简介：利用相关统计法分析2006—2008年厦门市地面气象要素对空气污染指数变化的影响规律。结果表明：风速、气温、降水、相对湿度和水汽压对空气污染指数均有显著负效应作用,气压起显著正效应作用;风向影响较为复杂,NNW—N—E—ESE风起正效应作用,SE—S—W风起负效应作用,厦门风向总体不利空气质量提高,全年仅夏季盛行SE—S—W风。API指数与风向、气温、降水、气压、相对湿度和水汽压的季节变化规律有高相关性。API指数与气象要素中的水汽压关系最相关,其次是气压。

简介：影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数（API）与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08：00（北京时）地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明：（1）当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;（2）除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.00001的显著性水平,并且相关程度冬半年好于夏半年;（3）API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;（4）回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。

简介：利用2001年1月1日至2012年12月31日北京市空气污染指数资料和地面气象观测数据，对北京市API的节气变化特征及其与气象因子在节气尺度上的相关关系进行统计分析。结果表明：2001—2012年北京市春季和冬季分别以清明和小雪节气API最高，空气质量最差；立秋节气API最低，空气质量最好。春分—霜降节气空气首要污染物为PM10，SO2作为首要污染物出现在立冬—大寒和立春—惊蛰节气，小寒达到最大。温度、风速和相对湿度是影响北京空气质量的主要气象因子，立春—谷雨节气空气质量主要受气压影响，立冬—大寒节气空气质量受相对湿度和日照时数影响较大，立夏—霜降节气API与平均气温和最低气温显著相关，风速主要影响春秋节气的空气质量。

简介：加拿大国家气象局前局长写道：“由于气候是对天气进行统计”，“气候变化正在改变各种天气灾害及其利益”，这包括饮用和灌溉所需的雨水、滑雪所用的雪、以及娱乐休闲所需的温暖而舒适的天气。戈登·麦克宾补充说：“与天气有关的灾害性事件对加拿大总是具有重大影响，其产生的影响越来越大。”这些灾害所产生的影响将随全球变暖而加大。麦克宾向联邦政府和省政府提出了一些相关建议，以应对日益增多的天气灾害产生的影响。

简介：通过51年德州市区霾出现次数与相邻的陵县空旷地带的观测站所测得的霾出现次数进行对比分析,在相同的符合霾生成的气象条件下,市区与陵县霾出现次数的月分布特征及年变化特征。探讨市区与陵县以上两种特征的差异从而得出市区的空气污染和那些环境因素有关,这里所说的环境因素指的是城市布局、建筑布局、污染源分布、污染物排放种类和时空分布。结合德州气候形势提出减少德州市区空气污染的具体办法。为政府科学施政、科学管理提出参考依据。

简介：利用1995～2000年呼和浩特市的大气污染环境监测和气象观测同步资料,在分析了边界层气象条件和影响呼市地区天气系统与空气污染的关系基础上,通过相关分析筛选出物理意义明确,且为常规观测的气象要素因子,采用逐步回归模型,分别建立了以小召、四毛、糖厂、公安厅四个监测点为代表的呼市不同功能区以及全市平均的冬、夏季TSP和冬季SO2浓度日均值统计预报模型.通过历史拟合和检验,预报效果良好.

简介：

简介：为了解我国空气污染状况，收集了1991～1993年全国城市污染物浓度的资料，这些污染物包括二氧化硫、氮氧化物和悬浮颗粒物，分析指出我国某些地区污染物浓度比较大，各种污染物都有不同程度的超标，然后讨论制定污染指数及相应的对人体健康的影响。

简介：沿海附近人口数量的增加给沿海生态系统造成了巨大的压力。渔场在减少、有害海藻爆发富养化，从密西西比河三角洲的“死区”和世界上其它的20多个持续性死区我们可以看到这种影响。气候变化和沿海地区不断增加的人口数量使我们不得不监控近海的变化，主要包括预报捕捞、沿海滩涂管理、气候变化以及极端天气事件对经济上重要的海产物种的综合影响。

简介：对兰州市太阳辐射和空气污染的年季变化规律分析表明：太阳直接辐射、总辐射及大气透明系数呈逐年下降趋势，散射辐射和晴天大气混浊因子呈逐年增加趋势，且从７０年代后期开始这种趋势更加明显；冬季大气污染最严重，夏季较其他季节轻，春季污染高于秋季。总悬浮微粒的年、季变化与太阳辐射和混浊因子的变化规律基本一致

简介：

简介：根据天气形势、本地气象要素等分析易于产生泉州沿海区域性污染的气象条件，重点从干湿条件、相对湿度及无雨日数等与湿度相关的要素方面探讨泉州沿海区域性污染的干湿污染特点。结果表明：泉州沿海区域性空气污染产生的天气系统主要有地面高压（高压底部、后部或高压脊）、地面倒槽、低涡锋面和锋前暖区等形势；地面气象要素多为升温降压、日风向及风速存在海陆风变换、夜晨有雾霾现象；相对湿度在70％-80％时，易造成区域性空气污染。

简介：兰州是全国冬季大气污染最严重的城市之一,通过对污染与天气形势的分析,给出了影响冬季兰州污染的天气分型;对3种主要空气污染物TSP、SO2、NOx浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析,结果表明:(1)污染物浓度与逆温层厚度呈显著正相关;(2)污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关,与温差、气压成正相关.最后针对不同天气分型,给出了冬半年兰州污染物浓度预报方程,经检验预报效果良好.

简介：根据福州站探空和地面资料，们和福州市1995～1997年SO2、NOx、进行回代以检验其预报准确度。计算出九个影响污染物浓度的大气层结参量，将它TSP浓度建立一系列回归方程，并用1997年资料

简介：2004年12月8—16日南昌市出现了一次连续空气污染过程。利用城市空气污染观测资料和气象常规观测资料，从天气形势和主要气象要素两个方面，对此次空气污染过程进行了分析。结果表明，此次连续空气污染事件都是出现在风速小、无雨和有雾或霾的气象条件下，高空主要为高压脊的形势或是处在西风槽底的平直气流中，低层大气稳定，中层大气增温明显；地面形势主要为地面高压脊、高压底部或是倒槽前部，地面有弱冷空气南下时不一定能改变污染状况。极厚、极强的逆温层和极小风速的持续存在是造成污染物高浓度最重要的气象条件。此外，地形也是影响南昌市空气质量水平的因素之一。

简介：利用汉中市环境监测站提供的空气污染资料和同期气象资料对2007年12月17—26日汉中市城区连续空气污染过程进行分析。结果表明,高空受高脊影响或平直西风气流控制,大气层结稳定,不利污染物垂直扩散;地面处于弱高压底部或均压场中,水平风速较小,不利污染物的水平扩散;近地层逆温更易造成地面空气污染;空气污染指数的变化与风速、气温日较差密切相关,相关系数分别为-0.59、0.85。

简介：2008年1月7～11日期间,华东地区自北向南出现了一次持续大雾过程,分别影响到山东、江苏、安徽、上海、浙江、福建等地,并伴随有轻至中度空气污染,对当地生活、生产、运输造成严重影响。利用地面探测和探空资料、NCEP/NCAR再分析资料及MM5数值模拟结果等资料,分别从天气形势分析、水汽条件、动力因子、温度层结、空气质量变化等多方面入手,对此次大雾过程的成雾条件及空气污染对持续大雾的贡献进行诊断分析。分析指出,近地面层水汽通量散度、垂直速度以及500hPa与1000hPa散度差与能见度无显著相关,近地面相对湿度（Rh）与能见度呈明显反相关,近地面温度递减率（γ）与能见度呈明显正相关,可以把Rh≥85%、γ〈0.2℃.（100m）^-1作为大雾形成的必要条件。另外,选取与空气污染指数（API）相同时间段（前一日04时至当日03时,协调世界时）上海虹桥机场的航空能见度最低值与API对比发现,航空能见度最低值与API呈强烈的反相关,空气污染对大雾形成或维持具有显著的促进作用,可以把＂API上升达到150＂作为上海虹桥机场出现大雾的一个重要的判断条件。

简介：大气颗粒物一直是西安市的主要污染物，多年监测的TSP日均浓度值均超过国家二级标准限值150pg／m^3。1996年夏季在西安市南郊陕西省委党校设立监测点，使用步进式时间序列自动采样仪对当地空气颗粒物进行了4天24小时连续采样，使用PIXE对采到的32个样品进行元素分析，每个样品分析出14～16种元素。各种元素浓度随时间变化趋势基本一致，主要受气象条件的影响，降雨对空气颗粒物各元素浓度有明显抑制作用。富集因子分析表明，西安市空气颗粒物不仅受地壳物质的影响，还受到一定程度人为污染的影响。元素浓度的因子分析表明，西安市夏季颗粒物主要有4种来源：地壳物质、有色治炼、燃煤排放源和化工制药业。

简介：1引言城市空气污染气象学的研究主要是在大气边界层内进行的。当大气边界层内空气里污染物浓度超过正常值，持续一段时间，就会破坏空气中原来的组分，对交通安全、人体健康、工农业生产、自然生态产生不良影响。严重的空气污染会直接导致出现低能见度天气，引发各类海、陆、空交通事故，以及导致城市空气质量问题，直接危害人体、动物、植物的健康。近年来，国内外大量流行病学研究表明，PM10等大气污染物可直接进入人体，影响人体呼吸系统，

简介：针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式(WeatherResearchForecasting,WRF)和嵌套网格空气质量模式(NestedAirQualityPredictionModelSystem,NAQPMS),针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物(PM2.5)预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。