晴天大氣電場時空變化特征分析*

高志旭 陳 濤 李 文 劉 剛 李仁康

1(云南師范大學物理與電子信息學院 昆明 650500)

2(中國科學院國家空間科學中心 北京 100190)

0 引言

近地面大氣電場強度作為大氣電學領域的一個重要研究方向，可為研究太陽活動、理解全球大氣電路模型（GAEC）與氣候變化的關系、臨震前兆監測、雷暴預警等提供重要依據。研究表明，太陽活動可能導致高緯度地區的高能電子通量增加，沉降的高能電子激發出X 射線，進而使得近地面大氣電場增強[1]。Wilson 等[2]1921 年提出了全球大氣電路模型，大氣電路系統中的垂直電流密度很可能影響并主導短期天氣狀況或者長期氣候變化[3]。Pulinets 等[4]提出巖石圈、大氣和電離層耦合模型（LAIC），認為地震活動可能導致區域大氣電場變化并引起電離層異常，而LAIC 模型可以根據地面、大氣和電離層之間的相互作用和異常變化來解釋短期地震前兆的性質。Chen等[5]根據震前晴天大氣電場異常及其物理發生機制，提出了一種地震災害組網監測方法及技術思路。在雷電災害防護方面，Jü等[6]和Xing 等[7]根據大氣電場特征分別提出了雷電臨近預警方法，并取得了較好的預報效果。但一般情況下，大氣電場同時受全球效應（例如：太陽輻射、宇宙射線、特定氣象事件、氡等天然地面元素衰變）和局部效應（例如：氣溶膠濃度、氣象參數、空間電荷、人為因素）的影響[8,9]。因此，為進一步開展對大氣電場的相關研究，給出大氣電場的背景量就顯得尤為重要。

通常將晴天大氣電場視為大氣電場的背景量，將晴朗天氣下大氣電場的特征性世界時日曲線稱為卡內基曲線。Harrison 等[10]對20 世紀初華盛頓卡內基研究所的海洋測量數據進行分析，發現晴天日電場隨世界時的變化與測量地理位置無關。但目前越來越多的研究表明，由于局部影響的差異，不同地域的晴天大氣電場日變化曲線與卡內基曲線存在較大差別。Yaniv 等[11]研究發現，以色列南部2013－2015年的晴天大氣電場出現了與卡內基曲線不一樣的晨峰（08:00－10:00 UT），該晨峰與地表附近氣溶膠濃度增加有關。南極Arctowski 站2012－2013 年的晴天大氣電場日變化曲線總體上也與卡內基曲線有較大差異，但當地氣溶膠濃度對大氣電場沒有顯著影響[12]。Bhattacharyya 等[13]通過研究喜馬拉雅山東部高海拔站2017－2018 年的晴天大氣電場并與卡內基曲線對比，發現當地大氣電場值整體高于卡內基曲線，并表現出與當地氣象參數及大氣成分較強的相關性。Gurmani 等[14]對巴基斯坦3個臺站2015－2017 年的晴天大氣電場研究表明，3個臺站都出現了與卡內基曲線較大的差異，并且大氣電場峰值的出現時間受季風影響。中國學者同樣也對此做了相關研究，例如Xü等[15]對西藏羊八井地區2005－2007 年的晴天大氣電場進行分析，發現當地晴天大氣電場日變化呈現大陸復雜型（雙峰雙谷），并且會隨季節變化。Liu 等[16]對成都地區2009－2015 年的晴天大氣電場研究表明，當地日變化呈現出雙峰雙谷型。Zhang 等[17]對歐亞大陸9 個觀測站點在20 世紀不同時段的晴天大氣電場數據進行分析，發現其日變化主要呈單峰單谷和雙峰雙谷兩種波形，并且表現出與季節變化和絕對濕度等氣象參數較強的相關性。Yang 等[9]對臺灣海峽西岸2014－2015 年的晴天大氣電場進行分析，發現臺灣海峽西岸晴天大氣電場日變化呈雙峰雙谷特征，并且與海陸風關系較為密切。

上述研究揭示了不同地區的晴天大氣電場差異及特征，發現晴天大氣電場受局部效應影響明顯，但多為對單一地區或在兩至三年的時間尺度上進行分析，缺乏對多個不同經緯度觀測站點及較大時間尺度的分析對比。本文利用子午工程5 個大氣電場觀測站點近10 年的觀測數據，通過引入高斯加權移動平均法，分析中國大陸103.8°E－124.9°E，23.1°N－53°N較大經緯范圍的晴天大氣電場，進而探究晴天大氣電場的日變化、季節變化、年變化特征。

1 數據與方法

1.1 數據來源

本文用于晴天大氣電場特征及變化分析的近地面大氣電場數據來源于子午工程數據中心[18]，該數據集包括子午工程大氣電場觀測廣州肇慶站（ZQT）、成都郫縣站（PXT）、武漢九峰站（JFT）、長春農安站（NAT）、黑龍江漠河站（MHT）等5 個站點的大氣電場觀測數據，上述站點地理分布如圖1 所示。子午工程大氣電場數據采用場磨式電場儀進行測量，電場分辨率為2.5 V·m–1，時間分辨率為1 s。這里使用的氣象數據來自于中國氣象局氣象數據中心*http://data.cma.cn/，使用的地磁Kp，Ap指數來自于德國地球科學研究中心提供的（Kpandap/Apindices）數據集**https://www.gfz-potsdam.de/en/kp-index/，使用的氣溶膠光學厚度（AOD）數據來源于美國國家宇航局（NASA）提供的MOD04_3 K 數據集***https://ladsweb.modaps.eosdis.nasa.gov/，且上述數據集選用時間均為2011－2020 年。

圖1 子午工程大氣電場臺站地理分布Fig.1 Geographical distribution of atmospheric electric field stations in the Meridian Project

1.2 數據處理方法

晴天大氣電場數據的篩選條件是：地磁活動指數Kp<3，晴天，無雷暴、降水、暴風雪等氣象活動，風速不大于8 m·s–1。對按上述條件篩選出來的晴天大氣電場數據，應用線性插值對缺失值和離群值進行填充，并進行世界時轉換，對于連續缺失數據點超過3600 個（即3600 s）的晴天大氣電場數據予以舍棄。

采用高斯加權移動平均濾波的方法對上述電場數據進行平滑濾波，以計算晴天大氣電場日平均曲線。高斯加權移動平均濾波法又稱為高斯權函數平滑法，是以高斯函數為權函數，根據高斯窗函數的大小選擇權值進行線性平滑濾波，進而將高斯核函數與原始信號進行卷積得到濾波后的信號。高斯平滑濾波函數具有低通濾波器的性質，可以有效濾除高頻隨機噪聲[19]。高斯平滑濾波可表示為

式中：τ為高斯窗函數在時間軸上的中心點；hg(t)為經過高斯平滑濾波的時間域大氣電場信號；g(t ?τ)為高斯窗函數，一維零均值高斯函數為

式中，σ為高斯函數的標準差，用于控制高斯窗函數的時窗寬度。高斯平滑濾波函數主要是通過控制高斯窗函數的寬度進行去噪。由于大氣電場剩余高頻隨機噪聲幅值較小，因此這里選擇5000～8000 的時窗寬度（即5000～8000 s）進行平滑濾波去噪，從而在對高頻隨機噪聲壓制的同時，盡量多地保留有效信號。

以黑龍江漠河站2020 年為例，最終得到的晴天大氣電場日平均曲線如圖2 所示。分析圖2 可知，上述數據處理方法有效可行。

圖2 黑龍江漠河站2020 年晴天大氣電場日平均曲線Fig.2 Daily average curve of the fair-weather atmospheric electric field in 2020 at Mohe Station in Heilongjiang Province

2 日變化及年變化

2.1 數據處理結果

利用以上數據篩選條件及處理方法，針對子午工程5 個大氣電場觀測站點的觀測數據，分別計算2011－2020 年晴天大氣電場日平均曲線。這里對年度有效晴天數小于10 天的年份因其缺乏統計意義而不予以分析，最終計算結果如圖3 及表1 所示。

圖3 (a)～(e) 各臺站2011－2020 年晴天大氣電場日平均曲線，(f) 各臺站2011－2020 年日平均晴天大氣電場最小值–最大值擬合Fig.3 (a)～ (e) Daily average curve of the fair-weather atmospheric electric field at all stations from 2011 to 2020.(f) Min-max fitting of daily average fair-weather atmospheric electric field from 2011 to 2020 at all stations

2.2 物理機制解釋

在無大氣強對流的晴朗天氣下，大氣電流主要沿豎直方向流動。由歐姆定律可得大氣電場垂直分量

其中：Jz為近地大氣與地面之間的電流密度；空氣電導率σ主要取決于空氣中的離子濃度及其遷移率，尤其是小離子（直徑為1×10?10～1×10?9m）[12]，其表達式如下：

式中，n+和n_分 別為正負離子濃度，μ+和μ_分別為正負離子遷移率，e為元電荷。當正負離子濃度相等時，可對上式進行簡化。空氣中的正負離子主要來自于宇宙輻射和土壤中的放射性物質（氡氣222Rn、釷射氣220Rn等）衰變，并附著在氣溶膠上或互相中和，其穩定狀態可由平衡方程描述為

其中，q為總離子生成率，α為離子–離子復合系數，β為離子–氣溶膠附著系數，qc和qs分別為由宇宙輻射和土壤中放射性物質衰變引起的離子生成率，參數Z0，Z+，Z_，Z分別表示不帶電氣溶膠濃度、正電氣溶膠濃度、負電氣溶膠濃度和總氣溶膠濃度。

當帶電離子對氣溶膠的附著達到一定程度時，根據高斯定理，氣溶膠顆粒上的電荷會影響大氣電場，即

由式（3）～（5）可得，大氣電場垂直分量Ez與總氣溶膠濃度Z間的關系為

在重污染的情況下，nβZ ?αn2[20]，有

此時，

因此，在受污染的區域中，大氣電場Eu與氣溶膠濃度Z成正比。許多測量研究表明，大氣電場和氣溶膠濃度之間存在相似的變化規律[20-23]。但在未受污染或污染程度較小的情況下，大氣電場Ez與 氣溶膠濃度Z成非線性關系，并且在大多數情況下，較低濃度的氣溶膠對電場的局部影響并不顯著，此時大氣電場主要受全球效應影響[12]，高緯度地區還可能受太陽活動引起的高能粒子入射影響[1，24，25]，即高能粒子入射使大氣電離增加，進而使空間電荷增加，從而導致大氣電場增強。

2.3 晴天大氣電場日變化

從圖3（a）～（e）可知，各臺站的日平均晴天大氣電場主要呈現以下特點：廣州肇慶站的日平均晴天大氣電場主要由一個主波峰、一個次生峰和兩個波谷組成，2011－2018 年主波峰有逐漸左移的趨勢，而次生峰有逐漸右移的趨勢；成都郫縣站的日平均晴天大氣電場主要由兩側的兩個主波峰和中間的一個次生峰組成；武漢九峰站的日平均晴天大氣電場主要由一個波峰一個波谷組成，但個別年份也出現了雙峰雙谷的情況，且主波峰2011－2018 年有逐漸右移的趨勢；長春農安站的日平均晴天大氣電場主要由一個波峰、一個波谷組成，波峰波谷歷年位置基本保持不變；黑龍江漠河站的日平均晴天大氣電場主要由一個波峰、一個波谷組成，個別年份只有波峰而無明顯波谷出現，且主波峰2011－2020 年有逐漸右移的趨勢。因此，低緯度站點的日平均晴天大氣電場峰谷類型為雙峰雙谷或多峰多谷型，而中高緯度站點則為單峰單谷型，其中廣州肇慶站、武漢九峰站、黑龍江漠河站的波峰出現了逐年左移或右移的趨勢。目前，其逐年移動趨勢的原因仍需進一步的研究。表1 給出了各臺站2011－2020 年晴天大氣電場日平均曲線統計結果。

表1 各臺站2011—2020 年晴天大氣電場日平均曲線統計結果Table 1 Statistical results of the average daily curve of the fair-weather atmospheric electric field at each station from 2011 to 2020

各臺站近10 年晴天大氣電場日平均曲線在22:00－04:00 UT（對應當地時間06:00－12:00 LT）均表現出不同程度的震蕩。這是由于晨間日出引起的大氣熱對流和湍流，導致近地面水氣、氣溶膠濃度發生變化，從而使得大氣電場出現波動[17]。而隨著太陽輻射的累積，地表溫度不斷升高，大氣熱對流和湍流加劇，人類活動也導致氣溶膠濃度逐步上升，同時溫度升高使得大氣電離過程增加，帶電離子濃度增大。根據式（8）和式（9），氣溶膠和帶電離子濃度的增加都會導致大氣電場值的增大，這種累積最終在06:00 UT（對應當地時間14:00 LT）左右達到影響電場的臨界值，并在各臺站出現明顯的大氣電場值上升。夜間，太陽輻射和人類活動減弱，并且晝夜溫度變化加強了低層大氣中熱對流和湍流向上輸送氣溶膠的能力，使得低層大氣中的氣溶膠濃度減小，從而增大了近地面大氣的電導率，最終導致大氣電場的衰減[9，26]。

2.4 晴天大氣電場年變化

由圖3 還可以看出：位于中低緯度地區的廣州肇慶站、成都郫縣站、武漢九峰站等站點近10 年的晴天大氣電場幅值整體呈現出逐年降低的變化特征；而位于中高緯度的長春農安站、黑龍江漠河站等站點近10 年的晴天大氣電場幅值則表現出不一樣的逐年變化特征，其中長春農安站電場幅值整體呈現出逐年增加的變化特征，而黑龍江漠河站2011－2015 年電場幅值逐年增加，2016 年電場幅值較上一年突然衰減，并在2016－2020 年重新呈現出逐年增加的趨勢。為進一步定量探究這種電場幅值的逐年變化特征，將各臺站近10 年晴天大氣電場幅值的最小值和最大值進行線性擬合。為了抑制少數異常點對擬合結果的影響，采用穩健最小二乘法進行擬合，擬合結果如圖3（f）所示，擬合得到的線性方程為

式中，Emax和Emin分別表示晴天大氣電場幅值的最大值和最小值，單位均為 k V·m?1。擬合均方根誤差為0.0325，調整后的決定系數（擬合優度）為0.9765，表明該次擬合效果較好，電場最大幅值與最小幅值之間存在線性強相關性，各站點近10 年晴天大氣電場幅值的逐年變化無論是遞增還是遞減均是線性的。

氣溶膠光學厚度（Aerosol Optical Depth，AOD）為消光系數在垂直方向上的積分，可用于估量大氣污染程度，其物理意義為沿輻射傳輸路徑、單位截面上氣溶膠吸收和散射對太陽輻射產生的總削弱強度。AOD 受垂直方向上大氣氣溶膠的柱濃度影響，并與氣溶膠濃度成正比[27]。因此，AOD 值可間接反映區域氣溶膠濃度和大氣污染程度。圖4 所示為各大氣電場臺站所處區域2011－2020 年的年平均晴天AOD值變化及其線性擬合。從圖4 可以看出：廣州肇慶、成都郫縣、武漢九峰等站點區域的AOD 值較高，并且逐年線性下降趨勢明顯，與站點所在區域大氣電場幅值的逐年線性遞減趨勢相對應，這表明上述區域的大氣污染程度較為嚴重，氣溶膠濃度與大氣電場值之間呈正相關關系，符合2.2 節中大氣污染較嚴重時的情況；而處于較高緯度的長春農安、黑龍江漠河等站點區域的AOD 值則較低，其逐年變化趨勢與當地大氣電場幅值的變化趨勢相似，但呈非線性，根據2.2 節中的物理機制，在大氣污染程度較輕時，大氣電場值與該區域的氣溶膠濃度之間呈非線性關系，并主要受全球效應的影響，其大氣電場幅值的逐年遞增可能揭示了全球雷暴活動的年變化趨勢。

圖4 各站點區域晴天AOD 值年變化趨勢Fig.4 Annual trends in fair-weather AOD values at site area

2.5 最大波峰出現時間與站點地理經緯度的關聯性

由表1 可知，最大波峰出現時間似乎是隨緯度的增加而后移，但成都郫縣站和長春農安站卻例外。這里估計最大波峰出現時間可能同時與觀測點的地理經緯度存在聯系，因此對站點地理經緯度及最大波峰出現時間作多元線性回歸，以探究三者之間的聯系。首先對其中的離群值進行檢測并剔除，最終剩余可用樣本點數為31，多元線性回歸結果如圖5 所示。

圖5 多元線性回歸結果Fig.5 Results of multiple linear regression

得到的多元線性回歸模型為

式中，T為最大波峰出現時間，Lo為 地理經度，La為地理緯度。回歸得到的三個估計系數t 檢驗p值分別為9.70×10?21，8.96×10?20，8.55×10?22。模 型F檢驗p值為 2.75×10?20，整體均方根誤差為0.7630，調整后的決定系數為0.9570。上述結果表明：三個估計系數的t 檢驗p值均遠小于0.05，各項在5%水平上顯著，可拒絕原零假設；對模型進行F 檢驗的p值表明，該模型是顯著的，臺站地理經緯度與最大波峰出現時間相關性很強。從該回歸模型中還可以看出，最大波峰出現時間與地理經度呈負相關，而與地理緯度呈正相關，且地理經度對最大波峰出現時間的影響程度（權重）幾乎是地理緯度的兩倍。調整后的決定系數表明，95%的最大波峰出現時間變化與自變量地理經緯度相關，剩余5%的最大波峰出現時間變化可能是測量隨機誤差或者人為因素等引起的。

分析認為，上述模型表現出了最大波峰出現時間與觀測站點地理經緯度的強相關性，這可能是由于地理經緯度對當地日出時間的影響所造成的。太陽輻射會引起大氣電離過程的增加，并最終導致大氣電場增強。因此，日出時間越早，輻射電離過程越早積累，大氣電場峰值也就出現得越早。而日出時間主要受經度、緯度、海拔高度等因素的影響。綜合以上影響因素，在中國區域內，地理經度越小、緯度越高，則日出時間越晚，反之則越早[28]，這與本文模型中電場峰值出現時刻與經度呈負相關、與緯度呈正相關相符。但與此同時，由于所統計站點的地理經緯度范圍有限，該模型也存在一定的局限性，例如隨著觀測點經緯度范圍的擴大，上述回歸模型所預測的最大波峰出現時間可能會超出24:00 UT 或小于00:00 UT，這是目前該模型難以解釋的，或者這意味著該模型可能只適用于一定經緯度范圍的局部地區。因此，對于更大經緯度范圍的最大波峰出現時間與地理經緯度間的關系仍需進一步的研究。

2.6 緯度效應

計算各站點晴天大氣電場日平均值并作其年變化曲線，如圖6 所示。由圖6 可知，各站點在近10 年中均未出現明顯的緯度效應，即各站點晴天大氣電場日平均值并未隨站點緯度增加而增加，與Harrison等[10]在海洋上觀測到的緯度效應不符，這可能是陸地與海洋的氣象因素和大氣環境差異所導致[17]。

圖6 各站點晴天大氣電場日平均值年變化Fig.6 Annual variation of daily mean value of fair-weather atmospheric electric field at each station

3 季節變化

基于以上數據篩選結果，根據24 節氣進行季節月份分組（春：2 月，3 月，4 月。夏：5 月，6 月，7 月。秋：8 月，9 月，10 月。冬：11 月，12 月，1 月），計算得到5 個站點近10 年的各季節晴天大氣電場日平均值及最值。對夏季和冬季的晴天大氣電場日平均值F 檢驗所得p值為0.0021，遠小于0.05 的顯著性水平，這表明夏季與冬季的晴天大氣電場日平均值顯著不同。另外，各季節晴天大氣電場日平均值的四分位水平如圖7 所示，中心標記表示中位數，箱子的底邊和頂邊分別表示第25 個和75 個百分位數，虛線以外的數據點為離群值。

分析圖7 可知：冬季晴天大氣電場日平均值的中位數水平較高，夏季較低；且冬季的上四分位數、下四分位數水平較高，夏季較低。這表明冬季晴天大氣電場日平均值整體上高于夏季。該現象目前已在巴基斯坦伊斯蘭堡站[8]、穆扎法拉巴德站[14]、英國雷丁大學大氣觀測站[29]、歐亞大陸Irkutsk 的8 個觀測站[17]、中國西藏羊八井地區觀測站[15]等多個國內外站點被觀測到。研究表明：局部效應中的近地面氣溶膠濃度主導了冬季晴天大氣電場值大于夏季這一現象，冬季燃煤取暖導致大氣污染物濃度增大，加之冬季相對濕度通常較高，使得冬季氣溶膠濃度較大，大氣電導率較低，進而導致大氣電場值較高[13]；而北半球夏季降水較為充沛，降水對氣溶膠粒子有沖刷作用，導致夏季氣溶膠濃度下降，從而使得夏季大氣電場值較低[17]。同樣對5 個站點近10 年的各季節日平均晴天大氣電場最小值–最大值作穩健最小二乘法擬合，并給出各季節的最小值和最大值分布曲線，計算結果如圖8所示。

圖7 各季節晴天大氣電場日平均值箱線Fig.7 Boxed plot of the daily mean fair-weather atmospheric electric field in each season

擬合得到的線性方程為

式中，Es_max和Es_min分別為季節晴天大氣電場值的最大值及最小值，單位均為 k V·m?1。擬合均方根誤差為0.0284，調整后的決定系數（擬合優度）為0.9855。這表明該次擬合效果較好，季節電場最大值與最小值之間同樣存在線性強相關性，各季節晴天大氣電場最值變化仍然是線性的。圖8 中的最小值和最大值分布曲線顯示：各季節的晴天大氣電場最大值主要集中于0～1 kV·m?1，最小值主要集中于0～0.5 kV·m?1；兩種最值均近似呈正態分布；各季節的最大值分布中心位置基本一致，但夏季最大值的分布離散程度較小，冬季較大；夏季的最小值分布中心位置對應的電場值較小，冬季則較大，在分布離散程度上，仍然是夏季最小值的分布離散程度較小，冬季較大。另外，季節性的與年度的最小值–最大值擬合斜率近似相等，這表明晴天大氣電場的最小值和最大值在年度和季節兩個時間尺度上的變化規律基本一致。

圖8 各季節日平均晴天大氣電場最小值–最大值擬合及分布Fig.8 Minimum-maximum atmospheric electric field fitting and distribution of daily average fair-weather in each season

4 結論

基于子午工程5 個站點2011－2020 年的近地面晴天大氣電場觀測數據，采用高斯加權移動平均濾波的方法對電場數據進行平滑濾波，計算得到晴天大氣電場日平均曲線及相關參數，給出相關物理機制解釋，并在年變化、季節變化、日變化三種時間尺度上進行相關分析，得出如下結論。

(1) 低緯度站點的日平均晴天大氣電場峰谷類型為雙峰雙谷型或多峰多谷型，而中高緯度站點則為單峰單谷型。其中，廣州肇慶站、武漢九峰站、黑龍江漠河站的波峰出現了逐年左移或右移的趨勢。

(2) 位于中低緯度地區的廣州肇慶站、成都郫縣站、武漢九峰站等站點，近10 年的晴天大氣電場幅值整體呈現出逐年降低的變化特征；而位于中高緯度的長春農安站電場幅值整體呈現出逐年增加的變化趨勢，黑龍江漠河站則出現了兩次逐年增加的趨勢。采用穩健最小二乘法對各臺站2011－2020 年日平均晴天大氣電場最小值–最大值的擬合結果顯示，上述逐年變化無論是遞增還是遞減，均是線性的。結合AOD 值的年變化分析，驗證了所提出的物理模型。

(3) 最大波峰出現時間與觀測站點地理經緯度的多元線性回歸表明，三者之間呈強相關性，最大波峰出現時間與地理經度呈負相關，而與地理緯度呈正相關，且地理經度對最大波峰出現時間的影響程度（權重）約為地理緯度的兩倍。

(4) 各站點在近10 年中均未出現明顯的緯度效應。

(5) 冬季的晴天大氣電場日平均值水平較高，夏季較低，各季節的日平均晴天大氣電場最小值、最大值均近似呈正態分布。

(6) 穩健最小二乘法對各季節日平均晴天大氣電場的最小值–最大值擬合結果表明，最小值和最大值在年度和季節兩個時間尺度上的變化規律基本一致。

致謝本文使用的大氣電場數據來源于國家重大科技基礎設施子午工程。