, , , , , Li Tiantian
2013年1月，我国大范围雾霾天气引发了国内外的强烈关注。目前，低能见度现象频发成为重要的城市大气环境问题，这不但困扰着人们的工作和生活，其所伴随的空气污染也严重危害了人们的健康。有效的预警预报可以减小人体危害以及相关风险，然而能见度的预报十分困难，这一现状制约着低能见度天气对人体健康危害的预警预报。因此探索能见度的变化规律及其影响因素非常必要。这不但是能见度预测的基础[1]，更可以作为空气污染健康预警的重要依据。
冬季是低能见度天气和雾霾多发的季节，并且冬季能见度受气象因素和空气污染共同作用影响较大。目前国内的研究多以能见度的大时间尺度[2-4]或某单一时间段[5-6]变化趋势和影响因素为研究对象。尚无文献报道针对连续多年的冬季进行能见度变化规律和影响因素进行探讨。本研究将针对2008—2013年冬季的能见度进行研究，探索冬季能见度的变化规律，同时研究其影响因素，以期为能见度预报提供理论支持。
以往的研究在探讨能见度的影响因素时，往往同时纳入空气污染(尤其是PM2.5)和气象因素[1, 4-5]。根据以往的研究结果，能见度与风速、相对湿度等气象因素和空气污染物的浓度显著相关[1, 5-7]，大气污染与能见度有着密切的关系[8]，尤其是PM2.5的浓度对能见度有非常直接的影响。因此，根据现有研究结果，在能见度预报中，需要PM2.5的预报数据。从长期看，PM2.5浓度变化的根本原因是排放源的变化。然而研究证明，在污染源排放污染物相对平衡的情况下，城市污染气象条件决定了大气对污染物的输送和扩散能力[9-10]。大气中PM2.5浓度受气象因素影响也非常大[7]。因此在预测PM2.5的过程中，当源排放量相对稳定时，主要考虑气象因素的影响[11]。据文献报道[12]：PM2.5浓度与风速、能见度、气压、相对湿度相关。由于受多种气象因子的综合影响，以及各气象因子之间的相互作用，PM2.5浓度与气象条件的关系比较复杂。可见，PM2.5的预测技术相比气象因素的预测并不成熟。因此本研究除了探讨PM2.5和气象因素对能见度的共同影响外，还将探讨PM2.5与风速、气压、相对湿度之间的关系。以考察将PM2.5预测合并入能见度预测公式，即仅使用气象因素进行能见度预报是否可行，以期科学简化预报步骤，最终为健康风险预警提供依据。
1 方法 1.1 数据来源本研究所用资料为中国气象科学数据共享服务网[13]提供的2008—2013年冬季(2008年12月—2009年2月、2009年12月—2010年2月、2010年12月—2011年2月、2011年12月—2012年2月、2012年12月—2013年2月)共451 d的北京市南郊观象台(台站代码：54511；经纬度：39.48 N，116.28 E)的平均气温、平均相对湿度、降水量的逐日数据，以及气压、风速、水平能见度的小时值(0：00、6：00、12：00、18：00)，其中水平能见度的最大量程为30 km。PM2.5(2008年12月—2009年2月、2009年12月—2010年2月、2010年12月—2011年2月、2011年12月—2012年2月)的数据来自海淀区宝联监测站。
1.2 数据处理在进行能见度变化特征分析时，使用2008—2013年冬季数据。水平能见度、风速和气压的日均值取小时值的平均值。由于降水干扰能见度的测量，因此删除降水日的观测数据[14]。湿度过大也会严重干扰能见度测定的准确性，因此删除日平均湿度大于90%的观测数据[15]。删除数据占总数据的比例为10.2%，不影响研究期间的趋势变化。本研究将日均能见度大于19 km的天气判识为高能见度天气[16]，小于10 km时判识为低能见度天气[5]。在进行影响因素分析时，使用2008—2012年冬季的数据。
1.3 统计方法本研究利用二元相关和偏相关分析结合的统计方法，借助SPSS软件对能见度和各气象因子数据进行二元相关分析和偏相关分析。因为现有数据不符合正态分布，所以相关分析利用Spearman相关系数进行描述。二元相关显示了两变量间的相互影响程度，不排除受其他变量的影响[17]。因此本研究在多元相关分析中，利用偏相关分析控制其它变量的影响。
另外，用R语言进行多元线性回归分析。以能见度作为被解释变量，选择与能见度相关性较高的气象因素和/或PM2.5作为解释变量，并对分析结果进行检验。然后以PM2.5作为被解释变量，以风速、相对湿度、气压作为解释变量进行多元回归分析。
2 结果 2.1 能见度基本特征 2.1.1 年变化2008—2013年冬季(12—2月)北京市能见度水平见表 1。北京市平均能见度均值在16~21 km之间，其中最高值发生在2008—2009年和2010—2011年冬季，最低值发生在2012—2013年冬季。并且从2010—2011年至2012—2013年，能见度逐年下降。从2008—2009年开始，冬季能见度的最小值逐年下降，2012—2013年冬季能见度最小值仅为1 km。由于能见度量程为30 km，因此历年能见度最大值均为30 km。
| 时间 | 均值 | 95% | 最小值 | 百分位数(%) | ||
| Mean±SD | 置信区间 | 25 | 50 | 75 | ||
| 2008—2009年 | 18±8 | (17，20) | 7 | 12 | 18 | 25 |
| 2009—2010年 | 21±8 | (19，22) | 5 | 15 | 22 | 28 |
| 2010—2011年 | 21±8 | (19，22) | 3 | 15 | 23 | 28 |
| 2011—2012年 | 18±8 | (17，20) | 2 | 11 | 20 | 25 |
| 2012—2013年 | 16±9 | (14，18) | 1 | 8 | 13 | 24 |
| 2008—2013年 | 19±8 | (18，20) | 1 | 11 | 21 | 26 |
根据对高能见度天数和低能见度天数的统计，2010—2011年冬季低能见度天数最少，为11 d；2012—2013年低能见度天数为24 d，比前4年显著增加。2010—2011年高能见度天数最高，为55 d；2012—2013年高能见度天数最少，为29 d。
2.1.2 月变化2008—2013年冬季北京市能见度月均值如图 1所示。由图 1并未观察到12—2月能见度月均值的规律变化。能见度最高的为2011年1月，均值为25 km；最低的为2013年1月，能见度均值为12 km，比往年同期明显下降。
|
| 图 1 2008—2013年冬季北京市能见度月均值 |
2.1.3 日变化
2008—2013年冬季北京市能见度日变化见表 2。根据表 2，能见度最高的为6:00的观测值；除2008—2009年外，能见度最低的为18:00。由5年均值可知，能见度由高到低为：6:00、12:00、0:00、18:00，分别为：21 km、19 km、18 km、18 km。
| 时间 | 0:00 | 6:00 | 12:00 | 18:00 |
| 2008—2009年 | 17 | 20 | 19 | 18 |
| 2009—2010年 | 20 | 22 | 21 | 19 |
| 2010—2011年 | 20 | 23 | 21 | 19 |
| 2011—2012年 | 18 | 20 | 18 | 17 |
| 2012—2013年 | 15 | 17 | 16 | 15 |
| 2008—2013年 | 18 | 21 | 19 | 18 |
2.2 影响能见度的气象特征
将PM2.5、相对湿度、温度、气压、风速分别与能见度数据进行二元相关和偏相关分析，分析结果见表 3。
| 控制变量 | PM2.5 | 相对湿度(%) | 温度(℃) | 气压(kpa) | 风速(m/s) | |
| spearman相关 | / | -0.685** | -0.720** | -0.262** | 0.442** | 0.534** |
| 温度、气压、风速、湿度 | -0.379 | / | / | / | / | |
| PM2.5、温度、气压、风速 | / | -0.532 | / | / | / | |
| 偏相关 | PM2.5、湿度、气压、风速 | / | / | 0.085 | / | / |
| PM2.5、湿度、温度、风速 | / | / | / | 0.320 | / | |
| PM2.5、湿度、气压、温度 | / | / | / | / | 0.429 | |
| 注：**在置信度为0.01时，相关性是显著的 | ||||||
由Spearman相关分析结果(表 3)可知：能见度与PM2.5、相对湿度、温度、气压以及风速均为Spearman显著相关。与PM2.5的相关系数为-0.685；与相对湿度相关系数为-0.720；与温度的相关系数为-0.262；与气压的相关系数为0.442；与风速的相关系数为0.534。
由偏相关分析结果(表 3)可知：在控制其他因素的情况下：能见度与PM2.5相对湿度依然呈显著负相关；温度与能见度相关性较差，相关系数是0.085。气压与能见度呈正相关，偏相关系数为0.320；PM2.5与能见度的偏相关系数为-0.379；风速与能见度呈正相关，相关系数是0.429。
根据能见度和气象要素的相关分析，选取与能见度相关性较高的风速(X1)、相对湿度(X2)、气压(X3)、PM2.5(X4)作为解释变量，以能见度(Y)作为被解释变量，用R语言进行多元线性回归分析。所得回归方程为：
| $\text{Y=-205}\text{.3+19}\text{.31}{{\text{X}}_{1}}-0.19{{\text{X}}_{2}}+2.25{{\text{X}}_{3}}-0.04{{\text{X}}_{4}}$ | (1) |
回归方程R2值为0.707，P值小于2.2e-16且通过各项检验。根据回归结果，能见度与风速、相对湿度、气压、PM2.5均为显著相关。其中，与风速和气压为正相关，与相对湿度和PM2.5为负相关。
在回归分析时，如果不纳入PM2.5(X4)，则回归方程为：
| $\text{Y=-255}\text{.0+19}\text{.35}{{\text{X}}_{1}}-0.26{{\text{X}}_{2}}+2.73{{\text{X}}_{3}}$ | (2) |
回归方程R2值为0.659，P值小于2.2e-16，能见度与各自变量均为显著相关，且通过各项检验。
根据以往的研究，PM2.5浓度与风速、能见度、气压、相对湿度相关。因此本研究以PM2.5做为被解释变量，以风速、相对湿度和气压为解释变量进行回归分析，结果发现，只有相对湿度和大气压与PM2.5显著相关。因此以相对湿度和大气压作为解释变量进行回归，回归方程为：
| ${{\text{X}}_{4}}\text{=1 348}+1.66{{\text{X}}_{2}}-13.05{{\text{X}}_{3}}$ | (3) |
回归方程R2值为0.317，P值小于2.2e-16
将公式(3) 带入公式(1) 可得：
| $\text{Y=-259}\text{.2+19}\text{.31}{{\text{X}}_{1}}-0.25{{\text{X}}_{2}}+2.77{{\text{X}}_{3}}$ | (4) |
根据以上4个公式可知，将公式(3) 带入公式(1) 所得的公式(4) 与公式(2) 较为接近。
3 讨论2008—2013年冬季，北京市能见度整体呈现先升后降的趋势，在2010—2011年以后冬季能见度逐年下降，这可能与逐年增加的颗粒物排放源和雨带南移及华北持续干旱等气候变化因素有关[18]。2011年1月北京市能见度为5年冬季最高，根据本研究所获得风速的数据，这一高能见度的发生可能是由于同期风速较高，促进了污染物的扩散，这与张国文[19]的结论相同。北京市冬季能见度月均值差异较大，但是没有周期性规律(图 1)，这可能是由于整个冬季的风速和湿度没有一定的变化规律。本研究中观察到的能见度小时值由高到低依次为：6：00、12：00、0：00、18：00(表 2)，这与以往的一些研究结果有所区别。王淑英等[1]的研究结果表明，北京市1990—2000年，一日之中能见度由高到低依次为，14：00、20：00、2：00、8：00。一般认为夜间大气层相对稳定，逆温现象使得气溶胶粒子的输送受阻，因而能见度较低，午后由于太阳辐射，使大气垂直交换增强，地面风速高，因而能见度一般较高。这与本研究的结论并不冲突。根据脱宇峰等[20]的研究结果：济源市1月份的能见度小时变化趋势呈现双峰的形态，峰值分别在5：00和16：00左右。江苏省冬季的能见度峰值也出现在5：00和16：00左右[21]。在本研究中，小时观测值的观测时间与王淑英等[1]的研究时间均未取到峰值，并且两研究观测时间不同，研究季节也不同，因此结论不冲突。本研究的结论可能是由于北京冬季日出时间晚，日落时间早，大气层稳定时间长。晚18：00为交通高峰时段，污染物来源多，太阳辐射弱，大气交换动力减弱，扩散慢，因而能见度低；夜晚污染来源少，经过夜晚的扩散和沉降，因此早6：00的能见度相对较好。中午12：00虽然大气活动增强，但是污染来源也较多，因此能见度较6：00略差。
北京市冬季能见度受各类气象因子的综合影响。根据二元相关、偏相关以及公式(1) 的统计结果，能见度与相对湿度呈负相关；与风速呈明显的正相关。这一结论与文献[1, 4-6, 17]报道的结果相同。这是因为水汽不但能散射和吸收光，还可能改变大气中气溶胶粒子的光学特征和粒径分布，相对湿度的增加意味着颗粒物吸水变大，增加消光作用，能见度降低[22]。风速可以改变污染物扩散的速度，风速大时，污染物扩散加快，能见度增加，风速降低，不利于污染物扩散，能见度降低。但是本研究并未观察到文献[1, 23]中出现临界风速的现象，这可能是由于本研究是对能见度和风速取月均值，弱化了风速超过临界值的效应。另外，根据相关分析和回归方程：能见度与气压呈显著正相关，这是因为气压高时相对湿度低，易形成少云、雨和大风天气。能见度与PM2.5呈显著负相关，这是因为，颗粒物对光有吸收和散射作用[1]。
公式(4) 和公式(2) 差别不大，这说明在能见度的预测中，可以不纳入PM2.5。同时根据陈义珍等[6]的研究：能见度与颗粒物浓度可以通过方程进行换算，并且其方程并不包含变量。Huang等[24]指出：在开展空气污染健康研究的过程中，若缺乏大气污染监测数据，则能见度可以作为空气质量的替代指标。这些研究都说明能见度与PM2.5具有相似的变化规律，因此在排放量变化不大的情况下，对能见度的预估可以仅纳入气象因素。由公式(3) 可知，公式的R2值不高，这可能因为本研究所采用的PM2.5数值与气象因素的数值来自不同站点。虽然PM2.5受大尺度的天气背景影响，在北京市各站点间变化不大，但是小尺度的污染气象条件有所差别，并且本研究纳入气象因素较少，不能完全解释PM2.5的变化。
综上所述，本研究得到了2008—2013年北京市冬季能见度的变化规律，并分析了能见度与温度、相对湿度、风速、气压、PM2.5之间的关系，提出当排放量变化不大的情况下，在进行能见度影响因素分析和能见度预报时，可以不纳入PM2.5。这可以有效简化能见度的预报，并作为低能见度天气的预报和空气污染健康风险预警必要的基础研究。
| [1] | 王淑英, 张小玲, 徐晓峰. 北京地区大气能见度变化规律及影响因子统计分析[J]. 气象科技, 2003, 31(2): 109–114. |
| [2] | 张利, 吴涧, 张武. 1955-2000年中国能见度变化趋势分析[J]. 兰州大学学报(自然科学版), 2011, 47(6): 46–55. |
| [3] | 王淑英, 徐晓峰. 北京地区大气能见度的影响因素分析[C]. 《城市气象服务科学讨论会学术论文集》2001, 北京. |
| [4] | 施红, 陈敏, 韩晶晶. 上海地区大气能见度变化规律及影响因子分析[C]. 中国气象学会年会2007, 广州. |
| [5] | 刘永红, 冯婷, 蔡铭. 2009年广州能见度变化规律及主要影响因素分析[J]. 中国环境监测, 2012, 28(3): 32–36. |
| [6] | 陈义珍, 赵丹, 柴发合, 等. 广州市与北京市大气能见度与颗粒物质量浓度的关系[J]. 中国环境科学, 2010, 30(7): 967–971. |
| [7] | 宋宇, 唐孝炎, 方晨, 等. 北京市能见度下降与颗粒物污染的关系[J]. 环境科学学报, 2003, 23(4): 468–471. |
| [8] | 苏维瀚, 张秋彭, 沈济, 等. 北京地区大气能见度与大气污染的关系初探[J]. 大气科学, 1986, 10(2): 138–144. |
| [9] | Confalonieri U, Menne B, Akhtar R, et al. Human health. ClimateChange 2007:Impacts, adaptation and vulnerability. contribution of working group Ⅱ to the fourth assessment report of the intergovernmental panel on climate change, Parry ML, Canziani OF, Palutikof JP, van der Linden P and Hanson CE, Eds., Cambridge University Press, Cambridge, UK. 2007. 391-431. |
| [10] | 韩爱梅. 太原市大气污染气象条件分析[J]. 太原科技, 2005, 4: 26–28. doi: 10.3969/j.issn.1674-9146.2005.02.018 |
| [11] | 王继志, 杨元琴, 李怡, 等. 北京PM2.5浓度变化的气象条件PLAM指数诊断和预测研究[J]. S6大气成分与天气气候变化, 2019, 9: 428. |
| [12] | 孟昭阳, 张怀德, 林伟立, 等. 太原地区冬春季PM2.5污染特征及影响因素[J]. 中国科学院研究生院学报, 2007, 24(5): 648–656. |
| [13] | 中国气象局国家气象信息中心. 中国气象科学数据共享服务网. [EB/OL]. (2013-8-22). [2013-8-22]. http://cdc.cma.gov.cn/home.do. |
| [14] | Doyle M, Dorling S. Visibility trends in the UK 1950-1997[J]. Atmospheric Environment, 2002, 36(19): 3161–3172. doi: 10.1016/S1352-2310(02)00248-0 |
| [15] | Malm WC, Day DE. Estimates of aerosol species scattering characteristics as a function of relative humidity[J]. Atmospheric Environment, 2001, 35(16): 2845–2860. doi: 10.1016/S1352-2310(01)00077-2 |
| [16] | Gomez B, Smith C. Visibility at Oxford, 1926-1985[J]. Weather, 1987, 42(4): 98–106. doi: 10.1002/wea.1987.42.issue-4 |
| [17] | 洪全. 重庆市大气能见度变化趋势及影响因子[J]. 重庆大学学报, 2003, 26(5): 151–154. doi: 10.11835/j.issn.1000-582X.2003.05.037 |
| [18] | 唐傲寒, 赵婧娴, 韩文轩, 等. 北京地区灰霾化学特性研究进展[J]. 中国农业大学学报, 2013, 18(3): 1–7. |
| [19] | 张国文. 北京东北部城区PM2. 5中元素的污染特征及来源解析[D]. 人口资源与环境学院2012, 山东师范大学: 济南. 63. http://xueshu.baidu.com/s?wd=paperuri%3A%28078907f91d3dacee65f8db5230ce4f57%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fcdmd.cnki.com.cn%2FArticle%2FCDMD-10445-1012340176.htm&ie=utf-8&sc_us=14150607039488823312 |
| [20] | 脱宇峰, 潘攀, 张丽娟, 等. 济源市能见度特征及其影响因素分析[J]. 气象与环境科学, 2012, 35(1): 56–61. |
| [21] | 朱焱, 杨金彪, 朱莲芳, 等. 苏州市能见度与影响因子关系研究[J]. 气象科学, 2011, 31(5): 626–631. |
| [22] | 刘永红, 冯婷, 蔡铭. 2009年广州能见度变化规律及主要影响因素分析[J]. 中国环境监测, 2012, 28(3): 32–36. |
| [23] | 张宏, 刘子锐, 胡波, 等. 北京能见度变化趋势及冬季一次典型污染过程分析[J]. 气候与环境研究, 2011, 16(5): 620–628. |
| [24] | Huang W, Tan JG, Kan HD, et al. Visibility, air quality and daily mortality in Shanghai, China[J]. Science of The Total Environment, 2009, 407(10): 3295–3300. doi: 10.1016/j.scitotenv.2009.02.019 |