地面氣象觀測資料在空氣法規模型的標準化研究

楊景朝，馬振峰，伯 鑫，王 剛，李時蓓*（1.成都信息工程大學大氣科學學院，高原大氣與環境四川省重點實驗室，四川 成都 610；.四川省氣候中心，四川 成都 61007；3.環境保護部環境工程評估中心，北京10001；4.國家環境保護環境影響評價數值模擬重點實驗室，北京 10001；.三捷環境工程咨詢（杭州）有限公司，浙江 杭州 31001）

地面氣象觀測資料在空氣法規模型的標準化研究

楊景朝1，3，4，馬振峰2，伯 鑫3，4，王 剛5，李時蓓3，4*（1.成都信息工程大學大氣科學學院，高原大氣與環境四川省重點實驗室，四川 成都 610225；2.四川省氣候中心，四川 成都 610072；3.環境保護部環境工程評估中心，北京100012；4.國家環境保護環境影響評價數值模擬重點實驗室，北京 100012；5.三捷環境工程咨詢（杭州）有限公司，浙江 杭州 310012）

以云量、風速、風向、溫度3類地面氣象觀測數據的獲取方法為研究對象，探討如何規范地面氣象觀測數據在模型中的標準化應用.結合我國2008年頒布的《環境影響評價技術導則 大氣環境》推薦的模型AERMOD對所需要的地面氣象數據需求，并以內蒙古自治區正藍旗上都電廠SO2實測數據為驗證數據，在模型其他輸入參數不變的情況下，利用試驗站10min和1h地面氣象數據，并分別以低云量和總云量代替蔽光云量，設置4種情景.其中，情景一使用試驗站10min地面氣象數據，并用低云量代替蔽光云量.與情景一相比，情景二使用總云量代替蔽光云量，情景三使用1h地面氣象數據，情景四使用試驗站1h地面氣象數據，并用總云量代替蔽光云量.4種情景除了上述不同點，其他地面氣象參數均相同.結果表明，在4種情景中，情景二、三、四的FB值均小于情景一，更靠近0.關于RHCR值，情景三和四更靠近于1，分別為1.33和1.41，表明在預測高端值時，情景三和四的效果更好.情景二的RHCR值為1.51，大于情景三，說明風相較于云對模型模擬結果影響更大.由FB值、RHCR值以及Q—Q圖的綜合分析得出，情景四的模擬值更接近實際監測值，其采用的地面氣象數據全面符合本研究所推薦的數據標準化應用方法， 規范了模型數據標準化應用，提升了大氣環境影響評價預測精度.

地面氣象觀測資料；大氣污染；AERMOD；云量

大氣污染模擬預測是環境影響評價的重要內容，其中氣象觀測數據是影響大氣污染模擬預測重要因素之一.《環境影響評價技術導則 大氣環境》（HJ2.2-2008）中以推薦模式清單方式引進AERMOD、CALPUFF等進一步大氣污染預測模式［1］，相關模式均需要地面氣象數據、高空氣象數據等作為氣象場，而AERMOD、CALPUFF對數據質量有嚴格要求，可直接讀取的地面氣象數據均為國外的數據格式（CD144、SAMSON、HUSWO、TD3505等）.而國內地面氣象數據格式與國外氣象數據格式、數據內容差異較大，需要將國內的數據進行一定分析、處理，才能被模式讀取.同時，環境管理部門在以國內地面氣象觀測數據為氣象場進行大氣污染預測模擬時，發現國內地面氣象觀測數據存在數據質量差、數據說明不清晰等問題.

地面氣象觀測資料是指地面氣象臺站通過人工和自動2種觀測方式所獲取的各要素值，包括云、空氣溫度和濕度、風向和風速、降水等共20類觀測項目數據，各要素經過初步整理和統計，可以得到每日的平均值、總量值和極端值［2］.出現地面氣象數據質量差等問題可以從多個角度分析其原因，但大量研究報道集中于從氣象觀測員操作儀器和記錄數據等方面進行解釋與說明［3-6］，而從空氣質量模型模擬效果角度分析的研究較少.基于AERMOD模型系統，在輸入相同參數條件下，運用不同大氣擴散參數化方案模擬不同穩定度下地面SO2濃度值的差別不大，只在穩定條件下，AERMOD方案與其他方案相比，預測值偏低［7］.李煜婷等［8］研究發現，利用AERMOD模擬以不同顆粒物為載體的污染物擴散過程，所得到的預測值與實測值相關性不同.除此之外，地表參數、經緯度的不同設置也會影響到AERMOD模型的模擬結果［9-11］.上述研究表明，大氣污染預測模型在進行模擬污染場時，對其某些參數進行優化，所得預測值與實測值會更加接近.

為此，本研究以云量、風速、風向、溫度3類地面氣象觀測數據的獲取方法為研究對象，探討如何規范地面氣象觀測數據在模型中的標準化應用.結合我國2008年頒布的《環境影響評價技術導則 大氣環境》推薦的模型AERMOD對所需要的地面氣象數據需求，并以內蒙古自治區正藍旗上都電廠SO2實測數據為驗證數據，驗證該數據標準化應用方法的科學性和實用性.

1 地面氣象觀測資料應用現狀與存在的問題

大氣污染預測模型輸入地面氣象數據，經過計算，所輸出的模擬氣象場對預測污染物的擴散和遷移路徑提供可信度較高的氣象支持.AERMOD等進一步預測模式所需的氣象參數有風向、風速、氣溫、云量等［1］.

1.1 云量

云量分為總云量和低云量，其指觀測時天空被云遮蔽的成數.AERMOD、CALPUFF氣象場均需要蔽光云量參數，但在我國環評工作中，該參數一般用低云量來代替，而我國《地面氣象觀測規范》規定，蔽光云量與低云量并不完全相等［2］. AERMOD中的氣象預處理程序AERMET 對于不穩定大氣的模擬，需要計算顯熱通量，而顯熱通量是由凈輻射量和地表波文率確定.其中，凈輻射量通常是由氣溫、蔽光云量、地表波文率和地表正午反射率共同求得.此外，蔽光云量還是計算擴散參數的要素之一［12］.

1.2 云高

環評單位使用CALPUFF等進一步預測模式進行復雜地形濃度預測時，其地面氣象場需要云高參數，而氣象觀測部門提供給環評單位的資料中一般沒有云高.本研究分析環評單位提交環保部門的CALPUFF預測文件中發現，環評單位一般用999代替云高（代表無限高），這種做法并不符合實際氣象情況，導致模擬結果存在誤差.此外，從2014年1月1日起，1736個國家一般氣象站取消了云高、云量觀測，僅有143個國家基準氣候站和577個基本氣象站保留云高、云量觀測［13-16］.云高這一關鍵資料的缺失對環評工作產生巨大影響.在我國西部地區，氣象觀測站點分布較為稀疏，云高數據更加難以獲取，導致污染預測模式的模擬效果存在不確定性.

1.3 風和氣溫

風向、風速數據是大氣預測模擬的關鍵要素之一.目前風速觀測有10min平均風向風速、2min平均風向風速，溫度有小時和分鐘觀測值.而環評單位在實際大氣污染模擬工作中，并不考慮所用的風速是10min平均風向風速還是2min平均風向風速，而風速的選擇對模擬結果會有一定影響.溫度數據的選擇也出現同樣的問題.

1.4 氣象數據格式

AERMOD、CALPUFF等進一步預測模式可直接讀取美國國家氣候數據中心（NCDC）的地面數據格式，如CD144、SAMSON、HUSWO等，但不支持我國氣象A文件.

我國氣象A文件轉成美國CD144等格式過程中，存在大量單位換算、代碼轉換、數據補充等工作，較為煩瑣復雜，且轉化結果不直觀，容易造成一些環評項目出現數據格式轉換錯誤.

2 地面氣象觀測資料標準化應用研究

2.1 云量

本研究綜合考慮3種情景，設計了總云量代表蔽光云量表，以解決環評單位所得到的蔽光云量數據代表性差問題.從表1中可知，3種方案全部使用總云量來代替蔽光云量.我國《地面氣象觀測規范》說明，中云和低云中均有蔽光云，若使用低云代替蔽光云，會缺失數據，較為片面.通過上述分析，建議大氣模式在無法獲取蔽光云量的情況下，采用總云量來代表蔽光云量.鑒于目前大量氣象站已取消云量觀測以及云量數據對于大氣環評工作的重要性，環境保護部環境工程評估中心已通過衛星遙感技術獲取到總云量數據，將其輸入到大氣模式中，以檢驗其效果.具體獲取方法：基于大氣輻射傳輸理論，在平行大氣、單一云層的假設下，利用衛星的可見光及紅外通道，可進行總云量估算.總云量估算算法由晴空像元輻射值、全云像元輻射值獲取以及總云量估算3部分組成.利用多顆衛星數據的融合結果，可獲得試驗區的逐小時總云量數據.

表1 總云量代替蔽光云量情況［2］Table 1 Replacement of opaque sky cover with total cloud amount

2.2 云高

目前，需要云高數據的模型主要為CALPUFF，若CALPUFF項目中云高缺失，在氣象預處理模塊CALMET運行中可采用中尺度預測數據（WRF等）來解決云高缺少的問題.對于如何獲取大范圍地區云高數據的問題，本研究建議使用插值、云頂高度反演方法.目前，國內外許多研究者對距離反比權重法（inverse distance weighting， IDW）、樣條法（spline）和克里格法（kriging）等空間插值方法進行研究［17-19］，得出的研究結論證實這些方法對溫度、降水等氣象要素的插值效果較好，需將這些方法進行深入研究，進一步應用于云高插值.對于云頂高度的反演方法，主要分為2類，一類是直接反演云頂高度，另一類是先獲得云頂溫度數據，再通過大氣溫壓廓線數據獲得云頂高度數據.目前，主動雷達反演方法所獲取的云高數據是較為精確的，它屬于直接反演云頂高度方法［20］.

2.3 風和氣溫

目前，環評單位從氣象部門獲得的風向風速數據只有10min和2min平均風向風速.環評單位在實際大氣模擬工作中，應考慮一個地方的大氣水平運動平均狀態和瞬間變動狀態，需要合理選擇風向風速數據.對于氣溫數據的選取，應考慮更能反映空氣流動和變化規律的平均狀態.我國2012年頒布的《環境空氣質量標準》（GB 3095-2012）規定，在任何情況下，對于有效的污染物濃度數據，其最低要求為1h平均值，否則應視為無效數據，例如SO2、NO2、CO等［21］.按照上述規定，環評單位在進行大氣污染模擬預測時，模型輸入的地面風向風速和溫度數據應為1h平均值.模型輸入值只有滿足上述標準，其輸出的污染物濃度模擬值與實際監測值才更加具有可比性.我國氣象部門目前已儲存1h平均風向風速和溫度數據，本研究建議環評單位可以直接應用國內的1h平均風向風速和溫度數據，這對提升大氣環評工作的準確度至關重要.

2.4 氣象數據格式

針對AERMOD模型，本研究建議將A文件直接轉成AERMOD可直接讀取的OQA格式（表2和表3）；針對CALPUFF模型，建議將A文件直接轉成CALPUFF可讀取的標準CSV格式（表4和表5）.

表2 OQA地面觀測數據格式Table 2 Data format of OQA ground observation

表3 OQA地面觀測輸入數據示例Table 3 Example of OQA ground observation input data

表4 CSV地面觀測數據格式Table 4 Data format of CSV ground observation

表5 CSV地面觀測輸入數據示例Table 5 Example of CSV ground observation input data

OQA、CSV格式均可以跳過A文件轉CD144等格式步驟，減少數據、單位轉換等工作流程，降低數據轉換錯誤.

3 案例應用

表6 地面特征參數Table 6 Characteristics of surface parameters

本研究采用內蒙古自治區正藍旗上都電廠案例，結合法規模型AERMOD來驗證氣象觀測資料標準化應用方法的可行性、科學性.案例研究區域地形平坦，電廠所在區域干擾源少，高程數據為90m分辨率美國USGS高程數據，地面特征參數采用扇區分界，分為12個區（表6），監測時間為2013年8月6～27日，污染源數據為電廠逐小時在線監測排放SO2濃度數據，試驗期間對地面氣象場進行逐小時觀測，對邊界層氣象場采用探空球和小汽艇2種觀測方式按04：00、08：00、12：00、14：00、20：00、24：00的觀測時段進行觀測.采樣點布設在電廠周圍1.0，2.0，3.0，5.0km的同心圓上，共計12個點位，各點位每次采樣時間為1h，共獲得有效樣本總數為3453個.

3.1 AERMOD模型簡介

AERMOD廣泛應用于國內外環評領域. AERMOD為穩態煙羽模型，在穩定邊界層（SBL），垂直和水平方向的污染物濃度分布可以看作是高斯分布；在對流邊界層（CBL），水平方向的污染物濃度分布仍可看作是高斯分布，而垂直方向的污染物濃度分布則使用了雙高斯概率密度函數（PDF）來表達［22］.模型系統包括主程序AERMOD、氣象預處理程序AERMET、地形預處理AERMAP.AERMET主要目的是計算AERMOD所需的邊界層參數，AERMOD采用邊界層參數生成所需氣象變量廓線［23-27］.它可以模擬多種環境、地形、排放源的污染物擴散情形［28-29］.

3.2 驗證內容

在這項試驗中，該研究部門按照相關氣象站選點標準，設立了一個氣象站，并且安裝了一套便攜式氣象站，所觀測內容有10min和1h地面氣象數據，氣象要素包括氣溫、風向、風速、總云量和低云量.將所得數據與便攜式氣象站數據和收集的正藍旗氣象站數據進行比對，以確定本試驗數據的可靠性和實用性.本研究使用AERMOD模型，在污染源、地形數據及預測點位等不變的情況下，為便于比較分析，設置4種不同的地面氣象情景（表7），采用AERMOD模型，模擬出在這4種情景下SO2的排放濃度，與監測濃度進行比較，以選出最優方案.

表7 四種情景匯總Table 7 Summary of four scenarios

3.3 驗證方法

本研究采用平均百分比偏差（FB值）和高端值（RHC）作為評價模型預測濃度準確性的統計指標，選取Q—Q圖作為統計圖.以上都是模型驗證的常用方法.求解FB?RHC值的公式分別見公式1?公式2.

高端值RHC是美國EPA在《決定最佳空氣質量模型的統計學方法與程序》［30］中提出的，其主要用于評估模型以及評價模型的高端值.具體公式如下：

式中：C（n）為排序后第n個最大濃度值，C為前n-1個最大濃度值的平均值.在模型比較中一般選用模擬與監測的RHC之比（即RHCR）來反映預測的合理性，n通常取值范圍是11～26之間，在本研究中取為26，則是前25個最大濃度值的平均值.RHCR取值在0.5～2.0的范圍內，越接近1表明模型模擬的高端值和實際觀測值越相符.本研究FB方法中和的取值要求與RHC相聯系，為前26個高端值的平均值.

Q—Q圖對各預測值按從大到小排序，可以直觀的反映預測值與觀測值的吻合程度，是評價模型算法的主流方式.它只是值大小的排序，與時間和點位無關［22］.

3.4 驗證結果及討論

表8 四種情景的FB及RHCR值對比Table 8 Contrast of FB and RHCRof four scenarios

由表8可知，在4種情景中，FB值分別為0.43、0.38、0.38和0.37，均在-0.67～0.67之間，說明AERMOD模型模擬結果可信度較高.情景二、三、四的FB值均小于情景一，更靠近0，表明在這3種氣象條件下，AERMOD模擬出的SO2濃度值與實際情況基本一致，而情景一的預測偏高.從RHCR值的大小可知，情景三和四更靠近于1，分別為1.33和1.41，表明在預測高端值時，情景三和四的效果更好.情景二的RHCR值為1.51，大于情景三，說明風相較于云對模型模擬結果影響更大.情景一的RHCR值為1.53，是4種情景中最大的，模擬效果最差.情景一是目前大氣環評應用地面氣象數據的實際情況，而情景二、三、四均按照本研究所推薦的數據標準化應用方法對模型輸入的地面氣象要素進行不同程度優化，所以將情景一的預測結果與情景二、三、四分別進行對比，以選出最佳方案（圖1），結果表明：4種情景的預測值集中在0～55μg/m3，在15～40μg/m3區間，情景一和三的落點幾乎重合，只有在40～55μg/m3的預測高端值范圍內，情景三的模擬效果優于情景一.在15～55μg/m3這一區間內，情景二、四的落點相較于情景一、三都更接近于基準線，其中在20～55μg/m3這一范圍內，情景四的落點最接近基準線.通過以上分析，情景四的預測點更靠近基準線，預測值與監測值更加吻合，預測精確度較高，表明情景四模擬的地面氣象場，較其他3種情景，更符合真實氣象條件.

4 結論

4.1 針對環評單位在使用大氣污染預測模型時發現輸入的地面氣象觀測數據存在數據質量差、數據說明不清晰等問題，結合AERMOD等進一步預測模型對地面氣象參數的實際需要，本研究建立了一套地面氣象觀測數據應用新體系.

4.2 本研究以內蒙古自治區正藍旗上都電廠為案例，利用AERMOD模型設置4種不同的地面氣象數據輸入情景，對地面氣象數據在大氣環評領域標準化應用新方法進行了驗證.結果表明，在4種情景中，情景二、三、四的FB值均比情景一更靠近0.關于RHCR值，情景三和四更靠近于1，表明在預測高端值時，情景三和四的效果更好.由FB值、RHCR值以及Q—Q圖的綜合分析得出，情景四的模擬值更接近實際監測值，其采用的地面氣象數據全面符合本研究所推薦的數據標準化應用方法.

圖1 情景一分別與情景二、三、四的圖形（Q—Q圖）對比Fig.1 Contrast of Q-Q plots between Scene One and other three scenes

［1］HJ2.2-2008 環境影響評價技術導則—大氣環境 ［S］.

［2］中國氣象局.地面氣象觀測規范 ［M］. 北京：氣象出版社，2003：12-13.

［3］任芝花，余 予，鄒鳳玲，等.部分地面要素歷史基礎氣象資料質量檢測 ［J］. 應用氣象學報， 2012，23（6）：739-747.

［4］徐文龍，荀麗波，王海娜.地面自動氣象觀測數據缺測的原因及記錄處理 ［J］. 現代農業科技， 2011（4）：23-24.

［5］孫朝陽，邵全琴，劉紀遠，等.城市擴展影響下的氣象觀測和氣溫變化特征分析 ［J］. 氣候與環境研究， 2011，16（3）：337-346.

［6］王 穎，劉小寧，鞠曉慧.自動觀測與人工觀測差異的初步分析［J］. 應用氣象學報， 2007，18（6）：849-855.

［7］夏思佳，王勤耕.基于AERMOD模式的大氣擴散參數方案比較研究 ［J］. 中國環境科學， 2009，29（11）：1121-1127.

［8］李煜婷，金宜英，劉富強.AERMOD模型模擬城市生活垃圾焚燒廠二噁英類物質擴散遷移 ［J］. 中國環境科學， 2013，33（6）：985-992.

［9］丁 颯，丁 業，孔 杉.地表參數對AERMOD模型預測濃度精確度的影響 ［J］. 安徽農業科學， 2011，39（34）：21221-21223，21313.

［10］張有賢，符辛竹，王小燕.經度、緯度及時差設置對AERMOD預測結果的影響 ［J］. 環境科學學報， 2012，32（5）：1168-1176.

［11］周 陽，李志強，黃浩云.AERMOD地表參數設置對最大落地濃度影響分析 ［C］//中國環境科學學會學術年會論文集：第二卷.中國環境科學學會， 2011：1143-1146.

［12］EPA. User's Guide for the AERMOD Meteorological Preprocessor （AERMET）. 2004，11（EPA-454/B-03-002）.

［13］中國氣象局.地面氣象觀測業務調整技術規定 ［R］. 北京：中國氣象局， 2013.

［14］中國氣象局.綜合氣象觀測系統發展規劃（2014-2020年） ［R］.北京：中國氣象局， 2013.

［15］中國氣象局.關于做好全國地面氣象觀測業務調整工作的通知［R］. 北京：中國氣象局， 2013.

［16］王棟成，林國棟，徐宗波.大氣環境影響評價實用技術 ［M］. 北京：中國標準出版社， 2010：247-248.

［17］鄭小波，羅宇翔，于 飛，等.西南復雜山地農業氣候要素空間插值方法比較 ［J］. 中國農業氣象， 2008，29（4）：458-462.

［18］徐 超，吳大千，張治國.山東省多年氣象要素空間插值方法比較研究 ［J］. 山東大學學報（理學版）， 2008，43（3）：1-5.

［19］常文淵，戴新剛，陳洪武.地質統計學在氣象要素場插值的實例研究 ［J］. 地球物理學報， 2004，47（6）：982-990.

［20］李光偉.基于CPR和MODIS探測結果的云頂溫度和云頂高度反演研究 ［D］. 中國科學技術大學， 2010.

［21］GB3095—2012 環境空氣質量標準 ［S］.

［22］江 磊，黃國忠，吳文軍，等.美國AERMOD模型與中國大氣導則推薦模型點源比較 ［J］. 環境科學研究， 2007，20（3）：44-51.

［23］U S EPA. User's Guide for the AMS/EPA Regulatory Model—AERMOD ［R］. 2004，9（EPA-454/B-03-001）.

［24］伯 鑫，張 玲，劉夢等.復雜地形下確定鋼鐵聯合企業防護距離研究 ［J］. 環境工程， 2011，29（S1）：298-302.

［25］王海超，焦文玲，鄒平華. AERMOD大氣擴散模型研究綜述 ［J］.環境科學與技術， 2010，33（11）：115-119.

［26］劉仁志，張志嬌，賈彥鵬. AERMOD模型在規劃環境影響評價中的應用 ［J］. 應用基礎與工程科學學報， 2012，20（S1）：96-107.

［27］張智鋒，劉雪錦，賈 佳，等.地形數據輸入范圍對AERMOD預測結果的影響 ［J］. 環境科學與技術， 2014，37（5）：182-186.

［28］丁 峰，李時蓓，蔡 芳. AERMOD在國內環境影響評價中的實例驗證與應用 ［J］. 環境污染與防治， 2007，29（12）：953-957.

［29］王棟成，王 勃，王 磊，等.復雜地形大氣擴散模式在環境影響評價中的應用 ［J］. 環境工程， 2010，28（6）：89-93.

［30］Cox W， Tikvart J. A Statistical Procedure for Determining the Best Performing Air Quality Simulation Model ［J］. Atmosphere Environment， 1991，21：2387-2395.

Standardization of meteorological observation data of surface in air regulatory model.

YANG Jing-chao1，3，4， MA Zhen-feng2， BO Xin3，4， WANG Gang5， LI Shi-bei3，4*（1.College of Atmospheric Sciences， Plateau Atmosphere and Environment Key Laboratory of Sichuan Province， Chengdu University of Information Technology， Chengdu 610225，China；2.Sichuan Climate Center， Chengdu 610072， China；3.Appraisal Center for Environment and Engineering， State Environmental Protection Ministry， Beijing 100012， China；4.State Environmental Protection Key Laboratory of Numerical Modeling for Environment Impact Assessment， Beijing 100012， China；5.Trinity Consultants， Hangzhou 310012， China）. China Environmental Science， 2015，35（10）：2950～2957

In this study， the acquisition method of meteorological observation data of surface， such as cloud cover， wind speed， wind direction and temperature， was investigated to explore how to regulate the standardized application of meteorological observation data of surface in the model. Combined with the demand for meteorological data of AERMOD model， recommended in the “Guidelines for Environmental Impact Assessment-Atmospheric Environment” of HJ2.2-2008 promulgated by China， we set up four scenarios. We used measured SO2data of Shangdu Power Plant as the verification data. In the case of other model input parameters constant， the four scenarios used 10minutes and 1hour meteorological data of surface of experiment station， and replaced opaque sky cover with total cloud amount and low cloud amount respectively. Scene One used 10minutes meteorological data of surface and replaced opaque sky cover with low cloud amount. Compared to Scene One， Scene Two replaced opaque sky cover with total cloud amount， Scene Three used 1hour meteorological data of surface， Scene Four used 1hour meteorological data of surface and replaced opaque sky cover with total cloud amount. In addition to the differences mentioned above， other meteorological data of surface were the same in the four scenarios. The results indicated that FB was closer to 0in Scene Two， Scene Three and Scene Four，less than that in Scene One. The RHCRin Scene Three and Scene Four was 1.33 and 1.41respectively， closer to 1， showing that Scene Three and Scene Four were better than other scenes in the prediction of high value. The RHCRof Scene Two exceeded Scene Three， indicating that wind had a greater effect on the simulation results in model than cloud. Composite analysis of FB and RHCRand Q-Q plots showed that the simulation of Scene Four was closer to the observation， the meteorological data were fully consistent with the standardized data application method recommanded in this study. This scene regulated standardized application of data in model and improved accuracy of the prediction of atmospheric environmental impact assessment.

meteorological observation data of surface；air pollution；AERMOD；cloud cover

X51

A

1000-6923（2015）10-2950-08

楊景朝（1988-），男，內蒙古呼和浩特市人，成都信息工程大學碩士研究生，主要從事大氣環境研究.

2015-03-26

國家環保公益性行業科研專項（201309062）；中國氣象局氣候變化專項四川盆地霧霾發生的氣象條件及風險評估（CCSF201532）

* 責任作者 研究員， lisb@acee.org.cn