简介:
简介:利用2015-2016年西安市逐日空气质量资料和气象观测资料,统计评价了2016年气象条件较2015年对大气污染的影响情况.结果表明2016年西安空气质量较2015年偏差,优良日数减少,各污染级别日数较2015年均有增加;全年降水日数、有效降水日数和年降水量都有所减少,降水对大气污染物的清除作用减弱;秋冬季平均风速较2015年同期明显偏小,比2016年全年平均风速也显著偏小,大气扩散能力减弱;秋冬季冷空气强度虽有所增加,但活动次数偏少,造成静稳天气增多,污染物累积效应持续增强;春夏季日照充足,太阳辐射增加,气温偏高、降水偏少,大气颗粒物减少,臭氧作为首要污染物第一次出现的日期相比2015年提前较多,污染日数也有所增加.臭氧已经成为除颗粒物之外的第二大污染源,春末至秋初期间,需要引起足够重视.
简介:利用国家基本站、区域站资料,分析了2006—2016年池州市短时强降水时空分布特征,建立3种天气学概念模型,并总结了短时强降水的中尺度系统、相关物理量和雷达回波的一般特征。结果表明:池州市短时强降水主要发生在汛期(5—8月),其中7月最活跃,其次分别是6、8月。强度≥20mm/h和≥30mm/h的短时强降水日变化呈现双峰型特征,强度≥50mm/h的短时强降水则呈现单峰型特征。东至县中南部是短时强降水的易发区域,其次是贵池南部山区和九华山东、西两侧区域。池州市短时强降水天气类型可分为副热带高压边缘型、西北气流型和台风型,其中副热带高压边缘型是短时强降水的易发天气类型。中小尺度天气系统在不同天气类型中的作用存在差异,但相关物理量差异不明显。副热带高压边缘型、台风型强降水过程中雷达反射率因子多表现低质心结构特征,西北气流型呈现高质心结构特征。
简介:利用常规气象观测资料、NCEPFNL1°×1°间隔6h再分析资料,对2017年7-8月榆林市相继出现的两场区域性暴雨过程(7月26日暴雨过程,简称“7·26暴雨”;8月22日暴雨过程,简称“8·22暴雨”)的热力、动力机制进行对比分析.结果表明:两次暴雨与高低空急流关系密切,当高低空急流加强,出现强动力抬升时出现强降水,暴雨落区位于低空急流左前侧的强水汽辐合区.“7·26暴雨”低空急流和水汽辐合更强,大暴雨出现在高低空急流耦合的强上升区.两次降水过程热力机制有所不同,“7·26暴雨”过程中层有冷空气卷入,中低层存在强对流不稳定,低层切变线触发不稳定能量释放,产生强降水;“8·22暴雨”过程大气整层饱和,锋面作用显著,暖湿空气被冷空气抬升,低层存在对流不稳定,大尺度稳定降水系统伴随中小尺度对流发展,降水加强.对流层低层VMP1(湿正压项)负高值中心对暴雨落区有较好的预报指示意义.
简介:基于1961—2012年NCEP/NCAR月平均再分析资料和云南地区124个气象观测站月降水资料,利用相关分析法分析夏季南亚高压与云南地区降水的关系。结果表明:1961—2012年夏季滇西南地区降水与南亚高压主中心经度呈较显著的负相关,滇南地区降水与南亚高压面积呈较显著的负相关;6月滇西北和滇南地区降水与南亚高压脊线位置和高压主中心纬度呈显著的正相关,滇西南地区降水与南亚高压主中心强度呈显著的正相关,而与南亚高压主中心经度呈显著的负相关,滇中地区降水与南亚高压主中心纬度呈显著的正相关;7月滇西南、滇西北的西南部和滇西的北部地区降水与南亚高压脊线位置呈较显著的正相关,滇西地区降水与南亚高压主中心强度呈较显著的负相关,滇中和滇东地区降水与南亚高压主中心经度呈较显著的负相关;8月滇西南、滇中、滇南和滇东地区降水与南亚高压面积呈显著的负相关。
简介:利用2017年1月1日-7月31日陕西省十地市空气质量资料和气象站地面观测资料,分析了2017年1-7月陕西省空气质量时间变化特征及影响大气环境质量的气象条件.结果表明:全省城市空气质量与2016年同期相比较差1-3月全省首要污染物为颗粒物(PM2.-和PMW),5-7月为臭氧.1-3月各市平均风速均在3.0m/s以下且小风频率较高;全省冷空气活动较上年同期减少3次且强度偏弱;全省平均混合层高度与上年同期相比降低22m.与上年同期相比,平均风速小,小风日数增多,冷空气活动次数减少且强度偏弱,混合层高度偏低,是颗粒物污染过程增多的主要因素.5-7月臭氧质量浓度与高温显著正相关,当日平均气温≥30℃或日最高气温≥35℃时,臭氧显著超标;臭氧质量浓度随日照时数增加而升高,日照时数≥6h时,各市臭氧平均质量浓度均较高,日照时数≥10h时臭氧超标率最高;臭氧质量浓度随日平均相对湿度的升高而降低,当相对湿度〈60.0%时,臭氧平均质量浓度超过140μg/m3,当相对湿度≥70.0%时,臭氧超标率明显降低.与上年同期相比,气温偏高,日照充足,湿度减小是造成臭氧超标日增多的主要因素.
简介:基于国际上最著名的4套全球地表月气温数据集,即英国东安格利亚大学气候研究所数据集(CRUTEM3)、美国国家气候数据中心数据集(GHCN-V3)、美国国家航天航空局数据集(GISSTMP)和Berkeley地球表面气温数据集,从分析现有资源的状况入手,通过广泛的国际调研与合作,整合了这4套全球地表逐月气温数据集和一些主要国家或地区的区域数据集,研发了中国第一套全球陆地表面逐月气温站点数据集.该数据集共包含全球9519站、7073站及6587站的月平均气温、最高及最低气温(序列长度不低于20年)数据,同CRUTEM3和GHCN-V3数据集相比,该数据集站点密度在各个区域都有所增加,尤其是在南美洲、非洲及亚洲地区;另外,1990年代以来的站点数量显著增加,有利于降低自1990年以来全球气温变化趋势估计的不确定性.