中国地区云量和云光学厚度的分布与变化趋势

利用最新的1983~2009年国际卫星云气候计划（ISCCP） D2月平均资料集,得到了中国地区总云量、低云量、中云量、高云量与云光学厚度的分布与变化趋势,结果表明：中国总云量和中云量呈现南多北少的分布,青藏高原地区高云量较大而低云量很小;总云量和中云量在东部呈增加趋势,西部呈减小趋势,低云量和高云量在大部分地区呈减小趋势。从不同季节来看,春季和秋季北方总云量增加,西部总云量减小;夏季大部分地区总云量增加,冬季大部分地区总云量减少。云的光学厚度呈现南多北少的分布,且在大部分地区呈增加趋势。同时利用中分辨率成像光谱仪（MODIS）资料分析了2001~2013年间中国不同污染地区总云量与云光学厚度的分布及变化趋势的异同,结果表明：中国不同污染地区云量与云光学厚度呈现不同的分布和变化规律。     

EMI 云量反演及与TROPOMI 的对比研究

云参数是痕量气体反演过程中重要的输入参数, 对其准确反演具有重要意义。基于 2019 年 3 月大气痕量气 体差分吸收光谱仪 EMI 的观测数据, 利用 O4 在 477 nm 处的吸收特性进行有效云量的反演。为验证 EMI 云量反演的 准确性, 将 EMI 与 TROPOMI 的反演结果进行对比分析, 并对 2019 年 3 月 2 日、 6 日、 9 日和 10 日 EMI 和 TROPOMI 整天的云量进行了相关性分析, 相关性 R 分别为 0.752、 0.712、 0.764 和 0.762, 表明二者具有良好的相关性。进一步 选取了沙漠、海洋、陆地三个不同区域的云量分析了不同下垫面情况云量的分布特征, 发现在这三个区域, EMI 和 TROPOMI 的云量都具有较好的一致性, 并且海洋上空云量较低, 陆地上空云量较高, 而沙漠上空云量变化频繁。     

2020 年春节期间芜湖市典型大气污染过程分析

2020 年春节期间 (1 月 24 日–2 月 8 日), 受新冠肺炎疫情影响, 芜湖市居民活动水平降到最低, 但芜湖市却出 现了三次不同程度的空气污染过程, 为探索芜湖市大气污染成因提供了契机。利用地面气象要素监测数据、激光雷 达监测数据以及 HYSPLIT 后向轨迹模型分析了这三次污染过程的污染特征和成因。结果表明: 1 月 27 日 08:00–28 日 18:00 第一次污染过程, 是在本地基础排放量不变的情况下, 高湿静稳的大气环境诱发的 10 小时短暂性污染过程; 1 月 29 日 17:00–2 月 1 日 13:00 第二次污染过程, 是在重点企业排放量增加、大气扩散条件较不利的情况下, 受源自河 北、河南、山东等地的污染气团远距离长时间的污染输送, 加剧污染程度, 最终形成 1 月 30–31 日 2 天的轻度污染; 2 月 2 日 19:00–4 日 07:00 第三次污染过程, 则是在不利的扩散条件下, 受源自江苏、浙江一带污染气团短时间输入性 影响, 形成 2 月 3 日 1 天的轻度污染; 与 2019 年春节期间相比, 2020 年空气质量改善明显, 中度及以上污染天数减少 了 100%, 轻度污染以上的污染时长减少 48 小时。可见, 本地源减排是改善芜湖环境空气质量的根本, 区域性联防联 控是应对污染天气的有效手段。     

近48年华东地区地面太阳总辐射变化特征和影响因子分析

利用中国最新公布的截至2008年华东地区13个站点资料,对华东地区平均的地面太阳总辐射长期变化趋势进行了分析,并讨论了该地区云、气溶胶和水汽对地面太阳总辐射变化的影响。研究表明,1961~2008年华东地区平均总辐射呈现减少趋势,减少速率为2.05 W•(m2•10yr)-1;1990年前该地区总辐射呈现出显著的下降趋势, 1990~1995年呈现快速增加趋势,但是1995~2000年再次呈下降趋势,2000年后在平均线上下波动略有增加。气溶胶、云和水汽对华东地区地面太阳总辐射的长期变化都有一定的影响,但是在不同的时段影响程度不同,在1961~1989年总辐射的减少主要归因为气溶胶的增加;而在1990~1999年和2000~2008年则是以云量的影响为主,而且低云量对地面总辐射的影响要大于总云量的影响。     

基于EMI 观测的珠三角地区对流层NO2 柱浓度时空变化特征分析

珠三角城市群作为我国最具发展活力的都市经济圈之一, 近年来经济发展势头迅猛, 但与此同时, 珠三角地区 大气污染问题也引起了广泛关注。在众多大气污染监测手段中, 卫星遥感方法具有观测范围广、观测种类多、可长 期连续观测、成本低等优点。 EMI (Environmental trace gases monitoring instrument) 是我国首台星载大气监测光谱仪, 于 2018 年 5 月 9 日搭载于高分五号 (GF-5) 卫星发射运行, 已广泛应用于中国和全球众多区域的大气污染物空间分布 与时间变化监测, 对于我国卫星高光谱遥感反演算法的研发和大气污染防治具有重要意义。本文基于 EMI 遥感数据 和中国科大的卫星遥感产品, 分析了珠三角地区 2019 年 1–8 月期间对流层 NO2 柱浓度时空变化特征。结果表明: (1) 在 2019 年 1–8 月期间, 珠三角地区对流层 NO2 柱浓度整体呈现“内凹型”特征, 表现为 1–6 月呈下降趋势, 7–8 月呈上 升趋势; (2) 珠三角地区的主要 NO2 污染重心集中在佛山市中部, 以及珠江入海口沿海海岸, 在 1–8 月期间, NO2 污染 源重心不断由佛山市中部向深圳及香港特区方向移动; (3) 珠三角地区对流层 NO2 柱浓度分布与城市的经济状况、产 业结构、常住人口数量及机动车保有量具有一定的相关关系, 其中, 城市的整体经济状况与第二产业占比对于其对流 层 NO2 柱浓度影响较大, 因此各地在大气污染防治中需注意当地经济状况的发展及产业结构的持续优化。     

合肥地表臭氧变化特征及气象要素影响分析

利用 2014–2020 年 O3 浓度监测资料和同期自动气象站气象数据, 研究了合肥地表 O3 浓度的日变化和月变 化规律, 分析了温度、湿度、风速等气象要素对 O3 浓度的影响。研究结果表明: 合肥地区 O3 浓度具有典型的单峰 型日变化特征, 通常在 15:00 左右达到峰值, 在 07:00 左右降至日最低值; 最大 8 h 滑动平均值 (O3-8h) 月均浓度变化 呈“M”型, 一般在 6 月和 8 月达到全年最高, 在 1 月和 12 月降为最低; O3-8h 月均最高值是最低值的 2.8∼3.7 倍, 平均 为 3.1 倍; 受气象要素影响, O3 浓度年变化规律与温度基本一致, 与湿度的变化趋势关系不明显。     

基于多源资料的西北地区一次沙尘暴天气过程综合分析

基于气象条件、激光雷达、风场和 HYSPLIT 轨迹模型等多源资料, 综合分析了 2019 年 3 月 26–28 日发生在 甘肃省的一次强沙尘暴天气过程, 全面研究其发生发展、时空分布和垂直结构特征以及主要来源和传输路径。结果 表明: (1) 高空横槽是引起此次沙尘暴天气的关键因子。此次沙尘起源于塔克拉玛干沙漠, 自西向东影响到甘肃省, 使 部分城市环境空气质量转为严重污染。 (2) 此次沙尘传输路径位于甘肃省以北地区, 沙尘在东移过程中沉降明显, 在传 输过程中颗粒物浓度不断降低。通过分析沙尘传输时间可为下游城市空气质量预报提供参考。 (3) 对于荒漠半干旱地 区, 在风速较小的条件下也可能出现强沙尘天气。研究表明地基激光雷达观测资料能较好地分析沙尘暴天气的垂直 发展过程, 对沙尘的传输路径及沙尘来源均具有很好的指示意义。     

环渤海城市群空气污染特征及其与气象要素的关系

为探究环渤海三大城市群空气污染特征及其与气象要素关系的异同, 基于 2015–2019 年空气质量指数日报资 料及同期气象要素资料, 利用空间自相关模型和皮尔逊相关系数对其相关性进行了分析。研究表明: (1)对于 PM2.5、 PM10 和 O3 这三大被研究的首要污染物, 在冬季主要以 PM2.5、PM10 为主, 夏季以 O3 为主。除 O3 外其余污染物浓度 呈现下降趋势。(2) 空气质量指数 (AQI) 呈现秋季最低、冬季最高的变化特点, 年际上空气质量在逐步改善。(3) AQI 存在明显的空间集聚现象, 总体上由沿海向内陆逐渐由空气质量优良区变为空气污染区。(4) AQI、PM2.5、PM10 和 O3 在不同季节与各气象要素的相关性不同, 且相关性强度呈非线性变化。     

基于EMI 遥感NO2 技术监测澳洲森林火灾活动

澳大利亚 2019–2020 年发生了大规模的森林火灾, 本次火灾在六个月的时间内烧毁了超过 800 万公顷的桉树 林。利用大气痕量气体差分吸收光谱仪 (EMI) 对澳大利亚火灾期间的 NO2 变化情况进行了分析。研究发现, 2019 年 11 月, 澳大利亚东南区域的 NO2 浓度及分布相比往年同期, 出现明显的增长趋势。同时具体针对澳大利亚两大国家 公园的火灾, 研究了 NO2 相对浓度的频率分布与火灾程度和频次的关系, 发现这两个地点 2019 年 11 月 NO2 的相对 浓度频率也出现了明显的增高, 表明森林火灾是导致部分区域 NO2 浓度升高的主要原因。本工作的开展也证明了 EMI 在重大污染事件监测上的可行性。     

伊宁市冬季PM2.5 输送特征及污染源地分析

利用全球数据同化系统 (GDAS) 气象资料和生态环境部环境监测总站的 PM2:5 浓度数据, 使用 MeteoInfo 软 件和 TrajStat 插件的聚类方法和聚类统计对 2018 年 12 月–2019 年 1 月到达伊宁市主城区的气流轨迹进行了聚类分 析, 运用潜在源贡献 (PSCF) 及浓度权重轨迹 (CWT) 分析了伊宁市主城区 PM2:5 潜在源贡献率 (WPSCF) 和轨迹权重 浓度 (WCWT)。结果显示: a) 轨迹聚类分析表明该区受西南气团影响最大, 主要来自哈萨克斯坦和吉尔吉斯斯坦; b) WPSCF 和 WCWT 分布特征类似, 重度污染源区 WPSCF 最高在 0.7∼0.8 以上, WCWT 最高值在 80∼110 µg·m−3, 潜在 源主要集中在昭苏-特克斯盆地。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

光伏电池铺设倾角的动态优化与分析

以单位面积全年接收的太阳能总辐射量最大为目标,根据某市典型气象年的逐时气象数据,建立随光照辐射强度变化的光伏电池板最佳铺设倾角动态优化模型。模型仿真计算结果表明,同一地点光照辐射强度的差异对最优倾角有显著影响,与同月固定最优倾角相比,采用动态优化的日固定倾角,光伏电池单位面积全年接收的太阳总辐射量增加57.13%。     

合肥董铺岛目测云量统计及其与仪器测量资料的对比

利用合肥董铺岛1999～2004年目测的云量测量资料,统计分析了年、季、月总云量的平均和概率分布。结果表明：夏季云量偏多,平均每天有80%,秋季云量最少,平均每天不足50%,十一月份的无云天为全月的25%,六月份100%云量的天数占全月的57%。这可能与本地区雨季和下垫面的影响及东亚季风有关。同时对目测与全天空成象仪在2004年4月～2005年4月的所测云量资料作了相关性分析,两者测量的月总云量的相关系数都大于0．75,但仪器对大气层水汽和气溶胶等悬浮粒子(即雾气)真实的识别性不够,两者之间平均约有1%～7%的差异。     

激光云高仪云量自动反演算法

云是气象预测和航空航海等领域中非常重要的因素之一,所以对云进行观测具有重要的现实意义。而云量作为其中重要的气象参数之一,已成为气象观测的重要内容。目前,对于云量的观测主要还是靠目测,由于各种因素的影响导致误差较大。测量云量是激光云高仪的一个重要应用。提出了一种激光云高仪云量自动反演算法,算法以激光云高仪单点测量数据为基础构造一个关于时间和云层高度的二维图像,按照云层所占用的时间比率进行反演计算云量。对比实验验证表明,算法能较为准确地反演出云量信息,对激光云高仪具有实用价值。     

光热型电测日照计的研制及初步试验

日照时数是地面气象台站观测的基本项目。根据国内外日照计发展现状,设计了一种新型的日照计--光热型电测日照计,该日照计利用热电偶原理,根据两热电偶的温度差来计算太阳直接辐射,从而可以得出日照时数。主要分析了光热型电测日照计的原理结构、金属丝中能量传导和日照计性能,并做了初步试验。结果显示,光热型电测日照计不仅结构简单,而且性能较为良好,随太阳辐射强度变化响应较快,无需人工操作,可以完全实现自动化操作,对日照时数的测量比较准确。     

Prediction model for the diurnal behavior of the troposphericscintillation variance

Tropospheric scintillation is caused by variations of the refractive index due to turbulence. The only meteorological input parameter for two common current scintillation models by Karasawa et al. (1988) and by the ITU-R is the monthly average of the wet part of the refractivity N_wet at ground level, which is not directly associated with turbulence. The diurnal correlation between N_wet and scintillation variance is very weak. Because clouds and cloud formation are closely associated with the turbulence, quantitative cloud parameters were looked for. Cloud type information based on edited synoptic cloud reports are available from the common database of CDIAC and NCAR. Both diurnal and seasonal variations between scintillation variance and average amount of Cumulus type clouds are well correlated. Using this cloud information together with N_wet, a new method for tropospheric scintillation variance predicting also the diurnal variations is introduced. This model is derived and tested using scintillation measurements at four sites in different climates in Finland, United Kingdom, Japan, and Texas     

A mathematical theory of de‐integrating long‐time integrated rainfall statistics. Part II: from 1 day to 1 minute

We have developed, tested and discussed a theory for de‐integrating the probability distribution (PD) of the daily rain rate to the PD of the rain rate integrated in 1 min, through many simple steps, with a good or very good precision, for a large range of probabilities and in many sites. The theory can also estimate the number of rain events (in the sense of rainstorms), N_R, their average duration and the (conditional) PD of daily rainy time. The theory needs only three inputs, measured on site: the daily rain rate PD, the number of rainy days, N_D (only for finding N_R) and the PD of the rain rate integrated in two consecutive and disjoint couples of days. The theory contains two complementary parts, both successfully tested: the first deals mainly with duration of daily rainy time and rain events, and the second deals with the main issue, namely de‐integrating daily rain rate PDs in 1‐min PDs. We have tested the theory on duration of rainy time in Spino d'Adda, Gera Lario, Fucino and Prague and subsequently with real (blind) field tests in Milan, Lugano, many sites in the USA, and Canada. The sites tested belong to very different climatic regions. Nevertheless, the predictions are generally very close to the experimental data. The theory, and its powerful predictions, can be useful for several research communities: radio propagation, agriculture, climatology, hydrology and applied meteorology. For all disciplines and applications, seasonal studies or even monthly studies could be pursued because the data banks available can be very large, even for restricted sub‐data banks. The theory will estimate its parameters on on‐site seasonal, or monthly, measurements. Future developments could deal with de‐integrating large‐area and long‐time integrated rain rate, observed by means of meteorological satellites, for obtaining ‘point’ 1‐min rain rate PDs concerning a small homogeneous area. We have tested the theory to sites with very different climates and for latitudes between 65°N and 28°N. Therefore, we think that the theory can be applied globally in this latitude range because its parameters are derived from local measurements and, perhaps, down to the tropics. Because of the simplicity of the theory, and its use of few local measurements, it may be applied also to equatorial sites. This, however, is only a conjecture because we have not tested the theory directly there. Copyright © 2013 John Wiley & Sons, Ltd.     

Development of a technique to assess snow-cover mapping errors fromspace

Following the December 18, 1999, launch of the Earth Observing System (EOS) Terra satellite, daily snow-cover mapping is performed automatically at a spatial resolution of 500 m, cloud-cover permitting, using moderate resolution imaging spectroradiometer (MODIS) data. This paper describes a technique for calculating global-scale snow mapping errors and provides estimates of Northern Hemisphere snow mapping errors based on prototype MODIS snow mapping algorithms. Field studies demonstrate that under cloud-free conditions, when snow cover is complete, snow mapping errors are small (<1%) in all land covers studied except forests, where errors are often greater and more variable. Thus, the accuracy of Northern Hemisphere snow-cover maps is largely determined by percent of forest cover north of the snowline. From the 17-class International Geosphere-Biosphere Program (IGBP) land-cover maps of North America and Eurasia, the authors classify the Northern Hemisphere into seven land-cover classes and water. Estimated snow mapping errors in each of the land-cover classes are extrapolated to the entire Northern Hemisphere for areas north of the average continental snowline for each month. The resulting average monthly errors are expected to vary, ranging from about 5-10%, with the larger errors occurring during the months when snow covers the boreal forest in the Northern Hemisphere. As determined using prototype MODIS data, the annual average estimated error of the future Northern Hemisphere snow-cover maps is approximately 8% in the absence of cloud cover, assuming complete snow cover. Preliminary error estimates will be refined after MODIS data have been available for about one year