長江三角洲地區冬季能見度特征及影響因子分析

周奕珂,朱　彬*,韓志偉,潘　晨,郭　婷,魏建蘇,劉端陽(1.南京信息工程大學,氣象災害預報預警與評估協同創新中心,江蘇 南京 2100；2.南京信息工程大學,中國氣象局氣溶膠-云-降水重點開放實驗室,江蘇 南京 2100；.中國科學院大氣物理研究所,北京 100029；.江蘇省氣象臺,江蘇 南京 210008)

?

長江三角洲地區冬季能見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4(1.南京信息工程大學,氣象災害預報預警與評估協同創新中心,江蘇 南京 210044；2.南京信息工程大學,中國氣象局氣溶膠-云-降水重點開放實驗室,江蘇 南京 210044；3.中國科學院大氣物理研究所,北京 100029；4.江蘇省氣象臺,江蘇 南京 210008)

摘要：利用Micaps提供的2013和2014年冬季長江三角洲地區(以下簡稱長三角)28個站點的地面常規觀測資料、NCEP FNL再分析資料和國家環境保護部發布的PM(2.5)質量濃度自動檢測數據,分析了長三角冬季大氣能見度特征,以及空氣污染物和氣象條件對能見度的影響.2013年冬季長三角霾天發生頻率為53.4%.多元非線性回歸分析表明,PM(2.5)質量濃度、地表10m風速、500～850hPa水平風垂直切變、相對濕度、925～1000hPa垂直溫差、850～925hPa假相當位溫差這6個因子能夠解釋能見度變化的81.6%.氣象條件對能見度的作用與污染物濃度相當,熱力因子的貢獻大約是動力因子的2倍.PM(2.5)質量濃度越低,空氣質量越好,以及相對濕度大于70%時,相對濕度通過氣溶膠吸濕增長對能見度的作用越強.考慮PM(2.5)質量濃度的影響時,相對濕度對能見度的貢獻提高了1倍.利用2014年冬季資料驗證多元擬合方程,效果較好.

關鍵詞：長江三角洲；能見度；PM(2.5)；氣象條件；多元非線性回歸

* 責任作者, 教授, binzhu@nuist.edu.cn

目前,隨著工業化發展和城市化進程的加快,我國城市灰霾天氣頻發,極大地降低了大氣能見度,影響著人們的生產生活.

能見度用目標物的最大能見距離表示,主要取決于大氣細顆粒物和氣態污染物對光線的削弱作用,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典理論,其表明粒徑與入射光波長相當的顆粒物的散射效率最高,說明細顆粒物是造成能見度降低的本質原因.大氣擴散的理論研究和試驗研究表明,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.這是由于大氣對污染物的擴散稀釋能力隨著氣象條件的不同而發生巨大變化的緣故[3].國外從20世紀60年代開始對低能見度進行研究,發現能見度的變化趨勢可以很好地反映空氣質量的變化趨勢[4-8].20世紀80年代后,開始從不同大氣污染物和氣象條件等多方面進行詳細分析[9-12].美國IMPROVE觀測網,由成分譜反演消光系數,按照硫酸鹽、硝酸鹽、元素碳、有機碳和地殼物質五大源類、結合吸濕增長因子考察對能見度的貢獻,給出顆粒物散射系數和吸收系數公式[13-14].粒子吸濕增長的寇拉曲線表明,粒子尺度不超過臨界半徑時,粒徑隨環境過飽和度的增大而增大.一個干粒子吸濕后,其粒徑明顯增大,而其密度、折射指數則單調減小,根據米散射理論,前向散射迅速增大[15].當硝酸鹽、硫酸鹽、銨鹽、海鹽等無機成分及吸濕性有機物[16-17]作為霾粒子的組成部分時,相對濕度越大,吸濕能力越強,導致能見度越低.孫景群[18]分析了相對濕度與能見度的關系,表明濕氣溶膠的消光系數和后向散射微分截面隨相對濕度的增長而變大,這主要是由于氣溶膠吸附水汽凝結增長使氣溶膠尺度增大所致.劉曉慧等[19]在研究南京、杭州、合肥的相對濕度、API指數和能見度關系時發現,灰霾期間能見度與API的相關性比非灰霾期間顯著偏高,并且灰霾期間能見度與API的相關性隨相對濕度的增加而增加.地表風速、大氣靜力穩定度、邊界層高度等影響污染物的輸送和擴散[20-22].童堯青[23]、吳兌等[24]的研究表明,霾多發生在靜、小風的天氣下,而強冷空氣帶來的大風則有利于污染物的擴散.張人禾等[25]從熱力、動力因子的角度分析氣象條件對2013 年1月中國東部大范圍持續性低能見度天氣的影響,結果表明,能見度逐日演變過程中,超過2/3的變化是由氣象因子造成的,且熱力因子和動力因子的貢獻相當.

雖然已有大量研究討論空氣污染物和氣象條件對能見度的影響[26-30],但大部分局限于單個因子與能見度的簡單相關分析;部分多元線性回歸分析所包含的氣象信息較少,選擇線性回歸過于簡單;另外,得到的氣象因子或擬合方程只是影響能見度的必要條件,無法證明其充分性,不具有預報指示意義.因此,有必要進一步從空氣污染物、熱力因子、動力因子等多方面對能見度進行多元非線性回歸分析,得到更符合實際情況的擬合方程,并在另一時間段對擬合方程進行驗證,分析能更好預測能見度的因子組合.本文利用2013年冬季長江三角洲地區PM2.5質量濃度、地面和高空氣象資料,從污染物和氣象因子出發建立影響能見度的多元非線性回歸方程,并通過2014年冬季長三角資料予以驗證.此外,重點分析了受PM2.5質量濃度和環境濕度條件制約下,相對濕度對能見度的貢獻.以期為空氣污染預報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)長江三角洲地區28個站點的地面常規觀測資料從Micaps中提取,資料為1日4時次,分別為北京時間02:00、08:00、14:00、20:00.各高度層氣象要素來自FNL再分析資料,FNL資料為1日4時次,分別為北京時間02:00、08:00、14:00、20:00時,水平分辨率為1°×1°,選取(27～35°N,118～122°E)范圍代表長三角.空氣質量資料源自全國城市空氣質量實時發布平臺(http://106.37.208.233: 20035/).

本文試圖分析長江三角洲地區冬季大氣能見度的特征,以及空氣質量和氣象條件對能見度的影響.為排除降水、揚沙、沙塵暴、煙幕、高濕(≥90%)等其他導致低能見度的天氣事件的影響,通過天氣現象代碼和相對濕度對能見度資料進行篩選,得到反映空氣質量和氣象條件對能見度影響的有效資料[31].利用FNL資料計算如下大氣變量:500hPa與850hPa水平風垂直切變ΔV58、925hPa與1000hPa氣溫差ΔT91、10m風速V10m以及850hPa與925hPa假相當位溫差Δθse89.本文著眼于長三角這一區域的能見度及影響因素,且各類資料的站點難以對應,因此各要素都是計算所有站點或格點的平均值以代表長三角地區.首先計算日均值,分析2013年12月～2014年2月能見度與PM2.5質量濃度和相關大氣變量的關系,再進行多元非線性回歸分析,得到擬合方程,進而用2014年12月～2015年2月資料對擬合方程進行檢驗.相對濕度與能見度關系的討論中,由Koschmieder關系式= K/ VIS,可計算得到未經訂正的消光系數,在此K取值為1.9[32-33].通過以下公式[34]可得到減少相對濕度消光影響的干消光系數bext:

2　結果與討論

2.12013年冬季長江三角洲地區能見度特征

由圖1可見, 2013年12月～2014年2月長三角區域平均能見度圍繞平均值9.5km上下震蕩,無明顯的大幅度增減變化.2013年12月、2014年1月、2014年2月平均能見度分別為8.4,9.5,10.8km,略有小幅度增加趨勢.其中,2月能見度變化幅度最大,冬季能見度最大值21.1km(2月5日)、最小值1.9km(2月25日)皆發生在此月.

為進一步分析長三角冬季能見度特征,對2013年冬季能見度進行分檔統計.因為在前期處理數據時已剔除降水、沙塵暴、揚沙、浮塵、煙幕、吹雪、雪暴等天氣現象和高濕造成視程障礙的影響,所以可直接由能見度判斷霾天.根據《霾的觀測和預報等級》[35],將不同能見度范圍劃分為輕微霾、輕度霾、中度霾和重度霾.能見度大于10.0km的情況在此定義為清潔天.表1分別統計了不同等級污染天氣發生的天數、頻率和平均能見度.霾天發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年冬季長三角區域平均能見度逐日變化Fig.1　Visibility time series of daily mean over the Yangtze River Delta Region in winter of 2013

2.2能見度影響因子分析

對于霾的形成和演變,大量細顆粒物聚集是內因,氣象條件的影響是外因.從污染物濃度、熱力因子、動力因子的角度分別討論單一氣象條件對能見度的作用,進而以此為依據建立多元回歸方程.

2.2.1單因子回歸分析圖2為2013年冬季長三角區域平均PM2.5質量濃度、10m風速、500～850hPa水平風垂直切變、地表相對濕度、925～1000hPa垂直溫差、850～925hPa假相當位溫差與能見度的散點圖和擬合直(曲)線.除相對濕度的回歸方程通過0.05的顯著性檢驗,其他均通過0.01的顯著性檢驗.

表1　2013年冬季長三角區域平均能見度分檔統計(n=88)Table 1　Visibility statistics over the Yangtze River Delta Region in winter of 2013 (n=88)

如圖2(a)所示,能見度隨PM2.5質量濃度的增加呈對數降低.兩者的簡單相關系數為-0.77,通過0.01的顯著性檢驗.由圖2(b)可見,能見度隨地表風速的增加而增大,地表水平風速越大,對污染物的輸送能力越強,可快速搬運至下風方,混入空氣量增多,污染物濃度降低,能見度升高.向高空擴散是使邊界層污染物濃度降低的一個有效途徑.500～850hPa水平風垂直切變,體現了大氣對污染物在垂直方向上的動力擴散能力.其中,u為緯向風分量,v為徑向風分量.如圖2(c)所示,ΔV58對能見度的影響在不同取值范圍有很大差別:當16.3＜ΔV58＜30.9時,能見度隨ΔV58的增大而增大,水平風垂直切變越大,上下層大氣混合越顯著,污染物得到有效擴散,濃度降低,能見度升高;而當ΔV58＞16.3或ΔV58＞30.9時,能見度與ΔV58呈反關系,風切變過小時,大氣在垂直方向上的混合很弱,風切變微弱增加不僅不利于污染物的擴散甚至有可能帶入新的污染物,導致能見度下降;而風切變過大時,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無法向外輸送,另一方面可能導致溫度層結近中性,也不利于污染物的擴散.平均ΔV58為22.2m/s,一般來說風切變增強有利于能見度好轉,但也有風切變過小或過大不利于污染物擴散的情況.

相對濕度與能見度對數的線性關系較弱,對能見度的解釋方差小,但可以看出能見度隨相對濕度的增加而降低,如圖2(d).這與以往的研究結果一致,一方面,相對濕度越高,氣溶膠吸濕增長越強,消光越顯著,能見度越低;另一方面,高相對濕度意味著水蒸氣的散射和吸收作用強烈,從而導致能見度降低[36],但水汽的作用相對于氣溶膠是微弱的.大氣層結的垂直分布會影響大氣靜力穩定度,影響污染物的擴散和聚集.從圖2(e)中可以看到,925～1000hPa大氣層結處于條件性不穩定狀態時,能見度隨著ΔT91的增大而減小,即層結越穩定能見度越低.大氣擴散稀釋能力隨靜力穩定度的增加而減弱,導致污染物聚集,能見度降低.再者,高濃度顆粒物衰減太陽短波輻射,減弱地面的凈短波輻射通量,降低地表溫度, ΔT91更大,層結更加穩定,造成持續性低能見度天氣[37-38].由于絕對穩定條件發生次數少,數據較少,對比散點圖與擬合曲線,認為這部分回歸分析有較大偏差.同時,在所有樣本中逆溫狀態僅出現一天,即2014年1月24日垂直溫差ΔT91=0.69K,但這天的能見度為13.6km,高出平均值(9.5km),說明逆溫并非導致能見度降低的必要條件,進一步說明影響因子綜合作用的復雜性.850～925hPa假相當位溫差Δθse89.可反映邊界層上層的層結穩定度.Δθse89＜0時,為條件性不穩定狀態;Δθse89＞0時,為絕對穩定狀態.從圖2(f)中可見,在邊界層上層以條件性不穩定狀態為主,平均Δθse89=-4.5K.在邊界層中上層,與能見度呈正相關,即大氣層結穩定度與能見度一致.層結穩定度會影響大氣的垂直運動,因此分別分析850hPa和925hPa垂直速度與Δθse89的關系.850hPa和925hPa垂直速度的平均值分別為0.0386Pa/s,0.0283Pa/s,以下沉運動為主. Δθse89與850hPa和925hPa垂直速度的簡單相關系數分別為-0.389,-0.319,都通過了0.01的顯著性檢驗.當Δθse89越小,層結穩定度越低時,850hPa和925hPa的下沉運動越顯著,更強地抑制污染物的擴散,導致能見度越低.

國際市場：國際氮肥價格持續上漲，市場供應量增加，其中中國銷售3萬噸大顆粒尿素；歐洲、巴西、印度和美國季節性需求到來，貿易商采購較為積極。國際磷肥價格高位平穩運行，印度采購因盧比大幅貶值放緩，東南亞采購需求減弱，中國供貨價仍維持穩定。國際鉀肥價格總體維持高位，因中國、印度鉀肥大合同尚未簽訂，東南亞各國鉀肥市場價格漲跌互現。

圖2　2013年冬季長三角區域平均PM2.5質量濃度(a)、10m風速(b)、500～850hPa水平風垂直切變(c)、地表相對濕度(d)、925hPa～1000hPa垂直溫差(e)、850hPa～925hPa假相當位溫差(f)與能見度的散點圖和擬合直(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)

總結以上各因子,在不考慮其他因子影響時,PM2.5質量濃度、相對濕度、925～1000hPa垂直溫差分別對能見度有負的貢獻;地表10m風速、850～925hPa假相當位溫差分別對能見度有正的貢獻;500hPa與850hPa水平風垂直切變的作用因取值范圍的不同而不同,當16.3＜ΔV58＜30.9時,水平風切變的增強有利于能見度的好轉.大氣層結穩定度在邊界層上、下層對能見度的作用相反,700m以下層結越穩定能見度越低,700m以上則相反.地表風速影響污染物的輸送;水平風的垂直切變、層結穩定度影響污染物的擴散;地表空氣飽和度影響顆粒物的吸濕增長和消光效率.實際上,氣象條件變化復雜,能見度受多因子綜合影響,因此有必要利用多因子對能見度進行多元回歸分析,以得到具有預報意義的統計方程.

2.2.2不同污染等級下相對濕度與能見度的關系相對濕度通過氣溶膠的吸濕增長影響消光系數和能見度,其作用受制于氣溶膠本身.利用2013年冬季長三角區域平均相對濕度和能見度小時值(02:00、08:00、14:00、20:00),進一步討論不同PM2.5質量濃度下相對濕度與能見度的關系.根據PM2.5質量濃度劃分優、良、輕度污染、中度污染、重度污染和嚴重污染六個等級(表2),分析不同污染程度時相對濕度對能見度的作用.如圖3,空氣質量為優時,相對濕度與能見度無明顯關系;嚴重污染和中度污染時,能見度隨相對濕度的增大而降低;良、輕度污染和重度污染時,相對濕度與能見度線性回歸直線的斜率分別為-0.129,-0.096,-0.066.PM2.5質量濃度越低,污染越輕時,擬合直線的斜率絕對值越大,說明能見度隨相對濕度變化越快.這也反映了不同污染程度下,相對濕度對能見度的作用強弱不同,空氣質量越好時,相對濕度通過氣溶膠吸濕增長對能見度的作用越強.假定PM2.5尺度不變,空氣中增加一定量水汽時,數濃度高的因爭食水汽而導致每個粒子增長受限,粒子尺度變化小,因相對濕度導致的能見度變化量小.

除PM2.5質量濃度外,相對濕度與能見度的關系還受環境濕度條件的影響.由能見度觀測值通過1.2中的方法和公式,可計算得到未經訂正的消光系數和干消光系數bext.那么, Δb=?b就是相對濕度通過吸濕增長引extext起的消光系數的增加量,可以反映相對濕度對能見度的貢獻,Δbext與相對濕度的關系如圖4.圖4(b)是圖4(a)的縱坐標Δbext在(-10～25)×0.01km-1范圍的截取,可排除個別大值的影響,突顯相對濕度與的關系.相對濕度在60%～70%之間時, Δbext平均值為0.06×0.01km-1,且幾乎不隨相對濕度的變化而變化,說明吸濕增長對消光系數的貢獻非常小,且不隨相對濕度的增大而增強.相對濕度小于60%時, Δbext隨相對濕度的增加緩慢增加;相對濕度大于70%時,Δbext隨相對濕度大致呈指數增加,即對能見度的貢獻顯著增強.

圖3　不同污染等級下相對濕度與能見度的散點圖及擬合直線Fig.3　Scatter plots between visibility and relative humidity under different air pollution levels

表2　不同污染等級下能見度統計(小時值,n=242)Table 2　Visibility statistics under different air pollution levels(hourly data,n=242)

相對濕度與能見度的關系不僅受PM2.5質量濃度影響,也受環境濕度條件的制約.PM2.5質量濃度越低,空氣質量越好,以及相對濕度大于70% 時,相對濕度對消光系數的貢獻越多,對能見度的作用越強.

2.2.3多元非線性回歸分析根據各因子與能見度的一元回歸分析結果,建立多元非線性回歸模型,得到能見度擬合方程:

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

R2=0.816,通過0.01的顯著性檢驗.能見度95%的置信區間為VIS±3.3km.圖5為2013年冬季長三角觀測能見度值與回歸估計值的對比.從趨勢和數值大小上來看,擬合效果較好.說明這六個因子可以解釋2013年冬季長三角區域平均能見度變化的81.6%.為進一步分析污染源、氣象條件和熱、動力因子對能見度貢獻的相對重要性,分別用PM2.5質量濃度、動力因子(V10m,ΔV58)、熱力因子(RH,ΔΤ91,Δθse89)、氣象條件(動力+熱力因子)對能見度進行回歸分析,結果見表3.

PM2.5質量濃度與氣象因子可單獨解釋能見度變化的65.6%和54.9%,但兩者共同擬合時并非解釋方差百分率的加和,最終為81.6%.熱力因子對能見度的貢獻明顯大于動力因子,它們對能見度的解釋方差百分率分別為51.9%和27.5%,熱、動力因子共同擬合時也并非兩者單獨解釋方差之和,最終為54.9%.這是各因子之間相互影響,對能見度的貢獻強弱有別導致的.可針對2013年冬季長三角區域平均能見度總結出:氣象因子對能見度的影響可與PM2.5質量濃度相當,從污染物的輸送、擴散以及顆粒物吸濕增長多方面影響大氣能見度;熱力因子對能見度的貢獻大約是動力因子的兩倍;只有多因子的組合才是影響能見度的充分條件,具體什么樣的組合對能見度的預報最有效還有待繼續討論.

圖5　2013年冬季長三角區域平均能見度觀測值與回歸估計值對比Fig.5　Time series of daily observed visibility and simulated visibility by nonlinear regression equation

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

從2.2.2的討論可知,相對濕度對能見度的貢獻受PM2.5質量濃度的影響,可通過有、無相對濕度因子的多元回歸方程的可決系數R2的差值,估計相對濕度對能見度的作用,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ΔR2是無PM2.5擬合時的一倍,說明考慮PM2.5質量濃度的影響時,相對濕度對能見度的貢獻提高了一倍.

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

2.3擬合方程的驗證

圖6　2014年冬季長三角區域平均能見度驗證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個因子的組合對能見度估計的有效性,利用2014年冬季(2014年12月～2015年2 月)長三角資料對擬合方程進行驗證,觀測值與擬合值的對比如圖6,擬合值與觀測值的變化趨勢一致,但數值整體略偏低,2014年12月較明顯.觀測能見度的平均值為9.6km,擬合能見度平均值為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,說明擬合方程對1、2月能見度的擬合效果更好,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能見度的影響,更符合擬合方程所表示的關系.可能2014年12月存在其他影響能見度的因素,但在其它月份中表現不突出,進而影響多因素所產生的綜合作用.觀測值與擬合值的簡單相關系數為0.77,通過0.01的顯著性檢驗.總體來說,擬合方程能較好的估算2014年冬季長三角的能見度.

3　結論

3.12013年冬季長三角區域平均能見度逐日呈震蕩變化,無明顯大幅度增減趨勢.霾天發生頻率為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地表風速影響污染物的輸送;水平風的垂直切變、層結穩定度影響污染物的擴散;地表空氣飽和度影響顆粒物的吸濕增長和消光效率.PM2.5質量濃度、相對濕度、925～1000hPa垂直溫差分別對能見度有負的貢獻;地表10m風速、850～925hPa假相當位溫差分別對能見度有正的貢獻;500hPa 與850hPa水平風垂直切變的作用因取值范圍的不同而不同,一般來說風切變增強有利于能見度好轉(當16.3＜DV58＜30.9時),但也有風切變過小或過大不利于污染物擴散的情況.大氣層結穩定度在邊界層上、下層對能見度的作用相反,在大約700m以下,層結越穩定,能見度越低,而在約700～1500m的高度則相反.

3.3相對濕度與能見度的關系受PM2.5質量濃度和環境濕度條件的制約.PM2.5質量濃度越低,空氣質量越好,以及相對濕度大于70%時,相對濕度通過氣溶膠吸濕增長對能見度的作用越強.

3.4多元非線性回歸分析表明,PM2.5質量濃度、V10m、ΔV58、RH、ΔT91、Δθse89這6個因子可以解釋2013年冬季長三角區域平均能見度變化的81.6%,且通過0.01的顯著性檢驗.能見度95%的置信區間為VIS±3.3km.氣象因子對能見度的影響可與PM2.5質量濃度相當,熱力因子對能見度的貢獻大約是動力因子的兩倍.此外,考慮PM2.5質量濃度的影響時,相對濕度對能見度的貢獻提高了1倍.

3.5多元非線性擬合方程能較好地估算2014年冬季長三角地區的能見度,1、2月的擬合效果較12月更好.能見度觀測值與擬合值的簡單相關系數為0.77.

參考文獻：

[1] 宋宇,唐孝炎,方晨,等.北京市能見度下降與顆粒物污染的關系 [J]. 環境科學學報, 2003,23(4):468?471.

[2] 沈鐵迪,王體健,陳璞瓏,等.南京城區夏秋季能見度與PM2.5化學成分的關系 [J]. 中國環境科學, 2015,35(3):652-658.

[3] 蔣維楣.空氣污染氣象學教程 [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.灰霾與能見度研究進展 [J]. 過程工程學報, 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,張遠航.大氣氣溶膠吸濕性質國內外研究進展 [J]. 氣候與環境研究, 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.能見度與相對濕度的關系 [J]. 氣象學報, 1985,43(2): 230-234.

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

[20] 朱彬,蘇繼鋒,韓志偉,等.秸稈焚燒導致南京及周邊地區一次嚴重空氣污染過程的分析 [J]. 中國環境科學, 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,錢凌,等.南京地區霾天氣特征分析 [J]. 中國環境科學, 2007,27(5):584-588.

[24] 吳兌,廖國蓮,鄧雪嬌,等.珠江三角洲霾天氣的近地層輸送條件研究 [J]. 應用氣象學報, 2008,(1):1-9.

[25] 張人禾,李強,張若楠. 2013年1月中國東部持續性強霧霾天氣產生的氣象條件分析 [J]. 中國科學:地球科學, 2014,1:27-36.

[26] 祁妙,朱彬,潘晨,等.長江三角洲冬季一次低能見度過程的地區差異和氣象條件 [J]. 中國環境科學, 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.北京大氣能見度和消光特性變化規律及影響因素 [J]. 中國環境科學, 2015,35(5):1310-1318.

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

[30] 史軍,崔林麗.長江三角洲城市群霾的演變特征及影響因素研究 [J]. 中國環境科學, 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致能見度下降問題研究 [J]. 氣象學報, 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霾的觀測和等級預報 [S].

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

[37] 楊軍,李子華,黃世鴻.相對濕度對大氣氣溶膠粒子短波輻射特性的影響 [J]. 大氣科學, 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侯雪偉博士和祁妙碩士對部分數據的提供.

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

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

基金項目：國家自然科學基金項目(41275143,41575148);公益性行業(氣象)科研專項(201206011);江蘇省高校自然科學研究重大基礎研究項目(12KJA170003);江蘇省省級環保科研課題(2014021)

收稿日期：2015-08-20

中圖分類號：X513

文獻標識碼：A

文章編號：1000-6923(2016)03-0660-10