南极长城站能见度变化分析

杨清华 于乐江 魏立新 张本正 孟上

（1国家海洋环境预报中心，北京100081；2南京信息工程大学水文气象学院，江苏 南京210044；3武汉市气象局，湖北 武汉430040）

0 引言

水平能见度是一项基本气象要素，用气象光学视程表示，它是指白炽灯发出色温为2 700 K的平行光束的光通量在大气中削弱至初始值的5%所通过的路途长度［1］。人工观测能见度，一般指有效水平能见度，即四周视野中二分之一以上的范围能看到的目标物的最大水平距离，能见度观测仪测定的是一定基线范围内的能见度［1］。能见度好坏主要与空气中的颗粒物含量、液滴数及污染气体有关，它们对可见光的吸收和散射作用可以降低大气能见度。

南极长城站地处南极半岛北侧、南太平洋温带气旋生成中心的下游，平均每3—4 d便受一次气旋过境影响［2］；受此影响，低能见度灾害性天气（海雾、降雨、降雪、吹雪及雪暴）频发，对该地区科考作业、航空及航海活动影响极大。同时，南极半岛地区是过去50年中全球变暖最剧烈的地区之一［3］，长城站气象观测对于我们理解南极半岛对全球气候变化的响应和反馈过程尤为重要。基于1985年建站以来的气象观测资料，中国学者研究了该地区的温、湿、风、压等短期气候特征［4-6］，及其气候增暖背景下的年际变化［7-8］；虽然也对海雾和雪暴等低能见度灾害性天气进行了天气学个例研究［9-11］，但尚未对该地区的能见度变化特征进行专门分析。

自1985年长城站首次越冬考察开始，能见度即是常规气象观测项目，于每天 08：00、14：00和20：00开展3次人工观测（本文时间均指当地时）；从1985年12月增加夜间02：00观测，并持续至今。为了获取更加精细、客观的能见度变化信息，2012年1月，我们在站区安装了芬兰VAISALA公司生产的PWD20能见度仪，并首次开展了连续的能见度自动监测实验。本文使用建站以来累积的历史观测资料，分析了能见度的季节变化和年际变化特征，探讨了能见度季节、年际变化和大雾、吹雪和降雪等灾害性天气的关系；通过谱分析和小波分析探讨了能见度不同周期的强弱和变化特征。最后，对2012年1—5月PWD20能见度仪与人工目测结果进行了初步对比，探讨了长城站实施能见度自动监测的可行性。

1 资料和方法

本文采用长城站1986—2012年每6 h一次的能见度人工观测资料和2012年1月21日至5月29日PWD20能见度自动观测资料。

对能见度变化的分析讨论均基于4次人工观测的日平均数据。在分析周期变化时采用了谱分析和小波分析的方法。小波分析是一种新的时频分析工具，能够详细准确地揭示出时间序列中瞬时频率结构随时间的变换［12］。本文利用Morlet小波变换分析了长城站能见度不同周期的强弱及其随时间的变化特征。

2 变化特征

2.1 季节变化

长城站1986—2011年观测资料表明，能见度季节变化特征明显，11—3月的能见度较好，又以12—1月的能见度最佳，接近15 km；6—10月能见度较差，9月份最低，不到12 km（图1）。

图1 长城站能见度平均逐月变化Fig.1.Averagemonthly variation of visibility atGWS

同锋面气旋相联系的雾、降雪和吹雪等灾害性天气可显著减小能见度。对1986—2011年资料进行统计，长城站好能见度（＞10 km）约占61.0%，差能见度（0—1 km）占8.0%。夏季月份中，海雾是能见度降低的主要原因，冬季则主要归因于频繁的吹雪或雪暴。长城站的雾多为平流冷却雾，地处南大洋南极锋的南侧和绕极低压带的独特地理位置决定了长城站多海雾的天气特点；海雾最主要的天气型是“东高西低”，海雾的持续时间取决于高压在南极半岛维持时间的长短［9］；平均每次大雾持续时间约10 h，最短仅有十几分钟，最长可达连续数天。气候统计表明，长城站平均每年出现145个雾日［含轻雾（水平能见度≥1.0 km至 ＜10.0 km［1］）和大雾（水平能见度 ＜1.0 km［1］，以下同］，其中大雾93 d。9—3月雾日发生较多，4—8月雾日发生较少；其中1月最多，平均有15个雾日，6月最少，仅有9个雾日（图2）。长城站夏季降水以雨为主，吹雪很少发生；进入冬季后，基本都是降雪天气，地面积雪不断增加。受频繁过境的气旋大风影响，冬季吹雪和雪暴天气频发。统计表明，平均每年有71个吹雪日，6—10月较多，其他月份较少；又以8—9月吹雪日最多（12 d），1月则基本没有吹雪天气（图2）。可见，长城站冬季雾日和吹雪日的发生总次数更多，故冬季能见度要明显低于夏季。

图2 长城站雾日（黑方），吹雪日（白方）及其总日数（黑折线）的逐月变化（1986—2011年平均）Fig.2.Average monthly variation of fog days，blowing snow days and their totals at GWS

2.2 年际变化和趋势分析

利用长城站1986—2011年人工观测资料，计算其逐年变化（图3）。长城站能见度具有明显的年际变化特征，大致可分为四个阶段。第一阶段为1986—1989年，年平均能见度连续增加；第二阶段为1990—1995年，年平均能见度变化幅度较小，基本为2年变化周期；第三阶段为1996—2008年，年平均能见度变化幅度较大，基本为4年变化周期；2009—2011年，年平均能见度快速增加（图3a）。

1986年来，长城站平均能见度呈显著的逐年上升趋势，平均上升速率 1.5 km·（10 a）－1（通过0.01显著性检验）。各季节也具有显著的逐年上升趋势，且冬季的上升速度最快，达1.9 km·（10 a）－1（表 1）。

图3 长城站年平均和各季节平均能见度逐年变化（1986—2011年）.自上而下分别是年平均、秋季、冬季、春季和夏季平均结果Fig.3.Variation of annual and seasonal average visibility at GWS.The figures from top to the bottom are annual，autumn，winter，spring and summer average，respectively

统计长城站26年来的低能见度（0—1 km）／（1—10 km）分布特征，秋季735／2 678次，冬季864／2 700次，春季 676／3 018次，夏季 675／2 575次，冬季和秋季的低能见度出现次数较多。但0—1 km和1—10 km的低能见度发生频数都有减小倾向，且1—10 km的减小倾向更为显著，年平均及各季节平均结果均通过0.01显著性检验（表1）。

长城站位于南极半岛地区，近半个世纪以来存在显著的气温上升趋势，其局地能见度的变化必然和大气环境变化密切相关。表1同时给出了1986—2011年的大雾日、吹雪日和降水量变化倾向，期望初步揭示其变化的可能原因。年平均能见度的升高倾向主要归因于大雾日和吹雪日的减少，两者的减少倾向分别达 －17.0 d·（10 a）－1和－9.0 d·（10 a）－1；冬季的能见度升高倾向最为显著，大雾日、吹雪日和降水量的减少倾向分别是－6.6 d·（10 a）－1、－3.3 d·（10 a）－1和 －19.7 mm·（10 a）－1，表明大雾、吹雪和降雪减少是主导冬季能见度升高的重要因素；春季的能见度升高倾向主要与大雾日和吹雪日的减少有关（－4.0 d·（10 a）－1、－6.3 d·（10 a）－1）；夏季和秋季的能见度升高至少部分归因于大雾日的减少倾向（－2.6 d·（10 a）－1、－3.7 d·（10 a）－1）。这里仅从雾、吹雪和降水等灾害性天气方面进行了定性讨论，影响能见度变化的还有很多其他因素，如气溶胶、水汽条件等，这些因素同时存在复杂的相互影响和相互作用，需进一步分析研究。

表1 南极长城站1986—2011部分气象要素的变化趋势Table 1.Variation trend ofmeteorological elements from 1986 to 2011 at GWS

3 周期分析

首先对长城站1986—2011年逐日平均能见度进行功率谱分析，长城站存在显著的年际变化周期、年周期、半年周期和天气尺度周期（图略）。进一步对逐日平均能见度进行小波分析，得到了类似的结果。图4b为不同特征尺度时间周期的小波全谱，反映了能见度不同尺度的时间周期在整个研究时段的强弱。长城站能见度变化以年际变化周期最为显著，主要有 2 a（748 d）、4.1a（1 496 d）和6.9—8.2 a（2 516—2 992 d）三个不同周期，又以4.1 a周期信号最强；其次为年周期（374 d）；另外，2.1—8.3 d的天气尺度周期也通过了95%的信度检验。

图4a为能见度不同特征尺度时间周期的局地小波谱随时间的变化，反映了不同尺度的时间周期在研究时间序列上的强弱变化。年际变化周期中，最强的特征时间信号为4.1 a，表明长城站能见度变化可能也受厄尔尼诺-拉尼娜现象影响；天气尺度周期的功率谱值虽然不强，但在整个时间序列上都比较显著，大多通过了95%的信度检验。用小波分析计算了3—10 d振荡的带通滤波，3—10 d振荡在多数时间内比较显著（图略），这是由于长城站地处南极绕极低压带，平均3—4 d有一次气旋过境，频繁的气旋导致长城站能见度具有显著的天气尺度周期变化。准双周（10—20 d）和季节内振荡（30—60 d）在研究时段上并不显著。

图4 长城站1986—2011年日平均能见度小波分析结果.（a）局地小波能量谱，黑色等值线以内范围表明超过95%信度检验；（b）小波全谱（实线）和95%信度水平（虚线）Fig.4.Wavelet analysis of daily average visibility at GWS from 1986 to 2011.（a）wavelet power spectrum，the black contours show the 95%confidence level；（b）global wavelet spectrum（solid line）and 95%confidence level（dashed line）

4 自动和人工观测对比

对比了2012年1—5月02：00、08：00、14：00和20：00的能见度目测和PWD20的观测结果（图5）。目测和PWD结果变化趋势较为一致，相关系数0.79；平均能见度分别是 14.7和 12.0 km，目测结果偏高2.7 km。对于目测能见度＜20 km的时段，两者相关系数 0.80，平均能见度分别为 10.0／9.1 km，两者偏差仅有0.9 km。

图5 2012年1—5月能见度目测（红线）和PWD20结果（黑线）对比Fig.5.Comparison ofmanual observation（red line）and PWD20 results（black line）from January to May，2012

分析两种观测结果的差异，首先，PWD20测量范围0—20 km，无法获取＞20 km的能见度信息；第二，人工目测受主观判别、视力、光照条件和目标物视角的大小等影响较大，自动观测仪有更高的分辨率和精确度；第三，自动观测仪采样空间小，以点代面，当大气均匀时代表性好，反之较差；而人工目测的样本是测站四周视野。总体而言，PWD20能见度仪能够自动、连续监测南极长城站周边大气能见度变化。

5 结论

（1）长城站高能见度（≥10 km）出现频率约占61.0%，低能见度（0—1 km）占 8.0%；海雾和降水是夏季能见度降低的主要原因，冬季则主要归因于频繁的降雪、吹雪或雪暴等灾害性天气。长城站平均每年出现145个雾日和71个吹雪日。

（2）能见度季节变化特征明显，11—3月的能见度较好，6—10月能见度较差。

（3）年平均和各季节平均能见度都呈显著的逐年上升趋势，且冬季的上升速度最快；大雾、吹雪和降雪等灾害性天气减少是主导冬季能见度升高的重要因素。0—1 km和1—10 km能见度发生频数都有减小倾向，且1—10 km的减小倾向更为显著。

（4）功率谱和小波分析一致表明，长城站能见度除受频繁的气旋影响具有显著的天气尺度周期（2.1—8.3 d）外，还具有显著的年周期，以及年际变化周期（2 a，4.1 a，6.9—8.2 a），其中以 4.1 a周期最为显著。今后将对这些周期变化作进一步的研究分析。

（5）自动观测实验表明，0—20 km能见度时的自动观测精度较高，适用于长城站能见度连续监测。但由于长城站冬季降雪较多，需要在今后观测中提升观测仪器高度，并注意及时清除陆地表面积雪。

最后，由于长城站气象观测人员交替频繁，大家对能见度的判别难免存在一些主观偏差，也可能会给本文的分析带来一些偏差。

致谢 中国第28次南极科学考察长城站汪大立站长及全体越冬队友给予了现场支持，中国气象科学研究院提供了长城站气象观测历史资料，谨致谢忱。

1 中国气象局.地面气象观测规范.北京：气象出版社，2003：17—24.

2 杨清华，汪孝清，张林.2006年南极长城站的气象要素特征.海洋预报，2007，24（4）：55—64.

3 Solomon S，Qin D，Manning M，etal.Climate Change2007：the Physical Science Basis.Contribution ofWorking Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge：Cambridge University Press，2007.

4 卞林根，薛正夫.1985年长城站气象要素的特征（一）／／南极科学考察论文集第四集.北京：海洋出版社，1989：55—66.

5 张文义.第四次南极考察长城站越冬队极地海洋气象考察报告.海洋预报，1993，10（2）：24—32.

6 张林.第六次南极考察—长城站越冬气象考察报告.海洋预报，1993，10（2）：40—50.

7 卞林根，马永锋，逯昌贵，等.南极长城站（1985—2008）和中山站（1989—2008）地面温度变化.极地研究，2010，22（1）：1—9.

8 卞林根，马永锋，逯昌贵，等.南极长城站（1985—2008）和中山站（1989—2008）风和降水等要素的气候特征.极地研究，2010，22（4）：321—333.

9 杨清华，张林，薛振和，等.南极长城站海雾特征分析.极地研究，2007，19（2）：111—120.

10 Yang Q H，Zhang L，Xue Z H，et al.A case study of a snowstorm at the GreatWall station，Antarctica.Chinese Journal of Polar Science，2010，21（2）：137—146.

11 许淙，杨清华，薛振和.南极长城站夏季海雾预报的初步研究.自然灾害学报，2011，20（6）：112—116.

12 Torrence C，Compo G P.A practical guide to wavelet analysis.Bulletin of the American Meteorological Society，1998，79（1）：61—78.