太原大气能见度影响因子分析及能见度预报

发布时间：2021-07-22 01:55

　　利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:（1）从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00（北京时,下同）,冬季略向后推移,最高值出现在15:00前后。（2）2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。（3）所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。（4）采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。 

【文章来源】：沙漠与绿洲气象. 2020,14(04)

【文章页数】：8 页

【部分图文】：

太原地区平均能见度空间分布

图4为太原地区2017—2019年低能见度（V<10 km）分布图。太原地区低能见度事件1月最多，5月最少；1月低能见度分别出现17、13、14 d,5月低能见度分别出现3、1、3 d。2017、2018、2019年太原低能见度分别出现93、84、79 d，年平均发生频率分别为25.48%、23.01%、21.64%。图3 2017—2019年季平均能见度（a）、湿度（b）、PM2.5浓度（c),PM10浓度（d）日变化特征

2017—2019年季平均能见度（a）、湿度（b）、PM2.5浓度（c),PM10浓度（d）日变化特征

【参考文献】：
期刊论文
[1]大气透射仪与前向散射仪低能见度条件下跑道视程数据对比分析[J]. 范大伟,曹敦波,朱国栋,肖恺倩.  沙漠与绿洲气象. 2019(04)
[2]神经网络方法在环渤海能见度预报中的应用分析[J]. 胡海川,张恒德,朱彬,谢超.  气象科学. 2018(06)
[3]大连地区能见度影响因子及个例分析[J]. 李潇潇,周婷婷,赵胡笳,朱轶明,刘晓初,张黎红,桑明刚,孙虹雨.  沙漠与绿洲气象. 2018(04)
[4]临沂地区秋季一次重霾天气的特征分析[J]. 胡顺起,王玉亮,朱义青.  沙漠与绿洲气象. 2018(03)
[5]北京大气能见度的主要影响因子[J]. 姜江,张国平,高金兵.  应用气象学报. 2018(02)
[6]2013年济南市大气能见度与相对湿度和PM10、PM2.5的关系[J]. 吕建华,彭岩波,谢刚.  气象与环境科学. 2016(04)
[7]武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报[J]. 白永清,祁海霞,刘琳,陈城,林春泽,李武阶.  气象学报. 2016(02)
[8]长江三角洲地区冬季能见度特征及影响因子分析[J]. 周奕珂,朱彬,韩志伟,潘晨,郭婷,魏建苏,刘端阳.  中国环境科学. 2016(03)
[9]杭州市区相对湿度及PM2.5对能见度的影响分析[J]. 杜荣光,齐冰,胡德云,李璐,俞布.  南京大学学报(自然科学). 2015(03)
[10]北京大气能见度和消光特性变化规律及影响因素[J]. 王英,李令军,李成才.  中国环境科学. 2015(05)



本文编号：3296207