青岛与济南雾日数气候变化特征差异性分析

杨蕾 邹瑾 丁做尉 郭丽娜

摘要：利用1961—2020年青島和济南气象观测要素及青岛近海海表温度等资料，对青岛和济南雾日数气候变化特征差异性及原因进行了分析研究。结果表明：青岛平均年雾日数50.4 d，约是济南的3.1倍。两地雾多发季节明显不同，青岛是在春、夏季，约占全年的78.4%；济南则在秋、冬季，约占全年的70.7%。年、季雾日数变化差异明显，青岛年雾日数增加，春夏季减少、秋冬季显著增加；济南年雾日数减少，四季均减少，且秋季减少显著。年雾日数气候变率和突变特征差异明显，青岛气候变率呈增大趋势且保持在高位状态，济南则呈减小趋势，表明青岛出现极端多雾的概率更大；青岛在1969年发生雾日数增多突变，济南在1995年发生减少突变。青岛秋冬季雾日数增加与近海海表温度显著升高、大气中水汽含量显著增多关系密切；济南秋冬季雾日数减少与最低气温显著升高、湿度减少、温度露点差显著增大关系密切。

关键词：青岛；济南；雾日数；气候变化；差异性分析

中图分类号：P426;P467   文献标志码：A   文章编号：1002-4026（2024）01-0128-08

Climate change characteristics of foggy days in Qingdao and Jinan

Abstract∶This study analyzed the climate change characteristics and causes of foggy days in Qingdao and Jinan using meteorological observation data from 1961 to 2020 in Qingdao and Jinan， as well as sea surface temperature data near Qingdao. Results showed that the average annual foggy days in Qingdao were 50.4 d， 3.1 times more than that in Jinan. The peak fog seasons were substantially different in the two cities; Qingdao experiences more foggy days in spring and summer， accounting for about 78.4% of the whole year， whereas Jinan experiences more foggy days in autumn and winter， accounting for about 70.7% of the whole year. Furthermore， remarkable differences in the annual and seasonal variations of foggy days were observed. Qingdao shows an increasing trend in annual foggy days， i.e.， less foggy days in spring and summer， but significantly more in autumn and winter. Alternatively， Jinan exhibits a decreasing trend in annual foggy days， where the number of foggy days is lowest in autumn. Moreover， considerable climate variability and abrupt change in the number of annual foggy days between the two cities were noticed. The climate variability of Qingdao showed an increasing trend and remained at a high level， while Jinan witnessed a decreasing trend; this indicates a higher probability of extreme foggy weather in Qingdao than in Jinan. Qingdao witnessed an increase in the number of foggy days in 1969， while Jinan encountered a decrease in 1995. The increase in the number of foggy days in Qingdao during autumn and winter was closely related to the substantial increase in the sea surface temperature near the city. This increase promoted sea surface evaporation and subsequently increased the atmospheric water vapor content. However， the decrease in foggy days in Jinan during autumn and winter was closely associated with a substantial increase in the minimum temperature and the dew point temperature difference as well as reduced humidity.

Key words∶Qingdao; Jinan; foggy days; climate change; difference analysis

雾是指大量微小水滴浮游空中，使水平能见度小于1.0 km的天气现象[1]。随着经济社会的快速发展，由大雾造成的交通事故、电网雾闪等事件屡见不鲜[2-3]。大雾还会对空气质量产生一定影响[4]。为此，雾的预报预警和气候变化问题引起了众多学者[5-7]和相关部门的高度重视。山东沿海与内陆地区气候差异较大，多年来，不少学者围绕山东省以及青岛、济南两市的雾开展了分析研究[8-12]，梳理这些研究成果发现，研究内容以气候特征、机理分析及预报技术等居多，对各地雾日数气候变化特征研究较少，而国内对沿海城市与内陆城市雾日数气候变化特征的差异性尤其是产生差异的原因分析则更为少见。本文以沿海城市青岛、内陆城市济南为例，对近60年两地雾日数的气候变化特征、差异性和产生差异的原因进行研究，以期为政府和有关部门应对雾的气候变化提供决策依据。

1 资料和方法

1.1 资料说明

选取青岛和济南2个国家气象观测站1961—2020年逐月的雾日数、平均水汽压、平均气温、平均风速等资料，数据来源于山东省气象局气象大数据云平台，均经过审核等质量控制。其中，雾日定义为一天中（北京时间20时至次日20时）出现雾的天气现象，不论出现时间长短，均计为一个雾日；青岛近海格点（36°N，122°E）月平均海表温度（SST）资料来源于美国国家海洋和大气管理局（NOAA）物理科学实验室网站（https：//psl.noaa.gov/data/gridded/index.html）。

1.2 方法介绍

1.2.1 气候趋势变化

采用气候倾向率[13]分析要素的气候趋势变化，利用相关系数法检验变化趋势的显著性。对于样本量为n的气象要素x，其趋势变化一般用一元线性回归方程表示，即

1.2.2 突变检验

采用曼-肯德尔（Mann-Kendall）非参数统计检验法[14]检测两地年雾日数的气候突变特征。对于具有n个样本量的时间序列x，构造一秩序列：

其中

在时间序列随机独立的假定下，定义正序统计量：

式中，k=1时UFk=0，E（‘Sk），var（‘Sk）是累计数Sk的均值和方差，在x1，x2，…，xn相互独立，且有相同连续分布时，它们可由下式算出：

‘UFk为标准正态分布，是按时间序列x顺序x1，x2，…，xn计算出的统计量序列，给定显著性水平α，若|UFk|>‘Uα，则表明序列存在明显的趋势变化。按时间序列x的逆序xn，xn-1，…，x1，再重复上述计算过程，同时使反序统计量UBk=-UFk （‘k=‘n，n-1， …，1），UB1=0。给定显著性水平，如α=0.05，那么临界值μ0.05=±1.96。将UFk和UBk两个统计量序列曲线和±1.96两条直线均绘在同一张图上。若UFk或UBk的值大于0，则表明序列呈上升趋势，小于0则表明呈下降趋势。当它们超过临界直线时，表明上升或下降趋势显著。如果UFk和UBk两条曲线出现交点，且交点在临界线之间，那么交点对应的时刻便是突变开始的时间。

2 雾日数变化特征及其差异性分析

2.1 变化趋势

2.1.1 年变化

青岛平均年雾日数50.4 d，济南平均年雾日数16.4 d，与张苏平等[8]和刘畅等[9]的分析结果基本一致。两地年雾日数变化趋势相反，青岛呈增加趋势，增加速率为每10 a增加0.6 d，而济南则呈减少趋势，减少速率为每10 a减少0.9 d（表1），但变化趋势均不显著。

两地年雾日数在1970s之后年代际变化存在明显差异，青岛呈增加、减少、再增加、再减少的波动变化；济南则逐年代递减，2010s略微增加（图1）。由图2可知，青岛在1970s中期由负距平转为正距平，之后以正距平为主；济南从1990s中期开始由正距平转为负距平后，维持在负距平状态。

2.1.2 各季变化

两地四季雾日数分布及其变化趋势存在明显差异（表1）。青岛雾日数春夏多、秋冬少，春、夏季占全年的78.4%；济南则春夏少、秋冬多，秋、冬季占全年的70.7%。青岛春、夏季雾日数呈减少变化趋势，但不显著，而秋、冬季则呈显著增加趋势（图3（a）），增加速率分别为每10 a增加0.53、0.84 d，均达0.05显著性水平，且增加速率高于春、夏季的减少速率；济南四季则均呈减少趋势，其中，秋季减少显著（图3（b）），減少速率为每10 a减少0.44 d，达0.10显著性水平。

2.2 气候变率

气候变率反映了气候的稳定性，一般用均方差表示，以描述气象要素变化的剧烈程度，气候变率增大，表明不稳定性增大，极值事件发生的概率增大[15]。从青岛和济南年雾日数30年滑动变率变化（图4）可以看出，两地雾日数气候变率变化趋势相反：青岛呈增大趋势，且保持在高位状态；济南则呈减小趋势，近10年保持平稳。表明青岛和济南年雾日数气候变率变化差异明显，青岛出现极端多雾的概率增大。

2.3 气候突变

两地年雾日数均发生了突变（图5），青岛在1969年出现增多突变，全年雾日达52 d，较1968年增多5 d，较1961—1968年的平均雾日数偏多约8 d，1969年后多数年份在50 d以上；济南在1995年出现减少突变，全年雾日仅为10 d，较1994年减少12 d，较1971—1994年的平均雾日数偏少约10 d，之后多数年份在15 d以下。从正序统计量（UF）变化可以看到，青岛在1980s中期至1990s中期初期超过置信区间上限明显，表明该时期雾日数增多显著；济南在2000s后期到2010s初期超过置信区下限，表明该时期雾日数减少显著。

3 差异性原因初步分析

刘小宁等[7]研究表明，我国内陆发生的大雾主要为辐射雾，多发生在12月到次年1月，由夜间地面辐射使空气冷却达到饱和而形成；沿海地区雾日大多出现在2—8月间，多为平流雾，即暖气流流经沿海的冷海面上凝结而成。上述关于两地雾日数气候分布特征的分析结果与前人研究结论一致。前文分析表明，青岛和济南年雾日数变化趋势相反，青岛逐年增加、济南逐年减少，两地春夏季均呈减少趋势，但不显著；而秋冬季，青岛显著增加，济南减少且秋季显著减少。因此，下面重点分析秋、冬季两地差异的原因。这些差异的原因涉及海陆热力差异、大气环流、边界层过程等诸多方面，本文仅从温度、湿度等方面进行初步探讨。

3.1 青岛秋、冬季雾日数呈增加趋势的原因

张晓慧等[16]将青岛冬季雾（11月到次年2月）分为锋面雾、雨雾、辐射雾、平流冷卻雾和平流蒸发雾5种类型，各类型占比分别为36.5%、11.7%、21.9%、19.7%和10.2%。可见，该季节海雾（平流冷却雾和平流蒸发雾）所占比例只有29.9%，其他3种发生在陆地上的雾占比达70.1%。考虑该季节海雾所占比例较低，陆地上3种类型的雾尽管形成机制有所不同，但水汽都是雾形成的重要条件之一，因此，这里重点分析青岛水汽的变化特征及变化的原因。

1961—2020年青岛秋、冬季水汽压均呈显著增加趋势，增加速率分别为每10 a增加0.1 hPa和0.12 hPa，分别在0.10和0.05水平下显著（表2）。分析青岛秋、冬季水汽显著增加的原因可能与近海海温呈显著升高趋势关系密切。王彬华[17]指出，只有当水温高于气温时，蒸发过程才能持续进行。据统计，1961—2020年，青岛近海平均海表温度和青岛平均气温，秋季分别为19.4 ℃和15.8 ℃，冬季分别为7.5 ℃和1.0℃，可见青岛秋、冬季近海平均海表温度均高于气温，有利于海面蒸发。从王彬华[17]给出的海面蒸发量公式来看：

E=0.143（ew－e）u，（8）

式中，E为海面蒸发量，ew为海表温度所相当的饱和水汽压，e为空气实际水汽压，u为风速。由于饱和水汽压 ew随着海水温度升高而增大，故海温升高有利于海面蒸发量加大。从1961—2020年青岛近海海表温度变化趋势来看，秋、冬季平均海表温度呈显著增温趋势（图6），分别每10 a增温0.15 ℃和0.19 ℃，均在0.05水平下显著。可见，秋、冬季显著增加的海表温度，有利于加大海面蒸发量，进而增加青岛大气中的水汽含量，对雾的形成有利。

从青岛秋、冬季气温和温度露点差的变化趋势（表2）看，尽管青岛秋、冬季平均气温、最低气温均呈显著增温趋势，对空气达到或接近饱和不利，但秋季温度露点差增大趋势并不显著，增加速率仅为每10 a增加0.07 ℃，而冬季温度露点差却呈减小趋势，对雾的形成有利，这也说明青岛秋、冬季水汽呈增加趋势的重要作用。

此外，从风速变化来看，1961—2020年青岛秋、冬季平均风速均呈显著减小趋势（表2），说明静稳天气增多，有利于秋、冬季辐射雾的形成。

3.2 济南秋、冬季雾日数呈减少趋势的原因

济南以辐射雾为主，辐射雾的形成可以通过以下途径[6-7]：增加空气中的水汽，造成空气中水汽饱和产生水汽凝结；或降低空气温度使低层大气冷却到露点；或二者兼而有之。因此，这里主要从最低气温、水汽压以及温度露点差的变化趋势来分析。

由表2可知，秋、冬季，济南最低气温呈显著升高趋势，分别增温速率为每10 a增加0.21、0.41 ℃；秋季水汽压呈略减少趋势，冬季水汽压增加但不明显；温度露点差明显增加，秋季呈显著增加趋势，增加速率为每10 a增加0.18 ℃。可见，秋、冬季最低气温、水汽、温度露点差的变化趋势均不利于济南雾的形成。

此外，尽管济南秋、冬季平均风速呈减小趋势（表2），对雾的形成有利，但由于最低气温升温显著、水汽减少以及温度露点差明显增大，均不利于雾的形成。

4 结论

本文在分析青岛、济南两地雾日数气候变化特征的基础上，进一步对比分析了两地的差异，并对产生差异的原因进行了初步分析，主要结论如下：

（1）青岛平均年雾日数50.4 d，较济南明显偏多，约是济南的3.1倍。两地雾的多发季节明显不同，青岛在春、夏季，济南则在秋、冬季。青岛春、夏季雾日数约占全年的78.4%，济南秋、冬季雾日数约占全年的70.7%。

（2）两地年雾日数气候变率和突变特征存在明显差异。青岛年雾日数气候变率呈增大趋势且保持在高位状态，表明出现极端多雾的概率更大，济南则呈减小趋势，近10年变化平稳；青岛在1969年发生增多突变，而济南在1995年发生减少突变。

（3）两地年雾日数变化趋势存在明显差异，青岛呈增加、济南呈减少变化趋势。青岛春夏季减少、秋冬季显著增加，秋冬季增加速率分别为每10 a增加0.53、0.84 d；济南则四季均减少，秋季减少显著，秋季减少速率为每10 a减少0.44 d。青岛秋冬季雾日数显著增加与秋冬季近海海表温度显著升高，有利于海面蒸发加大，进而增加青岛大气中的水汽含量有密切关系；济南秋冬季雾日数减少与最低气温显著升高、湿度减少、温度露点差显著增大关系密切。

本文从温度、湿度等方面探讨了两地雾日数变化趋势差异的主要原因，今后还需要从海陆热力差异、大气环流变化、城市化发展等诸多方面进行深入分析，以期为山东社会经济发展更好地保驾护航。

参考文献：

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

[2]王志强， 王静爱. 关于雾灾几个相关问题的探讨[J]. 自然灾害学报， 2004， 13（2）： 134-139. DOI： 10.3969/j.issn.1004-4574.2004.02.024.

[3]曲晓黎， 张娣， 郭蕊， 等. 高速公路雾灾风险区划模型[J]. 气象科技， 2018， 46（1）： 189-193. DOI： 10.19517/j.1671-6345.20160683.

[4]师华定， 史华伟， 白鹤鸣， 等. 沙尘与大雾天气对京津石空气质量影响[J]. 生态环境学报， 2014， 23（2）： 262-266. DOI： 10.16258/j.cnki.1674-5906.2014.02.005.

[5]伍紅雨， 杜尧东， 何健， 等. 华南霾日和雾日的气候特征及变化[J]. 气象， 2011， 37（5）： 607-614.

[6]周自江， 朱燕君， 姚志国， 等. 四川盆地区域性浓雾序列及其年际和年代际变化[J]. 应用气象学报， 2006， 17（5）： 567-573. DOI： 10.11898/1001-7313.20060514.

[7]刘小宁，张洪政，李庆祥，等.我国大雾的气候特征及变化初步解释[J].应用气象学报，2005，16（2）：220-230.

[8]张苏平， 鲍献文. 近十年中国海雾研究进展[J]. 中国海洋大学学报（自然科学版）， 2008， 38（3）： 359-366. DOI： 10.16441/j.cnki.hdxb.2008.03.003.

[9]刘畅， 高留喜， 王西磊， 等. 山东省大雾的气候特征分析[J]. 山东气象， 2014， 34（2）： 26-31. DOI： 10.19513/j.cnki.issn1005-0582.2014.02.005.

[10]江敦双， 张苏平， 陆惟松. 青岛海雾的气候特征和预测研究[J]. 海洋湖沼通报， 2008（3）： 7-12. DOI： 10.13984/j.cnki.cn37-1141.2008.03.005.

[11]于丽娟， 尹承美， 何建军， 等. 济南雾和霾特征及其影响因素分析[J]. 干旱气象， 2017， 35（4）： 581-589. DOI： 10.11755/j.issn.1006-7639（2017）-04-0581.

[12]徐志鹏， 张苏平， 衣立， 等. 青岛近岸能见度逐小时分级预报模型初探[J]. 海洋湖沼通报， 2018（1）： 9-17. DOI： 10.13984/j.cnki.cn37-1141.2018.01.002.

[13]施能， 陈家其， 屠其璞. 中国近100年来4个年代际的气候变化特征[J]. 气象学报， 1995， 53（4）： 431-439. DOI： 10.1088/0256-307X/12/7/010.

[14]魏凤英. 现代气候统计诊断与预测技术[M]. 2版. 北京： 气象出版社， 2007.

[15]丁裕国， 江志红. 极端气候研究方法导论： 诊断及模拟与预测[M]. 北京： 气象出版社， 2009.

[16]张晓慧， 丛爱丽， 王志梅， 等. 近60年青岛冬季雾的天气气候特征[J]. 山东气象， 2011， 31（4）： 24-29. DOI： 10.19513/j.cnki.issn1005-0582.2011.04.005.

[17]王彬华. 海雾[M]. 北京： 海洋出版社， 1983.