選用2014年～2017年遼寧朝陽(yáng)站氣象要素資料與PM2.5數(shù)據(jù),根據(jù)最新霾預(yù)報(bào)預(yù)警標(biāo)準(zhǔn)確定霾日,利用Spearman,Pearson和Kendall’s Tau-b三種相關(guān)對(duì)PM_2.5日差與氣象要素以及氣象要素間作了相關(guān)性檢驗(yàn),確定了PM_2.5日差方程影響因子;利用逐步回歸分析建立PM_2.5日差方程,結(jié)合過(guò)去一日PM_2.5值作出PM_2.5預(yù)報(bào)方程;利用PM_2.5預(yù)報(bào)方程對(duì)2017年1月～10月的朝陽(yáng)地區(qū)的PM_2.5值進(jìn)行了預(yù)報(bào),檢驗(yàn)得出此預(yù)報(bào)方法的PM_2.5濃度預(yù)報(bào)準(zhǔn)確率為60.5%,霾日預(yù)報(bào)準(zhǔn)確率為84.82%;利用HYSPLIT后項(xiàng)軌跡模擬出的污染物路徑和沉降對(duì)2014年～2016年間霾天氣進(jìn)行了分型,根據(jù)總結(jié)得出的6類路徑和5類沉降類型的PM_2.5預(yù)報(bào)方程誤差,對(duì)2017年1～10月間的PM_2.5預(yù)報(bào)濃度進(jìn)行訂正,根據(jù)路徑訂正的PM_2.5預(yù)...

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖2基于后項(xiàng)軌跡污模擬染物路徑分型

根據(jù)后項(xiàng)軌跡模擬出的500m高度污染物路徑,將朝陽(yáng)地區(qū)霾天氣類型分為偏北路徑、西北路徑、偏西路徑、西南路徑、偏南路徑、轉(zhuǎn)折路徑,各型見(jiàn)圖2。根據(jù)后項(xiàng)軌跡模擬出的500m高度污染物沉降速度,將朝陽(yáng)地區(qū)霾天氣類型分為快速下沉型、平緩下沉型、基本無(wú)沉降型、略有上升型、波動(dòng)型,各型見(jiàn)圖3....

圖3基于后項(xiàng)軌跡模擬污染物沉降分型

圖2基于后項(xiàng)軌跡污模擬染物路徑分型將建立的PM2.5預(yù)報(bào)方程在后項(xiàng)軌跡模擬污染物各路徑類型和各沉降類型下的霾天氣過(guò)程中預(yù)報(bào)的PM2.5濃度的誤差值總結(jié)如表3。

圖1遼寧朝陽(yáng)地區(qū)霾天氣月變化趨勢(shì)

根據(jù)遼寧省氣象部門(mén)結(jié)合PM2.5濃度的最新霾天氣預(yù)報(bào)預(yù)警劃分標(biāo)準(zhǔn),統(tǒng)計(jì)得出2014年～2016年3年間朝陽(yáng)地區(qū)出現(xiàn)的95個(gè)霾日,霾日數(shù)月變化情況如圖1。2.2PM2.5日差預(yù)報(bào)方程建立

本文編號(hào)：3903676