利用2017年1月—2019年12月太原地區(qū)逐時氣象資料,分析了能見度及其主要影響因子的變化特征,并對兩次低能見度過程進行深入分析,構建了能見度預報模型并進行檢驗,結果表明:（1）從空間分布看,太原北部能見度明顯高于南部地區(qū)。從時間分布看,太原地區(qū)平均能見度最大值出現(xiàn)在5月,最小值出現(xiàn)在1月;日間最低值出現(xiàn)在06:00（北京時,下同）,冬季略向后推移,最高值出現(xiàn)在15:00前后。（2）2017—2019年太原地區(qū)低能見度分別出現(xiàn)93、84、79 d;低能見度發(fā)生時,干霾、濕霾發(fā)生頻率分別為59.27%、40.73%;濕霾發(fā)生時,能見度降低更加明顯。（3）所選個例中,能見度均隨各影響因子有所起伏,干霾、濕霾過程中能見度分別與顆粒物濃度、相對濕度變化一致。（4）采用神經網絡方法構建太原地區(qū)能見度預報模型,預報模型相關系數(shù)為0.81,均方根為4.43 km,平均絕對誤差為17.39%,輕微級能見度的TS評分為87%。神經網絡方法對太原地區(qū)能見度預報具有較高的參考價值。 

【文章來源】：沙漠與綠洲氣象. 2020,14(04)

【文章頁數(shù)】：8 頁

【部分圖文】：

太原地區(qū)平均能見度空間分布

圖4為太原地區(qū)2017—2019年低能見度（V<10 km）分布圖。太原地區(qū)低能見度事件1月最多，5月最少；1月低能見度分別出現(xiàn)17、13、14 d,5月低能見度分別出現(xiàn)3、1、3 d。2017、2018、2019年太原低能見度分別出現(xiàn)93、84、79 d，年平均發(fā)生頻率分別為25.48%、23.01%、21.64%。圖3 2017—2019年季平均能見度（a）、濕度（b）、PM2.5濃度（c),PM10濃度（d）日變化特征

2017—2019年季平均能見度（a）、濕度（b）、PM2.5濃度（c),PM10濃度（d）日變化特征

【參考文獻】：
期刊論文
[1]大氣透射儀與前向散射儀低能見度條件下跑道視程數(shù)據(jù)對比分析[J]. 范大偉,曹敦波,朱國棟,肖愷倩.  沙漠與綠洲氣象. 2019(04)
[2]神經網絡方法在環(huán)渤海能見度預報中的應用分析[J]. 胡海川,張恒德,朱彬,謝超.  氣象科學. 2018(06)
[3]大連地區(qū)能見度影響因子及個例分析[J]. 李瀟瀟,周婷婷,趙胡笳,朱軼明,劉曉初,張黎紅,桑明剛,孫虹雨.  沙漠與綠洲氣象. 2018(04)
[4]臨沂地區(qū)秋季一次重霾天氣的特征分析[J]. 胡順起,王玉亮,朱義青.  沙漠與綠洲氣象. 2018(03)
[5]北京大氣能見度的主要影響因子[J]. 姜江,張國平,高金兵.  應用氣象學報. 2018(02)
[6]2013年濟南市大氣能見度與相對濕度和PM10、PM2.5的關系[J]. 呂建華,彭巖波,謝剛.  氣象與環(huán)境科學. 2016(04)
[7]武漢大氣能見度與PM2.5濃度及相對濕度關系的非線性分析及能見度預報[J]. 白永清,祁海霞,劉琳,陳城,林春澤,李武階.  氣象學報. 2016(02)
[8]長江三角洲地區(qū)冬季能見度特征及影響因子分析[J]. 周奕珂,朱彬,韓志偉,潘晨,郭婷,魏建蘇,劉端陽.  中國環(huán)境科學. 2016(03)
[9]杭州市區(qū)相對濕度及PM2.5對能見度的影響分析[J]. 杜榮光,齊冰,胡德云,李璐,俞布.  南京大學學報(自然科學). 2015(03)
[10]北京大氣能見度和消光特性變化規(guī)律及影響因素[J]. 王英,李令軍,李成才.  中國環(huán)境科學. 2015(05)



本文編號：3296207