简介:利用地面污染物监测数据、常规气象数据,ECMWF再分析数据以及L-波段无线电探空数据,并结合后向轨迹模型,对2017年5月长三角地区的一次沙尘重污染天气过程进行成因分析。结果表明:此次沙尘重污染过程是天气系统、地面及边界层气象条件共同作用的结果。东亚大槽东移、冷空气南下并配合地面高压的发展使河西走廊、宁夏大部、内蒙古西部出现沙尘天气,为后期长三角地区沙尘的输送提供了沙源;850hPa上较大的风速为上游沙尘源区向下游长三角地区输送提供了通道;高压中心的下沉运动和白天增强的热对流活动使得高层沙尘影响地面具备了足够的动力条件;当沙尘抵达长三角上游地区后,不断减弱的冷空气和趋于静稳的近地面形势不利于污染物扩散,加剧了此次污染过程。
简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。