宁夏一次大风沙尘天气过程分析

利用常规气象资料以及FNL 6 h再分析资料,对2014年4月24日宁夏地区的一次大风、沙尘天气过程,从天气学成因、动力机制、热力场特征等方面进行了诊断分析。结果表明,此次大风沙尘天气过程是在高空强风带和强锋区,地面冷高压、热低压以及两者过渡地带产生的地面强冷锋共同作用下发生的,200 hPa高空急流也是影响此次大风沙尘天气的重要因素之一。通过对动力热力场及垂直风结构分析得出,强热力不稳定与上升气流有利于沙尘的卷起,同时垂直风的切变也有利于对流的发生。     

2013年4月17日宁夏大风沙尘天气过程分析

利用基本观测资料和数值预报产品资料,对2013年4月17日宁夏形成的一次大风、沙尘天气过程,从天气学成因、动力机制等方面进行了诊断分析.结果表明,该大风沙尘天气是受高压脊前西北气流影响,地面冷锋和冷高压移动过境所致,而中高层的强冷平流也是影响此次大风沙尘暴的重要因素之一.通过对动力热力场及垂直风结构分析得出,强热力不稳定与上升气流有利于沙尘的卷起,同时风力的切变也有利于不稳定能量的加强.     

50a来宁夏中宁沙尘天气发生规律及气候成因分析

为了研究宁夏沙尘天气发生的规律和成因,根据中宁站1957—2006年的常规气象资料,分析了中宁沙尘天气的年际变化、春季发生规律及气候成因和气象要素特征.结果表明,该地区特殊的地理位置和地形地貌以及干旱少雨的气候是沙尘天气多发的主要原因.近50a来,中宁沙尘天气呈下降趋势,扬沙和浮尘减少的趋势更显著;沙尘天气多出现在春季的午后至傍晚,此时扬沙发生频率最高;沙尘天气的发生频率和强弱与大风的风向有直接关系,与春季的降水呈明显负相关,沙尘暴与大风频率呈明显的正相关.沙尘天气的发生与气温、湿度也有一定的对应关系.对于提高沙尘天气的预报水平有重要意义。     

延吉市PM2.5时空分布特征及其与气象要素的相关性分析

利用延吉市城区3个空气质量监测站2015年PM_2.5浓度小时数据,探讨了延吉市城区PM_2.5时空分布特征,并将PM_2.5浓度与气象要素做相关性分析.研究结果表明: ①延吉市PM_2.5季节浓度由高到低依次为冬季、秋季、春季和夏季.②延吉市PM_2.5月均浓度变化均呈单峰单谷型,其中11月、12月、1月浓度值相对较高,2月开始逐月递减至10月份后开始回升.③PM_2.5日均浓度曲线呈现出尖峰和深谷交替变化的锯齿状.④延吉市城区3个监测点PM_2.5浓度日变化在春季、夏季、秋季和冬季都呈现双峰双谷型.⑤PM_2.5浓度与气压、气温日较差、风速、相对湿度等气象要素之间存在显著地相关性.     

宁夏初春两次寒潮沙尘天气成因对比分析

2013年2月27—3月1日和3月8—9日,宁夏出现2次寒潮大风沙尘天气,利用常规天气观测资料及美国NCEP/NCAR 1°×1°网格分析资料,采用天气学原理和天气动力学诊断分析方法,对这2次过程进行分析和总结。结果表明,这2次寒潮天气过程高空和地面上均不同于以往总结的寒潮天气形势,2次寒潮天气都是在前期强烈升温的基础上,强冷空气快速东移南下造成的;不同的是前1次寒潮过程中高空槽比第2次位置偏南,所以寒潮范围更大;第2次过程冷平流比第1次过程强,前期回暖幅度比第1次大,所以降温幅度比第1次过程大;蒙古气旋较强的下沉气流和前期急剧回暖,造成第2次寒潮过程中大风沙尘天气比第1次更强烈。     

济南市冬季灰霾日PM1.0和PM1.0—2.5污染特征

为探讨济南市灰霾日大气细颗粒物的化学组分特征, 于2014-01-15—02-17利用PM_1.0、 PM_2.5中流量采样仪,离子色谱及OC/EC分析仪等研究手段,对济南市灰霾日PM_1.0及PM_2.5的浓度水平及化学组成进行了系统研究。结果表明:灰霾日和非灰霾日NO^-₃、SO^2-₄、NH⁺₄均为PM_1.0和PM_2.5的主要成分,灰霾日时NO^-₃、SO^2-₄、NH⁺₄质量浓度占PM_1.0和PM_2.5质量浓度的比例明显升高,并且三种成分质量浓度在PM_1.0中均有显著升高,显示二次无机气溶胶的快速增加是灰霾形成的重要因素。碳质组分(OC+EC)是PM_1.0及PM_2.5中所占比例为第二位的组分,灰霾日OC和二次有机碳(SOC)较非灰霾日明显升高,表明灰霾日更有利于SOC的生成。72 h后向气流轨迹分析表明,起源于山东省内东部及北京、天津一带气流的近地面传输对灰霾形成有重要影响。     

安徽省PM2.5质量浓度时空变化特征及其影响因素分析

以2015—2021年9月安徽省空气质量指数为样本,利用GIS空间分析等方法,分析安徽省全域PM_2.5质量浓度的时空变化特征,并对可能的影响因素进行探讨。结果表明：1)2015年以来安徽省PM_2.5质量浓度在时间变化上呈现逐渐递减趋势,在季节变化上具有春冬高、夏秋低的特点,在年际变化中2015—2018年PM_2.5质量浓度在皖中地区减少幅度最为明显,其中,以合肥市减幅最大;2018—2021年PM_2.5质量浓度在皖北地区减少幅度最为显著,以亳州市减幅最大。2)安徽省PM_2.5质量浓度在空间分布上呈现由北向南的递减趋势,最高值出现在皖北,最低值出现在皖南,且存在东西部之间的差异。3)自然因素(地形地势、降雨量和风速)和人类活动(产业结构和能源消费、政策和思想理念)对安徽省PM_2.5质量浓度的时空分布和变化具有较大的影响,使得安徽省全域PM_2.5质量浓度逐渐减少,大气环境质量逐年提高。     

杭州市PM2.5中水溶性离子的污染特征研究

为全面了解杭州市PM_2.5中水溶性离子的污染特征及其来源,于2014年10月—2015年9月在杭州市2个采样点采集了PM_2.5样品,运用离子色谱法对PM_2.5中的水溶性离子进行了分析.结果表明:PM_2.5中9种水溶性离子的年均质量浓度为46.63μg/m³,占PM_2.5质量浓度的54.97%.主要离子Cl^-,NO₃^-,SO4^2-,NH₄⁺质量浓度季节变化明显,表现为冬季>秋季>春季>夏季.SOR值和NOR值说明杭州市大气中二次颗粒明显存在,并且SO₂的二次转化率大于NO₂的二次转化率.因子分析表明:二次气溶胶、道路扬尘、建筑扬尘和工业排放是采样期间杭州市PM_2.5的主要来源.     

2016—2018 年嘉峪关市空气质量特征及其与气象因子的关系

利用2016—2018 年嘉峪关市空气质量监测资料和气象资料分析了空气污染特征及其与气象因子的关系。结果表明: 嘉峪关市空气质量以良为主, 环境空气质量等级为优的天数和重度及以上污染天数逐年增加, 呈现两极化趋势; PM₁₀ 是嘉峪关市最主要的污染物, O₃ 作为首要污染物的年际出现天数呈明显增加趋势, 二者月出现频次为“此消彼长”的负相关关系; 通过相关性分析发现, 空气质量指数(AQI)主要受颗粒物PM₁₀ 的影响; 主要污染物PM₁₀ 的东部污染源可能为巴丹吉林沙漠, 西南风引起的污染过程可能与青海柴达木沙漠输送有关。     

2019年5月11日宁夏一次大风沙尘天气成因分析

利用Micaps常规高空、地面资料、NCER/NCAR1°×1.逐6 h再分析资料、区域自动站资料及葵花8红外及可见光卫星资料,对2019年5月11日发生在宁夏地区的一次大风沙尘天气进行分析.结果表明,新疆到蒙古国一带是该次过程中冷空气的直接发源地,冷空气自阿尔泰山山口南下后经内蒙古西部、河西走廊地区自西北路径影响宁夏...     

采暖季高校教室污染物优化控制措施的模拟研究

因教室人员密集,PM_2.5、CO₂经常超标,教室内学生的学习、健康受到一定程度的影响.建立了室内污染物优化控制模型,对教室采用新风净化系统和空气净化器系统加开窗通风两种方式控制室内PM_2.5和CO₂.首先在供暖季室外空气质量为中度污染情况下,模拟出天津某高校空气净化器系统在不同开窗方式及净化器位置情况下的室内PM_2.5和CO₂变化情况,得出空气净化系统在教室开侧窗,空气净化器安装在外墙旁侧时系统对PM_2.5和CO₂控制效果最好.然后模拟了在不同室外污染等级的情况下,教室采用新风净化系统和空气净化器系统加开窗通风两种方式的室内PM_2.5和CO₂的分布状况,通过对比室内污染物分布状况来研究两种净化方式对室内空气质量的控制效果.     

冬季不同植物群落对大气颗粒物浓度的阻滞作用

为探讨不同植物群落对大气颗粒物浓度的影响,以郑州市金水区为例,在2020年冬季(2020年12月—2021年2月)对园林绿化区(数码公园)、居住区(正弘·蓝堡湾)、文教区(河南农业大学)内植物群落的PM_2.5和PM₁₀质量浓度及气象因子(温度、相对湿度和风速)进行监测.结果表明：每个功能区中不同样地之间的PM_2.5、PM₁₀质量浓度日变化趋势基本一致,一般为早高晚低;不同植物群落之间PM_2.5和PM₁₀质量浓度存在显著差异性,其中广场样地与其他样地的差异性最显著;3个功能区中各样地对PM_2.5和PM₁₀质量浓度的阻滞率均表现为乔灌草结构最高,乔灌结构和乔草结构次之,且多表现为乔灌样地大于乔草样地,灌草结构和草坪最低;研究区域PM_2.5、PM₁₀质量浓度与温度呈负相关,与相对湿度呈正相关,与风速呈负相关.     

空气幕对厨房内PM2.5控制效果的模拟与分析

厨房烹饪是民居室内PM_2.5污染物的重要来源,为对其进行有效控制,提出了空气幕送风方式。建立厨房物理模型,使用Fluent软件对厨房内的气流组织、温度分布和PM_2.5浓度分布进行了数值模拟。研究了空气幕对厨房内PM_2.5和热流的控制效果,并对3种射流速度进行对比分析。研究结果表明：空气幕射流气流对烹饪区域产生了很好的包裹效应,可以阻隔PM_2.5的扩散和热流的蔓延;可使厨房内PM_2.5排除率提高到44%~75%,平均降温1~2℃。当空气幕射流速度为0.6 m/s时,控制效果最佳。研究结论可对厨房PM_2.5污染的防治提供参考,为空气幕送风系统的研究提供模拟数据和理论依据。     

2016—2021年固阳县环境空气质量变化趋势及改善举措

为了解包头市固阳县环境空气污染现状,系统分析污染物浓度变化特征,对固阳县2016—2021年环境空气中的SO₂,NO₂,PM₁₀,PM_2.5,CO,O₃浓度随时间变化特征开展研究.采用空气质量指数法,确定固阳县首要污染物,并提出改善环境空气质量相关措施.结果表明：2016—2021年空气质量相对较好的为2020年,2018年为相对较差年份,3月至5月空气质量指数较大;研究期内臭氧和PM₁₀为固阳县环境空气首要污染物;SO₂,NO₂,CO质量浓度表现为冬春季高,夏秋季低.臭氧浓度变化为秋冬季较低,夏季浓度达到最大;PM₁₀,PM_2.5质量浓度呈春季高夏季低趋势.建议通过调整和优化产业结构与能源结构,构建科学的监督管理模式以及加强污染物的治理力度等措施改善环境空气质量.     

宁夏一次（2009-04-23）区域性沙尘暴天气的热力、动力触发机制

利用NCAR/NCEP全球再分析资料,对宁夏一次（2009-04-23）区域性沙尘暴天气的环流背景及高、低空影响系统进行了分析,重点研究了触发和维持该次沙尘天气的热力及动力条件.结果表明,蒙古冷涡及其后部的横槽为该次沙尘天气提供了有利的环流背景;蒙古气旋及地面锋面是导致沙尘暴爆发的直接原因;水平和垂直方向上的高能量锋区为该次沙尘天气提供了强热力条件;高、低空急流的耦合是沙尘天气出现和维持的动力条件;次级环流的存在是沙尘天气维持和发展的动力保障.对沙尘暴天气过程的预报预警、防灾减灾具有重要的指导意义。     

河南省PM2.5时空变化及其影响因素

PM_2.5属于大气细颗粒物,能够长时间悬浮于空气中且易被人体吸入,影响人类的身体健康。以河南省18个观测站逐小时PM_2.5浓度数据为研究对象,采用数理统计、反距离权重和地理探测器等方法,探讨河南省PM_2.5浓度的时间和空间变化特征及其影响因素。研究表明：(1)年际尺度上,2017—2022年河南省年均PM_2.5浓度呈下降趋势。(2)季节尺度上,四季PM_2.5平均浓度由高到低依次为：冬季(89.5±16.2μg/m³)、秋季(48.5±5.5μg/m³)、春季(41.4±6.1μg/m³)、夏季(28.8±7.3μg/m³),冬季平均浓度远高于其他三季。(3)月份尺度上,PM_2.5浓度呈“U”型变化特征,1～7月呈降低趋势,8～12月呈增加趋势,其中1月浓度最高(107.9±12.2μg/m³),7月浓度最低(27.0±10.6μg/m^3<...     

济南城区大气PM2.5、PM1.0的污染特征及大气传输

为研究华北平原PM_2.5、PM_1.0的污染特征,于2014年10月至2016年6月在济南城区使用中流量采样器对大气颗粒物样品进行采集,利用离子色谱、碳气溶胶分析仪测定了颗粒物中的水溶性无机离子成分和碳组分。结果表明:济南城区冬季大气细颗粒污染较重,二次离子SO₄^2-、NO₃^-和NH₄⁺是PM_2.5、PM_1.0最主要的水溶性无机离子,且更易富集在PM_1.0中。有机碳和元素碳的质量浓度表现为春夏低,秋冬高;二次有机碳的质量浓度在冬季明显升高,且大多分布在粒径>1 μm的颗粒物中。72 h后向气流轨迹表明,来自河北、内蒙古的长距离传输与山东地区的局地传输对济南大气中PM_2.5和PM_1.0的离子质量浓度有重要影响。济南冬季的消光系数高达789.13 Mm^-1, PM_2.5中的二次粒子NH₄⁺、SO₄^2-和NO₃^-与消光系数的相关性较高,是使大气能见度降低的主要因素。     

基于支持向量回归与LSTM的城市PM2.5预测

针对城市 PM_2.5变化的非线性、时序性等特征,提出一种基于支持向量回归 (SVR) 与长短期记忆(LSTM) 相结合的预测模型。采用 Morlet 小波核函数作为支持向量回归的核函数,并通过改进粒子群算法对其进行参数优化,用 SVR 算法拟合城市 PM_2.5值的非线性变化规律进而实现城市 PM_2.5值的预测;用 LSTM方法预测包含时间序列的城市 PM_2.5值;将 SVR 与 LSTM 的预测结果进行非线性叠加得到较优的预测结果。使用某城市三处监测点真实数据集进行实验,结果表明提出的方法较 ARMA 时间序列、传统 SVR 以及单一的 LSTM 等均具有更高的准确度,是一种有效的城市 PM_2.5预测模型。     

高密度城区绿地景观格局对PM2.5/O3的多尺度影响

为探究高密度城区绿地景观格局对于PM_2.5浓度与O₃浓度的尺度效应,分析西安市高密度城区范围,选取边界密度(ED)、景观形状指数(LSI)、面积加权形状指数(SHAPE＿AM)和平均形状指数(SHAPE＿MN)共4个景观格局指数衡量绿地景观格局,爬取2020—2021年国家空气质量监测站点的大气监测数据,运用皮尔逊相关性分析和线性回归分析方法,探究多尺度下高密度城区绿地景观格局对PM_2.5和O₃的时空分布特征、绿地景观格局特征和PM_2.5浓度、O₃浓度与景观格局指数的多尺度影响关系.结果表明,景观格局在夏季对于PM_2.5浓度、在春季对于O₃浓度的影响更为显著;在高密度城区内较小尺度的绿地上优化景观格局对PM_2.5与O₃浓度影响更有效.由此提出的绿地优化策略可为城市高密度城区多尺度绿地规划设计提供参考依据.     

PM2.5浓度预测与影响因素分析

针对PM_2.5浓度的非线性和不确定性,提出了一种基于集成树-梯度提升决策树（EnsembleTrees-GBDT）的PM_2.5预测模型.该模型首先在集成树框架下进行特征选择,即选取PM_2.5浓度主要影响因素,使用算术均值聚合法计算出各项特征对PM_2.5浓度增加的影响程度,并以影响程度由强到弱的次序排序;其次使用网格搜索对GBDT算法进行参数优化,选取树的深度等参数的最优值;最后构建完整的PM_2.5浓度集成预测模型.使用北京市2015-2016年的污染物浓度和气象条件观测值2个数据集,对模型进行了预测仿真实验.对比实验结果表明,所提出的EnsembleTrees-GBDT预测模型相比于决策树、随机森林、支持向量机等模型,具有更低的平均绝对误差和均方根误差,同时具有更好的泛化能力,能够更准确地预测PM_2.5浓度,并实现对PM_2.5浓度影响因素的有效分析.