长江三角洲地区冬季能见度特征及影响因子分析

周奕珂,朱　彬*,韩志伟,潘　晨,郭　婷,魏建苏,刘端阳(1.南京信息工程大学,气象灾害预报预警与评估协同创新中心,江苏 南京 2100；2.南京信息工程大学,中国气象局气溶胶-云-降水重点开放实验室,江苏 南京 2100；.中国科学院大气物理研究所,北京 100029；.江苏省气象台,江苏 南京 210008)



长江三角洲地区冬季能见度特征及影响因子分析

周奕珂1,2,朱彬1,2*,韩志伟3,潘晨1,2,郭婷1,2,魏建苏4,刘端阳4(1.南京信息工程大学,气象灾害预报预警与评估协同创新中心,江苏 南京 210044；2.南京信息工程大学,中国气象局气溶胶-云-降水重点开放实验室,江苏 南京 210044；3.中国科学院大气物理研究所,北京 100029；4.江苏省气象台,江苏 南京 210008)

摘要：利用Micaps提供的2013和2014年冬季长江三角洲地区(以下简称长三角)28个站点的地面常规观测资料、NCEP FNL再分析资料和国家环境保护部发布的PM(2.5)质量浓度自动检测数据,分析了长三角冬季大气能见度特征,以及空气污染物和气象条件对能见度的影响.2013年冬季长三角霾天发生频率为53.4%.多元非线性回归分析表明,PM(2.5)质量浓度、地表10m风速、500～850hPa水平风垂直切变、相对湿度、925～1000hPa垂直温差、850～925hPa假相当位温差这6个因子能够解释能见度变化的81.6%.气象条件对能见度的作用与污染物浓度相当,热力因子的贡献大约是动力因子的2倍.PM(2.5)质量浓度越低,空气质量越好,以及相对湿度大于70%时,相对湿度通过气溶胶吸湿增长对能见度的作用越强.考虑PM(2.5)质量浓度的影响时,相对湿度对能见度的贡献提高了1倍.利用2014年冬季资料验证多元拟合方程,效果较好.

关键词：长江三角洲；能见度；PM(2.5)；气象条件；多元非线性回归

* 责任作者, 教授, binzhu@nuist.edu.cn

目前,随着工业化发展和城市化进程的加快,我国城市灰霾天气频发,极大地降低了大气能见度,影响着人们的生产生活.

能见度用目标物的最大能见距离表示,主要取决于大气细颗粒物和气态污染物对光线的削弱作用,包括散射和吸收.其中,颗粒物散射消光占总消光的70%～80%[1-2].米散射理论是描述球形粒子散射特性的最经典理论,其表明粒径与入射光波长相当的颗粒物的散射效率最高,说明细颗粒物是造成能见度降低的本质原因.大气扩散的理论研究和试验研究表明,在不同的气象条件下,同一污染源排放所造成的地面污染物浓度可相差几十倍乃至几百倍.这是由于大气对污染物的扩散稀释能力随着气象条件的不同而发生巨大变化的缘故[3].国外从20世纪60年代开始对低能见度进行研究,发现能见度的变化趋势可以很好地反映空气质量的变化趋势[4-8].20世纪80年代后,开始从不同大气污染物和气象条件等多方面进行详细分析[9-12].美国IMPROVE观测网,由成分谱反演消光系数,按照硫酸盐、硝酸盐、元素碳、有机碳和地壳物质五大源类、结合吸湿增长因子考察对能见度的贡献,给出颗粒物散射系数和吸收系数公式[13-14].粒子吸湿增长的寇拉曲线表明,粒子尺度不超过临界半径时,粒径随环境过饱和度的增大而增大.一个干粒子吸湿后,其粒径明显增大,而其密度、折射指数则单调减小,根据米散射理论,前向散射迅速增大[15].当硝酸盐、硫酸盐、铵盐、海盐等无机成分及吸湿性有机物[16-17]作为霾粒子的组成部分时,相对湿度越大,吸湿能力越强,导致能见度越低.孙景群[18]分析了相对湿度与能见度的关系,表明湿气溶胶的消光系数和后向散射微分截面随相对湿度的增长而变大,这主要是由于气溶胶吸附水汽凝结增长使气溶胶尺度增大所致.刘晓慧等[19]在研究南京、杭州、合肥的相对湿度、API指数和能见度关系时发现,灰霾期间能见度与API的相关性比非灰霾期间显著偏高,并且灰霾期间能见度与API的相关性随相对湿度的增加而增加.地表风速、大气静力稳定度、边界层高度等影响污染物的输送和扩散[20-22].童尧青[23]、吴兑等[24]的研究表明,霾多发生在静、小风的天气下,而强冷空气带来的大风则有利于污染物的扩散.张人禾等[25]从热力、动力因子的角度分析气象条件对2013 年1月中国东部大范围持续性低能见度天气的影响,结果表明,能见度逐日演变过程中,超过2/3的变化是由气象因子造成的,且热力因子和动力因子的贡献相当.

虽然已有大量研究讨论空气污染物和气象条件对能见度的影响[26-30],但大部分局限于单个因子与能见度的简单相关分析;部分多元线性回归分析所包含的气象信息较少,选择线性回归过于简单;另外,得到的气象因子或拟合方程只是影响能见度的必要条件,无法证明其充分性,不具有预报指示意义.因此,有必要进一步从空气污染物、热力因子、动力因子等多方面对能见度进行多元非线性回归分析,得到更符合实际情况的拟合方程,并在另一时间段对拟合方程进行验证,分析能更好预测能见度的因子组合.本文利用2013年冬季长江三角洲地区PM2.5质量浓度、地面和高空气象资料,从污染物和气象因子出发建立影响能见度的多元非线性回归方程,并通过2014年冬季长三角资料予以验证.此外,重点分析了受PM2.5质量浓度和环境湿度条件制约下,相对湿度对能见度的贡献.以期为空气污染预报和控制提供一些理论参考.

1　资料与方法

1.1资料

2013年冬季(2013年12月～2014年2月)和2014年冬季(2014年12月～2015年2月)长江三角洲地区28个站点的地面常规观测资料从Micaps中提取,资料为1日4时次,分别为北京时间02:00、08:00、14:00、20:00.各高度层气象要素来自FNL再分析资料,FNL资料为1日4时次,分别为北京时间02:00、08:00、14:00、20:00时,水平分辨率为1°×1°,选取(27～35°N,118～122°E)范围代表长三角.空气质量资料源自全国城市空气质量实时发布平台(http://106.37.208.233: 20035/).

本文试图分析长江三角洲地区冬季大气能见度的特征,以及空气质量和气象条件对能见度的影响.为排除降水、扬沙、沙尘暴、烟幕、高湿(≥90%)等其他导致低能见度的天气事件的影响,通过天气现象代码和相对湿度对能见度资料进行筛选,得到反映空气质量和气象条件对能见度影响的有效资料[31].利用FNL资料计算如下大气变量:500hPa与850hPa水平风垂直切变ΔV58、925hPa与1000hPa气温差ΔT91、10m风速V10m以及850hPa与925hPa假相当位温差Δθse89.本文着眼于长三角这一区域的能见度及影响因素,且各类资料的站点难以对应,因此各要素都是计算所有站点或格点的平均值以代表长三角地区.首先计算日均值,分析2013年12月～2014年2月能见度与PM2.5质量浓度和相关大气变量的关系,再进行多元非线性回归分析,得到拟合方程,进而用2014年12月～2015年2月资料对拟合方程进行检验.相对湿度与能见度关系的讨论中,由Koschmieder关系式= K/ VIS,可计算得到未经订正的消光系数,在此K取值为1.9[32-33].通过以下公式[34]可得到减少相对湿度消光影响的干消光系数bext:

2　结果与讨论

2.12013年冬季长江三角洲地区能见度特征

由图1可见, 2013年12月～2014年2月长三角区域平均能见度围绕平均值9.5km上下震荡,无明显的大幅度增减变化.2013年12月、2014年1月、2014年2月平均能见度分别为8.4,9.5,10.8km,略有小幅度增加趋势.其中,2月能见度变化幅度最大,冬季能见度最大值21.1km(2月5日)、最小值1.9km(2月25日)皆发生在此月.

为进一步分析长三角冬季能见度特征,对2013年冬季能见度进行分档统计.因为在前期处理数据时已剔除降水、沙尘暴、扬沙、浮尘、烟幕、吹雪、雪暴等天气现象和高湿造成视程障碍的影响,所以可直接由能见度判断霾天.根据《霾的观测和预报等级》[35],将不同能见度范围划分为轻微霾、轻度霾、中度霾和重度霾.能见度大于10.0km的情况在此定义为清洁天.表1分别统计了不同等级污染天气发生的天数、频率和平均能见度.霾天发生频率略大于清洁天,分别为53.4%和46.6%.霾天以轻微霾为主,轻度霾较少,中度霾和重度霾各仅1d.

图1　2013年冬季长三角区域平均能见度逐日变化Fig.1　Visibility time series of daily mean over the Yangtze River Delta Region in winter of 2013

2.2能见度影响因子分析

对于霾的形成和演变,大量细颗粒物聚集是内因,气象条件的影响是外因.从污染物浓度、热力因子、动力因子的角度分别讨论单一气象条件对能见度的作用,进而以此为依据建立多元回归方程.

2.2.1单因子回归分析图2为2013年冬季长三角区域平均PM2.5质量浓度、10m风速、500～850hPa水平风垂直切变、地表相对湿度、925～1000hPa垂直温差、850～925hPa假相当位温差与能见度的散点图和拟合直(曲)线.除相对湿度的回归方程通过0.05的显著性检验,其他均通过0.01的显著性检验.

表1　2013年冬季长三角区域平均能见度分档统计(n=88)Table 1　Visibility statistics over the Yangtze River Delta Region in winter of 2013 (n=88)

如图2(a)所示,能见度随PM2.5质量浓度的增加呈对数降低.两者的简单相关系数为-0.77,通过0.01的显著性检验.由图2(b)可见,能见度随地表风速的增加而增大,地表水平风速越大,对污染物的输送能力越强,可快速搬运至下风方,混入空气量增多,污染物浓度降低,能见度升高.向高空扩散是使边界层污染物浓度降低的一个有效途径.500～850hPa水平风垂直切变,体现了大气对污染物在垂直方向上的动力扩散能力.其中,u为纬向风分量,v为径向风分量.如图2(c)所示,ΔV58对能见度的影响在不同取值范围有很大差别:当16.3＜ΔV58＜30.9时,能见度随ΔV58的增大而增大,水平风垂直切变越大,上下层大气混合越显著,污染物得到有效扩散,浓度降低,能见度升高;而当ΔV58＞16.3或ΔV58＞30.9时,能见度与ΔV58呈反关系,风切变过小时,大气在垂直方向上的混合很弱,风切变微弱增加不仅不利于污染物的扩散甚至有可能带入新的污染物,导致能见度下降;而风切变过大时,上下层空气混合非常剧烈,一方面可能使污染物围困在一定空间范围内无法向外输送,另一方面可能导致温度层结近中性,也不利于污染物的扩散.平均ΔV58为22.2m/s,一般来说风切变增强有利于能见度好转,但也有风切变过小或过大不利于污染物扩散的情况.

相对湿度与能见度对数的线性关系较弱,对能见度的解释方差小,但可以看出能见度随相对湿度的增加而降低,如图2(d).这与以往的研究结果一致,一方面,相对湿度越高,气溶胶吸湿增长越强,消光越显著,能见度越低;另一方面,高相对湿度意味着水蒸气的散射和吸收作用强烈,从而导致能见度降低[36],但水汽的作用相对于气溶胶是微弱的.大气层结的垂直分布会影响大气静力稳定度,影响污染物的扩散和聚集.从图2(e)中可以看到,925～1000hPa大气层结处于条件性不稳定状态时,能见度随着ΔT91的增大而减小,即层结越稳定能见度越低.大气扩散稀释能力随静力稳定度的增加而减弱,导致污染物聚集,能见度降低.再者,高浓度颗粒物衰减太阳短波辐射,减弱地面的净短波辐射通量,降低地表温度, ΔT91更大,层结更加稳定,造成持续性低能见度天气[37-38].由于绝对稳定条件发生次数少,数据较少,对比散点图与拟合曲线,认为这部分回归分析有较大偏差.同时,在所有样本中逆温状态仅出现一天,即2014年1月24日垂直温差ΔT91=0.69K,但这天的能见度为13.6km,高出平均值(9.5km),说明逆温并非导致能见度降低的必要条件,进一步说明影响因子综合作用的复杂性.850～925hPa假相当位温差Δθse89.可反映边界层上层的层结稳定度.Δθse89＜0时,为条件性不稳定状态;Δθse89＞0时,为绝对稳定状态.从图2(f)中可见,在边界层上层以条件性不稳定状态为主,平均Δθse89=-4.5K.在边界层中上层,与能见度呈正相关,即大气层结稳定度与能见度一致.层结稳定度会影响大气的垂直运动,因此分别分析850hPa和925hPa垂直速度与Δθse89的关系.850hPa和925hPa垂直速度的平均值分别为0.0386Pa/s,0.0283Pa/s,以下沉运动为主. Δθse89与850hPa和925hPa垂直速度的简单相关系数分别为-0.389,-0.319,都通过了0.01的显著性检验.当Δθse89越小,层结稳定度越低时,850hPa和925hPa的下沉运动越显著,更强地抑制污染物的扩散,导致能见度越低.

国际市场：国际氮肥价格持续上涨，市场供应量增加，其中中国销售3万吨大颗粒尿素；欧洲、巴西、印度和美国季节性需求到来，贸易商采购较为积极。国际磷肥价格高位平稳运行，印度采购因卢比大幅贬值放缓，东南亚采购需求减弱，中国供货价仍维持稳定。国际钾肥价格总体维持高位，因中国、印度钾肥大合同尚未签订，东南亚各国钾肥市场价格涨跌互现。

图2　2013年冬季长三角区域平均PM2.5质量浓度(a)、10m风速(b)、500～850hPa水平风垂直切变(c)、地表相对湿度(d)、925hPa～1000hPa垂直温差(e)、850hPa～925hPa假相当位温差(f)与能见度的散点图和拟合直(曲)线Fig.2　Scatter plots between visibility and PM2.5concentration(a), 10-m wind speed(b), shear of horizontal wind(500-850hPa)(c), relative humidity(d), temperature difference (925-1000hPa)(e), potential pseudo-equivalent temperature difference(850-925hPa)(f)

总结以上各因子,在不考虑其他因子影响时,PM2.5质量浓度、相对湿度、925～1000hPa垂直温差分别对能见度有负的贡献;地表10m风速、850～925hPa假相当位温差分别对能见度有正的贡献;500hPa与850hPa水平风垂直切变的作用因取值范围的不同而不同,当16.3＜ΔV58＜30.9时,水平风切变的增强有利于能见度的好转.大气层结稳定度在边界层上、下层对能见度的作用相反,700m以下层结越稳定能见度越低,700m以上则相反.地表风速影响污染物的输送;水平风的垂直切变、层结稳定度影响污染物的扩散;地表空气饱和度影响颗粒物的吸湿增长和消光效率.实际上,气象条件变化复杂,能见度受多因子综合影响,因此有必要利用多因子对能见度进行多元回归分析,以得到具有预报意义的统计方程.

2.2.2不同污染等级下相对湿度与能见度的关系相对湿度通过气溶胶的吸湿增长影响消光系数和能见度,其作用受制于气溶胶本身.利用2013年冬季长三角区域平均相对湿度和能见度小时值(02:00、08:00、14:00、20:00),进一步讨论不同PM2.5质量浓度下相对湿度与能见度的关系.根据PM2.5质量浓度划分优、良、轻度污染、中度污染、重度污染和严重污染六个等级(表2),分析不同污染程度时相对湿度对能见度的作用.如图3,空气质量为优时,相对湿度与能见度无明显关系;严重污染和中度污染时,能见度随相对湿度的增大而降低;良、轻度污染和重度污染时,相对湿度与能见度线性回归直线的斜率分别为-0.129,-0.096,-0.066.PM2.5质量浓度越低,污染越轻时,拟合直线的斜率绝对值越大,说明能见度随相对湿度变化越快.这也反映了不同污染程度下,相对湿度对能见度的作用强弱不同,空气质量越好时,相对湿度通过气溶胶吸湿增长对能见度的作用越强.假定PM2.5尺度不变,空气中增加一定量水汽时,数浓度高的因争食水汽而导致每个粒子增长受限,粒子尺度变化小,因相对湿度导致的能见度变化量小.

除PM2.5质量浓度外,相对湿度与能见度的关系还受环境湿度条件的影响.由能见度观测值通过1.2中的方法和公式,可计算得到未经订正的消光系数和干消光系数bext.那么, Δb=−b就是相对湿度通过吸湿增长引extext起的消光系数的增加量,可以反映相对湿度对能见度的贡献,Δbext与相对湿度的关系如图4.图4(b)是图4(a)的纵坐标Δbext在(-10～25)×0.01km-1范围的截取,可排除个别大值的影响,突显相对湿度与的关系.相对湿度在60%～70%之间时, Δbext平均值为0.06×0.01km-1,且几乎不随相对湿度的变化而变化,说明吸湿增长对消光系数的贡献非常小,且不随相对湿度的增大而增强.相对湿度小于60%时, Δbext随相对湿度的增加缓慢增加;相对湿度大于70%时,Δbext随相对湿度大致呈指数增加,即对能见度的贡献显著增强.

图3　不同污染等级下相对湿度与能见度的散点图及拟合直线Fig.3　Scatter plots between visibility and relative humidity under different air pollution levels

表2　不同污染等级下能见度统计(小时值,n=242)Table 2　Visibility statistics under different air pollution levels(hourly data,n=242)

相对湿度与能见度的关系不仅受PM2.5质量浓度影响,也受环境湿度条件的制约.PM2.5质量浓度越低,空气质量越好,以及相对湿度大于70% 时,相对湿度对消光系数的贡献越多,对能见度的作用越强.

2.2.3多元非线性回归分析根据各因子与能见度的一元回归分析结果,建立多元非线性回归模型,得到能见度拟合方程:

图4　消光系数的贡献量随相对湿度的变化趋势Fig.4　Trends of RH’s contribution to extinction coefficient with RH图4(b)是图4(a)的纵坐标Δbext在(-10～25)×0.01km-1范围的截取

R2=0.816,通过0.01的显著性检验.能见度95%的置信区间为VIS±3.3km.图5为2013年冬季长三角观测能见度值与回归估计值的对比.从趋势和数值大小上来看,拟合效果较好.说明这六个因子可以解释2013年冬季长三角区域平均能见度变化的81.6%.为进一步分析污染源、气象条件和热、动力因子对能见度贡献的相对重要性,分别用PM2.5质量浓度、动力因子(V10m,ΔV58)、热力因子(RH,ΔΤ91,Δθse89)、气象条件(动力+热力因子)对能见度进行回归分析,结果见表3.

PM2.5质量浓度与气象因子可单独解释能见度变化的65.6%和54.9%,但两者共同拟合时并非解释方差百分率的加和,最终为81.6%.热力因子对能见度的贡献明显大于动力因子,它们对能见度的解释方差百分率分别为51.9%和27.5%,热、动力因子共同拟合时也并非两者单独解释方差之和,最终为54.9%.这是各因子之间相互影响,对能见度的贡献强弱有别导致的.可针对2013年冬季长三角区域平均能见度总结出:气象因子对能见度的影响可与PM2.5质量浓度相当,从污染物的输送、扩散以及颗粒物吸湿增长多方面影响大气能见度;热力因子对能见度的贡献大约是动力因子的两倍;只有多因子的组合才是影响能见度的充分条件,具体什么样的组合对能见度的预报最有效还有待继续讨论.

图5　2013年冬季长三角区域平均能见度观测值与回归估计值对比Fig.5　Time series of daily observed visibility and simulated visibility by nonlinear regression equation

表3　各类型影响因子的回归方程和可决系数Table 3　Regression equations and R2with different types of factors

从2.2.2的讨论可知,相对湿度对能见度的贡献受PM2.5质量浓度的影响,可通过有、无相对湿度因子的多元回归方程的可决系数R2的差值,估计相对湿度对能见度的作用,如表4,M因子包含V10m,ΔV58,ΔT91,Δθse89,M因子和RH因子多元回归R2=0.549,M因子多元回归R2=0.512,两者差值ΔR2=0.037;PM2.5、M因子和RH因子多元回归R2=0.816,PM2.5和M因子多元回归R2=0.742,两者差值ΔR2=0.074.有PM2.5拟合时ΔR2是无PM2.5拟合时的一倍,说明考虑PM2.5质量浓度的影响时,相对湿度对能见度的贡献提高了一倍.

表4　不同回归方程中可决系数的比较Table 4　Comparison of R2in different regression equations

2.3拟合方程的验证

图6　2014年冬季长三角区域平均能见度验证Fig.6　Time series of daily observed visibility and daily simulated visibility by nonlinear regression equation over the Yangtze River Delta Region in winter of 2014

为了证明这6个因子的组合对能见度估计的有效性,利用2014年冬季(2014年12月～2015年2 月)长三角资料对拟合方程进行验证,观测值与拟合值的对比如图6,拟合值与观测值的变化趋势一致,但数值整体略偏低,2014年12月较明显.观测能见度的平均值为9.6km,拟合能见度平均值为8.6km,12月、1月、2月残差平均值分别为2.19,0.99,-0.05km,12月和1月略偏低,2月略偏高.12月、1月、2月残差方差分别为7.15km2、5.23,5.21km2,说明拟合方程对1、2月能见度的拟合效果更好,即2015年1、2月与2014年12月相比较而言,气象和空气污染条件对能见度的影响,更符合拟合方程所表示的关系.可能2014年12月存在其他影响能见度的因素,但在其它月份中表现不突出,进而影响多因素所产生的综合作用.观测值与拟合值的简单相关系数为0.77,通过0.01的显著性检验.总体来说,拟合方程能较好的估算2014年冬季长三角的能见度.

3　结论

3.12013年冬季长三角区域平均能见度逐日呈震荡变化,无明显大幅度增减趋势.霾天发生频率为53.4%,以轻微霾为主,轻度霾较少,中度霾和重度霾各仅1d.

3.2地表风速影响污染物的输送;水平风的垂直切变、层结稳定度影响污染物的扩散;地表空气饱和度影响颗粒物的吸湿增长和消光效率.PM2.5质量浓度、相对湿度、925～1000hPa垂直温差分别对能见度有负的贡献;地表10m风速、850～925hPa假相当位温差分别对能见度有正的贡献;500hPa 与850hPa水平风垂直切变的作用因取值范围的不同而不同,一般来说风切变增强有利于能见度好转(当16.3＜DV58＜30.9时),但也有风切变过小或过大不利于污染物扩散的情况.大气层结稳定度在边界层上、下层对能见度的作用相反,在大约700m以下,层结越稳定,能见度越低,而在约700～1500m的高度则相反.

3.3相对湿度与能见度的关系受PM2.5质量浓度和环境湿度条件的制约.PM2.5质量浓度越低,空气质量越好,以及相对湿度大于70%时,相对湿度通过气溶胶吸湿增长对能见度的作用越强.

3.4多元非线性回归分析表明,PM2.5质量浓度、V10m、ΔV58、RH、ΔT91、Δθse89这6个因子可以解释2013年冬季长三角区域平均能见度变化的81.6%,且通过0.01的显著性检验.能见度95%的置信区间为VIS±3.3km.气象因子对能见度的影响可与PM2.5质量浓度相当,热力因子对能见度的贡献大约是动力因子的两倍.此外,考虑PM2.5质量浓度的影响时,相对湿度对能见度的贡献提高了1倍.

3.5多元非线性拟合方程能较好地估算2014年冬季长三角地区的能见度,1、2月的拟合效果较12月更好.能见度观测值与拟合值的简单相关系数为0.77.

参考文献：

[1] 宋宇,唐孝炎,方晨,等.北京市能见度下降与颗粒物污染的关系 [J]. 环境科学学报, 2003,23(4):468−471.

[2] 沈铁迪,王体健,陈璞珑,等.南京城区夏秋季能见度与PM2.5化学成分的关系 [J]. 中国环境科学, 2015,35(3):652-658.

[3] 蒋维楣.空气污染气象学教程 [M]. 北京:气象出版社, 2004:5.

[4] Charlson R J, Ahlquist N C, Horvath H. On the generality of correlation of atmospheric aerosol mass concentration and light scatter [J]. Atmospheric Environment (1967), 1968,2(5):455-464.

[5] Noll K E, Mueller P K, Imada M. Visibility and aerosol concentration in urban air [J]. Atmospheric Environment (1967), 1968,2(5):465-475.

[6] Charlson R J. Atmospheric visibility related to aerosol mass concentration: review [J]. Environmental Science & Technology, 1969,3(10):913-918.

[7] Horvath H, Noll K E. The relationship between atmospheric light scattering coefficient and visibility [J]. Atmospheric Environment (1967), 1969,3(5):543-550.

[8] Miller M E, Canfield N L, Ritter T A, et al. Visibility changes in Ohio, Kentucky, and Tennessee from 1962 to 1969 [J]. Monthly Weather Review, 1972,100(1):67-71.

[9] Stuart Naegele P, William D Sellers. A Study of Visibility in Eighteen Cities in the Western and Southwestern United States [J]. Mon. Wea. Rev., 1981,109:2394—2399.

[10] Lee D O. Trends in summer visibility in London and southern England 1962～1979 [J]. Atmospheric Environment (1967), 1983, 17(1):151-159.

[11] Lee D O. The choice of visibility statistics in the analysis of long term visibility trends in southern England [J]. Weather, 1988,43: 332-338.

[12] Lee D O. The influence of wind direction, circulation type and air pollution emissions on summer visibility trends in southern England [J]. Atmospheric Environment. Part A. General Topics, 1990,24(1):195-201.

[13] Hand J L, Malm W C. Review of the IMPROVE equation for estimating ambient light extinction coefficients [M]. CIRA, Colorado State University, 2007.

[14] 白志鹏,董海燕,蔡斌彬,等.灰霾与能见度研究进展 [J]. 过程工程学报, 2006(z2):36-41.

[15] Bohren C F, Huffman D R. Absorption and scattering of light by small particles [M]. John Wiley & Sons, 2008.

[16] 刘新罡,张远航.大气气溶胶吸湿性质国内外研究进展 [J]. 气候与环境研究, 2010,15(6):806-816.

[17] Day D E, Malm W C. Aerosol light scattering measurements as a function of relative humidity: a comparison between measurements made at three different sites [J]. Atmospheric Environment, 2001,35(30):5169-5176.

[18] 孙景群.能见度与相对湿度的关系 [J]. 气象学报, 1985,43(2): 230-234.

[19] 刘晓慧,朱彬,王红磊,等.长江三角洲地区1980～2009年灰霾分布特征及影响因子 [J]. 中国环境科学, 2013,33(11):1929-1936.

[20] 朱彬,苏继锋,韩志伟,等.秸秆焚烧导致南京及周边地区一次严重空气污染过程的分析 [J]. 中国环境科学, 2010,30(5):585-592.

[21] Kang H, Zhu B, Su J, et al. Analysis of a long-lasting haze episode in Nanjing, China [J]. Atmospheric Research, 2013,120: 78-87.

[22] Zhao X J, Zhao P S, Xu J, et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics, 2013,13(11):5685-5696.

[23] 童尧青,银燕,钱凌,等.南京地区霾天气特征分析 [J]. 中国环境科学, 2007,27(5):584-588.

[24] 吴兑,廖国莲,邓雪娇,等.珠江三角洲霾天气的近地层输送条件研究 [J]. 应用气象学报, 2008,(1):1-9.

[25] 张人禾,李强,张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析 [J]. 中国科学:地球科学, 2014,1:27-36.

[26] 祁妙,朱彬,潘晨,等.长江三角洲冬季一次低能见度过程的地区差异和气象条件 [J]. 中国环境科学, 2015,35(10):2899-2907.

[27] Mang L, et al. Regression Analyses between Recent Air Quality and Visibility Changes in Megacities at Four Haze Regions in China [J]. Aerosol and Air Quality Research, 2012,12:1049—1061

[28] 王英,李令军,李成才.北京大气能见度和消光特性变化规律及影响因素 [J]. 中国环境科学, 2015,35(5):1310-1318.

[29] 刘新罡,张远航,曾立民,等.广州市大气能见度影响因子的贡献研究 [J]. 气候与环境研究, 2006,11(6):733-738.

[30] 史军,崔林丽.长江三角洲城市群霾的演变特征及影响因素研究 [J]. 中国环境科学, 2013,33(12):2113-2122.

[31] 吴兑,毕雪岩,邓雪娇,等.珠江三角洲大气灰霾导致能见度下降问题研究 [J]. 气象学报, 2006,64(4):510-517.

[32] Griffing G W. Relationships between the prevailing visibility, nephelometer scattering coefficient, and sunphotometer turbidity coefficient [J]. Atmospheric Environment, 1980,14(5):577-584.

[33] Ozkaynak H, Schatz A D, Thurston G D, et al. Relationships between aerosol extinction coefficients derived from airport visual range observations and alternative measure of air-borne particle mass [J]. Air Pollution Control Association, 1985,35: 1176—1185.

[34] Che H, Zhang X, Li Y, et al. Horizontal visibility trends in China 1981～2005 [J]. Geophysical Research Letters, 2007,34(24): L24706.

[35] QX/T 113－2010霾的观测和等级预报 [S].

[36] 姚青,张长春,樊文雁,等.天津冬季大气能见度与空气污染的相互关系 [J]. 气象科技, 2010,38(6):704-708.

[37] 杨军,李子华,黄世鸿.相对湿度对大气气溶胶粒子短波辐射特性的影响 [J]. 大气科学, 1999,23(2):239-247.

[38] Liu X, Xie X, Yin Z Y, et al. A modeling study of the effects of aerosols on clouds and precipitation over East Asia [J]. Theoretical and applied climatology, 2011,106(3/4):343-354.

致谢：感谢南京信息工程大学侯雪伟博士和祁妙硕士对部分数据的提供.

Analysis of visibility characteristics and connecting factors over the Yangtze River Delta Region during winter time.

ZHOU Yi-ke1,2, ZHU Bin1,2*, HAN Zhi-wei3, PAN Chen1,2, GUO Ting1,2, WEI Jian-su4, LIU Duan-yang4(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China；3.Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China；4.Meteorological Observatory of Jiangsu Province, Nanjing 210008, China). China Environmental Science, 2016,36(3)：660～669

Abstract：Based on the meteorological data from 28 observation stations in winter 2013 and 2014, NCEP FNL reanalysis data and ground PM(2.5)observations, the characteristic of visibility and its relationship with air pollutants and meteorological conditions in the Yangtze River Delta in winter were analyzed. In winter 2013, the frequency of haze day was 53.4%. 81.6% of the visibility change can be explained by PM(2.5)concentration, 10m wind speed, wind shear (500～850hPa), relative humidity, temperature difference (925～1000hPa), potential pseudo-equivalent temperature difference (850～925hPa). The effects of meteorological conditions and air pollutants on visibility were comparable, and the contribution of thermal factor was almost twice that of dynamical factor. The RH impact on visibility was stronger at lower PM(2.5)concentration and higher RH (＞70%). The visibility in winter 2014 was well reproduced by the nonlinear regression equation.

Key words：the Yangtze River Delta；visibility；PM(2.5)；meteorological conditions；multivariate nonlieanr regression

作者简介:周奕珂(1993-),女,湖南常德人,南京信息工程大学硕士研究生,主要从事大气化学和大气环境方向研究.

基金项目：国家自然科学基金项目(41275143,41575148);公益性行业(气象)科研专项(201206011);江苏省高校自然科学研究重大基础研究项目(12KJA170003);江苏省省级环保科研课题(2014021)

收稿日期：2015-08-20

中图分类号：X513

文献标识码：A

文章编号：1000-6923(2016)03-0660-10