共查询到20条相似文献，搜索用时 93 毫秒
1.
2.
2003年冬季空气质量趋势预测方法 总被引：4，自引：0，他引：4
使用短期气候趋势预报原理与短期空气质量预报相结合的方法，根据1～7月的气候特征（背景）、天气形势以及各种相关气象要素统计分析，对冬季采暖期空气质量进行综合预报。利用上述方法对2003年度（2003．11～2004．3）冬季采暖期空气质量进行了试预测。即：在2003年冬季气候预测的基础上，通过统计分析2003冬季相似年份的天气形势、污染气象条件，确定污染潜势和气象参数。并运用现业务使用的污染物浓度预报方程，计算冬季各月的逐日空气污染物（SO2、NO2、PM10）的浓度。最后综合2003年冬季气候特征预测和日空气质量计算结果，做出冬季空气污染趋势预报。 相似文献
3.
郑州市区PM10污染状况及相关气象条件分析 总被引：1，自引：0，他引：1
利用郑州市区 2003年空气质量日报和同期气象观测资料,分析了郑州市区PM10 ( >10μm可吸入颗粒物)污染状况及相关气象条件变化特征,结果表明:郑州市区PM10污染全年各月均以 2级为主,占总样本数的77. 5%;其次是 3级污染,占 15. 1%, 1级只占 7. 4%。1 ~7月份 3级污染逐渐减少, 8 ~11月份 1级天气占一定比例。全年 3级污染日依自然季节变化逐渐减少。出现≥3级污染日时,空气相对湿度为 61% ~70%的占 3级污染日的 1 /3;日均风速≤2. 0m/s的日数占 3级污染日的 78%。 相似文献
4.
利用郑州市区2003年空气质量日报和同期气象观测资料,分析了郑州市区PM10(>10 μm可吸入颗粒物)污染状况及相关气象条件变化特征,结果表明郑州市区PM10污染全年各月均以2级为主,占总样本数的77.5%;其次是3级污染,占15.1%,1级只占7.4%.1～7月份3级污染逐渐减少,8～11月份1级天气占一定比例.全年3级污染日依自然季节变化逐渐减少.出现≥3级污染日时,空气相对湿度为61%～70%的占3级污染日的1/3;日均风速≤2.0 m/s的日数占3级污染日的78%. 相似文献
5.
6.
造成北京PM10重污染的二类典型天气形势 总被引：11，自引：5，他引：6
利用北京空气质量监测资料和NCEP再分析资料,分析了北京发生PM10重污染的天气形势。研究表明:1)虽然北京地区PM10重污染(API指数3级以上)每年只有10 d左右,但与之关联的轻微或轻度空气污染(API指数3级)天数,却可能占全年3级污染总天数的40%-50%。因此,分析研究造成北京PM10重污染的天气形势,对于空气污染的预警预报以及污染源的控制和管理,都具有十分重要意义。2)通过海平面气压场的主观分析,确定了二类北京PM10重污染的典型天气形势,即高压南下东移阻滞型和与北上台风(或热带低压)相关联的弱高压控制型,并指出了后者在2008年奥运会期间,对开展北京空气污染预报和污染控制的指导作用。 相似文献
7.
8.
北京一次局地重污染过程气象条件分析 总被引：20，自引：5，他引：20
2004年10月7日至10日，北京出现了一次明显的持续重污染过程，这次污染过程持续时间之长、污染程度之重是近4年来同期最大的。为了了解造成这次持续重污染过程的原因，利用同期污染指数、常规气象观测资料、探空资料及自动站气象资料，对这一期间的空气污染气象条件进行了较为详细的分析。结果表明，这次持续重污染过程是由本地的污染源和大尺度的天气背景与局地的气象条件共同造成的。 相似文献
9.
2000-2010年北京空气持续污染特征研究 总被引：1，自引：0，他引：1
通过统计分析2000-2010年北京空气质量监测日报,研究了近10年来北京空气持续污染特征。结果表明,近10年来北京的空气质量得到明显改善,空气持续污染日数和质量超标日数均呈下降趋势,但年持续污染日数在年超标日数中所占的比例依然较大,持续污染已成为北京空气污染的一个显著特征。春季是北京持续污染最多的季节,平均每年多达25.4天。夏季是持续污染最少的季节,但是6月麦收期麦秸焚烧常会造成空气持续污染。北京空气持续污染的空间分布形态主要分为沙尘天气影响型、污染累积型和麦收期麦秸焚烧污染型。沙尘天气影响型造成的空气持续污染的空间分布特征表现为整个北京污染都很严重,特别是城区和西南部的污染最严重;污染累积型的持续污染在空间分布上呈"南高北低"型。麦秸焚烧污染型则是人口相对稀疏、农田面积较多的远郊区污染最严重。 相似文献
10.
2008年北京奥运会期间污染控制效果数值模拟——以个例分析为例 总被引：4，自引：0，他引：4
利用2007和2008年北京地区空气质量监测资料和NCEP再分析资料,分析了北京地区空气动力学当量直径小于等于10μm颗粒物(PM10)污染过程与天气形势及天气系统之间的关系。结果表明:西太平洋热带气旋路径对北京地区发生PM10污染具有预示作用,即当热带气旋北上并在朝鲜半岛或日本登陆的情况下,北京地区一般受持续均压场等弱中尺度天气系统控制,这种中尺度天气系统不利于污染物的扩散,因此北京地区经常发生区域性的PM10空气污染事件。在2007年9次台风北上登陆朝鲜半岛或日本的过程中,北京地区伴随发生了9次PM10污染过程,预示准确率达100%,2008年的预示准确率也达到了80%以上。为了说明北京奥运会期间污染控制措施对改善北京空气质量有实际效果,利用中国科学院大气物理研究所区域空气质量模式NAQPMS,采用无控制措施源和有控制措施源,对2008年北京残奥会期间一次西太平洋北上型热带气旋天气条件下的空气质量状况进行了数值模拟试验,揭示了此次过程北京地区未发生PM10空气污染的原因。 相似文献
11.
12.
概述了中国气象科学研究院 (简称气科院) 近30年来有关大气化学和大气环境研究成果。该院完成了国家自然科学基金重大项目和科技部973项目等一系列重要研究项目, 做出了许多具有重大创新性的成果:在青藏高原发现“臭氧低谷”, 这一重大发现列为当年中国10大科技成果之一; 首次把环境、生态、气候几个重要领域进行综合研究, 发现人类活动对环境造成的变化改变了生态环境状态, 最终对区域气候造成影响; 对北京市大气污染机理和调控原理进行了深入研究, 在三维立体观测基础上, 提出了点-面结合与统计-动力综合分析, 地面观测-卫星遥感分析方法及模式新技术等, 获取了解决大气环境领域关键技术难点的创新成果; 建立了全球第一个大陆大气本底基准观象台即瓦里关本底台, 开创了我国全球大气本底业务观测等。几十年来气科院大气化学研究工作几乎涵盖了当前大气化学所有重要领域及其前沿学科, 其中包括温室气体、臭氧和反应性气体、气溶胶、酸雨、模式的发展及应用、空气质量预报技术和环境评价等。气科院大气化学研究工作是和中国气象局大气成分监测站网建设密不可分的, 广大科研人员参加了诸如大气本底站网、酸雨站网、臭氧站网、沙尘暴站网等业务站网的建设, 与此同时也构建了大气化学科研平台。 相似文献
13.
14.
对兰州市区2002年春季3~4月近地层TSP连续观测资料进行分析,结果表明:(1)兰州市区TSP的质量浓度随着沙尘天气的发生而显著增加,沙尘天气越强,TSP的质量浓度越高,对兰州市区的空气污染越严重;(2)在不同天气情况下,兰州市区TSP与PM10的质量浓度有很好的对应关系,沙尘天气越强,其质量浓度都越高,但两者增减的比例各不相同;(3)在不同天气情况下,同级粒径粒子的质量浓度各不相同,但在同种天气情况下,各级粒径粒子质量浓度的分布规律却相同;(4)TSP样品色度的3个独立分量与空气质量有一定的对应关系,L*、a*、b*值越大,空气中沙尘含量越高,空气污染越严重,兰州市区在一般天气情况下L*、a*、b*值均较小,说明兰州市区空气污染主要以本地排放的黑色有机物为主。 相似文献
15.
基于2015、2016年河南省环境监测中心站获取的郑州市9个监测点颗粒物浓度和逐日气象数据,对气象因素和颗粒物浓度相关性进行了研究。结果表明:郑州市大气颗粒物浓度受季节影响较强,总体呈现冬季高、夏季低的趋势。降水量与大气颗粒物浓度呈现明显的负相关。相对湿度的增高不利于PM_(2. 5)浓度的降低,而PM_(10)的浓度则随着相对湿度的增高有所降低。春夏秋三季的主要风向为东北偏东,当春季风为东南风和西风时,颗粒物浓度最低;当夏季风为东北偏东风时,颗粒物浓度最低;秋季吹东北风时,颗粒物浓度最低。冬季吹西北风(郑州冬季盛行风向)时,大气颗粒物质量浓度最低。 相似文献
16.
17.
BP神经网络法在大气污染预报中的应用研究 总被引：2，自引：2，他引：2
近年来将BP网络模型应用到大气污染浓度预报中 ,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证 ,结果表明 :TSP的计算值与观测值之间的绝对误差为 4× 1 0 - 3～ 3× 1 0 - 2 mg·m- 3,NOX 的计算值与观测值之间的绝对误差为 5× 1 0 - 3～ 2× 1 0 - 2 mg·m- 3;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法 ,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。 相似文献
18.
1 INTRODUCTION Since the 1930’s, urban air pollution has caused increasing concerns across the world[1]. Various pollution prediction techniques have been put into use in the 1970’s and significant results have been achieved[2]. Air quality prediction has been operational over recent years in many parts of China owing to cooperation between meteorological and environmental protection departments[3 – 9]. The prediction is conducted via either numerical model, potential or stochastic app… 相似文献
19.
1987-2002年辽宁中部城市群大气污染物变化特征分析 总被引：29，自引：8，他引：21
根据1987—2002年辽宁中部城市群(沈阳、鞍山、本溪、抚顺、辽阳)的主要大气污染物(TSP、PM10、SO2、NOx)的现状监测值,分析了辽宁中部城市群大气污染的现状及污染程度。结果表明：城市群的主要大气污染是TSP、PM10和SO2;冬季是城市群大气污染最严重的季节,夏季大气污染最轻;5个城市16年来TSP、PM10和SO2呈逐年下降趋势,NOx的年际变化趋势不明显;城市群大气污染最严重的城市是本溪,其次是鞍山、沈阳、抚顺、辽阳。 相似文献
20.
WEI Peng REN Zhenhai SU Fuqing CHENG Shuiyuan ZHANG Peng GAO Qingxian 《Acta Meteorologica Sinica》2011,25(6):797-811
Both surface environmental monitoring and satellite remote sensing show that North China is one of
the regions that are heavily polluted by NO2. Using the NO2
monitoring data from 18 major cities in
the region, the tropospheric NO2 column density data from the Ozone Monitoring Instrument (OMI) on
the Aura satellite, and the observations from the China Meteorological Administration network, this paper
analyzes a regional NO2 pollution event in February 2007 over North China, examines the convergence of the
pollutant, and identifies its correlation with the atmospheric background conditions. The results show that
daily mean NO2 concentrations derived from surface observations are consistent with the mean values of the
OMI measurements, with their correlation coefficient reaching 0.81. The correlations of NO2 concentration
with general weather patterns and sequential changes of temperature structure from 925 hPa down to the
surface indicate that the weather fronts, high pressure and low pressure systems in the atmosphere play a
role in changing the temporal and spatial evolutions of NO2 through removing, accumulating or converging
of the pollutant, respectively. It is also found that the eastern Taihang Mountains is most heavily polluted
by NO2 in North China. Based on a model that correlates NO2 column density with surface wind vector,
the relation of the NO2 concentrations in six major cities in North China to the surrounding wind field
is analyzed. The results show that the maximum wind field is associated with the highest frequency of
pollution events, and under certain large-scale atmospheric conditions together with the topographic effect,
small- and meso-scale wind fields often act to transport and converge pollutants, and become a major factor
in forming the heaviest NO2 pollution event in North China. Analysis of the causes for the severe NO2
pollution event in this study may shed light on understanding, forecasting, and mitigating occurrences of
heavy NO2 pollution. 相似文献