青島市霧、霾天時空變化特征及影響因素分析

　　摘要：本研究基于青島市2005—2019年的氣象與空氣污染數(shù)據(jù)，主要分析了青島市霧、霾天區(qū)域分布及其年際、季節(jié)和日變化特征與影響因素。結(jié)果顯示，青島市自2005—2019年近14年來霧天天數(shù)緩慢減少(p<0.1)，霧天天數(shù)變化和相對濕度變化具有良好的正相關(guān)關(guān)系(p<0.05)。青島市各季節(jié)霾天天數(shù)呈波動變化，在2010—2013年間霾天天數(shù)每年均超過100d，2008年霾天天數(shù)最少，為75d。霧事件持續(xù)時間多為1～2d，占比為77.5%，而持續(xù)時間為1d的霾事件占60%，持續(xù)時間超過3d的占6.3%。在沿海型站點(市南、大橋三)，春夏季霧天天數(shù)明顯高于秋冬季，過渡型站點(膠南、膠州)和內(nèi)陸型站點(萊西、平度)則沒有該顯著差異，暗示了海洋對沿海城市霧天的影響程度。從日變化來看，各站點霧時數(shù)的高值主要出現(xiàn)于午夜至早8時，霾時數(shù)呈現(xiàn)雙峰分布，峰值出現(xiàn)于8：00—12：00和18：00—24：00。相關(guān)分析表明，每月霧時數(shù)與PM2.5、SO2濃度、相對濕度呈顯著正相關(guān)，與O3濃度呈顯著負(fù)相關(guān)，而霾時數(shù)與PM2.5、PM10、SO2、NO2和CO濃度呈顯著正相關(guān)，與O3濃度、氣溫、相對濕度和氣壓呈顯著負(fù)相關(guān)。

　　關(guān)鍵詞：霧天;霾天;氣象條件;空氣污染;時空變化

　　霧和霾是造成大氣能見度降低的主要天氣現(xiàn)象，可導(dǎo)致人們心情灰暗壓抑、海陸空交通受阻，甚至影響醫(yī)療和旅游等產(chǎn)業(yè)[1-2]。隨著氣候條件、城市發(fā)展以及空氣污染類型等方面的變化，中國霧、霾事件出現(xiàn)頻率及主要影響因素也存在明顯差異。許多研究表明，中國多個區(qū)域霧天天數(shù)呈現(xiàn)先增長后減少的趨勢[3-5]。林建等[6]發(fā)現(xiàn)1985—2005年我國除華南、江南地區(qū)霧日變化趨勢不明顯，其余各地的大霧日(能見度<1km)基本呈遞減趨勢，這可能與我國快速城市化以及森林覆蓋率減少導(dǎo)致的溫度升高、濕度下降有關(guān)[7-9]。吳兌等[10]分析發(fā)現(xiàn)，1954—2004年珠江三角洲霧和輕霧造成的低能見度變化主要反映了氣候波動固有的年際和年代際變化特征。

　　環(huán)境保護論文霧霾天氣引發(fā)的法律思考

　　自20世紀(jì)80年代初開始，珠江三角洲地區(qū)灰霾天數(shù)呈增加趨勢，并有3次大的波動，主要與經(jīng)濟發(fā)展、環(huán)保措施、復(fù)合大氣污染有關(guān)[10]。Zhang等[11]結(jié)合我國681個地面站點的能見度資料，以及人口密度、氣溶膠總排放量等數(shù)據(jù)，定義了我國4個主要霾區(qū)，分別為華北和關(guān)中平原、長江三角洲地區(qū)、珠江三角洲地區(qū)以及四川盆地。史軍等[12]研究表明，近30年來長江三角洲大城市、中等城市和城鎮(zhèn)鄉(xiāng)村間霾日數(shù)變化具有明顯差異，而趙普生等[13]指出京津冀范圍內(nèi)城區(qū)站點、非城區(qū)站點霾日數(shù)均有增加趨勢且兩者差距越來越小。氣溶膠及氣候系統(tǒng)對霧、霾的形成有重要影響[14-16]。一般來說氣溶膠有助于霧的生成，而當(dāng)氣溶膠濃度超過一定閾值，空氣中有限的水汽爭奪大量的氣溶膠，霧滴數(shù)量反而會下降[3，17]。

　　此外，氣溶膠的輻射效應(yīng)還會通過改變局地氣溫，影響霧的持續(xù)時間[18]：吸收性氣溶膠會加熱霧滴，從而延緩夜間霧的形成，加速日間霧的消散;散射性氣溶膠在日間散射太陽輻射，降低霧滴表面溫度，增加霧的持續(xù)時間。同時有研究指出，中國東部地區(qū)霧、霾形成受氣候系統(tǒng)影響較大。Fu等[19]研究表明風(fēng)場的分布和風(fēng)速、相對濕度的年代際變化對霧、霾的形成具有很大影響;Yin等[20]發(fā)現(xiàn)華北黃淮地區(qū)冬季霾的形成與風(fēng)速、降水具有一定相關(guān)性，但隨著近年來東亞冬季風(fēng)減弱，水汽條件成為霧、霾形成的關(guān)鍵因素，與風(fēng)速無明顯相關(guān)性[19]。青島市位于海霧多發(fā)區(qū)黃海之濱，每年4—7月霧的發(fā)生頻率最高且大部分為平流冷卻霧[21-23]。馬艷等[24-25]研究表明，青島市2006—2012年平均霧天數(shù)為55d，霧天氣背景下常伴隨著不同程度的空氣污染。

　　張曉慧等[26]對青島市冬季霧的天氣氣候特征進行研究，表明青島冬季霧的發(fā)生頻率為年均12d，占全年霧日數(shù)的22%，其中受天氣系統(tǒng)明顯影響的霧占48%。近年來青島市空氣質(zhì)量有所改善，PM2.5由2011—2012年的(102±37)μg·m-3降低到2014—2018年的(51±18)μg·m-3[27]。但冬季濃度仍能達到(79±54)μg·m-3，遠超國家二級標(biāo)準(zhǔn)(35μg·m-3)，且在高濕、靜穩(wěn)條件下，造成灰霾天氣頻發(fā)[27-29]。目前關(guān)于青島地區(qū)霧天、霾天相關(guān)研究主要集中在事件性天氣成因分析、不同天氣對氣溶膠成分的影響以及氣象條件對氣溶膠光學(xué)特性的影響等方面，對霧天、霾天長期變化規(guī)律及影響因素的研究較少。

　　本研究主要結(jié)合青島市2005—2019年大氣能見度、相對濕度等氣象小時數(shù)據(jù)、顆粒物濃度在線觀測數(shù)據(jù)等，分析了青島市近十幾年霧天、霾天的歷史變化趨勢，探討青島市不同區(qū)域霧、霾天氣發(fā)生特征及差異，以及霧天和霾天時空變化與氣象條件、空氣污染水平等因素的關(guān)系，為評估和改善青島市空氣質(zhì)量提供數(shù)據(jù)支持和理論支撐。

　　1資料來源與研究方法

　　1.1數(shù)據(jù)來源

　　本研究所用氣象數(shù)據(jù)有兩個來源：(1)ReliablePrognosis網(wǎng)站(https：//rp5.ru)，數(shù)據(jù)資料包括2005—2019年逐日8個時次(02：00、05：00、08：00、11：00、14：00、17：00、20：00、23：00)的水平能見度、相對濕度、溫度等氣象要素和各時次天氣現(xiàn)象，這些數(shù)據(jù)已被用于霧、霾等天氣現(xiàn)象的相關(guān)研究[30]，本研究用以分析青島市(氣象站編號為54857，經(jīng)緯度：36.067°N，120.333°E)近年來霧天、霾天天數(shù)的變化趨勢;(2)青島市氣象局2013—2019年6個站點氣象觀測數(shù)據(jù)，包含大橋三、膠南、膠州、萊西、平度和市南6個站點的水平能見度、相對濕度、溫度和降雨量等逐時氣象數(shù)據(jù)，用于分析青島市不同區(qū)域之間的霧頻、霾頻差異。

　　PM2.5、PM10、SO2、NO2、CO、O3和AQI小時數(shù)據(jù)收集于全國城市空氣質(zhì)量實時發(fā)布平臺(http：//106.37.208.233：20035/)，包括市南區(qū)西部子站、膠南、膠州、萊西和平度站5個觀測點位，監(jiān)測時間為2014年5月13日—2019年12月31日。

　　1.2方法

　　1.2.1霧天、霾天和站點類型的判定標(biāo)準(zhǔn)

　　本研究根據(jù)ReliablePrognosis網(wǎng)站2005—2019年青島市氣象站(編號54857)天氣現(xiàn)象記錄和降水量數(shù)據(jù)，排除雨、雪、沙塵暴等其他能使能見度降低的天氣后，定義一天中有任意相對濕度≥90%、能見度≤1km的數(shù)據(jù)記錄，則判定該天為霧天[31]。定義一天中14：00相對濕度<90%、能見度≤10km的天氣為霾天[18，32-33]。

　　由于膠南、膠州、萊西、平度和市南5個氣象觀測站分別有臨近環(huán)境空氣監(jiān)測站點，本研究在識別各站點霾天時，增加14：00PM2.5濃度≥75μg·m-3的限制指標(biāo)。為分析各站點逐時的霧、霾發(fā)生頻率分布特征，若各站點任意時刻的氣象記錄為相對濕度≥90%、能見度≤1km，則該時刻被定義為霧時刻;若任意時刻氣象記錄為相對濕度<90%、能見度≤10km，且PM2.5濃度≥75μg·m-3，則該時刻被定義為霾時刻。

　　2結(jié)果與討論

　　2.1青島市霧天、霾天天數(shù)年際變化特征

　　本節(jié)運用青島市2005—2019年逐日8個時次氣象數(shù)據(jù)對霧天、霾天天數(shù)年際變化特征進行討論。青島市2005—2019年年均霧天天數(shù)為41d，在2006年出現(xiàn)峰值(66d)，隨后呈緩慢減少的趨勢(p<0.1)，到2019年達到最低值(20d)。2005—2019年霾天天數(shù)呈波動變化趨勢，在2006、2010和2016年出現(xiàn)3個明顯峰值，分別為106、143和114d，在2010—2013年間霾天天數(shù)每年均超過100d，2008年霾天天數(shù)最少，為75d。

　　分別為青島市氣溫、相對濕度、風(fēng)速和降水量在2005—2019年期間的變化趨勢，風(fēng)速、相對濕度和降水量都呈現(xiàn)出降低的趨勢。青島市氣溫在2005—2019年間波動范圍約為1℃，2005—2007年呈上升趨勢，2007—2012年呈下降趨勢(-0.18℃·a-1，p>0.05)，2012—2019年呈上升趨勢(0.17℃·a-1，p<0.05)。從中可以看出，青島市2006—2019年相對濕度呈波動變化，有不斷降低的趨勢(-0.31%·a-1，p<0.05)。

　　經(jīng)過Spearman相關(guān)系數(shù)檢驗，2005—2019年青島市霧天天數(shù)變化和相對濕度變化具有良好的正相關(guān)關(guān)系(p<0.05)，說明近年霧天 天數(shù)的減少一定程度與相對濕度不斷降低有關(guān)。顯示近15年青島市風(fēng)速集中出現(xiàn)在2～6m·s-1，整體呈現(xiàn)不斷降低的趨勢，由2005年的4.0m·s-1降低到2019年的3.3m·s-1(-0.05m·s-1·a-1，p<0.01)。較高的空氣濕度更易形成暖濕氣流，從而為平流霧的出現(xiàn)提供了條件[35]。可見，2007—2019年青島市年降水量不斷降低(-36.53mm·a-1，p<0.05)，與相對濕度變化趨勢一致。

　　3結(jié)論

　　本研究通過以上分析和討論得到如下結(jié)論：

　　(1)青島市近14年霧天天數(shù)變化呈現(xiàn)緩慢下降的趨勢(p<0.1);每年霾天天數(shù)呈波動變化趨勢，在2006、2010和2016年出現(xiàn)3個明顯峰值，分別為106、143和114d。青島市夏季霧天天數(shù)最多，占總霧天天數(shù)42.1%，秋季最少，占總霧天天數(shù)8.0%;其中持續(xù)1 d的霧占55.2%，持續(xù)2d的占22.3%。青島市在秋季霾天天數(shù)較少，平均每年22.4d，占總霾天天數(shù)21.7%，其他季節(jié)為26.1～27.8d，各占25.3%～27.0%。持續(xù)1d的霾占60.0%，持續(xù)2d的占25.5%。

　　(2)青島市沿海型站點(市南、大橋三)與內(nèi)陸型站點(平度、萊西)霧天的季節(jié)分布特征不同，在沿海型站點春夏季霧天天數(shù)明顯高于秋冬季，過渡型站點和內(nèi)陸型站點則沒有該顯著差異，表明沿海型站點受平流霧影響較大，而內(nèi)陸型站點以輻射霧為主。從全年12個月分布來看，各站點霧主要出現(xiàn)時間不同，市南站點，春夏季5—7月霧頻占比較高，內(nèi)陸萊西站點秋冬8—11月霧頻占比高，過渡型站點上下半年沒有顯著差異。各個站點霾天分布均呈現(xiàn)冬季多于夏季，春秋季基本持平的特點，各站點的霾多發(fā)生于1和12月。從日變化來看，各站點霧時數(shù)的高值主要出現(xiàn)于午夜至早8時，霾時數(shù)呈現(xiàn)雙峰分布，峰值出現(xiàn)于8：00～12：00和18：00～24：00。

　　(3)有霾出現(xiàn)時，各站點PM2.5、PM10、SO2、NO2和CO五項污染物濃度都顯著高于霧天和總體均值。有霧出現(xiàn)時，除市南站點，其余站點的PM2.5濃度均顯著高于總體均值。在內(nèi)陸型站點，霧時數(shù)與NO2、O3濃度之間存在顯著相關(guān)性，沿海型和過渡型站點則與各項空氣污染物之間相無明顯相關(guān)性。此外，霾時數(shù)與氣溫、相對濕度均呈顯著負(fù)相關(guān)關(guān)系。

　　參考文獻：

　　[1]史秀霞.城市霧霾污染經(jīng)濟損失風(fēng)險智能評估模型研究[J].環(huán)境科學(xué)與管理，2019，44(11)：180-184.ShiX.Researchonintelligentassessmentmodelofeconomiclossriskofurbanhazepollution[J].EnvironmentalScienceandMan-agement，2019，44(11)：180-184.

　　[2]顧賽菊.霧霜污染的間接經(jīng)濟損失評估研究[D].南京：南京信息工程大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院，2016.GuS.ResearchonIndirectEconomicLossEstimationCausedbyHazePollution[D].Nanjing：SchoolofMathematicsandStatistics，NanjingUniversityofInformationScienceandTechnology，2016.

　　[3]RosenfeldD，LohmannU，RagaG，etal.Floodordrought：howdoaerosolsaffectprecipitation?[J].Science，2008，321(5894)：1309-1313.

　　[4]DengX，TieX，WuD，etal.Long-termtrendofvisibilityanditscharacterizationsinthePearlRiverDelta(PRD)region，China[J].AtmosphericEnvironment，2008，42(7)：1424-1435.

　　[5]QuanJ，ZhangQ，HeH，etal.AnalysisoftheformationoffogandhazeinNorthChinaPlain(NCP)[J].AtmosphericChemistryandPhysics，2011，11(15)：8205-8214.

　　作者：盧一凡1，王嬌1，2，于鋮浩3，馬艷4，高會旺1，2

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nylw/26939.html