排序方式： 共有28条查询结果，搜索用时 15 毫秒
1.
依据一种基于建筑用地比例和土地利用信息熵的城乡站点划分方法,将西安市环境与气象站点划分为城区、郊区和两类乡村站,讨论其PM2.5的城乡分布特征及与城市热岛效应强度(Urban Heat Island Intensity,UHII)间的相关关系。结果表明,不同季节西安市呈现不同的PM2.5城乡分布特征和日变化特征,两类乡村站点PM2.5差异明显且下风向乡村站点(乡村D)对应的UHIID对城区和乡村的影响程度大于上风向乡村站点(乡村U)对应的UHIIU。在城区较多本地排放的影响下,乡村PM2.5浓度与 UHIIU(或UHIID)相关系数均大于城区。随着UHIID的增加,城乡PM2.5相对浓度差值(RUPIID)整体呈下降趋势且UHIID与RUPIID在春夏秋季显著负相关。UHIID增大,城区近地面PM2.5的水平扩散能力减弱,但PM2.5的垂直扩散能力较乡村更强,从而UHIID通过影响PM2.5的传输扩散特征,进一步影响西安市RUPIID。 相似文献
2.
基于安徽省来安县区域生态环境气象监测站网数据和卫星遥感数据,选取了能见度、霾频率、温湿适宜频率和植被覆盖度4个因子进行统计分析,从而构建了乡镇区域生态环境的气象评价指标(MEI)。对2015年8月至12月来安县各乡镇的MEI适用性和可靠性进行了试算验证,结果表明MEI能够科学合理地反映各乡镇区域间生态环境质量状况的差异和季节变化差异。本文提出的指标适用于乡镇级及以上的行政区域范围内的霾监测和评估,以及地方社会经济发展对生态环境的影响评估,旨在为乡镇级区域生态环境健康发展提供科学依据。 相似文献
3.
综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM2.5中水溶性无机离子含量增高,其中NO3-含量的占比增加最多,超过了SO42-的占比。 相似文献
4.
使用2008~2012年逐日地面观测资料,揭示了安徽不同地区雾、霾、晴空天气气象条件的差异,指出不同地区要根据本地特点建立雾、霾预报指标和预报方法。3类天气差异最大的地面气象要素是能见度和相对湿度。根据3种天气前一日和当日能见度和相对湿度分布特征,全省站点可以分为3类:1)从雾、霾到晴空,能见度递增、相对湿度递减,且差异显著,如合肥站;2)雾、霾天的能见度和相对湿度均很接近,但与晴空天差别较大,如阜阳站;3)能见度在雾、霾天无明显差别,但相对湿度在雾、霾天差异显著,如安庆站。地级市测站雾后即霾的可能性较大(大于50%),县城测站雾后即霾的可能性较低(低于25%)。垂直方向,雾时相对湿度随高度下降很快,850 h Pa中位值已降到20%(安庆)和45%(阜阳)以下,霾时相对湿度随高度下降缓慢,850 h Pa中位值仍在60%左右;另外,霾天边界层中上部风切变较小,雾天和晴空天边界层中上部都存在较大的风切变。 相似文献
5.
6.
利用中尺度模式WRF(Weather Research and Forecasting Model)及其资料同化系统3DVAR,将国内多普勒天气雷达(CINRAD)反射率因子及径向风资料直接用于中尺度数值模拟;对安徽梅雨期一次暴雨过程进行模拟试验,经过质量控制后,分析同时同化安徽省内六部多普勒天气雷达观测资料对模拟结果的影响。结果表明:(1)经过质量控制后,同化雷达径向风和反射率因子对初始场的风场和湿度场均有较为明显的改善,说明用该雷达资料质量控制方案同化雷达资料是可行的;(2)同化多部雷达径向速度资料能使风场气旋性增强,同化反射率资料能调整初始水汽场,使对流层中下层水汽含量增加;(3)同化多部雷达径向风和反射率因子资料,能提前模拟出强降水回波结构,且其中尺度特征更清晰,降水落区和强度预报更接近实况,同化雷达资料对降水预报能持续影响到12 h,并提高了12 h降水预报准确率。 相似文献
7.
利用2001—2010年覆盖安徽省的MODIS数据,选取在气候、地理、城市化等方面具有代表性的合肥、芜湖、阜阳作为研究对象,并结合GIS技术,分析地表温度的日变化及季节变化特征,得到安徽省代表城市热岛效应的时空分布。结果表明:安徽省省会合肥的热岛效应最为显著,安徽省南部代表城市芜湖的热岛效应强于北部代表城市阜阳, 同时具有显著的日变化和季节变化特征。近10年来,安徽代表城市热岛面积和热岛强度均呈增加趋势,但合肥热岛强度大于3 ℃的极端热岛效应有一定缓解。白天大片水体对缓解城市的热岛效应作用明显,而夜晚则不明显,甚至成为地表温度的高值中心。夏季地表温度与归一化植被指数的负相关最显著,即提高城市植被覆盖度对降低地表温度和缓解城市热岛效应有重要影响。 相似文献
8.
连续台风对海表温度和海表高度的影响 总被引：1，自引：0，他引：1
利用多卫星观测资料,分析了2008年9月3个连续台风前后的海表温度(SST)和海表高度距平(SSHA)的时空变化特征,并探讨了影响其变化的主要因子。结果表明:(1)3个台风引起了强烈的上升流(1×10-5~150×10-5 m/s),海表显著降温(1~6 ℃),海表高度也有不同程度降低(10~50 cm);(2)台风引起的SST最大降温中心与SSHA负值或中尺度冷涡的区域中心十分吻合,同时台风使得先前存在的海洋中尺度冷涡得到加强;(3)同一区域台风对SST影响程度大小受台风的强度、移动速度以及台风对海面强迫时间等因素控制;(4)在原先SSHA为正值的海域,3个台风连续强迫下使得局地洋面形成一个SSHA为负值的中尺度涡,这与单一"打转"台风强迫海洋生成中尺度涡的现象不同。因此,对于西北太平洋海域而言,频发的台风在中尺度涡生消演变过程中的影响应不容忽视。 相似文献
9.
卫星遥感广泛应用于宏观、大范围、动态连续的植被和地表温度监测研究。利用2001—2008年MODIS卫星遥感资料, 分析了安徽省归一化植被指数 (NDVI) 和地表温度 (LST) 的季节、月变化和空间分布特征,探讨了代表城市区域的NDVI和LST时空分布及其相关性。结果表明:安徽省NDVI和LST季节变化显著,具有典型地域特征;受当地气候影响,植被、农作物类型地域差异较大,导致LST季节变化以及空间分布不同;城市中心向郊区过渡时,植被覆盖度在不断增加,伴随着NDVI的增加,LST下降;城市LST明显高于郊区值,呈现热岛效应。研究表明,当地气候和植被分布共同决定了LST的分布状况,这将为安徽省合理进行农业区划、科学监测生态环境以及有效评估土地利用与热岛效应提供重要参考依据。 相似文献
10.