宝鸡地区霾日的时空变化特征及原因分析

赵阿玲，刘引鸽，王 艳，武洋洋，史鹏英，张 妍

(陕西省灾害监测与机理模拟重点实验室，宝鸡文理学院地理与环境学院，陕西 宝鸡 721013)

宝鸡地区霾日的时空变化特征及原因分析

赵阿玲，刘引鸽，王 艳，武洋洋，史鹏英，张 妍

(陕西省灾害监测与机理模拟重点实验室，宝鸡文理学院地理与环境学院，陕西 宝鸡 721013)

利用 1981—2011年宝鸡各县区日平均能见度、日平均相对湿度、天气现象记录以及其他气象观测资料，采用线性趋势分析、小波分析以及主成分分析等气候研究方法，分析了宝鸡地区霾日的长期变化趋势和空间分布特征，探讨了霾日发生的原因。结果表明：宝鸡地区年均霾日变化呈波动下降趋势，宝鸡地区霾日变化呈现多时间尺度的特征；冬春两季霾日波动变化下降趋势最为明显，秋季次之，夏季霾日变化呈明显上升趋势；宝鸡地区的霾日多发地主要集中在以渭河为中心的中部地区；风速、相对湿度和地面温度对霾日的增减影响显著，能源利用等因素对霾日的发生有着显著的影响。

霾；时空变化；小波分析；空间分布；原因分析；宝鸡地区

0 引言

近年来，由于经济的快速发展和城市扩张等原因，造成空气污染严重，雾霾天气频发。对灾害性雾霾天气的研究与整治引起政府及社会各界的广泛关注。霾的气象定义是悬浮在大气中的大量微小尘粒、烟粒或盐粒的集合体，使空气浑浊，水平能见度降低到10km以下的一种天气现象[1]。同时，霾一般呈乳白色，它能使物体的颜色减弱，使远处光亮物体微带黄红色，而黑暗物体微带蓝色[2]。组成霾的粒子极小，不能用肉眼分辨。当大气凝结核由于各种原因长大时也能形成霾，在这种情况下水汽进一步凝结可能使霾演变成轻雾、雾和云[3]。霾主要由气溶胶组成，它可在一天中的任何时候出现。霾是一种危害严重且影响较广的灾害性天气。霾天出现时，天空中漂浮着诸多悬浮颗粒物，造成大气污染。一方面，空气的低能见度会导致视觉障碍，给出行造成不便，引发交通事故，造成财产和生命安全损失。另一方面，会对人体健康产生不利影响，如诱发呼吸道疾病、小儿佝偻病等[4]。同时，由于霾天的大气能见度极低，且悬浮颗粒物对大气辐射和传输影响显著，导致气候变化剧烈、灾害事件频生。近年来频发的雾霾天气引起广大学者的关注。吴兑[5]在研究中指出雾和霾是不同的天气现象，并给出了划分依据。近5a对雾霾天气的相关研究，多集中于对某地区雾霾天气候变化特征及原因分析等方面研究[6-9]，对雾霾天的形成机制进行数值模拟，对大气颗粒物的气溶胶光学特性和雾霾天的关系研究[10-14]，对雾霾天的研究主要集中在大尺度的时空变化特征分析研究[15-17]。

宝鸡市位于关中平原中部，南、西、北三面环山，以渭河为中轴向东拓展，呈尖角开口槽形。山、川、原兼备，以山地、丘陵为主。宝鸡是一个重工业城市，雾霾天气出现频繁，不仅对经济发展造成不利影响，也给人们的生产生活带来诸多不便，引发学者的思考和关注。庞翻、韩洁、周旗、孟妙志等[18-21]主要分析了宝鸡市的雾霾以及重霾的变化，但对宝鸡雾霾的区域气候时空特征分析及其与气候要素关系的研究很少。本研究主要利用宝鸡地区11县区的能见度、相对湿度日观测值，以及天气现象观测记录和相关气候要素日观测值等资料数据，分析1981—2011年宝鸡地区霾日的变化趋势及突变规律，探讨不同区域的霾气候变化趋势及空间分布特征，并结合相关气象要素剖析霾日频发的原因，以期为宝鸡地区霾天的监测、控制和治理提供合理科学的理论依据。

1 资料和方法

本文所用资料为1981—2011年宝鸡地区11个县的地面观测数据，包括地面水平能见度(8时、14时、20时)、日均相对湿度、天气现象记录和地面风速、地面温度等。文中以前一年的12月和当年的1、2月作为冬季，以3、4、5月作为春季，6、7、8月作为夏季，9、10、11月作为秋季。同时，文中霾日月平均资料数据来源于日平均霾天资料的统计，霾季节平均资料来源于月资料的统计，全年平均资料来源于日平均霾日资料的统计。由于天气现象记录规定标准的不同及受记录人员主观判断等因素的影响，没有直接采用天气现象记录资料作为霾日的判断根据。本文选用水平能见度和相对湿度的日均值资料，定义同时满足日均能见度<10km、日均相对湿度<90%的条件，且排除降水、沙尘暴、扬沙、浮尘、烟雾、吹雪、雪暴等其它导致能见度变化事件的情况记做一个霾日[5]，以此统计分析宝鸡地区霾日的长期变化趋势、周期变化规律和空间分布特征。

本文采用条件统计、趋势系数、一般线性回归分析、小波分析和主成分分析等方法分析研究霾日的时空变化特征、周期变化规律及其与气象要素之间的相关关系。

2 结果分析

2.1 宝鸡地区霾日的特征分析

2.1.1 霾日年际变化及周期变化

通过统计分析得出，宝鸡地区31年平均霾日7.5d，与西安169.8d(王珊，2014)、全国100d左右(吴兑，2010)的年均霾日数相比，宝鸡地区霾日相对较少。但研究宝鸡地区的霾并寻求合理有效的方法控制霾天的扩散和加剧对于整个关中地区气候变化的研究具有重要意义。图1给出的是1981—2011年宝鸡地区年均霾日数变化趋势特征。可以看出，宝鸡地区年均霾日变化呈明显的波动下降趋势，且31年间以0.3d/10a的趋势下降。在1980—1990十年间宝鸡地区霾日数变化趋势最明显，峰值出现在1984年的4.4d，最少霾日2.7d出现在1989年。1990—2000年霾日数波动变化整体呈小幅下降趋势，波动趋势不明显。2000年以后，霾日变化整体呈现降—升—降显著下降趋势，年均霾日数最大值4.3d出现在2006年，且2010年出现了最低值2d。20世纪80年代的宝鸡地区年均霾日为3.7d，整体的变化趋势呈波动下降趋势。20世纪90年代，霾日变化小有波动但无明显减少，变化趋势较稳定，但此时期的宝鸡地区霾日平均值相对较高，约为4.2d。21世纪以后，霾日下降趋势十分显著，2010年霾日数平均值出现了近30年来的最小值2d，十年平均霾日数为3.3d。霾日的减少很可能与宝鸡生态环境改善相关。

从图2小波变化实部图可以看出宝鸡地区霾日数变化过程存在多时间尺度的特征。总体上，霾日数变化存在4～7a、8～11a和13～16a 3个尺度的周期变化。其中13～16a和8～11a尺度上都出现了3次震荡，同时可以看出13～16a尺度周期变化范围大致在1981—2005年，而8～11a的尺度周期变化范围大致在1995—2010年。此外，可以看出在4～7a尺度上存在准8次的震荡且变化相对稳定。总之，宝鸡地区年均霾日数变化存在5a短周期和10a、15a的长周期变化。小波方差能反映出信号波动的能量随尺度年份的分布(卢爱刚等，2012)。图3中可以看出宝鸡地区霾日数方差存在3个较为明显的波峰，依次对应5a、10a和15a的时间尺度。其中最大峰值对应10a的时间尺度，说明10a左右的周期震荡最为强烈，为霾日数变化的第1主周期；第2峰值为15a的时间尺度，是霾日数变化第2主周期；第3峰值的5a时间尺度能量震荡较弱，对小波方差贡献小，为霾日数变化的第3主周期。结果表明：5a、10a和15a 3个周期的波动控制着宝鸡地区年均霾日数在31a间的主要变化特征。

2.1.2 霾日季、月变化特征

图4和图5分别给出了1981—2011年宝鸡地区霾日的季平均变化趋势和月平均分布图。从图4可以看出，一年之中霾日多发季节为冬季，平均霾日数最高可达7d，春秋两季次之，夏季最少。从图5霾日的月平均分布可知，当年12月至次年3月是霾天的高发期，各月平均霾日数均高于4.5d。其中1月份的霾日数最多，平均7d左右。5—10月霾日数最少，大致在1.1～2.3d波动。值得注意的是，7、8月的夏季平均霾日数均高于秋季前两月，各月平均霾日数为2d。说明了宝鸡地区的霾天不仅在冬、春两季频繁出现，夏季也时常发生。同时，由图4分析发现，宝鸡地区31年间霾日数的变化整体呈现下降趋势。其中，冬春两季霾日波动下降趋势最为明显，平均以1d/10a的趋势下降。其中，秋季霾日波动变化不大，趋势不明显。与其他季节相比，夏季霾日的变化呈明显上升趋势，这可能和大气环流、区域气候变化等有关。

2.1.3 空间分布特征

在图6和图7中分别给出了宝鸡地区霾日的多年平均空间分布图和各季平均分布图。总体来看，霾日的多年平均空间分布和各季平均分布所呈现的变化规律相似。从图6可以看出霾日的多发地主要集中在以渭河为中心的中部地区，同时呈从中部地区向南北两地减少的趋势，这与宝鸡地区的地理环境有关。中部川塬地区的霾日聚集严重，南北丘陵山地稀少。霾日数的年平均变化最大值出现在宝鸡市，高达79.6d，其次是凤翔,年平均日数为69.8d。而在麟游、陇县以及凤县西部和太白县中部偏北一带地区的霾日相对较少，低值中心出现在太白县，年均霾日仅为2d。在霾的各季节空间分布图(图7)中可以看出，春季和夏季的高值中心均有宝鸡市、凤翔县和眉县北部3个中心，秋季和冬季的霾日存在2个多发高值中心。总体来看，宝鸡市一直都是霾天的多发区。

2.2 不同地理位置霾日的变化特征

根据 1981—2011 年宝鸡地区年均霾日数空间分布特征，将宝鸡地区划分为北部丘陵(包括陇县、千阳县和麟游县)、中部川塬(宝鸡市、陈仓区、扶风、凤翔和岐山)、南部秦岭山地(眉县、凤县和太白)3个区域。分别统计了各区域1981—2011年逐年平均霾日数并绘制各区域的霾日变化趋势(图8)。可以看出，不同区域的霾日数变化趋势各不相同。南部秦岭山地31a间霾日数的波动下降趋势最为明显，尤其是在1995—1999年的下降趋势十分显著。北部丘陵地区变化趋势不明显，霾日数变化整体保持在年均2.2d左右，年均霾日数最大值4.5d出现在2002年。中部川塬地区分布的霾日数最多，与图6宝鸡地区霾日数变化的年均空间分布十分吻合。1981—1990年间霾日数波动变化较大，最小值在1989年改革开放时期，1990—2000年霾日数的年均值都相对较大，波动变化不明显。2000—2011年霾日数的波动变化趋势显著，呈明显的降—升—降趋势。宝鸡市位于中部川塬地区，且霾天数是各地区之最，可以作为宝鸡地区霾气候变化研究的典例。通过条件统计和趋势分析发现，宝鸡市年均霾日数的变化呈显著下降趋势。其中，在1980—1990年宝鸡市的霾日数小有波动，平均霾日数为6.7d。1990—2000年霾日数波动变化呈现小幅下降趋势，变化不明显。2000年以后，霾日数变化呈降—升—降的显著下降趋势，年均霾日数约为4.1d。

2.3 原因分析

2.3.1 气象要素与霾日的关系

图9给出了宝鸡地区31年间年均相对湿度、风速和地面温度等气候要素的演变趋势。可以看出，1980—1990年相对湿度的变化波动趋势下降明显，1985年以后出现上升变化的趋势，2000年以后波动变化较为平稳。同时，年均风速在以明显的波动下降趋势变化。可以看出，年均相对湿度和风速的变化趋势与宝鸡地区霾日数变化趋势(图1)是相同的，都呈波动下降的变化趋势，但年均相对湿度与霾日变化呈正相关(0.549)关系(见表1)，风速变化与霾日的变化呈负相关(-0.386)。而年均地面温度的变化1981—2011年呈明显的波动上升变化趋势，与宝鸡地区霾日数的变化呈负相关(-0.453)。

主成分分析(PCA)是一种分析、简化数据集的技术，可以消除评价指标之间的相关影响。在综合评价函数中，各主成分的权数为其贡献率，它反映了该主成分包含原始数据的信息量占全部信息量的比重，这样确定的权数是客观的、合理的，并克服了某些评价方法中认为确定权数的缺陷。应用主成分分析法分析霾日数与风速、相对湿度和地面温度之间的相关性发现气候要素的变化对霾气候变化影响显著。从霾日数与各要素之间的相关矩阵(表1)可以看出，霾日数与风速之间通过了0.05的显著性检验，且与相对湿度和地面温度的显著性水平通过了0.01的显著性检验，表明了风速、相对湿度和地面温度等气象要素与霾日数之间关系密切，对霾日数的变化有显著影响。

表1 宝鸡地区气象因子变化与霾日数的相关矩阵

注：*— 0.05,**—0.01。

2.3.2 其他因素对霾日的影响

宝鸡市是我国重点建设的老工业基地，现已发展成为门类比较齐全的重要工业基地，重工业占经济的比重过高。随着关天经济区的建立和发展，宝鸡市的人口数量也在不断增长，对能源的需求量大，但利用率较低，工业生产和居民生活排放大气污染物较多,导致了PM2.5和SO2等浓度增加，大气能见度降低，霾日频发。对大气污染的彻底治理需要提高设备科技含量，开发清洁新能源等。

3 结论

(1)宝鸡地区年均霾日数变化呈现波动下降的趋势，冬春两季霾日变化波动下降趋势最为明显，秋季次之，但夏季霾日变化呈明显的上升趋势。年均霾日数变化过程存在多时间尺度的特征，具有长周期和短周期变化。

(2)宝鸡地区的霾多发地主要集中于以渭河为中心的中部地区，同时呈现从中部地区向南北两地减少的趋势。南部秦岭山区霾日波动下降趋势最为明显；中部川塬地区霾日最多，且波动变化不大；北部丘陵地区没有明显变化。

(3)宝鸡地区霾与风速、相对湿度和地面温度等气象要素之间的相关关系密切，对霾日影响显著。能源利用导致的污染物排放对能见度的影响极大，加剧了宝鸡地区霾日的发生频率。

[1]中国气象局 . 地面气象观测规范 [M].北京：气象出版社,2003.

[2]中国气象局.地面气象观测规范第4部分:天气现象观测: QX/T 48-2007 [S].

[3]成都气象学院.气象学 [M].北京：农业出版社,1980.

[4]石春娥,王喜全,李元妮,等.1980—2013年安徽霾天气变化趋势及可能成因[J]. 大气科学,2016,40(2):357-370.

[5]吴兑,吴晓京,李菲，等.1951—2005年中国大陆霾的时空变化[J].气象学报,2010，68(5): 680-688.

[6]吴兑.近十年中国灰霾天气研究综述[J].环境科学学报,2012,32(2):257-269.

[7]王珊,修天阳,孙扬,等.1960—2012年西安地区雾霾日数与气象因素变化规律分析[J].环境科学学报,2014,34(1):19-26.

[8]刘宁微,马雁军,刘晓梅,等.1980—2009年沈阳灰霾的变化趋势研究[J].干旱区资源与环境,2010,24(10):92-94.

[9]王喜全,孙明生,杨婷,王自发.京津冀平原地区灰霾天气的年代变化[J].气候与环境研究,2013,18 (2):165-170.

[10]王自发,李杰,王哲,等.2013年1月我国中东部强霾污染的数值模拟和防控对策[J].中国科学:地球科学,2014,44(1):3-14.

[11]廖晓农,张小玲,王迎春,等.北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J].环境科学,2014,35(6):2031-2044.

[12]赵秀娟,蒲维维,孟伟,等.北京地区秋季霾天PM2.5污染与气溶胶光学特征分析[J].环境科学,2013,34(2):416-423.

[13]王静,牛生杰,许丹,于兴娜.南京一次典型雾霾天气气溶胶光学特性[J].中国环境科学,2013,33(2):201-208.

[14]曹玲娴,耿红,姚晨婷,赵磊, 段鹏丽,宣莹莹,李红.太原市冬季灰霾期间大气细颗粒物化学成分特征[J].中国环境科学,2014,34(4):837-843.

[15]符传博,唐家翔,丹利,等.1960—2013年我国霾污染的时空变化[J].环境科学,2016,37(9):3237-3248.

[16]戴永立,陶俊,林泽健,等.2006—2009年我国超大城市霾天气特征及影响因子分析[J].环境科学,2013,34(8):2925-2932.

[17]王明洁,朱小雅,陈申鹏.1981—2010年深圳市不同等级霾天气特征分析[J].中国环境科学,2013,33(9):1563-1568.

[18]庞翻,韩洁,王婷.宝鸡市重度灰霾天气气候特征及气象条件分析[J].陕西气象,2013,(6):22-25.

[19]韩洁,庞翻,王婷,肖舜. 近31年宝鸡市灰霾天气时空分布特征[J].陕西气象,2014,(4):11-14.

[20]李改萍,周旗,赵丹. 1981—2013年宝鸡市霾日数变化趋势及突变分析[J].宝鸡文理学院学报(自然科学版),2015,35(4):62-67.

[21]孟妙志,卢晔,王仲文,等.2013年冬季宝鸡重度霾污染分析[J].陕西气象,2015,(3):48-52.

[22]CHEN Huizhong, WU Meng, et al. Comparison of three statistical methods on calculating haze days—Taking areas around the capital for example[J].China Environmental Science (in Chinese),2014，34(3):545-554.

[23]WANG H, TAN S, WANG Y, et al. Amultisource observation study of the severe prolonged regional haze episode over eastern China in January 2013[J]. Atmos. Environ,2014(89): 807-815.

[24]ZHANG Q，MENG J，QUAN J，et al. Impact of aerosol composition on cloud condensation nuclei activity[J]．Atmospheric Chemistry and Physics，2012(12): 3783-3790．

Spatial and Temporal Variations of Hazy Day and Its Influencing Factors in Baoji Region

ZHAO A-ling, LIU Yin-ge, WANG Yan, WU Yang-yang, SHI Peng-ying, ZHANG Yan

(Key Laboratory of Disaster Monitoring and Mechanism Simulating in Shanxi Province，Geography and Environmental Engineering Department of Baoji college of Arts and Science, Baoji Shanxi 721013, China)

The meteorological and environmental data including the weather phenomenon and the average daily visibility and relative humidity and other meteorological observation data in 1981-2011 were applied to analyze the variation, spatial characters, and reasons of haze using the climatic linear-trend estimation, wavelet analysis, and principal component analysis. The main conclusions showed that the annual hazy days in Baoji were decreasing. The haze days declined in winter and spring season was most obvious. While hazy days increased in summer. The hotspot areas were focused on the central region of the Wei River watershed. At the same time, it was decreasing from the central area to the north and south. The principal component analysis results showed that the change of meteorological factors had a significant impact on the increase or decrease of hazydays.And the correlation coefficient of average wind speed, relative humidity, and surface temperature with hazy days were 0.386, 0.549 and 0.549. Energy and other factors had a significant effect on the occurrence of hazy days.

haze; wavelet analysis; spatial distribution; analysis of causes; Baoji region

2016-12-11

国家社会科学基金项目(15XZZ012)；陕西省教育厅计划项目(13JS010)；宝鸡文理学院重点项目(ZK16061)。

赵阿玲 (1992-)，女，汉族，陕西咸阳人，硕士研究生，从事资源环境研究工作。

刘引鸽(1965-)，女，汉族，博士，教授，主要从事资源环境、生态风险以及气候变化和灾害学方面研究。

X51

A

1673-9655(2017)03-0069-07