文献类型：期刊文章

作　　者：鞠英芹[1] 马德栗[2,3] 杜良敏[2] 黄忠[3]

JU Ying-qin;MA De-li;DU Liang-min;HUANG Zhong(Hubei Province Meteorological Training Center,Wuhan 430074,China;Wuhan Regional Climate Centre,Wuhan 430074,China;Tianmen Meteorological Bureau,Tianmen 431700,Hubei,China)

机构地区：[1]中国气象局气象干部培训学院湖北分院,武汉430074 [2]武汉区域气候中心,武汉430074 [3]天门市气象局,湖北天门431700

出　　处：《湖北农业科学》

基　　金：湖北省气象局科技发展基金青年专项(2019Q05);天门市环境气象业务服务项目(2200506)。

年　　份：2022

卷　　号：61

期　　号：1

起止页码：74-79

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：利用2017年1月1日至2020年5月30日PM_(2.5)、PM_(10)大气颗粒污染物质量浓度逐时监测数据,分析了大气颗粒污染物与气温、降水、相对湿度和风速风向等气象因子的关系。结果表明,PM_(2.5)和PM_(10)颗粒物质量浓度与日平均气温呈先上升后下降的关系,10℃以下颗粒物浓度随着气温的上升而升高,而10℃以上随着气温的逐渐升高,浓度则下降;降水对PM_(2.5)、PM_(10)污染物有明显的清除作用,降水每增加1 mm,浓度分别减少0.72μg/m^(3)和1.22μg/m^(3);相对湿度在30%~70%,PM_(2.5)和PM_(10)质量浓度随相对湿度增大而增加;相对湿度在70%~100%,浓度则随相对湿度增大而减少;PM_(2.5)和PM_(10)质量浓度随着风速的增大而显著下降。比较分析多元非线性回归预测模型、多元线性回归模型和自适应线性神经网络模型的预测能力,PM_(2.5)、PM_(10)逐日质量浓度与当日气温、降水、风速所建立的多元非线性回归模型适合天门市颗粒污染物质量浓度的预测。

关 键 词：PM_(2.5)  PM_(10)  气象条件 多元非线性回归  天门市  

分 类 号：X513]