林业科学  2018, Vol. 54 Issue (1): 22-31   PDF    
DOI: 10.11707/j.1001-7488.20180103
0

文章信息

傅伟聪, 朱志鹏, 陈梓茹, 黄淑萍, 王敏华, 丁国昌, 董建文
Fu Weicong, Zhu Zhipeng, Chen Ziru, Huang Shuping, Wang Minhua, Ding Guochang, Dong Jianwen
千岛湖国家森林公园大气能见度变化特征及其影响因素
Patterns of Variation in Atmospheric Visibility and Impacting Factors in Qiandao Lake National Forest Park, China
林业科学, 2018, 54(1): 22-31.
Scientia Silvae Sinicae, 2018, 54(1): 22-31.
DOI: 10.11707/j.1001-7488.20180103

文章历史

收稿日期:2017-01-20
修回日期:2017-12-14

作者相关文章

傅伟聪
朱志鹏
陈梓茹
黄淑萍
王敏华
丁国昌
董建文

千岛湖国家森林公园大气能见度变化特征及其影响因素
傅伟聪1,2,3, 朱志鹏1,2, 陈梓茹1,2, 黄淑萍1,2, 王敏华1,2, 丁国昌1,2, 董建文1,2    
1. 福建农林大学艺术学院 园林学院 福州 350002;
2. 国家林业局森林公园工程技术研究中心 福州 350002;
3. 英属哥伦比亚大学景观合作实验室 温哥华 V6T 1Z4
摘要:【目的】研究千岛湖国家森林公园大气能见度变化特征及其影响因素, 为提升森林景观及游览质量提供数据支撑。【方法】利用2015-12-01-2016-11-30监测数据, 分析大气能见度变化特征, 探究大气污染物(PM10、PM2.5、SO2、NO2、CO和O3)和气象因子(风速、气温、露点温度、海平面气压和空气相对湿度)对大气能见度的影响。【结果】千岛湖国家森林公园年均大气能见度为12.84 km, 除PM2.5年均浓度略超出环境质量一级标准外, 其他大气污染物年均浓度皆处于一级标准内, 表明千岛湖国家森林公园空气质量较高; 大气能见度呈夏秋季高、春冬季低的变化特征, 最大值出现在8月, 最低值出现在1月; 从日变化规律看, 最大值出现在傍晚(17:00), 最低值出现在清晨(5:00);将大气能见度分为极差(< 4 km)、差(4~10 km)、好(10~20 km)和极好(≥ 20 km)4个级别进行分析, 发现不同级别大气能见度出现的频率有明显季节性, 春冬季极差和差的频率高, 好和极好的频率低, 夏秋季好和极好的频率较高, 差和极差基本未出现; 年内数据相关性分析显示, 大气能见度与大气污染物PM10、PM2.5、CO、SO2和NO2浓度及空气相对湿度和海平面气压负相关(相关系数分别为-0.29, -0.33, -0.26, -0.16, -0.35, -0.42和-0.11), 而与气温、风速和露点温度正相关(相关系数分别为0.39, 0.20和0.19);K均值聚类分析表明, 千岛湖大气能见度较高时, 气象条件为高温、高风速、低湿和低海平面气压, 是夏秋季午后典型的气象特征, 而大气能见度出现低值时, 气象特征为低温、高湿、高海平面气压和低风速, 为春冬季夜晚及凌晨典型的气象特征; 以消光系数、干消光系数与AQI和大气污染物PM10、PM2.5、SO2、CO、NO2浓度构建回归模型, 显示回归(P < 0.001), 且相对于其他污染物浓度指标, AQI和PM10、PM2.5浓度对大气能见度贡献率(R2)较高, 表明其对大气能见度变化影响较大。【结论】千岛湖国家森林公园大气能见度高, 空气环境质量较好, 大气能见度呈现出明显的季节和日变化特征; 大气能见度与大气污染物浓度和气象因子相关, 气温、风速、空气相对湿度对大气能见度影响较高, AQI和PM10、PM2.5浓度对大气能见度影响较大; 除去雨、雾等特殊天气影响后的大气能见度可有效反映大气环境质量。
关键词:森林公园    大气能见度    大气污染物    气象因子    回归方程    
Patterns of Variation in Atmospheric Visibility and Impacting Factors in Qiandao Lake National Forest Park, China
Fu Weicong1,2,3, Zhu Zhipeng1,2, Chen Ziru1,2, Huang Shuping1,2, Wang Minhua1,2, Ding Guochang1,2, Dong Jianwen1,2    
1. College of Arts & Landscape Architecture, Fujian Agriculture and Forestry University Fuzhou 350002;
2. National Forest Park Engineering Research Center, State Forestry Administration Fuzhou 350002;
3. Collaborative for Advanced Landscape Planning, University of British Columbia Vancouver V6T 1Z4
Abstract: 【Objective】The primary objective is to investigate the patterns of variation in atmospheric visibility and its affecting factors over Qiandao Lake National Forest Park, in order to obtain data for improving forest tourism and recreation.【Method】Based on monitoring data collected from December 1, 2015 to November 30, 2016, variation of atmospheric visibility and its correlations with the affecting factors(AQI, concentrations of PM10, PM2.5, SO2, NO2, CO, O3, wind speed, temperature, dew point temperature, sea level pressure, relative air humidity) over Qiandao Lake National Forest Park were investigated.【Result】The annual average value of atmospheric visibility in Qiandao Lake National Forest Park was 12.84 km; other than PM2.5, which exceeded the grade Ⅰ standards slightly, annual average concentrations of the remained air pollutants met the Chinese Ambient Air Quality Standards Grade Ⅰ, indicating a good air quality of Qiandao Lake National Forest Park.Atmospheric visibilities were better in summer and autumn, but worse in spring and winter; for diurnal variation, the visibility peaked at dusk(17:00) and showed the lowest value in the early morning(5:00).The ratings of atmospheric visibility were categorized by very bad(< 4 km), bad(4-10 km), good(10-20 km) and very good(≥ 20 km), and its monthly statistics showed a distinct seasonal pattern; in spring and winter, the frequencies of very bad and bad ratings were high while those of good and very good were low.In summer and autumn, the frequencies of good and very good were high while those of very bad and bad ratings were almost none.Negative correlations between atmospheric visibility and the concentrations of PM10, PM2.5, SO2, CO, NO2, humidity as well as air pressure were found with correlation coefficients of -0.29, -0.33, -0.26, -0.16, -0.35, -0.42, -0.11, respectively, while positive correlations were detected between atmospheric visibility and temperature, wind speed and dew point temperature, the correlation coefficient were 0.39, 0.20, 0.19, respectively.K-means clustering showed the higher visibility in summer was consistent with higher temperature and wind speed as well as lower humidity and air pressure, the lower visibility in winter and spring was associated with low temperature, high humidity and high sea level pressure.The regression equation constructed by the(dry extinction coefficient) extinction coefficient and the AQI(air quality index) and the concentration of PM10, PM2.5, SO2, CO, NO2 were established(P < 0.001).The result showed the contribution rates(R2) of AQI and the concentrations of PM10 and PM2.5 to atmospheric visibility were higher than the concentrations of other air pollutants, indicating higher impacts of AQI and the concentrations of PM10 and PM2.5 on visibility.【Conclusion】The atmospheric visibility in Qiandao Lake National Forest Park was high, indicating a good air quality of Qiandao Lake National Forest Park.The atmospheric visibility showed obvious seasonal and diurnal variation.High correlations between atmospheric visibility and AQI, concentrations of PM10 and PM2.5, temperature, wind speed and relative air humidity was found.The study of atmospheric visibility and its affecting factors in Qiandao Lake National Forest Park showed a fundamental influence of air quality on atmospheric visibility, and atmospheric visibility can be an effective indicator of air quality, except rain, fog and other special weathers.
Key words: forest park    atmospheric visibility    air pollutants    meteorological factors    regression equation    

随着经济快速发展, 国民生活质量显著提升, 人们回归自然、亲近自然的愿望愈发迫切(董建文等, 2009; 兰思仁等, 2014)。以生态保健为目的的健康出行得到越来越多游览者的青睐, 其中, 森林公园因其优美的森林景观、清新的空气和舒适的自然环境, 正成为人们健康出行的主要目的地(尹伟伦, 2015)。大气能见度, 是人们的眼睛与可见目标之间的最大水平距离(Koschmieder, 1926), 不仅可以反映区域大气环境质量(Watson, 2002; Doyle et al., 2002), 而且与森林景观质量的体现及游览者满意度息息相关。大气能见度较低时, 会给游览者带来诸多不便, 干扰赏景行为, 影响游览体验, 使浩瀚的森林景观无法得到体现。

大气能见度的相关研究多集中于经济发达地区及重污染区域, 且多以城市为研究对象。研究表明大气能见度降低常伴随着空气污染物浓度和空气相对湿度升高(Watson, 2002; Deng et al., 2011; Xue et al., 2015), 相关成果对城市建设、环境政策法规设立与修订起到了一定的支撑作用。森林公园质量评价研究主要集中在森林景观(董建文等, 2009)、森林空气质量(郭二果等, 2009a; 2009b; 傅伟聪等, 2014; 2016a; 2016c)和游览路线选择(傅伟聪等, 2016b)等方面, 而森林公园大气能见度研究较少得到学者的关注。大气能见度与森林游览体验息息相关, 在实际操作中较易测得, 一定条件下(空气相对湿度在90%以下)可以反映出监测地的空气环境质量(Huang et al., 2009; Che et al., 2007)。监测分析森林公园大气能见度变化特征及其影响因素, 不仅对森林景观质量提升、游客游览指引具有重要意义, 而且在一定程度上还可起到评估森林空气环境的作用。

千岛湖国家森林公园与加拿大金斯顿千岛湖、湖北阳新千岛湖并称“世界三大千岛湖”。分析千岛湖大气能见度变化规律及其影响因素, 不仅能为千岛湖国家森林公园管理提供数据支撑, 而且还可为相关森林公园提供数据借鉴。本研究利用2015年12月1日至2016年11月30日(366天)监测数据, 分析千岛湖国家森林公园大气能见度的年内和日变化特征及大气能见度与大气污染物浓度、气象因子的相互关系, 并通过K均值聚类和回归模型构建等分析大气能见度的主要影响因子与各因子的综合影响, 以期为千岛湖国家森林公园建设及游客合理选择游览时间提供数据支撑, 丰富园内研究基础资料。

1 研究区概况

千岛湖国家森林公园, 位于杭州市淳安县(118°37′12″—119°15′00″E, 29°22′30″—29°50′00″N), 主要土壤类型为黄壤、红壤和岩性土, 属中亚热带季风气候, 年均降水量1 430 mm, 年降雨日155天, 年均气温17 ℃, 1月气温最低, 月均5 ℃, 7月气温最高, 月均28.9 ℃, 全年无霜期263天, 年均空气相对湿度76%。植被属中亚热带常绿阔叶林, 植被类型丰富, 主要乔木有针叶树种马尾松(Pinus massoniana)和杉木(Cunninghamia lanceolata), 阔叶树种有木荷(Schima superba)、青冈(Cyclobalanopsis glauca)、枫香(Liquidambar formosana)和毛竹(Phyllostachys edulis)等。1986年10月经原国家林业部批准成立千岛湖国家森林公园, 有“天下第一秀水”之美称, 湖中有1 078个岛屿, 故称之为千岛湖, 总面积9.5万hm2, 其中湖面5.3万hm2, 森林4.2万hm2, 形状不一的大小岛屿高低起伏, 加上丰富的植被类型变化, 形成了浩瀚的临水森林景观。

2 研究方法 2.1 数据来源

大气能见度和气象数据(气温、空气相对湿度、海平面气压、风速和露点温度)来源于气象监测部门千岛湖站点(119°01′08″E, 29°36′50″N), 由中国气象数据网(http://data.cma.cn/)及美国国家海洋和大气管理局(https://www.climate.gov/)提供, 空气质量指数(air guality index, AQI)和大气污染物(PM10、PM2.5、SO2、NO2、CO和O3)浓度来源于环保部国控监测点—千岛湖站点(119°01′34″E, 29°38′06″N), 由中华人民共和国环境保护部(http://www.mep.gov.cn/hjzl/)提供。上述2个监测站点间的距离约为2 km, 在80 km之内符合气象观测的空间代表性原则。数据采集时间为2015-12-01—2016-11-30(366天), 每6 h收集1次, 监测时间为5:00、11:00、17:00和23:00, 大气污染物浓度数据每小时收集1次。

2.2 分析方法

研究采用了5种统计分析方法: 1)统计分析大气能见度的年内及日变化规律; 2)将大气能见度分为极好(≥ 20 km)、好(10~20 km)、差(4~10 km)和极差(< 4 km)4个级别, 并分析每月各级别大气能见度出现的频率(Lee, 1983); 3)运用SPSS 19.0软件计算大气能见度与大气污染物和气象因子的相关性; 4)运用SPSS 19.0软件将统计数据进行K均值聚类; 5)参照Koschmieder(1926)的研究方法, 利用消光系数计算大气能见度与大气污染物的回归方程。为了使回归方程更具有科学性, 方程构建时剔除雾天、暴雨等能见度极低的特殊天气; 由于较高的空气相对湿度对于空气微粒色散具有很强的阻扰作用, 因此也将空气相对湿度大于90%的监测数据剔除。

消光系数β参照Koschmieder(1926)的研究方法得出:

$ \beta = 3.912/V。$ (1)

式中:β为消光系数; V为大气能见度(km)。

在真实的大气中, 空气悬浮物吸湿行为影响其物理化学属性。为了避免空气相对湿度带来的影响, 利用消光系数β和空气相对湿度(HR)计算出干消光系数βd(Husar et al., 1981; Deng et al., 2011):

$ {\beta _{\rm{d}}} = \left\{ \begin{array}{l} \beta /0.85\left[ {{H_{\rm{R}}} \le 30\% } \right]\\ \beta /[({H_{\rm{R}}} - 30\% ) \times 0.5 + 0.85](30\% < {H_{\rm{R}}} \le 40\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 40\% } \right) \times 0.5 + 0.9} \right](30\% < {H_{\rm{R}}} \le 40\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 50\% } \right) \times 0.5 + 0.95} \right](50\% < {H_{\rm{R}}} \le 60\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 60\% } \right) \times 0.5 + 1.00} \right](60\% < {H_{\rm{R}}} \le 70\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 70\% } \right) \times 0.3 + 1.05} \right](70\% < {H_{\rm{R}}} \le 75\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 75\% } \right) \times 0.4 + 1.20} \right](75\% < {H_{\rm{R}}} \le 80\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 80\% } \right) \times 0.5 + 1.40} \right](80\% < {H_{\rm{R}}} \le 85\% );\\ \beta /\left[ {\left( {{H_{\rm{R}}} - 85\% } \right) \times 0.29 + 1.65} \right](85\% < {H_{\rm{R}}} \le 90\% )。\end{array} \right. $ (2)
2.3 数据处理

采用SPSS 19.00和EXCEL 2010软件进行数据处理和图像分析。

3 结果与分析 3.1 监测数据

表 1给出了大气能见度、空气质量指数及气象因子的年均值及其标准差、最小值、25%位数、中位数、75%位数和最大值。千岛湖国家森林公园年均大气能见度为12.84 km, 年均AQI为42.68, 低于杭州、绍兴、金华等周边城市。依据2012年出台的《环境空气质量标准》(http://kjs.mep.gov.cn), 年均AQI和PM10、SO2、NO2、CO、O3浓度均处于环境质量一级标准之内, 年均PM2.5浓度略超出一级标准, 表明千岛湖国家森林公园空气质量处于较高水平。

表 1 千岛湖国家森林公园大气能见度、空气质量指数和气象因子(2015-12-01—2016-11-30) Tab.1 Summary statistics of atmospheric visibility, air quality index, and meteorological factors in Qiandao Lake National Forest Park(2015-12-01—2016-11-30)
3.2 大气能见度和气象因子的季节变化特征

图 1展示了大气能见度、风速、气温、露点温度、海平面气压和空气相对湿度的年内变化特征。整体而言, 大气能见度、气温、露点温度和空气相对湿度呈现出夏秋季高、春冬季低的变化特征, 海平面气压则呈现春冬季高、夏秋季低的变化特征, 相比而言, 风速则在四季无明显变化。

图 1 千岛湖国家森林公园大气能见度、风速、气温、露点温度、海平面气压和空气相对湿度的年内变化特征(2015-12-01—2016-11-30) Figure 1 Yearly variation of atmosphern visibility, wind speed, temperature, dew point temperature, sea level pressure, and air relative humidity in Qiandao Lake National Forest Park from 2015-12-01 to 2016-11-30
3.3 大气能见度、大气污染物的月均值和日变化特征

大气能见度最大值出现在夏季, 最小值出现在冬季; AQI和PM10、PM2.5浓度3者呈现出相似的变化特征, 夏秋季低, 春冬季高(图 2); NO2和SO2浓度具有相同的变化特征, 变化较为平稳, 呈现出春冬季高、夏秋季低的特征; O3和CO浓度整体呈“双峰双谷”的变化特征, 在3月和9月出现最大值, 6月和10月出现最小值(图 3)。进一步观察可知, 大气能见度在7月出现最大值, 1月出现最低值; AQI和PM10、PM2.5浓度在12月出现最大值, 10月出现最低值。

图 2 千岛湖国家森林公园大气能见度、AQI和PM2.5、PM10浓度月均值变化特征 Figure 2 Variations of the monthly value of atmospberic visibility, AQI, the concentration of PM10 and PM2.5 in Qiandao Lake National Forest Park
图 3 千岛湖国家森林公园CO、SO2、NO2及O3浓度月变化特征 Figure 3 Variations of the monthly concentrations of CO, SO2, NO2, and O3 in Qiandao Lake National Forest Park

图 4展示了千岛湖国家森林公园四季的大气能见度日变化特征。由图 4可知, 四季的大气能见度日变化特征相似, 最大值出现在17:00, 最小值出现在5:00。夏季大气能见度较高, 4个监测时间点(5:00、11:00、17:00、23:00)均高于20 km; 冬季大气能见度较低, 4个监测时间点均低于10 km; 春秋季大气能见度介于夏冬季之间, 进一步观察可知, 春季的17:00、秋季的11:00及17:00大气能见度高于20 km。AQI、大气颗粒物浓度与大气能见度呈现出相反的日变化特征, 即大气颗粒物浓度、AQI在夜间和凌晨出现最大值而在午后出现最低值。各季节SO2、CO和NO2浓度均没有明显的日变化特征, 且变化较为平缓; 各季节O3浓度均表现出7:00—16:00上升(16:00达到最大值)而后缓慢下降至7:00(7:00达到最低值)的“单峰单谷”日变化特征。

图 4 不同季节大气能见度、空气质量指数、污染物PM10、PM2.5、SO2、NO2、O3和CO浓度的日变化 Figure 4 Daily variations of the value of AQI, visibility, concentrations of PM10, PM2.5, SO2, NO2, O3 and CO in different season
3.4 每月不同级别大气能见度出现的频率

图 5展示了2015年12月至2016年11月每月不同级别大气能见度出现的频率。由图 5可知, 极差大气能见度主要出现在12月至翌年3月, 差大气能见度出现时间为11月至翌年3月, 表明11月至翌年3月雾霾天出现的频率较高, 游览观景较易受到大气能见度影响。7—8月, 极好大气能见度出现的频率为100%, 4—10月, 每月出现极好或好大气能见度的频率趋近100%, 表明4—10月在千岛湖国家森林公园赏景能获得较高的观景感受。

图 5 每月极好、好、差和极差大气能见度出现的频率 Figure 5 Monthly frequency of quite good, good, bad, and quite bad atmospheric visibility
3.5 能见度与大气污染物、气象因子相关性分析

将年内及不同季节大气能见度与大气污染物浓度、气象因子间进行相关性分析(表 2), 结果发现, 大气能见度与大气污染物PM10、PM2.5、CO、SO2和NO2浓度极显著负相关(相关系数分别为-0.29, -0.33, -0.26, -0.16和-0.35), 说明此类大气污染物浓度升高对大气能见度降低有显著作用; O3浓度与大气能见度没有相关性; 大气能见度与气温、风速和露点温度极显著正相关(相关系数分别为0.39, 0.20和0.19), 与空气相对湿度和海平面气压极显著负相关(相关系数分别为-0.42和-0.11)。

表 2 大气能见度与大气污染物和气象因子的相关性 Tab.2 Pearson correlations between the atmospheric visibility and air pollutants and meteorological factors

大气能见度与大气污染物、气象因子之间的相关水平表现出明显季节变化。年内SO2浓度与大气能见度存在极显著负相关(相关系数为-0.16), 在夏季呈显著正相关(相关系数为0.13), 而在秋冬季则相关性不显著(相关系数分别为-0.10和0.05);除夏季外, NO2和CO浓度与大气能见度负相关(大气能见度与春季、秋季和冬季NO2浓度负相关, 相关系数分别为-0.29, -0.12和-0.33;与春季、秋季和冬季CO浓度极显著负相关, 相关系数分别为-0.15, -0.16和-0.37);除冬季外, 气温与大气能见度极显著正相关(春季、夏季、秋季相关系数分别为0.25, 0.41和0.15)。

3.6 K均值聚类分析

为了揭示空气污染和气象因子对大气能见度的联合贡献, 以1 540个有效监测数据集合进行K均值聚类分析。基于K均值聚类分析, 根据计算结果, 数据分为7个组别, 每组的PM10、PM2.5、SO2、CO、NO2和O3浓度, 气温, 海平面气压, 空气相对湿度和风速的平均值与大气能见度均在表 3中体现。

表 3 基于大气能见度、大气污染物及气象因子的K均值聚类分析 Tab.3 Average values of air pollutants, meteorological factors, and visibility for each class after K means clustering analysis

表 3可知, 组2和组7的平均大气能见度为24.04和29.45 km, 属于大气能见度最高的2组, 其气象特征为高温、高风速低湿和低海平面气压, 是千岛湖国家森林公园夏季午后典型的气候特征, 表明在夏季午后相比其他季节其他时间段具有更好的大气能见度。组3和组6的大气能见度分别为3.17和7.85 km, 大气能见度较低, 其气象特征是低湿、高海平面气压、高湿和低风速, 属于典型的春季气象特征。组4的最大特征是较高的空气相对湿度, 这时气溶胶的吸湿性增加, 可引起大气颗粒物浓度增加和散射能力增强, 因此大气能见度最低, 仅为0.7 km。组1和组5的大气能见度分别为18.33和12.84 km, 其空气相对湿度、气温相对居中, 其中组1的海平面气压较低但组5的海平面气压较高, 分别为典型的深秋和春末季节, 与其季节特性吻合。

3.7 回归模型构建

利用消光系数(β)、干消光系数(βd)与AQI和大气污染物PM10、PM2.5、SO2、CO、NO2浓度构建回归模型, 如表 4所示。分析可得ββd与AQI和PM10、PM2.5、SO2、CO、NO2浓度均极显著正相关(P < 0.001), 模型构建有效。进一步分析可知, AQI和PM10、PM2.5浓度对大气能见度变化具有较高的贡献率(R2), 因其与(干)消光系数回归模型的R2大于0.3, 而其他污染物的R2皆小于0.2。

表 4 基于消光系数、干光消系数的大气污染物浓度和AQI回归模型 Tab.4 Regression model of AQI, the concentrations of air pollutants and β, βdusing linear regression
4 讨论 4.1 大气能见度和大气污染物浓度的年内和日变化特征

大气能见度和大气污染物浓度的年内和日变化特征与前人研究结果相近但有所不同, 原因与研究用地类型不同有关(Watson, 2002; Huang et al., 2009; Deng et al., 2011; Xue et al., 2015)。前人研究多集中于大型城市和大气污染较重地区, 大气能见度与大气污染物浓度关系紧密, 表现出的年内变化特征虽呈一定的季节性, 但特征不明显, 而千岛湖国家森林公园所处淳安县大气污染物浓度较低, 大气能见度的变化较多受气候因子影响, 因此呈现出明显的季节性特征。

对森林公园环境质量的评价已有研究多集中在大气颗粒物浓度、植物挥发性有机物、负离子浓度和人体舒适度等方面(郭二果等, 2009a; 2009b;傅伟聪等, 2016a; 2016c), 结果对游客游览和森林公园管理有较好的数据支撑, 但研究手段复杂, 需要精密仪器辅助。大气能见度监测方法简单且能较好地服务于游览者, 游览者能够对游览季节、游览时间有较好的掌握。本研究丰富了森林公园环境质量监测方法, 研究结果具有较强的实践指导意义。

4.2 每月不同级别大气能见度出现的频率

对于不同级别大气能见度出现频率的分析, 多数学者只将能见度大于20 km和小于4 km的出现频率进行分类研究(Lee, 1983; Che et al., 2007; Chang et al., 2009; Zhao et al., 2011; Chen et al., 2012), 而对于像森林公园等以观赏大尺度景观为游览目的的研究地而言, 将大气能见度分为4个等级进行每月出现频率的分析, 具有较高的指导意义和出行参考价值。本研究对2015年12月至2016年11月每月各级别大气的能见度出现比例进行分析, 展示了千岛湖国家森林公园每月各级别大气能见度出现的频率, 对游客游览、工作人员管理有一定指导意义。

4.3 大气能见度与大气污染物和气象因子相关性分析

前人研究表明, 随着大气颗粒物光散射效应增强, 大气能见度随之降低, 得出大气污染物浓度与大气能见度具有一定相关性(Molnar et al., 2008; Huang et al., 2009; Xue et al., 2015)。本研究对大气污染物浓度与大气能见度相关性的分析结果与前人相近, 仅相关系数稍有不同, 这可能与各地污染水平和气候条件不同有关。整个研究期间, 大气能见度与大气污染物PM10、PM2.5、CO、SO2和NO2浓度极显著负相关(相关系数分别为-0.29, -0.33, -0.26, -0.16和-0.35), 与气温、风速和露点温度极显著正相关(相关系数分别为0.39, 0.20和0.19), 而与空气相对湿度和海平面气压极显著负相关(相关系数分别为-0.42和-0.11)。

4.4 K均值聚类分析

K均值聚类分析可得出不同气象条件下大气能见度的均值。相关学者利用K均值聚类分析, 得出了综合气象条件下大气能见度的变化特征(Deng et al., 2011; Xue et al., 2015)。本研究得出结论, 大气能见度在夏秋季高、春冬季低。其原因为:夏秋季扩散条件更好, 空气对流混合强, 风速高, 垂直交换快; 梅雨期间(通常从6月中旬到7月初)降雨量较大, 空气污染物特别是大气颗粒物因雨水冲刷而急剧减少; 东亚夏季风的大规模运输将加快污染物的扩散。在春冬季, 能见度较低, 可能由于春冬季的气象条件一般以高压为主, 大气稳定性增加, 使大气环流减少, 空气更加停滞; 此外, 低风速结合低气温, 限制了污染物的分散, 引起大气污染物聚集, 导致浓度升高。

4.5 大气能见度回归模型构建

一些学者发现剔除气象因素后, 大气能见度能够很好地反映大气颗粒物浓度的变化特征(Watson, 2002)。基于此, 本研究构建了β(βd)与AQI和PM10、PM2.5浓度的回归模型, R2分别为0.455(0.316), 0.502(0.356)和0.42(0.309), 表明大气能见度能很好地反映AQI和PM10和PM2.5浓度的变化。AQI为现今大气环境质量评价的权威标准, PM2.5和PM10为大部分地区的主要污染物, 大气能见度具有较高反映AQI和PM2.5、PM10污染水平的能力, 对大气环境质量有一定指示作用。

5 结论

千岛湖国家森林公园年均大气能见度为12.84 km, 依据2012年出台的《环境空气质量标准》, 整体来说其大气污染物浓度较低, 年均浓度低于Ⅰ级浓度限值(除PM2.5), 表明空气环境质量较好。从年内变化特征来看, 大气能见度呈现出夏秋季高、春冬季低的变化特征; 从日变化特征看, 17:00大气能见度处于最高水平, 而后是11:00, 23:00和5:00。从不同大气能见度级别出现频率来看, 春冬季极差、差的大气能见度出现频率高, 夏秋季极好的频率高。

大气能见度与大气污染物PM10、PM2.5、CO、SO2和NO2浓度及空气相对湿度和海平面气压负相关(相关系数分别为-0.29, -0.33, -0.26, -0.16, -0.35, -0.42和-0.11), 而与气温、风速和露点温度显著正相关(相关系数分别为0.39, 0.20和0.19), 对于大气能见度影响较高的因素依次为气温、空气相对湿度、NO2浓度、PM2.5浓度和AQI。K均值聚类分析和回归模型构建显示, 夏季气温高、风速高、空气相对湿度低、海平面气压低的综合气候条件下, 千岛湖大气能见度高; 而在春冬季气温低、空气相对湿度高、海平面气压高的综合条件下, 大气能见度低。本研究构建了大气污染物浓度影响大气能见度的回归模型(P < 0.001), 贡献率(R2)较大的空气质量指标为AQI和PM10、PM2.5浓度, 表明AQI和PM10、PM2.5浓度对大气能见度影响较大, 且大气能见度也对大气环境质量具有一定指示作用。

参考文献(References)
董建文, 翟明普, 章志都, 等. 2009. 福建省山地坡面风景游憩林单因素美景度评价研究[J]. 北京林业大学学报, 31(6): 154-158.
(Dong J W, Zhai M P, Zhang Z D, et al. 2009. Single-factor analysis on scenic beauty of scenic-recreational forest in mountainous region of Fujian Province, eastern China[J]. Journal of Beijing Forestry University, 31(6): 154-158. [in Chinese])
傅伟聪, 董嘉莹, 王茜, 等. 2014. 福州市冬季若干典型游憩地大气颗粒物浓度日变化规律研究[J]. 热带作物学报, 35(2): 348-354.
(Fu W C, Dong J Y, Wang Q, et al. 2014. Daily change of atmospheric particulates in several typical recreation site in Fuzhou City[J]. Chinese Journal of Tropical Crops, 35(2): 348-354. [in Chinese])
傅伟聪, 陈梓茹, 朱志鹏, 等. 2016a. 福州城郊不同游憩空间大气颗粒物浓度的变化规律—以福建农林大学校园为例[J]. 福建农林大学学报:自然科学版, 45(4): 458-464.
(Fu W C, Chen Z R, Zhu Z P, et al. 2016a. Changing rule of atmospheric particulate matter concentration in Fuzhou different spatial suburb recreational region-take the campus of Fujian Agriculture and Forestry University for example[J]. Journal of Fujian Agriculture and Foresty University:Natural Science Edition, 45(4): 458-464. [in Chinese])
傅伟聪, 齐津达, 陈梓茹, 等. 2016b. 百里杜鹃国家森林公园盛花期游览路线选择[J]. 森林与环境学报, 36(1): 117-123.
(Fu W C, Qi J D, Chen Z R, et al. 2016b. Analysis on choosing touring route in Baili Rhododendron National Forest Park at blooming period[J]. Journal of Forest and Environment, 36(1): 117-123. [in Chinese])
傅伟聪, 齐津达, 朱志鹏, 等. 2016c. 百里杜鹃森林公园杜鹃盛开期大气颗粒物浓度变化特征[J]. 西北林学院学报, 31(2): 288-294.
(Fu W C, Qi J D, Zhu Z P, et al. 2016c. Changing features of atmospheric particulate matter concentration in azalea blooming period in Baili Azalea Forest Park[J]. Journal of Northwest Forestry University, 31(2): 288-294. [in Chinese])
郭二果, 王成, 郄光发, 等. 2009a. 北京西山典型游憩林空气颗粒物不同季节的日变化[J]. 生态学报, 29(6): 3253-3263.
(Guo E G, Wang C, Qie G F, et al. 2009a. Diurnal variations of airborne particulate matters in different seasons in typical recreation forests in West Mountain of Beijing[J]. Acta Ecological Sinica, 29(6): 3253-3263. [in Chinese])
郭二果, 王成, 彭镇华, 等. 2009b. 北京西山三种典型游憩林春季空气颗粒物日变化规律[J]. 林业科学, 45(6): 145-148.
(Guo E G, Wang C, Peng Z H, et al. 2009b. Diurnal variation of air born particulate matter in 3 typical recreation forests in West Mountain of Beijing Area in Spring[J]. Scientia Silvae Sinicae, 45(6): 145-148. [in Chinese])
兰思仁, 戴永务, 沈必胜. 2014. 中国森林公园和森林旅游的三十年[J]. 林业经济问题, 34(2): 97-106.
(Lan S R, Dai Y W, Shen B S. 2014. Three decades of forest park and forest tourism in China[J]. Issues of Forestry Economics, 34(2): 97-106. [in Chinese])
尹伟伦. 2015. 全球森林与环境关系研究进展[J]. 森林与环境学报, 35(1): 1-7.
(Yin W L. 2015. Advances in the relationship between forest and environment in the world[J]. Journal of Forest and Environment, 35(1): 1-7. [in Chinese])
Chang D, Song Y, Liu B. 2009. Visibility trends in six megacities in China 1973-2007[J]. Atmospheric Environment, 94(2): 161-167.
Che H, Zhang X, Li Y, et al. 2007. Horizontal visibility trends in China 1981-2005[J]. Geophysical Research Letter, 34(24): L24706. DOI:10.1029/2007GL031450
Chen Y, Xie S D. 2012. Temporal and spatial visibility trends in the Sichuan Basin, China, 1973 to 2010[J]. Atmospheric Research, 112: 25-34. DOI:10.1016/j.atmosres.2012.04.009
Deng J J, Wang T J, Jiang Z Q, et al. 2011. Characterization of visibility and its affecting factors over Nanjing, China[J]. Atmospheric Research, 101(3): 681-691. DOI:10.1016/j.atmosres.2011.04.016
Doyle M, Dorling S. 2002. Visibility trends in the UK 1950-1997[J]. Atmospheric Environment, 36(19): 3161-3172. DOI:10.1016/S1352-2310(02)00248-0
Huang W, Tan J G, Kan H D, et al. 2009. Visibility, air quality and daily mortality in Shanghai, China[J]. Science of the Total Environment, 407(10): 3295-3330. DOI:10.1016/j.scitotenv.2009.02.019
Husar R B, Holloway J M, Patterson D E, et al. 1981. Spatial and temporal pattern of eastern US haziness:a summary[J]. Atmospheric Environment, 15(10): 1919-1928.
Koschmieder H. 1926. Theorie der horizontalen Sichtweite Beit[J]. Physical Atmosphere, 12(1): 33-55.
Lee D. 1983. Trends in summer visibility in London and southern England[J]. Atmospheric Environment 1962-1979, 17(1): 151-159.
Molnar A, Meszaros E, Imre K, et al. 2008. Trends in visibility over Hungary between 1996 and 2002[J]. Atmospheric Environment, 42(11): 2621-2629. DOI:10.1016/j.atmosenv.2007.05.012
Watson J G. 2002. Visibility:science and regulation[J]. Journal of the Air & Waste Management Association, 52(6): 628-713.
Xue D, Li C F, Liu Q. 2015. Visibility characteristics and the impacts of air pollutants and meteorological conditions over Shanghai, China[J]. Environment Monitoring Assessment, 187(6): 363. DOI:10.1007/s10661-015-4581-8
Zhao P, Zhang X, Xu X, et al. 2011. Long-term visibility trends and characteristics in the region of Beijing, Tianjin, and Hebei, China[J]. Atmosphere Research, 101(3): 711-718. DOI:10.1016/j.atmosres.2011.04.019