1960~2016年江西省霾日变化特征及气候成因分析

李翔翔,秦晓晨,彭王敏子,樊建勇*



1960~2016年江西省霾日变化特征及气候成因分析

李翔翔1,2,秦晓晨3,彭王敏子2,樊建勇2*

(1.江西省农业气象中心,江西 南昌 330096；2.江西省气象科学研究所,江西 南昌 330096；3.江西省生态气象中心,江西 南昌 330096)

利用江西省1960~2016年82个气象站水平能见度、相对湿度和天气现象等资料,重建了江西省霾日序列,分析了江西省霾日数的年际变化特征,并通过霾日数与降水日数、大风日数和静风日数的相关关系,探讨了不同季节霾日数年际变化的气候成因.结果表明:1960~2016年江西省霾日数表现为在1970s有明显偏高、1980年后显著增加趋势(0.53d/a),赣北地区霾日多且增加速率快.四季霾日数均有增加,其中秋季贡献最大(0.21d/a,<0.001),春季其次(0.12d/a,<0.001),冬季霾日数最多,但年际趋势并不显著(0.10d/a,>0.05),夏季年均霾日数较低,增加幅度最小(0.09d/a,<0.001).过去几十年降水日数减少(-0.26d/a,>0.05)导致大气湿沉降能力减弱,以及大风日数减少(-0.33d/a,<0.01)和静风日数增加(1.73d/a,<0.01)导致大气扩散能力降低,为江西省霾日增加提供了有利气候背景.但主要气候成因因季节不同:春季霾日数增加的主要气候成因是大风日数减少(=-0.48,<0.01),与其他要素的关系不显著;夏季亦与大风日数减少显著相关(=-0.50,<0.01),同时与静风日数增加显著相关(=0.37,<0.05);秋季受大风日数减少、静风日数增加以及降水日数减少共同影响,导致秋季霾日增加速率最快;冬季霾日数仅与降水日数显著相关(=-0.36,<0.05),但由于冬季降水日数变化趋势不明显(-0.26d/a,>0.05),冬季霾日数变化不显著.

霾日数；季节；降水日数；大风日数；静风日数

我国幅员辽阔,不同地区气候差异较大,加之经济发展水平不一,霾日数的空间分布和变化趋势具有较大差异.我国区域霾特征的系统研究始于2006年的珠江三角洲.吴兑等[1]利用气象资料、卫星资料和气溶胶观测资料等综合分析了珠江三角洲大气灰霾与能见度下降问题,指出20世纪80年代后灰霾天气显著增加,能见度恶化主要与细粒子关系比较大,并在后续研究中进一步给出了区分霾与雾的概念模型[2-4].此后,基于这种区分模型的雾、霾特征研究在京津冀[5-8]、长江三角洲[9-12]及其他地区[13-16]逐渐丰富起来,揭示了我国霾日变化趋势的地域特征.吴兑等[17]指出1951~2005年我国霾日变化表现为在华北、黄淮、江淮、江南、江汉、华南以及西南地区东部呈增加趋势,而在东北、内蒙古和西北地区东部呈减少趋势.高歌[18]、宋连春等[19]和尹志聪等[20]也指出我国东部地区霾日数较高且呈增加趋势.

霾日数的增多与污染物排放有关,也与气象条件变化有关[21].气候变暖有利于中东部地区霾的发生,温度增加导致海陆热力性质差异减小,风力减弱,同时热力条件增加也使大气稳定度增加,导致大气水平和垂直扩散能力减弱,这种变化增加了华北平原[5]、京津冀地区[7]、长江三角洲[11]等地区霾发生的风险.宋连春等[19]从大气沉降能力和扩散能力分析我国冬半年霾日数变化成因,指出降水日数的减少导致大气沉降能力减弱,以及平均风速和大风日数减小导致大气扩散能力降低,加剧了中东部霾的出现.符传博等[22]针对华南地区霾加重的气候原因分析结果印证了该观点.也有研究指出,随着工业化和城市化发展,相对湿度降低,大量气溶胶争食有限的水汽导致雾日数明显下降而霾日数增多[12,23],水汽条件开始成为霾天气发生的关键控制因子之一[20].此外,少数研究表明,在台风外围受下沉气流影响,混合层被挤压变薄,气溶胶不易扩散,较易出现严重的霾天气[24-25].

江西地处亚热带,长江以南,南岭以北,境内东,西、南三面环山,中间丘陵起伏,北部为鄱阳湖及其平原(图1).近年来,随着工业化和城市化进程的加快,人类活动使得大气气溶胶污染日趋严重,能见度恶化事件越来越多.目前,针对该区域霾气候特征的研究主要集中在霾的时空分布特征上[26],而霾日数变化的气候成因及其季节性差异尚不明确.本文在分析江西霾日数时空变化特征基础上,揭示了影响不同季节霾日数变化的关键气候因子,为制定有效的霾治理方案提供科学依据.

1 资料与方法

1.1 资料来源

本文所使用的地面观测资料来自江西省气象信息中心,包括逐日4次地面水平能见度、相对湿度、逐日降水量、天气现象、最大风速和年均风速等资料.通过对数据进行质量控制,包括缺测检验和迁站合并等,最终选取江西省境内82个气象站作为代表性站点,站点分布见图1.

图1 研究区域及气象站点分布

1.2 研究方法

目前,国内外判定霾日的方法主要有3种[27]:直接使用人工观测记录;日均值法;14:00时法.不同方法各有利弊,人工观测受观测员的经验判断影响较大,直接使用会引入不客观因素.日均值法和14:00时法采用能见度、天气现象和相对湿度来综合判断,分别以日均能见度和14:00时能见度小于10km、相对湿度小于90%,且排除降水、吹雪、雪暴、扬沙、沙尘暴、浮尘、烟幕等视程障碍事件为1个霾日.本文采用日均值法重构1960~2016年江西省霾日序列.

值得注意的是,江西省能见度自2014年开始由人工观测转为能见度仪自动观测.由于能见度自动观测和人工观测存在系统偏差,将自动观测资料霾的能见度判定阈值调整为7.5km[28-30].

此外,本文空间插值采用反距离权重法(IDW),霾日的气候倾向率采用最小二乘法计算,利用Perason相关分析计算霾日与气候因子的相关系数.

2 结果与分析

2.1 重建霾日与观测霾日的差异分析

采用日均值法重建1960~2016年霾日序列,与观测资料的年均霾日数进行比较,结果见图2.重建霾日数较观测霾日数呈整体性偏高,82个站点中仅有4个站点表现为重建霾日数低于观测霾日数(图2A).霾日的重建值与观测值差异具有明显南北特征,其中差异天数在0~5d之间的有25个站点,主要集中在赣南地区,差异天数在10d以上的有43个站点,主要集中在赣北区域(图2A).重建霾日的偏高趋势与安徽[14]、广西[31]、湖北[32]、广东[33]研究结果一致,主要是由于重建过程中选取相对湿度阈值为90%,而人工观测对该阈值定的偏低,导致大量的霾被记为轻雾或雾.此外,从相关关系来看(图2B),重建霾日与观测霾日具有较好相关性,82个站点中有71个站点的相关系数大于0.4,其中57个站点大于0.6,24个站点大于0.8,绝大部分站点相关性达显著水平(<0.01).由此可见,重建霾日与观测霾日具有较好一致性,能够体现出霾日的实际波动及其变化趋势.

图2 重建霾日与观测霾日空间差异(A)及相关系数空间分布(B)

B图中“™”表示相关系数的显著性达到95%水平,下同

2.2 霾日的空间分布特征

对于重建霾日,按年代际划分,统计不同时期霾日的空间分布特征(图3).江西省霾日数的年代际演变趋势与我国中东部地区一致[17,19-20],呈逐渐增加的趋势.1960s全省大部分地区霾日数均在30d以下,赣州大部分地区霾日数低于10d,高值区主要集中在萍乡一带,年霾日数在50d左右(图3A).1970s年霾日数有较大幅度增加,赣北大部分地区为40d以上,九江、赣州大部分地区在20d以下(图3B).1980s年霾日数较1970s有所下降(图3C),但自1980s开始,全省年霾日数不断增加,高值范围不断扩大.1980s至2000s,霾影响的高值范围(>40d)主要以工业城市为中心分布,赣东北以及赣南大部分地区年霾日数均保持在20d以下,而到2010s(2000~2016年),高值范围(>40d)扩大至整个赣北地区,仅有零星站点霾日数低于20d,赣南大部分地区霾日数低于20d(图3F).

从霾日判别条件来看(图4),相对湿度的年际变化在1970s无明显的变化趋势,但在2000年以后由于城市化快速推进导致城市干岛效应愈发显著,相对湿度有降低趋势.而能见度呈现出1970s明显降低、1980年以后逐渐下降的现象,1970s的平均能见度甚至低于2000年以后的能见度,因此霾日数在1970s有明显偏高.能见度在1970s以后的跃迁现象主要是由于1980年以前的地面水平能见度的气象业务观测以等级的形式记录,而1980年转为具体的距离数值.本文取等级对应区间内的中值来表示具体的能见度距离[14].由于各能见度等级所对应能见度距离的区间并不是等间隔划分的,使用区间中值代替能见度等级会过高地估计能见度距离[22],从而造成能见度在1980年前后资料不连续.

图3 霾日空间分布的年代际变化

图4 1960~2016年江西省能见度和相对湿度年际变化

2.3 霾日的年际变化特征

为避免1980年前后能见度观测方式变化对分析结果的影响,趋势分析时段采用1980~2016年.由图5可知,1980年以来江西省各季节霾日数均呈增加趋势,但增加速率不同.1980年以来年均霾日数增加速率为0.53d/a(图5E),增加速率与两广地区[22]和湖北省[32]的速率较为一致,但低于安徽省[14]和长江三角洲主要城市[12]的增加速率,这与不同地区工业发展水平有关.春、夏、秋和冬季霾日数增加速率对年霾日数增加量的贡献比为0.23:0.17:0.41:0.20,秋季增加趋势最快(0.21d/a,<0.001),春季其次(0.12d/a,<0.001).冬季霾日数最多,但年际波动较大,增加趋势并不显著(0.10d/a,>0.05),夏季霾日数较低,增加幅度最小(0.09d/a,<0.001).

从空间分布来看(图6),1980~2016年霾日数增加区域主要集中在赣北地区,南昌、九江和抚州在各季节均表现为连片增加趋势,赣南地区霾日数变化趋势不显著.从年霾日数来看(图6E),显著增加站点主要集中在南昌、抚州、九江、新余和宜春西部地区,而宜春东部以及吉安中部部分站点呈显著下降趋势.在冬季,宜春、吉安、新余和萍乡等地霾日显著增加站点数减少,而显著下降站点数增多,造成江西省平均冬季霾日数年际波动较大且变化趋势不显著.其他季节与年尺度一致,赣北地区霾日数呈连片显著增加趋势,霾日数下降的站点集中在宜春东部以及吉安中部部分站点.

图5 1980~2016年不同季节霾日变化趋势 Fig.5 Temporal series of haze days during 1980~2016

图6 1980~2016年不同季节霾日数变化趋势空间分布

2.4 霾日数变化的气候原因

2.4.1 霾日数与相对湿度的关系 研究表明,近年来气象条件变化、区域城市化和土地利用变化使得相对湿度有所下降,大量的气溶胶争食有限的水汽导致雾日数明显减少而霾日数不断增多[12,23].由图7可知,江西省霾日数与相对湿度的相关关系具有阶段性.从全省平均来看(图7A),霾日数与相对湿度在1987~1998年的负相关关系不断加深(冬季除外),其中年均霾日数与相对湿度的负相关关系在1992~1999年达到显著水平(<0.05),值得注意的是,1998年以后这种负相关关系不断减弱,特别是2003年以后春、夏季由负相关转为弱的正相关.此外,本文选取了南昌、赣州和上饶等大城市进行个例分析,结果表明南昌站与全省平均相似(图7B),相对湿度与霾日数呈弱负相关关系,并在1998年前后发生了转变.赣州(图7C)和上饶(图7D)两站相对湿度与霾日数关系具有季节差异,赣州的秋季以及上饶的春季和年均霾日与相对湿度呈弱正相关,但在1998年以前正相关关系减弱而1998年以后加强的趋势.这种相关关系的转变与华北黄淮区域的研究结论较为一致.尹志聪等[20]指出1980s后霾日数与相对湿度转为显著正相关,相对湿度越大,霾日数越多.这主要是由于经济建设发展的同时,具有较强吸湿性的气溶胶粒子排放增加,气溶胶粒子吸湿增长导致霾现象增加.不同的是,江西省霾日数与相对湿度关系转变的时间点较华北黄淮地区滞后,且转变后未达到显著性水平,这主要是由于江西省工业发展较为滞后,且江西省相对湿度的本底值较华北黄淮地区高,气溶胶粒子对水汽条件的依赖程度小于干燥的华北黄淮地区.

图7 1988~2008年江西省霾日数与相对湿度之间的20年滑动相关系数

灰色横虚线为95%信度水平.A:全省平均;B:南昌;C:赣州;D:上饶

2.4.2 大气沉降能力和扩散能力影响 温度增加导致海陆热力性质差异减小,冬季风力减弱,同时热力条件增加也使大气稳定度增加,导致大气水平和垂直扩散能力减弱,增加了霾发生的风险.天气条件主要从大气对污染物的沉降能力和扩散能力影响霾的发生及其严重程度.雨水对大气中污染物具有冲刷作用,能够反映出大气的沉降能力,而风速条件是大气稳定度的直接表现,可以间接反映空气的自洁能力.因此,为探讨江西省1980年以来霾日数增加的气候原因,本文定义日最大风速³10m/s为大风日,日最大风速£3m/s为静风日[19],分析了江西省1980~2016年各季节霾日数变化与降水日数、大风日数和静风日数的相关系数(图8).结果表明,霾日数与降水日数、大风日数和静风日数的相关性在霾影响较重的赣北地区更为显著,整体上与降水日数和大风日数呈负相关关系,而与静风日数呈正相关关系.

图8 1980~2016年不同季节霾日数与降水日数(A)、大风日数(B)和静风日数(C)的相关系数空间分布

表1 1980~2016年不同季节关键气象要素的变化趋势及其与霾日数的相关分析

注:“**”和“*”分别表示变化趋势或相关系数达极显著(<0.01)和显著水平(<0.05).

霾日数与气象要素的相关性具有季节差异(表1),春季霾日数的年际变化与大风日数相关性更为显著,相关系数为-0.48(<0.05),而春季大风日数在大部分站点呈显著下降的趋势(图9B),因此春季霾日数增加的主要气候原因为大风日数的减少;夏季霾日数与大风日数呈极显著负相关(=-0.50,<0.01),与静风日数呈显著正相关(=0.37,<0.05),结合大风日数和静风日数年际变化趋势(图9A、B),夏季大风日数显著下降和静风日数显著增加是夏季霾日数增加的主要气候原因;秋季霾日数与大风日数、静风日数和降水日数均显著相关(<0.05),因此秋季降水日数和大风日数的减少、静风日数的增加(图9A、B、C),是秋季霾日数增加的主要原因;冬季霾日数仅与降水日数呈显著负相关关系(=-0.36,<0.05),而同季节内降水日数的变化趋势并不显著(图9A),因此冬季霾日数的年际变化并不明显.

图9 1980~2016年降水日数(A)、大风日数(B)和静风日数(C)的季节变化趋势

3 结论

3.1 重建霾日数较观测霾日数偏多,但重建霾日与观测霾日具有较好一致性,能够体现出实际霾日的年际波动及其变化趋势.

3.2 1960~2016年江西省霾日数的年际变化特征表现为1970s偏高、1980年以后持续增加(0.53d/a)的特征,秋季增幅最大(0.21d/a,<0.01),春季其次(0.12d/a,<0.01),冬季年均霾日最多,但年际趋势并不显著(0.10d/a,>0.05),夏季年均霾日较低,增加幅度最小(0.09d/a,<0.01).

3.3 不同季节霾日数增加的主要气候成因不同.春季霾日数增加的主要气候原因是大风日数减少,而夏季主要受大风日数下降和静风日数增加的影响;秋季霾日数与大风日数、静风日数和降水日数均显著相关,而冬季霾日数仅与降水日数呈显著负相关关系.由于冬季降水日数的变化趋势不明显,因此冬季霾日数的年际变化并不显著.

3.4 在相对湿度降低的背景下,相对湿度与霾日数的负相关关系呈减弱趋势,表明在有限的水汽条件下,霾对水汽条件的依赖越来越高.

[1] 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,(4):510-517+538. Wu D, Bi X, Deng X, Li F, et al. Effect of atmospheric haze on the deterioration of visibility over the Pear River Delta [J]. Acta Meteorologica Sinica, 2006(4):510-517+538.

[2] 吴 兑.关于霾与雾的区别和灰霾天气预警的讨论[J]. 气象, 2005, (4):3-7. Wu D.A discussion on difference between haze and fog and warning of ash haze weather [J]. Meteorological Monthly, 2005,(4):3-7.

[3] 吴 兑.霾与雾的识别和资料分析处理[J]. 环境化学, 2008,(3): 327-330. Wu D. Discussion on the distinction between haze and fog and analysis and processing data [J]. Environmental Chemistry, 2008,(3): 327-330.

[4] 吴 兑,吴 晟,李海燕,等.以珠三角典型灰霾天气为例谈资料分析方法[J]. 环境科学与技术, 2011,34(6):80-84+88. Wu D, Wu C, Li H, et al. Data analysis method of haze in the Pearl River Delta as an example [J]. Environmental Science & Technology, 2011,34(6):80-84+88.

[5] Ding Y, Wu P, Liu Y, et al. Environmental and dynamic conditions for the occurrence of persistent haze events in North China [J]. Engineering, 2017,3(2):266-271.

[6] Shen R, Schäfer K, Schnelle-Kreis J, et al. Seasonal variability and source distribution of haze particles from a continuous one-year study in Beijing [J]. Atmospheric Pollution Research, 2018,9(4):627-633.

[7] Wang J, Zhao Q, Zhu Z, et al. Interannual variation in the number and severity of autumnal haze days in the Beijing–Tianjin–Hebei region and associated atmospheric circulation anomalies [J]. Dynamics of Atmospheres and Oceans, 2018,84:1-9.

[8] 张英娟,张培群,王 冀,等.1981~2013年京津冀持续性霾天气的气候特征[J]. 气象, 2015,41(3):311-318. Zhang Y, Zhang P, Wang J, et al. Climatic characteristics of persistent haze events over Jingjinji during 1981~2013 [J]. Meteorological Monthly, 2015,41(3):311-318.

[9] Cao Y, Zhang W, Wang W. Spatial–temporal characteristics of haze and vertical distribution of aerosols over the Yangtze River Delta of China [J]. Journal of Environmental Sciences, 2018,66:12-19.

[10] Xiao H, Huang Z, Zhang J, et al. Identifying the impacts of climate on the regional transport of haze pollution and inter-cities correspondence within the Yangtze River Delta [J]. Environmental Pollution, 2017,228:26-34.

[11] Xu J, Chang L, Yan F, et al. Role of climate anomalies on decadal variation in the occurrence of wintertime haze in the Yangtze River Delta, China [J]. Science of The Total Environment, 2017,599-600: 918-925.

[12] 郭 婷,朱 彬,康志明,等.1960~2012年长江三角洲地区雾日与霾日的气候特征及其影响因素[J]. 中国环境科学, 2016,36(4):961- 969. Guo T, Zhu B, Kang Z, et al. Spatial and temporal distribution characteristic of fog days and haze days from 1960~2012 and impact factors over the Yangtze River Delta Region [J]. China Environmental Science, 2016,36(4):961-969.

[13] 崔 妍,赵春雨,周晓宇,等.东北地区近50年来霾天气气候特征[J]. 中国环境科学, 2016,36(6):1630-1637. Cui Y, Zhao C, Zhou X, et al. Climatic characteristics of haze days in Northeast of China over the past 50years [J]. China Environmental Science, 2016,36(6):1630-1637.

[14] 邓学良,石春娥,姚 晨,等.安徽霾日重建和时空特征分析[J]. 高原气象, 2015,34(4):1158-1166. Deng X, Shi C, Yao C, et al. Research of reconstruction and characteristics of hazes in Anhui [J]. Plateau Meteorology, 2015, 34(4):1158-1166.

[15] 刘端阳,魏建苏,严文莲,等.1980~2012年江苏省城市霾日的时空分布及成因分析[J]. 环境科学, 2014,35(9):3247-3255. Liu D, Wei J, Yan W, et al. Trends of urban haze in Jiangsu Province China over the past 33 years [J]. Environmental Science, 2014,35(9): 3247-3255.

[16] 颜娇珑,张 武,单云鹏,等.西北东部霾的时空特征与天气特征研究[J]. 高原气象, 2016,35(4):1073-1086. Yan J, Zhang W, Shan Y, et al. Spatio-temporal distribution of aerosol and weather characteristics during haze over the Eastern Northwest China [J]. Plateau Meteorology, 2016,35(4):1073-1086.

[17] 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. Wu D, Wu X, Li F, et al. Temporal and spatial variation of haze during 1951~2005 in Chinese mainland [J]. Acta Meteorologica Sinica, 2010, 68(5):680-688.

[18] 高 歌.1961~2005年中国霾日气候特征及变化分析[J]. 地理学报, 2008,(7):761-768. Gao G. The climatic characteristics and change of haze days over China during 1961~2005 [J]. Acta Geographica Sinica, 2008,(7):761- 768.

[19] 宋连春,高 荣,李 莹,等.1961~2012年中国冬半年霾日数的变化特征及气候成因分析[J]. 气候变化研究进展, 2013,9(5):313-318. Song L, Gao R, Li Y, et al. Analysis of China's haze days in winter half year and climatic background during 1961~2012 [J]. Advances in Climate Change Research, 2013,9(5):313-318.

[20] 尹志聪,王会军,郭文利.华北黄淮地区冬季雾和霾的时空气候变化特征[J]. 中国科学:地球科学, 2015,45(5):649-655. Yin Z, Wang H, Guo W. Climatic change features of fog and haze in winter over North China and Huang-huai Area [J]. Science China:Earth Sciences, 2015,45(5):649-655.

[21] Zhang Q, Ma Q, Zhao B, et al. Winter haze over North China Plain from 2009 to 2016: Influence of emission and meteorology [J]. Environmental Pollution, 2018,242:1308-1318.

[22] 符传博,丹 利,唐家翔,等.1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系[J]. 中国环境科学, 2016,36(5): 1313-1322. Fu C, Dan L, Tang J, et al. Temporal and spatial characteristics of haze days and their relations with climatic factor during 1960~2013 over South China [J]. China Environmental Science, 2016,36(5):1313- 1322.

[23] 周 威,康 岚,郝丽萍.1980~2012年四川盆地及典型城市的霾日变化特征分析[J]. 中国环境科学, 2017,37(10):3675-3683. Zhou W, Kang L, Hao L. Characteristic analysis of haze in Sichuan Basin and typical cities from 1980 to 2012 [J]. China Environmental Science, 2017,37(10):3675-3683.

[24] Wu D, Tie X, Li C, et al. An extremely low visibility event over the Guangzhou region: A case study [J]. Atmospheric Environment, 2005,39(35):6568-6577.

[25] 吴 兑,毕雪岩,邓雪娇,等.珠江三角洲气溶胶云造成的严重灰霾天气[J]. 自然灾害学报, 2006,(6):77-83. Wu D, Bi X, Deng X, et al. Heavy haze weather resulting from aerosol cloud over Pearl River Delta [J]. Journal of Natural Disasters, 2006,(6):77-83.

[26] 吴珊珊,章毅之,胡菊芳.江西省霾天气气候特征及其与气象条件的关系[J]. 气象与环境学报, 2014,30(3):71-77. Wu S, Zhang Y, Hu J. Climatic characteristics of haze days and its relationship with meteorological conditions over Jiangxi Province [J]. Journal of Meteorology and Environment, 2014,30(3):71-77.

[27] 吴 兑,陈慧忠,吴 蒙,等.三种霾日统计方法的比较分析——以环首都圈京津冀晋为例[J]. 中国环境科学, 2014,34(3):545-554. Wu D, Chen H, Wu M, et al. Comparison of three statistical methods on calculating haze days-taking areas around the capital for example [J]. China Environmental Science, 2014,34(3):545-554.

[28] 樊高峰,任 律,毛裕定.基于人工与自动观测对比分析的霾日重建[J]. 中国环境科学, 2017,37(4):1254-1261. Fan G, Ren L, Mao Y. Reconstruction of haze day database based on the comparison between manual and automatic observations [J]. China Environmental Science, 2017,37(4):1254-1261.

[29] 刘萱荣,刘 琥,洪竹芳,等.能见度自动观测与人工观测数据比较分析[J]. 贵州气象, 2017,41(6):72-74+89. Liu X, Liu H, Hong Z, et al. Comparative analysis of visibility data between automatic and manual observation [J]. Journal of Guizhou Meteorology, 2017,41(6):72-74+89.

[30] 周国兵,向 波,胡春梅,等.基于自动能见度观测的雾和霾天气判别指标研究[J]. 西南师范大学学报(自然科学版), 2017,42(10):78-83. Zhou G, Xiang B, Hu C, et al. The index of fog and haze distinguishing based on automatic visibility observations [J]. Journal of Southwest University (Natural Science Edition), 2017,42(10): 78-83.

[31] 苏兆达,白 龙,梁岱云.近15年南宁市霾日数变化特征及气象成因分析[J]. 高原气象, 2017,36(3):826-834. Su Z, Bai L, Liang D. Variations of haze days and its meteorological causes in Nanning during 2000 to 2014 [J]. Plateau Meteorology, 2017,36(3):826-834.

[32] 岳岩裕,周 悦,陈赛男,等.不同标准下湖北省霾日分布特征及气候因子影响分析[J]. 环境科学与技术, 2017,40(3):27-33. Yue Y, Zhou Y, Chen S, et al. Spatial-temporal variation of smog in Hubei Province and its relationship to climate elements [J]. Environmental Science & Technology, 2017,40(3):27-33.

[33] 刘蔚琴,杜尧东.三种方法统计的广东省霾日时空变化特征比较分析[J]. 气象与环境科学, 2015,38(2):42-47. Liu W, du Y. Comparative analysis of spatial-temporal variation characteristics of haze days by three methods statistics in Guangdong Province [J]. Meteorological and Environmental Sciences, 2015,38(2): 42-47.

Spatiotemporal characteristics of the annual change of haze days and their relations with climatic factors during 1960~2016 in Jiangxi, China.

LI Xiang-xiang1,2, QIN Xiao-chen3, PENG Wang-min-zi2, FAN Jian-yong2*

(1.Agro-meteorological Center of Jiangxi Province, Nanchang 330096, China；2.Meteorological Science Institute of Jiangxi Province, Nanchang 330096, China；3.Jiangxi Ecological Meteorology Center, Nanchang 330096, China)., 2019,39(4)：1355~1364

Based on horizontal visibility, relative humidity and weather phenomena obtained from 82 meteorological stations in Jiangxi Province from 1960~2016, haze days were reconstructed and the temporal variations were analysed. Additionally, the attributions of the variation were identified according analysis of the correlation of haze days with precipitation days, high wind days and breeze days. The results showed that the haze days had an obvious peak in the 1970s, followed by an increasing trend since 1980 (0.53d/a,<0.001). Among the four seasons, increasing haze days in autumn (0.21d/a,<0.001) contributed most to the annual increasing rate, followed by spring (0.12d/a,<0.001). In winter, although most haze days happened, the increasing trend was insignificant (0.10d/a,>0.05). While summer has the least increasing amplitude (0.09d/a,<0.001). In the past decades, the reduction of atmospheric deposition ability caused by less precipitation days (-0.26d/a,>0.05), and the reduction of atmospheric diffusion ability caused by fewer high wind days (-0.33d/a,<0.01) but higher breeze days (1.73d/a,<0.01), provided advantages for haze increase. However, the main attribution varied between seasons. The major reason for haze increase in spring was the reduction in high wind days (=-0.48,<0.01). While in summer, it had significant correlation with both high wind days (=-0.50,<0.01) and breeze days (=0.37,<0.05). In autumn, haze increase was affected by fewer high wind days, higher breeze days and less precipitation days, leading to the highest increasing rate among four seasons. In winter, haze days has a better correlation with precipitation days (=-0.36,<0.05) whose trend was insignificant (-0.26d/a,>0.05). Thus, winter haze days has an insignificant trend during.

haze days；seasonal pattern；precipitation days；high wind days；breeze days

X513

A

1000-6923(2019)04-1355-10

2018-09-03

江西省重点研发计划项目(20161BBG70093);江西省科技计划项目(2015ZBBG70041)

*责任作者, 高级工程师, fanlongyu@163.com

李翔翔(1990-),男,江西上饶人,助理工程师,硕士,主要从事气候变化影响评估方面的研究.发表论文5篇.