共查询到20条相似文献，搜索用时 31 毫秒
1.
利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM2.5,PM2.5平均浓度为438 μg·m-3,局地PM2.5浓度高达1487 μg·m-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s-1,风速≤ 1.5 m·s-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。 相似文献
2.
利用2015—2017年唐山市空气质量日空气质量指数、小时PM2.5浓度和气象数据,分析了唐山市重污染特征及PM2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM2.5、PM10和O3,PM2.5为首要污染物占比87%,PM10占比6%,O3占比7%。小时PM2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s-1时,有0.7%的PM2.5达到重污染;降水对PM2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s-1,主导风向为E,其次是NE、N。各方位3 m·s-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。 相似文献
3.
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
4.
PM2.5污染仍然是湖北省冬季大气污染的首要污染类型,且具有明显区域传输特征,重污染过程的空气污染气象条件有别于华北地区,值得关注。采用WRF/Chem不同排放情景下的模拟结果,并结合观测分析,研究了2015年12月—2016年1月湖北省PM2.5重污染过程的气象输送条件及日变化特征,从大尺度输送条件和局地边界层动力作用分析了外来污染物水平传输、悬浮聚集和向下传输的过程,并解释了该地区观测到的午后PM2.5浓度特殊峰值的气象成因。结果表明,湖北重污染爆发以区域传输为主,地面观测PM2.5极值对应10 m风速可达8—10 m/s,边界层0—1 km为较强偏北风输送,污染传输通量极值位于400 m高度附近,为重要传输通道,低空无明显逆温,重污染过程具有“非静稳”边界层气象特征。重污染形成的大尺度输送条件为,长江中下游及北部地区偏北风异常偏强,南部地区风速减缓,使污染物在中游平原堆积,鄂北边界风速越大,越有利污染输送增长。传输性污染主要来自偏北和东北方向的污染源输送,潜在源区贡献主要为途经偏北通道上的豫中、南阳盆地和关中地区,以及途经东北通道上的鲁、皖、苏等部分地区。PM2.5浓度日变化双峰结构的天气成因不同,21—24时（北京时）峰值为静稳性污染,11—14时峰值为传输性污染。污染输送受大气边界层高度影响,日出前大气边界层高度较低,层结稳定并伴有上升运行,使得低空外来输送悬浮聚集在400 m高度附近;日出后随大气边界层高度升高,静稳层结被破坏,在干沉降作用下高浓度PM2.5开始向下传输,并在午后地面形成峰值。 相似文献
5.
基于上海地区2012—2016年逐日PM2.5、PM10、CO、O3、SO2、NO2的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM2.5和O3污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM2.5、PM10和NO2污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O3污染天气在夏季最多（18.8 d）。风速和低云量是影响PM2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O3污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM2.5、O3污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O3污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O3污染,反之上海上空云系多,不容易出现污染。 相似文献
6.
针对2020年1月5—17日乌鲁木齐出现的重污染天气，利用乌鲁木齐的探空站资料和地面常规气象数据计算了最大混合层高度、平均风速、逆温特性、边界层通风量、能见度、相对湿度等，对最大混合层高度、能见度、相对湿度与PM2.5质量浓度进行了相关性分析，并利用Hysplit后向气团轨迹模式分析污染形成源。结果表明：此次重污染天气过程大气层结较为稳定，主要表现为逆温层厚(平均577 m)、逆温强度大(平均1.7℃/100 m)、最大混合层高度低(平均400 m)；边界层通风量对局地空气质量影响显著；PM2.5质量浓度与相对湿度呈弱的正相关，与能见度呈指数相关；Hysplit后向气团轨迹模式分析得出此次污染过程以局地排放为主要形成源。 相似文献
7.
利用2007—2017年乌鲁木齐市L波段探空雷达和地面常规观测数据,以Holzworth干绝热曲线原理,估算该地逐日最大边界层高度,并计算对应的边界层平均风速和通风量等数据。同时,应用2015—2017年空气污染指数(AQI),探讨空气质量与大气边界层参数的关系。结果表明:乌鲁木齐市日最大边界层年均高度为1415 m,总体上呈下降趋势,平均降幅为5. 9 m·a-1。时间序列上,日最大边界层高度分布呈明显周期性。逐月数据呈"抛物线"状,1月平均高度最低(336 m),6月平均高度最高(2400 m)。冬季边界层平均风速最小,为2. 6 m·s-1,春季和夏季最大,均为5. 6 m·s-1。一年中,1月平均通风量最小,为977. 0 m^2·s-1,5月平均通风量最大,为14835. 9 m^2·s-1,4—9月为平均通风量大值期,平均通风量为13282. 3 m^2·s-1。大气污染物在风速弱、边界层高度低和通风量小条件下的累积,易造成中度以上污染。冬季,乌鲁木齐常处于蒙古高压后部或底部,为造成冬季污染严重的重要原因之一。 相似文献
8.
利用空气质量历史监测数据、地面气象要素及激光雷达探测资料,综合分析了2019年1月10—15日长春市一次霾污染过程,探讨了污染过程中污染物和气象要素的变化特征与影响机制。结果表明：此次霾污染过程中12—13日污染最重,PM2.5和PM10质量浓度均超过150 μg·m-3,气溶胶消光最强,超过70%的PM2.5/PM10比值大于0.7,指出了细粒子对重污染事件的贡献;重污染期间近地面风速偏小、相对湿度增加、变压较小,同时低空风出现明显的风向转变,弱下沉运动与逆温以及较低的边界层共同削弱了大气的水平和垂直扩散能力,有利于污染物累积,导致霾污染。500 hPa天气形势表明长春市位于槽前脊后,850 hPa高度场为弱西风,相对湿度大;海平面气压场存在低压气旋及弱西南气流,该气流有利于将污染物输送至长春市,造成霾污染加剧;1月14—15日高空槽加深东移,850 hPa西北气流增强,近地面气压梯度力变大,污染物得到扩散,霾污染逐渐结束。 相似文献
9.
利用2013~2017年贵阳市10个国控空气质量监测站点PM2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM2.5的影响差异较大。PM2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM2.5影响最大,日照时数春季对PM2.5的影响最大,气温在夏、秋季与PM2.5浓度呈显著负相关。春季降水对PM2.5的相关性更为显著,风速对夏、冬季与PM2.5浓度具有显著负相关性。 相似文献
10.
分别基于微波辐射计温湿度廓线资料的气块法、位温法和比湿法,地面气象资料的罗氏法及气溶胶激光雷达数据的梯度法,计算得出广州地区大气边界层高度,对比分析5种边界层高度结果及其与气象条件、空气质量之间的关系,结合典型大气污染过程分析边界层高度对PM2.5、O3浓度的影响。结果显示:（1）利用位温法、气块法、罗氏法、比湿法和梯度法计算得出广州地区平均边界层高度分别为2 207 m、1 239 m、901 m、717 m和660 m,位温法显著高估了广州地区的边界层高度;（2）利用气块法得出的混合层高度日变化能够较好地表征白天大气边界层演变特征,利用气块法和比湿法得出的白天混合层高度与近地面O3浓度有显著的正相关关系,相关系数在0.5以上,在O3污染防治中,应同时考虑边界层内垂直输送的影响;（3）利用梯度法得出的边界层高度在污染天气时与PM2.5浓度的相关性较好,能较好地表现出大气污染情况,在PM2.5污染天气过程分析中具有较好的应用价值。 相似文献
11.
利用沈阳大气成分监测站颗粒物监测仪 (Grimm 180) 连续测得的夏季 (2006年8月)、冬季 (2006年12月和2007年1月) 可吸入颗粒物的数浓度和质量浓度数据, 分析了沈阳市可吸入颗粒物浓度日变化、谱分布及污染特征, 在此基础上结合沈阳市常规气象资料, 分析了气象要素和颗粒物污染之间的关系。结果表明:沈阳市冬、夏季部分时段可吸入颗粒物浓度存在明显的日变化和日际变化; 谱分布较好地符合Junge分布; 沈阳冬季PM10超标日数占冬季观测总天数的77%, PM2.5超标日数 (按美国EPA日均标准) 占冬季观测总天数的87%, PM10平均数浓度为6668.7个/cm3, 平均质量浓度达252.8μg/m3, 分别是夏季的3.0和2.4倍; 冬、夏季PM2.5/PM10平均质量分数分别为0.647和0.603, PM2.5占可吸入颗粒物总数量的99%以上; 浓度变化在很大程度上受到各种气象要素的影响, 与温度、风速负相关, 与湿度正相关, 降雨、降雪过程使得颗粒物浓度明显降低, 近地层逆温和雾是颗粒物增多的一个重要因素。颗粒物污染对城市能见度影响较大。 相似文献
12.
选用2003—2004年初PM2.5连续观测资料，统计分析了北京地区PM2.5的特征、PM2.5与PM10以及PM2.5与地面气象要素的相互关系。结果表明:四季中夏季PM2.5浓度最低，冬、春两季浓度较高。PM2.5与PM10比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM2.5与PM10比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM2.5在PM10中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM2.5的比例升高。PM2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO42-，NO3-和NH4+为北京地区PM2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。 相似文献
13.
利用泰安市2018—2019年降水、风和PM2.5逐小时观测数据,分析了降水和风对PM2.5浓度的影响,并对PM2.5进行了源解析。结果表明：降水对PM2.5有一定清除作用,降雨日PM2.5平均质量浓度较非降雨日平均降低约7.2%,秋冬季节最为显著。降水对PM2.5的清除率与降水强度、降水前PM2.5初始浓度及降水时间均有关。当降水强度大于4 mm·h-1时,清除率多在40%以上;当降水强度小于2 mm·h-1、初始浓度低于75 μg·m-3或降水强度小于1 mm·h-1、初始浓度在75—100 μg·m-3范围,且降水持续时间在5 h以内时容易出现PM2.5浓度反弹现象。不同风向风速对泰安地区霾粒子清除也有明显差异,西南偏西风和东北偏东风更容易造成泰安地区霾污染,重污染期间风速超过5 m·s-1偏南风和风速超过3 m·s-1偏北风均对污染物具有有效清除作用。而区域风场相关矢结果表明重污染期间PM2.5污染物主要从广西—湖南—江西一带、安徽南部及浙江北部在西南气流引导下传输至泰安地区,本地源贡献则较少。 相似文献
14.
利用气象模式WRF和中科院大气所自主发展的大气气溶胶与大气化学模式IAP-AACM对2016年冬季内蒙古中部呼包鄂地区大气细颗粒物（PM2.5）的典型污染过程进行了模拟分析。结果表明,呼包鄂地区的空气质量变化主要受大范围天气形势影响。污染累积阶段,500 hPa高度上该区域受阻塞高压或弱高压脊前平直的偏西气流控制,地面为弱高压或均压场,风速较小,边界层高度低,污染物不易扩散,且气温和相对湿度较高,利于二次颗粒物生成;污染消散阶段,天气形势发生明显变化,550 hPa高度以下有强冷平流,地面易形成大风天气,利于污染物消散,伴随着冷空气的南下,下游地区的污染物也得到清除。呼包鄂区域PM2.5主要来源于本地排放,鄂尔多斯本地排放贡献大于60%,呼和浩特本地排放贡献大于80%,包头本地排放贡献达到90%,该区域空气质量的变化可以反映区域大气污染气象条件的变化。交叉相关分析发现,呼包鄂区域的PM2.5浓度与其下游的山西、河北、河南地区的PM2.5浓度具有高度的时间相关性,相位差在6～24小时。呼包鄂区域PM2.5污染的改善有赖于本地污染源的管控,该区域冬季空气质量变化可作为下游地区空气质量变化的前兆因子,有助于下游地区空气质量的预报预警。 相似文献
15.
2017年12月22日至2018年1月18日利用无人机携带温、湿和颗粒物浓度探测仪对南京地区灰霾污染条件下大气边界层垂直结构开展加密观测。通过比较不同灰霾污染条件下温度、湿度和PM2.5（直径小于2.5微米的颗粒物）浓度的垂直结构差异,结合地面热通量、2米空气温度、相对湿度、风速、风向及主要大气污染物（如臭氧和PM2.5）浓度,定量评估了气溶胶辐射效应对边界层和夹卷过程的影响。分析表明,灰霾或气溶胶削弱到达地表太阳辐射,减小地表感热通量,延迟边界层发展,增加近地层大气稳定度,降低边界层高度,并加重灰霾污染。灰霾污染物在混合层顶处累积,导致PM2.5浓度最大变化出现在边界层顶部而不是近地层。气溶胶辐射效应对夹卷特征及其特征参数有重要影响。灰霾浓度升高时,夹卷区厚度增加;无量纲化夹卷速度随对流理查逊数的变化不再符合负1次方幂函数关系,与大涡模拟结果一致。本研究进一步指出,为提高重霾污染条件下天气和空气质量数值预报水平,必须考虑气溶胶辐射效应对边界层和夹卷参数化的影响。 相似文献
16.
利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM10、PM2.5、PM1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM10、PM2.5、PM1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。 相似文献
17.
利用北京宝联站及北京上甸子大气本底站2006—2008年的7—9月PM2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM2.5的质量浓度特征及其与气象要素的关系进行了统计分析。结果表明:城区站各月平均PM2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因。从地面风速来看,城区当北风和南风分别达到2 m·s-1和3.5 m·s-1以上时能起到扩散作用;郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用。PM2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱。当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显。 相似文献
18.
利用2015—2017年格尔木市L波段雷达探空站的探空资料,分析格尔木市低空逆温的基本特征,并与不同气候区的西宁市、玉树市做对比;结合2016—2017年格尔木市逐日空气污染物浓度(SO_2、NO_2、O_3、PM_(2.5))资料,研究低空逆温对空气污染物浓度的影响。结果表明:07时、19时格尔木市年均逆温发生频率分别为67%、24%,以贴地逆温为主,秋、冬季发生频率高于春、夏季;逆温厚度表现为早间高于晚间,冬季最厚,夏季最薄,07时各季节贴地逆温厚度高于悬浮逆温,19时秋、冬季悬浮逆温厚度高于贴地逆温;逆温强度表现为贴地逆温大于悬浮逆温;07时悬浮逆温的起始高度和终止高度(分别为331 m、571 m)小于19时(分别为662 m、851 m),均在冬季达到最大;07时柴达木盆地逆温发生频率最高(67%)、强度最大(2.07℃/100 m)、厚度最薄(267m),19时逆温发生频率少于河湟地区,但多于三江源地区(24%),强度最小(2.18℃/100 m),厚度最厚(127 m);逆温对SO_2、NO_2、O_3、PM_(2.5)浓度有显著影响,但对PM_(2.5)的影响效果不如风速明显。 相似文献
19.
汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM10、PM2.5、SO2、NO2、CO、O3质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM2.5和夏季O3浓度日最大8 h滑动平均值（MDA8_O3）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM2.5、PM10或O3,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O3浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM2.5浓度和夏季MDA8_O3日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O3年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O3污染呈上升趋势（1.2 μg m?3 a?1）,但O3污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。 相似文献
20.
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