周奕珂,朱　彬*,韓志偉,潘　晨,郭　婷,魏建蘇,劉端陽(yáng)(1.南京信息工程大學(xué),氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心,江蘇 南京 2100；2.南京信息工程大學(xué),中國(guó)氣象局氣溶膠-云-降水重點(diǎn)開(kāi)放實(shí)驗(yàn)室,江蘇 南京 2100；.中國(guó)科學(xué)院大氣物理研究所,北京 100029；.江蘇省氣象臺(tái),江蘇 南京 210008)

?

長(zhǎng)江三角洲地區(qū)冬季能見(jiàn)度特征及影響因子分析

周奕珂1,2,朱彬1,2*,韓志偉3,潘晨1,2,郭婷1,2,魏建蘇4,劉端陽(yáng)4(1.南京信息工程大學(xué),氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心,江蘇 南京 210044；2.南京信息工程大學(xué),中國(guó)氣象局氣溶膠-云-降水重點(diǎn)開(kāi)放實(shí)驗(yàn)室,江蘇 南京 210044；3.中國(guó)科學(xué)院大氣物理研究所,北京 100029；4.江蘇省氣象臺(tái),江蘇 南京 210008)

摘要：利用Micaps提供的2013和2014年冬季長(zhǎng)江三角洲地區(qū)(以下簡(jiǎn)稱(chēng)長(zhǎng)三角)28個(gè)站點(diǎn)的地面常規(guī)觀測(cè)資料、NCEP FNL再分析資料和國(guó)家環(huán)境保護(hù)部發(fā)布的PM(2.5)質(zhì)量濃度自動(dòng)檢測(cè)數(shù)據(jù),分析了長(zhǎng)三角冬季大氣能見(jiàn)度特征,以及空氣污染物和氣象條件對(duì)能見(jiàn)度的影響.2013年冬季長(zhǎng)三角霾天發(fā)生頻率為53.4%.多元非線性回歸分析表明,PM(2.5)質(zhì)量濃度、地表10m風(fēng)速、500～850hPa水平風(fēng)垂直切變、相對(duì)濕度、925～1000hPa垂直溫差、850～925hPa假相當(dāng)位溫差這6個(gè)因子能夠解釋能見(jiàn)度變化的81.6%.氣象條件對(duì)能見(jiàn)度的作用與污染物濃度相當(dāng),熱力因子的貢獻(xiàn)大約是動(dòng)力因子的2倍.PM(2.5)質(zhì)量濃度越低,空氣質(zhì)量越好,以及相對(duì)濕度大于70%時(shí),相對(duì)濕度通過(guò)氣溶膠吸濕增長(zhǎng)對(duì)能見(jiàn)度的作用越強(qiáng).考慮PM(2.5)質(zhì)量濃度的影響時(shí),相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn)提高了1倍.利用2014年冬季資料驗(yàn)證多元擬合方程,效果較好.

關(guān)鍵詞：長(zhǎng)江三角洲；能見(jiàn)度；PM(2.5)；氣象條件；多元非線性回歸

* 責(zé)任作者, 教授, binzhu@nuist.edu.cn

目前,隨著工業(yè)化發(fā)展和城市化進(jìn)程的加快,我國(guó)城市灰霾天氣頻發(fā),極大地降低了大氣能見(jiàn)度,影響著人們的生產(chǎn)生活.

能見(jiàn)度用目標(biāo)物的最大能見(jiàn)距離表示,主要取決于大氣細(xì)顆粒物和氣態(tài)污染物對(duì)光線的削弱作用,包括散射和吸收.其中,顆粒物散射消光占總消光的70%～80%[1-2].米散射理論是描述球形粒子散射特性的最經(jīng)典理論,其表明粒徑與入射光波長(zhǎng)相當(dāng)?shù)念w粒物的散射效率最高,說(shuō)明細(xì)顆粒物是造成能見(jiàn)度降低的本質(zhì)原因.大氣擴(kuò)散的理論研究和試驗(yàn)研究表明,在不同的氣象條件下,同一污染源排放所造成的地面污染物濃度可相差幾十倍乃至幾百倍.這是由于大氣對(duì)污染物的擴(kuò)散稀釋能力隨著氣象條件的不同而發(fā)生巨大變化的緣故[3].國(guó)外從20世紀(jì)60年代開(kāi)始對(duì)低能見(jiàn)度進(jìn)行研究,發(fā)現(xiàn)能見(jiàn)度的變化趨勢(shì)可以很好地反映空氣質(zhì)量的變化趨勢(shì)[4-8].20世紀(jì)80年代后,開(kāi)始從不同大氣污染物和氣象條件等多方面進(jìn)行詳細(xì)分析[9-12].美國(guó)IMPROVE觀測(cè)網(wǎng),由成分譜反演消光系數(shù),按照硫酸鹽、硝酸鹽、元素碳、有機(jī)碳和地殼物質(zhì)五大源類(lèi)、結(jié)合吸濕增長(zhǎng)因子考察對(duì)能見(jiàn)度的貢獻(xiàn),給出顆粒物散射系數(shù)和吸收系數(shù)公式[13-14].粒子吸濕增長(zhǎng)的寇拉曲線表明,粒子尺度不超過(guò)臨界半徑時(shí),粒徑隨環(huán)境過(guò)飽和度的增大而增大.一個(gè)干粒子吸濕后,其粒徑明顯增大,而其密度、折射指數(shù)則單調(diào)減小,根據(jù)米散射理論,前向散射迅速增大[15].當(dāng)硝酸鹽、硫酸鹽、銨鹽、海鹽等無(wú)機(jī)成分及吸濕性有機(jī)物[16-17]作為霾粒子的組成部分時(shí),相對(duì)濕度越大,吸濕能力越強(qiáng),導(dǎo)致能見(jiàn)度越低.孫景群[18]分析了相對(duì)濕度與能見(jiàn)度的關(guān)系,表明濕氣溶膠的消光系數(shù)和后向散射微分截面隨相對(duì)濕度的增長(zhǎng)而變大,這主要是由于氣溶膠吸附水汽凝結(jié)增長(zhǎng)使氣溶膠尺度增大所致.劉曉慧等[19]在研究南京、杭州、合肥的相對(duì)濕度、API指數(shù)和能見(jiàn)度關(guān)系時(shí)發(fā)現(xiàn),灰霾期間能見(jiàn)度與API的相關(guān)性比非灰霾期間顯著偏高,并且灰霾期間能見(jiàn)度與API的相關(guān)性隨相對(duì)濕度的增加而增加.地表風(fēng)速、大氣靜力穩(wěn)定度、邊界層高度等影響污染物的輸送和擴(kuò)散[20-22].童堯青[23]、吳兌等[24]的研究表明,霾多發(fā)生在靜、小風(fēng)的天氣下,而強(qiáng)冷空氣帶來(lái)的大風(fēng)則有利于污染物的擴(kuò)散.張人禾等[25]從熱力、動(dòng)力因子的角度分析氣象條件對(duì)2013 年1月中國(guó)東部大范圍持續(xù)性低能見(jiàn)度天氣的影響,結(jié)果表明,能見(jiàn)度逐日演變過(guò)程中,超過(guò)2/3的變化是由氣象因子造成的,且熱力因子和動(dòng)力因子的貢獻(xiàn)相當(dāng).

雖然已有大量研究討論空氣污染物和氣象條件對(duì)能見(jiàn)度的影響[26-30],但大部分局限于單個(gè)因子與能見(jiàn)度的簡(jiǎn)單相關(guān)分析;部分多元線性回歸分析所包含的氣象信息較少,選擇線性回歸過(guò)于簡(jiǎn)單;另外,得到的氣象因子或擬合方程只是影響能見(jiàn)度的必要條件,無(wú)法證明其充分性,不具有預(yù)報(bào)指示意義.因此,有必要進(jìn)一步從空氣污染物、熱力因子、動(dòng)力因子等多方面對(duì)能見(jiàn)度進(jìn)行多元非線性回歸分析,得到更符合實(shí)際情況的擬合方程,并在另一時(shí)間段對(duì)擬合方程進(jìn)行驗(yàn)證,分析能更好預(yù)測(cè)能見(jiàn)度的因子組合.本文利用2013年冬季長(zhǎng)江三角洲地區(qū)PM2.5質(zhì)量濃度、地面和高空氣象資料,從污染物和氣象因子出發(fā)建立影響能見(jiàn)度的多元非線性回歸方程,并通過(guò)2014年冬季長(zhǎng)三角資料予以驗(yàn)證.此外,重點(diǎn)分析了受PM2.5質(zhì)量濃度和環(huán)境濕度條件制約下,相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn).以期為空氣污染預(yù)報(bào)和控制提供一些理論參考.

1　資料與方法

1.1資料

2013年冬季(2013年12月～2014年2月)和2014年冬季(2014年12月～2015年2月)長(zhǎng)江三角洲地區(qū)28個(gè)站點(diǎn)的地面常規(guī)觀測(cè)資料從Micaps中提取,資料為1日4時(shí)次,分別為北京時(shí)間02:00、08:00、14:00、20:00.各高度層氣象要素來(lái)自FNL再分析資料,FNL資料為1日4時(shí)次,分別為北京時(shí)間02:00、08:00、14:00、20:00時(shí),水平分辨率為1°×1°,選取(27～35°N,118～122°E)范圍代表長(zhǎng)三角.空氣質(zhì)量資料源自全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)(http://106.37.208.233: 20035/).

本文試圖分析長(zhǎng)江三角洲地區(qū)冬季大氣能見(jiàn)度的特征,以及空氣質(zhì)量和氣象條件對(duì)能見(jiàn)度的影響.為排除降水、揚(yáng)沙、沙塵暴、煙幕、高濕(≥90%)等其他導(dǎo)致低能見(jiàn)度的天氣事件的影響,通過(guò)天氣現(xiàn)象代碼和相對(duì)濕度對(duì)能見(jiàn)度資料進(jìn)行篩選,得到反映空氣質(zhì)量和氣象條件對(duì)能見(jiàn)度影響的有效資料[31].利用FNL資料計(jì)算如下大氣變量:500hPa與850hPa水平風(fēng)垂直切變?chǔ)58、925hPa與1000hPa氣溫差ΔT91、10m風(fēng)速V10m以及850hPa與925hPa假相當(dāng)位溫差Δθse89.本文著眼于長(zhǎng)三角這一區(qū)域的能見(jiàn)度及影響因素,且各類(lèi)資料的站點(diǎn)難以對(duì)應(yīng),因此各要素都是計(jì)算所有站點(diǎn)或格點(diǎn)的平均值以代表長(zhǎng)三角地區(qū).首先計(jì)算日均值,分析2013年12月～2014年2月能見(jiàn)度與PM2.5質(zhì)量濃度和相關(guān)大氣變量的關(guān)系,再進(jìn)行多元非線性回歸分析,得到擬合方程,進(jìn)而用2014年12月～2015年2月資料對(duì)擬合方程進(jìn)行檢驗(yàn).相對(duì)濕度與能見(jiàn)度關(guān)系的討論中,由Koschmieder關(guān)系式= K/ VIS,可計(jì)算得到未經(jīng)訂正的消光系數(shù),在此K取值為1.9[32-33].通過(guò)以下公式[34]可得到減少相對(duì)濕度消光影響的干消光系數(shù)bext:

2　結(jié)果與討論

2.12013年冬季長(zhǎng)江三角洲地區(qū)能見(jiàn)度特征

由圖1可見(jiàn), 2013年12月～2014年2月長(zhǎng)三角區(qū)域平均能見(jiàn)度圍繞平均值9.5km上下震蕩,無(wú)明顯的大幅度增減變化.2013年12月、2014年1月、2014年2月平均能見(jiàn)度分別為8.4,9.5,10.8km,略有小幅度增加趨勢(shì).其中,2月能見(jiàn)度變化幅度最大,冬季能見(jiàn)度最大值21.1km(2月5日)、最小值1.9km(2月25日)皆發(fā)生在此月.

為進(jìn)一步分析長(zhǎng)三角冬季能見(jiàn)度特征,對(duì)2013年冬季能見(jiàn)度進(jìn)行分檔統(tǒng)計(jì).因?yàn)樵谇捌谔幚頂?shù)據(jù)時(shí)已剔除降水、沙塵暴、揚(yáng)沙、浮塵、煙幕、吹雪、雪暴等天氣現(xiàn)象和高濕造成視程障礙的影響,所以可直接由能見(jiàn)度判斷霾天.根據(jù)《霾的觀測(cè)和預(yù)報(bào)等級(jí)》[35],將不同能見(jiàn)度范圍劃分為輕微霾、輕度霾、中度霾和重度霾.能見(jiàn)度大于10.0km的情況在此定義為清潔天.表1分別統(tǒng)計(jì)了不同等級(jí)污染天氣發(fā)生的天數(shù)、頻率和平均能見(jiàn)度.霾天發(fā)生頻率略大于清潔天,分別為53.4%和46.6%.霾天以輕微霾為主,輕度霾較少,中度霾和重度霾各僅1d.

圖1　2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度逐日變化Fig.1　Visibility time series of daily mean over the Yangtze River Delta Region in winter of 2013

2.2能見(jiàn)度影響因子分析

對(duì)于霾的形成和演變,大量細(xì)顆粒物聚集是內(nèi)因,氣象條件的影響是外因.從污染物濃度、熱力因子、動(dòng)力因子的角度分別討論單一氣象條件對(duì)能見(jiàn)度的作用,進(jìn)而以此為依據(jù)建立多元回歸方程.

2.2.1單因子回歸分析圖2為2013年冬季長(zhǎng)三角區(qū)域平均PM2.5質(zhì)量濃度、10m風(fēng)速、500～850hPa水平風(fēng)垂直切變、地表相對(duì)濕度、925～1000hPa垂直溫差、850～925hPa假相當(dāng)位溫差與能見(jiàn)度的散點(diǎn)圖和擬合直(曲)線.除相對(duì)濕度的回歸方程通過(guò)0.05的顯著性檢驗(yàn),其他均通過(guò)0.01的顯著性檢驗(yàn).

表1　2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度分檔統(tǒng)計(jì)(n=88)Table 1　Visibility statistics over the Yangtze River Delta Region in winter of 2013 (n=88)

如圖2(a)所示,能見(jiàn)度隨PM2.5質(zhì)量濃度的增加呈對(duì)數(shù)降低.兩者的簡(jiǎn)單相關(guān)系數(shù)為-0.77,通過(guò)0.01的顯著性檢驗(yàn).由圖2(b)可見(jiàn),能見(jiàn)度隨地表風(fēng)速的增加而增大,地表水平風(fēng)速越大,對(duì)污染物的輸送能力越強(qiáng),可快速搬運(yùn)至下風(fēng)方,混入空氣量增多,污染物濃度降低,能見(jiàn)度升高.向高空擴(kuò)散是使邊界層污染物濃度降低的一個(gè)有效途徑.500～850hPa水平風(fēng)垂直切變,體現(xiàn)了大氣對(duì)污染物在垂直方向上的動(dòng)力擴(kuò)散能力.其中,u為緯向風(fēng)分量,v為徑向風(fēng)分量.如圖2(c)所示,ΔV58對(duì)能見(jiàn)度的影響在不同取值范圍有很大差別:當(dāng)16.3＜ΔV58＜30.9時(shí),能見(jiàn)度隨ΔV58的增大而增大,水平風(fēng)垂直切變?cè)酱?上下層大氣混合越顯著,污染物得到有效擴(kuò)散,濃度降低,能見(jiàn)度升高;而當(dāng)ΔV58＞16.3或ΔV58＞30.9時(shí),能見(jiàn)度與ΔV58呈反關(guān)系,風(fēng)切變過(guò)小時(shí),大氣在垂直方向上的混合很弱,風(fēng)切變微弱增加不僅不利于污染物的擴(kuò)散甚至有可能帶入新的污染物,導(dǎo)致能見(jiàn)度下降;而風(fēng)切變過(guò)大時(shí),上下層空氣混合非常劇烈,一方面可能使污染物圍困在一定空間范圍內(nèi)無(wú)法向外輸送,另一方面可能導(dǎo)致溫度層結(jié)近中性,也不利于污染物的擴(kuò)散.平均ΔV58為22.2m/s,一般來(lái)說(shuō)風(fēng)切變?cè)鰪?qiáng)有利于能見(jiàn)度好轉(zhuǎn),但也有風(fēng)切變過(guò)小或過(guò)大不利于污染物擴(kuò)散的情況.

相對(duì)濕度與能見(jiàn)度對(duì)數(shù)的線性關(guān)系較弱,對(duì)能見(jiàn)度的解釋方差小,但可以看出能見(jiàn)度隨相對(duì)濕度的增加而降低,如圖2(d).這與以往的研究結(jié)果一致,一方面,相對(duì)濕度越高,氣溶膠吸濕增長(zhǎng)越強(qiáng),消光越顯著,能見(jiàn)度越低;另一方面,高相對(duì)濕度意味著水蒸氣的散射和吸收作用強(qiáng)烈,從而導(dǎo)致能見(jiàn)度降低[36],但水汽的作用相對(duì)于氣溶膠是微弱的.大氣層結(jié)的垂直分布會(huì)影響大氣靜力穩(wěn)定度,影響污染物的擴(kuò)散和聚集.從圖2(e)中可以看到,925～1000hPa大氣層結(jié)處于條件性不穩(wěn)定狀態(tài)時(shí),能見(jiàn)度隨著ΔT91的增大而減小,即層結(jié)越穩(wěn)定能見(jiàn)度越低.大氣擴(kuò)散稀釋能力隨靜力穩(wěn)定度的增加而減弱,導(dǎo)致污染物聚集,能見(jiàn)度降低.再者,高濃度顆粒物衰減太陽(yáng)短波輻射,減弱地面的凈短波輻射通量,降低地表溫度, ΔT91更大,層結(jié)更加穩(wěn)定,造成持續(xù)性低能見(jiàn)度天氣[37-38].由于絕對(duì)穩(wěn)定條件發(fā)生次數(shù)少,數(shù)據(jù)較少,對(duì)比散點(diǎn)圖與擬合曲線,認(rèn)為這部分回歸分析有較大偏差.同時(shí),在所有樣本中逆溫狀態(tài)僅出現(xiàn)一天,即2014年1月24日垂直溫差ΔT91=0.69K,但這天的能見(jiàn)度為13.6km,高出平均值(9.5km),說(shuō)明逆溫并非導(dǎo)致能見(jiàn)度降低的必要條件,進(jìn)一步說(shuō)明影響因子綜合作用的復(fù)雜性.850～925hPa假相當(dāng)位溫差Δθse89.可反映邊界層上層的層結(jié)穩(wěn)定度.Δθse89＜0時(shí),為條件性不穩(wěn)定狀態(tài);Δθse89＞0時(shí),為絕對(duì)穩(wěn)定狀態(tài).從圖2(f)中可見(jiàn),在邊界層上層以條件性不穩(wěn)定狀態(tài)為主,平均Δθse89=-4.5K.在邊界層中上層,與能見(jiàn)度呈正相關(guān),即大氣層結(jié)穩(wěn)定度與能見(jiàn)度一致.層結(jié)穩(wěn)定度會(huì)影響大氣的垂直運(yùn)動(dòng),因此分別分析850hPa和925hPa垂直速度與Δθse89的關(guān)系.850hPa和925hPa垂直速度的平均值分別為0.0386Pa/s,0.0283Pa/s,以下沉運(yùn)動(dòng)為主. Δθse89與850hPa和925hPa垂直速度的簡(jiǎn)單相關(guān)系數(shù)分別為-0.389,-0.319,都通過(guò)了0.01的顯著性檢驗(yàn).當(dāng)Δθse89越小,層結(jié)穩(wěn)定度越低時(shí),850hPa和925hPa的下沉運(yùn)動(dòng)越顯著,更強(qiáng)地抑制污染物的擴(kuò)散,導(dǎo)致能見(jiàn)度越低.

國(guó)際市場(chǎng)：國(guó)際氮肥價(jià)格持續(xù)上漲，市場(chǎng)供應(yīng)量增加，其中中國(guó)銷(xiāo)售3萬(wàn)噸大顆粒尿素；歐洲、巴西、印度和美國(guó)季節(jié)性需求到來(lái)，貿(mào)易商采購(gòu)較為積極。國(guó)際磷肥價(jià)格高位平穩(wěn)運(yùn)行，印度采購(gòu)因盧比大幅貶值放緩，東南亞采購(gòu)需求減弱，中國(guó)供貨價(jià)仍維持穩(wěn)定。國(guó)際鉀肥價(jià)格總體維持高位，因中國(guó)、印度鉀肥大合同尚未簽訂，東南亞各國(guó)鉀肥市場(chǎng)價(jià)格漲跌互現(xiàn)。

圖2　2013年冬季長(zhǎng)三角區(qū)域平均PM2.5質(zhì)量濃度(a)、10m風(fēng)速(b)、500～850hPa水平風(fēng)垂直切變(c)、地表相對(duì)濕度(d)、925hPa～1000hPa垂直溫差(e)、850hPa～925hPa假相當(dāng)位溫差(f)與能見(jiàn)度的散點(diǎn)圖和擬合直(曲)線Fig.2　Scatter plots between visibility and PM2.5concentration(a), 10-m wind speed(b), shear of horizontal wind(500-850hPa)(c), relative humidity(d), temperature difference (925-1000hPa)(e), potential pseudo-equivalent temperature difference(850-925hPa)(f)

總結(jié)以上各因子,在不考慮其他因子影響時(shí),PM2.5質(zhì)量濃度、相對(duì)濕度、925～1000hPa垂直溫差分別對(duì)能見(jiàn)度有負(fù)的貢獻(xiàn);地表10m風(fēng)速、850～925hPa假相當(dāng)位溫差分別對(duì)能見(jiàn)度有正的貢獻(xiàn);500hPa與850hPa水平風(fēng)垂直切變的作用因取值范圍的不同而不同,當(dāng)16.3＜ΔV58＜30.9時(shí),水平風(fēng)切變的增強(qiáng)有利于能見(jiàn)度的好轉(zhuǎn).大氣層結(jié)穩(wěn)定度在邊界層上、下層對(duì)能見(jiàn)度的作用相反,700m以下層結(jié)越穩(wěn)定能見(jiàn)度越低,700m以上則相反.地表風(fēng)速影響污染物的輸送;水平風(fēng)的垂直切變、層結(jié)穩(wěn)定度影響污染物的擴(kuò)散;地表空氣飽和度影響顆粒物的吸濕增長(zhǎng)和消光效率.實(shí)際上,氣象條件變化復(fù)雜,能見(jiàn)度受多因子綜合影響,因此有必要利用多因子對(duì)能見(jiàn)度進(jìn)行多元回歸分析,以得到具有預(yù)報(bào)意義的統(tǒng)計(jì)方程.

2.2.2不同污染等級(jí)下相對(duì)濕度與能見(jiàn)度的關(guān)系相對(duì)濕度通過(guò)氣溶膠的吸濕增長(zhǎng)影響消光系數(shù)和能見(jiàn)度,其作用受制于氣溶膠本身.利用2013年冬季長(zhǎng)三角區(qū)域平均相對(duì)濕度和能見(jiàn)度小時(shí)值(02:00、08:00、14:00、20:00),進(jìn)一步討論不同PM2.5質(zhì)量濃度下相對(duì)濕度與能見(jiàn)度的關(guān)系.根據(jù)PM2.5質(zhì)量濃度劃分優(yōu)、良、輕度污染、中度污染、重度污染和嚴(yán)重污染六個(gè)等級(jí)(表2),分析不同污染程度時(shí)相對(duì)濕度對(duì)能見(jiàn)度的作用.如圖3,空氣質(zhì)量為優(yōu)時(shí),相對(duì)濕度與能見(jiàn)度無(wú)明顯關(guān)系;嚴(yán)重污染和中度污染時(shí),能見(jiàn)度隨相對(duì)濕度的增大而降低;良、輕度污染和重度污染時(shí),相對(duì)濕度與能見(jiàn)度線性回歸直線的斜率分別為-0.129,-0.096,-0.066.PM2.5質(zhì)量濃度越低,污染越輕時(shí),擬合直線的斜率絕對(duì)值越大,說(shuō)明能見(jiàn)度隨相對(duì)濕度變化越快.這也反映了不同污染程度下,相對(duì)濕度對(duì)能見(jiàn)度的作用強(qiáng)弱不同,空氣質(zhì)量越好時(shí),相對(duì)濕度通過(guò)氣溶膠吸濕增長(zhǎng)對(duì)能見(jiàn)度的作用越強(qiáng).假定PM2.5尺度不變,空氣中增加一定量水汽時(shí),數(shù)濃度高的因爭(zhēng)食水汽而導(dǎo)致每個(gè)粒子增長(zhǎng)受限,粒子尺度變化小,因相對(duì)濕度導(dǎo)致的能見(jiàn)度變化量小.

除PM2.5質(zhì)量濃度外,相對(duì)濕度與能見(jiàn)度的關(guān)系還受環(huán)境濕度條件的影響.由能見(jiàn)度觀測(cè)值通過(guò)1.2中的方法和公式,可計(jì)算得到未經(jīng)訂正的消光系數(shù)和干消光系數(shù)bext.那么, Δb=?b就是相對(duì)濕度通過(guò)吸濕增長(zhǎng)引extext起的消光系數(shù)的增加量,可以反映相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn),Δbext與相對(duì)濕度的關(guān)系如圖4.圖4(b)是圖4(a)的縱坐標(biāo)Δbext在(-10～25)×0.01km-1范圍的截取,可排除個(gè)別大值的影響,突顯相對(duì)濕度與的關(guān)系.相對(duì)濕度在60%～70%之間時(shí), Δbext平均值為0.06×0.01km-1,且?guī)缀醪浑S相對(duì)濕度的變化而變化,說(shuō)明吸濕增長(zhǎng)對(duì)消光系數(shù)的貢獻(xiàn)非常小,且不隨相對(duì)濕度的增大而增強(qiáng).相對(duì)濕度小于60%時(shí), Δbext隨相對(duì)濕度的增加緩慢增加;相對(duì)濕度大于70%時(shí),Δbext隨相對(duì)濕度大致呈指數(shù)增加,即對(duì)能見(jiàn)度的貢獻(xiàn)顯著增強(qiáng).

圖3　不同污染等級(jí)下相對(duì)濕度與能見(jiàn)度的散點(diǎn)圖及擬合直線Fig.3　Scatter plots between visibility and relative humidity under different air pollution levels

表2　不同污染等級(jí)下能見(jiàn)度統(tǒng)計(jì)(小時(shí)值,n=242)Table 2　Visibility statistics under different air pollution levels(hourly data,n=242)

相對(duì)濕度與能見(jiàn)度的關(guān)系不僅受PM2.5質(zhì)量濃度影響,也受環(huán)境濕度條件的制約.PM2.5質(zhì)量濃度越低,空氣質(zhì)量越好,以及相對(duì)濕度大于70% 時(shí),相對(duì)濕度對(duì)消光系數(shù)的貢獻(xiàn)越多,對(duì)能見(jiàn)度的作用越強(qiáng).

2.2.3多元非線性回歸分析根據(jù)各因子與能見(jiàn)度的一元回歸分析結(jié)果,建立多元非線性回歸模型,得到能見(jiàn)度擬合方程:

圖4　消光系數(shù)的貢獻(xiàn)量隨相對(duì)濕度的變化趨勢(shì)Fig.4　Trends of RH’s contribution to extinction coefficient with RH圖4(b)是圖4(a)的縱坐標(biāo)Δbext在(-10～25)×0.01km-1范圍的截取

R2=0.816,通過(guò)0.01的顯著性檢驗(yàn).能見(jiàn)度95%的置信區(qū)間為VIS±3.3km.圖5為2013年冬季長(zhǎng)三角觀測(cè)能見(jiàn)度值與回歸估計(jì)值的對(duì)比.從趨勢(shì)和數(shù)值大小上來(lái)看,擬合效果較好.說(shuō)明這六個(gè)因子可以解釋2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度變化的81.6%.為進(jìn)一步分析污染源、氣象條件和熱、動(dòng)力因子對(duì)能見(jiàn)度貢獻(xiàn)的相對(duì)重要性,分別用PM2.5質(zhì)量濃度、動(dòng)力因子(V10m,ΔV58)、熱力因子(RH,ΔΤ91,Δθse89)、氣象條件(動(dòng)力+熱力因子)對(duì)能見(jiàn)度進(jìn)行回歸分析,結(jié)果見(jiàn)表3.

PM2.5質(zhì)量濃度與氣象因子可單獨(dú)解釋能見(jiàn)度變化的65.6%和54.9%,但兩者共同擬合時(shí)并非解釋方差百分率的加和,最終為81.6%.熱力因子對(duì)能見(jiàn)度的貢獻(xiàn)明顯大于動(dòng)力因子,它們對(duì)能見(jiàn)度的解釋方差百分率分別為51.9%和27.5%,熱、動(dòng)力因子共同擬合時(shí)也并非兩者單獨(dú)解釋方差之和,最終為54.9%.這是各因子之間相互影響,對(duì)能見(jiàn)度的貢獻(xiàn)強(qiáng)弱有別導(dǎo)致的.可針對(duì)2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度總結(jié)出:氣象因子對(duì)能見(jiàn)度的影響可與PM2.5質(zhì)量濃度相當(dāng),從污染物的輸送、擴(kuò)散以及顆粒物吸濕增長(zhǎng)多方面影響大氣能見(jiàn)度;熱力因子對(duì)能見(jiàn)度的貢獻(xiàn)大約是動(dòng)力因子的兩倍;只有多因子的組合才是影響能見(jiàn)度的充分條件,具體什么樣的組合對(duì)能見(jiàn)度的預(yù)報(bào)最有效還有待繼續(xù)討論.

圖5　2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度觀測(cè)值與回歸估計(jì)值對(duì)比Fig.5　Time series of daily observed visibility and simulated visibility by nonlinear regression equation

表3　各類(lèi)型影響因子的回歸方程和可決系數(shù)Table 3　Regression equations and R2with different types of factors

從2.2.2的討論可知,相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn)受PM2.5質(zhì)量濃度的影響,可通過(guò)有、無(wú)相對(duì)濕度因子的多元回歸方程的可決系數(shù)R2的差值,估計(jì)相對(duì)濕度對(duì)能見(jiàn)度的作用,如表4,M因子包含V10m,ΔV58,ΔT91,Δθse89,M因子和RH因子多元回歸R2=0.549,M因子多元回歸R2=0.512,兩者差值ΔR2=0.037;PM2.5、M因子和RH因子多元回歸R2=0.816,PM2.5和M因子多元回歸R2=0.742,兩者差值ΔR2=0.074.有PM2.5擬合時(shí)ΔR2是無(wú)PM2.5擬合時(shí)的一倍,說(shuō)明考慮PM2.5質(zhì)量濃度的影響時(shí),相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn)提高了一倍.

表4　不同回歸方程中可決系數(shù)的比較Table 4　Comparison of R2in different regression equations

2.3擬合方程的驗(yàn)證

圖6　2014年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度驗(yàn)證Fig.6　Time series of daily observed visibility and daily simulated visibility by nonlinear regression equation over the Yangtze River Delta Region in winter of 2014

為了證明這6個(gè)因子的組合對(duì)能見(jiàn)度估計(jì)的有效性,利用2014年冬季(2014年12月～2015年2 月)長(zhǎng)三角資料對(duì)擬合方程進(jìn)行驗(yàn)證,觀測(cè)值與擬合值的對(duì)比如圖6,擬合值與觀測(cè)值的變化趨勢(shì)一致,但數(shù)值整體略偏低,2014年12月較明顯.觀測(cè)能見(jiàn)度的平均值為9.6km,擬合能見(jiàn)度平均值為8.6km,12月、1月、2月殘差平均值分別為2.19,0.99,-0.05km,12月和1月略偏低,2月略偏高.12月、1月、2月殘差方差分別為7.15km2、5.23,5.21km2,說(shuō)明擬合方程對(duì)1、2月能見(jiàn)度的擬合效果更好,即2015年1、2月與2014年12月相比較而言,氣象和空氣污染條件對(duì)能見(jiàn)度的影響,更符合擬合方程所表示的關(guān)系.可能2014年12月存在其他影響能見(jiàn)度的因素,但在其它月份中表現(xiàn)不突出,進(jìn)而影響多因素所產(chǎn)生的綜合作用.觀測(cè)值與擬合值的簡(jiǎn)單相關(guān)系數(shù)為0.77,通過(guò)0.01的顯著性檢驗(yàn).總體來(lái)說(shuō),擬合方程能較好的估算2014年冬季長(zhǎng)三角的能見(jiàn)度.

3　結(jié)論

3.12013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度逐日呈震蕩變化,無(wú)明顯大幅度增減趨勢(shì).霾天發(fā)生頻率為53.4%,以輕微霾為主,輕度霾較少,中度霾和重度霾各僅1d.

3.2地表風(fēng)速影響污染物的輸送;水平風(fēng)的垂直切變、層結(jié)穩(wěn)定度影響污染物的擴(kuò)散;地表空氣飽和度影響顆粒物的吸濕增長(zhǎng)和消光效率.PM2.5質(zhì)量濃度、相對(duì)濕度、925～1000hPa垂直溫差分別對(duì)能見(jiàn)度有負(fù)的貢獻(xiàn);地表10m風(fēng)速、850～925hPa假相當(dāng)位溫差分別對(duì)能見(jiàn)度有正的貢獻(xiàn);500hPa 與850hPa水平風(fēng)垂直切變的作用因取值范圍的不同而不同,一般來(lái)說(shuō)風(fēng)切變?cè)鰪?qiáng)有利于能見(jiàn)度好轉(zhuǎn)(當(dāng)16.3＜DV58＜30.9時(shí)),但也有風(fēng)切變過(guò)小或過(guò)大不利于污染物擴(kuò)散的情況.大氣層結(jié)穩(wěn)定度在邊界層上、下層對(duì)能見(jiàn)度的作用相反,在大約700m以下,層結(jié)越穩(wěn)定,能見(jiàn)度越低,而在約700～1500m的高度則相反.

3.3相對(duì)濕度與能見(jiàn)度的關(guān)系受PM2.5質(zhì)量濃度和環(huán)境濕度條件的制約.PM2.5質(zhì)量濃度越低,空氣質(zhì)量越好,以及相對(duì)濕度大于70%時(shí),相對(duì)濕度通過(guò)氣溶膠吸濕增長(zhǎng)對(duì)能見(jiàn)度的作用越強(qiáng).

3.4多元非線性回歸分析表明,PM2.5質(zhì)量濃度、V10m、ΔV58、RH、ΔT91、Δθse89這6個(gè)因子可以解釋2013年冬季長(zhǎng)三角區(qū)域平均能見(jiàn)度變化的81.6%,且通過(guò)0.01的顯著性檢驗(yàn).能見(jiàn)度95%的置信區(qū)間為VIS±3.3km.氣象因子對(duì)能見(jiàn)度的影響可與PM2.5質(zhì)量濃度相當(dāng),熱力因子對(duì)能見(jiàn)度的貢獻(xiàn)大約是動(dòng)力因子的兩倍.此外,考慮PM2.5質(zhì)量濃度的影響時(shí),相對(duì)濕度對(duì)能見(jiàn)度的貢獻(xiàn)提高了1倍.

3.5多元非線性擬合方程能較好地估算2014年冬季長(zhǎng)三角地區(qū)的能見(jiàn)度,1、2月的擬合效果較12月更好.能見(jiàn)度觀測(cè)值與擬合值的簡(jiǎn)單相關(guān)系數(shù)為0.77.

參考文獻(xiàn)：

[1] 宋宇,唐孝炎,方晨,等.北京市能見(jiàn)度下降與顆粒物污染的關(guān)系 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2003,23(4):468?471.

[2] 沈鐵迪,王體健,陳璞瓏,等.南京城區(qū)夏秋季能見(jiàn)度與PM2.5化學(xué)成分的關(guān)系 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(3):652-658.

[3] 蔣維楣.空氣污染氣象學(xué)教程 [M]. 北京:氣象出版社, 2004:5.

[4] Charlson R J, Ahlquist N C, Horvath H. On the generality of correlation of atmospheric aerosol mass concentration and light scatter [J]. Atmospheric Environment (1967), 1968,2(5):455-464.

[5] Noll K E, Mueller P K, Imada M. Visibility and aerosol concentration in urban air [J]. Atmospheric Environment (1967), 1968,2(5):465-475.

[6] Charlson R J. Atmospheric visibility related to aerosol mass concentration: review [J]. Environmental Science & Technology, 1969,3(10):913-918.

[7] Horvath H, Noll K E. The relationship between atmospheric light scattering coefficient and visibility [J]. Atmospheric Environment (1967), 1969,3(5):543-550.

[8] Miller M E, Canfield N L, Ritter T A, et al. Visibility changes in Ohio, Kentucky, and Tennessee from 1962 to 1969 [J]. Monthly Weather Review, 1972,100(1):67-71.

[9] Stuart Naegele P, William D Sellers. A Study of Visibility in Eighteen Cities in the Western and Southwestern United States [J]. Mon. Wea. Rev., 1981,109:2394—2399.

[10] Lee D O. Trends in summer visibility in London and southern England 1962～1979 [J]. Atmospheric Environment (1967), 1983, 17(1):151-159.

[11] Lee D O. The choice of visibility statistics in the analysis of long term visibility trends in southern England [J]. Weather, 1988,43: 332-338.

[12] Lee D O. The influence of wind direction, circulation type and air pollution emissions on summer visibility trends in southern England [J]. Atmospheric Environment. Part A. General Topics, 1990,24(1):195-201.

[13] Hand J L, Malm W C. Review of the IMPROVE equation for estimating ambient light extinction coefficients [M]. CIRA, Colorado State University, 2007.

[14] 白志鵬,董海燕,蔡斌彬,等.灰霾與能見(jiàn)度研究進(jìn)展 [J]. 過(guò)程工程學(xué)報(bào), 2006(z2):36-41.

[15] Bohren C F, Huffman D R. Absorption and scattering of light by small particles [M]. John Wiley & Sons, 2008.

[16] 劉新罡,張遠(yuǎn)航.大氣氣溶膠吸濕性質(zhì)國(guó)內(nèi)外研究進(jìn)展 [J]. 氣候與環(huán)境研究, 2010,15(6):806-816.

[17] Day D E, Malm W C. Aerosol light scattering measurements as a function of relative humidity: a comparison between measurements made at three different sites [J]. Atmospheric Environment, 2001,35(30):5169-5176.

[18] 孫景群.能見(jiàn)度與相對(duì)濕度的關(guān)系 [J]. 氣象學(xué)報(bào), 1985,43(2): 230-234.

[19] 劉曉慧,朱彬,王紅磊,等.長(zhǎng)江三角洲地區(qū)1980～2009年灰霾分布特征及影響因子 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(11):1929-1936.

[20] 朱彬,蘇繼鋒,韓志偉,等.秸稈焚燒導(dǎo)致南京及周邊地區(qū)一次嚴(yán)重空氣污染過(guò)程的分析 [J]. 中國(guó)環(huán)境科學(xué), 2010,30(5):585-592.

[21] Kang H, Zhu B, Su J, et al. Analysis of a long-lasting haze episode in Nanjing, China [J]. Atmospheric Research, 2013,120: 78-87.

[22] Zhao X J, Zhao P S, Xu J, et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics, 2013,13(11):5685-5696.

[23] 童堯青,銀燕,錢(qián)凌,等.南京地區(qū)霾天氣特征分析 [J]. 中國(guó)環(huán)境科學(xué), 2007,27(5):584-588.

[24] 吳兌,廖國(guó)蓮,鄧雪嬌,等.珠江三角洲霾天氣的近地層輸送條件研究 [J]. 應(yīng)用氣象學(xué)報(bào), 2008,(1):1-9.

[25] 張人禾,李強(qiáng),張若楠. 2013年1月中國(guó)東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析 [J]. 中國(guó)科學(xué):地球科學(xué), 2014,1:27-36.

[26] 祁妙,朱彬,潘晨,等.長(zhǎng)江三角洲冬季一次低能見(jiàn)度過(guò)程的地區(qū)差異和氣象條件 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(10):2899-2907.

[27] Mang L, et al. Regression Analyses between Recent Air Quality and Visibility Changes in Megacities at Four Haze Regions in China [J]. Aerosol and Air Quality Research, 2012,12:1049—1061

[28] 王英,李令軍,李成才.北京大氣能見(jiàn)度和消光特性變化規(guī)律及影響因素 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(5):1310-1318.

[29] 劉新罡,張遠(yuǎn)航,曾立民,等.廣州市大氣能見(jiàn)度影響因子的貢獻(xiàn)研究 [J]. 氣候與環(huán)境研究, 2006,11(6):733-738.

[30] 史軍,崔林麗.長(zhǎng)江三角洲城市群霾的演變特征及影響因素研究 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(12):2113-2122.

[31] 吳兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導(dǎo)致能見(jiàn)度下降問(wèn)題研究 [J]. 氣象學(xué)報(bào), 2006,64(4):510-517.

[32] Griffing G W. Relationships between the prevailing visibility, nephelometer scattering coefficient, and sunphotometer turbidity coefficient [J]. Atmospheric Environment, 1980,14(5):577-584.

[33] Ozkaynak H, Schatz A D, Thurston G D, et al. Relationships between aerosol extinction coefficients derived from airport visual range observations and alternative measure of air-borne particle mass [J]. Air Pollution Control Association, 1985,35: 1176—1185.

[34] Che H, Zhang X, Li Y, et al. Horizontal visibility trends in China 1981～2005 [J]. Geophysical Research Letters, 2007,34(24): L24706.

[35] QX/T 113－2010霾的觀測(cè)和等級(jí)預(yù)報(bào) [S].

[36] 姚青,張長(zhǎng)春,樊文雁,等.天津冬季大氣能見(jiàn)度與空氣污染的相互關(guān)系 [J]. 氣象科技, 2010,38(6):704-708.

[37] 楊軍,李子華,黃世鴻.相對(duì)濕度對(duì)大氣氣溶膠粒子短波輻射特性的影響 [J]. 大氣科學(xué), 1999,23(2):239-247.

[38] Liu X, Xie X, Yin Z Y, et al. A modeling study of the effects of aerosols on clouds and precipitation over East Asia [J]. Theoretical and applied climatology, 2011,106(3/4):343-354.

致謝：感謝南京信息工程大學(xué)侯雪偉博士和祁妙碩士對(duì)部分?jǐn)?shù)據(jù)的提供.

Analysis of visibility characteristics and connecting factors over the Yangtze River Delta Region during winter time.

ZHOU Yi-ke1,2, ZHU Bin1,2*, HAN Zhi-wei3, PAN Chen1,2, GUO Ting1,2, WEI Jian-su4, LIU Duan-yang4(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China；3.Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China；4.Meteorological Observatory of Jiangsu Province, Nanjing 210008, China). China Environmental Science, 2016,36(3)：660～669

Abstract：Based on the meteorological data from 28 observation stations in winter 2013 and 2014, NCEP FNL reanalysis data and ground PM(2.5)observations, the characteristic of visibility and its relationship with air pollutants and meteorological conditions in the Yangtze River Delta in winter were analyzed. In winter 2013, the frequency of haze day was 53.4%. 81.6% of the visibility change can be explained by PM(2.5)concentration, 10m wind speed, wind shear (500～850hPa), relative humidity, temperature difference (925～1000hPa), potential pseudo-equivalent temperature difference (850～925hPa). The effects of meteorological conditions and air pollutants on visibility were comparable, and the contribution of thermal factor was almost twice that of dynamical factor. The RH impact on visibility was stronger at lower PM(2.5)concentration and higher RH (＞70%). The visibility in winter 2014 was well reproduced by the nonlinear regression equation.

Key words：the Yangtze River Delta；visibility；PM(2.5)；meteorological conditions；multivariate nonlieanr regression

作者簡(jiǎn)介:周奕珂(1993-),女,湖南常德人,南京信息工程大學(xué)碩士研究生,主要從事大氣化學(xué)和大氣環(huán)境方向研究.

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(41275143,41575148);公益性行業(yè)(氣象)科研專(zhuān)項(xiàng)(201206011);江蘇省高校自然科學(xué)研究重大基礎(chǔ)研究項(xiàng)目(12KJA170003);江蘇省省級(jí)環(huán)?？蒲姓n題(2014021)

收稿日期：2015-08-20

中圖分類(lèi)號(hào)：X513

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-6923(2016)03-0660-10