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
深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DL...深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DLNM)系统分析了ILI与多种气象因子的关联,并分别使用Prophet时间序列和多元逐步回归模型对流感风险进行预报。近17年来深圳ILI发病在2003—2009年增加、2010—2014年平稳、2015—2019年下降,年周期特征凸显;多数年份发病率呈夏季单峰型,与高温、高湿的气候背景高度相符;个别年份在年末出现次高峰,常与大规模暴发疫情有关。DLNM揭示,高温对ILI风险的即时性影响较强,气温达到29.9℃,相对危险度值(RR)可达1.237(95%置信区间(95%CI):1.203—1.272);而低温效应在滞后2—3周起主导作用。70%—75%的湿度范围对应ILI高风险段,70%相对湿度的RR为1.089(95%CI:1.046—1.135)。偏高的湿度与高温共存可诱使ILI最高风险点出现,即二者有协同增强效应,在其长夏短冬气候下尤其需要注意。ILI危险度在气温日较差为4—6℃或>9℃时均有显著增加,即日内温差对流感的活跃程度亦有显著影响;由于深圳的风速整体较小,其影响整体较弱。Prophet时间序列模型和逐步回归模型的回报准确率相近(>86%),而同时考虑了气象因子和前期发病人数的回归模型预测准确率更高(>80%)。简言之,深圳市ILI风险与温、湿度的非线性协同影响关系最为密切,其发病率很大程度上是可预测的。展开更多
文摘文章利用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。
文摘深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DLNM)系统分析了ILI与多种气象因子的关联,并分别使用Prophet时间序列和多元逐步回归模型对流感风险进行预报。近17年来深圳ILI发病在2003—2009年增加、2010—2014年平稳、2015—2019年下降,年周期特征凸显;多数年份发病率呈夏季单峰型,与高温、高湿的气候背景高度相符;个别年份在年末出现次高峰,常与大规模暴发疫情有关。DLNM揭示,高温对ILI风险的即时性影响较强,气温达到29.9℃,相对危险度值(RR)可达1.237(95%置信区间(95%CI):1.203—1.272);而低温效应在滞后2—3周起主导作用。70%—75%的湿度范围对应ILI高风险段,70%相对湿度的RR为1.089(95%CI:1.046—1.135)。偏高的湿度与高温共存可诱使ILI最高风险点出现,即二者有协同增强效应,在其长夏短冬气候下尤其需要注意。ILI危险度在气温日较差为4—6℃或>9℃时均有显著增加,即日内温差对流感的活跃程度亦有显著影响;由于深圳的风速整体较小,其影响整体较弱。Prophet时间序列模型和逐步回归模型的回报准确率相近(>86%),而同时考虑了气象因子和前期发病人数的回归模型预测准确率更高(>80%)。简言之,深圳市ILI风险与温、湿度的非线性协同影响关系最为密切,其发病率很大程度上是可预测的。
