漣水縣大霧生消氣象因子特征分析

陳磊　徐沐陽　朱曉曉　李國成　陳佳義　顧維慧

摘要? ? 本文利用2014—2018年漣水站發生大霧天氣時段的能見度、氣溫、風速風向、相對濕度等相關氣象因子，分析其在大霧生消時的變化特征，重點研究相關氣象因子對于大霧生消的指示性，從而為大霧預警發布、解除等系列氣象服務提供研判依據，以期提高大霧預警發布準確率、提升氣象服務滿意度。

關鍵詞? ? 霧;氣象因子;特征分析;江蘇漣水

中圖分類號? ? P426? ? ? ? 文獻標識碼? ? A

文章編號? ?1007-5739（2020）02-0175-04? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）

根據《地面氣象觀測》，霧是由近地面大氣中懸浮著的大量微小水滴（或冰晶），使水平能見度低于1 000 m的一種天氣現象[1]。隨著氣候大環境的變化以及人類各種社會活動的日益頻繁，霧對人們生產生活的不利影響逐漸增多，如大霧使能見度降低，嚴重影響交通運輸;使到達地面的太陽輻射減弱，抑制綠色植物光合作用，影響農業生產。為了認識霧對人民群眾身體健康、生產生活和生態環境的影響，我國研究人員對霧進行了各項研究，取得了大量的理論和實踐成果[2-6]。經統計，漣水縣2016年發布大霧預警27次，2017年16次，2018年26次。鑒于漣水縣生態環境和人民群眾日常生產、生活對氣象服務的需求，本文對漣水縣大霧生消氣象因子特征進行了分析，以期提高預報準確率。

1? ? 資料與方法

1.1? ? 資料來源

數據來源于漣水國家一般氣象站2014—2018年地面常規氣象要素小時數據資料，主要包括能見度、風向、風速、相對濕度、溫度、降水量、氣壓等要素。

1.2? ? 研究方法

本文選取第1次出現能見度小于1 000 m時的小時數據作為大霧開始時刻的數據，將后續能見度第1次≥1 000 m時的小時數據作為霧結束時刻的數據，并對異常數據進行篩選剔除。本文的霧日統計以地面觀測記錄為準，即當日北京時間20：00至次日20：00期間，出現霧則計為1個霧日。本文劃分四季為春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至次年2月）。本文采用數理統計方法，對漣水縣大霧的特征、大霧生消時的氣象要素特征等進行了統計分析;通過Excel、SPSS等數據處理軟件，分別采用逐步多元線性回歸方法和二分類變量的Logistic回歸方法分析漣水縣大霧生消的氣象因子，并分別建立預報模式，為漣水縣氣象服務提供依據。

2? ? 結果與分析

2.1? ? 大霧發生頻次月季變化特征

由圖1可知，漣水大霧具有較明顯的季節分布特征，秋季后期至冬季中前期大霧較多，11月至翌年1月大霧發生頻率為30.23%，夏秋季節相對較少，但在3—4月及6月大霧出現次數也相對較多，這可能是此段時間內降水相對頻繁，降水發生后次日更易形成大霧。一般11月以后，冷空氣頻繁，夜間輻射降溫效果加劇，同時深秋水汽仍較為充分，易于形成輻射霧。12月至翌年1月，多處于冷高壓控制之下，大氣層結穩定，夜間輻射降溫較強，清晨風速較小，若大氣水分充足，則可形成霧。夏季因為溫度較高，夜間輻射降溫較為平緩，空氣濕度難達飽和，霧日較少。

2.2? ? 大霧生消時段特征

由圖2可知，3：00—6：00是大霧發生最頻繁的時間段，總計有40.6%的大霧發生在該時間段內，9：00—18：00發生大霧的次數最低，總計為10.9%;此外，據統計，2014—2018年間無大霧發生在11：00。由圖3可知，7：00—10：00是大霧消散的高峰期，總計頻率達45.5%。由圖4可知，19：00產生的大霧天氣持續時間最長，平均達8.6 h，后續時間段內產生的大霧天氣持續時間縮減。分析其原因，在夜間受地面長波輻射冷卻作用影響，近地層大氣降溫幅度相比其上層大氣較大，形成逆溫層，同時由于溫度下降，水汽凝結更易發生，日出之后地面受太陽輻射，溫度逐漸升高，大氣邊界層不穩定度增加，垂直輸送加強，不利于近地層形成逆溫，對水汽凝結起到抑制作用，大霧逐漸消散。

2.3? ? 大霧生消時段風向風速特征

漣水縣最常見的霧是輻射霧（各時間段均可出現，但以秋冬居多），平流霧也偶有出現。對于輻射霧而言，微風可起到擴散作用，將地層水汽向上輸送，形成一定厚度的飽和濕空氣;對于平流霧而言，暖空氣與冷地面一定的相對運動也是必須的，但若風速過大，大氣亂流加強，就會抑制這2類霧的形成和發展。由圖5、表1可知，漣水縣發生大霧時以北到東北風居多，其概率為31.8%，這可能與該方向上低層水汽輸送量較大有關;由圖6、表1可知，漣水縣出現大霧時最大平均風速95.2%不超過2 m/s，其中靜風概率為19.8%。由圖7、表2可知，漣水縣大霧結束時以北到北東北風居多，其概率為31.8%;由圖8、表2可知，在大霧消散時，各風向平均風速39.7%超過2 m/s，靜風概率明顯下降，僅為10.7%，這也反映了風速增大是推動大霧消散的重要因素。

2.4? ? 大霧發生時段平均相對濕度特征

如圖9及表3所示，結合大霧出現時間概率分析，在大霧出現頻繁的時間段內，平均相對濕度均大于96%，14：00—20：00因相對濕度較低，出現大霧的概率也較低。由圖10、表3可知，在大霧消散時，相對濕度均有所降低，8：00—21：00平均相對濕度均在96%以下。已有研究表明[7]，雖然近地層濕度較大，但若中高層空氣濕度很大，則形成的不是大霧，而是降水;如果盛行下層氣流，也會導致地面水汽無法向上傳遞，此時往往會出現霜、露等天氣現象。因此，分析相對濕度對大霧發展的影響時，上下層水汽環境配置也很重要。

2.5? ? 回歸分析

基于上述影響能見度的相關氣象因子的定性分析，對能見度和相關氣象要素進行定量的統計分析。

使用SPSS軟件，根據逐步多元線性回歸分析方法，對數據進行分析檢驗，得出3組顯著性檢驗可信的模型，模型M1：Y=0.894+0.027T，模型M2：Y=3.869+0.028T-0.032U，模型M3：Y=3.314+0.029T-0.028U+0.131V，分析結果見表4。

可以看出，模型M1中能見度與定時氣溫成正相關，相關顯著性檢驗系數小于0.05，顯著相關。模型M2中能見度與定時氣溫成正相關、與定時相對濕度成負相關，相關顯著性檢驗系數都小于0.05，顯著相關。模型M3中能見度與定時氣溫和定時風速成正相關、與定時相對濕度成負相關，相關顯著性檢驗系數都小于0.05，顯著相關。

使用SPSS軟件，根據二項分類Logistic回歸方法制作預報模型，即Logit（Y）=-0.063P+0.268T-0.342Td+0.074U-0.386V-0.001D+58.403，具體結果見表5、6。

可以看出，能見度與定時海平面氣壓、定時露點溫度、定時風速、定時風向度數呈反向變化，與定時氣溫、定時相對濕度呈正向變化，其中與定時海平面氣壓和定時風速2個因子的變化顯著。

為檢驗各模式的預報效果，將2014—2018年大霧出現和消散時的969組相關氣象要素數據帶入擬合檢驗，各模型擬合效果統計見表7。可以看出，二項分類Logistic回歸模型的預報準確率最高，達61.8%。

3? ? 結論與討論

漣水縣一天中3：00—6：00發生大霧概率最大，19：00至次日上午發生的大霧持續時間逐漸減小。漣水縣當年11月至次年1月發生大霧頻次較多，夏秋季節相對較少。大霧生消過程中氣溫、相對濕度、風向風速、氣壓等氣象因子與能見度相關性較高。利用二項分類Logistic回歸方式預報大霧生消準確性較高，具有實用價值。

由于自動觀測能見度儀投入使用時間較晚，數據積累時間有限，下一步應著重積累足夠長時間序列的資料，同時更精細地劃分大霧種類，以期進一步提高預報的準確性。

4? ? 參考文獻

[1] 中國氣象局.地面氣象觀測規范[M].北京：氣象出版社，2003.

[2] 王博妮，徐芬，田小毅，等.我國近年霧研究方法及研究熱點綜述[J].氣象科技，2014，42（1）：23-30.

[3] 李子華.中國近40年來霧的研究[J].氣象學報，200，59（5）：616-624.

[4] 王桂娟，鄭有飛，黃小丹，等.粵東一次罕見持續性大霧天氣過程的分析[J].廣東氣象，2013，35（2）：1-8.

[5] 祁秀香，林中慶，李海洋，等.廣州市南沙區濃霧氣象要素場的預報模型分析[J].廣東氣象，2015，37（6）：31-34.

[6] 史軍，崔林麗，賀千山，等.華東霧和霾日數的變化特征及其成因分析[J].地理學報，2010，65（5）：533-542.

[7] 黃培強，王偉明，魏陽春.蕪湖縣持續性大霧的特征研究[J].氣象科學，2000，20（4）：494-502.