刘述贵[1]2002年在《重点城市空气质量日报预报系统的设计及其实现》文中认为由于以二氧化硫、二氧化氮和可吸入颗粒物等为主要污染物的大气环境污染问题在全国各城市日趋严重。国务院第叁届环委会第十次会议决定在全国重点城市首先开展空气质量日报和空气质量预报工作，密切监视大气环境污染变化动态，及时、准确、全面地掌握大气质量现状及其变化趋势，加强空气污染防治，减少空气污染对人体健康及环境造成危害，实现环境管理和决策科学化。由此，中国环境监测总站决定建立监视信息中心，首先开发建设其示范子系统“重点城市空气质量日报预报系统”以满足总站收集、储存、处理和传输重点城市空气质量日报预报数据，实现重点城市空气质量的信息共享、发布的需要，为决策者和管理者提供准确、及时、完整、动态的信息，为提高我国重点城市的空气质量监测管理的质量和效率服务。 本论文详细论述了重点城市空气质量日报预报系统的体系结构、功能组成和工作流程，提出了完善的技术方案和数据库设计，并且最终完成了系统的实现。系统采用客户／服务器(C／S)叁层应用体系结构，它将处理(逻辑)分割为客户机运行部分和服务器运行部分，使应用处理能尽可能地向正在被处理的数据靠拢，对大容量数据运行速度快，同时，它可运行在不同的硬、软件平台上，功能升级和维护简单方便；根据业务需求，将系统共设计为导入源数据、数据加工、产生报表、数据查询、统计分析、数据库维护和系统管理等七大模块，功能全面完善，划分合理，符合用户习惯，操作简单，充分体现了业务的工作流程；同时，将系统数据仓库分为基础数据库和中间数据库，既保证了原始数据的完整性和原始性，便于多用户、多权限的管理，又便于数据库容量的扩充、系统的升级、数据的发布和维护等。本系统被中国环境监测总站从2001年6月5日开始投入实际运行以来，每天产生的全国重点城市空气质量日报预报都在中央电视台一台的晚间新闻期间播出。本系统对中国环境监测总站和社会的现实意义不言而喻。
刘漩[2]2007年在《广东省空气污染统计预报系统研究》文中研究说明开展城市环境空气污染预报不仅是保护人民群众健康、动员公众参与环境保护的有效措施，也是提高人民生活质量，体现人民政府形象的公益性工作。空气污染预报可以预测未来空气质量状况、发布空气污染预报，并能为广大人民群众提供环境质量信息服务、保护公众身体健康，对鼓励公民自觉参与保护环境起到有效的指导作用。空气污染统计预报方法，是通过对历史上实测的污染物浓度与同期的气象条件，如对气象要素(因子)、天气过程等参数进行数学分析，建立具有一定可信度的统计关系，或数学模型后，通过利用此关系，再根据空气污染实时监测结果，和气象条件、气象因子的实测和预报结果，对未来空气污染物浓度进行推算和预测。使用空气污染统计预报方法不需要掌握污染变化的机理，也不用掌握准确的污染源排放情况。在污染物浓度的变化主要受气象条件变化的影响这种假设条件下(这种假设在大多数情况下是成立的)，通过分析其相关变化规律，即可建立相应的模型。简言之，空气污染统计预报方法是一种相对简单实用，容易达到的预报方法，特别是在目前对于污染源的监测没有实行连续在线监测、污染源来源复杂多样、污染物的迁移扩散机理还不完全清楚的情况下，空气污染统计预报方法是比较实用可行的。目前，广东省开展城市空气污染预报的城市仍只有列入国家重点城市的5个，其余16个城市由于各种原因没有开展。为了更全面准确地预报全省的空气污染状况，需要建立一个能对全省空气污染状况进行统计预报的系统。本人根据平常的工作经验，并参考了一些城市的预报系统，以空气污染统计预报方法研究为基础开发了广东省空气污染统计预报系统。广东省空气污染统计预报系统以PRESS预测模型为基础，其算法用Fortran语言编程，整个预报系统采用具有良好界面的VB语言编程。本系统具有预报使用资料长度的选取功能、公式保存功能、预报结果显示功能、主观预报功能、保存和打印功能。经过测试，符合国家气象局对空气污染指数预报质量评分规定。
鲁然英[3]2006年在《城市环境空气质量及其评价方法研究》文中进行了进一步梳理环境质量评价是认识和研究环境质量的一种科学方法,大气环境质量评价是环境质量评价的一个重要分支。本文系统整理了城市环境空气质量及其评价的基本原理和方法,并使用概率统计法、空气污染指数法、模糊数学综合评判、距离判别法和物元分析法等几种方法评价了兰州市2003年的空气质量状况,对各种评价方法的评价结果作了对比研究,总结了不同评价方法的优缺点。 空气质量日报中使用污染物指数API,评价结果比较明确,但取最大值的过程中,遗漏了其他污染物的信息。程万里等(2004)提出的RAQI综合考虑各种污染物的影响,陶志华等(2006)提出的RAPI分不同的情况考虑其他污染物的污染影响,使评价结果更加合理。模糊综合评判和距离判别法都考虑到了大气环境质量评价的模糊性,根据污染物浓度对各级别的贴近度考察污染物的级别,这两种方法的评价结果比较一致。物元分析法和距离判别法都可以根据正负来判断污染物在所属级别的具体情况,评价信息反映比较全面。物元分析法的评价结果在个别天数中评价级别偏低,其原因是污染最重的因子在所占权重过大所致。模糊综合评判、距离判别法和物元分析法最终得到的都是空气质量所属级别,评价结果比较直观。 本文利用2001-2005年全国47个重点城市的空气质量日报的数据,对我国重要城市的空气质量状况作了研究。研究结果表明:我国城市空气污染物的首要污染物为PM_10,污染物的时空分布特征比较明显,城市空气污染冬春季节重于夏秋季节,北方城市重于南方城市;2001-2005我国北方城市大部分有明显改善。 分析沙尘天气对我国城市空气质量的影响表明,我国北方,尤其是西北地区的城市受沙尘天气影响较大,在沙尘天气多发的3、4月份,API标准差有明显的峰值,空气质量状况不稳定。沙尘天气的影响有一定的地域特征,受沙尘天气影响的主要是我国北方城市,其中兰州、西宁、银川、乌鲁木齐等城市受沙尘天气影响较重;严重的沙尘天气也会影响到郑州、重庆、南通、大连、烟台、青岛、上海等中部和南部及东部沿海城市的空气质量状况。
赵宇飞[4]2008年在《基于地质统计学的空气质量日报系统的设计与实现》文中研究指明目前,空气质量日报是最为有效的空气质量管理方法之一。本文根据空气污染的空间结构分布特征,结合地质统计学原理的特征,对比分析空气污染常用的几种空间插值方法,比较得出地质统计学的克里金插值方法在城市空气污染的空间分析具有明显的优势,并在此基础上,综合地学理论和GIS工具,运用地质统计学、地理信息系统(GIS)、Web等技术和方法,开发出适合城市空气质量日报系统的应用软件,并详细说明了该系统的整体框架和利用.NET建立该系统的过程。系统设计的核心理论依据是地质统计学,它有别于一般的统计学方法。已经发展起来了的统计学方法,有的可用来定性地描述众多自然现象的内在规律,有的可用来定量地描述一些特定的问题。不过绝大多数统计方法都没有考虑和利用到所收集到的资料中的空间位置所包含的信息。对于我们研究的空间变量,比如空气污染程度的分布,降雨的分布,植被的覆盖等等,在空间上是相互关联的,这种空间连续性是许多自然现象的重要特性。地质统计学提供了必要的理论和方法来描述这种空间连续性,因而本系统采用地质统计学方法更合理,所得的结果也更准确。系统运用地质统计学的克里金插值方法,对中国某城市的各个空气检测站所测的空气质量数据进行空间插值,得到各小区域空气污染指数的预测值,使其与实际真实值之间的误差最小,保证数据预测的准确性,从而为空气质量日报提供最为有效的数据。通过将地质统计学的克里金插值方法应用于空气污染的空间分布,并以此为基础开发建立了一套空气质量日报系统,为快速准确分析城市各小区点位置的空气污染情况,及时发布空气质量状况提供了有效工具,为提高城市空气质量状况预测和管理的科技含量和决策水平提供了一条新途径。
赵国君[5]2004年在《长春市空气质量预报系统的建立及应用》文中进行了进一步梳理随着我国社会、经济的发展，人们越来越重视生活质量，公众的环保意识不断提高，对大气污染状况和空气质量水平日益关注。并且，我国的环境污染排放总量不断增加，污染范围继续扩大，以颗粒物、二氧化硫、氮氧化物等为主要污染物的大气环境污染问题也日趋严重。为了加强空气污染防治，减少空气污染对人体健康及环境造成的危害，改善人们生活环境，增强人民的环保意识，提高城市形象，开展空气质量预报事在必行。因此，国家环保总局不但要求在2000年6月5日42个重点城市开展了空气质量日报，而且要求在2001年6月5日47个重点城市又向社会公众发布了空气质量预报。空气污染预报分为空气污染气象条件预报和空气污染浓度预报两类。空气污染气象条件预报又称为空气污染潜势预报。空气污染浓度预报又称空气质量预报，从预报方法上分为统计预报和数值预报两种。应该提出的还有经验预报方法和预报结果的会商，由于空气污染与复杂的污染气象条件、污染源排放的关系，有些现在还不能用数理计算的方法完全表示出来，因此预报经验的摸索和积累对空气污染预报（包括天气预报）仍然是重要的。鉴于此，预报员的会商讨论在预报制作过程中也是不可缺少的环节。长春市的燃料结构以煤炭为主，市区空气污染呈现明显的煤烟型污染特征。本文通过对长春市2002年的空气污染情况进行了调查、分析，总结出长春市空气污染物的时空变化规律。结合当地情况对气象因子与空气污染浓度之间的相关性进行了深入地研究。这样在建立长春市环境空气质量模型中能够赋予方程变量更多的物理意义，使建立的统计模型具有可靠的物理基础。通过对国内外空气污染预报研究状况的了解，经过反复论证，确定了以多元回归方法为主要预报方法，辅以权重系数法、相关系数法建立统计预报模型并编制开发出相关的预报系统软件。按照国家环境监测总站对空气污染预报数值准确的判断标准，我们对长<WP=72>春市2003年预报值与实测值进行了对比分析，发现2003年PM10全年准确率均值为77%、SO2全年准确率均值为94%、NO2全年准确率均值为95%，达到了国家对统计模型预报的技术要求。为密切监视长春市环境污染变化动态，预防严重污染事件的发生，为广大市民及时、准确、全面地了解未来大气污染变化信息提供可靠的技术保障。开发的相关预报系统软件操作简便易行、自动化程度高、界面友好，结合各地的实际情况稍加修正便可运行使用，具有很高的推广价值。我们所建立的空气质量预报模型经过检验达到了国家对空气质量预报的技术要求，这主要取决于在建立空气质量预报过程中，在一些关键的技术环节我们进行了仔细了研究，采取了有效的措施，使所建立的空气质量预报模型更具有科学性和可操作性。(1) 相关分析预报方法中，要对建立的原始数据库进行搜索，得到与预报日相关性最好的历史数据。在搜索过程中我们采用了逐级动态搜索技术编程方法，逐级动态搜索技术的基本原则是通过这样的搜索技术使我们得到与当天预报因子最类似的历史数据资料，确保了相关分析预报方法的科学性。(2) 注重了气象因子与空气污染浓度之间的非线性关系。如长春市在春季风速小于8m/s左右时，风速与污染浓度呈明显的负相关性，当大于8m/s时风速与污染浓度呈正相关。(3) 注重了同一气象因子在不同季节对空气污染带来的不同方式的影响。如气温在冬季逆温多发时期的变化与在其它季节的变化与空气污染浓度相关性是不同的。(4) 注意到了在同一天的不同时段气象因子的变化对当天空气污染浓度的影响。如降雨量相同的情况下，降雨发生的时段不同对空气污染的净化作用程度是不同的。(5) 把“前日PM10”的因子引入回归方程中有效地降低了污染源的变化对于方程预报结果的影响。
张莹[6]2016年在《我国典型城市空气污染特征及其健康影响和预报研究》文中指出随着工业化的发展和城市化进程的加快,城市空气污染日趋严重,导致近年来雾霾天气明显增多。大气污染对人类健康的影响已经日趋凸显,备受科技界、医疗卫生工作者及广大民众的关注。人们迫切希望政府及相关部门依据天气和大气污染状况及时给出相关敏感性疾病预报,以便提前采取防护等措施最大限度地减少大气污染对人体健康的不良影响。近年来,虽然国内外诸多环境医学工作者在大气污染及其对人体健康影响与机理方面进行了相关研究,但相比于国外,国内仍处于起步阶段,此项研究仍需深入,其预报研究工作还比较少见。基于此,本研究在探明我国空气污染时空分布特征的前提下,选取7个代表城市探析其污染气象成因,进而选取北京和兰州两座重污染城市,研究其污染物浓度变化、气温变化以及二者协同作用对相关敏感性疾病发病的影响。并在上述分析研究的基础上,建立了相关敏感性疾病预报模型,从而为我国开展相关敏感性疾病的预报服务提供理论和技术支持,同时为相关政府部门因地适宜地制定应对大气污染及其对人体健康影响的防控措施提供科学依据。本文的主要研究成果如下:1.利用2004-2013年近10年中国大陆120个重点城市API(Air Pollution Index)资料的研究结果显示:API空间分布整体呈现由北向南降低的趋势,北方城市存在几个污染高值中心,分别为乌鲁木齐、兰州和北京,南方城市API全年稳定在60左右;API季节均值整体呈“冬高夏低”的变化特点,呈冬>春>秋>夏的顺序排列,北方城市API的数值及年内变幅均大于南方城市。从全国来看,PM10作为首要污染物已呈普遍现象。API时间序列呈现明显1年或半年的准周期震荡。2.利用2015年中国大陆366个城市的AQI(Air Quality Index)资料研究结果显示:就全年而言,北方城市的AQI整体高于南方城市,京津冀地区和南疆盆地为全国污染高值中心。春、夏、秋叁季,PM10是我国西北地区的主要污染物;而冬季PM2.5是华东和华中地区的主要污染物;夏、秋季节部分城市的O3污染也渐趋凸显。3.通过分析研究我国7个典型代表城市(哈尔滨、北京、兰州、乌鲁木齐、南京、广州)的空气污染气象参数的分布和变化规律及其与API间的关系,发现逆温层厚度年内变化与API呈显着正相关,其年内均值呈冬季厚、夏季薄;最大混合层厚度与API呈显着负相关,其年内变化与逆温层厚度正好相反,呈夏季厚、冬季薄的特征;稳定能量与API呈显着正相关,其最大值出现在冬季,最小值出现在夏初,且北方城市的稳定能量大于南方城市。因此,北方城市冬季污染重,是由取暖引起的污染排放量增加和由污染气象参数反映的大气边界层扩散能力降低双重作用造成的。同时还研究揭示了造成重空气污染的温度阈值,在该阈值附近,大气层结趋于稳定,此时风速易达到最小,稳定能量易接近最大,呈现出最不利于污染物水平输送和垂直扩散的气象条件,可作为空气污染潜势预报的一项重要指标。4.北京市和兰州市3种主要大气污染物pm10、so2和no2对疾病的影响存在滞后效应。北京市上述3种污染物累积2d(5d)的重污染效应对应的呼吸(循环)系统急诊就诊人数增加百分比(er)值均达到最大,兰州市上述3种污染物累积6d的重污染效应对应的呼吸系统住院人数er值达到最大,且均通过α=0.01水平的显着性检验,有统计学意义。在上述最显着滞后时间下,pm10、so2和no2浓度每增加10μg/m3,对应的北京市呼吸(循环)系统疾病逐日急诊就诊人数er分别为1.72%(1.39%)、1.34%(1.56%)和2.57%(1.18%);对应的兰州市呼吸系统疾病住院人数er分别为0.45%、1.35%和3.02%。5.北京市污染物对儿童(≤14岁)和老年人群(≥65岁)呼吸系统疾病发病率的影响高于成人(15~64岁);对老年人群循环系统疾病发病率的影响高于儿童和成人。兰州市污染物对儿童和老年人群呼吸系统疾病住院人数的影响高于成人,尤其对儿童,影响最显着。简言之,就呼吸系统疾病而言,污染对老年和儿童脆弱人群影响最显着;就循环系统疾病而言,污染仅对老年人群影响最显着。同时两座城市研究结果均显示,女性对污染物的敏感程度高于男性。6.平均气温分别与北京市呼吸系统疾病急诊就诊人数和兰州市呼吸系统疾病住院人数的暴露-反应关系呈反“j”型分布,分别存在一个12.0℃和14.7℃的发病率最低的气温阈值点;平均气温与北京市循环系统疾病急诊就诊人数的暴露-反应关系呈倒“v”型分布,存在一个10.7℃发病率最高的气温阈值点;与兰州市循环系统疾病住院人数的暴露-反应关系呈倒“u”型分布,存在一个8.0℃-20.0℃发病率高风险的气温阈值区间。7.污染物(pm10、so2和no2)与气温协同作用对呼吸系统疾病的分析结果显示:低温背景下的高污染,使得北京市呼吸系统疾病急诊就诊人数和兰州市呼吸系统疾病住院人数均最多,表明此种情况对呼吸系统疾病的发病具有加剧效应。对北京市循环系统疾病急诊就诊人数和兰州市循环系统疾病住院人数而言,当气温处于高发阈值区间时,重污染对循环系统疾病的影响呈现出加剧效应。8.遴选bp神经网络和最小二乘支持向量机(lssvm)两种预报方法,综合考虑了基本气象要素、污染物浓度和污染气象参数,选择了相关预报因子,分别建立了北京市和兰州市呼吸系统和循环系统疾病预报模型,并优化了相关参数。试预报结果显示:北京市呼吸系统和循环系统疾病急诊就诊人数的bp神经网络模型试预报准确率分别为66.73%和72.16%,其LSSVM试预报准确率分别为79.73%和85.09%;兰州市呼吸系统和循环系统疾病住院人数的BP神经网络模型试预报准确率分别为44.12%和51.54%,其LSSVM试预报准确率分别为54.45%和63.20%。显然,LSSVM模型的试预报效果整体优于BP神经网络模型,具有实用推广价值。
刘闽, 王帅, 林宏, 许荣[7]2014年在《沈阳市冬季环境空气质量统计预报模型建立及应用》文中提出利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。
栾永胜[8]2008年在《AirQUIS在环境规划与管理中的应用研究》文中进行了进一步梳理本文采用中挪合作项目《烟台市环境监测与信息系统ENSIS》(Environmental Surveillance and Information System)的AirQUIS空气扩散模型系统,利用2007年下半年烟台市环境监测数据,根据不同的模型运行方案,研究了不同污染物的时空分布状态。通过运算结果的比较,可以直观的看出各个不同方案的优劣及对不同区域的影响结果,从而制定具有针对性的削减策略,为环境规划与管理提供参考方案。为使系统在实际工作中能发挥作用,本论文在模型数据和GIS部分作了详细介绍,并对污染源调查、模型结果结合GIS应用、AirQUIS在环境空气质量日报和预报的应用作了介绍。通过采用AirQUIS的EPISODE空气污染扩散模型,对西郊化工站和轴承厂两测点的污染源排放的SO2进行了年均浓度初步模拟,结果表明,造成轴承厂测点环境空气SO2浓度较高的原因主要是来自面源和低架点源的排放,造成西郊化工站测点SO2浓度超标的原因还包括高架点源的影响。因此,要控制西郊测点的SO2浓度,除采取措施重点对面源和低架点源的排放进行严格控制外,对高架源的SO2减排也是不容忽视的,尽管其单位排放量对环境空气SO2浓度增加的作用很小。用EPISODE模型对不同的污染物进行模拟,得到烟台市区NOX和PM1O的模拟结果,并在GIS地图上表现出来,通过分析,提出了烟台市区NOX和PM1O的削减策略,对其在环境管理与规划中的应用进行了详细阐述。
谢超[9]2015年在《华北西部地区典型城市环境污染特征、变化规律、环境气象相关性及预测研究》文中指出随着经济的快速发展,华北西部地区的环境形势变得日趋严峻复杂。研究华北西部地区典型城市的环境污染特征、变化规律、环境气象相关性并对其环境变化与发展趋势进行适当预测,对华北西部可持续发展具有重要社会应用于价值。本论文的研究及相关工作主要为以下几个方面:(1)在华北西部地区(太原、大同、呼和浩特、包头)四座城市的空气污染指数数据基础上,采用常规统计方法,在不同尺度下对华北西部地区的大气污染特征、大气环境质量时空变化规律进行了分析。华北西部地区四座城市空气质量状况在2003-2012年间呈逐步改善,空气质量季节变化明显,冬季空气污染最严重,夏季最轻。四座城市空气质量呈现呼和浩特(优于)>包头>大同>太原的趋势。大气环境质量主要受PM10影响,在冬季受到一定的SO2影响。(2)在华北西部地区四座城市的大气污染特征、大气环境质量时空变化规律的基础上,结合对应区域的气象数据,利用统计分析的方法,在不同尺度下分析了华北西部地区环境气象的相关关系。在日均尺度上,四座城市的API与日均降水量、日均气温、日最高气温、平均最低气温、日照时数五个气象因素都呈现显着负相关性;与日均相对气压呈显着正相关;总体上与平均风速、最大风速、极大风速、日均相对湿度、最小相对湿度无显着相关性。在月均尺度上环境气象因子的相关系数,与日均尺度相关性是一致的,且相关系数有明显的提升;在冬季和夏季四座城市的风速、相对湿度分别与API呈现了不同的相关性。各种气象因子对API有不同的影响方式,并且都和相关性研究结论一致。(3)在华北西部地区四座城市的环境气象相关性研究基础上,建立并利用(BP、Elman、T-S模糊、小波)四种神经网络模型对华北西部地区四座城市环境气象数据进行了预测。四种(BP、Elman、T-S模糊、小波)神经网络模型在泛用性、可靠性、预测精度方面均可满足应用要求用于实际预测;具有动态反馈能力的Elman神经网络的预测精度以及泛用性要优于具静态反馈能力的其它叁种网络模型,四种神经网络的决策权重大小及其排序虽各不相同,但体现出相似规律性。在华北西部地区四座城市环境气象预测的基础上,对华北西部地区环境气象预测服务发展进行了讨论及相关建议。开展环境气象预报服务,是十八大、十八届叁中全会关于生态文明建设、深化生态文明体制改革的要求。环境气象预报服务需要基础环境、气象监测设施的建设,多部门多地区的合作是预报服务的重点,有效服务和联系公众是预报服务的着力点。环境气象服务还可指导减排方针和城市规划的制定。(4)在黄河华北西部段水质监测数据基础上,分析了黄河华北西部段水质特征,建立并应用多种改进模糊概率模型对黄河华北西部段水质进行了对比性评价。黄河华北西部段各监测断面p H达标;除山西运城河津大桥断面水质属于Ⅴ类、劣Ⅴ类外,其他五个断面水体的COD浓度均满足Ⅰ类水质的要求、DO浓度总体满足Ⅰ类水质的要求、NH3-N浓度总体满足Ⅱ类水质的要求。超标法、层次分析法、信息熵法分别计算权重的模糊概率模型的评价结果显示,水质最好的为宁夏吴忠新墩断面,最差为山西运城河津大桥断面。
王玮, 李健军, 靳伟, 丁俊男, 王晓彦[10]2012年在《“十一五”大雾天气影响我国城市环境空气质量分析》文中研究说明2006至2010年五年间,我国总共发生较大尺度的大雾天气过程约500次,每年发生的次数范围在70-200次之间,平均每年90次左右。根据2005年建成较完整的环保重点城市空气质量日报监测网后的监测数据分析,2006—2010年期间,影响113环保重点城市空气质量的大雾天气过程次数范围在每年18-45次之间,平均每年30次左右,总计150次。在此期间,影响113重点城市空气质量的大雾天气过程累计的影响时间总计297天,平均在每年60天左右。影响环保重点城市的大雾天气过程主要集中在11、12和1月,其中11月最多,占全年雾日数的12.8%。在大雾的天气条件下,113个重点城市总共的超标天次平均每年在370天次左右,每年范围在184-547天次之间。大雾受静稳天气影响,容易造成空气污染加剧。总体而言,近年来我国雾空间分布基本特征呈现东南部多、西北部少的特点,每年大雾天气过程对我国城市空气质量影响的时间长、范围广,尤其在秋冬季对我国东中部地区城市造成了大范围的影响。大雾天气是一种天气现象,需要加强预测预报,同时提前做好防范,通过清洁能源的利用,进一步节能减排,有效防治大气污染。
参考文献：
[1]. 重点城市空气质量日报预报系统的设计及其实现[D]. 刘述贵. 中国地质大学（北京）. 2002
[2]. 广东省空气污染统计预报系统研究[D]. 刘漩. 广东工业大学. 2007
[3]. 城市环境空气质量及其评价方法研究[D]. 鲁然英. 兰州大学. 2006
[4]. 基于地质统计学的空气质量日报系统的设计与实现[D]. 赵宇飞. 中国地质大学（北京）. 2008
[5]. 长春市空气质量预报系统的建立及应用[D]. 赵国君. 吉林大学. 2004
[6]. 我国典型城市空气污染特征及其健康影响和预报研究[D]. 张莹. 兰州大学. 2016
[7]. 沈阳市冬季环境空气质量统计预报模型建立及应用[J]. 刘闽, 王帅, 林宏, 许荣. 中国环境监测. 2014
[8]. AirQUIS在环境规划与管理中的应用研究[D]. 栾永胜. 中国海洋大学. 2008
[9]. 华北西部地区典型城市环境污染特征、变化规律、环境气象相关性及预测研究[D]. 谢超. 北京工业大学. 2015
[10]. “十一五”大雾天气影响我国城市环境空气质量分析[J]. 王玮, 李健军, 靳伟, 丁俊男, 王晓彦. 环境与可持续发展. 2012
标签：环境科学与资源利用论文; 空气污染论文; 中国空气污染地图论文; 气象北京论文; 天气预报论文; 质量浓度论文; 环境评价论文; 系统评价论文; 环境污染论文; 气象论文;