大气污染指数与气象参数数学模型
1.问题重述
大气是指包围在地球外围的空气层，是地球自然环境的重要组成部分之一。人类生活在大气里，洁净大气是人类赖于生存的必要条件。一个人在五个星期内不吃饭或5天内不喝水，尚能维持生命，但超过5分钟不呼吸空气，便会死亡。随着地球上人口的急剧增加，人类经济增长的急速增大，地球上的大气污染日趋严重，其影响也日趋深刻，如由于一些有害气体的大量排放，不仅造成局部地区大气的污染，而且影响到全球性的气候变化。因此，加强大气质量的监测和预报是非常必要。目前对大气质量的监测主要是监测大气中2SO 、2NO 、悬浮颗粒物（主要为PM10）等的浓度，研究表明，城市空气质量好坏与季节及气象条件的关系十分密切。
附件给出城市A 、B 、C 、D 、E 、F 从2003年3月1日至2010年9月14日测量的污染物含量及气象参数的数据。
请运用数学建模的方法对下列问题作出回答：
1.找出各个城市2SO 、2NO 、PM10之间的特点，并将几个城市的空气质量进行排序。
2．对未来一周即2010年9月15日至9月21日各个城市的2SO 、2NO 、PM10以及各气象参数作出预测。
3．分析空气质量与气象参数之间的关系。
4．就空气质量的控制对相关部门提出你的建议。
2.问题分析
本题为生活中的实际问题，层层递进式提出四个问题，分别需要对空气污染
因素以及气象参数进行分析求解。第一问为评价性问题，先从城市内部个污染物特点出发，再到城市之间空气质量进行比较。第二问是预测性问题，通过对给出的数据进行分析，预测各项参数之后的趋势。第三问是寻找关联性问题，要求找出空气质量与气象参数之间的关系。第四问为开放型问题，可通过之前得出的结论或者相关文章及模型提出建议。 2.1 问题1
通过查阅资料，运用已有的API 对各个城市的各项污染指标进行计算，得出各个污染指数API 月平均的折线图，观察，得出各城市各项指标的特点。鉴于求解城市API 时有一定的误差，故选择综合评价模型，对数据进行标准化处理之后，确定动态加权函数，对模型进行求解，排名。检验模型后确定结论的合理性。 2.2 问题2
预测模型主要有灰色预测，时间序列等模型。由所给数据以及问题可知该预测模型为时间序列。随机选取气象参数之一气温（tem ）为例进行分析，先通过SPSS 软件得到其时序图，观察其走势，对其做平稳化处理。然后以最小BIC 为标准，构造模型，进一步应用SPSS 软件求解，得出各项参数，并预测出2010年9月15日至2010年9月21日的数据。其余各城市各污染物浓度以及气象参数应用类似方法进行求解。最后，由于F 城市所提供数据与需要预测日期相隔较
远，故只做出定性的分析预测。 2.3 问题3
空气污染物与气象要素关系密切，研究的方向多为相关性分析与回归分析或从理论上描述气象要素对污染物迁移扩散的影响。但是回归分析应用于处理不相关变量之间关系，而典型相关性分析能很好地解决由于变量之间相关而导致回归准确性降低的问题。并且观察原始数据发现，其中只有一组气象参数，故猜测气象参数是在其中某一个城市所采集。现应用典型相关性分析分别分析A 、B 、C 、三城市空气污染物2SO 、2NO 、PM10与气象要素这两组数据间的关系。求出不同季节的相关系数，判定气象参数最有可能是属于哪一城市的。再对该城市进行偏相关性分析，最终得出污染物与气象参数之间的关系。该过程由SPSS 直接完成。 2.4 问题4
依据第三问所求得的气象参数和与其对应城市之间的关系，分析影响各污染物浓度的主要因素，依此对有关部门提出合理的建议，以提高该城市的空气质量。
3.数据处理
对附件中数据整体浏览，将不合理的数据进行删除：2005年11月7日的tem 为611.5，2010年6月6日的mmgh 为267.109，依据常识，该两组数据均为记录错误，故删去不予考虑 3.1问题1
对各项指标的数据进行月平均处理.以便进行模型的计算。 3.2问题2
基于数据的不完整性，只选择具有连续性的数据（2010年1月20日至2010年9月20日）对问题二进行分析预测。 3.3问题3，4
将一年分为春季季风季（3-5月）和冬季采暖季（11-2月）两部分，分别进行分析。
4.模型基本假设
1、 各组数据真实可信，且是在同一地点同一时间采集，不考虑人为因素，具有统计、预测意义。
2、 假设A 、B 、C 、D 、E 、F 六个城市的发展状况大体相同，即发展速度没有明显差异。
3、 API 指标真实可靠，所给数据具有参考统计意义。
4、月API 平均值能很好的代表该月空气质量，具有比较意义。
5、对F 城市进行定性预测时，A 、F 城市发展状况基本相同，有比较价值。
6、第三问中，根据数据的对应关系，假设气象参数是在A 、B 、C 三城市中某一个城市所采集。
5.符号说明
6.模型的建立与求解
6.1 问题1
6.1.1问题一第一部分
通过查阅资料，可以找到API，即空气质量污染指数标准，由此计算每个城市各项指标的月API平均值，对各项数值进行比较，得出各个城市三项指标特点。
6.1.1.1各项指标月API平均值求解
根据表一：
计算各项指标的API 值：
设I 为某污染物的污染指数，C 为该污染物的浓度。则：
()I I
I C C I C C -=-+-大小小小大小
式中： C C 大小： 在API 分区表中最接近C 值得两个值 I I 大小：在API 分区表中最接近I 值得两个值 6.1.1.2各城市各项指标月API 平均值折线图
图一：各城市各项指标月API 平均值折线图
6.1.1.3结果分析
整体分析图表可以看出A 、B 、C 、D 、E 五个城市SO2、NO2、PM10等污染物浓度均呈现波动性并且有缓慢下降趋势。
分析A 城市数据，发现A 城市PM10浓度与B 城市差别并不显著，但是观察发现A 城市PM10的值在2010年8月后有所回升，这一点也可由数据得到验证。
B 城市SO2波动性很强，但是下降的趋势并不是非常的明显，说明B 城市可能有一些周期性的污染源需要治理。而B 城市的PM10波动性强有明显下降趋势，这说明B 城市很有可能在2010年采取过一些相应的积极措施，使得该城市PM10浓度在短期内大幅度下降。
而A 、B 两城市的SO2和PM10数值均明显高于NO2的数值，且两城市污染物的波动方式相似，可粗略认为A 、B 两城市有部分工业或者结构上的相似。
分析C 、D 两城市可知SO2、NO2、PM10浓度较平稳波动，只有PM10在个别时段有较大的起伏，而在其他时间序列内均趋于平缓变化。C 、D 两城市的PM10曲线在同一时间明显偏高，可推论在那一段时间有某些外界因素使得两个城市的PM10数值共同上升。
分析E 城市空气污染物浓度可知，E 城市SO2、NO2、PM10浓度均在一定范围内平稳变化 ，说明该城市在所选时间段内空气质量比较平稳。
由于F 城市数据严重不足，只有从2004年9月1日到2009年12月27日的采集数据，故在F 城市数具有统计意义的前提下，由图可知观看出F 城月平均污染物浓度大致呈现平稳趋势。
6.1.2问题一第二部分
根据问题对API 分析发现，对于城市API 值计算中，原理为取三项指标的最大值，这会造成相应的误差，故在分析第一问的第二部分时，只参考API 的划分标准，应用综合评价模型。 6.1.2.1数据的标准化处理
对所给的空气污染标准（API ）进行标准化处理，记三项指标：2SO 、2NO 、PM10的数值分别为1x ，2x ，3x 。
三项指标的数据均为极小型指标（即指标值越小越好），对其指标j x
做标准化处理，即令：
'(1)j j j j j
x m x j m M m -=≤≤-
其中1min{}j ij i n
m x ≤≤=，1max{}j ij i n
M x ≤≤=。则相应的指标值变为'
{}[0,1]ij x ∈，即为无量
纲的标准化指标，对应的分类区间()()[,)j j k k a b 也随之相应的变化，在这里为了方便仍记为()()[,)j j k k a b (1,2;1)k K j m =≤≤ 。
（1）2SO 的标准化 取1
0m =，1 2.62M =，'11 2.62
x x =，则其标准化数据为：'
()1[0,1]k i x ∈ 对应的分类区间为：
(](](](](](]()
0,0.01908,0.01908,0.05725,0.05725,0.30534,0.30534,0.610687,
0.610687,0.801527,0.801527,1,1,∞
（2）2NO 的标准化
取
20m =，20.94M =，'220.94
x x =，则其标准化数据为：'
()2[0,1]k i x ∈ 对应的分类区间为：
(](](](](](]()
0,0.0851,0.0851,0.12766,0.12766,0.29787,0.29787,0.601064,
0.601064,0.79787,0.79787,1,1,∞
（3）PM10的标准化
取30m =，30.6M =，'33
0.6
x x =，则其标准化数据为：'
()3[0,1]k i x ∈ 对应的分类区间为：
(](](](](](]()
0,0.08333,0.08333,0.25,0.25,0.58333,0.58333,0.7,
0.7,0.8333,0.8333,1,1,∞
6.1.2动态加权函数确定
根据这一实际问题，通过对2SO 、2NO 、PM10三项指标的变化关于空气质量的分析，可得其变化的规律为：先是缓慢增长，中间有一个快速增长的过程，最后平缓增加趋于最大值。此增长规律可取动态加权函数为偏大型正态分布函数，即：
2
()
1()0,j j x j j j e x w x x ασαα--??->=?
?≤?
，当时
当时
其中j α不妨取指标j x 的第一类空气质量标准的中间值，即()()111
()2
j j j b a α=-，j
σ由()
4()0.9(1)j j w j m α=≤≤确定。
6.1.3综合评价模型的构建
根据标准化后的评价值，不妨仍用i x 表示，以及相应的动态加权函数
()(1,2,)j w x j m = ，建立综合评价模型来对被评价的6个城市的空气质量进行评
价，在此，取综合评价模型为个评价指标的动态加权和，即：
1
()j m
j j j X w x x ==?∑
其函数值X 为被评价对象的综合指标值。 求出权后，可将6个城市的三项指标求期望，定量地得出每个城市中三项指标的权值。
利用附件中给出的31个月的较为完整的数据，计算可得ABCDE 五个城市的空气质量评价性指标，即可得到一个综合评价矩阵531()ij X ?，其结果如下：
A
B
C
D
E
10.4764250.3034380.6987870.3025690.40188720.3814910.4989850.5563590.3591340.49755630.702262 1.28647 1.4847060.822486 1.36338340.92970.687311 1.528822 1.206963 1.234135 1.373017 1.920787 1.269957 2.55766 1.41813760.877467 1.3154380.928815 1.470042 1.00162170.2717820.915160.7509460.6682370.3790380.686075 1.0585760.7892710.8510670.8055939 1.0637050.341397 1.043505 1.067541 1.027358100.5641210.2177480.7368110.4828380.878122110.3140580.356610.110280.6601730.296628120.4358230.593150.0831480.9702070.782054130.5015830.7723060.5023270.7664940.647517140.2844650.3008340.1823680.3075140.650854150.2359340.0946310.0513890.1260330.17728160.3989590.2932230.130723
0.3720760.427288170.4244510.5050050.2630.5233190.446048180.4583630.5407730.2326420.4924520.261007190.4569190.2214360.0336830.1401790.307473200.4460590.355020.2940020.1979430.135436210.8682740.6256850.206786 1.1649870.963372220.834579 1.3243650.775048 1.953669 1.411269230.4032060.6072390.491127 1.028786 1.024163240.2802250.2928260.3020210.5281110.631015250.3417580.2738460.4233430.7139290.660584260.3084620.3776460.2340130.4308490.377989270.3803150.0909870.2555490.5380020.345346280.3136840.257940.2598550.5351640.174778290.3511240.2870370.4337940.5403330.445141300.2283740.0541590.3776450.1071610.12126531
0.3466380.0564420.5569440.1889230.296768
表二：ABCDE 五个城市综合评价矩阵
同时，利用附件中给出的4个月(2004.9至2004,12)的数据，经计算可得ABCDF 六个城市的空气质量评价指标，得到矩阵54()ij X ?，结果如下。
A
B C D F
10.916259 1.202782 1.14553 1.2300840.3787362 1.666694 1.664566 1.700076 1.6942190.53273 1.513127 2.133845 1.46316 2.5792710.2409244
1.125178
1.701627 1.752049
2.3861440.509968
表三：ABCDF 五个城市综合评价矩阵
6.1.4综合评价结果排序方法
根据上表和表中的数据，根据其大小（即反映空气质量的高低程度）进行排序，数值越大，说明其空气质量越差。编写C 语言程序，对其进行排序。排序结果见附录一。
利用决策分析中的Borda 函数方法来确定综合排序方法，记在第j 个排序方案中排在第i 个城市i S 后面的站点个数为()j i B S ，则城市i S 的Borda 函数为
1
()()(1,25)n
i j i j B S B S i ===∑
经计算，各城市Borda 数及总排名如下
ABCDE的Borda数为：
ABCDF的Borda数为：
6.1.5评价结果及排序
ABCDE的空气质量排名为：CABED
ABCDF的空气质量的排名为：FABCD
6.1.6模型的验证
鉴于API数值有一定的实际应用价值，故应用其对综合评估模型进行验证。
通过对各个城市每月的API进行计算，运用相同的C语言程序对其进行排名结果见附件一。运用Borda算法，对多个序列进行排序，最后排出城市总体空气质量排名，对模型进行验证
得出结论为：
ABCDE五个城市API的Borda数为：
ABCDE五个城市的空气质量排名为：CBAED
ABCDF五个城市的API的Borda数为：
ABCDF五个城市四个月的空气质量排名为：FABDC
权重排列与API排列只有一个次序的不同，观察Borda数可发现，次序不同的两个城市Borda数字基本相同，故可说，模型合理，权重得出的排序结论有一定参考意义。
6.2 问题2
F城市所给数据时间与需预测时间相距甚远，若强行预测出趋势变化，没有实际参考意义，故在对F城市进行预测时，只做定性的说明。
随机选取气温为例建立ARIMA模型，其余各城市参数即气象参数yingyon 可求的。模型的建立与求解依靠SPSS软件。
6.2.1 模型的建立与检测（对除F以外的数据预测适用）
考虑数据的连贯性，选取2010.1.20日至2010.9.14日数据进行时间序列分
气温的自相关系数图和偏自相关系数图见附件二
由气温时序图明显可知该序列具有上升趋势，为消掉上升趋势，作差分处理。图示为作一阶差分后所得序列图，观察可知该序列比较平稳。
图三：一阶差分之后的气温时序图
为进一步验证平稳性，考察差分后序列自相关图。
图四：一阶差分后气温时序残差自相关系数图
自相关图显示序列有很强的短期相关性，所以可以初步认为一阶差分后序列平稳。
考虑ARIMA （p ，d ，q ）模型，并以最小标准化BIC 为指标，应用SPSS 软件可构造出ARIMA （0,1,2）模型，即12(1)(1)t t B X B B θθε-=--这就是说t X 是1阶齐次非平稳序列，一次差分后适合MA （2）模型。
t 检验合格。均方误差 3.867σ=，绝对误差为2.907， 2.749BIC =，复相关系数20.913R =
从结果来看，1θ，2θ都通过了显著性检验，数值拟合的误差比较小，进一步考察拟合误差得到的自相关系数及偏自相关系数图可知它们不在具有相关性，说
最后得到的模型为2(10.3600.271)t t X B B Z ?=--，其中2~(0.3.867)t Z WN 该模型可进一步化简为：
1120.3600.271t t t t t X X Z Z Z ---=+-- 其中2~(0.3.867)t Z WN
我们对2010年数据进行预测，部分抽样结果如下表：
tem观察值与预测指表
真实值-3.73-13.4-12-12.1-7.33-11.1-10.3-3.56-6.5-8.81预测值-3.73-11.5-9.5-11.2-7.83-11.1-9.62-5.84-8.06真实值-7.09-6.29-4.73-7.92-9.77-9.87-6.52-6.02-2.06 1.25预测值-8.36-7.3-7.01-5.8-7.87-8.5-8.84-6.91-7.01-4.01真实值-4.540.63 1.717 1.13 6.19610.85 6.761 5.804 2.37 1.761预测值-8.15-5.9-2.66-1.7-1.13 2.869 5.969 4.131 5.001 2.769真实值-6.83-8.98-4.2-7.27-13.8-8.770.125 2.313 1.109 3.326预测值 1.872-4.95-5.03-3.29-6.17-10-6.94-2.65-1.46-1.23真实值13.74 1.542-1.25-0.15 4.021 6.45812.7220.8618.5615.15预测值8.4211.34 3.299 3.195 2.336 4.437 5.2729.58814.8313.95真实值18.7119.517.6419.6520.9623.1316.6116.2516.0219.05预测值18.0618.9719.1317.9919.5319.9821.6317.3918.1217.07真实值18.2820.0621.52
预测值19.45718.34319.93720.51420.12620.24620.36620.48620.60620.726
表五：2010年气温预测抽样表
绘制原始数据及预测数据图，虚线右边中间数据为预测数据，虚线右边上面数据
6.2.2 模型的求解
我们用该模型对2010年9月15日至2010年9月21日七天tem作出预测，
表六：七天温度预测表
6.2.3 各项指标的求解
类似于温度预测的分析求解过程，分别对A、B、C、D、E五个城市的各项污
染物浓度以及气象参数进行预测，结果如下：
A B C
SO2NO2PM10SO2NO2PM10SO2NO2PM10
9月15日0.0278840.0260580.0585230.0179640.035370.0494190.0205770.0310740.050559
9月16日0.0278250.024120.0626410.0205530.0329520.049040.0195530.0274530.050162
9月17日0.0277940.0234890.0604870.0203220.0309610.049320.019020.0274530.046323
9月18日0.0277790.0232830.0513930.022010.0293220.0491990.0192620.0274530.047247
9月19日0.0277710.0232160.042040.0234850.0279720.0491090.0191590.0274530.048583
9月20日0.0277670.0231940.0327220.0242060.0268610.0491170.0211820.0274530.051593
9月21日0.0277650.0231870.055480.0249680.0259470.0491030.0227950.0274530.051294
D E
SO2NO2PM10SO2NO2PM10mmgh tem rh ws
9月15日0.017540.0132040.0777340.009520.0244180.070989665.939820.5140549.696631.152295 9月16日0.0131120.013020.069830.0107540.0249250.06621665.939820.1259649.112611.169417 9月17日0.0141190.0129780.073260.0111820.0251060.064929665.939820.2459148.795141.152295 9月18日0.0163090.0129680.0727590.0113380.0251710.0739665.939820.3658748.622571.189077 9月19日0.0160170.0129660.0727320.0129880.0251940.071194665.939820.4858248.528751.182421 9月20日0.0200730.0129660.0831840.0148940.0252020.076506665.939820.6057748.477761.173136 9月21日0.0162260.0129650.0783740.0127210.0252050.076614665.939820.7257248.450041.177048
表七：各城市各项指标预测值
6.2.4对于F城市的定性分析
从前一问可以看出，整体城市空气质量排序中，F城市是好于A城市的，在
F城市的数据中，只有2004年9月15日至21日。
（1）绘制A城市2004年9月15日至21日与F城市2004年9月15日至21
从图上看出，A城市与F城市在2004年9月15日至21日三项指标走势在
很大程度上有一定的相似性。
（2）绘制A 城市2004年9月15日至21日与2010年9月15日至21日三项指
由图可以看出，三个指标的走势在两年里面没有明显地统一趋势，故对F 城市只定性说明：在2010年时三项指标均明显低于2004年。 6.2.5对于F 城市的预测
因2010年与2004年的指标走势没有明显线性关系，所以只能定性的分析：F 城市污染物各项指标在2010年9月15日至21日的测量数值均低于2004年同期，即F 城市的空气质量提高，且优于A 城市。
6.3问题3
选取A 、B 、C 三城市，分别运用典型相关性分析，对气象参数（大气压mmgh ，温度tem ，风速ws ，湿度rh ）及各项污染物浓度进行分析，判断气象参数的城市属性，再对此城市进行偏相关性分析，得出结论。整个过程由SPSS 完成。 6.3.1典型相关性分析原理
主要思路是将两组变量的相关性研究转化为两个综合变量的相关性研究，这种相关称为典型相关，这两个综合指标称为典型变量。典型相关分析是基于主成分的相关分析，首先运用主成分分析，分别对两组变量抽取主成分，进而分析两组主成分间的相关性。因此，我们可以通过典型相关分析，得出A,B,C 城中，与气象因素相关性最高的城市。 （1）根据分析目的建立原始矩阵
原始数据矩阵
??????
????????nq n n np n n q p q p y y y x x x y y y x x x y y y x x x 21212222122211121111211 （2）对原始数据进行标准化变化并计算相关系数矩阵
R = ??
?
?
??22211211R R R R 其中11R ，22R 分别为第一组变量和第二组变量的相关系数阵，12R = 21
R '为第
一组变量和第二组变量的相关系数 （3）求典型相关系数和典型变量
计算矩阵=A 111-R 12R 122-R 21R 以及矩阵=B 122-R 21R 1
11-R 12R 的特征值和特征向
量，分别得到典型相关系数和典型变量。 （4）检验各典型相关系数的显著性 6.3.2典型相关性分析
运用统计和分析软件SPSS 进行典型相关分析。 典型相关性分析程序：
6.3.3典型相关分析结果分析结果
典型性相关性分析用来讨论在污染物浓度与气象要素两组数据之间存在何种关系。根据所给数据特征，可分为冬季和春季两时段进行分析。
观察结果，可看出C 城市的各项污染指标与气象参数的相关性最高，故，可近似认为所给气象参数为C 城的气象参数。
表八：C 城市典型性相关性分析结果
分析：
冬季的第一、二个典型相关细数分别为0.810和0.534，并通过显著性检验，说明在冬季污染物与气象参数两组数据间有显著的相关关系：前两个特征值加起来已经占全部特征值的80%以上，因此取前两个典型变量进行分析即可。
分析结果：两个时间尺度上（春季和冬季），污染物与气象参数存在着显著的相关关系，大气压和风速对气态污染物（2NO ，2SO ）有显著的影响，风速对PM10有显著影响。温度和湿度对2SO 有微弱影响。 6.3.4偏相关性分析原理
偏相关性分析是指当两个变量同时跟第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程。因此，我们通过偏相关分析，分析各个气象因素对C 城各污染物浓度的影响。
偏相关性分析的工具是计算偏相关系数12,3r 。 计算公式：
假定有三个变量：1x ，2x ，3x ，求剔除变量3x 的影响后，变量2x 和1x 之间的偏相关系数12,3r ：
12,3r =
其中，12r 表示变量1x 与变量2x 的简单相关系数。 13r 表示变量1x 与变量3x 的简单相关系数。 23r 表示变量2x 与变量3x 的简单相关系数。 显著性检验公式：
r t =
其中，n 为个案数，3n -为自由度。
6.3.5对C 城市进行偏相关性分析
运用统计和分析软件SPSS 进行偏相关性分析，结果如下：
mmgh
tem
rh
ws
相关系数.245.013-.121-.316显著性水平.000.786.013.000相关系数.345.036.080-.457显著性水平.000.461.103.000相关系数.456.111.141-.321显著性水平.000
.023
.004
.000
mmgh
tem
rh
ws
相关系数.287-.085-.088-.131显著性水平.000.128.114.019相关系数.273.130.028-.248显著性水平.000.020.614.000相关系数.182.150-.115.358显著性水平
.001
.007
.040
.000
C 冬季C 春季SO2NO2PM10
SO2NO2PM10
表九：偏相关分析各项相关系数
分析：
冬季分析：冬季2SO 与风速的相关系数为-0.316，呈现负相关，即风速越大，2SO 浓度越低。2NO 与大气压和风速明显相关，2NO 与大气压正相关，即大气压越高，浓度越高，其与风速的关系和2SO 相似为负相关。PM10与大气压正相关，与风速负相关。
春季分析：整体相关性不明显，2SO 与大气压为微弱的正相关 ，2NO 与大气压和风速均为弱相关，PM10与风速正相关。说明，风速对可吸入颗粒起扩散作用，而且，大风天容易产生沙尘天气，加重污染。 6.3.6分析结论
冬季时，风速和污染物（PM10、2SO 、2NO ）有显著的负相关，即风速越大，污染物浓度越低，大气压与2NO 、PM10呈现正相关，即大气压越高，污染物浓度越高。
春季部分指标相关性不明显，气态污染物（2SO 、2NO ）均与风速呈现弱相关，而PM10与风速正相关，即风速越大，PM10的浓度越高。
6.4问题4
通过对第三问的结论进行分析，给出合理的建议。 6.4.1分析
要改善大气环境质量，一方面，由于2SO 、2NO 与空气水平流动（风速）、垂直流动（气压）有相关性，因此要在城市用地规划与总体规划中考虑大气输送、 扩散等自然通风条件对用地布局的影响。例如，将大型污染工厂企业移出城市生活区等。另一方面要通过合理的规划措施来改善城市的局部气候环境 ，以减少或避免由于工业布置不合理引起大气污染物往市区及其周围累积、 迭加。如根据城市气象条件 ，掌握城市风、 气温及其天气形势的变化规律 ，结合地形和其他自然条件 ，以及城市设施热量散发状况等 ，对城市工业区、城市道路、城
市建筑和绿地等进行合理的布局。
6.4.2具体建议
（1）推行清洁能源，降低原煤消耗所占的比例。特别是在冬季供暖季节，改造居民采取烧煤取暖的状况，努力扩大天然气、煤气等清洁能源消费量，强化能源节约。
（2）加强工业污染的防治，以循环经济模式发展工业经济。如：加强大型火电厂的脱硫、除尘以及低氮燃烧等措施。
（3）调整工业企业的合理空间布局，将城区的大气污染企业按照产业特点分别进驻各类特色工业园区，在搬迁过程中实现技术升级和改造。加强工业污染源的监管力度，对重点工业污染源实行在线监测。
（4）加强以建筑扬尘、道路扬尘为主的扬尘污染控制，建立健全的控制扬尘污染的长效机制。加强道路冲洗和机械化吸尘作业，增加改性沥青路面比例，严格和规范施工扬尘、建筑渣场管理。
（5）加强城市绿化，对裸地实行绿化硬化和植树种草，修建绿化带和组团绿化隔离带，增加公共绿地面积，制定合理的城市绿化方案。
（6）加强机动车尾气污染治理，消除机动车冒黑烟现象。严格执行机动车维护、改造、报废制度。
7.模型的评价及推广
7.1模型的评价
问题一采用动态加权函数模型，充分的考虑了每一个因素的每一属性所存在的差异，增加了综合评价的客观性和科学性。
问题二运用时间序列，很好地解决了具有时序性，随机性，前后时刻具有相依性，呈现某种趋势，或周期性的数据序列，并能够做出准确的预测。
问题三，典型相关性分析解决了传统多元统计中，只能分析一个变量与多个变量之间关系的问题，实现了两组变量间的分析，可以很好的解决某些组合相关性很高的问题。其缺点为：局限于两组变量的分析，要求两组变量都是连续变量，其变量都必须服从多元正态分布。偏相关性分析很好地解决了当两个变量同时跟第三个变量相关时，它们之间单独影响的相关性。
7.2模型的推广
动态加权综合评价方法也可用于水质综合评价这一类的问题，在军事和经济等领域的很多综合评价问题，动态加权综合评价方法都有推广的价值。
时间序列分析模型可应用于更为复杂的时间序列预测，如存在季节性的旅游人口问题。
典型相关分析和偏相关性分析有些许的类似之处，都可应用于评价，寻找关系一类的题目，例如分析城乡收入差距的主要因素等问题。
8.参考文献
【1】韩中庚，数学建模方法及其应用，北京：高等教育出版社，2009.6
【2】肖华勇，实用数学建模与软件应用，西安：西北工业大学出版社，2008.11 【3】范正绮，数据分析方法，上海：上海财经大学出版社
【4】王晓银，周保平，数学建模与数学实验，北京：科学出版社，2010.2 【5】黄润龙，数据统计与分析技术——SPSS软件实用教程，北京：高等教育出
版社，2004.7
【6】肖枝洪，郭明月，时间序列分析与SAS应用，武汉：武汉大学出版社，2009.1
附录一：
ABCDE五个城市权重的大小排序结果：
A B C D E
1s4s2s5s1s3
2s4s1s5s2s3
3s1s4s2s5s3
4s2s1s4s5s3
5s3s1s5s2s4
6s1s3s5s2s4
7s1s5s4s3s2
8s1s3s5s4s2
9s2s5s3s1s4
10s2s4s1s3s5
11s3s5s1s2s4
12s3s1s2s5s4
13s1s3s5s4s2
14s3s1s2s4s5
15s3s2s4s5s1
16s3s2s4s1s5
17s3s1s5s2s4
18s3s5s1s4s2
19s3s4s2s5s1
20s5s4s3s2s1
21s3s2s1s5s4
22s3s1s2s5s4
23s1s3s2s5s4
24s1s2s3s4s5
25s2s1s3s5s4
26s3s1s2s5s4
27s2s3s5s1s4
28s5s2s3s1s4
29s2s1s3s5s4
30s2s4s5s1s3
31s2s4s5s1s3
ABCDF五个城市四个月权重的大小排序结果：
A B C D E
1s5s1s3s2s4
2s5s2s1s4s3
3s5s3s1s2s4
4s5s1s2s3s4
ABCDF五个城市四个月API的大小排序结果：
A B C D F
1s5s1s4s2s3
2s5s1s4s2s3
3s5s1s3s2s4
4s5s1s2s3s4
ABCDE五个城市API的大小排序结果：
A B C D E
1s1s4s2s5s3
2s1s2s5s4s3
3s1s4s2s3s5
4s2s1s5s3s4
5s3s5s1s2s4
6s1s2s3s5s4
7s1s2s5s3s4
8s1s2s5s3s4
9s3s1s5s2s4
10s3s1s2s5s4
11s1s3s5s2s4
12s3s2s1s5s4
13s3s2s1s5s4
14s3s2s1s4s5
15s3s2s1s4s5
16s3s2s1s4s5
17s3s2s1s4s5
18s3s4s2s1s5
19s3s4s2s1s5
20s4s5s1s2s3
21s3s5s2s1s4
22s3s1s5s2s4
23s3s1s2s5s4
24s2s3s4s1s5
25s2s3s1s4s5
26s3s2s5s1s4
27s2s3s1s5s4
28s3s5s2s4s1
29s2s3s1s4s5
30s2s3s1s5s4
31s2s3s5s1s4附件二：
气温自相关系数
空气质量与气象条件关系密切 多年调查研究表明,城市空气质量好坏与季节及气象条件的关系十分密切。在冬季采暖期，北京市和北方许多城市的大气污染元凶是燃煤烟雾，其次是汽车尾气，两者的共同作用使空气污染更加严重；而在非采暖期，则以大量的机动车尾气和悬浮颗粒物污染为主。相对于每周或每天而言，当污染源排放量没有大的变化情况下，风、雨、气压、温度等气象条件直接影响空气质量的好坏，使空气污染指数会有很大的差别。例如1998年9月下旬，北京市不少行人感到眼睛干，嗓子疼，街面空气呛人。这与当时静风天气闷热有密切关系。首先，大气逆温现象直接影响大气污染物的扩散。逆温是空气温度随高度增加而增高的大气垂直层结现象。一般来说，冬季逆温层较强较厚，维持时间较长；夏季则相对偏弱。通常在晴朗微风的夜间有逆温现象存在，使低层大气比较稳定，非常不利于污染物扩散。太阳出来后，随着地表温度的升高，使逆温层逐渐消失，大气湍流混合和垂直对流加强，有助于污染物质的扩散。冬天，一场冷空气过后，特别是其后连续几天不刮风或只刮微风，人们会渐渐感到空气污浊；如果近地面层空气湿度较大，又常常会有雾相伴随着。造成这种现象很大程度上与逆温有关。出现逆温天气会加重大气污染，危害人们健康，因此，有人称逆温是冬天的隐性杀人帮凶。一般条件下，气温是随着高度的增加而降低的，平均每上升100米，温度约降低0.6度，这样，大气低层温度高，空气密度小；高层温度低，空气密度相对较大，造成了“头重脚轻”的现象，大气层结就不稳定容易上下翻滚而形成对流，这样就会使低层特别是近地面层空气中的污染物和粉尘向高空移散，从而减轻在大气低层污染程度。可是，在某些特定条件下，比如上述的一场冷空气过后，却会出现气温随高度增加而升高的现象，导致空气“脚重头轻”，大气科学中称这种现象叫“逆温”。发生逆温的大气层叫“逆温层”。逆温层的厚度可从几十米到几百米，它就像一层厚厚的被子盖在地面上空，空气不能向上扩散，“无路可走”又向下蔓延，从而加重了大气污染。美国美丽的滨海城市洛杉矶，却被人们称为美国的“烟雾城”，这是因为每年从８月到10月，洛杉矶有60天左右笼罩在烟雾之中。1943年９月８日，洛杉矶城区被烟雾笼罩了整整一天，使上千人中毒，最后有400多人死亡，一夜之间，草木枯黄，使当时的洛杉矶失去了优美的环境。调查表明，是日益增多的现代化交通工具-汽车排放的尾气形成了这种烟雾。另外，还由于洛杉矶上空，一年中约有三百天出现逆温，使这种烟雾形成之后，常常积聚不散。震惊一时的伦敦烟雾事件，与出现逆温有关。在1952年12月５日至９日这几天里，由于冷空气过后，使得接近地面的空气温度
第三章大气污染气象学 讲授2学时 教学要求 要求了解与大气污染相关的气象学基本知识， 理解和掌握大气圈的结构、主要气象要素、大气稳定度和逆温的概念。 教学重点 掌握大气层结构及大气的热力过程。 教学难点 大气的热力过程、大气稳定度和逆温。 教学内容： §3-1大气圈结构及气象要素 §3-2大气的热力过程 §3-3大气的运动和风 污染物排入大气后是否引起严重大气污染除取决于污染物的排入量外与污染物在大气中的扩散稀释速度关系极大。各区域常常进行环境监测，测定各污染物的情况，我们会发现在同天大气监测值差别很大。而统一污染源不可能差别很大，有时监测值会几百倍，造成这种现象的原因是与污染物的传输扩散与气象条件有着密切的关系。近年来，在研究各种气象条件对大气污染物的传输扩散作用和大气污染物质对天气和气候的影响条件中逐渐形成了一门新的分支学科——大气污染气象学。本章只讨论气象条件对大气污染物的传输扩散作用，初步掌握厂址选择和烟囱设计中的一些问题，为进一步学习污染气象学知识打下基础。 §3-1 概述
一．低层大气的成分：干洁空气、水汽、气溶胶粒子。 二．大气的垂直结构 三．影响大气污染的主要气象要素 气象要素（因子）：表示大气状态和物理现象的物理量在气象上称之。气象要素的数值是直接观测获得的，主要有：气温、气湿、气压、风向、风速、云况、能见度、降水、蒸发、日照时数、太阳辐射、地面辐射、大气辐射等，下面分别介绍几个： 1. 气温：空气湿度是反映空气中水汽含量和空气潮湿程度的一个物理量，常用的表示方法有：绝对湿度、水蒸气压力、体积百分比、含湿量、相对湿度、露点等。 2.风 a)定义：什么是风？空气水平方向的流动叫风。 b)形成：风主要由于气压的水平分布不均匀而引起的，而气压的水平分布不均是由湿度 分布不均造成。 风的特性用风向与风速表示，它是一向量。 由于温度分布不均而形成的风 从图a看出地面AB上，t1 = t2 ,水平方向上的温度和气压到处相等，AB上空各高度在水平方向上的T、P也到处相等，则等压（各处气都相等的面）与地面平行，此时大气静止状（无风）。 B来看，A、B两地受热不均，A地气温高于B地（t1>t2），A地的空气因受热膨胀上升而使等压面抬高，因而在A地上空各高度上的气压比B地上空间高度要高，造成等压面自A 地的气压必高于B地的气压，在水平气压梯度力的作用下，空气自A地某高度流向B地。C来看，由于b空气流动的结果，B地上空因空气流入造成堆积而使质量增加，地面气压升高。A地上空空气质量减少，地面气压下降，于是地面上产生了自B地指向A地的水平气
气象服务先进个人事迹 篇一：气象局先进工作人员个人事迹 气象局先进工作人员个人事迹 面包车在藏北高原的公路上飞快地行驶，我们的目的地是那曲地区气象局，这次不仅要了解那曲气象事业的发展变化，还要关注一个人——那曲地区气象局防雷中心主任杨军奇。公路两边的远山上，时不时地见到一些挖虫草的人，但并没有立刻意识到他们与我将要采访的对象有关。 畅谈“雷暴” 来到气象局，很快就见到了杨军奇。这是一个身材高大魁梧、皮肤有些黑的小伙子。哦，其实也不是小伙子了，1968年生人，1988年毕业与兰州气象学校的甘肃汉子。 地处世界屋脊的西藏本来就是雷暴频发区。“那曲就属于雷暴高发区，年平均雷暴日数为85.2天，并且主要集中在5月至8月??”杨军奇一番专业的解读，让我们了解到那曲地区的复杂天气：“冬雷阵阵”是有的，六月飞雪也很常见。这样的气候对于防雷的确是一个严峻的挑战，何况那曲欢迎该存在着一些科技水平、人员素质以及设备配置上的不足呢？我在为他们的工作倍感压力。 “每年都会有采集虫草的群众遭遇雷击，当地老百姓对于防雷知识的缺乏是导致惨剧的重要原因。我们印发了大量图文并茂、汉藏双语的
小册子，很受群众欢迎，宣传效果很好。现在情况好多了??”说起防雷工作，杨军奇的话很多，也表达得非常清楚，很快我们就了解到许多那曲防雷工作的情况，甚至包括众多细节。比如在藏族群众进行雷电防御的一些故事、那曲近年防雷工作的发展情况和问题以及为青藏铁路等防雷所做的重要工作。 漫谈“援藏” 为什么要调进那曲工作呢？ “为什么??”这时候的杨军奇说话变得不那么流利了。“这里有需求，我就来了，援藏，本来定的是3个月，结果一直到11月份才回去??又来了一段时间，10月就调来了??”他的回答一直让我无法准确地表述出他进藏的理由，但我已经明白了许多。 1988年兰州气象学校毕业的杨军奇来到酒泉气象站，一干就是5年，1993年至1998年，他又在位于中蒙边界、满目戈壁的马鬃山气象站干了5年。也许，就是在马鬃山这样的艰苦台站的经历，成就了杨军奇坚毅而果敢的性格。 “那曲的条件虽然很艰苦，但那曲行署领导特别重视并亲自抓防雷，工作很好开展??”一说到防雷，杨军奇的语言有开始流利起来。在那曲，他基本上没有什么高原反应，身体状况也不错。他笑着说：“嗯，还不错，就是有些掉头发。”高原反应给予人的伤害是显著的、长期的，即使再年富力强的人也难以抵挡。 其实，杨军奇调入那曲也费了一些周折。杨军奇自援藏以来，结合那曲实际，开创了许多新的工作领域，加上那曲地区行署十分重视防雷
2012年决策气象服务方案 为进一步规范决策气象服务流程，改进决策气象服务质量，提高决策气象服务的针对性、敏感性、综合性和时效性，全力做好2010年决策气象服务工作，特制定本方案。 一、决策气象服务产品 决策气象服务产品主要包括《重要天气预报》、《重要气象信息》、《专题气象服务》、《领导专报》、文件、手机短信等，服务对象为县委、县政府、县人大、县政协和人武部以及防汛抗旱指挥部、森林防火指挥部、农业局、救灾办等有关部门。 表1：决策气象服务产品表 二、2012年决策气象关注重点 1. 2012年分月关注要点
二月 三月 四月
五月 六月 七月
八月 九月 十月
十一月 十二月 2.新县分月天气气候特点、主要气象灾害、农事活动和社会活动
3、定期服务内容 （1）5月21日-6月20日，“三夏”专题服务材料，二级服务范围 （2）9月21日-10月20日，“三秋”专题服务材料，二级服务范围 （3）汛期早 8点，24小时雨情资料服务，二级服务范围 （4）5月30日、9月29日分别发布两个黄金周预报服务 （5）12月～2月，春运专题气象服务。 4.分级服务范围 （1）一级服务范围为情况异常紧急情形：县委常委成员、县委办、县政府办；县政府县长及相关副县长、应急办；县人大主任、副主任、办公室，县政协主席、副主席、办公室。传真：县防汛办、森防办、水利局、安监局、公安局、教体局、广电局（电视台）、公安交警大队、财政局、救灾办、农业局、交通局等有关部门（2）二级服务范围为情况重要情形：县委办、县政府办、应急办，县安监局、教体局、广电局（电视台）、公安交警大队、农业局、交通局，有关局(办)。 （3）三级服务范围为一般情况：县委办、县政府办、应急办，县安监局、教体局、广电局（电视台）、公安交警大队、农业局，有关局(办)。 三、决策气象服务流程
天气预报等级用语业务规定实施细则（试行） 为规范公众天气预报等级用语，科学发布天气预报、警报和预警信号，依照中国气象局预测减灾司《天气预报等级用语业务规定（试行）》的要求，特制定本实施细则。 一、总则 1．根据天气过程或系统的逼近时间和影响强度，预报等级用语一般依次为预报、警报和预警信号。预警信号是警报的一种表现形式，是最高级别的警报。只有热带气旋和大风降温预报可以发布“消息”。 2．无论是预报、警报还是预警信号，都应明确预报名称、发布单位和发布时间；天气过程或系统影响区域、出现时段、强度、可能造成的影响及防御提示等。 3．本规定给出了热带气旋、暴雨、高温、寒潮、大雾、雷雨大风、大风、冰雹、雪灾、道路结冰、霜冻、灰霾、城市内涝、地质灾害、森林高火险、城市高火险等十六类天气预报等级用语。文中规定的预报时效一般是指最长预报时效，各级气象台可根据对每次天气过程的预报能力，确定预报发布的时间和等级用语。 4．天气预报等级用语是根据目前的预报能力确定的。随着预报能力的提高，需要滚动修正。 二、热带气旋预报等级用语 分消息、预报、警报、紧急警报和预警信号五级。 1．消息：编号热带气旋远离或尚未影响到预报责任区时，根据需要可以发布消息，报道编号热带气旋的情况，解除警报时也可以用消息方式发布。 2．预报：预计编号热带气旋在未来72小时内将影响本责任区的沿海地区发布预报。 3．警报：预计编号热带气旋在未来48小时内将影响本责任区的沿海地区或登陆时发布警报。 4．紧急警报：预计编号热带气旋在未来24小时内将影响本责任区的沿海地区或登陆时发布紧急警报。 5．台风预警信号：根据逼近时间和强度分四级，分别以蓝色、黄色、橙色和红色表示。关于预警信号的规定，详见中国气象局《突发气象灾害预警信号发布试行办法》（附件2），下同。 —1 —
1 引言 本标准从2006年3月开始编制，在广泛征求有关单位从事天气、气候、农业气象、人工影响天气、预报服务等方面专家意见，并经全国气象防灾减灾标准化技术委员会（SAC/TC 345）组织专家审查会审查通过后，于2011年12月30日经国家标准化管理委员会批准发布，2012年3月1日起正式实施。该标准的实施，对于进一步规范气象服务用语、提高气象服务效益、满足经济社会对气象服务的需求具有重要作用和意义。 2 标准编制的目的和依据 2.1 标准编制的目的 气象服务是我国气象现代化建设和气象事业发展的重要内容，随着我国社会经济的快速发展，气象与国民经济建设、工农业生产、防灾减灾趋利避害以及公众日常生活等之间的关系越来越密切。为满足社会经济发展和公众生活水平提高对气象服务日益增长的需求，各级气象部门及有关行业台站把气象服务作为重中之重，切实加强面向民生、面向生产、面向决策的气象服务工作，不断扩展和延伸服务面，服务对象涉及党政部门、广大公众以及工业、农业、交通、林业、牧业、水利、环保、电力等各行各业。由于不同的服务对象具有不同的服务需求，使气象服务种类随之不断增多，为规范气象部门和涉及相应气象业务的其他行业部门的气象服务类别，更好地开展气象服务工作，特制定本标准供参照使用。 2.2 标准编制的基本依据 在标准编制过程中，编制组参考了《中华人民共和国气象法》、2001年1月由马鹤年主编的《气象服务学基础》、2004年1月气象出版社出版的《中国气象事业发展战略研究》、2008年9月26日第五次全国气象服务工作会议主报告《坚持需求牵引，推进改革创新，努力开创公共气象服务工作的新局面》、2009年2月中国气象局下发的《公共气象服务业务发展指导意见》等法律法规、中国气象局有关业务文件及相关文献资料。 3 标准编制的基本原则 本标准编制过程中遵循了以下基本原则： （1）科学性。编制本标准的目的是统一和规范目前我国开展的气象服务类别，使气象服务工作的开展更加规范化、标准化、科学化。因此在编制过程中，按照我国相关法律法规的规定，通过客观、科学、合理的总结和分析、归纳，对目前气象工作中较为规范的气象服务种类进行了阐述和定义，注重每一条款的科学性。
污染物扩散与各种气象的关系 污染物从污染源排放到大气中,只就是一系列复杂过程的开始,污染物在大气中的迁移、扩散就是这些复杂过程的重要方面。大气污染物在迁移、扩散过程中对生态环境产生影响与危害。因此,大气污染物的迁移、扩散规律为人们所关注。 一、影响大气污染的气象因子 大气污染物的行为都就是发生在千变万化的大气中,大气的性状在很大程度上影响污染物的时空分布,世界上一些著名大气污染事件都就是在特定气象条件下发生的。影响大气污染的气象因素最重要的就是流场与温度层结。 (一)风与大气湍流的影响 污染物在大气中的扩散取决于三个因素。风可使污染物向下风向扩散,湍流可使污染物向各方向扩散,浓度梯度可使污染物发生质量扩散,其中风与湍流起主导作用。湍流具有极强的扩散能力,它比分子扩散快105～10６倍,风速越大,湍流越强,污染物的扩散速度就越快,污染物浓度就越低。在自由大气中的乱流及其效应通常极微弱,污染物很少到达这里。 根据湍流形成的原因可分为两种湍流,一种就是动力湍流,它起因于有规律水平运动的气流遇到起伏不平的地形扰动所产生,它们主要取决于风速梯度与地面粗糙等;另一种就是热力湍流,它起因于地表面温度与地表面附近的温度不均一,近地面空气受热膨胀而上升,随之上面的冷空气下降,从而形成垂直运动。它们有时以动力湍流为主,有时动力湍流与热力湍流共存,且主次难分。这些都就是使大气中污染物迁移的主要原因。 (二)温度层结与大气稳定度 1. 大气温度层结 由于地球旋转作用以及距地面不同高度的各层次大气对太阳辐射吸收程度上的差异,使得描述大气状态的温度、密度等气象要素在垂直方向上呈不均匀的分布。人们通常把静大气的温度与密度在垂直方向
天气预报等级用语业务规定 （试行） 为规范公众天气预报等级用语，科学发布天气预报、警报和预警信号，特制定本业务规定。 一、总则 1、根据天气过程或系统的逼近时间和影响强度，预报等级用语一般依次为预报、警报和预警信号。预警信号是警报的一种表现形式，是最高级别的警报。只有热带气旋和大风降温预报可以发布“消息”。 2、无论是预报、警报还是预警信号，都应明确预报名称、发布单位和发布时间；天气过程或系统影响区域、出现时段、强度、可能造成的影响及防御提示等。 3、本规定给出了热带气旋、暴雨、高温、寒潮、大雾、雷雨大风、大风、沙尘暴、冰雹、雪灾、道路结冰、霜冻、灰霾、城市内涝、地质灾害、森林（草原）高火险、城市高火险等十七类天气预报等级用语。文中规定的预报时效一般是指最长预报时效，各级气象台站可根据对每次天气过程的预报能力，确定预报发布的时间和等级用语。 4、其它种类的天气预报等级用语由各省（区、市）气象局根据实际情况制定，报中国气象局预测减灾司备案。 5、天气预报等级用语是根据目前的预报能力确定的。随着预报能力的提高，需要滚动修正。 二、热带气旋预报等级用语 分消息、预报、警报、紧急警报和预警信号五级。 1、消息：编号热带气旋远离或尚未影响到预报责任区时，根据需要可以发布消息，报道编号热带气旋的情况，解除警报时也可以用消息方式发布。 2、预报：预计编号热带气旋在未来72小时内将影响本责任区的沿海地区发布预报。 3、警报：预计编号热带气旋在未来48小时内将影响本责任区的沿海地区或登陆时发布警报。 4、紧急警报：预计编号热带气旋在未来24小时内将影响本责任区的沿海地区或登陆时发布紧急警报。 5、台风预警信号：根据逼近时间和强度分四级，分别以蓝色、黄色、橙色和红色表示。详见《突发气象灾害预警信号发布试行办法》（气发[2004]206号），下同。 三、暴雨预报等级用语 分暴雨预报、暴雨警报、暴雨预警信号三级。 1、暴雨预报：预计未来48小时或24小时责任区内将有暴雨发生，对国民经济和人民生活将造成一定影响，可发布“暴雨预报”。如果影响较小，则不用“暴雨预报”术语。 2、暴雨警报：预计未来12小时（有把握时也可以提前24小时）责任区内将有暴雨发生，对国民经济、人民生命财产安全和生活有较大影响，可发布“暴雨警报”。如果影响不大，则用“暴雨预报”术语。 3、暴雨预警信号：分三级，分别以黄色、橙色、红色表示。 西北和青藏高原地区的省级气象主管机构，可根据实际情况制定暴雨预报、警报标准，报中国气象局预测减灾司审批。 四、高温预报等级用语 分高温预报、高温警报、高温预警信号三级。 1、高温预报：预计未来48小时责任区内将有高温天气发生。 2、高温警报：预计未来24小时责任区内将有高温天气发生。 高温标准由省级气象主管机构根据本省（区、市）实际情况确定，报中国气象局预测减灾司审批。 3、高温预警信号：分二级，分别以橙色、红色表示。 五、寒潮预报等级用语 分大风降温消息、寒潮预报、寒潮警报、强寒潮警报、寒潮预警信号五级。 1、大风降温消息：预计未来72小时责任区内最低气温下降8℃以上，最低气温≤4℃。陆上平均风力5-7级（海区平均风力7级以上）。 2、寒潮预报：预计未来48小时责任区内最低气温下降8℃以上，最低气温≤4℃。陆上平均风力5-7级（海区平均风力7级以上）。 3、寒潮警报：预计未来48小时责任区内最低气温下降10℃以上，最低气温为≤4℃。陆上平均风力5-7级（海区平均风力7级以上）。 4、强寒潮警报：预计未来48小时责任区内最低气温下降14℃以上，最低气温≤4℃。陆上平均风力5-7级（海区平均风力7级以上）。 5、寒潮预警信号：分三级，分别以蓝色、黄色、橙色表示。
大气污染气象学
第三章大气污染气象学 讲授2学时 教学要求 要求了解和大气污染关联的气象学基本知识， 理解和掌握大气圈的结构、主要气象要素、大气稳定度和逆温的概念。 教学重点 掌握大气层结构及大气的热力过程。 教学难点 大气的热力过程、大气稳定度和逆温。 教学内容： §3-1大气圈结构及气象要素 §3-2大气的热力过程 §3-3大气的运动和风 污染物排入大气后是否引起严重大气污染除取决于污染物的排入量外和污染物于大气中的扩散稀释速度关系极大。各区域常常进行环境监测，测定各污染物的情况，我们会发当下同天大气监测值差别很大。而统壹污染源不可能差别很大，有时监测值会几百倍，造成这种现象的原因是和污染物的传输扩散和气象条件有着密切的关系。近年来，于研究各种气象条件对大气污染物的传输扩散作用和大气污染物质对天气和气候的影响条件中逐渐形成了壹门新的分支学科——大气污染气象学。本章只讨论气象条件对大气污染物的传输扩散作用，初步掌握厂址选择和烟囱设计中的壹些问题，为进壹步学习污染气象学知识打下基础。 §3-1概述 一．低层大气的成分：干洁空气、水汽、气溶胶粒子。 二．大气的垂直结构
三．影响大气污染的主要气象要素 气象要素（因子）：表示大气状态和物理现象的物理量于气象上称之。气象要素的数值是直接观测获得的，主要有：气温、气湿、气压、风向、风速、云况、能见度、降水、蒸发、日照时数、太阳辐射、地面辐射、大气辐射等，下面分别介绍几个： 1.气温：空气湿度是反映空气中水汽含量和空气潮湿程度的壹个物理量，常用的表示方法有：绝对湿度、水蒸气压力、体积百分比、含湿量、相对湿度、露点等。 2.风 a)定义：什么是风？空气水平方向的流动叫风。 b)形成：风主要由于气压的水平分布不均匀而引起的，而气压的水平分布不均是由湿度 分布不均造成。 风的特性用风向和风速表示，它是壹向量。 由于温度分布不均而形成的风 从图a见出地面AB上，t1=t2,水平方向上的温度和气压到处相等，AB上空各高度于水平方向上的T、P也到处相等，则等压（各处气均相等的面）和地面平行，此时大气静止状（无风）。 B来见，A、B俩地受热不均，A地气温高于B地（t1>t2），A地的空气因受热膨胀上升而使等压面抬高，因而于A地上空各高度上的气压比B地上空间高度要高，造成等压面自A地的气压必高于B地的气压，于水平气压梯度力的作用下，空气自A地某高度流向B地。 C来见，由于b空气流动的结果，B地上空因空气流入造成堆积而使质量增加，地面气压升高。A地上空空气质量减少，地面气压下降，于是地面上产生了自B地指向A地的水平气压梯度，因此空气自B地流向A地这样形成了高空自A地流向B地，地面自B地流向A地的空气环流。
气象服务业务流程 在常规天气预报产品的基础上，根据不同部门、不同行业、不同用户对气象条件的特殊要求，通过服务系统，加工制作各类专业预报。同时，将常规天气预报、专业预报及指导预报，通过各种媒体，分类向政府部门、社会公众、专业用户发布。气象服务流程如下： 1、决策气象服务 （1）了解天气背景和常规天气预报，明确当前决策气象服务重点。 （2）1-2月春运服务期间，定期发布长期趋势预测和中期天气预报，出现大雾、大雪、冰冻、大风、寒潮、强对流天气时，及时发布补充短期预报，并提出合理化的防御工作建议。 （3）3-4月做好倒春寒、春季连阴雨、低温、春季强对流等天气的预报服务，抓住“冷尾暖头”的最佳适播期，及时发布春播期预报。 （4）5月份重点做好降水天气过程和强对流天气的预报服务。做好汛期气象服务的动员准备工作。定时向市防汛抗旱指挥部等领导部门发送长、中、短期天气预报，天气简报和天气气候分析材料。 （5）6月1日启动决策服务系统，6-7月间做好梅雨期预报和防汛抗灾决策服务是服务重点。定时向市防汛抗旱指挥部等领导部门发送长、中、短期天气预报，天气简报和天气气候分析材料。有重大天气过程时，发布重要天气预报和专题气象服务。 （6）7—8月份的高温酷热容易使人产生中暑，高温预测是服务的重点。 （7）9-10月鄂西北多雨易引发汉江秋汛。做好汉江秋汛服务是这段时间的服务重点。 （8）11-12月做好冬季冷空气、寒潮预报服务。 （9）收集气象服务效益和意见，总结分析服务情况。 2、公众气象服务 （1）每日通过天门广播电台、天门电视台、天门日报、天门兴农网等媒体发布气象公告、天气预报，为社会公众服务。 （2）每日06、11、16时将最新的天气预报和各类专项预报，通过“121”天气预报答询电话向公众发布；每日06时30分和16时30分通过气象短信编辑平台将天气预报发送到武汉专业气象台为手机用户服务。 （3）遇重大灾害性天气过程时，通过以上途径不定时向社会发布重要天气消息。 （4）答复公众的天气咨询。 3、专业气象服务 （1）了解各类用户对气象条件的要求。 （2）熟悉前72小时专业预报意见。 （3）分析常规天气资料和预报，在服务系统上制作各类专业预报；并分析用户特殊要求修改订正专业、专项预报。
第一作者:廉丽姝,女,1963年生,博士,副教授,主要从事气候变化及大气环境研究。 *国家自然科学基金资助项目(No.40671176;上海市基础重点研究项目(No.08JC 1408500;山东省自然科学基金资助项目(No.ZR2010DM 011。 城市大气污染特征及其与气象因子的关系 * 以济南、青岛市为例 廉丽姝1 高军靖2 束炯3 (1.曲阜师范大学地理与旅游学院,山东曲阜273165;2.中国环境科学研究院生态环境研究所,北京100012; 3.华东师范大学地理信息科学教育部重点实验室,气候与大气环境研究所,上海200062 摘要根据2001年1月1日至2009年12月31日济南、青岛的空气污染指数(API日报资料,运用统计分析的方法,对2市 的API 月、季变化特征与年际变化趋势等进行了分析,并进一步探讨了API 与各气象因子的相关关系。研究结果表明:(1青岛空气质量总体上优于济南;(2济南、青岛具有明显而相似的API 月、季变化特征,具体表现为7、8月API 最低,1、3、12月API 相对最高,API 季节变化特征说明2市冬季空气质量最差,其次是春季和秋季,夏季空气质量最好;(3总体来说,济南、青岛API 年均值呈下降趋势,即空气质量在逐渐改善;(4不同季节影响空气质量的气象因子并不相同,其中起主要作用气象因子为气温、风速和相对湿度。 关键词大气污染特征空气污染指数气象因子
Urban air pollution feature and its relationship with meteorologic factors a case study of Jinan and Qingdao LI A N L is hu 1,GA O J unj ing 2,SH U J io ng 3.(1.S chool of Geog rap hy and T our is m,Quf u N or mal Univ er sity ,Quf u Shandong 273165;2.I nstitute of E cology ,Chinese Resear ch A cademy of Envir onmental Science,Beij ing 100012;3.K ey L abor ator y of Geogr ap hical I nf or mation Science ,M inistr y of Education,I ns titute of Climate and A tmos p her ic Envir onment ,E ast China N ormal Univer sity ,S hang hai 200062 Abstract: Based on air pollution index (A PIof Jinan,Q ingdao dur ing the per iod of 2001 01 01to 2009 12 31,the mo nt hly,seaso nally var iatio n character istics and annual v ariat ion tendency of A P I in Jinan and Q ingdao w as ana lyzed by the statist ical analy sis met ho d.Further more,the po ssible meteoro lo gic facto rs that affacting A PI wer e also analyzed.Statistic r esult s show ed that the air qualit y in Q ingdao was better than Jinan,t he mounthly and seasonal var iatio n o f A PI in Jinan and Q ing dao are obvious and similar ,and the air qualities w ere best in summer and w or st in winter.In g ener al,the A P I in the tw o cities was decreasing during 2001 2009,that means the air quality w as impro v ing.Results also show ed that the effect of meteor olog ic factor s on air quality was differ ent in different season.T he main met eo ro lo gic facto rs that affectt ing air quality w ere temperatur e,w ind speed and relativ e humidity. Keywords: air po llution feat ur e;air pollution index;meteo ro lo gic facto rs 大气环境直接影响着人体健康,随着我国经济的高速发展、城市化进程的不断加快,能源与交通规 模逐渐扩大,城市人口迅速膨胀,我国城市大气污染日益严重,有关城市大气污染问题越来越受到人们的重视。宋艳玲等[1] 对2000 2002年北京市大气污染物SO 2、NO 2、PM 10污染特征和同期气象资料进行分析,发现污染物浓度与气象因子之间存在明显的相关性。刘新玲等[2]分析了2000 2004年山东省中西部五城市主要大气污染物SO 2、PM 10、NO 2的季