空氣污染潛勢-統(tǒng)計(jì)結(jié)合預(yù)報(bào)模型的建立及應(yīng)用

黃曉嫻,王體健,江 飛 (南京大學(xué)大氣科學(xué)學(xué)院,江蘇 南京 210093)

目前,空氣質(zhì)量日益受到人們的關(guān)注.全國各地已紛紛開展空氣質(zhì)量的預(yù)報(bào)工作[1-4].空氣污染預(yù)報(bào)分為潛勢預(yù)報(bào)和濃度預(yù)報(bào).前者是在污染源一定的條件下,以天氣形勢及其氣象要素指標(biāo)為依據(jù),對未來大氣環(huán)境質(zhì)量狀況進(jìn)行定性或半定量的預(yù)報(bào).后者主要預(yù)報(bào)污染物濃度、空氣污染指數(shù)或空氣質(zhì)量等級,從方法上又分為數(shù)值預(yù)報(bào)和統(tǒng)計(jì)預(yù)報(bào).數(shù)值預(yù)報(bào)為利用數(shù)學(xué)方法和計(jì)算技術(shù),以大氣污染擴(kuò)散的物理化學(xué)機(jī)制為基礎(chǔ),計(jì)算一定區(qū)域內(nèi)空氣污染物的濃度.統(tǒng)計(jì)預(yù)報(bào)是利用統(tǒng)計(jì)方法建立氣象因子與空氣質(zhì)量之間的關(guān)系.國內(nèi)外許多學(xué)者對城市及區(qū)域的空氣污染過程的特征及預(yù)報(bào)開展了大量的研究,取得了不少成果.用于城市或區(qū)域空氣質(zhì)量預(yù)報(bào)的數(shù)值模式有WRF/Chem,MM5/CMAQ,RegAEMS等[5],對初始場的處理有三維同化等方法[6].數(shù)值模式的優(yōu)點(diǎn)在于可以進(jìn)行不同時(shí)空尺度上高分辨率的計(jì)算,缺點(diǎn)在于計(jì)算量大,耗時(shí)長.統(tǒng)計(jì)預(yù)報(bào)需要大量歷史污染監(jiān)測資料和氣象觀測資料,統(tǒng)計(jì)方法有回歸法,CART 法[7-8],神經(jīng)網(wǎng)絡(luò)法[9],等等.統(tǒng)計(jì)預(yù)報(bào)的優(yōu)點(diǎn)在于簡單易行,因此應(yīng)用較為廣泛.潛勢預(yù)報(bào)的特點(diǎn)在于避開了具有不確定性的污染源,重點(diǎn)關(guān)注影響空氣質(zhì)量的氣象因子,包括地面天氣形勢,各氣象要素[10-11].其中,較小的風(fēng)場,穩(wěn)定的大氣條件等因素是造成空氣污染的必要條件[12-13].

南京位于長江下游沿岸寧鎮(zhèn)丘陵區(qū),是長三角地區(qū)承東啟西的重要城市.南京即將舉辦 2014年青奧會,空氣質(zhì)量問題受到高度重視.Deng等[14]對南京能見度特征分析發(fā)現(xiàn),天氣形勢對空氣污染和能見度有重要影響.芮冬梅等[15]對南京市環(huán)境空氣質(zhì)量與氣象條件的關(guān)系分析發(fā)現(xiàn),NO2與PM10受城市機(jī)動(dòng)車尾氣的影響較大.王學(xué)遠(yuǎn)等[16]利用數(shù)值模式模擬了南京典型天氣條件造成的污染過程,發(fā)現(xiàn)重污染發(fā)生在長時(shí)間逆溫條件下,同時(shí)地形也是主城區(qū)重污染的影響因子之一.

本文在前人研究工作的基礎(chǔ)上,考慮了影響空氣污染的氣象因子和大氣擴(kuò)散清除因子,構(gòu)建空氣污染潛勢指數(shù) APPI(Air Pollution Potential Index),并利用南京地區(qū) 2009～2010年實(shí)測資料計(jì)算APPI,擬合空氣污染指數(shù)API與APPI的關(guān)系,建立了一個(gè)空氣污染潛勢與統(tǒng)計(jì)相結(jié)合的預(yù)報(bào)模型.利用中尺度模式 WRF預(yù)報(bào)的氣象場,針對2011年1～12月開展實(shí)況預(yù)報(bào),同時(shí)利用實(shí)際觀測的氣象場進(jìn)行回顧預(yù)報(bào),檢驗(yàn)?zāi)Ｊ叫阅?

1 資料來源與處理

2009年1月～2011年12月南京逐日空氣污染指數(shù)資料來自南京市環(huán)境保護(hù)局.同步逐時(shí)氣象資料及每日08:00及20:00探空資料來自位于32.00°N,118.80°E 的觀測站點(diǎn).逐日各時(shí)次天氣圖來自江蘇省氣象信息共享平臺網(wǎng)站.火點(diǎn)資料來自環(huán)境保護(hù)部的生態(tài)監(jiān)察資料.重大沙塵天氣參考?xì)庀笈_沙塵預(yù)警信息和全國各地新聞報(bào)道.

由于本文所采取的預(yù)報(bào)方法中并不考慮污染源的變化,故將受外來源影響的數(shù)據(jù)剔除.可能受到外來源影響的時(shí)間段主要為:燃放鞭炮的春節(jié)期間、沙塵暴頻發(fā)的春季、燃燒秸稈的初夏和秋季等等.

本預(yù)報(bào)模型需要?dú)庀髨鲎鳛檩斎?采用的是WRF模式的預(yù)報(bào)結(jié)果.WRF是美國國家大氣研究中心(NCAR)、美國國家大氣海洋總署-預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室、國家環(huán)境預(yù)報(bào)中心(FSL,NCEP/NOAA)等多個(gè)機(jī)構(gòu)共同發(fā)展的新一代中尺度數(shù)值模式.它采用了高度模塊化、并行化和分層設(shè)計(jì)技術(shù),集成了迄今為止在中尺度方面的研究成果,適合1～10km 內(nèi)高分辨率的預(yù)報(bào)及模擬研究.本文采用了3.0版本的WRF,模式區(qū)域采用Lambert投影,設(shè)置了 4 層嵌套,區(qū)域以南京(32.0°N,118.8°E)為中心,最大區(qū)域(DM1)覆蓋了整個(gè)東亞地區(qū)(包括了中國,中南半島,朝鮮半島及日本等地區(qū)),格距為81 km;最內(nèi)層區(qū)域覆蓋了南京市,格距為3 km.垂直使用 σ坐標(biāo),從地面到100hPa共分為24個(gè) σ層.采用 WSM5云微物理參數(shù)化方案,Grell-Devenyi積云對流方案,Mellor-Yamada-Janjic邊界層參數(shù)化方案,NOAH陸面模式,并且在模式最內(nèi)層區(qū)域啟用了單層的城市冠層模式UCM.

2 潛勢-統(tǒng)計(jì)預(yù)報(bào)模型

2.1 空氣污染影響因子的確定

2.1.1 風(fēng) 在水平方向上,風(fēng)對污染物起到輸送和稀釋的作用.風(fēng)速越大,輸送和稀釋作用就越強(qiáng).故引入地面風(fēng)速、混合層內(nèi)平均風(fēng)速等因子.

風(fēng)向的集中程度也影響污染物的輸送與稀釋.風(fēng)向集中程度越高,對污染物的輸送與稀釋效果越顯著.引入風(fēng)向日變化因子,采取如下風(fēng)向矢量計(jì)算方式:

將每小時(shí)風(fēng)向 θi按三角函數(shù)矢量分解為 x方向和y方向,

取風(fēng)向在 x方向和 y方向上分量的日平均值,

計(jì)算風(fēng)向在x方向和y方向上分量的標(biāo)準(zhǔn)差的矢量和的模Θ,即為風(fēng)向日變化因子.

2.1.2 混合層 混合層是大氣邊界層內(nèi)氣象要素隨高度分布趨于均勻的層次.混合層內(nèi),位溫、濕度、風(fēng)速風(fēng)向等物理量隨高度變化很小.混合層越高,越有利于污染物的擴(kuò)散稀釋.引入混合層高度因子,計(jì)算方案參考文獻(xiàn)[17].

2.1.3 大氣穩(wěn)定度 大氣層結(jié)的穩(wěn)定程度影響湍流的活動(dòng),這里用M-O長度L來確定穩(wěn)定度級別,如表1所示.

表1 由M-O長度L判定穩(wěn)定度級數(shù)Table 1 Stability levels determined by Monin-Obukhov length L

2.1.4 擴(kuò)散系數(shù) 擴(kuò)散系數(shù)是表征湍流輸送能力的量.引入近地面層內(nèi)的垂直擴(kuò)散系數(shù)因子,在近地面層中( Z≤Zs,ZS是近地面層高度),根據(jù)Businger[24]的相似理論,有:

式中: k是Von Karman常數(shù); u*是摩擦速度;廓線函數(shù)φ根據(jù)Businger[24]和Carl[25]分別給出的形式為:

式中:L是M-O長度.

2.1.5 干沉降 干沉降過程是污染物從大氣中清除的重要途徑之一.這里引入 SO2干沉降速率,NO2干沉降速率,PM10干沉降速率等因子,計(jì)算方法參考文獻(xiàn)[18].

2.1.6 濕清除 濕清除是污染物主要的匯之一.由于降水過程的時(shí)效性及清除效果的滯后性,故同時(shí)考慮當(dāng)天和前一天的降水時(shí)長.以h0代表當(dāng)天降水小時(shí)數(shù),h-1代表前一天降水小時(shí)數(shù).一般而言,降水持續(xù)時(shí)間越長,濕清除效果越顯著.采取復(fù)合分檔法,如表2所示.

表2 降水時(shí)長分檔情況Table2 Grades of precipitation duration

2.1.7 地面天氣形勢 天氣形勢或大尺度天氣系統(tǒng)的移動(dòng)路徑,直接影響各氣象要素的變化.由于天氣形勢類型繁多復(fù)雜,所以采取如下變壓和風(fēng)向結(jié)合的方式將每天的地面天氣形勢進(jìn)行分類:

①24h變壓Δp的分類.考慮前一天的24h變壓Δp-1和當(dāng)天的24h變壓Δp0,將其分為6類,如表3所示.若連續(xù)2d的變壓情況不一致,說明受到該天氣系統(tǒng)影響時(shí)間短.若連續(xù)2d的變壓情況一致,說明受該天氣系統(tǒng)影響強(qiáng)烈.升壓代表高壓系統(tǒng)迫近或低壓系統(tǒng)遠(yuǎn)離,連續(xù)升壓代表高壓系統(tǒng) 持續(xù)迫近,同理可得平壓、降壓的情況.

表3 變壓情況分類Table 3 Allobaric classification

②風(fēng)向的劃分.考慮一天24h次風(fēng)向的分布.根據(jù)風(fēng)向和風(fēng)速將其分為9個(gè)象限.將風(fēng)速大于0.5m/s的風(fēng)分為北、東北、東、東南、南、西南、西、西北8個(gè)象限,將風(fēng)速小于等于0.5m/s的風(fēng)劃分到靜風(fēng)象限,為第9象限.

每天的主導(dǎo)風(fēng)向結(jié)合變壓情況可以反映當(dāng)天的天氣系統(tǒng)相對于城市的位置及移動(dòng)狀態(tài).以南京為例,升壓配合西北風(fēng)或北風(fēng)為高壓前,升壓配合東北風(fēng)為高壓底,降壓配合東南風(fēng)為高壓后等等,依次類推.

統(tǒng)計(jì)南京各種天氣形勢下的平均 API并將其分檔:50～65為1,65～75為2,75～85為3,85～95為4,95～110為5,110以上為6.整理結(jié)果見表4.

表4 各地面天氣形勢下的平均API的分檔整理Table 4 Classification of average API in different synoptic systems

表5 影響因子的分檔及權(quán)重系數(shù)Table 5 Grades and weights of factors

2.2 空氣污染潛勢指數(shù)的構(gòu)建

將2.1節(jié)中各因子劃檔分級.共有地面風(fēng)速、混合層內(nèi)平均風(fēng)速、風(fēng)向日變化、混合層高度、穩(wěn)定度級數(shù)、擴(kuò)散系數(shù)、SO2干沉降速率、NO2干沉降速率、PM10干沉降速率、降水時(shí)長、地面天氣形勢11個(gè)因子.除風(fēng)向日變化、降水時(shí)長、地面天氣形勢3個(gè)因子,其他因子作日平均.其中,穩(wěn)定度級數(shù)按表1分檔,降水時(shí)長因子表2分檔,地面天氣形勢因子按表4分檔.其他8個(gè)因子,先進(jìn)行歸一化處理,即各因子除以各自的平均值.然后從低到高分為6檔,檔位越高,對應(yīng)越具有發(fā)生空氣污染的趨勢.進(jìn)一步根據(jù)各因子的重要性賦予不同的權(quán)重,分檔情況及權(quán)重系數(shù)如表5所示.最后利用式(6)計(jì)算每天的空氣污染潛勢指數(shù)APPI:

式中:Ai代表第i個(gè)影響因子的分檔得分;Wi代表第i個(gè)影響因子的權(quán)重系數(shù).

2.3 空氣污染指數(shù)的計(jì)算

基于統(tǒng)計(jì)方法建立空氣污染指數(shù) API與空氣污染潛勢指數(shù) APPI之間的函數(shù)關(guān)系,以此實(shí)現(xiàn)利用APPI進(jìn)行API的預(yù)報(bào),即:

3 案例應(yīng)用

3.1 擬合函數(shù)的構(gòu)建

基于南京地區(qū)2009～2010年資料,利用上述潛勢-統(tǒng)計(jì)預(yù)報(bào)模型計(jì)算逐日 APPI,采用指數(shù)函數(shù)、二項(xiàng)式函數(shù)、三項(xiàng)式函數(shù)分別擬合,得到擬合 API與實(shí)際 API的相關(guān)系數(shù)分別為0.6587、0.6682、0.6689,擬合API的等級準(zhǔn)確率如表6所示.

表 6 各擬合函數(shù)所得 API的等級準(zhǔn)確率(優(yōu)秀:API≤50,良好:50＜API≤100,污染:API＞100)Table 6 Level accuracies of different fitting functions (Good: API≤50, Moderate: 50＜API≤100, Unhealthy: API＞100)

圖1 2009～2010年APPI與API的關(guān)系Fig.1 Relationship between APPI and API during 2009～2010

由表6可見,三者對于優(yōu)秀和污染等級均為漏報(bào)次數(shù)多于空報(bào)次數(shù).對于優(yōu)秀等級,指數(shù)函數(shù)空報(bào)的最少,但是漏報(bào)的最多,報(bào)對的次數(shù)也最少,而二項(xiàng)式函數(shù)略優(yōu)于三項(xiàng)式函數(shù).對于污染等級,二項(xiàng)式函數(shù)與三項(xiàng)式函數(shù)預(yù)報(bào)相差不大.總體而言,二項(xiàng)式函數(shù)和三項(xiàng)式函數(shù)的正確率接近,且略優(yōu)于指數(shù)函數(shù),故選取三項(xiàng)式函數(shù)為擬合函數(shù)F:

確定各項(xiàng)系數(shù)為a3=0.0111,a2=-0.5645,a1= 14.3054,a0=-68.4266.擬合結(jié)果如圖1所示.

3.2 實(shí)況預(yù)報(bào)

基于API和APPI的統(tǒng)計(jì)關(guān)系,針對南京地區(qū)2011年1～12月,利用WRF預(yù)報(bào)的24h氣象場、48h氣象場和觀測的氣象場分別開展空氣質(zhì)量實(shí)況預(yù)報(bào)和回顧預(yù)報(bào),并與實(shí)際情況比較,結(jié)果如圖 2所示. 逐月預(yù)報(bào)等級正確率如圖 3所示.

總體而言,本文所建立的潛勢-統(tǒng)計(jì)預(yù)報(bào)系統(tǒng)基本能夠預(yù)報(bào)南京逐日空氣質(zhì)量變化的趨勢.24h預(yù)報(bào)與 48h預(yù)報(bào)的年均等級正確率為60.6%和62.4%.實(shí)況預(yù)報(bào)等級正確率逐月差異較大,1月預(yù)報(bào)情況最好,24h預(yù)報(bào)和48h預(yù)報(bào)等級正確率分別達(dá)到87.5%和100%.實(shí)況預(yù)報(bào)在4月偏低較多, 24h預(yù)報(bào)和48h預(yù)報(bào)等級正確率分別為44.4%和46.4%.回顧預(yù)報(bào)等級正確率逐月差異不大,為63.0%～80.0%之間,年均等級正確率為73.1%.

圖2 預(yù)報(bào)API與實(shí)際API的比對Fig.2 Comparison of forecasting API and actual API

若定義預(yù)報(bào)API與實(shí)際 API的值相差±x(x為誤差的絕對值)以內(nèi)為正確,則進(jìn)一步統(tǒng)計(jì)2011年預(yù)報(bào)的API正確率,結(jié)果如圖4所示.單獨(dú)統(tǒng)計(jì)相差±20以內(nèi)逐月API正確率,如圖5所示.

圖4可見,當(dāng)預(yù)報(bào)API與實(shí)際API的差值的絕對值x加大時(shí)(即認(rèn)為API正確的標(biāo)準(zhǔn)更寬泛),預(yù)報(bào)的API正確率增加.回顧預(yù)報(bào)的正確率始終高于實(shí)況預(yù)報(bào).在x＜13, 24h預(yù)報(bào)的正確率高于48h預(yù)報(bào);在x=20, 24h預(yù)報(bào)、48h預(yù)報(bào)、回顧預(yù)報(bào)的年均正確率分別為58.1%, 59.4%和63.8%,在8、9月24h預(yù)報(bào)、48h預(yù)報(bào)正確率達(dá)到80%以上,最高達(dá)85.0%,在3月回顧預(yù)報(bào)正確率達(dá)90.3%.

圖3 逐月預(yù)報(bào)空氣質(zhì)量等級正確率Fig.3 Monthly accuracy rate for air quality level forecast

圖4 API正確率隨誤差的變化Fig.4 Variation of API accuracy rate with difference

圖5 預(yù)報(bào)API與實(shí)際API相差±20條件下的逐月正確率Fig.5 Monthly accuracy rate for difference of forecasting and actual API within ±20

4 討論

本文建立的潛勢與統(tǒng)計(jì)結(jié)合的空氣質(zhì)量預(yù)報(bào)方法可以實(shí)現(xiàn)對API的定量預(yù)報(bào),在實(shí)際應(yīng)用當(dāng)中需要注意以下問題:

(1) 該方法為單點(diǎn)模型,即將應(yīng)用城市視為一個(gè)點(diǎn).因此,資料的選取對該方案的建立與驗(yàn)證均有一定的影響,其中風(fēng)與降水的影響尤為突出,應(yīng)選取具有代表性的氣象站點(diǎn)和環(huán)境監(jiān)測站點(diǎn).

(2) 本方案是潛勢與統(tǒng)計(jì)結(jié)合的預(yù)報(bào)模式,在模式建立之初,即假設(shè)源不變、只考慮潛在的天氣形勢變化對空氣污染的影響.故在實(shí)際應(yīng)用中并不能完全體現(xiàn)外來源的貢獻(xiàn).

(3) 由于近2年南京的首要污染物以可吸入顆粒物為主,因此,該方法所得權(quán)重因子更適合于PM10的潛勢預(yù)報(bào),實(shí)際應(yīng)用中可分別針對PM2.5、O3、SO2、NO2建立相應(yīng)的預(yù)報(bào)模型.

5 結(jié)論

5.1 作為一種空氣污染潛勢與統(tǒng)計(jì)結(jié)合的預(yù)報(bào)方法,該模型不僅考慮了氣象因子,還考慮了大氣擴(kuò)散清除因子;不僅可以給出空氣污染潛勢,還可以給出空氣污染指數(shù).

5.2 統(tǒng)計(jì)預(yù)報(bào)等級正確率:24h預(yù)報(bào)為44.4%～87.5%,平均為60.6%;48h預(yù)報(bào)為46.4%～100%,平均為62.4%;回顧預(yù)報(bào)為63.0%～80.0%,平均為73.1%.

5.3 若定義預(yù)報(bào)API與實(shí)際API的值相差±x(x為偏差的絕對值)以內(nèi)為正確,當(dāng)x=20時(shí), 24h預(yù)報(bào)、48h預(yù)報(bào)和回顧預(yù)報(bào)的年均正確率分別為58.1%, 59.4%和63.8%.

5.4 該模型計(jì)算效率很高,在IBM x3500并行集群服務(wù)器上計(jì)算, 48h預(yù)報(bào)需要機(jī)時(shí)3h.

[1]王迎春,孟燕軍,趙習(xí)方.北京市空氣污染業(yè)務(wù)預(yù)報(bào)方法 [J]. 氣象科技, 2001,4:42-46.

[2]孫 峰.北京市空氣質(zhì)量動(dòng)態(tài)統(tǒng)計(jì)預(yù)報(bào)系統(tǒng) [J]. 環(huán)境科學(xué)研究, 2004,17(1):70-73.

[3]王建華,于 鵬,郭素榮.青島市空氣污染統(tǒng)計(jì)預(yù)報(bào)方法研究 [J].青島大學(xué)學(xué)報(bào), 1999,14(4):60-62.

[4]韓志偉,杜世勇,雷孝恩,等.城市空氣污染數(shù)值預(yù)報(bào)模式系統(tǒng)及其應(yīng)用 [J]. 中國環(huán)境科學(xué), 2002,23(3):202-206.

[5]Wang T J, Jiang F, Deng J J, et al. Urban air quality and regional haze weather forecast for Yangtze River Delta region [J]. Atmos.Environ., 2012,58:70-83.

[6]Liu Z Q, Liu Q H, Lin H C, et al. Three-dimensional variational assimilation of MODIS aerosol optical depth: Implementation and application to a dust storm over East Asia [J]. J. Geophys. Res.,2011,116,D23206,doi:10.1029/2011JD016159.

[7]Burrows W R, Benjamin M, Beauchamp S et al. CART decision-tree statistical analysis and prediction of summer season maximum surface ozone for the Vancouver, Montreal, and Atlantic Regions of Canada [J]. J. App1. Meteor., 1995,34(8):1848-1862.

[8]楊元琴,王繼志,侯 青,等.北京夏季空氣質(zhì)量的氣象指數(shù)預(yù)報(bào)[J]. 應(yīng)用氣象學(xué)報(bào), 2009,20(6):649-655.

[9]白曉平,張啟明,方 棟,等.人工神經(jīng)網(wǎng)絡(luò)在蘇州空氣污染預(yù)報(bào)中的應(yīng)用 [J]. 科學(xué)導(dǎo)報(bào), 2007,25(3):45-49.

[10]張 蕾,江 崟.深圳地區(qū)空氣污染潛勢預(yù)報(bào)的研究 [J]. 廣東氣象, 2001.1:1-3.

[11]張國璉,甄新蓉,談建國,等.影響上海市空氣質(zhì)量的地面天氣類型及氣象要素分析 [J]. 熱帶氣象學(xué)報(bào), 2010,26(1):124-128.

[12]王 宏,馮宏芳,隋 平.福州市空氣高污染與氣象條件關(guān)系 [J].氣象科技, 2009,37(6):676-681.

[13]王喜全,虞 統(tǒng),孫 峰,等.北京 PM10重污染預(yù)警預(yù)報(bào)關(guān)鍵因子研究 [J]. 氣候與環(huán)境研究, 2006,11(4):470-476.

[14]Deng J J, Wang T J, Jiang Z Q, et al. Characterization of visibility and its affecting factors over Nanjing, China [J]. Atmos. Res.,2011,101:681-691.

[15]芮冬梅,張予燕.南京市環(huán)境空氣質(zhì)量與氣象條件的關(guān)系分析[J]. 環(huán)境科學(xué)導(dǎo)刊, 2009,2(2):37-38.

[16]王學(xué)遠(yuǎn),蔣維楣,劉紅年,等.南京市重點(diǎn)工業(yè)源對城市空氣質(zhì)量影響的數(shù)值模擬 [J]. 環(huán)境科學(xué)研究, 2007,20(3):33-43.

[17]王體健,孫照渤,李宗愷,等.中國法規(guī)大氣擴(kuò)散模式及其與其他模式的比較 [J]. 環(huán)境科學(xué)研究, 1998,11(6):9-12.

[18]張 艷,王體健,胡正義,等.典型大氣污染物在不同下墊面上干沉積速率的動(dòng)態(tài)變化及空間分布 [J]. 氣候與環(huán)境研究, 2004,9(4):591-604.

[19]沈 毅,王體健,韓 永,等.南京近郊主要大氣污染物的觀測分析研究 [J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)), 2009,45(6):746-756.

[20]史慧敏,沈覺成.南京北郊低空污染氣象條件若干特征 [J]. 地理研究, 1992,11(2):60-67.

[21]蘇福慶,楊明珍,鐘繼紅,等.華北地區(qū)天氣型對區(qū)域大氣污染的影響 [J]. 環(huán)境科學(xué)研究, 2004,17(3):16-20.

[22]王喜全,王自發(fā),虞 統(tǒng),等.西太平洋熱帶氣旋路徑對北京 PM10污染的預(yù)示作用 [J]. 科學(xué)通報(bào), 2009,54(1):93-97.

[23]李 瓊,李福嬌,葉燕翔,等.珠江三角洲地區(qū)天氣類型與污染潛勢及污染濃度的關(guān)系 [J]. 熱帶氣象學(xué)報(bào), 1999,15(4):363-369.

[24]Businger J A, Wyngaard J C, Izumi Y, et al. Flux-profile relationship in the atmospheric surface layer [J]. J. Atmos. Sci.,1971,28:181-189.

[25]Carl D M, Tarbell T C, Panofsky H A. Profiles of wind and temperature from towers over homogeneous terrain [J]. J. Atmos.Sci., 1973,30:788-794.