2021, Vol. 42
2. 国家气象中心, 北京 100081;
3. 气象灾害预报预警与评估协同创新中心, 南京 210044
2. National Meteorological Centre, Beijing 100081, China;
3. Collaborative Innovation Center for Meteorological Disaster Prediction and Assessment, Nanjing 210044, China
霾是气溶胶细粒子在低湿度条件下引发的低能见度天气现象, 一般是指大量极细微的干尘粒均匀的悬浮在空中, 使空气普遍浑浊, 水平能见度小于10 km的现象.随着我国城市规模不断扩大, 城市化进程不断发展以及经济飞速增长, 大气污染问题越发严重.空气污染不仅会对交通出行造成影响, 引起交通事故和航班延误等; 还会严重危害人体健康, 导致心脑血管和呼吸系统等疾病发病率剧增, 给社会安全和人民健康带来巨大威胁.京津冀地区以PM2.5为首要污染物的雾、霾天气由于出现次数较多, 污染物浓度高, 给人民群众生产生活和身体健康带来较多不利影响, 成为公众、媒体和相关科研业务单位关注的重点.
国内外许多专家学者都对霾做了研究.孙彧等[1]的研究分别根据近50年左右我国的雾、霾台站长期观测资料的分析得到我国雾、霾的长期变化特征, 分析了雾、霾与能见度的关系, 表明我国能见度有明显的下降, 霾日发生的频率总体呈上升趋势.刘晓慧等[2]通过统计分析长江三角洲地区近30年灰霾分布情况, 计算消光系数, 得出近30年来长江三角洲灰霾日数整体呈增长趋势, 能见度与AQI呈负相关且相关性随相对湿度的增加而增强.张小曳等[3]的研究通过分析2013年1月中东部地区持续性雾、霾天气的气溶胶特征、污染物成分构成和形成维持机制等, 指出我国雾、霾主要是严重的气溶胶污染, 但气象条件对其形成分布变化作用明显.有研究指出, 2000年以来, 京津冀地区霾日数整体呈增加趋势[4], 京津冀城市群内不同城市污染物相互影响和沙尘的远距离输送, 更加重了霾天气的危害[5, 6].朱媛媛等[7]和沈吉等[8]的研究结合激光雷达, 分析了大气污染物在污染期间区域附近的平流输送和气溶胶的垂直分布状况.静稳天气中弱风、高湿和稳定的边界层结构既有利于形成雾、霾, 又有利于污染物排放量大的地区气溶胶的生成、增长和累积[9~13].沈利娟等[14]的研究提出副高位置、均压场、地面静小风和边界层中逆温层能为雾、霾过程提供水汽和动、热力条件.有研究发现[15~17], 影响雾、霾低能见度的因子主要有环流形势[15]、气溶胶[18]、水汽[19]、低层平流[20]和基础能见度[21~25].张恒德等[26]建立了静稳天气指数, 能有效地描述静稳天气程度对污染物积累的作用, 预报污染过程发展至消散的不同阶段.
近年来, 我国十分重视雾、霾的监测、分析、预报和防治工作.本文分析了我国京津冀地区一次典型霾天气过程的环流形势、气象要素和边界层特征等, 探讨此类持续重霾天气过程的气象条件, 以期为进一步加深对霾的认识和提高对霾的分析预报能力提供支持.
1 材料与方法 1.1 数据资料中国环境监测总站全国城市空气质量实时发布平台(http://106.37.208.233:20035)提供的京津冀逐小时平均PM2.5浓度和AQI指数; 中国气象局地面气象要素逐小时观测资料, 包括温度、相对湿度(relative humidity, RH)、风速、风向和能见度(visibility, Vis)等; 中国气象局CIMISS气象数据统一服务接口(http://10.20.76.55/)提供的气象数据, 包括露点温度(dew-point temperature, Td)和高空风速等; 美国国家环境预报中心(NCEP)提供的分辨率为2.5°×2.5°的日平均再分析资料; 数值模式预报产品欧洲中期数值预报中心(EC)提供的分辨率为0.75°×0.75°的日平均细网格资料; 位于北京市海淀区中国气象局北京城市气象研究所楼顶、北京健德桥、怀柔国防科技大学和天津武清高村的激光雷达数据.
1.2 技术方法 1.2.1 混合层高度混合层高度(mixed-layer height, MLH)是反映大气污染物扩散的重要因子, 也是影响地面污染浓度的重要因子, 混合层高度越低, 越不利于污染物在垂直方向的扩散, 容易造成污染物堆积, 从而发生霾现象, 反之, 混合层高度越高, 越有利于污染物扩散.
计算混合层高度有多种方法, 常用的有干绝热法和罗氏法.本研究采用罗氏法, 罗氏法1973年由Nozaki等提出, 考虑到了大气热力和动力湍流共同作用.公式为：
|
(1) |
式中, T-Td为温度露点差(K), P为帕斯奎尔稳定度级别(根据地面观测资料, 结合热力因子和动力因子, 把太阳高度角、云量和风速分级定量化, 把大气稳定度分为强不稳定、不稳定、弱不稳定、中性、较稳定和稳定这6个级别, 分别以A、B、C、D、E和F表示, P值依次为1~6), Uz为Z厚度处所观测的平均风速(m·s-1), Z0为地面粗糙度(m, 根据不同地区地面的平坦粗糙情况以及城市面积取值, 在农村约0.03~0.2 m, 在城市约0.8~2.0 m), f为地转参数(s-1), f=2Ωsinφ, 其中, φ为观测点地理纬度, Ω为地转角速度.
和干绝热法相比, 罗氏法的计算简便, 且不需要探空资料, 计算所需的均为常规气象资料, 较易获得, 更具有普适性, 为比较实用的方法.
1.2.2 标准化异常度同一气象要素在不同时空的异常度是不一样的, 为了更直观地比较天气要素异常度, 本文采用了“标准化异常度”方法[27, 28], 对气象要素进行了标准化异常度计算.公式为：
|
(2) |
式中, OBS为污染过程期间气象要素资料, Mean(climate)和SD(climate)分别为气候均值和气候方差.根据本文研究的时间, 选取了1981~2010年这30a的11月与12月的各气象要素的逐日数据, 分别计算平均值与方差.
1.2.3 静稳天气指数静稳天气是在高低层大气的综合作用下形成的, 有利于污染物和水汽在排放源附近和近地层累积, 造成重污染和低能见度天气.结合重污染过程气象要素统计分析和预报经验, 确定了计算静稳天气指数(static stability weather index, SWI)的气象要素、阈值和权重[26], 如表 1.
|
表 1 计算静稳天气指数的气象要素、阈值和权重 Table 1 Meteorological factor, threshold value, and weight for SWI |
2 结果与讨论 2.1 霾过程概况
2016年12月16~21日发生的持续性霾天气过程是2016年范围最广、持续时间最长和强度最强的霾天气过程.华北、黄淮和周边共13个省(直辖市、自治区)出现重度霾(图 1), 受霾影响区域面积达到268万km2, 重度霾面积达71万km2; 环境监测显示, 北京、天津、河北、河南、山西、陕西和山东等地的部分地区PM2.5峰值浓度高于500 μg·m-3, 其中, 北京和石家庄局地PM2.5峰值浓度分别超过600 μg·m-3和1 100 μg·m-3.
|
图 1 2016年12月16~21日全国站点PM2.5平均浓度 Fig. 1 Average concentration of PM2.5 at national stations from December 16 to 21, 2016 |
图 2给出了此次过程重点城市北京的单站能见度、PM2.5浓度、静稳天气指数、AQI指数、相对湿度、离地面10 m处风速和混合层高度的变化特征.
|
(a)能见度和PM2.5浓度; (b)SWI指数和AQI指数; (c)相对湿度和离地面10 m处风速; (d)混合层高度 图 2 北京单站气象要素 Fig. 2 Meteorological elements from a single station in Beijing |
本次过程中, 能见度低, 最高不到4 km, 12月19~20日夜间为最低值, 低至100 m以下.霾即将结束的12月21日晚, 能见度增大到正常水平.而PM2.5的浓度呈波动增长趋势, 在12月20日02:00时达到最高值, 接近500 μg·m-3.静稳天气指数与AQI指数变化具有较好的一致性, 可以很好地反映霾天气发展.
相对湿度呈现波动上升趋势, 整体数值较大, 最大可高于90%.潮湿空气可以使颗粒物吸湿性增长, 导致能见度下降; 离地面10 m处风速较低, 最高为2.5 m·s-1左右, 甚至出现无风情况. 12月21日风速剧增, 污染物迅速消散, 霾天气过程结束.对比曲线发现, PM2.5浓度较小, 能见度较高时相对湿度较低, 地面风速较大, PM2.5浓度较大, 能见度较低时则相反.潮湿空气可以使颗粒物吸湿性增长, 导致能见度下降.同时, 高相对湿度会使PM2.5浓度上升得更快.地面风速偏大时, 会使污染物向外输送能力偏强, 不利于霾的维持和发展, 导致PM2.5浓度偏小, 能见度偏大; 反之, 地面风速较小则有利于霾的维持发展, PM2.5浓度偏大, 能见度偏小.
混合层高度呈波动下降趋势, 最低时低至130 m.混合层高度低, 垂直方向污染物难以扩散, 水汽与PM2.5在低层汇聚.过程后期, 混合层高度增加, 不利于污染物的聚集, 霾天气过程结束.
2.2 霾成因分析从500 hPa高度场(如图 3)与海平面气压场(如图 4)可知, 亚洲中高纬为典型的两槽一脊的环流形势, 贝加尔湖附近受高压脊控制, 环流形势呈现出西高东低的特征, 以纬向环流为主, 冷空气活动偏弱, 气温偏高.随后高压东移, 位于北京北部、山东和河南等地的污染物在东南风作用下汇聚于太行山前, 在偏南风的影响下向京津冀地区输送量增加, 污染程度加重.等高线稀疏, 气压梯度小, 维持偏西气流, 以下沉气流为主, 水汽含量较低, 高空云量较少, 有利于夜间地面辐射降温, 降低边界层高度, 形成稳定的逆温层, 造成污染物堆积, 使霾天气过程的强度和持续时间增大. 12月22日东移高空槽加深, 我国东部沿海形成东亚大槽, 带来一股强冷空气, 地面转为4~5级偏北风, 大气扩散条件迅速好转, 霾天气过程随之结束.
|
等值线表示位势高度，单位: 位势10 m 图 3 2016年12月18日欧亚500 hPa高度 Fig. 3 Geopotential height at 500hPa in Europe and Asia in December 18, 2016 |
|
等值线表示850 hPa温度，单位: ℃; 色块表示海平面气压，单位: hPa. 图 4 2016年12月17日850 hPa温度和海平面气压 Fig. 4 Temperature at 850 hPa and sea-level pressure in December 17, 2016 |
从低层温度场来看(如图 4), 850 hPa等温线密集, 有暖脊的形成, 会导致逆温层厚度向上延伸, 使污染物难以垂直扩散.随后, 随着暖脊的撤退, 霾现象减弱至消散.
从925 hPa风场来看(如图 5), 风速较小, 偏西风转西南风, 污染物向东向南输送, 出现辐合风现象, 污染物堆积, 难以扩散.过程后期, 风向改变, 北方冷空气南下, 风速增大, 污染物迅速扩散, 污染结束.
|
(a)2016年12月16日, (b)2016年12月18日, (c)2016年12月21日; 箭头：风速和风向, 风速单位：m·s-1 图 5 925 hPa风 Fig. 5 Wind at 925 hPa |
根据天津武清、北京健德桥和北京怀柔国防科技大学的激光雷达发现(如图 6), 12月16日06:00时天津处雷达的消光系数为1.5 km-1, 在10:00时减小至0.9 km-1, 边界层高度较低且比较稳定. 12月16日06:00时北京健德桥400 m处有一层污染气团, 在10:00时左右降至地面, 14:00时左右消光系数从0.7 km-1迅速增加至1.5 km-1, 气溶胶高度主要位于600 m以下, 边界层高度低且稳定少变. 12月16日18:00~23:00, 怀柔国防大学处消光系数从0.2 km-1增加至0.9 km-1, 气溶胶主要分布在600 m以下高度.从天津武清、北京健德桥和北京怀柔国防科技大学消光系数变化可知, 此次污染过程以外来输送为主, 且东南方向为一个污染输送通道.
|
(a)天津武清高村; (b)北京市健德桥; (c)北京健德桥; (d)北京怀柔国防科技大学 图 6 2016年12月16~17日激光雷达消光系数 Fig. 6 Laser radar extinction coefficient diagram from December 16 to 17, 2016 |
图 7为经过距离校正后的激光雷达归一化相对后向散射强度, 激光雷达连续观测显示, 回波强度高值区位置较为稳定, 基本位于500 m以下, 随时间变幅小, 日变化特征较为明显.北京气象局城市气象研究所激光雷达资料同样显示14:00时左右消光系数从0.6 km-1迅速增至1.6 km-1, 和北京健德桥污染快速加重时间一致, 说明市区受外来污染输送比较均匀, 夜间22:00时左右, 回波强度明显减弱.
|
图 7 2016年12月16~23日北京激光雷达后向反射系数 Fig. 7 Time series of laser radar backward reflection coefficient in Beijing from December 16 to 23, 2016 |
本研究选取了能见度、相对湿度、10 m水平风速、静稳天气指数和混合层高度来计算极端异常值.
本研究能见度的异常度数值都在3以上, 具有明显的偏差. 10 m风速的偏差要小一些但仍存在, 而相对湿度的异常度数值则更小.能见度与10 m风速的标准化异常度都为负数, 说明霾天气过程期间, 这两个要素比气候平均要小, 而相对湿度则相反, 这同时证明了低风速高相对湿度有利于霾发生.表 2中的静稳天气指数异常值都是正值, 12月18日和20日的数值较大, 静稳天气指数与PM2.5浓度具有正相关性.而混合层高度越低, 大气层结越稳定, 污染物堆积导致霾天气过程越严重.通过比较发现, 异常度数值在12月16~18日增加, 12月18~19日降低, 12月20日为峰值且数值最大.说明本次霾天气过程较为严重, 具有一定的极端性, 风速和混合层高度的影响要大于相对湿度(如表 2).
|
|
表 2 2016年12月16~21日气象要素极端异常值 Table 2 Extreme outlier of meteorological elements from December 16 to 21, 2016 |
3 结论
(1) 本研究的霾天气过程, 持续时间长, 污染强度强, 影响范围广, 能见度低.污染物主要聚集在600 m高度以下, 并沉降至地面.
(2) 本研究受高空高压脊前纬向环流控制, 维持偏西气流; 850 hPa有暖脊北伸, 有利于污染物的堆积; 地面位于高压东南部, 受均压场控制, 气压梯度较小, 高压移速较慢, 冷空气南下较慢; 925 hPa偏南风, 风速较小, 地面水平静小风, 有利于污染物的前期输送与中期堆积; 高相对湿度, 低混合层高度, 阻止了污染物的水平扩散.
(3) 本研究的静稳天气指数与AQI指数变化具有较好的一致性, 可以很好地反映霾天气发展.激光雷达的连续观测能较好地反映细颗粒物为主的气溶胶在垂直方向的变化趋势及输送和沉降.
(4) 本研究的能见度、10 m风速、静稳天气指数和混合层高度的异常影响较高, 相对湿度更低, 整体过程具有一定的极端性, 较为严重.
| [1] |
孙彧, 马振峰, 牛涛, 等. 最近40年中国雾日数和霾日数的气候变化特征[J]. 气候与环境研究, 2013, 18(3): 397-406. Sun Y, Ma Z F, Niu T, et al. Characteristics of climate change with respect to fog days and haze days in China in the past 40 years[J]. Climatic and Environmental Research, 2013, 18(3): 397-406. |
| [2] |
刘晓慧, 朱彬, 王红磊, 等. 长江三角洲地区1980~2009年灰霾分布特征及影响因子[J]. 中国环境科学, 2013, 33(11): 1929-1936. Liu X H, Zhu B, Wang H L, et al. Haze variations over 1980~2009 and connecting factors over the Yangtze River Delta Region[J]. China Environmental Science, 2013, 33(11): 1929-1936. |
| [3] |
张小曳, 孙俊英, 王亚强, 等. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013, 58(13): 1178-1187. Zhang X Y, Sun J Y, Wang Y Q, et al. Factors contributing to haze and fog in China[J]. Chinese Science Bulletin, 2013, 58(13): 1178-1187. |
| [4] |
赵普生, 徐晓峰, 孟伟, 等. 京津冀区域霾天气特征[J]. 中国环境科学, 2012, 32(1): 31-36. Zhao P S, Xu X F, Meng W, et al. Characteristics of hazy days in the region of Beijing, Tianjin, and Hebei[J]. China Environmental Science, 2012, 32(1): 31-36. DOI:10.3969/j.issn.1000-6923.2012.01.005 |
| [5] |
王跃思, 姚利, 刘子锐, 等. 京津冀大气霾污染及控制策略思考[J]. 中国科学院院刊, 2013, 28(3): 353-363. Wang Y S, Yao L, Liu Z R, et al. Formation of haze pollution in Beijing-Tianjin-Hebei region and their control strategies[J]. Bulletin of the Chinese Academy of Sciences, 2013, 28(3): 353-363. DOI:10.3969/j.issn.1000-3045.2013.03.009 |
| [6] |
王耀庭, 李青春, 郑祚芳, 等. 北京春季一次霾-沙天气污染特性与成因分析[J]. 环境科学, 2019, 40(6): 2582-2594. Wang Y T, Li Q C, Zheng Z F, et al. Research on the pollution characteristics and causality of Haze-sand air pollution in Beijing in spring[J]. Environmental Science, 2019, 40(6): 2582-2594. |
| [7] |
朱媛媛, 高愈霄, 柴文轩, 等. 京津冀及周边区域PM2.5叠加沙尘重污染过程特征及预报效果分析[J]. 环境科学, 2020, 41(2): 574-586. Zhu Y Y, Gao Y X, Chai W X, et al. Heavy pollution characteristics and assessment of PM2.5 predicted model results in Beijing-Tianjin-Hebei region and surrounding areas during November 23 to December 4, 2018[J]. Environmental Science, 2020, 41(2): 574-586. |
| [8] |
沈吉, 曹念文. 2018年中国长江三角洲地区气溶胶的垂直分布特征[J]. 环境科学, 2019, 40(11): 4743-4754. Shen J, Cao N W. Characteristics of aerosol vertical distribution over the Yangtze River Delta region of China in 2018[J]. Environmental Science, 2019, 40(11): 4743-4754. DOI:10.3969/j.issn.1000-6923.2019.11.033 |
| [9] |
吴兑, 廖国莲, 邓雪娇, 等. 珠江三角洲霾天气的近地层输送条件研究[J]. 应用气象学报, 2008, 19(1): 1-9. Wu D, Liao G L, Deng X J, et al. Transport condition of surface layer under haze weather over the Pearl River Delta[J]. Journal of Applied Meteorological Science, 2008, 19(1): 1-9. DOI:10.3969/j.issn.1001-7313.2008.01.001 |
| [10] |
郭利, 张艳昆, 刘树华, 等. 北京地区PM10质量浓度与边界层气象要素相关性分析[J]. 北京大学学报(自然科学版), 2011, 47(4): 607-612. Guo L, Zhang Y K, Liu S H, et al. Correlation analysis between PM10 mass concentration and meteorological elements of atmospheric boundary layer in Beijing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2011, 47(4): 607-612. |
| [11] |
宿文康, 鲍晓磊, 倪爽英, 等. 2018年石家庄市秋冬季典型霾污染特征[J]. 环境科学, 2019, 40(11): 4755-4763. Su W K, Bao X L, Ni S Y, et al. Characteristics of haze pollution episodes during autumn and winter in 2018 in Shijiazhuang[J]. Environmental Science, 2019, 40(11): 4755-4763. |
| [12] |
童尧青, 银燕, 钱凌, 等. 南京地区霾天气特征分析[J]. 中国环境科学, 2007, 27(5): 584-588. Tong Y Q, Yin Y, Qian L, et al. Analysis of the characteristics of hazy phenomena in Nanjing area[J]. China Environmental Science, 2007, 27(5): 584-588. DOI:10.3321/j.issn:1000-6923.2007.05.003 |
| [13] |
郭蒙蒙, 姜楠, 王申博, 等. 郑州市2014~2017年大气污染特征及气象条件影响分析[J]. 环境科学, 2019, 40(9): 3856-3867. Guo M M, Jiang N, Wang S B, et al. Analysis of air pollution characteristics and meteorological conditions in Zhengzhou from 2014 to 2017[J]. Environmental Science, 2019, 40(9): 3856-3867. |
| [14] |
沈利娟, 王红磊, 李莉, 等. 嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析[J]. 环境科学, 2016, 37(8): 2871-2880. Shen L J, Wang H L, Li L, et al. Observation analysis on the characteristics of meteorological elements and pollutants during a continuous fog and haze episode in spring in Jiaxing city[J]. Environmental Science, 2016, 37(8): 2871-2880. |
| [15] |
樊文雁, 胡波, 王跃思, 等. 北京雾、霾天细粒子质量浓度垂直梯度变化的观测[J]. 气候与环境研究, 2009, 14(6): 631-638. Fan W Y, Hu B, Wang Y S, et al. Measurements on the vertical distribution of PM2.5 concentration in fog and haze days in Beijing[J]. Climatic and Environmental Research, 2009, 14(6): 631-638. DOI:10.3878/j.issn.1006-9585.2009.06.06 |
| [16] | 张立, 万文龙, 王旭东. 东营地区雾霾变化特征及其低能见度影响因子分析[J]. 现代农业科技, 2016(19): 238-242. DOI:10.3969/j.issn.1007-5739.2016.19.131 |
| [17] |
徐冉, 张恒德, 杨晓文, 等. 北京地区秋冬季大气污染特征及成因分析[J]. 环境科学, 2019, 40(8): 3405-3414. Xu R, Zhang H D, Yang X W, et al. Concentration characteristics of PM2.5 and the causes of heavy air pollution events in Beijing during autumn and winter[J]. Environmental Science, 2019, 40(8): 3405-3414. |
| [18] |
彭敏, 储江伟, 李洪亮, 等. 哈尔滨市冬季雾霾天大气颗粒物污染特征分析[J]. 森林工程, 2007, 33(1): 33-40. Peng M, Chu J W, Li H L, et al. Analysis on the pollution characteristics of atmospheric particles during haze weather in winter Harbin[J]. Forest Engineering, 2007, 33(1): 33-40. |
| [19] |
李芳, 赵京峰, 张熙, 等. 近30年济宁市雾和霾的时空分布特征及影响因子分析[J]. 湖北农业科学, 2016, 55(21): 5488-5491. Li F, Zhao J F, Zhang X, et al. Spatio-temporal characteristics and impact factors of fog and haze days in Jining during thirty years[J]. Hubei Agricultural Sciences, 2016, 55(21): 5488-5491. |
| [20] |
李晓燕. 京津冀地区雾霾影响因素实证分析[J]. 生态经济, 2016, 32(3): 144-150. Li X Y. Empirical analysis of the smog factors in Beijing-Tianjin-Hebei region[J]. Ecological Economy, 2016, 32(3): 144-150. DOI:10.3969/j.issn.1671-4407.2016.03.029 |
| [21] | 莫日格吉呼, 韩燕丽. 连续雾霾天气污染物浓度变化及天气形势特征分析[J]. 农业科技与信息, 2016(26): 45. DOI:10.3969/j.issn.1003-6997.2016.26.031 |
| [22] | 刘佳. 山西省雾霾影响因子分析[J]. 河南农业, 2016(32): 38. |
| [23] |
刘瑞芳, 陈小婷, 姚静, 等. 陕西关中持续性雾霾天气的气象条件分析[J]. 中国农学通报, 2017, 33(1): 82-88. Liu R F, Chen X T, Yao J, et al. Meteorological conditions for persistent fog and haze process in Guanzhong area, Shaanxi[J]. Chinese Agricultural Science Bulletin, 2017, 33(1): 82-88. |
| [24] |
过宇飞, 刘端阳, 周彬, 等. 无锡市霾天气特征及影响因子研究[J]. 气象, 2013, 39(10): 1314-1324. Guo Y F, Liu D Y, Zhou B, et al. Study on haze characteristics in Wuxi and its impact factors[J]. Meteorological Monthly, 2013, 39(10): 1314-1324. DOI:10.7519/j.issn.1000-0526.2013.10.009 |
| [25] |
吴萍, 丁一汇, 柳艳菊, 等. 中国中东部冬季霾日的形成与东亚冬季风和大气湿度的关系[J]. 气象学报, 2016, 74(3): 352-366. Wu P, Ding Y H, Liu Y J, et al. Influence of the East Asian winter monsoon and atmospheric humidity on the wintertime haze frequency over central-eastern China[J]. Acta Meteorologica Sinica, 2016, 74(3): 352-366. |
| [26] |
张恒德, 张碧辉, 吕梦瑶, 等. 北京地区静稳天气综合指数的初步构建及其在环境气象中的应用[J]. 气象, 2017, 43(8): 998-1004. Zhang H D, Zhang B H, Lü M Y, et al. Development and application of stable weather index of Beijing in environmental meteorology[J]. Meteorological Monthly, 2017, 43(8): 998-1004. |
| [27] |
杜钧, Grumm R H, 邓国. 预报异常极端高影响天气的"集合异常预报法": 以北京2012年7月21日特大暴雨为例[J]. 大气科学, 2014, 38(4): 685-699. Du J, Grumm R H, Deng G. Ensemble anomaly forecasting approach to predicting extreme weather demonstrated by extremely heavy rain event in Beijing[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(4): 685-699. |
| [28] |
陶亦为, 代刊, 董全. 2016年1月寒潮天气过程极端性分析及集合预报检验[J]. 气象, 2017, 43(10): 1176-1185. Tao Y W, Dai K, Dong Q. Extreme analysis and ensemble prediction verification on cold wave process in January 2016[J]. Meteorological Monthly, 2017, 43(10): 1176-1185. DOI:10.7519/j.issn.10000526.2017.10.002 |