基于K-means聚类分析法的肇庆市干季PM2.5污染天气分型研究
通过分析肇庆市2013-2018年国控大气环境监测站的PM2.5连续监测数据,发现肇庆市区PM2.5浓度在于季(10月一次年4月)明显高于其余月份,轻度以上污染基本发生在干季,且PM2.5浓度对年总浓度贡献达70.8％.基于Era-interim再分析资料采用K-means聚类分析法对2013-2018年干季逐日的海平面气压和10 m水平风进行分型,揭示了肇庆市易出现PM2.5污染的6种大气环流形势,包括冷锋前部(CF)、变性高压脊(THR)、脊后槽前型(BRFT)、高压底后部(HSW)、弱冷高压脊(HR)和台风外围型(TP).2013-2016年易污染天气型影响天数呈明显减少趋势,2017-2018年呈增加趋势.不同天气型PM2.5浓度与局地气象要素相关性不一致,其中CF、HR、HSW、TP天气型与湿度相关性最好,THR与风速、BRFT与气压相关性最好.PM2.5污染除BRFT天气型主要以本地排放累积影响为主,其余易污染天气型存在不同尺度的外来输送影响,HSW、HR主要来自广州、清远、韶关,CF主要来自佛山、中山,THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大,其中HSW、THR污染型主要影响1月和10月,CF为1月和12月,HR为2月和12月,TP为10月,BRFT为1月和10-11月.不同年份的同一月份造成不同程度的PM2.5污染除了排放影响,还与天气环流类型和同一天气型下的局地气象要素密切相关.
K-means、PM2.5、客观天气分型、局地气象要素
40
X51(大气污染及其防治)
国家重点研发计划项目;广东省气象局科研项目
2020-05-11（万方平台首次上网日期，不代表论文的发表时间）
共15页
373-387
