基于PCT方法的京津冀冬季PM 2.5 重污染天气型分析
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PM2.5日均值大于150 μg·m-3为标准，筛选出72个京津冀地区PM2.5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PM2.5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PM2.5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PM2.5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.
引用本文（GB/T 7714）
陆汇丞, LU Huicheng, 马翠平, 等. 基于PCT方法的京津冀冬季PM 2.5 重污染天气型分析[J]. 未知来源, 2021.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。