寶雞地區霾日的時空變化特征及原因分析

趙阿玲，劉引鴿，王 艷，武洋洋，史鵬英，張 妍

(陜西省災害監測與機理模擬重點實驗室，寶雞文理學院地理與環境學院，陜西 寶雞 721013)

寶雞地區霾日的時空變化特征及原因分析

趙阿玲，劉引鴿，王 艷，武洋洋，史鵬英，張 妍

(陜西省災害監測與機理模擬重點實驗室，寶雞文理學院地理與環境學院，陜西 寶雞 721013)

利用 1981—2011年寶雞各縣區日平均能見度、日平均相對濕度、天氣現象記錄以及其他氣象觀測資料，采用線性趨勢分析、小波分析以及主成分分析等氣候研究方法，分析了寶雞地區霾日的長期變化趨勢和空間分布特征，探討了霾日發生的原因。結果表明：寶雞地區年均霾日變化呈波動下降趨勢，寶雞地區霾日變化呈現多時間尺度的特征；冬春兩季霾日波動變化下降趨勢最為明顯，秋季次之，夏季霾日變化呈明顯上升趨勢；寶雞地區的霾日多發地主要集中在以渭河為中心的中部地區；風速、相對濕度和地面溫度對霾日的增減影響顯著，能源利用等因素對霾日的發生有著顯著的影響。

霾；時空變化；小波分析；空間分布；原因分析；寶雞地區

0 引言

近年來，由于經濟的快速發展和城市擴張等原因，造成空氣污染嚴重，霧霾天氣頻發。對災害性霧霾天氣的研究與整治引起政府及社會各界的廣泛關注。霾的氣象定義是懸浮在大氣中的大量微小塵粒、煙粒或鹽粒的集合體，使空氣渾濁，水平能見度降低到10km以下的一種天氣現象[1]。同時，霾一般呈乳白色，它能使物體的顏色減弱，使遠處光亮物體微帶黃紅色，而黑暗物體微帶藍色[2]。組成霾的粒子極小，不能用肉眼分辨。當大氣凝結核由于各種原因長大時也能形成霾，在這種情況下水汽進一步凝結可能使霾演變成輕霧、霧和云[3]。霾主要由氣溶膠組成，它可在一天中的任何時候出現。霾是一種危害嚴重且影響較廣的災害性天氣。霾天出現時，天空中漂浮著諸多懸浮顆粒物，造成大氣污染。一方面，空氣的低能見度會導致視覺障礙，給出行造成不便，引發交通事故，造成財產和生命安全損失。另一方面，會對人體健康產生不利影響，如誘發呼吸道疾病、小兒佝僂病等[4]。同時，由于霾天的大氣能見度極低，且懸浮顆粒物對大氣輻射和傳輸影響顯著，導致氣候變化劇烈、災害事件頻生。近年來頻發的霧霾天氣引起廣大學者的關注。吳兌[5]在研究中指出霧和霾是不同的天氣現象，并給出了劃分依據。近5a對霧霾天氣的相關研究，多集中于對某地區霧霾天氣候變化特征及原因分析等方面研究[6-9]，對霧霾天的形成機制進行數值模擬，對大氣顆粒物的氣溶膠光學特性和霧霾天的關系研究[10-14]，對霧霾天的研究主要集中在大尺度的時空變化特征分析研究[15-17]。

寶雞市位于關中平原中部，南、西、北三面環山，以渭河為中軸向東拓展，呈尖角開口槽形。山、川、原兼備，以山地、丘陵為主。寶雞是一個重工業城市，霧霾天氣出現頻繁，不僅對經濟發展造成不利影響，也給人們的生產生活帶來諸多不便，引發學者的思考和關注。龐翻、韓潔、周旗、孟妙志等[18-21]主要分析了寶雞市的霧霾以及重霾的變化，但對寶雞霧霾的區域氣候時空特征分析及其與氣候要素關系的研究很少。本研究主要利用寶雞地區11縣區的能見度、相對濕度日觀測值，以及天氣現象觀測記錄和相關氣候要素日觀測值等資料數據，分析1981—2011年寶雞地區霾日的變化趨勢及突變規律，探討不同區域的霾氣候變化趨勢及空間分布特征，并結合相關氣象要素剖析霾日頻發的原因，以期為寶雞地區霾天的監測、控制和治理提供合理科學的理論依據。

1 資料和方法

本文所用資料為1981—2011年寶雞地區11個縣的地面觀測數據，包括地面水平能見度(8時、14時、20時)、日均相對濕度、天氣現象記錄和地面風速、地面溫度等。文中以前一年的12月和當年的1、2月作為冬季，以3、4、5月作為春季，6、7、8月作為夏季，9、10、11月作為秋季。同時，文中霾日月平均資料數據來源于日平均霾天資料的統計，霾季節平均資料來源于月資料的統計，全年平均資料來源于日平均霾日資料的統計。由于天氣現象記錄規定標準的不同及受記錄人員主觀判斷等因素的影響，沒有直接采用天氣現象記錄資料作為霾日的判斷根據。本文選用水平能見度和相對濕度的日均值資料，定義同時滿足日均能見度<10km、日均相對濕度<90%的條件，且排除降水、沙塵暴、揚沙、浮塵、煙霧、吹雪、雪暴等其它導致能見度變化事件的情況記做一個霾日[5]，以此統計分析寶雞地區霾日的長期變化趨勢、周期變化規律和空間分布特征。

本文采用條件統計、趨勢系數、一般線性回歸分析、小波分析和主成分分析等方法分析研究霾日的時空變化特征、周期變化規律及其與氣象要素之間的相關關系。

2 結果分析

2.1 寶雞地區霾日的特征分析

2.1.1 霾日年際變化及周期變化

通過統計分析得出，寶雞地區31年平均霾日7.5d，與西安169.8d(王珊，2014)、全國100d左右(吳兌，2010)的年均霾日數相比，寶雞地區霾日相對較少。但研究寶雞地區的霾并尋求合理有效的方法控制霾天的擴散和加劇對于整個關中地區氣候變化的研究具有重要意義。圖1給出的是1981—2011年寶雞地區年均霾日數變化趨勢特征。可以看出，寶雞地區年均霾日變化呈明顯的波動下降趨勢，且31年間以0.3d/10a的趨勢下降。在1980—1990十年間寶雞地區霾日數變化趨勢最明顯，峰值出現在1984年的4.4d，最少霾日2.7d出現在1989年。1990—2000年霾日數波動變化整體呈小幅下降趨勢，波動趨勢不明顯。2000年以后，霾日變化整體呈現降—升—降顯著下降趨勢，年均霾日數最大值4.3d出現在2006年，且2010年出現了最低值2d。20世紀80年代的寶雞地區年均霾日為3.7d，整體的變化趨勢呈波動下降趨勢。20世紀90年代，霾日變化小有波動但無明顯減少，變化趨勢較穩定，但此時期的寶雞地區霾日平均值相對較高，約為4.2d。21世紀以后，霾日下降趨勢十分顯著，2010年霾日數平均值出現了近30年來的最小值2d，十年平均霾日數為3.3d。霾日的減少很可能與寶雞生態環境改善相關。

從圖2小波變化實部圖可以看出寶雞地區霾日數變化過程存在多時間尺度的特征。總體上，霾日數變化存在4～7a、8～11a和13～16a 3個尺度的周期變化。其中13～16a和8～11a尺度上都出現了3次震蕩，同時可以看出13～16a尺度周期變化范圍大致在1981—2005年，而8～11a的尺度周期變化范圍大致在1995—2010年。此外，可以看出在4～7a尺度上存在準8次的震蕩且變化相對穩定。總之，寶雞地區年均霾日數變化存在5a短周期和10a、15a的長周期變化。小波方差能反映出信號波動的能量隨尺度年份的分布(盧愛剛等，2012)。圖3中可以看出寶雞地區霾日數方差存在3個較為明顯的波峰，依次對應5a、10a和15a的時間尺度。其中最大峰值對應10a的時間尺度，說明10a左右的周期震蕩最為強烈，為霾日數變化的第1主周期；第2峰值為15a的時間尺度，是霾日數變化第2主周期；第3峰值的5a時間尺度能量震蕩較弱，對小波方差貢獻小，為霾日數變化的第3主周期。結果表明：5a、10a和15a 3個周期的波動控制著寶雞地區年均霾日數在31a間的主要變化特征。

2.1.2 霾日季、月變化特征

圖4和圖5分別給出了1981—2011年寶雞地區霾日的季平均變化趨勢和月平均分布圖。從圖4可以看出，一年之中霾日多發季節為冬季，平均霾日數最高可達7d，春秋兩季次之，夏季最少。從圖5霾日的月平均分布可知，當年12月至次年3月是霾天的高發期，各月平均霾日數均高于4.5d。其中1月份的霾日數最多，平均7d左右。5—10月霾日數最少，大致在1.1～2.3d波動。值得注意的是，7、8月的夏季平均霾日數均高于秋季前兩月，各月平均霾日數為2d。說明了寶雞地區的霾天不僅在冬、春兩季頻繁出現，夏季也時常發生。同時，由圖4分析發現，寶雞地區31年間霾日數的變化整體呈現下降趨勢。其中，冬春兩季霾日波動下降趨勢最為明顯，平均以1d/10a的趨勢下降。其中，秋季霾日波動變化不大，趨勢不明顯。與其他季節相比，夏季霾日的變化呈明顯上升趨勢，這可能和大氣環流、區域氣候變化等有關。

2.1.3 空間分布特征

在圖6和圖7中分別給出了寶雞地區霾日的多年平均空間分布圖和各季平均分布圖。總體來看，霾日的多年平均空間分布和各季平均分布所呈現的變化規律相似。從圖6可以看出霾日的多發地主要集中在以渭河為中心的中部地區，同時呈從中部地區向南北兩地減少的趨勢，這與寶雞地區的地理環境有關。中部川塬地區的霾日聚集嚴重，南北丘陵山地稀少。霾日數的年平均變化最大值出現在寶雞市，高達79.6d，其次是鳳翔,年平均日數為69.8d。而在麟游、隴縣以及鳳縣西部和太白縣中部偏北一帶地區的霾日相對較少，低值中心出現在太白縣，年均霾日僅為2d。在霾的各季節空間分布圖(圖7)中可以看出，春季和夏季的高值中心均有寶雞市、鳳翔縣和眉縣北部3個中心，秋季和冬季的霾日存在2個多發高值中心。總體來看，寶雞市一直都是霾天的多發區。

2.2 不同地理位置霾日的變化特征

根據 1981—2011 年寶雞地區年均霾日數空間分布特征，將寶雞地區劃分為北部丘陵(包括隴縣、千陽縣和麟游縣)、中部川塬(寶雞市、陳倉區、扶風、鳳翔和岐山)、南部秦嶺山地(眉縣、鳳縣和太白)3個區域。分別統計了各區域1981—2011年逐年平均霾日數并繪制各區域的霾日變化趨勢(圖8)。可以看出，不同區域的霾日數變化趨勢各不相同。南部秦嶺山地31a間霾日數的波動下降趨勢最為明顯，尤其是在1995—1999年的下降趨勢十分顯著。北部丘陵地區變化趨勢不明顯，霾日數變化整體保持在年均2.2d左右，年均霾日數最大值4.5d出現在2002年。中部川塬地區分布的霾日數最多，與圖6寶雞地區霾日數變化的年均空間分布十分吻合。1981—1990年間霾日數波動變化較大，最小值在1989年改革開放時期，1990—2000年霾日數的年均值都相對較大，波動變化不明顯。2000—2011年霾日數的波動變化趨勢顯著，呈明顯的降—升—降趨勢。寶雞市位于中部川塬地區，且霾天數是各地區之最，可以作為寶雞地區霾氣候變化研究的典例。通過條件統計和趨勢分析發現，寶雞市年均霾日數的變化呈顯著下降趨勢。其中，在1980—1990年寶雞市的霾日數小有波動，平均霾日數為6.7d。1990—2000年霾日數波動變化呈現小幅下降趨勢，變化不明顯。2000年以后，霾日數變化呈降—升—降的顯著下降趨勢，年均霾日數約為4.1d。

2.3 原因分析

2.3.1 氣象要素與霾日的關系

圖9給出了寶雞地區31年間年均相對濕度、風速和地面溫度等氣候要素的演變趨勢。可以看出，1980—1990年相對濕度的變化波動趨勢下降明顯，1985年以后出現上升變化的趨勢，2000年以后波動變化較為平穩。同時，年均風速在以明顯的波動下降趨勢變化。可以看出，年均相對濕度和風速的變化趨勢與寶雞地區霾日數變化趨勢(圖1)是相同的，都呈波動下降的變化趨勢，但年均相對濕度與霾日變化呈正相關(0.549)關系(見表1)，風速變化與霾日的變化呈負相關(-0.386)。而年均地面溫度的變化1981—2011年呈明顯的波動上升變化趨勢，與寶雞地區霾日數的變化呈負相關(-0.453)。

主成分分析(PCA)是一種分析、簡化數據集的技術，可以消除評價指標之間的相關影響。在綜合評價函數中，各主成分的權數為其貢獻率，它反映了該主成分包含原始數據的信息量占全部信息量的比重，這樣確定的權數是客觀的、合理的，并克服了某些評價方法中認為確定權數的缺陷。應用主成分分析法分析霾日數與風速、相對濕度和地面溫度之間的相關性發現氣候要素的變化對霾氣候變化影響顯著。從霾日數與各要素之間的相關矩陣(表1)可以看出，霾日數與風速之間通過了0.05的顯著性檢驗，且與相對濕度和地面溫度的顯著性水平通過了0.01的顯著性檢驗，表明了風速、相對濕度和地面溫度等氣象要素與霾日數之間關系密切，對霾日數的變化有顯著影響。

表1 寶雞地區氣象因子變化與霾日數的相關矩陣

注：*— 0.05,**—0.01。

2.3.2 其他因素對霾日的影響

寶雞市是我國重點建設的老工業基地，現已發展成為門類比較齊全的重要工業基地，重工業占經濟的比重過高。隨著關天經濟區的建立和發展，寶雞市的人口數量也在不斷增長，對能源的需求量大，但利用率較低，工業生產和居民生活排放大氣污染物較多,導致了PM2.5和SO2等濃度增加，大氣能見度降低，霾日頻發。對大氣污染的徹底治理需要提高設備科技含量，開發清潔新能源等。

3 結論

(1)寶雞地區年均霾日數變化呈現波動下降的趨勢，冬春兩季霾日變化波動下降趨勢最為明顯，秋季次之，但夏季霾日變化呈明顯的上升趨勢。年均霾日數變化過程存在多時間尺度的特征，具有長周期和短周期變化。

(2)寶雞地區的霾多發地主要集中于以渭河為中心的中部地區，同時呈現從中部地區向南北兩地減少的趨勢。南部秦嶺山區霾日波動下降趨勢最為明顯；中部川塬地區霾日最多，且波動變化不大；北部丘陵地區沒有明顯變化。

(3)寶雞地區霾與風速、相對濕度和地面溫度等氣象要素之間的相關關系密切，對霾日影響顯著。能源利用導致的污染物排放對能見度的影響極大，加劇了寶雞地區霾日的發生頻率。

[1]中國氣象局 . 地面氣象觀測規范 [M].北京：氣象出版社,2003.

[2]中國氣象局.地面氣象觀測規范第4部分:天氣現象觀測: QX/T 48-2007 [S].

[3]成都氣象學院.氣象學 [M].北京：農業出版社,1980.

[4]石春娥,王喜全,李元妮,等.1980—2013年安徽霾天氣變化趨勢及可能成因[J]. 大氣科學,2016,40(2):357-370.

[5]吳兌,吳曉京,李菲，等.1951—2005年中國大陸霾的時空變化[J].氣象學報,2010，68(5): 680-688.

[6]吳兌.近十年中國灰霾天氣研究綜述[J].環境科學學報,2012,32(2):257-269.

[7]王珊,修天陽,孫揚,等.1960—2012年西安地區霧霾日數與氣象因素變化規律分析[J].環境科學學報,2014,34(1):19-26.

[8]劉寧微,馬雁軍,劉曉梅,等.1980—2009年沈陽灰霾的變化趨勢研究[J].干旱區資源與環境,2010,24(10):92-94.

[9]王喜全,孫明生,楊婷,王自發.京津冀平原地區灰霾天氣的年代變化[J].氣候與環境研究,2013,18 (2):165-170.

[10]王自發,李杰,王哲,等.2013年1月我國中東部強霾污染的數值模擬和防控對策[J].中國科學:地球科學,2014,44(1):3-14.

[11]廖曉農,張小玲,王迎春,等.北京地區冬夏季持續性霧-霾發生的環境氣象條件對比分析[J].環境科學,2014,35(6):2031-2044.

[12]趙秀娟,蒲維維,孟偉,等.北京地區秋季霾天PM2.5污染與氣溶膠光學特征分析[J].環境科學,2013,34(2):416-423.

[13]王靜,牛生杰,許丹,于興娜.南京一次典型霧霾天氣氣溶膠光學特性[J].中國環境科學,2013,33(2):201-208.

[14]曹玲嫻,耿紅,姚晨婷,趙磊, 段鵬麗,宣瑩瑩,李紅.太原市冬季灰霾期間大氣細顆粒物化學成分特征[J].中國環境科學,2014,34(4):837-843.

[15]符傳博,唐家翔,丹利,等.1960—2013年我國霾污染的時空變化[J].環境科學,2016,37(9):3237-3248.

[16]戴永立,陶俊,林澤健,等.2006—2009年我國超大城市霾天氣特征及影響因子分析[J].環境科學,2013,34(8):2925-2932.

[17]王明潔,朱小雅,陳申鵬.1981—2010年深圳市不同等級霾天氣特征分析[J].中國環境科學,2013,33(9):1563-1568.

[18]龐翻,韓潔,王婷.寶雞市重度灰霾天氣氣候特征及氣象條件分析[J].陜西氣象,2013,(6):22-25.

[19]韓潔,龐翻,王婷,肖舜. 近31年寶雞市灰霾天氣時空分布特征[J].陜西氣象,2014,(4):11-14.

[20]李改萍,周旗,趙丹. 1981—2013年寶雞市霾日數變化趨勢及突變分析[J].寶雞文理學院學報(自然科學版),2015,35(4):62-67.

[21]孟妙志,盧曄,王仲文,等.2013年冬季寶雞重度霾污染分析[J].陜西氣象,2015,(3):48-52.

[22]CHEN Huizhong, WU Meng, et al. Comparison of three statistical methods on calculating haze days—Taking areas around the capital for example[J].China Environmental Science (in Chinese),2014，34(3):545-554.

[23]WANG H, TAN S, WANG Y, et al. Amultisource observation study of the severe prolonged regional haze episode over eastern China in January 2013[J]. Atmos. Environ,2014(89): 807-815.

[24]ZHANG Q，MENG J，QUAN J，et al. Impact of aerosol composition on cloud condensation nuclei activity[J]．Atmospheric Chemistry and Physics，2012(12): 3783-3790．

Spatial and Temporal Variations of Hazy Day and Its Influencing Factors in Baoji Region

ZHAO A-ling, LIU Yin-ge, WANG Yan, WU Yang-yang, SHI Peng-ying, ZHANG Yan

(Key Laboratory of Disaster Monitoring and Mechanism Simulating in Shanxi Province，Geography and Environmental Engineering Department of Baoji college of Arts and Science, Baoji Shanxi 721013, China)

The meteorological and environmental data including the weather phenomenon and the average daily visibility and relative humidity and other meteorological observation data in 1981-2011 were applied to analyze the variation, spatial characters, and reasons of haze using the climatic linear-trend estimation, wavelet analysis, and principal component analysis. The main conclusions showed that the annual hazy days in Baoji were decreasing. The haze days declined in winter and spring season was most obvious. While hazy days increased in summer. The hotspot areas were focused on the central region of the Wei River watershed. At the same time, it was decreasing from the central area to the north and south. The principal component analysis results showed that the change of meteorological factors had a significant impact on the increase or decrease of hazydays.And the correlation coefficient of average wind speed, relative humidity, and surface temperature with hazy days were 0.386, 0.549 and 0.549. Energy and other factors had a significant effect on the occurrence of hazy days.

haze; wavelet analysis; spatial distribution; analysis of causes; Baoji region

2016-12-11

國家社會科學基金項目(15XZZ012)；陜西省教育廳計劃項目(13JS010)；寶雞文理學院重點項目(ZK16061)。

趙阿玲 (1992-)，女，漢族，陜西咸陽人，碩士研究生，從事資源環境研究工作。

劉引鴿(1965-)，女，漢族，博士，教授，主要從事資源環境、生態風險以及氣候變化和災害學方面研究。

X51

A

1673-9655(2017)03-0069-07