我国6 个典型城市大气能见度及其影响因素研究

张霞，汪太明，孟晓艳，尤洋，侯玉婧，黄卫明，张晓旭

1.中国环境监测总站

2.成都市石油化学工业园区环境监测站

《中国空气质量改善报告（2013—2018 年）》[1]相关统计显示，我国重点区域大气污染状况自2013 年以来改善明显，但整体空气质量仍不容乐观，多个城市春夏季出现臭氧污染、秋冬季颗粒物污染频发，不仅对人体健康造成危害，也对自然生态、农业生产及交通运输等产生影响[2-5]。大气能见度作为能够反映区域环境空气质量的最直观的物理参数，近年颇受关注。

大气能见度（VIS）用于表征大气透明程度，指视力正常的人能从天空中识别出具有一定大小的目标物的最大距离，也称气象视程，能够有效反映区域大气污染程度与质量状况[6-7]。国外对大气VIS 的研究起步较早，在20 世纪20 年代，Koschmieder 定理的提出为VIS 观测奠定了理论基础[8]，60 年代美国便已逐步开展大气VIS 观测，至90 年代已初步形成了VIS 监测网，聚焦于气溶胶和VIS 的监测，研究了大气中气体组分、颗粒物和相对湿度（RH）等因素对大气VIS 的影响[9]。近年来，国内学者也开展了较多大气VIS 相关研究，普遍认为RH、颗粒物浓度、颗粒物粒径及构成、气象条件等是大气VIS 的主要影响因素。有研究表明大气中颗粒物对太阳辐射中可见光波段的吸收、散射和反射作用是大气VIS 下降的主因[10]，其中粒径为0.3～0.8 μm 颗粒物（与可见光波长380～800 nm 相对应）的浓度与大气VIS 的相关性最强[11]。RH 的变化会改变气溶胶中无机盐类及部分有机物粒子的粒径、折射指数等关键理化参数，影响气溶胶消光系数，进而引起大气VIS 的改变[12-13]。国内对颗粒物浓度、RH 与大气VIS 关系的研究，主要集中于北京、成都、武汉、乌鲁木齐等地，如张俊峰[14]分析北京市典型区域PM1与PM2.5排放特征与来源，采用SPSS 统计软件进行相关性分析，确定了VIS 影响因子。彭爽等[11]使用环境颗粒物分析仪对成都市2018 年10 月—2019 年9 月的0.25～32.00 μm大气颗粒物数浓度粒径分布进行观测，结合PM2.5以及RH、VIS 等气象要素数据，分析了成都市大气颗粒物粒径分布及其与VIS 的关系。白永清等[15]利用2014 年9 月—2015 年3 月武汉地区逐时VIS、RH及颗粒物质量浓度观测数据，分析了三者关系，并开展了VIS 非线性预报。李军等[16]基于冬季乌鲁木齐市PM2.5浓度和气象要素观测数据，采用线性和非线性回归、变量分类分析等统计方法，研究了VIS 与二者之间的定量关系。

上述研究均针对单一城市进行分析，采用的研究方法各有不同。然而，不同城市在地理位置、气候条件和颗粒物组分等方面存在显著差异，这导致了研究结论具有较强的地域性，无法进行比较，难以为其他城市的污染防治政策提供有力支持。因此，笔者选择了6 个具有代表性且在地理位置、气象条件和颗粒物污染特征上存在差异的国内城市，从不同的角度分析了这些城市的PM2.5浓度、RH 和VIS之间的关系。以期找出不同城市和地区之间大气VIS 与PM2.5浓度、RH 之间的变化规律，为大气质量监测发展和控制政策制定提供参考。

1 数据来源与方法

1.1 研究区域与数据来源

选取了巴彦淖尔、廊坊、石家庄、郑州、武汉、广州作为研究区域，六市国家环境空气质量监测城市站点与气象站点分布见图1。其中2019—2020 年的大气VIS 及气象条件（包括RH、气温、风速、风向）小时值数据由中国气象局提供。PM2.5与PM10浓度数据来源于中国环境监测总站，已经审核剔除不合格数据与沙尘、暴雨、暴雪等极端天气对应时段数据（监测方法符合HJ 653—2017 要求，运行和质量控制符合HJ 855—2018 要求）[17-18]，数据时长与气象数据保持一致，均为北京时间。

图1 六市国控大气城市站点与气象站点分布Fig.1 Distribution map of state-controlled air monitoring points and weather stations in the six cities

1.2 研究方法

在讨论VIS 四季变化时，采用月均值；在讨论颗粒物对VIS 的影响时，为减少RH 的影响，将日均RH 以10%为跨度分为7 个区间，分段讨论不同RH 水平下颗粒物对VIS 的影响及其变化；讨论PM2.5浓度与VIS 拟合函数时，定义函数切线斜率为−0.1 及−0.02 时所对应的PM2.5浓度为突变点及平台期点，即当PM2.5浓度超过突变点及平台期点后，VIS 随PM2.5浓度变化速率分别小于100 与20 m/(μg/m3)；在讨论RH 对VIS 的影响时，为减少PM2.5的影响，将PM2.5浓度分为8 个区间，分别讨论在不同PM2.5浓度下，RH 对VIS 的影响，并根据QX/T 113—2010《霾的观测和预报等级》[19]将VIS低于10 与5 km 的天气分别称为轻微霾与轻度霾。

2 结果与讨论

2.1 六市VIS 年变化规律

为初步探究城市VIS 的变化规律以及与RH 和颗粒物浓度的相关性[20-21]，本研究绘制了2019—2020 年PM2.5浓度、PM10浓度、RH 及VIS 月均值的变化趋势，其中RH 与颗粒物浓度共用坐标轴，具体如图2 所示。从图2 可以看出，六市的VIS 与PM2.5浓度、PM10浓度、RH 之间存在明显的相关性。其中，VIS 与PM2.5浓度总体上呈现显著的负相关关系，并且2019 年和2020 年整体变化趋势相似：颗粒物污染在每年12 月—次年2 月最为严重，相应时期的VIS 也达到全年最低点。此外，受到污染水平、污染特征和地域气候等因素的影响，六市的VIS 变化规律存在一定差异。其中，巴彦淖尔和武汉在8—9 月VIS 达到峰值，并在12 月—次年1 月降至最低点，且与PM2.5浓度呈现显著的负相关关系。相较于巴彦淖尔，广州的颗粒物浓度水平较低，然而其RH 却显著偏高，这导致广州的VIS 略差于巴彦淖尔，且RH 对广州的VIS 影响更加明显。而石家庄、廊坊和郑州在研究期间的VIS 与PM2.5浓度变化趋势基本一致，这是由于三市都属于温带大陆性季风气候带，气候相似、地理位置接近，污染特征也具一定相似性。

图2 2019—2020 年六市PM2.5 浓度、PM10 浓度、RH 与VIS 月均值变化趋势Fig.2 Variation trends of PM2.5,PM10,RH and VIS in the six cities from 2019 to 2020

2.2 不同城市VIS 受PM2.5 浓度与RH 影响程度差异

研究发现，不同城市VIS 受PM2.5浓度、RH 影响程度不同[22-24]，为直观表现VIS 受二者的影响程度，绘制了2019—2020 年PM2.5浓度、RH 与VIS 的月均环比变化率，结果如图3 所示。

图3 2019—2020 年六市PM2.5 浓度、RH 与VIS 的月均环比变化率Fig.3 Monthly average month on month change rate of PM2.5,RH and VIS in the six cities from 2019 to 2020

从图3 可以看出，VIS 与PM2.5浓度和RH 呈现显著的负相关关系。当六市的PM2.5浓度和RH 同时增加或减少时，它们会起协同作用，对各城市的VIS 产生显著影响，同时也可以看出不同城市受到PM2.5浓度和RH 影响的程度不同。其中，广州的VIS 受到RH 影响最为明显。在2019 年2 月、10 月及2020 年1 月、6 月，PM2.5浓度的月均环比变化率分别为−45.6%、41.4%、−33.9%和−39.3%，而相应的VIS 变化率仅为7.2%、1.1%、3.1%和12.9%。2020 年7 月和10 月，虽然PM2.5浓度月均环比变化率为3.6%和33.4%，但RH 却为−10.9%和−17.5%，导致VIS 为19.2%和27.7%。武汉市的VIS 受到PM2.5浓度影响显著增强。在2019 年3 月、5 月、12 月及2020 年8 月、9 月，PM2.5浓度的变化引起了VIS 等比例且反向的改变。同时，武汉市的PM2.5浓度和RH 对VIS 的影响也更为明显。在2019 年3 月以及2020 年2 月，PM2.5浓度和RH 月均环比变化率仅分别为−24.5%和−14.4%以及−36.4%和−8.4%，但VIS 却高达62.6%和130.6%。而廊坊、石家庄和郑州3 个城市在每年的9 月和10 月受到气候的影响，PM2.5浓度急剧增加，但VIS 降低并不明显。例如，廊坊在2019 年10 月和2020 年10 月，PM2.5浓度的环比变化率分别为64.4%和93.5%，但VIS 仅分别为−15.2%和−11.3%，其余月份VIS 与PM2.5浓度呈现明显的负相关关系。巴彦淖尔的PM2.5浓度相对较低，VIS 一直保持在较高水平。从变化率来看，VIS 的环比变化率较小，但从整体趋势来看，VIS 与PM2.5浓度呈现显著的负相关关系。

2.3 RH 对VIS 的影响

RH 影响大气VIS 的机理大致分以下2 种：1）RH 大于90%时会形成雾滴，产生消光作用，减少大气VIS；2）通过吸湿效应改变颗粒物粒径、密度、折光系数等物理参数，如颗粒物中硫酸盐、硝酸盐和铵盐等二次粒子的直径与折光系数在RH 为70%～85%时会发生明显改变，进而影响大气VIS[25-26]。为了减少其他气象因素的影响，本研究首先计算了六市1%RH 湿度区间内VIS 的均值，随后以RH 为横坐标、VIS 均值为纵坐标绘制了VIS 随RH 变化图，具体见图4。

图4 六市在不同RH 区间平均VIS 趋势Fig.4 Average visibility trends of the six cities in different RH ranges

整体来看，RH 与VIS 间呈线性负相关关系，随着RH 的增加，VIS 定量下降，而不同城市的VIS 受RH 影响的程度存在明显的差异。其中，巴彦淖尔VIS 受RH 影响最小，RH 每增加1%，VIS 平均仅减少117.3 m，特别是在RH 小于60%时，VIS 几乎不受RH 增加的影响，且多个污染区间的线性相关系数（R2）小于0.5，表明RH 与VIS 间线性关系不显著；其余五市各RH 区间线性相关系数均大于0.514 4，表明RH 与VIS 之间存在显著相关性。

当RH 小于40%时，RH 与VIS 之间的线性相关性相对较差，此时VIS 受PM2.5浓度的影响更明显；随RH 增加至40%～80%，RH 对VIS 的影响能力明显增强，并在60%～80%的区间达到峰值，在该区间内，PM2.5浓度和RH 对大气VIS 产生双重影响，加速了VIS 的下降速度，平均下降率约为285.6 m/%。然而RH 在80%～90%区间内，平均VIS 的下降速度明显减缓（巴彦淖尔因数据较少且置信度较低而不作讨论），石家庄与广州两市在该区间的大气VIS 几乎没有改变，其原因需要进一步分析。在RH 大于90%时，各市大气VIS 随RH 的增加而迅速下降，而PM2.5浓度与VIS 的相关性普遍较低，呈弱相关，此时，大气中水分形成的雾滴引起的水汽消光成为主导，RH 成为VIS 主要控制因素。

2.4 不同RH 条件下颗粒物浓度与VIS 的定量关系

为了进一步降低RH 因素的干扰，明确颗粒物与VIS 之间的定量关系，研究将RH 划分为RH≤40%、40%＜RH≤50%、50%＜RH≤60%、60%＜RH≤70%、70%＜RH≤80%、80%＜RH≤90%、RH＞90%7 个区间，同时根据六市实际情况进行相应调整。目前认为颗粒物对大气VIS 的影响程度与其浓度、化学构成、粒径分布以及在大气中的混合状态密切相关[27-29]。本研究拟合了不同RH 水平下各城市PM2.5浓度与VIS、PM10浓度与VIS 的曲线方程，线性相关系数分别为0.115 5～0.934 0、0.052 9～0.851 3，且在各RH 区间，PM2.5浓度与VIS 的相关性全面优于PM10。因此，本文以下讨论均采用PM2.5浓度。以PM2.5浓度为横坐标、VIS 为纵坐标，绘制六市不同RH 区间的散点图，采用最合适函数进行拟合，结果如图5 所示。

图5 六市VIS 随PM2.5 浓度及RH 变化规律Fig.5 Variation trends of VIS with PM2.5 and RH in the six cities

从图5 可以看出，不同RH 区间内，六市VIS 水平与PM2.5浓度具有明显相关性，但各城市之间存在一定的差异。其中，广州市VIS 与PM2.5浓度间呈线性负相关（R2＞0.557 5），在RH 小于95%时，R2为0.625 4～0.784 3，表现出较强的相关性，表明随PM2.5浓度增加，VIS 线性定量降低。其余五市VIS 与PM2.5浓度的幂函数关系显著（R2＞0.497 1），尤其在RH 低于95%时，各区间R2大于0.497 1。石家庄市RH 在60%～70%区间上的R2达到0.911 7，显示出极好的定量关系。

在不同RH 条件下，VIS 受PM2.5浓度影响程度存在差异，即R2随RH 的变化而变化。总体上，R2在RH 增大的过程中先增加后减小，大多数城市的峰值出现在RH 约为70%处，这表明在该湿度条件下，PM2.5浓度对VIS 的影响程度明显高于其他湿度区间，与叶兴南等[30-31]的研究结果相吻合。PM2.5二次粒子中硫酸、硝酸与铵盐类等的潮解点对应的RH 为70%～80%，在该RH 条件下，PM2.5浓度对VIS 影响能力最强。随着RH 的进一步增加，VIS 与PM2.5浓度之间的拟合程度降低，特别是当RH 高于95%时，武汉市的相关系数仅为0.115 5，说明PM2.5浓度不再是VIS 变化的主要控制因素。

区别于其他城市，广州市VIS 与PM2.5浓度之间最佳拟合关系是线性而非幂函数。经分析发现，研究期间广州市的PM2.5浓度明显低于其他城市，且常年低于75 μg/m3，缺乏高浓度区间的数据，这解释了出现该现象的原因。VIS 随PM2.5浓度的总体变化趋势仍然与其他城市相一致，呈强负相关关系。

2.5 VIS 随PM2.5 浓度变化规律及控制建议

VIS 随PM2.5浓度的变化规律明显，为进一步研究其规律，将所拟合幂函数切线斜率为−0.1 与−0.02 时所对应PM2.5浓度分别称为突变点与平台期点，具体如表1 所示。

表1 突变点及平台期所对应PM2.5 浓度Table 1 Concentration of PM2.5 corresponding to inflection and plateau points

从表1 可以看出，各市突变点所对应PM2.5浓度随RH 增加而减小，当PM2.5浓度低于突变点时，VIS 随PM2.5浓度升高而急剧降低。同时，RH 越高，VIS 的下降速率越快，突变点出现的时间越早。当PM2.5浓度高于突变点后，随PM2.5浓度升高曲线斜率放缓，VIS 下降速度快速降低，最终进入平台期。六市平台期对应PM2.5浓度差异较大，与各城市污染程度、颗粒物组成、气象及环境条件有关。在进入平台期后，六市VIS 已几乎不受PM2.5浓度影响，降低PM2.5浓度并不能有效提高VIS 水平，只有当RH 发生改变时，VIS 才会有明显变化，RH 成为能见变化的控制因素。

以石家庄市为例，当PM2.5浓度小于突变点PM2.5浓度时，PM2.5浓度每增加1 μg/m3，石家庄市的VIS 将平均降低214.1～305.0 m；而在过渡区间，即PM2.5浓度大于突变点PM2.5浓度而小于平台期PM2.5浓度时，PM2.5浓度每增加1 μg/m3，VIS 仅降低43.8～55.2 m；当PM2.5浓度进入平台期后，即大于平台期PM2.5浓度时，VIS 随PM2.5浓度的变化速率小于20 m/(μg/m3)。此外，石家庄市突变点与平台期对应的VIS 均值分别为8.56 与4.39 km，也就是说，PM2.5浓度从平台期均值158 μg/m3降至突变点均值62 μg/m3时，VIS 均处于轻雾霾状态（1～10 km，VIS 较差，视野不清晰），无明显改善。而PM2.5浓度低于突变点均值62 μg/m3时，VIS 随PM2.5浓度增加而降低的平均速率高达257.5 m/(μg/m3)。当PM2.5浓度进一步降至35 μg/m3以下时，该速率进一步增至419.2 m/(μg/m3)。其余城市VIS 随PM2.5浓度增加而下降规律基本类似，以5 μg/m3为跨度，分别计算各跨度区间内VIS 均值，绘制PM2.5浓度与VIS 关系曲线，结果如图6 所示。

图6 六市不同PM2.5 浓度区间对应平均VIS 变化趋势Fig.6 Average VIS tendency chart of different CPM2.5 ranges in the six cities

从图6 可以看出，不同城市的VIS 随着PM2.5浓度的增加而呈现下降的整体趋势相似。当PM2.5浓度较低时，平均VIS 随PM2.5浓度增加而减少的速度较快。在PM2.5浓度高于55～80 μg/m3后，六市灰霾天气出现的频率显著增加。这进一步证明了PM2.5突变点的存在。将PM2.5浓度分区，分别统计各PM2.5浓度区间内目标城市VIS 低于5 km（轻度霾）与10 km（轻微霾）的频率，具体如图7 所示。

图7 六市在不同PM2.5 浓度区间轻微霾与轻度霾出现频率Fig.7 Occurrence frequencies of light haze in different PM2.5 ranges in the six cities

由图7 可以看出，当PM2.5浓度低于55 μg/m3时，六市出现轻度霾天和轻微霾天及以上级别天气的频率相对较低。在PM2.5浓度为35～55 μg/m3的区间内，相应的频率仅为5.3%和26.7%。而当PM2.5浓度升至55～75 μg/m3时，相应的频率增加至11.5%和54.6%。轻微霾天气出现的频率在PM2.5浓度为55～95 μg/m3区间内显著增加，当PM2.5浓度超过95 μg/m3时，廊坊、石家庄和武汉3 个城市几乎均出现轻度霾及以上级别天气。相比之下，轻度霾天气在PM2.5浓度低于95 μg/m3时出现的频率仅为33.3%，而在PM2.5浓高于115 μg/m3时，出现频率高达93.2%。

3 结论

（1）六市VIS 与PM2.5、PM10、RH 随时间变化规律明显，且在2019 年与2020 年期间整体变化趋势相似，颗粒物污染在每年12 月—次年2 月最为严重，该期间VIS 也最差。

（2）VIS 与PM2.5浓度、RH 呈显著负相关，且PM2.5浓度与RH 二者具有较强协同作用，六市PM2.5浓度与RH 同时、同向变化时，必定引起VIS 的极剧改变。但不同城市VIS 受PM2.5浓度与RH 影响程度不同。

（3）RH 与大气VIS 之间呈显著负相关，且线性相关系良好。且当RH 小于40%时，PM2.5浓度是VIS 的主要影响因素。随RH 增至40%～80%，RH对颗粒物的影响逐渐增强，且RH 在60%～80%区间达到顶峰。当RH 增至90%后，大气VIS 将迅速下降，此时PM2.5浓度与大气VIS 的相关性普遍较低，呈弱相关，水汽雾滴引起的消光已成为大气VIS 下降的主导因素。

（4）颗粒物粒径是影响大气VIS 的重要变量之一，PM2.5浓度与VIS 间线性相关性明显优于PM10。六市VIS 与PM2.5浓度线性关系良好，呈幂函数关系。且不同湿度区间内，VIS 受PM2.5浓度影响程度不同，RH 为60%～80%时，影响最为明显。

（5）VIS 受PM2.5浓度影响存在突变点，当PM2.5浓度低于突变点时，VIS 随PM2.5浓度升高而急剧降低，且此时RH 越高，该下降速度越快，突变点对应的PM2.5浓度将随RH 增加而减小。而PM2.5浓度处于平台期时，降低PM2.5浓度已并不能有效提高VIS。根据六市数据分析结果来看，当PM2.5浓度控制在56 μg/m3以下时，才能有效降低灰霾天气发生频率。