敦煌莫高窟大气可吸入颗粒物的化学元素特征

利用电感耦合等离子体质谱仪测定了敦煌莫高窟洞窟内外大气可吸入颗粒物中27种元素的质量浓度。结果表明:典型地壳元素Na、Mg、Al、K、Ca、Fe占测定元素总质量浓度的96%以上。通过洞窟内外PM2.5与PM10-2.5中元素质量浓度对比发现,Li、Na、Mg、K、Ca、Co、Ni、Zn、Sr、Cs、Ba、U等元素主要存在于PM10-2.5中。沙尘天气时,洞窟外环境中的Co、Ga、As、Cs、Ba元素质量浓度降低,表明沙尘过程对这些元素有稀释作用。富集因子分析显示,洞窟内外可吸入颗粒物中B、Na、Ca、Mn、Cu、Zn、As、Sr、Tl、Pb、Bi、U的EF值均大于10,表明人类活动产生的污染物对以上元素的富集起主要作用。富含Ca、Mn、Cu、Zn、As、Pb等元素的矿物颜料在洞窟壁画制作中被大量使用,其对区域环境大气可吸入颗粒物微量元素的富集也有一定的贡献作用。游客数量与洞窟内外元素Bi浓度存在较显著的线性关系,表明环境中的Bi元素浓度变化受游客活动影响。本研究首次对莫高窟大气可吸入颗粒物中元素含量进行了监测和分析,研究成果为石窟文物及其赋存环境中可吸入颗粒物污染的治理及控制提供了科学...     

黑河流域气象要素与全球性大气环流特征量的多尺度遥相关分析

黑河流域生态-水文过程集成研究是我国近年来干旱半干旱地区的研究热点,气候变化条件下流域生态-水文过程的响应机制是其中一个重要科学问题。基于1956-2015 年黑河流域气温、湿度、降水观测数据及多个大气环流特征量监测资料,采用小波分析方法研究了流域气象要素与大气环流特征量的周期性及遥相关。结果表明：（1）流域气温与大气环流特征量的遥相关关系最为明显,湿度、降水次之。（2）气温与Niño3.4 SSTA、SOI 的显著遥相关共同周期为12～16 a,与NAO、AO为9～11 a,与WP遥相关周期为5～9 a,与PDO为8～15 a。（3）湿度与NAO遥相关周期为4～5 a,与POL为3～6 a,与WP为9～15 a,与PNA为2～8 a。（4）降水与Niño3.4 SSTA遥相关周期为9～15 a,与NAO为2～4 a,与AO为3～7 a,与POL为11～19 a,与WP为9～14 a。（5）上述各遥相关周期的地域分布、显著时段与时滞特征各有差异。本文研究有助于加深流域气象要素对环流特征量响应机制的认识,为我国干旱半干旱地区内陆河流域严峻的水-生态问题的解决及水资源管理提供依据。     

莫高窟PM10浓度与气象要素的关系

采用2018年敦煌莫高窟第16窟窟内与窟区PM₁₀浓度及气象数据,分析PM₁₀时空分布特征及其影响因素。结果表明：（1）两处监测点PM₁₀浓度主要分布在50 μg·m^-3以下,受重污染天气影响较小;春、冬、秋、夏季依次降低,窟区PM₁₀浓度在春、冬季高于窟内,夏、秋季反之。（2）PM₁₀浓度3月最高,9月最低,5—9月窟内月均值高于窟区。PM₁₀污染日数窟内5月最多,而窟区3、5月较多。（3）PM₁₀浓度日变化曲线在春季和秋季呈“双峰”型,夏季和冬季呈“单峰”型。（4）在半封闭环境的洞窟内,沙尘暴发生前后,PM₁₀浓度达到极值及恢复至原来水平的时间均滞后于窟区。（5）在不同季节PM₁₀浓度与气温、风速和降水呈负相关。除秋季外,PM₁₀浓度与相对湿度、气压呈正相关。（6）窟区全年主风向为ESE,在冬春两季,此风向PM₁₀浓度最高,PM₁₀主要来自三危山前的戈壁滩、干涸的大泉河河道以及窟前裸露的地表积尘。     

黑河流域气象要素与全球性大气环流特征量的多尺度遥相关分析北大核心CSCD

黑河流域生态-水文过程集成研究是我国近年来干旱半干旱地区的研究热点,气候变化条件下流域生态-水文过程的响应机制是其中一个重要科学问题。基于1956-2015年黑河流域气温、湿度、降水观测数据及多个大气环流特征量监测资料,采用小波分析方法研究了流域气象要素与大气环流特征量的周期性及遥相关。结果表明:(1)流域气温与大气环流特征量的遥相关关系最为明显,湿度、降水次之。(2)气温与Ni?o3.4 SSTA、SOI的显著遥相关共同周期为12~16 a,与NAO、AO为9~11 a,与WP遥相关周期为5~9 a,与PDO为8~15 a。(3)湿度与NAO遥相关周期为4~5 a,与POL为3~6 a,与WP为9~15 a,与PNA为2~8 a。(4)降水与Ni?o3.4 SSTA遥相关周期为9~15 a,与NAO为2~4 a,与AO为3~7 a,与POL为11~19 a,与WP为9~14 a。(5)上述各遥相关周期的地域分布、显著时段与时滞特征各有差异。本文研究有助于加深流域气象要素对环流特征量响应机制的认识,为我国干旱半干旱地区内陆河流域严峻的水-生态问题的解决及水资源管理提供依据。     

云南干季月蒸发量与常规气象要素的关系

基于112个站点干旱期4月39年蒸发皿蒸发量和常规地面气象观测8要素数据,应用EOF和典型相关分析,深入论证各常规气象要素与气候蒸发量的相关性,分析并比较各要素对蒸发量场总方差的解释能力;同时应用线性回归分析作为验证,并探寻多气象要素对蒸发量模拟的最优要素组合。结果显示,从单要素影响角度分析,常规地面气象观测要素与蒸发量相关性的排列次序为：平均相对湿度＞平均气温＞平均地面温度＞日照时数＞平均风速＞平均水汽压＞气压＞降水量,这与蒸发的热力学和动力学理论解释相一致。回归分析验证了典型相关的主要结果;单个常规气象要素中平均相对湿度对气候蒸发量的模拟效果最好;基于平均相对湿度、平均气温、风速、日照时数和平均水汽压资料的前3个要素组合和全部5要素组合,分别是简便普通精度和高精度需求下常规气象要素推算模拟气候蒸发量的最优要素组合。本文加深了对气候蒸发量的相关认识,并对其模拟推算和空间分布量化有重要指导意义。     

北京市可吸入颗粒物的空间分布特征及与气象因子的CCA分析

利用93个不同下垫面上的空气监测网点数据、地统计分析工具和克里格(Kriging)方法,模拟北京市城区2008年夏季PM1.O、PM3.O、PM5.O以及气象因子的空间分布.分析北京市城区大气可吸入颗粒物的污染分布特征,同时采用同期气象资料进行典型相关分析(CCA),比较各气象因子对颗粒物浓度的影响大小.结果发现:实验半变异函数符合具有块金值的球状模型;北京城区空气可吸入颗粒物的污染范围主要集中在西南部,西北次之,城区中心污染程度相对较轻;3种不同粒径的可吸入颗粒物与各影响因子的空间相关性存在差异;气象因子方面,相对湿度为城区可吸入颗粒物浓度的主要影响因子,其次为地表温度,影响最弱的为风速.     

2007年春季沙尘暴对辽宁中部城市群空气质量的影响

根据大气降尘量和可吸入颗粒物PM10 、PM2.5、 PM1的观测资料,分析了2007年春季发生于我国北方的两次沙尘暴天气过程对辽宁中部城市群空气质量的影响。结果显示,沙尘天气使各城市大气降尘量与可吸入颗粒物PM10和PM2.5的质量浓度明显增高,空气质量明显下降。在3月31日和5月7日的两次沙尘暴过程中,城市群的大气降尘量比当月日平均值分别增加了1.5倍和2.5倍,各城市PM10的日均质量浓度比沙尘出现前一日分别增加了0.2～2.6倍和1.5～3.8倍。3月31日除铁岭和鞍山空气质量状况为良外,均达到轻微污染程度;5月7日鞍山达严重污染程度;沈阳、辽阳、本溪、铁岭和抚顺的空气质量均为中度污染或中度重污染。沙尘暴期间1.0～10.0 μm的粗粒子为影响辽宁中部城市空气质量的主要成分,其小时平均质量浓度最大时是沙尘出现前的10～30倍。     

西江流域径流与气象要素多时间尺度关联性研究

使用水文统计和交叉小波方法对西江流域1961~2005年径流变化特征及其与气象要素的多时间尺度的关联性进行分析。结果表明,径流量总体呈现减少的变化趋势,可能是人类活动引起流域内蒸发和入渗增加,使径流对降水的响应减弱造成的,径流丰枯变化基本与降水的波动相一致。气温对径流的显著作用主要集中在1990~2000年3~5 a周期上,径流对气温变化的响应时间为6~12个月;降水与径流在大部分时频域中呈同相相位变化,其相互作用主要集中在1992~2003年3~4 a和1980~2000年11~12 a周期上;大气环流变化对径流的影响主要集中在1965~1975年2~3 a及1993~2000年3~5 a周期上,对径流的影响可能是通过对区域降水影响实现的,径流对前一次环流变异响应时间为6~12个月,对后一次响应时间较快,时间的差异可能是下垫面的改变引起流域产汇流机制变化造成的。     

预测银川市大气主要污染物浓度的一种动力统计模型

本文以箱模式为原理,从大气污染物平流扩散方程出发,经过简化推导,得出预测大气主要污染物浓度的动力统计模型。在模型中既考虑了气象条件的作用,又考虑了起报日的污染物浓度,与纯数学统计模型相比,有着更可信的物理基础;与数值模式相比,本模型不需要污染源排放清单,具有简便易行的优点。利用银川市2001-2004年大气主要污染物SO_2、NO_2、PM_(10)逐日平均浓度监测值和同期地面气象要素资料,通过回归分析确定了主要污染物浓度24 h变率预报方程,经2005年6～9月的预报检验,本模型对银川市大气主要污染物浓度的变化有一定的预报能力。     

基于GIS的中国气象要素管理系统的研发

气象数据具有多源、海量和空间的特点。通过.NET平台、组件式GIS、Climate China软件和Arc GIS Engine组件技术,在全国行政区划图、高程和1900~2002年的83种气象要素的数据基础上,研发中国气象要素管理系统,主要实现图层操作、数据管理、空间分析、高时空精度的气象数据的查询和专题图输出功能。并以1971-2000年的1月平均温度为实例,分析零度等温线的分布区域变化,得出结论:纬度和海拔均显著影响零度等温线的分布:纬度越高的地区,温度越低;海拔越高的地区,温度越低。     

塔克拉玛干沙漠腹地沙尘暴过程大气颗粒物浓度及影响因素分析

利用Grimm1.108、Thermo RP 1400a、TSP以及CAWS-600等仪器,对2008年4月17日至23日发生在塔克拉玛干沙漠腹地的1次强沙尘暴过程的颗粒物质量浓度进行连续观测,结合天气资料分析得出:①Grimm1.108颗粒物分析仪监测结果表明,日平均浓度出现两个峰值区,主峰值出现在20日,次峰值出现在18日,而小时平均浓度高值区主要集中4月19日至20日,21日中午存在1个峰值区,其他时段浓度相对较低。②强沙尘暴发生时的分钟观测数据表明,随着风速的逐渐增强,沙尘暴强度逐渐增强,不同粒径颗粒物浓度达到最大值,>0.23 μm颗粒物总浓度为39 496.5 μg·m-3,>20.0 μm颗粒物总浓度为5 390.7 μg·m-3,随后浓度逐渐下降。③PM10和TSP的浓度变化同样反映沙尘天气的过程和强度,沙尘暴前期大气中颗粒物浓度远低于强沙尘暴期间,随沙尘天气减弱,颗粒物浓度明显下降。④沙尘天气过程中大气颗粒物浓度变化具有以下规律：晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气。风速大小直接影响大气中颗粒物浓度,风速越大颗粒物浓度越高。气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中颗粒物浓度的变化。     

大连市大气污染物质量浓度与气溶胶光学厚度的相关性分析

分别对2015年6~12月和2016年6~12月大连地区的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据进行数据统计分析,基于ENVI软件平台利用MODIS数据反演大连地区的气溶胶光学厚度,通过回归建模研究气溶胶光学厚度与大连地区10个地面监测站点的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据的相关性。回归建模以气溶胶光学厚度（AOD）为自变量,以大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃为因变量,在SPSS软件中分别选取线性、对数、三次、乘幂、指数5种函数类型进行研究,通过对比回归模型的拟合优度R²,选择最优拟合模型,探讨利用遥感数据反演气溶胶光学厚度监测大气污染的相关性。结果表明：气溶胶光学厚度与NO₂、PM2.5和PM10的最优拟合模型均为三次模型,其拟合优度R²分别是0.685、0.801和0.845;与O₃和SO₂的最优拟合模型为指数模型,其R²为0.367和0.482;与CO的最优拟合模型为对数模型,其拟合优度R²为0.810。该结果为分析大气气溶胶污染来源以及治理提供了数据。     

北京市采暖期可吸入颗粒物时空分布特征及源追踪

可吸入颗粒物是北京市大气主要污染物之一,春秋两季的沙尘天气除部分是由于受到区域气流的影响外,多数情况下是原地污染造成,尤其是冬季采暖期。本文通过遥感技术和地面监测结合的方法,研究采暖期北京市近地面不同粒径可吸入颗粒物时空分布规律及其与影响因素间的相互关系。应用高分辨率遥感影像分析下垫面的变化,应用地面观测仪器收集不同粒径颗粒物的含量,并分析颗粒物的化学组成;应用地理信息系统的空间分析技术,研究颗粒物的分布与下垫面的关系。研究表明,可吸入颗粒物污染分布和下垫面介质、人为污染源、人口密度、气象因素有非常密切的关系。     

新疆和田绿洲大气降尘和PM_(10)浓度变化特征分析

通过分析2000-2012年新疆和田绿洲环境监测记录和气象观测数据,研究该地区大气降尘强度和可吸入颗粒物浓度的变化特点,阐明其主要影响因素。结果显示:2000年以来大气降尘强度在1 300~1 500 t·km-2·a-1水平上下波动变化,春、夏两季受沙尘天气影响导致高降尘量,月平均强度均150 t·km-2;环境PM10年平均浓度在0.2~0.25 mg·mg-3之间变化,有逐渐上升的趋势,沙尘暴期间颗粒物浓度快速上升,PM10浓度极值可达到2.52 mg·m-3;超过91%的空气污染日数是由大气颗粒物造成的。因此,颗粒物是和田绿洲区的首要空气污染物。降水量波动变化剧烈,年平均值50 mm·a-1,尽管和田绿洲春、夏两季降水量增加,但降水对抑制大气颗粒物污染的湿清除作用极为有限。春、夏两季大风日数占全年大风天气总日数的84.7%以上,风蚀沙土在西北风作用下传输到绿洲区,来自塔克拉玛干沙漠的风蚀沙尘颗粒物是和田地区大气降尘和颗粒污染物的主要来源。     

辽宁中部城市群城市体系中规模与距离关系的研究

以城市人口规模、城市间距离为指标,通过多元回归模型,定量分析辽宁中部城市群中城市规模与空间距离的关系,以及城市与“最近城市”的距离和“距离位序”之间是否存在类似“城市位序-规模律”的定量关系。研究发现：① 城市i的规模P_i与“最近城市”n的规模P_n、距离D_i-n以及区域中心城市c的距离D_i-c有关,与首位城市的规模和距离无关,其中P_n、D_i-n为正向影响,D_i-c为负向影响。就影响力而言,区域中心城市c的影响大于“最近城市”n,这一点区别于国内其他城市群。② 城市群中存在“城市距离-位序律”的定量关系。③ 利用城市规模与距离的定量关系可以测算理论人口规模和影响范围,为辽宁中部城市群的人口预测和空间结构划分提供有益参考。     

从陆地和海洋生态系统角度辨析大气CO2浓度与全球变暖关系

根据古气候记录的温度与大气CO2浓度变化的关系,结合近百年尺度陆地和海洋生态系统碳库对全球变暖的响应模式,探讨大气CO2浓度升高与全球变暖的关系.结果发现,不论是古气候记录的大气CO2浓度升高的时间滞后于升温的时间,还是古气候与近百年来大气CO2浓度升高幅度相近条件下,两者升温幅度存在约10倍差异的事实,均不支持"大气CO2浓度升高驱动了全球变暖"的观点.近百年尺度陆地和海洋生态系统碳汇功能随升温降低从而增大了大气CO2来源,这有可能是"温度升高促进了大气CO2浓度增加"的原因.陆地生态系统碳汇功能降低的驱动机制可能是由于升温降低了陆地生态系统的净初级生产力,增大了异氧呼吸和有机碳分解速率所致;而海洋CO2吸收能力的降低则可能与升温导致CO2溶解度、海水盐度降低以及海洋温盐环流削弱或破坏等有关.     

1981-2010年中国西北地区东部大气可降水量的时空变化特征

利用1981-2010年NCEP/NCAR再分析资料以及同期西北地区东部58个气象站的日降水、蒸发资料,采用一种新的方法统计分析了该地区大气可降水量的时空分布特征,并对大气可降水量与实际降水量的相关性进行了分析。结果表明:西北地区东部大气可降水量空间分布极不均匀,无论年或季,均呈现为西北少东南多的分布特征。逐月大气可降水量分布呈单峰型,7月最大,1月最小; 近30年,西北地区东部年、各季大气可降水总量均呈微弱减少趋势,四季中夏季减少趋势最为显著,冬季不明显; 58个站点30年平均的实际降水量空间分布与大气可降水量分布基本一致,年际变化也呈微弱减少趋势; 大气可降水总量与实际降水量呈显著正相关,年平均相关系数为0.545,各季节中春季相关系数最大,秋季和冬季次之,夏季最小; 不同区域大气可降水总量与实际降水量的相关性因季节不同而不同,总体来说,甘肃东部、南部和陕西中部、南部相关性较高,大气可降水量对降水量的贡献较大; 将大气可降水量和降水日数结合起来,更能准确、客观地反映一段时间内总的大气可降水量分布情况。     

塔里木盆地春季沙尘暴频次与大气环流的关系

使用1961-2009年春季NCEP/NCAR再分析资料和塔里木盆地37个气象站沙尘暴频次资料,分析了塔里木盆地春季沙尘暴频次与大气环流的关系。结果表明:①近40 a,在500 hPa高度场上,两者在巴黎盆地和蒙古国中西部存在显著负相关,在乌拉尔河附近存在正相关,蒙古国中西部500 hPa高度场在升高,而乌拉尔地区的在降低,两地间经向环流的减小引起盆地沙尘暴减少。②塔里木盆地春季沙尘暴频次突变与显著负相关区蒙古国西部500 hPa高度场突变相联系,两者的变化趋势基本是相反的,盆地沙尘暴频次突变出现在1985年,500 hPa位势高度突变提前于沙尘暴频次突变,出现在1980年和1984年。③在年际、年代际尺度上,春季500 hPa位势高度场上蒙古国西部气旋和东欧平原反气旋增强的环流形势配置是塔里木盆地沙尘暴多值年的典型背景。     

Analysis of mass concentration of atmospheric particulate matter in a sandstorm course and its affecting factors in the Taklimakan Desert

During the course of a major sandstorm from April 17 to April 23, 2008 in the Taklimakan Desert, data pertaining to the mass concentrations of different-sized atmospheric particulate matter were observed continuously with Grimm 1.108, Thermo RP 1400a, TSP, and CAWS-600 instruments. The results showed that: (1) during the entire sandstorm process there were some differences between the daily mean particle concentration peaks and the hourly mean particle concentration peaks because the actual sandstorm lasted for only about 4 hr, whereas more particles were accumulated in the floating dust days before and after the actual sandstorm; (2) the intensity of the sandstorm was enhanced with the increase of wind speed, and this was related to the peak mass concentrations of atmospheric particulate matter; the wind speed directly affected the concentration of atmospheric particulate matter: the higher the wind speed, the higher the mass concentration (>0.23 μm was 39,496.5 μg/m³, and >20.0 μm was 5,390.7 μg/m³); (3) the concentration changes of PM₁₀ and TSP were also related to the course and intensity of the sandstorm; and (4) the mass concentration of atmospheric particulate matter had the following sequence during the dust weather: clear day < floating dust < floating and blowing dust < sandstorm. Temperature, relative humidity, and barometric pressure are important factors affecting the strength of storms, which could also indirectly affect the concentration change of atmospheric particulate matter.