文献类型：期刊文章

作　　者：陆汇丞[1] 马翠平[2] 赵天良[1] 孟凯[2] 郑小波[3] 李嘉鼎[1] 路佩瑶[1] 刘华英[4]

LU Huicheng;MA Cuiping;ZHAO Tianliang;MENG Kai;ZHENG Xiaobo;LI Jiading;LU Peiyao;LIU Huaying(Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration,Nanjing University of Information Science and Technology,Nanjing 210044;Hebei Provincial Environment Meteorological Center,Shijiazhuang 050021;Guizhou Mountain Environment and Climate Research Institute,Guiyang 550002;Changwang School of Honor,Nanjing University of Information Science and Technology,Nanjing 210044)

机构地区：[1]南京信息工程大学气象灾害预报预警与评估协同创新中心,中国气象局气溶胶-云-降水重点实验室,南京210044 [2]河北省环境气象中心,石家庄050021 [3]贵州山地环境气候研究所,贵阳550002 [4]南京信息工程大学长望学院,南京210044

出　　处：《环境科学学报》

基　　金：国家自然科学基金(No.41830965,91744209,91644223);江苏省研究生科研与实践创新计划项目(No.SJCX200304)。

年　　份：2021

卷　　号：41

期　　号：3

起止页码：898-904

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、GEOBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：T模态斜交主成分分析法(PCT)分析的天气过程时间尺度越长,该算法的优势越明显,天气分型结果也更完整,可信度越高.利用京津冀地区2014年冬季—2019年冬季(每年12月—翌年2月)的环境监测资料,以区域平均PM_(2.5)日均值大于150μg·m-3为标准,筛选出72个京津冀地区PM_(2.5)重污染日,采用ERA5提供的0.25°×0.25°气象再分析资料,应用PCT算法将72个PM_(2.5)重污染日海平面气压场客观地分为高压前部型、锋前低压型、高压后部型、均压场型和弱低压型5种类型,分别占总PM_(2.5)重污染天数的34.72%、20.83%、16.67%、16.67%和11.11%.另外,对2017年2月12—16日京津冀地区PM_(2.5)重污染过程的分析表明,重污染天气过程中随着逐日天气型的演变,污染物浓度特征、近地面风场和大气污染物污染传输路径均发生相应变化.

关 键 词：PCT算法  京津冀 重污染 天气分型

分 类 号：X16] X51