排序方式： 共有16条查询结果，搜索用时 31 毫秒
1.
依托“锡盟—济南”特高压输电工程,根据WRF-Chem V3.7大气化学模式系统对北京及周边地区污染物浓度变化进行模拟和评估,设置不同地点、不同高度、不同排放量等,定量化评估特高压跨区域输电工程对受端区域空气质量的影响。结果表明：不同气象条件下,东南小风的情况下,工程对北京大气环境影响范围最大;根据虚拟电厂的高度,对9 m、27 m、46 m、64 m、91 m、130 m、185 m和255 m高度分别评估,发现在电源点附近,对91 m空间层的大气PM2.5浓度影响最大;远距离输送后,对0—45 m空间高度层的大气PM2.5浓度影响最大;“锡盟—济南”特高压工程配套电源点对北京地区相关污染物浓度变化影响极小。 相似文献
2.
利用2013年2月至2016年1月北京朝阳环境气象站PM2.5质量浓度和同步地面风数据,重点分析了PM2.5质量浓度的变化特征及受地面风的影响情况。观测期间测点PM2.5年平均质量浓度为80.6±4.0 μg·m-3,为环境空气质量标准(GB3095—2012)二级年均浓度限值(35 μg·m-3)的约2.3倍,季节变化特征明显,冬季最高（115.1 μg·m-3）、夏季最低（58.5 μg·m-3）。测点主导风向为ENE—E—ESE,风速主要集中在0.2~2.0 m·s-1。当地面风来自ENE—E—ESE方向时PM2.5质量浓度最高（109.1 μg·m-3）,来自WNW—NW—NNW方向时最低（39.5 μg·m-3）。PM2.5质量浓度随风速增大先上升后下降,在0.4 m·s-1时达最高,为139.2 μg·m-3。风速在0.2~2.0 m·s-1时主要受ENE—E—ESE方向影响,而2~6 m·s-1时主要受ESE方向影响较大。通过与其他站点的比较发现,不同站点各方向污染源和地面风的差异导致了PM2.5质量浓度在各方向分布的差异。 相似文献
3.
KNN数据挖掘算法在北京地区霾等级预报中的应用 总被引：6，自引：1，他引：5
利用北京地区2013年气象数据以及PM2.5浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM2.5浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN（K Nearest Neighbor）数据挖掘算法构建霾等级预报分类器,并开展霾等级客观识别实验。结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%。基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅分别为4.7%、1.4%和2.6%。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明：南郊观象台、密云和延庆3站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高。 相似文献
4.
近年来城市化和大气污染对辐射收支的影响日益显著.本研究利用2013—2014年中国科学院大气物理研究所325m铁塔、南郊观象台、密云气象塔、上甸子区域大气本底站四个观测站点的辐射及自动站气象要素数据,采用南郊观象台的能见度资料将观测数据分为清洁天和污染天,并进行类比分析,以1月份为例,研究了北京地区大气污染和城郊差异对辐射收支的影响.结果表明:(1)从月平均值来看,各站污染天入射短波辐射均小于清洁天,衰减最大可达55.8W·m~(-2),直接辐射亦然,衰减最大可达161.1W·m~(-2),散射辐射相反,增加最大值为72.2W·m~(-2);长波辐射污染天大于清洁天,向下向上长波辐射增加最大值分别为85.0 W·m~2和70.0 W·m~(-2),且长波辐射的衰减与污染物浓度和大气温度相关;净辐射白天污染天小于清洁天,夜间相反.(2)从各站的对比可知,大气污染对入射短波辐射的衰减,南部郊区(13.2%)大于北部城区(7.4%),与北京地区"南北两重天"的污染物分布特征一致;且污染物对长短波辐射的影响呈现了从城区到郊区衰减率依次减小的现象.本研究为大气污染与气象条件的相互作用研究提供了观测基础. 相似文献
5.
两类短时强降水天气边界层气象要素变化特征 总被引：1，自引：1，他引：0
本文基于2013—2015年北京铁塔的气象观测数据,结合VDRAS、地面自动站、NCEP再分析资料等,将短时强降水个例分为地面辐合线型和无地面辐合线型两类,并着重对两类短时强降水天气的边界层气象要素演变特征进行分析,寻找短时强降水发生的预报信号。结果表明:根据铁塔气象要素变化基本无法预判无地面辐合线型强降水的发生;而铁塔气象要素变化对地面辐合线型短时强降水发生具有一定预报指示意义,地面辐合线型在强降水发生前1h,温度和位温减小,温度变率显著增大,最大达每分钟下降0.35℃;在强降水开始前3h,地面至325 m比湿增大,降水开始前20 min,比湿减小3.5g·kg~(-1);低空风切变在强降水开始前20min增大到"强烈"到"严重"程度,比湿跟低空风切变的提前量约为10～20min。因此,预报业务中关注铁塔气象要素及衍生物理量演变,对地面辐合线型短时强降水预报预警有一定指示意义。 相似文献
6.
7.
烟花爆竹燃放和气象条件对北京市空气质量的影响 总被引：3，自引：0，他引：3
利用北京城区和近郊区2006—2014年春节期间主要污染物（PM10、PM2.5、PM1.0、SO2、NOX）浓度和气象资料,分析了北京市烟花爆竹对空气质量的影响,并将2014年和近8 a（2006—2013年）平均值进行比较分析。结果表明：春节期间（除夕至十五）烟花爆竹的燃放对空气污染物浓度增加具有较大贡献,自2006年“禁改限”后,近9 a集中燃放期间,PM2.5浓度均出现陡增情况,其中除夕峰值浓度均出现在01：00,初五、正月十五峰值浓度集中在21：00—23：00。除夕夜2012年峰值浓度最高,达1485.6μg·m－3,正月十五2008年峰值浓度最高,达1298.0μg·m－3,初五峰值浓度偏低,2007年最高,为571.5μg·m－3。2014年春节期间的PM2.5、SO2和NOX 平均浓度分别为60.5μg·m－3、43.8μg·m－3和45.6 ppb,比近8 a平均值分别下降了20％、41％和58％,除夕夜峰值浓度403.4μg·m－3,比近8 a平均值（768.5μg·m－3）下降了48％。2014年除夕、初五在集中燃放烟花爆竹期间,受小股冷空气影响,有利于污染物的扩散,而元宵节前后,受不利气象条件影响,峰值浓度高于除夕,且颗粒物浓度下降缓慢,造成持续性的污染,表明气象条件直接影响污染物浓度变化。总体来看,2014年春节期间空气污染物浓度下降的主要原因与烟花爆竹燃放量减少、机动车数量减少、春节期间较强冷空气影响直接相关。 相似文献
8.
DNQ1型前向散射能见度仪是目前我国气象站应用最多的能见度仪之一,但对其观测能力的评估及与国际上同类能见度仪间的比对研究较少。本文利用2015年1—3月北京上甸子国家大气本底站DNQ1和FD12型能见度仪观测资料开展比对研究,分析两种能见度仪的观测差异特征及与关键气象要素和大气成分的关系。结果表明：两种仪器观测的小时平均能见度的变化趋势较为一致,二者相关系数为0.98。除降雨外,DNQ1与FD12型仪器观测的能见度差值受不同天气状况（包括晴天、沙尘、雾、霾、降雨和降雪）的影响较小,但随能见度等级的增加,差值范围和离散程度均有所增大。能见度差值随相对湿度的增加呈指数递减关系,与气温呈线性正相关关系,与气压、风速和风向关系不明显。两种器测能见度与相对湿度呈明显负相关关系,与其他气象要素的关系不明显。DNQ1能见度相对FD12能见度在每日不同时刻的相对偏差平均低于±10%,满足观测需求;二者在夜间的相关性优于白天,可能与相对湿度和气温的日变化有关。 相似文献
9.
2014年10月京津冀地区一次PM2.5污染过程的数值模拟 总被引：2，自引：1，他引：1
近年来我国东部尤其是华北地区的PM2.5污染逐年加重,引起广泛关注。本文利用WRF Chem模拟了2014年10月京津冀地区一次PM2.5重度污染过程,研究造成此次过程的天气形势、污染物的时空分布特征以及一次、二次PM2.5对总浓度的贡献率,并对污染最严重当日的PM2.5垂直分布进行详细分析。结果表明：造成本次污染过程的是弱高压控制下的静稳天气系统,地面主导风向为南风,垂直方向上有逆温层,抑制了污染物垂直方向上的扩散。发生污染时,PM2.5的高浓度主要分布在北京南部、天津北部与河北接壤的区域,二次PM2.5的贡献率大于一次PM2.5,在清洁大气中则一次PM2.5的贡献更大。垂直方向上,PM2.5中的一次颗粒物只在近地面有高浓度中心,1.2~1.6 km的上空高值区以二次生成的颗粒物为主,是由前体物上升到高空后再通过氧化反应生成的,当这部分颗粒物随着边界层落回近地面时会加重污染。随着时间的变化,污染物的分布高度和边界层高度呈明显的正相关。 相似文献
10.
利用2006—2013年北京市逐日15 min电力负荷资料及北京平原地区6个人工气象观测站(朝阳、海淀、丰台、石景山、观象台、昌平)的气象要素观测资料,分析北京市电力负荷时间和空间的变化特征及其夏季(6—8月)日最大电力负荷与各种气象因子的关系,采用剔除逐日最大电力负荷、历年夏季最大电力负荷极值及历年夏季最大电力负荷平均值的变化趋势项3种方法提取气象负荷并进行对比,进一步研究累积气象因子与夏季气象负荷的相关性。结果表明:2006—2013年北京电力负荷呈逐渐增长的趋势,电力负荷年变化和日变化均呈"双峰型"。北京全市及各区最大电力负荷多数出现在夏季,部分地区最大电力负荷出现在冬季(11月至翌年2月),朝阳和海淀地区夏季最大电力负荷明显高于其他地区。北京市夏季日最大电力负荷与闷热指数及平均气温的相关性最好;气象负荷与气象因子的相关性好于原始负荷,且剔除夏季日最大电力负荷平均值变化趋势项获得的气象负荷优于其他方法;当气象因子累积2 d时,夏季气象负荷对气象因子的变化最敏感。 相似文献