期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
昆明天气分型及其与臭氧污染日的关联分析
1
作者 谢屹然 陈云波 +2 位作者 段玮 龚元均 樊雯璇 《北京大学学报(自然科学版)》 北大核心 2025年第2期290-300,共11页
运用自组织映射神经网络聚类(SOM)方法,对昆明市2017—2019年间的大气环流进行大规模样本的客观分型研究。结合地面观测的臭氧浓度及臭氧日污染数据,分析不同天气类型的气象条件及环流形势特点。结果显示,昆明的大气环流场大致可分为9... 运用自组织映射神经网络聚类(SOM)方法,对昆明市2017—2019年间的大气环流进行大规模样本的客观分型研究。结合地面观测的臭氧浓度及臭氧日污染数据,分析不同天气类型的气象条件及环流形势特点。结果显示,昆明的大气环流场大致可分为9种类型,各天气型的出现概率及季节变化存在显著差异。在不同的天气类型下,昆明市臭氧污染日(O_(3)-8h≥160μg/m^(3))的出现频率具有明显的倾向性差异。在所有臭氧污染日中,T2型(滇西北高压脊型)和T6型(西行台风型)的出现频率最高,分别占臭氧污染总日数的30.8%和38.5%,属于“污染天气型”;T4,T7和T8型天气未出现过臭氧污染日,属于“偏清洁天气型”;T1,T3,T5和T9型则为“偏污染天气型”。T2与T6型在环流形势上具有明显差异。在T2型天气控制下,昆明及整个云南地区都受高压脊前西风的支配,而T6型天气为台风外围东风影响所致。这两种环流形势下,昆明及云南地区均处于高压环流控制之下,均易形成高温、低湿和强辐射等有利于臭氧浓度超标的气象条件。 展开更多
关键词 昆明 客观天气分型 臭氧污染 关联
在线阅读 下载PDF
成都冬季PM2.5污染天气形势的客观分型研究 被引量:16
2
作者 张莹 王式功 +3 位作者 倪长健 张小玲 贾旭伟 冯鑫媛 《环境科学与技术》 CAS CSCD 北大核心 2020年第5期139-144,共6页
文章利用2013-2018年冬季ERA-interim再分析资料,以及同期空气污染资料、地面常规气象观测资料和探空资料,采用PCT(principal component analysis in T-mode)客观分型方法对成都冬季海平面气压场进行天气分型,并探究冬季以及各月份不同... 文章利用2013-2018年冬季ERA-interim再分析资料,以及同期空气污染资料、地面常规气象观测资料和探空资料,采用PCT(principal component analysis in T-mode)客观分型方法对成都冬季海平面气压场进行天气分型,并探究冬季以及各月份不同天气型对应的空气污染状况及污染气象参数分布特征,进而从污染气象学的角度揭示重污染潜势天气型的气候特征。结果表明:冬季海平面气压场共对应9种天气类型,其中,6型(准鞍型场型)和9型(冷锋前部型)为2类重污染潜势天气型,冬季对应的PM2.5均值浓度分别为194.3和173.2μg/m3;而1型(川西高压前部型)为清洁天气型,对应的PM2.5均值浓度为73.2μg/m3。重污染潜势天气型对应的边界层结构呈现出稳定能量大、混合层厚度和通风系数均最小的静稳天气特征,其能够反映大气污染潜势。该研究可为盆地地区空气污染潜势预报及大气重污染预报预警的客观化、自动化提供科学依据和技术支持。 展开更多
关键词 客观天气分型 PCT 静稳天气 重污染潜势型 成都
在线阅读 下载PDF
长沙市近地面臭氧污染天气形势的客观分型 被引量:4
3
作者 杨萌 花瑞阳 +2 位作者 李蔚 叶成志 倪长健 《生态与农村环境学报》 CAS CSCD 北大核心 2021年第11期1386-1393,共8页
天气分型是近地面臭氧(O_(3))空气污染潜势研究的基础,是夏季大气环境管理的关键技术支撑。基于2016—2018年ERA-interim再分析资料,以及同期长沙市O_(3)逐时监测资料和地面常规气象观测资料,采用PCT(principal component analysis in T... 天气分型是近地面臭氧(O_(3))空气污染潜势研究的基础,是夏季大气环境管理的关键技术支撑。基于2016—2018年ERA-interim再分析资料,以及同期长沙市O_(3)逐时监测资料和地面常规气象观测资料,采用PCT(principal component analysis in T-mode)客观分型方法将长沙市海平面气压场分为均压场型(T1)、高压底部型(T2)、高压边缘型(T3)、高压西侧型(T4)、高压后部型(T5)和两高切变型(T6)6种天气型。针对不同天气型下O_(3)超标率的进一步分析指出,T1、T4和T6型为O_(3)污染型天气类型,对应O_(3)超标率分别为20.39%、8.59%和8.40%。在污染型天气类型下,气象要素均表现为辐射强、气温高和相对湿度低,有利于本地O_(3)的光化学生成。长沙地区O_(3)污染不仅源于本地O_(3)的光化学生成,还可能与西北方城市O_(3)及其前体物的输送效应密切相关。 展开更多
关键词 O_(3)污染 客观天气分型 PCT 气象要素 长沙
在线阅读 下载PDF
双层PCT天气分型法的建立及其应用 被引量:3
4
作者 蔡旭璋 王成刚 +1 位作者 王华卿 劳秀峰 《中国环境科学》 EI CAS CSCD 北大核心 2022年第1期1-10,共10页
提出了一种新的双层PCT天气分型方法.该方法分别对高层背景场与低层地面场进行PCT分型,再将结果组合、分类、调整后获得最终分型结果.分型结果表明比传统分型法拥有更好的准确性与稳定性.在此基础上针对2014~2019年长江下游地区冬季天... 提出了一种新的双层PCT天气分型方法.该方法分别对高层背景场与低层地面场进行PCT分型,再将结果组合、分类、调整后获得最终分型结果.分型结果表明比传统分型法拥有更好的准确性与稳定性.在此基础上针对2014~2019年长江下游地区冬季天气进行了分类研究,得到了8类主要天气形势,分别为:弱气压场型、冷锋过境型、高压前部型、高压底部型、高压控制型、高压后部型、倒槽前部型和倒槽后部型.其中弱气压场型占比最高(26.6%)、通风系数最低(昼间3518m^(2)/s,夜间1373m^(2)/s),且重污染率在常见天气型中较高(8.0%);另外倒槽前部型的污染率与重污染率最高(49.0%与12.0%).利用分型结果分析各类天气形势演化趋势后,得到长江下游冬季高压主要的4条移动路径,其中“高压前部—高压底部—高压后部”型路径最为频繁(占比42.9%),且最不利于通过静稳天气使大气污染物发生累积,为最清洁的路径类型. 展开更多
关键词 客观天气分型 双层分型 PCT 长江下游地区
在线阅读 下载PDF
2016—2019年夏半年成都市区臭氧污染天气特征分析 被引量:24
5
作者 杨景朝 赵晓莉 +4 位作者 陶勇 成翔 肖递祥 张超 耿蔚 《环境科学研究》 EI CAS CSCD 北大核心 2021年第2期254-262,共9页
为揭示成都市区臭氧污染气象条件特征,通过欧盟COST733天气客观分型软件对成都市区2016—2019年夏半年(5—9月)海平面气压场和500 hPa位势高度场进行大气环流形势分型,并结合同期臭氧监测数据、地面气象观测数据以及总云量实况分析产品... 为揭示成都市区臭氧污染气象条件特征,通过欧盟COST733天气客观分型软件对成都市区2016—2019年夏半年(5—9月)海平面气压场和500 hPa位势高度场进行大气环流形势分型,并结合同期臭氧监测数据、地面气象观测数据以及总云量实况分析产品,分析成都市区夏半年臭氧超标天气及气象要素特征.结果表明:成都市区2016—2019年夏半年共出现臭氧超标日数为159 d,超标率为26.0%,超标日主要集中于5—8月,小时超标多出现于14:00—17:00.臭氧污染日数最多的海平面气压场为弱低压型,其后依次为低压前部型、低压型、高压后部型.臭氧超标率最高的海平面气压场为低压前部型,其后依次为弱低压型、低压型、高压后部型.500 hPa位势高度场平直西风气流型臭氧超标日数最多,青藏高压型臭氧超标日数最少.青藏高压型是臭氧超标率最高的500 hPa位势高度场型,平直西风气流型臭氧超标率最低.成都市区臭氧超标日多出现在偏西北风下,近地面气象要素特征一般表现为风速1.2~1.6 m s,气温在25℃以上,相对湿度多集中在70%左右,总云量和降水概率多低于60%,降水量级以小雨为主,太阳辐射和日照时数分别位于20.5~23.2 MJ m 2和6.0~7.8 h区间.小时臭氧超标近地面气象要素特征为气温和总辐射曝辐量相对较高,二者分别在30~36℃和0~3.5 MJ m 2之间,相对湿度在60%以下,总云量低于40%,以偏南风影响为主.研究显示,成都市区海平面气压场为低压型,500 hPa位势高度场为青藏高压型时,易发生臭氧污染. 展开更多
关键词 天气客观分型 臭氧污染 气象要素
在线阅读 下载PDF
冬季不同天气形势下杭州市大气环境容量研究 被引量:1
6
作者 赵嘉琪 王成刚 +3 位作者 徐锦山 张日佳 姜盈 郑志远 《环境科学与技术》 CAS CSCD 北大核心 2021年第6期143-152,共10页
文章利用2015-2018年杭州市地面PM_(2.5)质量浓度资料、ERA5再分析资料和地面观测资料,在使用PCT分型法对杭州市冬季天气形势进行客观分型基础上,通过修正A值法计算得出了杭州市冬季不同天气形势下大气环境容量的变化特征。结果表明:201... 文章利用2015-2018年杭州市地面PM_(2.5)质量浓度资料、ERA5再分析资料和地面观测资料,在使用PCT分型法对杭州市冬季天气形势进行客观分型基础上,通过修正A值法计算得出了杭州市冬季不同天气形势下大气环境容量的变化特征。结果表明:2015-2018年杭州市冬季PM_(2.5)质量浓度持续偏高,空气污染最为显著。通过客观分型得出影响该地区冬季主要天气形势共分6种,分别为高压控制、高压底部控制均压场、L型高压控制、高压前部控制均压场、低压控制、低压前部控制均压场。其中,在高压控制、高压底部控制均压场、L型高压控制、低压控制时,其逐日大气环境容量相对较小,依次为5.66、5.88、7.95、0.52 t/d,易发生空气污染;在低压前部控制均压场和高压前部控制均压场时,大气环境容量较大,依次为15.26、13.14 t/d,不易发生空气污染。因此,得出的不同天气形势下大气环境容量的变化特征对于杭州市冬季大气污染排放管控政策的制定能够起到一定的指导作用。 展开更多
关键词 PM_(2.5) PCT 客观天气形势分型 A值 大气环境容量
在线阅读 下载PDF
珠江三角洲秋季典型O3污染的气象条件及贡献量化 被引量:52
7
作者 洪莹莹 翁佳烽 +1 位作者 谭浩波 沈劲 《中国环境科学》 EI CAS CSCD 北大核心 2021年第1期1-10,共10页
利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O3的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O3超标率分别为32.3%,12.0%和4.2%.对比2017年和2016年... 利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O3的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O3超标率分别为32.3%,12.0%和4.2%.对比2017年和2016年秋季O3污染天气分型下促发O3污染的气象因子差异,2017年秋季高污染型O3天气形势出现的天数比2016年增多,且中污染型天气形势出现时,2017年的局地污染气象条件更为不利.采用WRF-CAMx模式通过改变气象场输入来量化气象条件贡献,并用实测变化减去气象变化以推算排放贡献.结果表明,气象条件变化导致O3浓度上升的贡献率为29.8%,而排放的变化引起O3浓度下降的贡献率为7.1%.在2017年秋季开展的O3污染防治专项行动指导下的珠江三角洲O3前体物控制措施,有效缓解了部分由于不利气象条件而引起的O3污染浓度上升.不利气象条件是导致2017年秋季O3浓度升高的重要成因. 展开更多
关键词 客观天气分型 局地气象要素 气象贡献率 臭氧
在线阅读 下载PDF
2011—2018年安徽暖季短时强降水及其环流背景统计特征 被引量:13
8
作者 吴照宪 罗亚丽 +1 位作者 刘希 程东兵 《气象》 CSCD 北大核心 2022年第8期963-978,共16页
采用2011—2018年5—8月逐10 min的地面稠密降水资料,统计分析了安徽省小时强降水(hourly heavy rainfall,HHR)事件在入梅前期、梅雨期、出梅后期的时空分布特征。结果表明,安徽省大别山至皖南山区西南部一带是HHR事件的易发区域,安徽... 采用2011—2018年5—8月逐10 min的地面稠密降水资料,统计分析了安徽省小时强降水(hourly heavy rainfall,HHR)事件在入梅前期、梅雨期、出梅后期的时空分布特征。结果表明,安徽省大别山至皖南山区西南部一带是HHR事件的易发区域,安徽省西南、东北地区HHR事件对暖季总降水贡献高达30%~40%。入梅前期,安徽省HHR事件日的发生频次低,雨强较弱;梅雨期持续时间长、累计雨量大;出梅后期雨强较大,持续时间短。按第99百分位阈值,60%以上极端持续时间(≥360 min)和极端累计雨量(≥138.0 mm)HHR事件出现在梅雨期,而60%以上极端10 min雨强(≥25.0 mm)HHR事件出现在出梅后期。梅雨期,HHR事件频次在凌晨06时和午后17时出现峰值;出梅后期,呈现明显的午后16时单峰结构。根据旋转T模式主成分客观分析法,将安徽省梅雨期HHR事件划分为低涡/切变型或锋面型(SP2型)和西北低槽型(SP1型);出梅后期则为南方低压或台风低压型(SP6型)和西北低槽型(SP1型)。其中,梅雨期SP2型HHR事件主要发生在大别山区、皖南山区及其过渡地带,是梅雨期HHR事件的主要贡献者;而SP1型HHR事件主要在大别山区、皖南山区及安徽东北部等山区较易发生。出梅后期,SP1型HHR事件呈现北多南少特点,而SP6型在大别山和皖南山区有较明显的HHR事件发生,是出梅后期HHR事件的主要贡献者。 展开更多
关键词 安徽 暖季 小时强降水事件 客观天气分型 统计特征
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部