运城市静稳天气指数的构建及其应用

Construction and Application of Stable Weather Index in Yuncheng

摘要

为了定量描述大气静稳程度和预报空气质量，利用2015—2023年运城市常规气象观测、空气质量、NCEP/NCAR和ERA5全球再分析资料，通过分析重污染天气边界层特征，选择相关气象因子，根据历史样本统计划分阈值范围再分配权重求和的方法，构建运城市静稳天气指数（SWI），经过历史回算检验，分析静稳天气指数与污染天气的对应关系，并运用到空气质量预报中。结果表明：重污染天气过程具有10 m水平风速较小、低层相对湿度较大，边界层高度较低和低层出现逆温等特征。运城市静稳天气指数（SWI）综合水平风速、相对湿度、温度垂直分布、变温和变压等多项指标，可以反映大气对污染物的扩散和输送能力。分时段统计结果显示SWI大值常出现在12和1月，SWI与PM_2.5浓度的相关性较好，指数越大越易出现污染天气， SWI＞5.20可作为重度及以上污染天气出现的指标。依据预报数据计算的SWI值对空气质量预报具有较好的参考价值，在短期和中期时效内表现较好。

Abstract

To quantitatively describe the degree of atmospheric stability and forecast air quality, the Stable Weather Index (SWI) was developed.This was achieved by analyzing the boundary layer characteristics of the heavy pollution weather in Yuncheng, selecting relevant meteorological factors, and weighting summation based on the historical threshold range of sample statistics. The study utilized the conventional meteorological observation, air quality data in Yuncheng, and the global reanalysis data of NCEP/NCAR and ERA5 from 2015 to 2023. The relationship between SWI and pollution events was analyzed through historical backward calculation, and the index was further applied to air quality forecasting. The results show that the heavy pollution weather process is characterized by smaller wind speed at the 10 m level, larger relative humidity at the lower level, lower boundary layer height and temperature inversion at the lower level. The SWI of Yuncheng integrates various indicators such as horizontal wind speed, relative humidity, vertical distribution of temperature, temperature variability, and pressure variability, which can comprehensively reflect the atmosphere's capacity to diffuse and transport pollutants. Temporal statistical results show that high SWI values are most likely to occur in December and January. The SWI correlates well with the PM_2.5 concentration, with higher SWI values indicating a greater likelihood of pollution events. When the SWI exceeds 5.20, it can be used as an indicator of the heavy pollution weather. SWI calculated using the forecast data provides valuable guidance for air quality forecasting, and performs well for the medium- and short- term forecast.

Graphical abstract

关键词

运城市 / 重污染天气 / 静稳天气指数 / 气象因子

Key words

Yuncheng / heavy pollution weather / stable weather index (SWI) / meteorological factors

重污染天气频发，对人类身体健康的影响引发极大的社会关注，区域性的重污染天气波及的空间范围更广，对气候、生态环境和人体健康有深远的影响^[1-2]。汾渭平原是全国空气污染严重的区域之一，其特殊的地形和气象条件是易出现重污染天气的重要原因^[3]。自2018年起，汾渭平原被列为全国大气污染防治重点区域^[4]。运城地处汾渭平原中心区域，位于吕梁山末端和中条山脉之间，处于盆地内，秋、冬季重污染问题尤为严重^[5-6]，运城市环境空气质量2021和2022年连续2 a位列后20位。因此，提高运城市重污染天气预报的准确率对大气污染治理具有重要意义。

地面风速风向、湿度和气温等气象要素以及高空环流形势、边界层高度等都是重污染天气形成的重要条件，重污染过程与低风速、高湿度和低能见度以及稳定层结、弱湍流的维持紧密相关^[7-11]，即高低空天气形势静稳，大气层结稳定，会导致气溶胶、水汽在近地层积累，利于形成重污染天气^[12-18]。在环境气象预报中，预报员对空气污染的预报主要是通过对多种气象要素进行主观定性分析，缺乏客观性，因此建立综合指数定量描述气象条件，对研究治理空气污染十分必要。国内学者开展了大量的综合指数研究工作，杨元琴等^[19]选取敏感气象要素，建立空气质量气象条件参数预报模型，对北京局地污染气象条件进行客观定量诊断和预测，模型可以反映气象条件对空气污染的作用，但由于地理位置差异，模型在本地化环境气象业务中应用有难度。张恒德等^[20]挑选大气污染的气象要素及其阈值条件，运用各气象要素值落在不同区间条件下雾—霾天气出现概率相比气候态概率的倍数作为各要素区间对应的分指数方法，改进了静稳天气指数，可以在重污染天气预报和重大活动减排措施评估中得到有效应用，指出改进的静稳天气指数方法导致不同城市的静稳天气指数采用不同的气象要素、阈值和权重，区域不同城市的静稳指数没有直接的可比性，因此不同地域的学者运用同样的方法选取不同的气象要素，划分不同的阈值和分配权重，分别构建本地的静稳天气指数，在运用中取得良好的效果^[21-23]。运城市地形复杂，空气污染成因与其他城市有很大不同，本文分析运城市重污染天气边界层特征，选取相关气象因子，借鉴已有成果^[20]，通过统计划分阈值范围并分配权重求和的方法构建本地静稳天气指数，使其能定量描述大气静稳程度，并方便应用于环境气象预报业务中，以期为大气污染治理提供科学依据。

1 资料与方法

1.1 数据来源

气象资料来自运城市气象局2015—2023年运城市逐日常规地面观测资料，包括10 m风场、2 m相对湿度、2 m温度、海平面气压场。高空资料采用NCEP/NCAR全球2.5°×2.5°每日4次的再分析资料以及欧洲中心ERA5 0.25°×0.25°逐小时再分析资料中的温度场、边界层高度（Boundary Layer Height，BLH）等数据。模式预报资料采用欧洲中期天气预报中心（ECMWF）的全球数值模式细网格预报数据。

空气质量数据来源于中国空气质量在线分析平台提供的历史资料查询，采用运城市中心城区（地区技校、禹都公园、水利职院、空港新区和运城中学5个国控站点）环境监测数据表示运城市中心城区的空气状况，包括空气质量指数（AQI）、PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃等要素的小时均值数据。

1.2 研究方法

1.2.1 静稳天气指数构建

（1）分析运城市重污染天气的边界层特征，依据重污染天气过程中气象要素与污染物浓度的相关性，挑选显著相关的气象因子；

（2）统计污染天气中各气象因子的出现频率，确定各气象因子的阈值范围，再依据各气象因子在不同阈值范围内对静稳天气形成作用的大小分配权重；

（3）将所有气象因子对应的相应阈值范围内的权重求和，得到静稳天气指数（Stable Weather Index，SWI）：

S_{\mathrm{W}\mathrm{I}}={\displaystyle \sum _{i=\mathrm{1}}^n}{W}_i。（1）

式中：S_WI为静稳天气指数SWI值，n为静稳天气相关气象因子个数，W_i 为各气象因子在不同阈值范围内的权重。

1.2.2 分指数计算

静稳天气分指数为每个气象因子在不同阈值范围的权重。采用污染天气出现概率相比气候态概率的倍数作为各因子在不同区间内对应的分指数，值越大，表明污染天气出现的概率越高。分指数计算方法如下：

K_in =\frac{\frac{a_{in}}{a_{in}+b_{in}}}{\frac{a}{a+b}}。（2）

式中：k_in 为变量i在区间n的分指数，a_in 和b_in 分别为变量i在区间n的条件下污染天气和晴好天气出现次数，a和b分别为污染天气和晴好天气出现总次数。张恒德等^[20]在研究中发现，利用分指数可以更好地描述静稳天气程度对污染物累积的作用，分指数>1，即雾—霾天气出现概率高于气候态概率，分指数越大，意味着雾—霾天气出现概率逐步增大，静稳指数与PM_2.5浓度相关性更好。

1.2.3 再分析数据检验

温度随高度的变化情况可以判断近地面层是否出现逆温，逆温是形成重污染天气的重要因素。运城市无探空站点，利用运城市附近的探空站点泾河站的探空实况对NCEP/NCAR和ERA5全球再分析资料进行检验，图1中温度随高度变化情况显示，NCEP/NCAR和ERA5再分析资料均反映出近地层1 000～850 hPa出现逆温，与探空实况曲线变化趋势一致，因此NCEP/NCAR和ERA5全球再分析资料可用。

2 静稳天气指数构建

2.1 污染天气界定

依据《环境空气质量指数（AQI）技术规定（试行）》（HJ 633-2012）标准^[24]，空气质量指数0～50，空气质量为优，51～100为良，101～150为轻度污染，151～200为中度污染，201～300为重度污染，指数>300为严重污染。

2.2 气象因子挑选

2015年1月—2022年12月运城市重污染天气日数为129 d，2016年12月重污染天气日数达11 d，分别出现在12月7—8、13—15、17—20和30—31日，为重污染天气日数最多的月份，因此选择2016年12月作为代表月份分析重污染天气边界层特征。

2016年12月空气质量指数与各污染物质量浓度的相关性（图2）显示，PM_2.5、PM₁₀、NO₂和SO₂的浓度变化与AQI的变化趋势一致，呈正相关，O₃浓度变化与AQI呈明显反相位，其中PM_2.5和PM₁₀浓度的变化对AQI的影响最为显著，相关系数分别为0.996和0.994，均通过0.01的显著性检验。PM_2.5与PM₁₀相比，具有粒径小，在大气中停留的时间长，输送距离远，影响范围广的特点，表现出明显的区域性污染传输特征。

静稳天气指大气层结稳定，不利于污染物扩散的天气，通常考虑近地面层的风速、温度和湿度等物理要素。风速是影响污染物随大气扩散分布的核心因子，风速较小时不利于大气污染物的输送和稀释，是形成静稳天气的重要气象要素。从PM_2.5浓度与10 m水平风速的变化趋势（图3）可知，二者基本呈相反的变化趋势，即风速较大时，PM_2.5浓度较小，风速较小时，PM_2.5浓度增大，重污染天气发生时10 m水平风速均＜2 m/s，对大气污染物的水平输送、扩散、稀释不利，污染发生概率高。

低层逆温是污染天气发生的重要条件。运城市2016年12月18和31日空气质量达到严重污染，根据NCEP/NCAR再分析资料计算850 hPa以下逆温出现情况，图4a、b显示18日8时和31日8时850~925 hPa均出现了逆温，31日的逆温强度＞5 ℃，逆温强度较强（图4d），逆温层可以抑制空气的垂直交换，造成水汽和气溶胶在逆温层下聚集，加重污染物的累积。

边界层高度和相对湿度是影响重污染天气的敏感要素，2016年12月重污染过程的边界层高度均低于1 km，较低的边界层高度表示大气污染物在垂直方向不易扩散，大气污染物积压在近地面层，导致低层污染物浓度升高。湿度较大利于污染物吸湿增长，2016年12月18和31日重污染天气发生时，均出现高层相对湿度低和近地层相对湿度较高的上干下湿层结，高空干导致天空晴朗，利于夜间辐射降温形成逆温，低层湿度大，利于污染物积累，形成重污染天气。

重污染天气过程中24 h变温和24 h变压均较弱，即无强冷空气和大风等天气影响，稳定的天气形势下易形成重污染天气。

综合重污染过程边界层特征分析，结合预报经验，选取5个物理意义明确又便于获取的气象要素计算静稳天气指数，分别为日平均10 m水平风速、2 m相对湿度、850～1 000 hPa温度差、24 h变压、24 h变温。

2.3 气象因子阈值的确定

静稳天气形势利于形成污染天气，静稳天气程度与污染天气频率呈正比。对不同区间的气象要素用污染天气出现的概率分配权重表示其对静稳天气影响的大小。

运城市各污染物质量浓度月变化显示除O₃外各污染物在秋、冬季的11、12、1、2月达到高值，夏季达到低值^[6]，因此选择秋冬季的11、12、1、2月进行分析。统计分析2015—2022年秋、冬季所有污染天气日中5种气象要素在不同阈值范围内的分布频率，将气象要素频率分布集中的阈值范围平均划分成多段，将频率不集中的阈值范围划分为一段，剔除极端值影响，保证各区间有充分的样本分布（表1）。

2.4 气象因子权重的确定

利用2015—2022年秋冬季地面观测、污染物浓度及NCEP/NCAR再分析资料，采用分指数计算方法得到运城市影响静稳天气的5个气象因子在不同阈值范围区间内对应的分指数（表1），其中10 m水平风速划分为5个区间范围，分指数大小与水平风速变化呈负相关，当水平风速<1 m/s，分指数最大，为1.72，表示最有利于静稳天气出现。2 m相对湿度划分为7个阈值范围，从每个阈值范围对应的分指数可知，对污染天气影响较大的相对湿度范围为50%~80%，分指数均超过1.1，贡献最小的相对湿度范围是<40%，其次是≥90%，相对湿度高于90%可能与降水有关。从24 h变温和变压的分指数可知，污染天气的出现对应正变温和负变压。

2.5 计算静稳天气指数

运城市静稳天气各气象因子对应的分指数见表1，环境气象预报业务中，根据某一时段内气象要素预报或实况值，查找相同时间内5个气象因子在不同阈值范围内所对应的分指数并求和，即可得到静稳天气指数的预报或实况值。

3 静稳天气指数的检验与应用

对2015—2022年秋、冬季的1、2、11和12月的日静稳天气指数进行回算检验，结果显示，静稳天气指数能较好地反映气象要素对空气质量的影响，静稳天气指数越大，大气静稳程度越高，发生或维持大气污染的可能性越高。利用ECMWF模式资料计算静稳天气指数对2023年1月1—9日的重污染天气进行预报检验，准确率较高，表明静稳天气指数可应用于大气污染过程的预报。

3.1 静稳天气指数检验

根据污染天气界定方法将2015—2022年秋、冬季的空气质量分为6级，统计不同级别空气质量的天数，分别计算不同级别日的SWI值，得到表2。秋、冬季SWI平均值显示从轻度污染到严重污染的SWI平均值是逐步递增的，SWI越大越容易出现污染天气，SWI能较好地指示空气质量的优劣。秋、冬季轻度污染的SWI平均值为5.04，SWI＜5.04时以优良天气为主，SWI＞5.04时以污染天气为主。出现重度及以上的污染天气时SWI平均值＞5.20，因此取5.20作为SWI阈值划分界限，即当SWI＞5.20时更容易出现重度及以上的污染天气。SWI大值容易出现在12和1月，出现重度污染及以上天气的概率高达20.6%和24.2%。

用静稳天气指数和空气质量指数的相关系数检验静稳天气指数的优劣。由2015—2022年秋冬季的日静稳天气指数与AQI的相关性（图5）可知，AQI随着静稳天气指数的增大而升高，静稳天气指数和AQI分布离散度较小，个别污染天气日离散程度较高，两者的相关系数为0.452，通过0.01的显著性检验。静稳天气指数对重污染天气预报具有较好的指示意义。

由图6可知，静稳天气指数与PM_2.5浓度的变化趋势一致，即静稳天气指数较大时，PM_2.5浓度较高，静稳天气指数降低时，PM_2.5浓度减小，二者的相关系数为0.42，通过0.05的显著性检验，静稳天气指数能较好地指示污染物浓度变化。图6中几次重度及以上污染天气的SWI值均＞5.20，但是12月1—2日和22日的中度污染也表现出SWI＞5.20的情况，即大气条件静稳，但未出现重度污染天气，表明静稳天气仅表征气象条件对大气污染物集聚和扩散作用，污染天气形成与污染排放源紧密相关。

3.2 静稳天气指数预报应用

根据预报业务中常用的ECMWF模式预报的气象要素，运用构建静稳天气指数的方法计算SWI的预报值，对重污染过程进行预报。SWI出现转折变化时，可以提示空气质量的转折变化时间。

2023年1月1—9日，运城市出现一次重污染天气过程，其中1—4日持续重度污染，5日快速上升达到严重污染，6—7日逐渐降低至重度污染和轻度污染（图7a），实况回算SWI和PM_2.5浓度变化趋势一致（图7b），其中2023年1月1—6日持续重度、严重污染期间对应的SWI持续＞5.20，7日 PM_2.5浓度快速下降，对应SWI＜5.20，8和9日持续低于5.20。从ECMWF模式2022年12月31日8时起报的2023年1月1—9日的SWI与实况回算SWI基本一致，其中1—6日SWI持续＞5.20，重污染天气发生可能性较大。但是模式预报8日SWI回落，比实况7日回落滞后一天，可能与实际排放源的变化有关。

运城本地静稳天气指数的预报检验结果显示，利用ECMWF模式细网格数据计算的SWI预报值能较好反映此次重污染过程的变化趋势，但SWI只反映静稳天气条件的变化，在环境气象业务中进行污染天气预报时，还应该结合本地排放源的情况进行综合分析。

4 结论

利用2015—2023年运城市常规气象观测、空气质量、NCEP/NCAR和ERA5全球再分析资料，构建运城市静稳天气指数（SWI），分析其与污染天气对应关系，得到以下结论：

（1）重污染天气过程具有10 m水平风速较小、低层相对湿度较大，边界层高度较低和低层出现逆温等特征。

（2）构建的运城市静稳天气指数（SWI）综合水平风速、相对湿度、温度垂直分布、变温和变压等多项指标，可以综合反映大气条件对污染物的扩散、输送和稀释能力。

（3）SWI与PM_2.5浓度的相关性较好，指数越大越容易出现污染天气，SWI大值最容易出现在冬季的12和1月，SWI＜5.20时不易出现重度及以上污染天气，SWI＞5.20时易发生重度及以上的污染天气。SWI＞5.20可以作为重度及以上污染天气出现的指标。

（4）中短期内依据ECMWF模式预报的气象要素得到的SWI预报值，可以有效地预报污染过程的发展、消散阶段。

参考文献

[1] 胡非,洪钟祥,雷孝恩.大气边界层和大气环境研究进展[J].大气科学,2003,27(4):712-728.

[2] HU Fei, HONG Zhongxiang, LEI Xiaoen.Recent progress of atmospheric boundary layer physics and atmospheric environment research in IAP[J].Chinese Journal of Atmospheric Sciences,2003,27(4):712-728.(in Chinese)

[3] 贺园园,胡非,刘郁珏,等.北京地区一次PM_2.5重污染过程的边界层特征分析[J].气候与环境研究,2019,24(1):61-72.

[4] HE Yuanyuan, HU Fei, LIU Yujue,et al.Boundary layer characteristics during a heavy PM_2.5 pollution process in Beijing[J].Climatic and Environmental Research,2019,24(1):61-72.(in Chinese)

[5] 李雁宇,李杰,杨文夷,等.2018年汾渭平原及其周边地区大气颗粒物的传输特征[J].环境科学学报,2020,40(3):779-791.

[6] LI Yanyu, LI Jie, YANG Wenyi,et al.Transport characteristics of atmospheric particulates in Fenwei Plain and its surrounding regions in 2018[J].Acta Scientiae Circumstantiae,2020,40(3):779-791.(in Chinese)

[7] 解淑艳,霍晓芹,曾凡刚,等.2015—2019年汾渭平原臭氧污染状况分析[J].中国环境监测,2021,37(1):49-57.

[8] XIE Shuyan, HUO Xiaoqin, ZENG Fan’gang,et al.Analysis of ozone pollution in Fenwei Plain from 2015 to 2019[J].Environmental Monitoring in China,2021,37(1):49-57.(in Chinese)

[9] 刘婉莉,闫世明,王雁,等.运城盆地秋冬季PM_2.5传输特征和源区分析[J].沙漠与绿洲气象,2022,16(3):119-126.

[10] LIU Wanli, YAN Shiming, WANG Yan,et al.Transport characteristics of PM_2.5 and potential sources in autumn and winter in Yuncheng Basin[J].Desert and Oasis Meteorology,2022,16(3):119-126.(in Chinese)

[11] 周涛,周青,张勇,等.汾渭平原东部运城市空气污染变化特征及其气象因素影响分析[J].气象科技,2022,50(4):574-583.

[12] ZHOU Tao, ZHOU Qing, ZHANG Yong,et al.Study on characteristics and impact of meteorological conditions on air pollution variation in Yuncheng of eastern Fenwei Plain[J].Meteorological Science and Technology,2022,50(4):574-583.(in Chinese)

[13] 王跃,王莉莉,赵广娜,等.北京冬季PM_2.5重污染时段不同尺度环流形势及边界层结构分析[J].气候与环境研究,2014,19(2):173-184.

[14] WANG Yue, WANG Lili, ZHAO Guangna,et al.Analysis of different-scales circulation patterns and boundary layer structure of PM_2.5 heavy pollutions in Beijing during winter[J].Climatic and Environmental Research,2014,19(2):173-184.(in Chinese)

[15] 吴萍,丁一汇,柳艳菊,等.中国中东部冬季霾日的形成与东亚冬季风和大气湿度的关系[J].气象学报,2016,74(3):352-366.

[16] WU Ping, DING Yihui, LIU Yanju,et al.Influence of the East Asian winter monsoon and atmospheric humidity on the wintertime haze frequency over central-eastern China[J].Acta Meteorologica Sinica,2016,74(3):352-366.(in Chinese)

[17] 周明煜,姚文清,徐祥德,等.北京城市大气边界层低层垂直动力和热力特征及其与污染物浓度关系的研究[J].中国科学D 辑:地球科学,2005,35(S1):20-30.

[18] ZHOU Mingyu, YAO Wenqing, XU Xiangde,et al.A study on the vertical dynamic and thermal characteristics of the lower layer of the atmospheric boundary layer in Beijing and its relationship with the concentration of pollutants[J].Science in China(Ser.D:Earth Sciences),2005,35(S1):20-30.(in Chinese)

[19] 雷孝恩.国外边界层大气污染和湍流扩散的研究活动简介[J].环境科学研究,1977(1):32-34.

[20] LEI Xiaoen.An introduction of research activities on atmospheric pollution and turbulent diffusion in foreign boundary layers[J].Research of Environmental Sciences,1977(1):32-34.(in Chinese)

[21] 邓雪娇,李菲,吴兑,等.广州地区典型清洁与污染过程的大气湍流与物质交换特征[J].中国环境科学,2011,31(9):1424-1430.

[22] DENG Xuejiao, LI Fei, WU Dui,et al.Turbulence and mass exchange characteristics of typical clean and pollution process over Guangzhou region[J].China Environmental Science,2011,31(9):1424-1430.(in Chinese)

[23] 侯梦玲,王宏,赵天良,等.京津冀一次重度雾霾天气能见度及边界层关键气象要素的模拟研究[J].大气科学,2017,41(6):1177-1190.

[24] HOU Mengling, WANG Hong, ZHAO Tianliang,et al.A modeling study of the visibility and PBL key meteorological elements during a heavy fog-haze episode in Beijing-Tianjin-Hebei of China[J].Chinese Journal of Atmospheric Sciences,2017,41(6):1177-1190.(in Chinese)

[25] 桂海林,江琪,康志明,等.2016年冬季北京地区一次重污染天气过程边界层特征[J].中国环境科学,2019,39(7):2739-2747.

[26] GUI Hailin, JIANG Qi, KANG Zhiming,et al.Analysis of boundary layer characteristics of a heavily polluted weather process in Beijing in winter 2016[J].China Environmental Science,2019,39(7):2739-2747.(in Chinese)

[27] 肖致美,徐虹,蔡子颖,等.2020年天津市两次重污染天气污染特征分析[J].环境科学,2020,41(9):3879-3888.

[28] XIAO Zhimei, XU Hong, CAI Ziying,et al.Characterization of two heavy pollution episodes in Tianjin in 2020[J].Environmental Science,2020,41(9):3879-3888.(in Chinese)

[29] 尚可,杨晓亮,张叶,等.河北省边界层气象要素与PM_2.5关系的统计特征[J].环境科学研究,2016,29(3):323-333.

[30] SHANG Ke, YANG Xiaoliang, ZHANG Ye,et al.Statistical analysis of the relationship between meteorological factors and PM_2.5 in the boundary layer over Hebei province[J].Research of Environmental Sciences,2016,29(3):323-333.(in Chinese)

[31] 马艳,黄容,时晓曚,等.青岛冬季PM_2.5持续重污染天气的大气边界层特征[J].环境科学研究,2018,31(1):42-52.

[32] MA Yan, HUANG Rong, SHI Xiaomeng,et al.Characteristics of planetary boundary layer for persistent PM_2.5 heavy pollution in winter in Qingdao city[J].Research of Environmental Sciences,2018,31(1):42-52.(in Chinese)

[33] 蔡子颖,张敏,韩素芹,等.天津重污染天气混合层厚度阈值及应用研究[J].气象,2018,44(7):911-920.

[34] CAI Ziying, ZHANG Min, HAN Suqin,et al.Research on threshold and regularity of mixed layer thickness in heavy pollution weather in Tianjin[J].Meteorological Monthly,2018,44(7):911-920.(in Chinese)

[35] 李明,袁凯,胡柯,等.武汉重污染天气过程触发机制及主要影响因素分析[J].暴雨灾害, 2019,38(6):624-631.

[36] LI Ming, YUAN Kai, HU Ke,et al.Trigger mechanism and main factors of urban heavy pollution processes in Wuhan[J].Torrential Rain and Disasters,2019,38(6):624-631.(in Chinese)

[37] 杨元琴,王继志,侯青,等.北京夏季空气质量的气象指数预报[J].应用气象学报,2009,20(6):649-655.

[38] YANG Yuanqin, WANG Jizhi, HOU Qing,et al.A PLAM index forecast method for air quality of Beijing in summer[J].Journal of Applied Meteorological Science,2009,20(6):649-655.(in Chinese)

[39] 张恒德,张碧辉,吕梦瑶,等.北京地区静稳天气综合指数的初步构建及其在环境气象中的应用[J].气象,2017,43(8):998-1004.

[40] ZHANG Hengde, ZHANG Bihui, Mengyao LÜ,et al.Development and application of stable weather index of Beijing in environmental meteorology[J].Meteorological Monthly,2017,43(8):998-1004.(in Chinese)

[41] 陈懿妮,罗玲,马昊,等.杭州市静稳天气指数构建及应用研究[J].环境科学学报,2020,40(12):4461-4469.

[42] CHEN Yini, LUO Ling, MA Hao,et al.Construction and application of stable weather index in Hangzhou[J].Acta Scientiae Circumstantiae,2020,40(12):4461-4469.(in Chinese)

[43] 李佳,黄毅,程杰,等.荆州静稳天气综合指数构建及预报应用[J].环境科学与技术,2023,46(S1):55-59, 80.

[44] LI Jia, HUANG Yi, CHENG Jie,et al.Construction of static and stable weather comprehensive index in Jingzhou and forecasting application[J].Environmental Science & Technology,2023,46(S1):55-59, 80.(in Chinese)

[45] 张敏,蔡子颖,韩素芹.天津静稳指数建立及在环境气象预报和评估中的应用[J].环境科学学报,2020,40(12):4453-4460.

[46] ZHANG Min, CAI Ziying, HAN Suqin.Establishment of stable weather index of Tianjin and its application in environmental weather forecast and assessment[J].Acta Scientiae Circumstantiae,2020,40(12):4453-4460.(in Chinese)

[47] 环境保护部. 环境空气质量指数(AQI)技术规定(试行):HJ 633-2012 [S].北京:中国环境科学出版社,2016.Ministry of Environmental Protection.Technical Regulation on Ambient Air Quality Index (on trial):HJ 633-2012 [S].Beijing:China Environmental Science Press,2016.(in Chinese)

基金资助

山西省气象局面上项目(SXKMSTQ20226314)

气象条件对运城市生态环境的影响研究创新团队