大气颗粒物是最重要的空气污染物之一，会对人类健康产生负面影响。激光雷达探测是实现颗粒物分布高精度测量的可行手段。气溶胶消光系数在一定程度上能反映气溶胶质量浓度的相对大小，气象要素对消光系数和质量浓度的影响不容忽视。本团队利用反演得到的消光系数，结合地面温度、相对湿度、风速、地面气压等地面气象要素，与PM_2.5、PM₁₀质量浓度建立数据集；通过主成分分析法计算数据特征，基于广义回归神经网络(GRNN)对PM_2.5、PM₁₀质量浓度建立评估模型。GRNN模型得到的PM_2.5和PM₁₀质量浓度的评估值与真实值的相关系数分别为0.86和0.85，均方根误差(RMSE)分别为2.58 μg/m³和10.84 μg/m³，平均绝对误差(MAE)分别为0.81 μg/m³和1.53 μg/m³。将GRNN模型应用于激光雷达扫描模式下，对南京市浦口区颗粒物质量浓度的水平分布进行了评估，评估值和实际站点测量值的一致性较好，进一步验证了GRNN模型用于颗粒物质量浓度评估的有效性。

利用安徽省高速公路能见度观测站网的分钟能见度及温湿风资料, 在全面分析能见度与各个气象要素相关性的基础上, 重点探讨了高速公路能见度的短时预测模型。应用 BP 神经网络, 以湿度、温度、平均风速、瞬时风速、极大风速作为 BP 神经网络输入层, 输出层为能见度, 结果表明整体试验数据偏差在可接受范围内。采用顺序试验样本时, 相对误差在 20% 以内的占总试验次数的 68.6%; 在随机样本各次试验中, BP 网络模拟输出与检验样本的相关性较好, 相关系数在 0.6～0.8 之间; 低能见度随机样本试验结果表明, 模型输出值与样本值均方根误差集中在 700sim850 m 之间, 变化幅度不大, 说明神经网络算法具有较高的稳定性。

利用合肥国家气象观测站建站以来历史观测资料(1952～2016年)及2004～2016年逐日地面观测资料和高空观测资料, 分析了合肥霾日及相关气象要素特征;并结合2004～2016年合肥空气质量数据,对合肥市霾的预报方法进行了研究, 初步得到了霾日和霾日能见度的预报方程;最后利用2017年的气象资料和空气质量资料对预报结果进行了检验。结果表明: 合肥出现的霾以轻微霾和轻度霾为主;全市霾日逐月分布不均,其中1月和12月最多。霾的生消有比较明显的日变化, 霾出现的时间主要集中在每日的11:00～20:00。霾出现的有利气象条件是:风速≤3 m/s,地面主导风向为 偏东风到偏南风,有负变压,正变温,相对湿度在50～70%之间。低能见度的霾需要相对较高的相对湿度和负变压。 建立的霾日及霾日能见度方程预报准确度较高,可以为合肥市霾的预报预警提供一定参考。

以福建省建瓯市2010～2011年两年逐时太阳总辐射和气象要素(气温、相对湿度、云量等9个气象要素)资料为 研究对象,首先研究太阳总辐射与各常规气象要素的关系,然后利用2010年总辐射和常规气象要素分季节分早中晚建 立预报模型预报2011年总辐射,最后进行误差分析。结果表明:太阳总辐射与气温、水汽压、相对湿度、云 量(低、总)、地温、降水量以及日照有关,其中水汽压、相对湿度、降水量及云量与总辐射负相关,其他呈正 相关;与总辐射相关性最小的是风速、其次是水汽压,最大的是日照、其次是地温。分季节分早中晚建立 逐步回归方程发现:每日逐时主要贡献因子不尽相同,春季为气温、相对湿度、地温和日照;夏季为地温、日照; 秋季为相对湿度、地温和日照；冬季早上总低云量、地温和日照是总辐射的主要贡献因子,中午和傍晚气温、 相对湿度、地温和日照是总辐射的主要贡献因子。预报结果发现：预报值与实际值误差较稳定,基本维 持在10%～45% 之间,夏季误差最小,其次是秋季和春季,冬季的误差最大,中午比早上和傍晚的预报效果好。

利用中国最新公布的截至2008年华东地区13个站点资料,对华东地区平均的地面太阳总辐射长期 变化趋势进行了分析,并讨论了该地区云、气溶胶和水汽对地面 太阳总辐射变化的影响。研究表明,1961～2008年华东地区平均总辐射呈现减少趋势,减 少速率为2.05 W·m-2·(10yr)-1; 1990年前 该地区总辐射呈现出显著的下降趋势, 1990～1995年呈现快速增加趋势,但 是1995～2000年再次呈下降趋势,2000年后在平均线上下波动略有增加。 气溶胶、云和水汽对华东地区地面太阳总辐射的长期变化都有一定的影响,但是在不同 的时段影响程度不同,在1961～1989年总辐射的减少主要归因为气溶胶 的增加; 而在1990～1999年和2000～2008年则是以云量的影响为主,而且低云 量对地面总辐射的影响要大于总云量的影响。