公共文化服务平台

赵素平: 作品数：26 被引量：357H指数：12; 供职机构：中国科学院更多>>; 发文基金：中国科学院“百人计划”国家自然科学基金国家重点基础研究发展计划更多>>; 相关领域：天文地球环境科学与工程生物学农业科学更多>>

合作作者

雷暴系统影响下的黄土高原塬区微气象特征研究被引量：3: 2017年; 利用2012年5—9月中国科学院平凉陆面过程与灾害天气观测研究站的观测资料,对比分析了黄土高原塬区夏季发生的阵风雷暴、大风干雷暴和冰雹强降水雷暴过境期间近地层微气象特征。结果表明:雷暴系统过境前几小时近地层便出现较强上升气流,14 m高度30 min平均垂直速度可达0.25 m·s^(-1),这几乎比该区域无雷暴影响时的垂直速度大1~2个数量级。在雷暴系统过境期间,近地层气压迅速升高,气温急剧下降,上升气流变为下沉气流,14 m高度30 min平均垂直速度可达到-0.18 m·s^(-1)。同时,由于雷暴区与周围环境间存在极强的风速切变和温度切变,造成近地层湍流运动迅速发展,摩擦速度急剧增大,尤其大风和冰雹雷暴期间其值是中午摩擦速度的2倍以上。对湍流谱分析发现,雷暴影响期间湍流涡旋中大尺度涡旋能量显著增大,且此时大尺度涡旋对感热通量输送的贡献起到主导作用,这可能对雷暴系统的加强具有一定促进作用。; 张新科陈晋北余晔赵素平贾伟; 关键词：近地层湍流输送

兰州春季沙尘过程PM_10输送路径及其潜在源区被引量：53: 2012年; 将2001—2008年分为沙尘天气相对多年和相对少年,计算兰州市春季逐日4个时次的4d气团后向轨迹。通过聚类分析得到春季到达兰州市区的主要气团轨迹组,结合可吸入颗粒物PM_10日均质量浓度资料,通过计算潜在源贡献因子PSCF(potential source contribution function)和浓度权重轨迹CWT(concentration-weighted trajectory),得到影响兰州市春季PM_10质量浓度的潜在源区以及不同源区对兰州市春季PM_10质量浓度贡献的差异。结果表明,在沙尘天气相对多年,西路径和西北路径发生比例最高,分别占总轨迹的33%和19.4%,其中有50%以上为污染轨迹,是造成兰州市春季高质量浓度PM_10污染的主要输送路径。沙尘天气相对少年的主要输送路径是西路径,其次是北路径,分别占23.6%和18%。影响兰州市春季大气PM_10质量浓度的潜在源区分布在新疆塔里木盆地、吐鲁番盆地、青海柴达木盆地、甘肃河西走廊、内蒙古中部和西部的沙漠戈壁地区。; 刘娜余晔陈晋北何建军赵素平; 关键词：PM10 后向轨迹传输路径

2015—2017年中国近地面O3污染状况与影响因素分析被引量：23: 2019年; 利用2015-2017年环保部发布的近地面臭氧(O3)和其他3种污染物[粒径小于2. 5μm的颗粒物(PM2.5)、一氧化碳(CO)、二氧化氮(NO2)]小时浓度数据和美国国家气候资料中心收集的气象要素监测数据,分析了中国近地面O3污染状况,并用逐步回归方法分析了影响O3重污染区域夏季近地面O3浓度的因素。结果表明,2015-2017年我国O3日最大8 h滑动平均浓度(O3MDA8)年平均值分别为83.02±16. 79,87. 05±14. 32和94. 70±13. 89μg·m-3。O3MDA8浓度逐年增长(增长率14. 07%),其中冬季增长最快(增长率范围14. 67%~34. 32%),夏季增长最慢(增长率范围2. 32%~14. 16%)。京津冀、长三角、山东半岛、川渝和中原地区近地面O3污染较重,影响这5个区域近地面O3浓度的主要因素为温度、相对湿度和PM2.5,除此之外京津冀和川渝地区的近地面O3浓度受NO2影响明显,中原地区的近地面O3浓度受CO影响明显。; 李苹余晔余晔董龙翔赵素平; 关键词：近地面臭氧气象要素

植被覆盖度对兰州地区气象场影响的模拟研究被引量：23: 2012年; 利用WRF(Weather Research and Forecasting)模式耦合Noah陆面过程模式,模拟了兰州地区冬季气象场,并用观测资料对模拟结果进行了检验。利用2006年中分辨率成像分光辐射计(MODIS)植被归一化指数(NDVI)计算得到的植被覆盖度替换模式默认的植被覆盖度,研究了植被覆盖度对WRF模式模拟结果的影响。结果表明,新的植被覆盖度数据使研究区域的地表反照率减小,发射率增加,感热通量白天增加、夜间减小;还明显地改进了WRF模式对近地面温度和风速的模拟;植被覆盖度对地表蒸发有很大影响,冬季干旱半干旱地区的植被基本处于休眠状态,地表蒸发以直接蒸发为主,使用新的植被覆盖度数据后,模拟区域的植被覆盖度增加,地表蒸发减小,近地面水汽含量减少,WRF模式模拟的边界层高度增大。; 何建军余晔陈晋北刘娜赵素平; 关键词：植被覆盖度 WRF模式感热通量潜热通量地表能量平衡

机动车限行对大气颗粒物浓度及其谱特征的影响: 来源于直接排放和气粒转化形成的大气颗粒物是影响城市空气质量的重要污染物之一.机动车排放是主要的颗粒物污染源,特别是细粒子(Dp＜2.5μm).据估计发展中国家发展较快的城市,90％的空气污染都是由机动车排放所导致.还有研...; 赵素平余晔刘娜何建军陈晋北; 关键词：颗粒物浓度谱分布

大型光伏电站对共和盆地荒漠区微气候的影响被引量：39: 2017年; [目的]揭示光伏电站内外局地小气候的差异,评估大型光伏电站的布设对共和盆地荒漠区小气候的影响。[方法]利用自动气象站的观测数据,通过对比对照点和光伏电站内观测点观测得到的基本气象要素(气温、相对湿度、风速和风向、辐射)和土壤温湿度评估大型光伏电站的布设对共和盆地荒漠区小气候的影响。[结果]光伏电站的布设使得共和盆地荒漠区相对湿度增加3.93%,这种影响在较干日和夜间表现的更明显。在布设光伏电站后风向由原来的东北风转为以东风为主,光伏电站的布设使得局地风向更加单一。对于风速而言,在布设光伏电站后大风速出现的比例显著降低。大型光伏电站使得共和盆地荒漠区风速减小了53.92%。大型光伏电站使得共和盆地荒漠区10,20,40cm平均土壤温度分别降低17.20%,16.75%和16.09%,对浅层的影响大于深层。光伏电站对共和盆地荒漠区10cm土壤湿度的影响较其他要素更显著,大型光伏电站使得共和盆地荒漠区10cm平均土壤湿度增加了71.61%。[结论]大型光伏电站使得共和盆地荒漠区的湿度增加;风向变得单一,风速减小;土壤温度降低和土壤湿度增加。; 殷代英马鹿屈建军赵素平余晔谭立海肖建华; 关键词：光伏电站共和盆地荒漠区微气候

兰州市夏秋季颗粒物污染特征研究: 随着兰州市经济的发展、城市化进程的加快和机动车保有量的增加,大气颗粒物污染已成为影响兰州市大气环境的首要污染物,也是大气污染治理的关键。大气气溶胶对气候、能见度和人体健康都有重要的影响,而且其影响与颗粒物谱分布有密切关系...; 赵素平余晔陈晋北刘娜何建军; 关键词：大气颗粒物污染聚类分析气象条件

基于WRF模式的兰州秋冬季大气污染预报模型研究被引量：23: 2013年; 随着城市化进程的加快,城市大气环境问题成为人们关注的热点问题之一。诸多研究表明,特殊气象条件是造成城市大气污染事件的主要因子之一。本文利用WRF模式模拟得到的高时空分辨率气象场,结合污染物浓度监测数据,分析了风速、稳定能量、Froude数、边界层高度、位温递减率、输送指数和梯度理查森数与兰州大气污染物浓度的关系,并根据WRF的模拟要素建立了污染物浓度与气象影响因子的回归方程。研究发现,兰州城区边界层高度和位温递减率与大气污染物浓度的相关系数高,NO_2与气象影响因子的相关性较PM_(10)好。建立的回归方程对NO_2的模拟效果好于对PM_(10)的模拟效果,其对城区污染物浓度的模拟效果好于郊区。通过与不同地区空气质量数值模式模拟效果对比,结果表明:回归方程对污染物的模拟效果与数值模式模拟效果相当,甚至好于部分地区空气质量数值模式的模拟效果。因此,该研究方法为我国城市空气质量预报和大气污染研究提供了科学依据。; 何建军余晔刘娜赵素平陈晋北; 关键词：WRF 大气污染数值模拟

兰州市夏秋季颗粒物谱分布特征研究被引量：20: 2012年; 采用APS-3321空气动力学粒径谱仪对兰州市2010年8～10月0.5～20μm大气颗粒物浓度及其谱分布进行了实时监测,并通过聚类分析方法结合气象观测数据对体积浓度谱特征及其影响因素进行了分析.以阐明兰州市夏秋季不同粒径段颗粒物浓度水平和粒谱分布特征及其成因.结果表明,0.5～20μm大气颗粒物小时平均数浓度、表面积浓度和体积浓度分别为(108.1±92.2)个.cm-3、(282.9±267.9)μm2.cm-3和(92.2±127.3)μm3.cm-3,细粒子(0.5～2.5μm)分别占0.5～20μm大气颗粒物数浓度、表面积浓度和体积浓度的98.7%、73.8%和52.9%.观测期间数浓度谱呈单峰分布,峰值出现在积聚模态,表面积浓度谱和体积浓度谱呈双峰型,峰值分别位于积聚模态和粗模态.颗粒物体积浓度谱主要有7类代表不同源和气象条件影响的分布型.受浮尘天气和局地扬尘影响的颗粒物体积谱分布在粗模态有明显的峰,而受机动车直接燃烧排放和二次扬尘影响的颗粒物体积谱分布呈双峰型,峰值分别位于积聚模态和粗模态.; 赵素平余晔陈晋北刘娜何建军; 关键词：大气颗粒物谱分布聚类分析气象条件

气象条件和污染物排放对兰州市冬季空气质量的影响被引量：14: 2016年; 利用人工神经网络(ANN)技术,基于气象条件、污染物排放变化和污染物浓度资料构建污染物浓度统计模型,在此基础上分析气象条件和污染物排放源排放变化对污染物浓度逐日变化和年际变化的影响。研究结果发现基于ANN建立的大气污染统计预报模型模拟NO_2浓度准确性较高,其次为SO2,PM10浓度准确性较低。ANN的输入参数更适合NO_2的模拟,SO2和PM10浓度的影响因子较为复杂。气象条件变化是NO_2浓度逐日变化的主要影响因子,污染物排放量变化是NO_2浓度年际变化的主要影响因子。因子分离法计算得到的气象条件、污染物排放及两者相互作用对NO_2浓度逐日变化的贡献率分别是57.9%、24.5%和17.6%,对NO_2浓度年际变化的贡献率分别是13.7%、73.3%和13%。; 何建军余晔刘娜赵素平陈晋北于丽娟; 关键词：人工神经网络大气环境 WRF 气象条件污染物排放

赵素平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

赵素平

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈