利用2020年1月至2020年7月成都市温江区气象站L波段探空雷达资料，基于风场和大气折射率结构常数（Cn2）的比对分析，探究了风廓线雷达产品在成都地区的适用性。结果表明：风廓线雷达反演的水平风场与对应时刻L波段探空雷达测风资料在各高度层均呈显著正相关（p<0.05）。在低层（<2.5 km），风廓线雷达反演的水平风速较L波段探空雷达偏小，约0~1 m·s^-1，各高度层水平风速有效样本率在90%~100%波动；在高层（>2.5 km），风廓线雷达反演的水平风速较L波段探空雷达偏小，约0.5~2 m·s^-1，各高度层水平风速有效样本率在70%~90%波动。另外，风廓线雷达水平风向的有效样本率随高度上升呈波动增长趋势。在大气处于中等不稳定、弱不稳定、中性或弱稳定条件下，风廓线雷达Cn2廓线与对应时刻L波段探空雷达反演得到的Cn2廓线具有较好的一致性；在大气处于极不稳定或中等稳定条件下，风廓线雷达Cn2廓线与对应时刻L波段探空雷达反演得到的Cn2廓线虽呈现显著的正相关（p<0.05），但二者在数值上却存在较大的差异。降水是影响风廓线雷达反演精度的另一重要因子，降水条件下所测量水平风速的误差显著增大。

大气消光系数湿度订正是气溶胶吸湿性研究的重要内容，也是利用卫星气溶胶光学厚度（AOD）产品反演近地面颗粒物质量浓度的关键技术环节。基于成都市2016年1月至12月的逐时PM_2.5质量浓度、大气能见度、相对湿度（RH）观测数据，首先，深入探讨了大气消光系数与颗粒物质量浓度之间的统计关系及其对RH变化的响应特征，发现在RH小于90%时，单位质量大气消光系数均服从对数正态分布，并进一步指出该分布函数的形状参数和尺度参数均随RH的增加呈现出波动型增长。其次，以干燥环境条件下（RH小于等于40%）单位质量大气消光系数对数正态分布参数为基准，通过数学变换消除湿度变化对单位质量大气消光系数概率分布参数的影响，据此提出了大气消光系数湿度订正的原理和计算流程。最后，对该原理的适用性进行研究，结果表明，订正后大气消光系数反演得到的PM_2.5质量浓度与实际PM_2.5质量浓度相关系数为0.90，显著优于气溶胶散射吸湿增长因子法的湿度订正结果。

基于对大气消光系数时间序列随机性的深入研究，利用成都市2015至2017年秋冬季的大气能见度、相对湿度（RH）、颗粒物（PM₁₀和PM_2.5）质量浓度和NO₂含量监测数据，反演得到该区域相应时段的气溶胶消光系数时间序列。基于位置、尺度、形状的广义可加模型检测了气溶胶消光系数时间序列的平稳性，并对气溶胶消光系数序列进行了协变量分析。实验结果表明，成都秋冬季气溶胶消光系数时间序列均为非平稳序列，其均值和方差表现为非线性变化。细颗粒物（PM_2.5）质量浓度、RH和气溶胶组分（PM_2.5/PM₁₀）均是气溶胶消光系数序列非平稳变化的显著协变量。其中，PM_2.5为气溶胶消光系数序列非平稳性最主要的贡献因子，其次为RH，贡献最小的为PM_2.5/PM₁₀，且气溶胶消光系数的爆发式增长与PM_2.5、RH和PM_2.5/PM₁₀的协同作用密切相关。

分别以干燥环境下的平均单位质量气溶胶消光系数和湿环境下烘干气溶胶的散射消光系数为基准,提出了与之对应的两种气溶胶消光吸湿增长因子f1(RH)和f2(RH)。基于成都市2017年10—12月浊度仪和黑碳仪的逐时观测资料以及该时段同时次的环境气象监测数据(大气能见度、相对湿度以及NO2和PM10的质量浓度),针对上述两种气溶胶消光吸湿增长因子进行了系统的对比分析。主要结论如下:1)f1(RH)和f2(RH)均能表征气溶胶吸湿性的光学效应,二者的判决系数为0.90(通过了α=0.01的显著性检验);2)多模型的比对结果表明,二次多项式函数较好地拟合了f1(RH)和f2(RH)随相对湿度的变化特征;3)f1(RH)和f2(RH)的均值之比随相对湿度的增加而增大。进一步研究指出,烘干气溶胶的散射消光系数对相对湿度变化的显著响应关系是导致f1(RH)和f2(RH)非一致性演化的根本原因。

基于成都市2017年9月至12月逐时的气溶胶散射系数和吸收系数观测数据以及该时段同时次GRIMM180环境颗粒物监测仪的监测资料,利用免疫进化算法求解550 nm波长处“干”气溶胶等效复折射率的实部和虚部,探讨了其与主要气溶胶质量浓度指标的相关性。结果发现: “干”气溶胶等效复折射率实部和虚部分别为1.55±0.045和0.022±0.0075。针对“干”气溶胶等效复折射率实部的变化,最重要的质量浓度指标是粒径小于1 μm的颗粒物分别与粒径小于10 μm和2.5 μm颗粒物的质量浓度之比,对应的决定系数分别为0.53和0.21。针对“干”气溶胶等效复折射率虚部的变化,最重要的质量浓度指标是黑碳分别与粒径小于10 μm和2.5 μm颗粒物的质量浓度之比,对应的决定系数分别为0.47和0.42。

对不同湿度条件下消光系数序列演变特性的正确认知是构建大气颗粒物湿度订正模型的前提和基础。利用成都市人民南路4段环境监测站所提供的2013年6月到2014年5月逐时（降雨天除外）细颗粒物（PM2.5）浓度监测数据以及相应的地面能见度、相对湿度观测数据，反演得该区域相应时段单位质量消光系数时间序列。简要论述了消光系数吸湿过程中的复杂演变性及已有湿度订正模型的非普适性；基于相空间重构理论确定该时间序列的最佳延迟时间f和最佳嵌入维数m，据此计算出饱和关联维数、最大Lyapunov指数以及Kolmogorov熵特征量，其结果显示该序列具有低维混沌的特征；应用Cao方法排除其为非线性序列的可能性；结合替代数据法论证得成都市单位质量消光系数时间序列为随机序列。该研究结论不仅明晰了单位质量消光系数序列的特性，还为大气颗粒物湿度订正模型的改进奠定理论基础。