlation with wind speed is obtained when wind speed leads by half a day. The heavily polluted and clean days, which are defined as the top and bottom 10% of the PM values, show obvious differences in the regional distribution of air temperature, pressure, and wind. Polluted days correspond to higher air temperature in all the four seasons, lower sea level pressure and anomalous southerly winds to the south and east of Beijing in spring, fall, and winter, and a northwest–southeast contrast in the pressure anomaly and anomalous southerly winds in summer. Higher relative humidity is observed on polluted days in fall and winter. The polluted days are preceded by an anomalous cyclone moving from the northwest, accompanied by lower pressure and higher air temperature, in all four seasons. This feature indicates the impacts of moving weather systems on local meteorological conditions for day-to-day air quality changes in Beijing. 相似文献
18.
We compared the regional synoptic patterns and local meteorological conditions during persistent and non-persistent pollution events in Beijing using US NCEP–Department of Energy reanalysis outputs and observations from meteorological stations. The analysis focused on the impacts of high-frequency (period < 90 days) variations in meteorological conditions on persistent pollution events (those lasting for at least 3 days). Persistent pollution events tended to occur in association with slow-moving weather systems producing stagnant weather conditions, whereas rapidly moving weather systems caused a dramatic change in the local weather conditions so that the pollution event was short-lived. Although Beijing was under the influence of anomalous southerly winds in all four seasons during pollution events, notable differences were identified in the regional patterns of sea-level pressure and local anomalies in relative humidity among persistent pollution events in different seasons. A region of lower pressure was present to the north of Beijing in spring, fall, and winter, whereas regions of lower and higher pressures were observed northwest and southeast of Beijing, respectively, in summer. The relative humidity near Beijing was higher in fall and winter, but lower in spring and summer. These differences may explain the seasonal dependence of the relationship between air pollution and the local meteorological variables. Our analysis showed that the temperature inversion in the lower troposphere played an important part in the occurrence of air pollution under stagnant weather conditions. Some results from this study are based on a limited number of events and thus require validation using more data. 相似文献
19.
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