2005—2017年白云機場能見度變化特征及其與影響因子關系研究

郭智亮1 高聰暉2 謝文鋒1 陳淑敏 黎偉標

（1 中國民用航空中南地區空中交通管理局氣象中心，廣州 510406；2 福建省氣象臺，福州 350001；3 中山大學大氣科學學院，廣州 510275）

0 引言

大氣能見度是指正常視力的人在白天無云天空背景條件下，辨認出視角大于0.5°的地面黑色目標物的形體或輪廓的最大水平距離。據相關統計[1]，1951—1998年我國發生的飛行事故中有245次與氣象因子有關，其中19.2%由低能見度造成。研究機場近地面能見度變化特征及其影響因素，對于飛機的安全起降具有重要意義[2-3]。Naegele等[4]通過分析美國西部和西南部18個城市的機場能見度資料，總結了影響能見度的4個因素：硫酸鹽、人口增長、測量標準和天氣要素（如高壓、逆溫、靜風等）。朱蕾等[5]發現烏魯木齊機場近30年低能見度日數增長趨勢明顯，霧、濃煙和沙塵暴是造成機場低能見度的主要天氣。沈俊等[6]、周斌斌等[7]發現，低云和低能見度造成航空事故占最大的比例，每年霧造成的航運經濟損失比龍卷還要大。目前，白云機場日均起降航班1300架次左右，能見度對機場影響日益加大。1998年馮彥華等[8]，發現霧和降水是造成白云機場低能見度的主要天氣現象。張美平等[9]統計了搬遷前的舊白云機場低能見度氣候特征，發現低能見度小于1 km的日數有逐年上升的趨勢。區志中等[10]對比新舊白云機場天氣的差異性及成因時，發現新機場搬遷后出現大霧的頻率多一倍。

目前，對白云機場低能見度個例的研究較多[11-15]，自2003年搬遷、2004年投入使用后，白云機場能見度的氣候統計方面的研究工作比較缺乏。本文利用白云機場2005年1月至2017年12月的逐時觀測資料，對白云機場搬遷后能見度的年、月、日變化特征以及影響能見度的氣象因子進行相關分析，研究能見度和影響因子之間的關系，填補了白云機場在這方面的研究空白。

1 數據來源

廣州白云國際機場跑道上安裝VAISALA公司的MIDAS IV氣象自動系統，對常規氣象要素進行觀測。民航中南空管局氣象觀測席位半小時一次進行常規觀測并發布航空例行天氣報告，例行天氣報告中能見度是觀測員根據氣象自動觀測系統采集數據加以人工修訂后發布，相對濕度、風速及氣溫的數據為自動觀測系統采集的數據。本文選取時段為2005—2017年的逐時例行天氣報告中觀測數據，另外將能見度小于1 km出現的次數作為低能見度次數。

新白云機場地處廣州市區北部白云和花都交界處，花都區花東自動環境監測站位于白云機場正北面6 km，是距離白云機場最近的一個自動環境監測站點，本文選取廣州環境保護局提供花都區花東自動環境觀測站的PM2.5的逐時觀測數據代表新白云機場的PM2.5數值，目前環保局僅提供2012—2017年逐時PM2.5觀測資料供研究使用。

2 能見度變化特征

利用2005年1月—2017年12月白云機場的能見度逐時觀測資料，對能見度和低能見度次數的年、月和日變化趨勢進行了分析。從逐年變化趨勢來看（圖1），近13年來機場能見度呈逐年增長趨勢，平均每年增大約190 m；低能見度次數總體是減少的趨勢，2005年低能見度出現次數最多，之后大幅度減少，2017年低能見度僅出現1次。從月變化特征曲線來看（圖2），機場能見度呈現明顯的峰、谷變化曲線，3—4月是低能見度時期，之后能見度不斷增大，至7月份達到最高值，隨后再逐漸降低，季節變化特征顯著；低能見度次數的月變化也表現出類似的特征，2—4月低能見度出現次數最多，都在100次以上，隨后低能見度出現次數迅速減少，7—10月低能見度出現次數基本在10次以下。

圖1 白云機場能見度和低能見度次數的年變化特征Fig. 1 Annual variation of visibility and low visibility in Baiyun Airport

圖2 白云機場能見度和低能見度次數的月變化特征Fig. 2 Monthly variation of visibility and low visibility in Baiyun Airport

圖3 白云機場能見度和低能見度次數的日變化特征Fig. 3 Diurnal variation of visibility and low visibility in Baiyun Airport

圖3給出了白云機場能見度和低能見度次數的日變化特征，07時機場能見度最低、低能見度出現次數最多，之后能見度持續增大、低能見度出現次數迅速減少，15—16時能見度達到最大值，而低能見度出現次數是在22時最少。朱焱等[16]在蘇州市的能見度研究中得出了類似的日變化特征，但是其年、月變化特征與白云機場相去甚遠，由此說明各地能見度變化的局地特征非常顯著。

3 影響能見度的主要要素及相關關系分析

大氣污染物和氣象條件是影響大氣能見度的主要因素[17-18]。本文采用相關系數法量化了2012—2017年白云機場風速、相對濕度、氣溫和PM2.5對能見度的影響，得到逐時能見度與各氣象要素、PM2.5濃度的相關系數（表略）。對比相關系數可知，PM2.5對能見度的影響作用最強，相對濕度、風速對能見度的影響作用次之，氣溫對其影響最小。

3.1 能見度與相對濕度的關系

大氣中的水汽含量是影響能見度的一個重要因素[19]。為了更好地分析相對濕度（RH ）對能見度的影響，利用2012—2017年逐時觀測資料，以1%相對濕度為間隔，得到各區間相對濕度與平均能見度的散點分布（圖4）。可以看出，能見度與相對濕度呈明顯的負相關關系。不同區間的相對濕度，平均能見度的下降趨勢不盡相同。當RH＜40%時，平均能見度基本在9000 m以上，相對濕度每增加1%，平均能見度降低37.8 m；當40%≤RH＜80%時，平均能見度在8000～9000 m，相對濕度每增加1%，平均能見度降低26.5 m；而當RH≥80%時，平均能見度在8000 m以下，并且隨著相對濕度的增加，平均能見度迅速降低，每增加1%的相對濕度，平均能見度降低216.3 m。由此可見，環境相對濕度小于80%時，能見度下降得較為緩慢；當環境相對濕度超過80%時，能見度才會急劇降低。

圖4 能見度與相對濕度的關系Fig. 4 Relationship between visibility and relative humidity

3.2 能見度與PM2.5濃度的關系

大氣能見度的降低與空氣中氣溶膠粒子的消光率有密切聯系[20-21]。不同相對濕度下，大氣顆粒物的組成成分不同，其形成的氣溶膠吸濕增長因子也不同[22]。因此，根據前文的研究將相對濕度分為RH＜40%、40%≤RH＜80%、RH≥80%三個區段，得到不同區段相對濕度下PM2.5濃度與能見度的散點分布（圖5）。總體上，隨著PM2.5濃度的增加，能見度呈下降趨勢，但不同相對濕度下PM2.5濃度對能見度的影響程度不同。環境相對濕度越小，出現低能見度所需的PM2.5濃度值就越大；反之，環境相對濕度較高時，較小的PM2.5濃度值就可以導致低能見度的出現。此外根據擬合曲線，在PM2.5濃度為50 μg/m3時，當RH＜40%能見度在9 km左右，而當RH≥80%能見度不足5 km。由此說明，在一定的PM2.5濃度下，環境相對濕度越大，能見度越低。這是因為空氣中相對濕度較高時會促進大氣顆粒物的吸濕增長，造成顆粒物粒徑的增長，使得消光系數增加，從而導致大氣能見度降低[23]。

3.3 能見度與風速的關系

地面風場一般是通過稀釋大氣污染物和改變大氣的穩定度來影響大氣能見度的。利用2012—2017年逐時觀測資料，得到不同級別風速和平均能見度的曲線圖（圖6）。總體上，能見度隨著地面風速的增大而增大。地面風速不超過4 m·s-1時，能見度隨風速的增長趨勢較為顯著，地面風速越大，越有利于大氣污染物的稀釋擴散。地面風速大于4 m·s-1，能見度隨風速的增長趨勢較為平緩，能見度基本維持在9 km左右。地面風速大于9 m·s-1，平均能見度有所降低，但此時樣本數較少，沒有太大參考價值。圖7進一步給出了不同相對濕度下能見度與風速的關系，可以看出，地面風速在0～4 m·s-1時，相對濕度越大，能見度隨風速的增長趨勢越顯著。風速大于4 m·s-1，能見度隨風速的增長趨勢都趨于平緩，此時風速對能見度的影響不大，但相對濕度越大能見度越低。

4 結論

1）2005—2017年白云機場能見度呈逐年增大趨勢，低能見度出現次數總體呈減少趨勢。其季節變化特征顯著，2—4月是低能見度時期，之后能見度不斷增大，至7月達到最高值，隨后再逐漸降低。從日變化來看，最低能見度通常出現在清晨，午后明顯好轉，之后又逐漸降低。

圖5 能見度與PM2.5濃度的關系Fig. 5 Relationship between visibility and PM2.5

圖6 能見度與地面風速的關系Fig. 6 Relationship between visibility and ground wind speed

2）白云機場能見度與相對濕度、PM2.5濃度呈負相關關系，與風速、氣溫成正相關關系，其中PM2.5濃度對能見度的影響最明顯。

3）當相對濕度小于80%時，能見度下降得較為緩慢；而當相對濕度超過80%時，能見度急劇降低。不同相對濕度下PM2.5濃度對能見度的影響程度不同，相對濕度越大，出現低能見度所需的PM2.5濃度值就越小。地面風速在0～4 m·s-1時，相對濕度越大，能見度隨風速的增長趨勢越顯著。

圖7 不同相對濕度下能見度與風速的關系Fig. 7 Relationship between visibility and ground wind speed for different relative humidity conditions