2013年1月，華北地區的特征是負表面風速異常（更弱的水平擴散） 和正空氣溫度梯度異常（垂直對流弱大氣層穩定）。雖然沉淀也可能降低PM2.5，但之前的研究并未發現PM2.5的濃度和冷空氣的導致沉淀有顯著的關系，在這次的調查中也被確認，像預期的一樣該地區的平均空氣流通指數和歷史霧霾觀測數據相符，包括華北地區的PM10，北京地區的PM2.5，能見度指數，和衛星觀測的氣溶膠光學深度。

為簡化多參數統計分析，我們構造了一個合成氣象指數PPI，是WSI和ATGI的相關加權平均值，PM10的指數大體上與水平通風通道和垂直通風通道的權重和相符.新的PPI指數與地面觀測數據比如PM10（r=0.92）,PM25(r=0.79),Vil(r=0.62),衛星觀察數據(r=0.43)更加相關,表明PPI比柱狀氣溶膠數據更能說明地表空氣質量。從歷史角度看，經計算的PPI和經觀測的Vil都表明2013年1月的強霧霾都是過去30年前所未有的。

為了調查空氣變化率和PPI極值之間的關系我們引入了主成分分析，包括北極波濤指數，東亞冬季季風指數，和三個主要因素上一個秋天的北極海冰濃度數據（SIC），上一個冬天的北歐亞大陸積雪覆蓋面積（SCE），過去30年的厄爾尼諾數據和南方濤動數據。對PPI和其他氣候變量的長期觀測對氣候相關性分析是十分有必要的，我們發現PPI與我們使用的任何一個作用因素都不直接相關。與以往不同的是，這次所有因素共同作用導致2013的嚴重霧霾

正因PPI如此特殊，我們構造了一個北極圈作用力指數，它是北極冰面積指數和北歐亞大陸積雪面積指數的加權平均值，如此我們在討論北極圈作用力時有了一個有代表性的變量，北極圈作用力指數與PPI指數有42%符合的很好，2013年北極圈作用力指數的極大值與PPI的極值正吻合。為了驗證導致北極圈變化進而使PPI改變的大氣過程我們引入了最大協方差分析（MCA），這一變量與主成分分析完全獨立，以便更好的分析中高緯度的天氣[850毫帕地區的再分析數據，z850]和PPI的關系，我們發現PPI與850毫帕區域并不直接相關，使PPI發生變化的區域比z850地區要小，而且即便把2013年的數據刪除最大協方差依然沒有變化.

850毫帕地區和PPI最有代表性的耦合模式超過總數的30%，850毫帕地區和PPI聯系的最大強度與2013年的PPI極值相關（圖A），第一張850毫帕的最大協方差圖的空間樣式（圖B）變化代表了2013循環的異常（圖D），同樣第一張PPI樣式的最大協方差圖的空間樣式變化代表了2013年的PPI分布（圖C），更進一步第一張圖的PPI的最大協方差分析的強度的時間序列與華北地區的PPI的平均值高度相關（相關性0.93）

因此2013年的極端天氣可以通過更具有代表性的最大協方差模式來理解，最大協方差與PPI模式所代表的華北地區的惡劣通風條件是被地區性的大氣循環所影響，這個走勢被z850地區的最大協方差所表示。與大陸和海洋之間的大壓力梯度特征的氣候相反（圖B），最大協方差與Z850模式顯示了一個反方向的東北西南方向的壓力梯度與一個分布在北極和東北亞地區的氣旋異常，和一個西伯利亞中部的氣旋異常，導致季風減弱，以及華北地區的嚴重的霧霾

A.從1981到2015年一月PPI與z850的相關性的最大協方差樣式（圓，無單位），陰影表示1981到2015的ppi的值

B.z850的最大協方差的空間樣式（陰影），與z850的氣候（輪廓線，米）

C.PPI的最大協方差的空間樣式（陰影），與PPI區域（輪廓線，無單位）

D.2013年z850地區的異常（陰影，米），和z850地區的氣候（輪廓線，米）

黑點表示基于自舉方法的95％顯著性水平，綠色矩形表示子圖（B）和（C）的區域，H和L分別表示西伯利亞高地和阿留申低地的位置。所有結果均為1月

總結

以上是生活随笔為你收集整理的大数据分析中国冬季重度雾霾的成因（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。