|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 降水对重庆市大气污染物浓度的影响分析显示文摘利用20132015年逐日沙坪坝气象站气象及临近的环境监测数据,探讨降水对重庆市大气污染物浓度的影响,结果表明:PM2.5、PM10、SO2浓度随降水量增加逐渐降低,降低趋势线较为明显,降低幅度为SO2的>PM10的>PM2.5的;NO2和CO随降水量增加减少趋势不明显;O3浓度随降水量的增加而逐渐增加。各类大气污染物在不同量级降水量时变化特征有所不同。在降水量小于1mm时,弱降水的气象条件更有利于污染物的积累,不利于污染的稀释扩散和沉降,空气质量恶化;大于1mm后,降水对各种大气污染物均有明显的清除作用,清除能力随着降水量级的增加而增大,在降水量大于10mm后湿清除能力明显提升,降水量大于20mm时湿清除能力最强,粗细颗粒与雨滴碰并效应增加,降水对PM10和PM2.5的湿清除率分别达30%和25%。连续降水时,各季节降水对各类大气污染物的湿清除能力不尽相同:冬季降水对PM2.5湿清除作用最为明显,对其余污染物清除作用从大到小依次为PM10、SO2、NO2、CO,而O3在冬季降水使O3浓度增加非常明显,通常冬季臭氧浓度相对较低,降水一定程度上使冬季空气质量变好,太阳辐射增加,二次污染物光合作用增强,臭氧浓度也一定程度上增加。 | 杨茜 高阳华 陈贵川 | 2019 | 气象与环境科学2019，42，2： | 36 |
| 2 | 基于轨迹模式分析海口市大气污染的输送及潜在源区显示文摘基于2013—2018年海口市空气质量资料,利用HYSPLIT模式和美国国家环境预报中心(NCEP)提供的FNL资料,模拟近6年海口市500 m高度气流48 h的后向轨迹,分析了不同季节气流轨迹分布、聚类分析和潜在源区分布概率(WPSCF)特征.结果表明:近6年海口市的空气质量等级主要以优和良为主,占所有天数的97.1%,有2.9%的天数达到了轻度污染及其以上级别,O3从2015年开始成为海口市最主要的大气污染物.海口市影响气流有明显的季节变化,冬季主要受内地的大陆气流和东南沿海气流影响,春季和秋季以东南沿海气流为主,夏季多为来自西南方向的海洋性气流.气流轨迹和WPSCF的空间分布均表明,广东省是海口市大气污染物超标的主要贡献源区,此外,福建、江西、湖南和广西东部等地的潜在贡献也较大. | 符传博 丹利 唐家翔 佟金鹤 | 2020 | 环境科学学报2020，40，1： | 31 |
| 3 | 洛阳市臭氧污染特征及其与气象因子的关系显示文摘为了了解洛阳市O3污染特征及其影响因素,利用2017年洛阳市7个国控点监测到的O3、NO2浓度及气象要素逐时数据,统计分析了2017年洛阳市O3及NO2的时间分布特征及NO2浓度、气象因子对O3浓度的影响。结果表明,洛阳市2017年O3日最大8 h第90百分位数浓度为200μg/m^3,是二级标准的1.25倍。O3和NO2浓度存在明显的季节性变化特征,O3浓度夏季最高,冬季的最低;NO2浓度冬季最高,夏季的则最低。O3浓度的日变化呈现为单峰分布,午后浓度较高,峰值出现在15:00左右;NO2受机动车早晚高峰影响,表现为双峰分布,峰值分别出现在08:00和21:00。O3与NO2浓度呈现出良好的负指数函数关系,当洛阳市NO2浓度低于40μg/m^3时,存在着O3浓度超标的风险。高温低湿条件下有利于O3的生成,当温度超过27℃时,洛阳市O3小时浓度开始出现超标现象,且温度越高,超标风险越大;当相对湿度低于40%时,O3小时平均浓度超标率最高为63.30%,随着相对湿度的增加,超标率逐渐降低,当相对湿度大于70%时,未出现O3小时浓度超标现象。 | 杨娜 王春迎 刘孟雄 马帅 靳那英 李子凌 | 2019 | 气象与环境科学2019，42，4： | 23 |
| 4 | 长沙地区PM_(2.5)传输路径和潜在源区时空分析显示文摘长沙地区是长江中下游重要的经济发展核心区,受本地排放与外来源输送等多因素的共同作用,其大气污染状况一直都是区域乃至国家高度重视的生态环境问题.前期研究揭示了长沙地区大气污染的扩散规律,为进一步研究该地区大气细颗粒物(PM_(2.5))外来源特征,采用拉格朗日混合型单粒子轨迹模式(HYSPLIT)探究2013-2020年长沙地区PM_(2.5)外来源区分布特征,继而采用轨迹聚类、潜在源贡献因子分析(PSCF)、浓度权重轨迹(CWT)方法等从年、季节等不同尺度分析区域PM_(2.5)时空分布规律及其外来污染物输送源特征.结果表明,在国家与地区大气污染联防联控等政策的驱动下,2013-2020年长沙地区年均PM_(2.5)浓度由81.80μg·m^(-3)下降至42.96μg·m^(-3)并呈显著季节差异,大气污染防治措施成效显著.季节尺度上,PM_(2.5)浓度主要呈现冬高夏低的态势,冬季最高(81.48μg·m^(-3)),其次为秋季(50.90μg·m^(-3))与春季(47.39μg·m^(-3)),最小值出现在夏季(25.74μg·m^(-3));另一方面,2013-2020年长沙地区外来源潜在源区主要分布于湘东北、赣西北、豫南和鄂中地区.具体而言,春、秋、冬三季大气污染物主要来源于蒙古国西南部的长距离西北气流,分别占当年轨迹比重的4.73%、12.93%、12.66%,而夏季大气污染物主要来源于南海南部的中长距离南方气流,占当年轨迹比重的19.06%. | 熊健 冯徽徽 丁莹 欧菲菲 肖静怡 胡夙廷 | 2021 | 环境科学学报2021，41，9： | 9 |
| 5 | 2015—2016年贵港市空气污染与天气形势的关系显示文摘利用2015-2016年贵港市空气自动监测站空气质量指数、首要污染物等数据及贵港国家气象观测站的常规气象观测资料(风速、湿度、气温等),分析了贵港市2015-2016年空气质量概况及相关气象因子,进而利用合成分析方法对贵港市在不同季节出现不同级别空气污染的天气形势变化进行了分析。分析结果表明:贵港市的首要污染物为PM2.5和PM10,其中12月、1-2月为贵港市空气污染最严重的月份。各气象要素与空气质量指数相关性较强,风速、气温、降水等气象条件对贵港市的空气质量影响显著。在春、秋、冬季,冷空气南下影响贵港市,500 hPa为持续的下沉运动且850 hPa相对湿度较低及850hPa由北风转为南风且风速较小时,贵港市极易出现轻度污染以上的天气;当云南一带有南支槽活动时,贵港市易出现重度污染天气。夏季影响贵港市空气质量的主要因素则是热带气旋移动至江苏、浙江一带时,热带气旋的外围下沉气流导致贵港市出现持续下沉运动。此时,受副热带高压系统或者其他天气系统影响,850 hPa风向出现明显转折时,应考虑贵港市出现轻度污染的天气现象。 | 何林宴 梁毅进 黄小晏 | 2019 | 气象与环境科学2019，42，4： | 9 |
| 6 | 河北省重污染天气分型及其预报概念模型研究显示文摘根据20152018年河北省三个污染分区的空气质量监测站点出现的重污染天气,运用统计分析、天气学方法和Lamb-Jenkinson环流分型法对不同分区重污染天气进行分析和环流分型。结果表明,河北省一区和二区重污染过程呈逐年减少趋势,三区在20152018年没有重污染过程出现。各区重污染过程都集中在11月底到2月初(除2018年3月1214日的重污染过程)。重污染日首要污染物PM2.5占比在90%以上。各区重污染日的地面环流可分为平直环流型、旋转型、混合型三大类和另一类U型(无定义型)。其中,一区共分为13种类型:平直气流型5种(SW、S、NE、N、E),旋转型2种(A、C),混合型5种(AS、AN、ANE、CN、CE)及U型;二区共分为6种类型:平直气流型1种(NE),旋转型1种(A),混合型3种(ANE、CE、CN)及U型。河北省的重污染天气NE、A、CE、CN、ANE及U型在一区和二区中均有发生,是河北省重污染天气的主要环流型,也是未来重污染天气预报的主要天气形势。根据重污染日特征、地面环流分型及边界层各气象要素阈值,建立了河北省重污染天气预报概念模型。模型为本地区重污染天气预报预警提供了科学的参考依据。 | 王琼 沈瑞珊 庞杨 | 2020 | 气象与环境科学2020，43，4： | 9 |
| 7 | 长江中游地区霾日的年际和年代际变化及其城乡差异成因研究显示文摘利用长江中游地区的湖北和安徽境内的156个气象站19612013年的逐日能见度、相对湿度、降水、天气现象等常规观测要素,对长江中游地区霾日进行了重建,并分析了霾日长期变化特征及其主要影响因素。结果表明:城市站较乡村站霾日数普遍偏多,且不同区域的霾日年际、年代际有着较为明显的差异。东亚冬季风的阶段性减弱(东亚大槽强度减弱)、北极海冰的减少等气候变率对大气环境容量变小、大气自净能力减弱和霾日的增加有较大的贡献。乡村地区的霾日年际变化和气候变率的相关性更高,表明乡村地区的霾日变化以受气候变率影响为主;而城市地区霾日数和气候变率的相关性较低,表明城市地区霾日变化主要受源排放影响,气候变率对霾日增加的贡献相对较小,城市区域大气环境容量的减弱是气候变化和城市化共同影响的结果。 | 熊守权 杨元建 吴蓉 刘懿枢 张曼玉 李佳雯 李煜斌 | 2020 | 气象与环境科学2020，43，2： | 7 |
| 8 | 葫芦岛沿岸海陆风特征及其环境效应显示文摘利用葫芦岛观测站1980—2009年观测资料,分析了葫芦岛沿岸海陆风风速的季节特征和日变化规律,以及海陆风环流对沿岸环境的影响。结论如下:1)葫芦岛站点在冬季出现海陆风日数最多,其他依次为秋季、夏季和春季。陆风风速从春季到冬季呈现递减趋势;海风在春季最大,其次为秋季的,冬季的最小。总体上,海陆风日中海风要强于陆风。2)对海陆风风速椭圆拟合结果表明,海陆风在10:32由陆风转化为海风,海风在16:32达到最大,在21:42由海风转化为陆风,陆风在04:32达到最大。3)由于海风的存在,沿岸地带在春夏两季日最高气温在12时出现,秋冬季的在13时出现。4)能见度日变化在四季中表现一致,早晨能见度转好的时刻比最低气温出现时刻滞后约2 h,在海风维持较长时间后空气绝对湿度增加导致能见度开始转差。5)冬季静止型海陆风日比例最高,再循环型海陆风日在秋季出现最多,而夏季通风型海陆风日出现最多。 | 刘吉敏 黄泓 王学忠 | 2019 | 气象与环境科学2019，42，1： | 5 |
| 9 | 内蒙古呼包鄂地区近56年来大气环境容量变化特征分析显示文摘为探讨内蒙古呼包鄂地区大气对污染物承载能力的变化,科学评价气候变化对大气环境的影响,利用1961—2016年呼包鄂地区8个国家气象站降水量、风速、云量资料,分析了该地区气象条件的变化特征及大气环境容量的时空分布特征,并对大气环境容量与气象要素之间的相关性进行了分析。结果显示:呼包鄂地区大气环境容量1月的最小、4月的最大,春季的>秋季的>夏季的>冬季的,年平均大气环境容量为62.4 t/d/km^2;月、季、年平均大气环境容量呈波动减小趋势,特别是20世纪70年代末期之后减小趋势更为显著;有明显的空间分布特征,由城区向郊区逐渐增大,城郊差异冬季最为明显,夏季差异最小;大气环境容量与降水相关性差,与风速和日最大混合层高度呈显著的正相关关系,特别是与风速相关性更显著,与小风日数呈显著的负相关关系。 | 刘新 刘林春 尤莉 | 2019 | 气象与环境科学2019，42，1： | 5 |
| 10 | 运城盆地重污染特征及天气模型显示文摘利用2015-2018年气象局大气环境监测资料、常规气象资料和NCEP1°×1°全球客观分析资料,分析了位于汾渭平原中心区运城盆地的污染特征及天气形势。结果表明:(1)采暖期运城盆地主要污染物(PM_(2.5)、PM_(10)、SO_(2)、 CO)月均浓度高于非采暖期的月均浓度;秋冬季SO_(2)、NO2和CO浓度呈逐年下降趋势,但PM_(2.5)、PM_(10)浓度下降不明显甚至反弹。(2)运城盆地重污染天数1月最多,12月的次之,11月的最少。(3)根据重污染个例环流形势分析结果,将500 hPa环流形势,分为宽广低值型、两槽一脊型和槽前西南气流型,将地面形势分为高压前底部型、均压场型和高压底后部型(出现频率分别为71%、25%和4%)。高空形势及地面气压场配置与重污染天气持续时间有关。(4)中低层逆温抑制大气垂直运动,不利于大气污染物的垂直扩散,在运城盆地易引发重污染天气。 | 刘婉莉 李冬梅 张倩倩 贺钰清 | 2022 | 气象与环境科学2022，45，6： | 5 |
| 11 | 基于多变量混合长短期记忆神经网络的长沙PM_(2.5)预报模型显示文摘为了提高PM_(2.5)浓度预报准确率,基于长短期记忆(long short-term memory,LSTM)神经网络构建多变量混合预报模型(hybrid long short-term memory,hLSTM),利用空气质量数据、气象数据和日期时间信息对长沙10个空气质量监测站未来24 h PM_(2.5)浓度进行逐小时预报,并对模型精度进行评估。结果表明:hLSTM逐小时PM_(2.5)预报模型误差随预报时效的增加呈现前陡后缓逐步增大,均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)分别从1 h的6.53μg/m^(3)、4.03μg/m^(3)和16.02%增大到24 h的20.62μg/m^(3)、13.56μg/m^(3)和47.34%;模型误差存在明显的季节性差异,呈现冬季>秋季>春季>夏季的特征;相较于基于决策树(decision trees,DTs)、循环神经网络(recurrent neural network,RNN)和普通LSTM的预报模型,hLSTM模型能更好地提取长沙PM_(2.5)浓度数据的时序特征,达到更高的预报精度;利用hLSTM模型对长沙2019年12月13—16日重污染天气过程PM_(2.5)浓度进行预报,各时效的预报结果均能反映污染过程中PM_(2.5)的变化趋势,其中3 h内的预报结果与观测值吻合程度较高。可见hLSTM可较好提取长沙PM_(2.5)浓度变化特征,为其短临预报提供一种新思路。 | 罗宇 袁薇 罗林艳 陈明诚 唐杰 万文龙 范嘉智 | 2021 | 科学技术与工程2021，21，25： | 5 |
| 12 | 京津冀地区霾健康气象服务社会经济效益评价研究显示文摘采用统计调查分析方法,对京津冀地区2014年霾气象服务情况进行调查。在此基础上,统计分析了公众对霾的认知程度、防护措施及预报服务评价等情况,并利用直接损失评估法和疾病成本法等方法,对北京地区2014年霾健康气象服务减少的健康人口损失和经济损失进行了估算。研究发现,京津冀地区的公众对霾的认知度和关注度极高,但公众对霾预报气象服务满意程度仍有较大的提升空间;七成以上的公众会根据霾预报服务信息采取适当的防护措施。经估算,北京市2014年由于PM2.5造成的健康人口损失数为3085人,占总死亡人数的2.3%,造成的健康经济损失值为24.52亿元;未来在与2014年同等的PM2.5暴露浓度之下,公众采用相应气象服务后,在不同的情景下所接受的PM2.5年平均暴露浓度减少5%和10%的情况下,北京市每年可能减少的健康人口损失数为113~226人,可能减少健康经济损失值为0.9~1.8亿元。 | 吕明辉 张晓美 李筱竹 杨丹丹 | 2020 | 气象与环境科学2020，43，3： | 4 |
| 13 | 兰州及其卫星城市空气污染异同及气象影响要素显示文摘兰州是中国西北地区典型的河谷城市。利用兰州和白银地面常规气象观测资料、空气质量指数以及NCEP-DOE再分析Ⅱ资料,统计2015—2017年兰州发生重度和严重空气污染的天气形势,并分析不同天气形势下河谷城市兰州及其卫星城市白银空气污染的异同。在此基础上,通过21个典型个例的数值模拟探讨了不同天气形势下空气污染的气象影响要素。结果表明:(1)兰州发生重度及以上空气污染的天气形势主要为槽脊型和西风型。(2)槽脊型,山谷风环流较弱,两地污染程度相同时,兰州近地面风场辐合,而白银无明显的风场辐合辐散,且午后白银较兰州下沉运动显著;两地污染程度不同时,兰州近地面风场辐合,夜间有弱的下沉运动,而白银近地面风场辐散,夜间无明显垂直运动。(3)西风型,山谷风环流较强,两地污染程度相同时,兰州和白银均无明显的风场辐合辐散,但夜间兰州有下沉运动,白银无明显垂直运动;两地污染程度存在差异时,兰州近地面风场辐合,白天近地面以下沉气流为主,而白银无明显风场辐合辐散,白天和夜间近地面均以上升气流为主。(4)两类天气形势下,污染日兰州近地面风速小于白银,逆温梯度大于白银,边界层高度小于或接近于白银。 | 马敏劲 苏雨萌 丁凡 杨屹 黄万龙 谈昌蓉 | 2020 | 干旱气象2020，38，5： | 4 |
| 14 | 鲁中PM_(2.5)污染过程中气象影响因素及来源研究显示文摘利用常规气象观测资料、NECP/NCAR的FNL资料、MODIS数据及大气环境监测资料,对2018年初冬山东省鲁中地区发生的一次持续性重污染过程进行分析。结果表明:霾污染过程中,500 hPa呈现出“两槽一脊”的环流形势,850 hPa受西风气流影响,整体呈静稳状态。气象因子可解释约54%的ρ(PM_(2.5))变化方差,其中弱平均风、低混合层高度及低水平风垂直切变造成对流层中低层垂直混合程度弱,可产生动力影响,中低层层结稳定和逆温的存在可产生热力影响,且动力因子起主要影响作用。PSCF和CWT分析结果表明,鲁中本地及鲁西南地区为本地源区,河南及安徽北部为主要外源区。 | 卢慧超 栾兆鹏 刘重阳 朱庆瑞 谭成好 | 2022 | 气象与环境科学2022，45，6： | 3 |
| 15 | 秸秆焚烧对黄石市空气质量的影响分析显示文摘以黄石市2019年秸秆露天焚烧火点数据、对应时段该市环境空气监测数据和气象数据为研究对象,文章综合运用相关分析和气团后向轨迹模式等方法,探讨秸秆焚烧对黄石市空气质量的影响及空气污染成因。研究发现,稻收期的火点数显著高于麦收期。各城区空气质量指数、秸秆焚烧排放的特征污染物(如PM_(10)、PM_(2.5)和CO)浓度、O3浓度、特征指标(如PM_(2.5)/PM_(10)和PM_(10)/SO_(2)值)等均在秸秆露天焚烧后的2~7 d内迅速增加,并导致空气污染。秸秆焚烧后,各城区空气中PM_(2.5)与PM_(10)相关系数较焚烧前增加;CO质量浓度总体上与PM_(10)和PM_(2.5)呈显著的正相关关系(P<0.01),与能见度呈显著的负相关关系(P<0.05)。结果表明黄石市空气污染与本地秸秆露天焚烧有关。基于后向轨迹模式的空气污染成因分析结果表明,秸秆露天焚烧、不利气象条件和污染物跨区域输送是导致黄石市2019年空气污染加重的主要因素。该研究结果为黄石市打赢蓝天保卫战、有针对性地协同治理大气污染提供科学依据。 | 文惠子 李锦伦 石文龙 尹波 金焰 吴宏涛 | 2022 | 环境科学与技术2022，45，1： | 2 |
| 16 | 南京北郊大气垂直扩散参数特征的测量及其应用显示文摘利用平面照相法,以江苏南热发电有限责任公司#Q2号烟囱为研究对象,进行了500次拍摄,通过风向风速、云量、太阳高度角等气象数据,确定了不同稳定度下南京北郊大气扩散参数的特征。与P-G扩散曲线对比发现,在强不稳定A、弱不稳定C、中性D层结中,南京北郊的大气垂直扩散参数在距离排放源200 m范围内更不稳定,而在200—1000 m范围内更稳定。其中,不稳定B层结的扩散曲线与P-G扩散曲线一致,较稳定E、稳定F层结出现于白天的频率很低。对比垂直扩散参数幂函数表达式σ_z=γx~α的系数值γ和α,本研究中α值分别比国家标准增加了28. 6%(A层结)、56. 4%(C层结)、30. 4%(D层结),而B层结的α值却比国家标准减少了22. 9%。此外,通过高斯扩散公式计算得到SO_2和NO_X扩散到观测点的浓度,发现该计算值仅占气象楼污染气体监测平台实测SO_2和NO_X浓度的0. 82%和0. 69%。结合风场发现,SO_2和NO_X实测值受观测点东部工业污染物排放的叠加效应影响较大。其中,NO_X的实测值在受到偏东风和偏南风的影响时具有较大值,且在0. 5~1. 5 m·s^(-1)的较弱风速影响时,NO_X的实测值将达到60μg·m^(-3)以上。 | 曹琪敏 邹嘉南 马欣 於清源 魏夏潞 官石坚 张秀美 安俊琳 | 2018 | 气象与环境科学2018，41，4： | 2 |
| 17 | 哈尔滨春季一次罕见重度霾天气成因分析显示文摘利用气象、环境、卫星遥感监测等资料,从环流形势、气象要素、污染物和污染传输特征等方面对哈尔滨2018年4月4日夜间至5日白天罕见重度霾天气成因进行分析。结果表明,此次重度霾天气首要污染物为PM2.5,污染最重时PM2.5浓度高达507μg/m^(3),秸秆焚烧是污染物的主要来源,既有本地源又有外地源,利用HYSPLIT模型模拟出这次重度霾天气污染传输特征。重度霾时段,近地面风速小,为1.5 m/s左右,最小为0.1 m/s,风向呈弱气旋性辐合、湿度增大有利于形成霾。低层存在较强的贴地逆温,逆温层顶高度约为100 m,逆温强度约为1.5℃/100 m,不利于污染物在垂直方向上扩散。地面均压场和高空弱高压脊、暖锋锋区和暖平流为这次重度霾天气提供了有利的大气环流背景条件。 | 李树岭 赵玲 花丛 张鑫 姜兵 徐盛荣 景学义 | 2020 | 沙漠与绿洲气象2020，14，6： | 0 |
| 18 | 2019年初长沙市一次典型重污染天气过程成因分析显示文摘利用湖南省生态环境监测中心提供的14个国控站2019年1月5—8日的逐小时空气质量指数(Air quality index,AQI)和6种主要污染物监测数据,对应时段的气象观测资料、风廓线雷达资料以及FY-4卫星资料,结合HYSPLIT4后向轨迹的模拟结果,深入分析了2019年1月上旬长沙市一次重污染天气过程。结果显示,此次长沙市重污染天气过程是一次以PM2.5为首要污染物的过程。后向轨迹分析表明,中低层污染气团轨迹相同,受气团叠加影响,污染物从河南省中部长距离传输影响长沙市,是导致此次污染的主要原因之一。积累和暴发阶段以大范围稳定性中低云为主,TBB大于-10℃。暴发阶段结合风廓线资料分析可知,污染物随东北气流向长沙市传输,外来源输入占主导地位。850~700 hPa中低层有明显逆温层或等温层、高层空气相对湿度小均为本次重污染天气的有利气象因子。 | 胡燕 杨云芸 刘焕乾 尹忠海 周慧 王晓雷 | 2021 | 湖北农业科学2021，60，13： | 0 |
| 19 | 钦州市空气质量状况及其与气象要素关系显示文摘利用钦州市2017年逐日空气质量数据和常规气象观测数据,对钦州市空气质量状况和AQI与常规气象要素的相关性进行分析,并建立钦州市AQI与气象条件的回归方程。结果表明,钦州市全年大部分时间空气质量达到优良,夏半年的空气质量好于冬半年,1月是钦州市空气污染日数最多的月份。是钦州的首要空气污染物,O3和PM10是重要空气污染物。AQI与雨量、平均气温、最高气温、最低气温、相对湿度、平均风速等要素呈现负相关,与本站气压呈现正相关;每个月各气象要素与AQI的相关性变化较大。对比北京市的研究结果,钦州市AQI与与风速、相对湿度的相关性更弱,与气压的相关性更强。 | 赵飞 陈峥蓉 潘杰丽 张雪波 | 2019 | 气象研究与应用2019，40，S01： | 0 |
| 20 | 降水对四川盆地细颗粒物的清除作用分析显示文摘利用2016-2019年四川盆地内成都、乐山、宜宾、绵阳和达州5个典型城市的逐小时PM_(2.5)环境监测数据和降水、风速等地面气象台站资料,分析了降水对细颗粒物清除率的影响。结果表明:降水对细颗粒物有一定的清除作用,清除率与降水过程的累积雨量、雨强、持续时间和地面风速等密切相关。四川盆地内,当雨强低于1 mm/h,降水过程累积雨量低于1 mm时,对PM_(2.5)的清除作用有限,随着雨量的增加,清除率明显提高。小雨、中雨和大雨的平均清除率分别为17%~22%、31%~37%和32%~50%。约30%~45%的小雨量级降水出现后,PM_(2.5)浓度升高,中雨和大雨量级降水出现后,PM_(2.5)浓度升高率明显低于小雨的。当降水过程持续时间小于1 h时,降水对PM_(2.5)的清除效果不明显;持续时间大于6 h,清除效果显著提高。盆地大部分降水过程地面风速较小,但风速对PM_(2.5)浓度的清除率具有明显作用。降水过程前和过程中的风速越大,平均清除率越高,且小雨过程中因风速增加产生的消除作用大于中雨和大雨过程中风速增加产生的消除作用。 | 林丹 王维佳 郭建平 郭晓梅 刘平 | 2023 | 气象与环境科学2023，46，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员