科学网

 找回密码
  注册

tag 标签: 风向

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

[求助] 电力负荷与相同时期的天气数据
热度 3 zlyang 2018-8-21 13:43
电力负荷与相同时期的天气数据 感兴趣“ 电力负荷值 ”及其同时期的天气资料( 温度 、 风速 、 风向 、 相对湿度 、 降雨量 、 云量 、 气压 、等), 时间分辨率 最好在 15分钟 以内,最好有时间分辨率 5分钟 以内的数据。 地点: 最好沿着冬季风、夏季风的主要路径,如 呼和浩特 、 北京 、 天津 、 大连 、 上海 、 福州 、 广州 、 湛江 等地。 时间尺度 :近年,最好连续 5 年以上。 目的 :研究季风对电力负荷的影响。 2016 第九届“中国电机工程学会杯”全国大学生电工数学建模竞赛,有个连续 3 年多的数据集。哪里能够下载? 相关链接: 2012-09-13, 亚洲季风图片 http://blog.sciencenet.cn/blog-107667-612503.html 李建平老师的 Global surface monsoon distribution,The geographical extent of the global surface monsoons http://ljp.gcess.cn/dct/page/65591 中国电机工程学会电工数学专业委员会, 2016-04-20 ,第九届“中国电机工程学会杯”全国大学生电工数学建模 某地区 2012 年 1 月 1 日至 2015 年 1 月 10 日的电力负荷值(每 15min 采样一次,每日 96 个时刻)和气象因素数据(日最高温度、日最低温度、日平均温度、日相对湿度以及日降雨量)。 感谢您的指教! 感谢您指正以上任何错误! 感谢您提供更多的相关资料!
3567 次阅读|15 个评论
[请教] ECMWF 风速预报误差的具体含义
热度 1 zlyang 2018-7-23 23:45
ECMWF 风速预报误差的具体含义 在 https://www.ecmwf.int/en/forecasts/charts/catalogue/plwww_m_hr_wp_ts?facets=undefinedtime=2018022300parameter=10m%20wind%20speed 里有图片 Verification of the high-resolution forecast of surface parameters Verification of the high-resolution forecast of surface parameters against SYNOP observations. 不太明白什么意思? 敬请赐教的问题在《ECMWF(欧洲中期天气预报中心)的预报误差》。 目前又找到了 Thomas Haiden 先生的报告 《Progress in wind forecasting in the ECMWF model》 http://www.ewea.org/events/workshops/wp-content/uploads/2015/10/EWEA-Wind-Power-Forecasting-2015-Workshop-02-01-Thomas-Haiden-ECMWF.pdf 里面的6页为: Point forecasterrorsin Europe, 10-m wind: verification against SYNOP 还是不太明白。请问该图细节里的误差含义: 感谢! 相关链接: Thomas Haiden, PRINCIPAL SCIENTIST https://www.ecmwf.int/en/about/who-we-are/staff-profiles/thomas-haiden#undefined https://www.researchgate.net/profile/Thomas_Haiden Thomas Haiden, Progress in wind forecasting in the ECMWF model http://www.ewea.org/events/workshops/wp-content/uploads/2015/10/EWEA-Wind-Power-Forecasting-2015-Workshop-02-01-Thomas-Haiden-ECMWF.pdf Verification of the high-resolution forecast of surface parameters against SYNOP observations https://www.ecmwf.int/en/forecasts/charts/catalogue/plwww_m_hr_wp_ts?facets=undefinedtime=2018062300parameter=10m%20wind%20speed 2018-03-03,ECMWF(欧洲中期天气预报中心)的预报误差 http://blog.sciencenet.cn/blog-107667-1102078.html 2017-07-13, 当前 NWP 风速预报的典型误差是多少? http://blog.sciencenet.cn/blog-107667-1066108.html 2016-02-29, 风力发电机的风速、风向、功率 3 个对应时间的时间序列 http://blog.sciencenet.cn/blog-107667-959494.html 感谢您的指教! 感谢您指正以上任何错误! 感谢您提供更多的相关资料!
4054 次阅读|11 个评论
ECMWF(欧洲中期天气预报中心)的预报误差
热度 1 zlyang 2018-3-3 11:34
ECMWF(欧洲中期天气预报中心)的预报误差 ECMWF European Centre for Medium-Range Weather Forecasts Advancing global NWP through international collaboration https://www.ecmwf.int/ Verification of the high-resolution forecast of surface parameters (1)Parameter: 10m wind speed Verification of the high-resolution forecast of surface parameters against SYNOP observations. https://www.ecmwf.int/en/forecasts/charts/catalogue/plwww_m_hr_wp_ts?facets=undefinedtime=2018022300parameter=10m%20wind%20speed (2)Parameter: 10m wind direction Verification of the high-resolution forecast of surface parameters against SYNOP observations. https://www.ecmwf.int/en/forecasts/charts/catalogue/plwww_m_hr_wp_ts?facets=undefinedtime=2018022300parameter=10m%20wind%20direction (3)Parameter: 2m temperature Verification of the high-resolution forecast of surface parameters against SYNOP observations. https://www.ecmwf.int/en/forecasts/charts/catalogue/plwww_m_hr_wp_ts?facets=undefinedtime=2018022300parameter=2m%20temperature 请教: (1)该图片是欧洲和北非地区(北纬 25.0º~70.0º,东经 -10.0º~ 28.0º),UTC(协调世界时)12点时刻,地表上空 10 米风速预测 等 的误差统计吗? 这里的 12 UTC forecasts,是 ①以 12 UTC 的观测值为初值,对未来60~72小时进行预报(对应 12小时 的多个时间点 × 多个地 理地点)? ② 还是该区域 12 UTC 时刻的各地预报值(1个时 间点 × 多个地理 地点)? (2)其中红线为 提前72小时,预报风速与 SYNOP 观测值 之间的误差(平均误差、均方根误差),是由“多个地点 × 多个时间点 (对 应 0 ~ 72 小时)”误差矩阵计算出来 的统计值? 蓝线为提前 0 ~ 60 小时的对应统计? 相关链接: 2017-07-13, 当前 NWP 风速预报的典型误差是多少? http://blog.sciencenet.cn/blog-107667-1066108.html 2017-07-16, 关于“风、季风”成因等的气象专业书籍与资料 http://blog.sciencenet.cn/blog-107667-1066616.html 2017-07-14,中国风能资源专业观测网测风塔分布 http://blog.sciencenet.cn/blog-107667-1066289.html 2015-06-13, 风速矢量与水平气压梯度力、重力位势梯度之间的关系 http://blog.sciencenet.cn/blog-107667-897788.html 2015-01-23, “风能资源丰富区”和“主要能源消费区”的标准英译 http://blog.sciencenet.cn/blog-107667-862133.html 2016-02-29, 风力发电机的风速、风向、功率 3 个对应时间的时间序列 http://blog.sciencenet.cn/blog-107667-959494.html 2015-08-28, 计算风速时间序列之间“相关性”的最好定量方法 http://blog.sciencenet.cn/blog-107667-916688.html 2017-06-10, 计 及风力发电机机械惯性的更精确“风速-功率”关系 http://blog.sciencenet.cn/blog-107667-1059999.html 2013-06-14, 大陆的汉语地名 http://blog.sciencenet.cn/blog-107667-699524.html 感谢您的指教! 感谢您指正以上任何错误! 感谢您提供更多的相关资料!
个人分类: 风电功率预测|8293 次阅读|7 个评论
如何计算多个方位角(Cardinal direction)的均值--R
michunrong123 2017-12-31 21:47
方位角指从某点的真北方向起,按顺时针方向到目标方向之间水平夹角(1)。 计算多个方位角的平均值时,求的并不是算数平均值。 譬如1°和359°的均值应是0°或360°,而不是(1+359)/2=180。 方位角的运算应用向量(矢量)运算,下文是在R中计算多个方位角的均值的代码,目的是做记录,详细解释可参考(2)。 # 读取数据 data.alb - read.csv(..../data.csv ) # 将要计算的方向转化为横纵方向的数值 u(东西,水平),v(南北,垂直), ws指风速, #wd指风向 data.alb$u.wind - data.alb$ws * sin(2 * pi * data.alb$wd/360) data.alb$v.wind - data.alb$ws * cos(2 * pi * data.alb$wd/360) #分别计算u,v方向风的均值 mean.u - mean(data.alb$u.wind, na.rm = T) mean.v - mean(data.alb$v.wind, na.rm = T) #用atan2将u,v方向的风的均值转换为实际的方向和速度 #计算风向 wd.average - (atan2(mean.u, mean.v) * 360/2/pi) + 180 wd.average # 计算风速 ws.vector.average - ((mean.u^2 + mean.v^2)^0.5) ws.vector.average ############################################################## ###注意这里求的是风向,与一般的移动方向、飞行方向不同。 举个例子:风向为90°,指的是风从90°方向吹来;移动方向90°,指的是向90°方向移动。 上式风向计算末尾+180,适用于风向;若是计算移动方向,不用加或结果为负数时+360。 完毕。 20171231下午 1. https://baike.baidu.com/item/%E6%96%B9%E4%BD%8D%E8%A7%92/493239?fr=aladdin) 2. https://www.researchgate.net/profile/Stuart_Grange2/publication/262766424_Technical_note_Averaging_wind_speeds_and_directions/links/54f6184f0cf27d8ed71d5bd4/Technical-note-Averaging-wind-speeds-and-directions.pdf
个人分类: 科研软件|7402 次阅读|0 个评论
[转载] 计及风力发电机机械惯性的更精确“风速-功率”关系
zlyang 2017-6-10 11:17
计及风力发电机机械惯性的更精确“风速-功率”关系 转载自: http://idea.cas.cn/viewdoc.action?docid=45013 中国科学院科学智慧火花 投稿时间:2016-02-24 15:38 投稿人:杨正瓴 关键词 : 风力,发电机,风速,风向,有功功率,机械惯性,转动惯量,动力系统,微分方程 当前提高风电功率“短期”和“超短期”预测 的可信途径有:㈠ 采用季风特性的空间相关性 ,㈡ 可信的组合 预测 ; ㈢ 缩短采样 周期 ; ㈣ 更精确 的风力发电机(以下简称“风机”)的“风速-功率”关系,等。 这里给出第㈣条思路的一些说明。 风机发出的有 功 功率P,是大自然的风驱动风机扇叶转动的结果。大自然的风速v(t)、风向,特别是风速v(t),是风机出力的主要因素。一般认为,风携带的能量如下公式(1),即风功率是风速的3次方。这里参数A由叶片尺寸与形状决定的系数,ρ是空气密度。 (1) 但是,必须说明:风机发出的电力有功功率 P,不是P风。因 为风机扇叶受力转速对应的 “有效风速”, 即 v(t)-u(t),才是驱动风机发出电力的直接动力。如下公式(2)。 (2) 这是因为“驱动风机的能量”来自扇叶:风吹动扇叶,扇叶带动发电机。当大自然的 风速v(t)和扇叶折算速度u(t)一样时,风和扇叶是相对静止的(之间没有力的作用),亦即扇叶不会从风力获取能量。(类似的考虑还有风能利用效率与贝兹极限,The Betz limit - and the maximum efficiency for horizontal axis wind turbines )。v(t)和u(t)之间 的差异,是形成风机实测“风速-功率”关系成为分散带的主要原 因 ,如下图所示。 Li Pai 等2015年 ,第1598页,图4 因此,只要得 到v(t)和u(t)之间差异 ,就可以获得更精确的风机“风速-功率”关系。将风机简化为一阶惯性环节 , 根据“定轴转动刚体转动惯量与转动角加速度的乘积,等于作用于刚体上的所有外力对转轴之矩的代数和”的基本原理,即可得到下述微分方程,即公 式(3): (3) 这里 J是风机的机械转动惯量,D表示阻尼(风机输出的有功功率、自身转动的阻尼等)。 通过求解该微分方程,就可以根据大自然 的风速v(t)、风机的机械转动惯量J、阻尼D等 ,得到“有效风速 v(t)-u(t) ”,获得更精确的风机产生的电力 有功功率P。 本文提出的是思路和原理(应当为“原创”)。今后结合实际风机,考虑更 多其它相关因素,建立类似本文公式(3)的更 精确的微分方程,只是一些具体的技术问题。是对我们思路的跟风。 我们尚未见到采用本文思路的他人研究。为保证我们(代表我国研究人员)在该问题研究上的“原创”优先权,特贴出本文。尽管我们不能保证这点。因为我们只能用汉语、英语查询相关资料。没有能力知道汉语和英语以外的语言是否有相关的公开报道。 参考文献: 薛禹胜,郁琛,赵俊 华,等(Xue Yusheng,Yu Chen,Zhao Junhua,et al).关于短期及超短期风电功率预测的评述(A review on short-term and ultra-short-term wind power prediction) .电力系统自动化(Automation of Electric Power Systems),2015,39 (6):141-151. 杨正瓴,冯勇,熊定方 ,等(Yang Zhengling,Feng Yong,Xiong Dingfang,et al).基于季风特性改进风电功率预测的研究展望(Research prospects of improvement in wind power forecasting based on characteristics of monsoons) .智能电网(Smart Grid),2015,3 (1):1-7. 杨正瓴,张广涛,林孔 元,等(Yang Zhengling,Zhang Guangtao,Lin Kongyuan,et al).时间序列法短期负荷预测准确度上限估计(Upper limit estimating of short term load forecasting precision by time series analysis) .电力系统及其自动化学报(Proceedings of the CSU-EPSA),2004,16 (2):36-39. Betz's law - From Wikipedia, the free encyclopedia . https://en.wikipedia.org/wiki/Betz%27s_law The Betz limit - and the maximum efficiency for horizontal axis wind turbines . http://www.wind-power-program.com/betz.htm Li Pai, Guan Xiaohong, Wu Jiang, Zhou Xiaoxin. Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling . IEEE Transactions on Sustainable Energy, 2015, 6(4): 1594-1605. Miller L M, Brunsell N A, Mechem D B, et al. Two methods for estimating limits to large-scale wind power generation . Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(36): 11169-11174. Banakar H,Luo C L,Ooi B T.Impacts of wind power minute-to-minute variations on power system operation .IEEE Transactions on Power Systems,2008,23 (1):150-160. 林卫星,文劲宇,艾小猛 ,等(Lin Weixing,Wen Jinyu,Ai Xiaomeng,et al).风电功率波动特性的概率分布研究(Probability density function of wind power variations) .中国电机工程学报(Proceedings of the CSEE),2012,32 (1):38-46. 杨正瓴 天津大学电气与自动化工程学院 2016-02-24 2016-02-24 计及风力发电机机械惯性的更精确“风速-功率”关系.pdf
个人分类: 科研|2530 次阅读|5 个评论
风向是比水汽和地形更重要的成雨条件
热度 2 jiasf 2016-12-10 00:51
有希望通过向新疆调水来改变干旱气候的同志经常给我留言,希望我给他们的文章提点意见。以前我曾经发表过一些意见,今天再说点看法。 地球上各地的降水差别很大,多的一年上万毫米,少的不足50毫米。究竟是什么决定的? 降水来源于大气中的水汽,所以无疑水汽的多少是很重要的。但同样靠海的地方,来自海洋的气流水汽含量都相对丰富,为什么像印尼这样的地方降水很多?而像西撒哈拉、澳洲西部等地却降水很少? 地形无疑也是决定降水的因素。在山脉的迎风坡降水较多而背风坡降水少很多。但仍然存在既靠近海得水汽之便、又有高达山脉的地方,降水也很少,例如秘鲁、智利的大片地方,西邻太平洋,东依安第斯山脉,却有大片干旱的荒漠存在。 显然,水汽只是降水的必要条件,山脉只是降水的可能条件(不是必要条件),而都不是充分条件。 看看地球表面的盛行风向以及海流方向与降水分布的对比,就会发现一个很有意思的现象:风向、海流从冷往热流的地方,降水都偏少,而风向、海流从热往冷流的地方,降水往往都多。这给人一个启示:或许风向是比水汽、地形更重要的决定降雨的因素。 从道理上来说也是如此:冷气团饱和水汽含量低,热气团饱和水汽含量高,当冷气团流向温度高的地方时,气团升温变得相对湿度低,根本不会有水汽凝结成雨——这正是山谷焚风效应的成因!相反,如果带着水汽的热气团流向冷的地区,空气相对湿度会提高,水汽就会凝结成雨!
个人分类: 知识点滴|4052 次阅读|9 个评论
[求助] 风力发电机的风速、风向、功率 3 个对应时间的时间序列
热度 3 zlyang 2016-2-29 16:59
风力发电机的 风速 、风向、 功率 3 个对应时间的 时间序列 一般认为,风速和风向(主要是风速)产生了风力发电机的有功功率输出。实际测量得到的风力发电 机的“风速-功率”关系 图,是具有分散性的一个带子。如下面图片 : (1)“风速-功率”关系,2015 IEEE,Pai Li,Fig.4 (2)“风速-功率”关系,2015 PNAS,Lee M. Miller,Fig.2.(A) (3)“风速-功率”关系,2014 Lawrence,Wayne Miller,第 4 幅图 我想知道这些带子里有没有进一步的规律性,所以想找到 相同时间点 的测量得到的 风速 、 风向 、 功率 的3个时间序列 。希望时间分辨率小于1分钟的水平( time resolution ≤ 1 min)。风速变化范围最好能够达到 0~16m/s。 即如下面2个图片所示的数据。 哪有如下两图所示的 相同时间采样 得到的 风速 、 功率 实测数据? (4)赵瑜,等人,2013,图2 某风场日风速曲线 (5)赵瑜,等人,2013,图3 某风场单台风机日输出功率曲线 相关链接: 赵瑜,周玮,于芃,等.风电有功波动功率调节控制研究 .中国电机工程学报,2013,33(13):85-91 http://www.cnki.com.cn/Article/CJFDTotal-ZGDC201313013.htm Li Pai, Guan Xiaohong, Wu Jiang, et al. Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling . IEEE Transactions on Sustainable Energy, 2015, 6(4): 1594-1605. Miller L M, Brunsell N A, Mechem D B, et al. Two methods for estimating limits to large-scale wind power generation . Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(36): 11169-11174. http://www.pnas.org/content/112/36/11169.full Lawrence Livermore National Laboratory, Arnie Heller, april 2014, Predicting Wind Power with Greater Accuracy Researchers are combining fieldwork, advanced simulation, and statistical analysis to help wind farm and electric power grid operators. https://str.llnl.gov/april-2014/miller Wind turbine manufacturers typically provide operators with a simple “power curve,” which shows power from the turbine as primarily the cube of hub-height wind speed. However, Livermore researchers are showing that power curves frequently err by ± 20 percent of actual power output, as seen in this plot of observed power versus wind speed at a northern California wind farm. The color map relates atmospheric stability conditions to reported power-output observations. Eastern Wind Dataset http://www.nrel.gov/electricity/transmission/eastern_wind_methodology.html The Eastern Wind Dataset contains modeled wind farm data points for the eastern United States for 2004, 2005, and 2006. It is intended for use by energy professionals such as transmission planners, utility planners, project developers, and university researchers who perform wind integration studies and estimate power production from hypothetical wind plan. 感谢您的指教! 感谢您指正以上任何错误!
12357 次阅读|9 个评论
北京没有雾霾,不等于河北也没有雾霾
热度 4 Talky 2016-2-2 21:03
今天看蔡宁博主博文,“ 2 月1 日为啥京城雾霾突然消失了呢? ”,我留言: “重霾是区域性污染问题,不能只看北京。看看这个,可以看到北京无霾,但南边河北地方,重霾污染! http://www.weather.com.cn/air/ 找网页里上面一栏的“环境”栏目,点进去后向下,可以看雾的分布和霾的分布。” 如果蔡博主进了那个网页,就可以找到 2 月 1 日 05 时到 2 月 2 日 05 时全国雾分布和霾分布图,霾图如下: http://i.weather.com.cn/i/product/pic/l/sevp_nmc_weap_sob_ehz_achn_lno_p9_20160202050002400.jpg 如果只看东部地区,那是 很明白,只是北京市及其北边有一块“无霾”区。 . . 所以雾霾是区域性污染问题,不能只看北京! 这张霾分布图还清楚地说明,如果单说风,风速大小是次要的,风向更为重要!如果吹南风,北京能避免空气污染吗? 说什么“ 北京雾霾根源于风力衰减 ”?
个人分类: 灰霾|5989 次阅读|14 个评论
通过北京火灾浓烟照片可推断到什么信息?
热度 2 hongkuan15 2015-6-30 17:55
今天下午,北京市丰台区大红门木材厂着火,火势很大,自下午两点多到下午五点,火势仍在蔓延,在这三个小时里,滚滚浓烟覆盖了多半个北京城。 由于今天上午下过雨,北京出现了难得的晴天,万里无云,西风,所以浓烟就显得格外明显,从几公里甚至几十公里外都能清晰的看到 。 媒体和网友们从北京不同地方拍摄了浓烟的照片,从这些照片我们可以直观的看到燃烧的浓烟对空气的污染有多快和多严重。 下面是大家从不同方向拍摄的浓烟照片,如果不看照片描述,是否可以推断照片位于着火点的位置和距离吗?是否可以通过照片计算当天的风向风力? 厂区内,南四环 厂区附近,位于火灾点北侧 东四环,位于火灾点东北侧 亦庄,位于火灾点东南侧。可能是当时风向的影响,感觉位置不太对。 北海公园,北侧 景山,北侧 石景山,西侧 北五环,北侧,下午五点已经可以看到大半个南城上空都是浓烟了。
4039 次阅读|4 个评论
全球尺度降水与气压、风向、洋流的关系
热度 2 jiasf 2015-3-22 02:53
对比全球降水分布图、气压与风场分布图、洋流分布图,可以明显看出如下规律: (1)降水少的地区往往被高压控制。例如冬季中亚被亚洲高压控制,非洲北部被亚速尔高压控制,美国西南部干旱区也存在高压,非洲西部近海、澳洲西部近海、南美洲西部近海也存在高压。我们知道高压控制区大气下沉增温,空气饱和湿度增加,相对变得干燥,所以不会下雨。 (2)降水少的地区盛行冷风。在北半球就是盛行北风。因为北风是从温度低的高纬度地区吹向温度高的低纬度地区,跟高压区的空气流动类似,空气增温,也不容易降水。如果没有山脉的抬升降温成雨作用,在北风盛行地区必然形成干旱区。撒哈拉如此,中亚如此,美国西南部如此,印度沙漠也是如此。在南半球则是盛行南风,例如非洲西南海岸、澳洲,南美洲西海岸。在赤道附近则是例外,虽然赤道地区大都是从两边纬度稍高的地区流向赤道,但赤道地区降水普遍较多。原因是赤道地区的降水跟风向关系不大,而主要由赤道低气压决定。 (3)海岸干旱的地区往往被海洋冷流影响。这是因为海洋冷流与冷空气的方向基本一致,而被冷空气控制的地区不容易降水。 (4)降水多的地区则与低压、暖风、暖流对应,例如亚洲南部、大洋洲北部、南美洲东北部、非洲中西部、欧洲、北美洲东南部、北美洲西北部海岸。 (5)绝大部分赤道附近的地区降水较多,而且世界上降水最多的地区也在赤道附近,例如东南亚、亚马逊流域和刚果河流域。主要原因如上已提及,是赤道有低压带存在,有强烈的上升气流,容易形成降水。 (6)降水少的地区没有明显的纬带分布规律,其分布的区域跨越了热带、亚热带、温带和寒带。
个人分类: 科普|11996 次阅读|6 个评论
霾由心生
jiangming800403 2015-3-1 10:48
每个人都在制造雾霾 寒假里2月8日与22日两次途径北京。由于风向正确,北京都是好天气。
个人分类: 能源、大气环境与气候变化|1763 次阅读|0 个评论
关于这两日北京重霾污染的思考和困惑
热度 3 Talky 2014-10-10 21:37
关于这两日北京重霾污染的思考和困惑 如气象部门黄色预警所告,北方地区的重霾污染自 10 月 7 日晚上起,已经持续至今。冷空气正在下来,北京等地的重霾污染明天有望得到缓解。上海这几天空气质量不错,但 可能 要经历一个重霾过境的过程了。 预警如此精准 ,可见霾污染的本质是细颗粒物,但 造成重霾污染的诱因是天气形势 。 但是,有几个问题却有困惑: - 气象部门明明预警的是“重霾污染”,媒体语言还是“雾霾”。 - 看 2014 年 10 月 7 日 12:00 至 10 月 10 日 19:00 北京市相对湿度曲线,白天相对湿度还多在 85%-60% 之间。相对湿度起伏不小,但 PM2.5 浓度起伏相对平缓,显示和相对湿度的相关程度不高。 - 以往北京发生重霾污染时,通常风速小,风向偏南或偏东南。这次风速也很小,大部分时间在 1 级风及以下。但奇怪的是,除今天中午 12 点到下午 5 点有较明显的偏南风外,基本都是东偏北风。为什么啊? - 风速如此低,“扬尘”对重霾有重要贡献吗? - 如果没有重霾污染,是不是也会形成浓雾?( 2014 年 10 月 12 日 11:37 增加的疑惑) 图上传了两次,仍然是自己能看见,但不能正式显示。现在这张图比例缩得更小,可以看到了,但不是很清楚:  
个人分类: 灰霾|3354 次阅读|4 个评论
风向和风力变化对雾霾的影响
热度 1 杨学祥 2014-3-2 06:52
风向和风力变化对雾霾的影响 杨学祥,杨冬红 中科院大气物理研究所研究员张仁健课题组与同行合作,对北京地区PM2.5化学组成及源解析季节变化研究发现,北京PM2.5有6个重要来源,分别是土壤尘、燃煤、生物质燃烧、汽车尾气与垃圾焚烧、工业污染和二次无机气溶胶,这些源的平均贡献分别为15%、18%、12%、4%、25%和26%。 研究显示,沙尘天气常对春季气溶胶有重要影响,而在秋冬季节,来自建设工地的浮尘和街道的再悬浮尘是土壤尘的主要来源。燃煤源在冬季贡献最大,生物质燃烧源贡献春、秋季较高,冬、夏季较低。工业污染源贡献在夏秋季节较高。硫酸盐、硝酸盐等组成的二次无机气溶胶在夏季和春季的贡献最高。 研究表明,对于硫酸盐、硝酸盐、铵盐等六类主要组分来说,北京的南部地区是来源可能性最高的区域。来自北京南部的气流常携带较高浓度的二次无机气溶胶和含碳气溶胶,西北向的气团则含有较多的土壤尘和含碳气溶胶。北京发生雾霾时,来自南向的气流会使二次无机气溶胶的浓度变得很大,这可能与高湿度的云雾中较强的非均相反应以及较强的光化学反应有关。 http://news.xinhuanet.com/local/2013-12/30/c_118769804.htm 北京的雾霾与风向变化有密切的关系:来自北京南部的气流常携带较高浓度的二次无机气溶胶和含碳气溶胶,西北向的气团则含有较多的土壤尘和含碳气溶胶。北京发生雾霾时,来自南向的气流会使二次无机气溶胶的浓度变得很大。这一结论与潮汐组合类型对雾霾的影响有很好的对应关系。 2013 年元月罕见的强雾霾污染席卷我国中东部地区,污染最重的京津地区共发生 5 次强污染过程,与潮汐组合有很好的对应关系,其中两次超强过程发生在 9-15 日和 25-31 日,北京 PM2.5 小时浓度最高值分别达到 680 和 530 微克 / 立方米。 公布的材料表明2013年1月发生重霾前后一共4次(到1月30日为止),分别是7—13日,16—19日,21—23日,26—30日。与1月9-12日、16-19日、21-23日、27-30日四次潮汐组合一一对应, 与潮汐组合造成的风向变化、 地球潮汐形变、自转速度变化造成的“地球呼吸”相一致。计算表明,地球潮汐形变造成的地壳容积周期变化,可以形成地球的呼吸运动。 潮汐组合造成的风向变化 、异常规模的地球呼吸与地震火山活动相对应,与异常雾霾天气相对应,值得深入研究。如果潮汐组合导致中国及其周边地震频发,在没有强冷空气活动配合的条件下,潮汐形变引发的地下排气就是雾霾形成的重要因素。 http://bbs.sciencenet.cn/blog-2277-661478.html 表1 2013年1月潮汐组合 潮汐组合 A : 2013 年 1 月 5 日 为日月小潮(下弦), 3 日月亮赤纬角达到极小值北纬 0.0002 度,两者强叠加,赤道和两极潮汐变化幅度变大,地球扁率变大,地球自转变慢,有利于拉尼娜发展(弱),两极冷空气向赤道运动加强偏北气流运动,可激发地震火山活动和冷空气活动,可导致沙尘天气发生。 潮汐组合 B : 1 月 12 日 为日月大潮, 10 日月亮近地潮, 9 日月亮赤纬角达到最大值南纬 20.5247 度,三者两两强叠加,潮汐强度较强,潮汐南北摆动最大,地球扁率变小,地球自转变快,有利于厄尔尼诺发展(强),赤道暖气流向两极运动加强偏南气流活动,可激发地震火山活动和暖空气活动,有利于雾霾发生。 潮汐组合 C : 1 月 19 日 为日月小潮(上弦), 16 日月亮赤纬角达到极小值北纬 0.0002 度。两者弱叠加,赤道和两极潮汐变化较大,地球扁率变大,地球自转变慢,不利于厄尔尼诺发展(弱),两极冷空气向赤道运动加强偏北气流运动,可激发地震火山活动和冷空气活动,导致沙尘天气发生。 潮汐组合 D : 1 月 23 日 月亮赤纬角达到最大值北纬 20.92863 度, 22 日为月亮远地潮, 21 日为冬至,太阳在南回归线(南纬 23 度半), 23 日月亮潮和太阳潮近似在同一纬度,三者强叠加,潮汐南北摆动恨大,地球扁率变小,地球自转变快,有利于厄尔尼诺发展(弱),赤道暖气流向两极运动加强偏南气流活动,可激发地震火山活动和暖空气活动,有利于雾霾发生。 潮汐组合 E : 1 月 27 日 为日月大潮, 30 日月亮赤纬角达到极小值北纬 0.0002 度。两者弱叠加,赤道和两极潮汐变化较大,地球扁率变大,地球自转变慢,不利于厄尔尼诺发展(弱),两极冷空气向赤道运动加强偏北气流运动,可激发地震火山活动和冷空气活动,导致沙尘天气发生。 http://bbs.sciencenet.cn/blog-2277-637299.html http://blog.sciencenet.cn/blog-2277-752658.html 但是, 2014 年 1-2 月潮汐组合对雾霾的影响与 2013 年月有所不同,由于 2014-2016 年月亮赤纬角达到最小值,潮汐南北震荡幅度变为最小,偏北气流减弱,沙尘天气减少,其结果是偏北气流清除雾霾,偏南气流激发雾霾。我们的预测得到证实。 http://blog.sciencenet.cn/blog-2277-771497.html http://blog.sciencenet.cn/blog-2277-771488.html 3-5 月雾霾以沙尘为主,偏北气流加强可激发雾霾发生,原来的预测可能需要修正,检验后发布结果,希望事前得到关注。 http://blog.sciencenet.cn/blog-2277-763661.html 估计在 2023-2025 年月亮赤纬角最大值时期正好相反,偏北气流增强,沙尘天气增多,其结果是偏北气流激发雾霾。从 1960-2012 年西安 53 年长期数据来看,雾霾日发生存在准 7-9 年周期震荡,每 7-9 年形成一个峰型,这与月亮赤纬角变化 18.6 年周期的一半有关。 风向和风力变化对雾霾的影响可以从图 1 和图 2 中得到合理解释。 全球空气质量地图和全球电磁异常对比 图 1 2001-2006 年间平均全球空气污染形势图 图 2 雾霾集中在地球电磁异常中心 综合地球电磁异常中心和大气对流因素,其结果与全球空气质量地图有很好的对应关系。雾霾区集中在电磁异常中心和带电离子流动通道与风带叠加地区(海洋地区除外)。风带的风向异常变化和强度变化对雾霾发生有重要的影响,是雾霾突发的原因。 PM2.5 高密度地区的全球分布有六大特征:其一、集中在陆半球,而不是水半球;其二、集中在连成一片的内陆地区;其三、集中在北纬 30 度线附近,特别是以北纬 30 °线以北地区的污染物浓度最大,全球 PM2.5 最高的地区在北非和中国的华北、华东、华中全部;其四、全球 PM2.5 最高的地区伴随最大的陆地地震带——欧亚地震带走向分布,而最大的环太平洋地震带因为频临海洋,所以 PM2.5 浓度增大不显著。其五、雾霾区集中在电磁异常中心和带电离子流动通道与风带叠加地区(海洋地区除外)。其六、风带的风向异常变化和强度变化对雾霾发生有重要的影响,是雾霾突发的原因。 参考文献: 1. 中国气象局 . 地面气象观测规范 . 北京 : 气象出版社 , 2003. 2. 丁一汇,柳艳菊。近 50 年我国雾和霾的长期变化特征及其与大气湿度的关系。中国科学:地球科学。 2014 , 44 ( 1 ): 37-48. 3. 张人禾,李强,张若楠。 2013 年 1 月中国东部持续性强雾霾天气产生的气象条件分析。中国科学:地球科学。 2014 , 44 ( 1 ): 27-36. 4. 王自发,李杰,王哲,等。 2013 年 1 月我国中东部强雾霾污染的数值模拟和防空对策。中国科学:地球科学。 2014 , 44 ( 1 ): 3-14. 5. 王跃思,姚利,王莉莉,等。 2013 年元月我国中东部地区强雾霾污染成因分析。中国科学:地球科学。 2014 , 44 ( 1 ): 15-26. 6. 魏嘉 , 吕阳 , 付柏淋 . 我国雾霾成因及防控策略研究 . 环境保护科学 , 2014(5): http://www.cnki.net/kcms/detail/21.1135.X.20140117.1551.001.html .
个人分类: 灾害预测|7105 次阅读|1 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-23 22:33

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部