共查询到20条相似文献，搜索用时 15 毫秒
1.
广州市空气污染的变化特征及预报 总被引：7，自引：5，他引：7
利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料，采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外，广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高，夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡，且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关，与温度、相对湿度等呈稳定的正相关，而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后，所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。 相似文献
2.
从南宁、桂林、北海三城市空气质量自动监测站监测到二氧化硫(SO2),二氧化氮(NO2),可吸入颗粒物(PM10)的日均浓度数据计算的空气污染指数API得出:2003年三城市空气质量状况整体为 级"优"或 级"良",达到了国家环境保护总局对城市环境规定的标准,特别是桂林市的空气质量最好。对各种污染物月平均浓度值与地面气象要素关系进行相关分析,发现相关性非常好,其中与气压呈正相关,与气温、水汽压、相对湿度、降雨量、风速、0厘米地温等要素呈反相关。各种污染物日平均浓度值与地面风速相关也非常好。 相似文献
3.
2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系 总被引：9，自引：0，他引：9
从南宁、桂林、北海三城市空气质量自动监测站监测到二氧化硫(SO2)，二氧化氮(NOD，可吸入颗粒物(PM10)的日均浓度数据计算的空气污染指数API得出：2003年三城市空气质量状况整体为Ⅰ级“优”或Ⅱ级“良”，达到了国家环境保护总局对城市环境规定的标准，特别是桂林市的空气质量最好。对各种污染物月平均浓度值与地面气象要素关系进行相关分析，发现相关性非常好，其中与气压呈正相关，与气温、水汽压、相对湿度、降雨量、风速、0厘米地温等要素呈反相关。各种污染物日平均浓度值与地面风速相关也非常好。 相似文献
4.
基于神经网络的广州市能见度预报 总被引：1，自引：0，他引：1
在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物（PM10、SO2、NO2）监测数据及同期地面气象要素（10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量）观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程（40％,47.8％）. 相似文献
5.
环北京地区空气污染指数与降水的周循环特征及其影响机制分析 总被引：2，自引：0，他引：2
部分气象要素在某些地区表现出明显的周循环特征,其位相和尺度因时因地而异.利用1980～2009年环北京地区地面常规观测气象要素资料、空气污染指数资料(简称API)及NCEP/DOE再分析资料,本文分析了环北京地区API、降水及多种气象要素的周变化特征,并对气溶胶影响降水的可能机制做了初步证明.分析表明:API表现出明显... 相似文献
6.
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
7.
以兰州市2001-2007年空气污染指数资料为基础,对每日空气污染指数(Air Pollution Index,API)、空气质量级别和PM10浓度等的年、季、月变化特征以及采暖期和非采暖期污染变化差异进行了分析。结合甘肃省地面气候资料集兰州市日观测资料,通过单因素方差分析和线性相关分析,找出不同季节对PM10浓度有显著影响的气象要素,得到不同季节与PM10浓度呈显著线性相关的气象因子。结果表明:(1)兰州市的首要污染物仍以PM10为主,其中冬季和春季污染最严重,PM10浓度在冬季12月有一主峰值,在春季3,4月份有一次峰值;(2)近年来,兰州市污染天数有减少趋势,并与兰州市烟、粉尘年排放量减小趋势一致;(3)采暖期PM10浓度有明显减小趋势,而非采暖期PM10浓度减小趋势不明显,污染日越来越集中在采暖期;(4)与PM10浓度呈显著线性相关的气象要素存在季节差异,但总体上风速、气温和湿度(或降水)是影响兰州市PM10浓度的主要气象因子,因此湿度、温度和风场条件的改变将对兰州市的大气环境产生影响。 相似文献
8.
郑州市大气能见度变化特征及与空气污染的关系 总被引：12，自引：4，他引：8
根据郑州市19802007年能见度及同期地面气象要素(风速、温度、气压和相对湿度)观测资料和2006年、2007年空气污染物(SO2、NO2、PM10)监测数据,分析了郑州市大气能见度的变化特征以及大气能见度与气象要素和空气污染之间的关系.分析表明,大气能见度呈逐年下降趋势.一年之中,能见度最小值出现在121月及78月,最大值出现在56月;一日之中,08时能见度最差,14时最好.能见度与温度、风速呈正相关,与气压、湿度呈负相关,与空气污染物质量呈负相关. 相似文献
9.
利用2009年冬季梅州市城市空气污染指数(API)和同步气象观测资料,选取2009年2个典型的空气污染过程,分析了典型空气污染过程与天气系统及各种气象要素间的关系.结果发现:空气污染指数处于高值的天气类型有受变性高压脊控制,引起地面辐合流场;区域位于高压底部,引起稳定层结;区域处于冷锋前部,近地面层有逆温;区域处于槽前... 相似文献
10.
11.
讨论了广州市2009年11、12月SO2、NO2、PM10污染物质量浓度与地面气象要素(温度、风向、风速、温度、雨量)的逐日、逐时变化特征,用偏相关分析方法对它们的关系进行了客观分析。采用多元回归分析方法建立了污染物质量浓度与气象要素之间的逐日、逐时预报方程。结果表明:逐日预报方程效果较好,对极值有较好的拟合,而逐时预报方程能很好地反映逐时变化趋势,但对极值拟合较差,研究发现人为污染排放是导致极值拟合差的原因。逐时污染物质量浓度预报方程,是对2010年广州亚运期间空气污染的逐时预测的初步探索。 相似文献
12.
利用长沙站2007—2012年逐日空气污染指数(Air Pollution Index,API)资料,对逐日空气污染指数、逐日空气质量级别等变化的差异进行了研究,其中包括了长沙空气质量的月变化、季节变化和年变化等,并利用湖南省地面气候背景资料及长沙市地面逐日观测资料,包括日平均气压、日降水量、日最高最低气温等,分析了长沙的API指数变化与气象因子的关系。结果表明:1)长沙2007—2012年每年的首要污染物均为可吸入颗粒物(PM10),其中在秋、冬两季污染尤为严重,API指数每年10月份出现极大值,1月份出现次大值。2)2007—2012年,长沙轻度污染及以上天数有逐年减少的趋势。这可能与长沙市在该时段秋冬季降水偏多、春季连阴雨时间长及夏季气温高等因素有关。3)长沙市API指数与日平均气压呈显著正相关,与日平均、日最高、日最低气温及日平均风速均呈显著负相关。 相似文献
13.
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
14.
《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
15.
为了让公众对桂林市近期空气质量状况和近十年来的空气质量变化情况有所了解,以空气中的主要污染物二氧化硫、二氧化氮和可吸入颗粒物的空气污染指数API作为表征空气质量的特性值,用统计分析方法,研究分析桂林市2003～2012年空气质量特征及其变化状况.2003至2012年,桂林市空气质量优良率为99.1％,首要空气污染物主要为可吸入颗粒物和二氧化硫,而又以可吸入颗粒物居多.2003年和2005～2008年,桂林市的首要空气污染物为二氧化硫,其它年份为可吸入颗粒物.2009～2011年连续三年出现空气污染指数较大幅度的上升.2010年的年平均空气污染指数首次突破51,达到58,首次出现年平均空气质量为二级的年份,2011、2012年平均空气质量也维持在二级.研究分析的结论是桂林市2009年以来空气质量有下降的趋势,且2010～2012年的年平均空气质量等级由以前的一级下降为二级,首要空气污染物由2008年以前的以二氧化硫为主变为以可吸入颗粒物为主. 相似文献
16.
利用南阳市1995-2005年大气能见度和地面气象要素的观测资料及南阳市环境检测站提供的近3 a空气污染物监测数据,统计分析了近10 a南阳市大气能见度变化特征及其与气象要素和空气污染物的关系,结果表明:南阳市能见度年际变化呈缓慢波动上升趋势,夏秋季节2001年之后呈波动下降趋势;冬季能见度最低,春季最高;能见度月变化呈双峰型,第一个峰值在5月份,第二个峰值在9月份;一日之中,08时能见度最差,14时最好.能见度与同期气象要素及污染物浓度的相关分析表明,能见度与相对湿度、空气污染物PM10浓度呈显著性负相关,与NO2、SO2浓度负相关性较弱,与风速和气压呈弱的正相关,与温度的相关性较为复杂,雾是影响能见度的主要天气现象之一. 相似文献
17.
统计分析了铜川南、北市区近10a空气污染监测资料和对应的气象资料,并进行相关分析,结果表明:铜川市空气能见度与空气污染API指数(I)对应关系较为复杂,气温、气压、湿度、风等气象条件对污染物分布具有综合性影响。北市区能见度近3a有所下降,三种污染物的API指数I(PM10)、I(SO2)、I(NO2)10a来缓慢下降,表明空气质量在好转;南市区能见度年际变化不大,I(PM10)变化幅度较大。南、北市区I(PM10)、I(SO2)、I(NO2)均为夏季最低,冬季最高,春季次之;空气污染均是PM10最大、SO2次之、NO2最小。相关分析得出,南市区I(PM10)与相对湿度反相关性最好,I(NO2)与日平均风速相关性最好,I(SO2)与相对湿度相关性最好;北市区I(PM10)仅与空气湿度反相关显著。南市区冬季风越大,能见度越好;而春、夏、秋则相反,风速越大,能见度反而降低。年平均风速较大时,大气能见度条件相应较好,较大的风速更有利于大气污染物的扩散;而当相对湿度较大时,大气能见度较差。 相似文献
18.
蔡仁 《沙漠与绿洲气象(新疆气象)》2014,8(3):61-67
选用2012年11月1日-2013年1月31日的逐6 h的空气污染物（SO2、NO2、PM10）和实况气象要素（温度、湿度、能见度、风速和气压）资料,利用支持向量机和Elman神经网络方法建立空气污染物预报模型。结果表明,支持向量机和Elman神经网络方法都可以得到较为理想的预测结果,支持向量机在泛化能力方面具有显著优势,预测结果更加准确。 相似文献
19.
通过综合运用micaps、自动站等气象资料,以及环境监测污染物浓度和AQI指数等资料,对2013—2015年廊坊市的连续重污染天气进行了分析,并细致分析探讨了在空气达到重污染背景下,气温、风向、风速、相对湿度等气象要素和多种空气污染物指数的分布特征。结果表明:(1)连续重污染具有明显的季节性特点,秋季开始出现,冬季达到顶峰,随着次年春季的到来逐渐减少至消失;(2)连续重污染的出现将导致气温升高,此时风向多为西南风—西风和偏东风,平均风速以0.3~1.5m·s^(-1)为主,最大风速多在1.6~3.3m·s^(-1)之间,相对湿度以60%~70%为最高发区间;(3)连续重污染天气的首要污染物为PM_(2.5)或PM_(10),其中以PM_(2.5)为主,比例高达94.3%,且呈逐年小幅下降趋势;(4)CO和SO_2浓度变化与采暖期污染物排放关系密切;(5)5月出现的连续重污染较少,且由大风沙尘天气造成。 相似文献