南京大氣能見度變化規(guī)律及影響因子分析

侯靈，安俊琳，朱彬

(1．廣東省氣象信息中心，廣東廣州510080;2．南京信息工程大學氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，江蘇南京210044)

南京大氣能見度變化規(guī)律及影響因子分析

侯靈1，安俊琳2，朱彬2

(1．廣東省氣象信息中心，廣東廣州510080;2．南京信息工程大學氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，江蘇南京210044)

利用累積百分率法、Ridit中值分析法、“非常好”能見度出現(xiàn)頻率法以及平均能見度年際和季節(jié)變化法，對1980—2005年南京大氣能見度年際變化趨勢進行分析，發(fā)現(xiàn)1980—1984年能見度呈上升趨勢，1985年以后則在波動中呈明顯下降趨勢。26 a中，日均大氣能見度最小值為0.55 km，最大值為29.25 km，平均值為8.59 km。大氣能見度具有明顯的日變化和季節(jié)變化特征，一日之中，14時最好，08時最差;一年之中，冬季能見度最低，夏季最高。能見度與相對濕度呈負相關(guān)，與風速呈正相關(guān)，與溫度和氣壓的相關(guān)性相對較小。PM10是影響南京地區(qū)大氣能見度的首要污染物，通過對能見度與PM10平均質(zhì)量濃度進行曲線擬合發(fā)現(xiàn)，二者呈負相關(guān)，復(fù)相關(guān)系數(shù)在秋季最高，夏季最低。由統(tǒng)計預(yù)報方程可知，空氣污染和氣象條件協(xié)同作用對能見度的影響在春季、秋季、冬季較為明顯，夏季則相對較差。

能見度趨勢;氣象要素;大氣污染物;相關(guān)系數(shù)

0 引言

通常的能見度是指水平能見度，即指視力正常的人在當時天氣條件下，能夠從天空背景中看到和辨認出黑色、大小適度目標物的最大水平距離;夜間則是能看到和確定出的一定強度燈光的最大水平距離(Chan et al.，1999)。美國、英國等國家從20世紀60年代起就開始了對大氣能見度變化趨勢的研究，并對能見度變化趨勢進行定量化分析，以此作為衡量空氣污染的指標，分析空氣污染的變化規(guī)律(Craig and Faulkenberry，1979;Sloane，1982，1984;Doyle and Dorling，2002)。1990年以來，美國分析了其大陸能見度降低的趨勢與空氣中顆粒物濃度變化的關(guān)系。20世紀80年代以來我國針對能見度變化也開展了一系列的研究?？傮w來說，目前我國的研究較多采用趨勢統(tǒng)計分析(趙習方等，2001;王淑英等，2003;范引琪等，2005)，而對能見度的影響因素系統(tǒng)探究較少。

城市大氣能見度與濕度、風速等氣象條件及霧、降水、浮塵等天氣現(xiàn)象有密切關(guān)系。近年來，引起大氣能見度下降的主要原因是大氣污染，其中大氣顆粒物特別是細顆粒物是造成能見度下降的主要原因(宋宇等，2003;王淑英等，2003)，而且大氣能見度與顆粒物的成分也有密切關(guān)系(Tsai and Cheng，1999;Cheng and Tsai，2000)，硫酸鹽類和硝酸鹽類是導(dǎo)致其下降的最主要的成分(Lee and Sequeira，2002)。在沒有污染的大氣中，能見度可達到250 km(Leavey and Sweeney，1990)。大氣受到污染后，顆粒狀污染物對光線的散射和吸收有降低能見度的效應(yīng)(周淑貞和張超，1985)。大氣污染物綜合排放標準詳解中指出，通常顆粒物質(zhì)量濃度達0.10 μg/m3時，能見度開始下降，質(zhì)量濃度達 0.25 μg/m3時，大氣能見度下降52.7%，太陽輻射損失12%以上，質(zhì)量濃度達0.50 μg/m3時，大氣能見度下降80.8%(國家環(huán)境保護局科技標準司，1997)。因此，大氣能見度的變化反映了環(huán)境空氣質(zhì)量的優(yōu)劣，是空氣中顆粒物污染的重要標志之一。

能見度的好壞直接影響人們的工作、生活以及陸、海、空交通活動的正常進行。南京是長江三角洲地區(qū)的中心城市之一，隨著工業(yè)化、城市化不斷發(fā)展，近年來灰霾現(xiàn)象越來越嚴重，能見度惡化事件也越來越多。因此，分析南京大氣能見度的變化規(guī)律，探討能見度與大氣污染物、氣象要素之間的關(guān)系，對指導(dǎo)大氣能見度改善與污染物治理有重要意義。

1 資料

本文選用的 1980—2005 年每日 02、08、14、20時(北京時間，下同)的地面常規(guī)氣象要素(水平能見度、溫度、壓強、相對濕度、風速)資料是從中國氣象局提供的地面氣候資料定時值數(shù)據(jù)集中獲取的;大氣污染物資料為中華人民共和國環(huán)境保護部提供的大氣污染指數(shù)(API，air pollution index)(數(shù)據(jù)來源http://datacenter.mep.gov.cn/report/air_daily/air_dairy.jsp)，選取了2000年6月—2005年12月的API資料，利用濃度轉(zhuǎn)化表(數(shù)據(jù)來源http://www. gdepb. gov. cn/xcyjy/hjzs/daqi/200510/t20051020_18510.html)，首先將各臺站的API數(shù)據(jù)轉(zhuǎn)化為對應(yīng)的污染物質(zhì)量濃度，由于PM10是南京地區(qū)主要的污染物，本文主要對PM10日均質(zhì)量濃度資料進行分析。

2 方法

2.1 大氣能見度趨勢

本文將大氣能見度分為5個檔:［0，1.9］km、(1.9，9］km、(9，19］km、(19，39］km、＞39 km，分別用累積百分率法、Ridit中值分析法、“非常好”能見度出現(xiàn)頻率法以及平均能見度年際和季節(jié)變化法，對能見度變化趨勢進行分析。

2.1.1 累積百分率法

能見度資料為非均勻分類頻率分布的資料，很適合用累積百分率處理。第i段能見度累積百分率定義為所有觀測到的能見度等于或超過第i段區(qū)間能見度的百分率(Sloane，1984)，能見度的累計頻率分布函數(shù)可表示為

其中:f(v)表示能見度頻率密度函數(shù);vi表示第i段的能見度;n表示能見度總的觀測次數(shù);ni表示在n次觀測中有ni次能見度等于或超過vi值。因此×100%表示第i段能見度的累積百分率。

能見度趨勢就是與某一特定的累積百分率相對應(yīng)的能見度隨時間的變化。通常這個代表趨勢的、特定的累積百分率取50%，如果能見度資料連續(xù)且其頻率分布范圍大，則50%就是累積百分率的中值。但在實際應(yīng)用中，對于某些年代，50%的累積百分率只能由外推得到。由于實際的累積百分率曲線并不是線性的，外推困難，即便推出結(jié)果，其誤差也會很大(Sloane，1984)。因此，應(yīng)根據(jù)能見度頻率分布的實際情況選擇作趨勢分析的特定的累積百分率。本文分別選累積百分率為10%、60%和90%所對應(yīng)的能見度進行“能見度高值、中值和低值”的趨勢分析。應(yīng)用累積百分率法，可以比較直觀地了解一段時間內(nèi)較好能見度、一般能見度和較差能見度的年際變化序列。

2.1.2 Ridit中值分析法

Ridit中值分析法(Doyle and Dorling，2002)主要用來分析邊緣變量，人工觀測的大氣能見度就屬于邊緣變量，觀測值的準確性取決于觀測員的技術(shù)水平。

Ridit中值定義為某一給定時段的能見度好于總體能見度的概率。令fA(v)為某一給定時段的能見度頻率密度函數(shù)(簡稱A分布)，fR(v')為總體能見度頻率密度函數(shù)(簡稱參考分布或R分布)，F(xiàn)R表示參考分布的累積百分率分布函數(shù)。則A分布中某一能見度觀測值(vA)大于R分布中某一能見度觀測值(v＇R)的頻率由下式給出

上式中積分上限應(yīng)取最大的能見度(本文取40 km)。如果用fAi和fRi分別代表各自分布中第i段能見度出現(xiàn)的頻率，則Ridit中值的計算公式為

相對于累積百分率法，Ridit中值分析法具有以下優(yōu)點:以整個能見度時間序列作為參考分布，非常簡捷地反映了整個能見度觀測值的分布;在計算過程中不涉及任何外推;對雨、霧及高相對濕度等氣象條件的影響不敏感(Sloane，1982)。

2.1.3 “非常好”能見度出現(xiàn)頻率法

這是一種比較簡單的分析方法，先計算出各段能見度出現(xiàn)頻率，再確定出“非常好”能見度所占的百分比。本文將大于19 km的能見度定義為“非常好”的能見度，因為19 km是判斷大氣污染物影響夏季能見度水平的一個非常好的標志(Gomez and Smith，1987)。

2.1.4 平均能見度年際和季節(jié)變化法

這種方法非常簡單，通過計算得到每年的年平均能見度和各季平均能見度，用于分析26 a來能見度的總體變化趨勢。這種方法的優(yōu)勢在于能夠利用較簡單的方法直觀地了解各季節(jié)能見度的年際變化趨勢。

2.2 能見度與各氣象要素的偏相關(guān)

能見度受多個因子影響，在分析某一個因子的影響時，必須先固定其他自變量的影響。偏相關(guān)分析也稱凈相關(guān)分析，它是在控制其他變量的線性影響下分析兩變量間的線性相關(guān)。偏相關(guān)分析可以有效地揭示變量間的真實關(guān)系，識別干擾變量并尋找隱含的相關(guān)性。根據(jù)m個預(yù)報因子與y的相關(guān)矩陣，則偏相關(guān)系數(shù)(黃嘉佑，2004)表示為

偏相關(guān)是衡量兩個變量之間關(guān)系密切程度的量，這個量的大小是否顯著也需要作統(tǒng)計檢驗。偏相關(guān)分析的原假設(shè)為兩總體的偏相關(guān)系數(shù)與0無顯著差異，采用t統(tǒng)計量作為檢驗統(tǒng)計量，其數(shù)學定義為

其中:r為偏相關(guān)系數(shù);n為樣本數(shù);q為階數(shù)。如果檢驗統(tǒng)計量的概率p值小于給定的顯著水平α，則應(yīng)拒絕原假設(shè)，認為偏相關(guān)顯著;反之，則接受原假設(shè)，認為兩總體的偏相關(guān)系數(shù)與0無顯著差異。

3 結(jié)果與討論

3.1 南京地區(qū)能見度統(tǒng)計特征

為了解大氣能見度的基本分布規(guī)律，本文對1980—2005年的日平均能見度進行統(tǒng)計分析發(fā)現(xiàn)，26 a來，日均能見度最小值為0.55 km，最大值為29.25 km，平均值為8.59 km，出現(xiàn)次數(shù)最多的能見度為7.25 km，分布偏度為0.85，峰度為0.67。

對1980—2005年每日四個時次的能見度進行統(tǒng)計分析，結(jié)果表明，大氣能見度日變化特征明顯，早晨08時能見度最差，平均為5.92 km，夜間02時次低，平均為7.60 km，午后14時最好，平均為11.69 km，這與廣州大氣能見度日變化特征相同(沈家芬等，2007)。08時能見度最低有三方面的原因，一是清晨大氣層結(jié)較為穩(wěn)定，近地氣層內(nèi)常有逆溫出現(xiàn)，抑制了低層空氣中污染物向上輸送;二是清晨尾氣排放、炊煙等人類活動較為集中，造成大氣污染源排放量增加;三是夜間至早晨相對濕度較大，風速較小，易產(chǎn)生輻射霧。而日出之后，隨著太陽輻射加強，空氣濕度減少，逆溫逐漸抬升而消失，大氣垂直交換加強，空氣污染物容易擴散，因此午后通常是一日之中大氣能見度最好的時段。

3.2 能見度變化趨勢

由于08時能見度觀測值易受局地兩方面的影響:一是早晨出現(xiàn)的輻射霧，二是由于夜間形成的近地逆溫未被破壞，導(dǎo)致此時近地面顆粒物濃度升高。而02時和20時分別屬夜間和傍晚，這兩個觀測時刻所選的目標物與白天目標物不同，易造成觀測資料的不一致(范引琪等，2005)。因此本文選取14時的能見度資料進行能見度趨勢分析，因為該時刻的觀測值比其他時刻更能代表所在區(qū)域的能見度水平。此外，為了排除霧的影響，本文僅選取14時中相對濕度小于90%的能見度資料進行本節(jié)的能見度趨勢分析。

3.2.1 累積百分率法結(jié)果

圖1為1980—2005年南京地區(qū)不同累計百分率對應(yīng)的大氣能見度高值、中值和低值的變化趨勢?？芍?，1980—2005年年平均能見度高值、中值及低值變化趨勢基本一致，1980—1984年均呈上升的趨勢，1985—2005年能見度在波動中呈下降趨勢。能見度高值在1991年之前變化不大，約為30 km，1991年之后，下降比較明顯，到2003年，僅為15 km左右;能見度低值變化不大，但整體上也呈現(xiàn)出明顯的下降趨勢;能見度中值的年際變化一般能較好地代表大氣能見度的整體變化趨勢，1980—1984年，能見度中值從15 km增加到20 km，1985—1995年，能見度中值呈明顯下降趨勢，1998年以后下降趨于平緩，2004年下降趨勢中斷，能見度略微回升，這說明2004年能見度惡化的情況有了一定的改善，這可能與南京為準備2005年第10屆全國運動會進行的污染治理及綠化行動有關(guān)。

圖1 能見度高值、中值和低值的變化趨勢Fig.1 Variation trends of the high visibility，the median visibility and the low visibility

3.2.2 Ridit中值分析法結(jié)果

本文用1980—2005年的觀測資料代表其總體能見度，它的頻率分布稱為參考分布。分別用Ridit中值分析方法對能見度進行年、夏季、冬季趨勢分析。計算年Ridit中值時，參考分布用1—12月的資料;計算夏季、冬季的Ridit中值時，參考分布分別用6—8月和12月—次年2月的資料。

由圖2可知，年、夏季Ridit中值曲線變化趨勢基本一致，1980—1984年均呈上升趨勢，1985—2005年在波動中呈下降趨勢，這與累積百分率法分析結(jié)果一致。冬季Ridit中值較小且變化趨勢不明顯。夏季Ridit中值最大，略高于年Ridit中值而遠大于冬季Ridit中值。1993年以前，年Ridit中值都大于0.5，說明這個時期各年的能見度均好于26 a平均的能見度。1993—1995年，年Ridit中值在0.5上下波動，這個時期屬于能見度降低的過渡期。1996年，年Ridit中值降為0.49，在隨后的年份中，年Ridit中值一直小于0.5，說明此后各年份的能見度均差于26 a能見度的平均水平。2003年，年Ridit中值達到最低，此后有了一個較小的增長，但2004年以后年Ridit中值降低趨勢又延續(xù)了下去。3.2.3 “非常好”能見度出現(xiàn)頻率法結(jié)果

圖2 Ridit中值的變化趨勢Fig.2 Variation trends of mean Ridit

圖3描述了1980—2005年“非常好”能見度出現(xiàn)頻率變化趨勢。結(jié)果表明:26 a中，“非常好”能見度出現(xiàn)頻率在1980—1984年呈上升趨勢，1985—2005年在波動中呈下降趨勢，這與年Ridit中值變化趨勢一致，但是它主要強調(diào)的是各年份中比較好的能見度出現(xiàn)頻率的年際變化。

圖3 “非常好”能見度年出現(xiàn)頻率變化趨勢Fig.3 Variation trend of“very good”visibility frequency

由圖3可知，1980—1984年，“非常好”能見度年出現(xiàn)頻率從29.3%上升到41.3%，能見度高值出現(xiàn)的次數(shù)增加，說明這段時間大氣能見度得到了改善。1985年以后，“非常好”能見度年出現(xiàn)頻率在波動中呈現(xiàn)出明顯的下降趨勢，1996—2001年下降速率減緩，但從2002年開始，下降速率又加快，“非常好”能見度年出現(xiàn)的頻率接近于0，說明這段時間能見度嚴重惡化。2004年以后，“非常好”能見度年出現(xiàn)頻率略有增加。

3.2.4 平均能見度年際和季節(jié)變化法結(jié)果

利用1980—2005年每日14時能見度資料，可得能見度年際和季節(jié)變化趨勢，如圖4所示。

由圖4可見，大氣能見度年變化與各季節(jié)變化趨勢基本一致，1980—1984年呈上升趨勢，1985—2005年在波動中呈下降趨勢。由各季節(jié)能見度趨勢變化曲線可知，一年之中，夏季平均能見度最高，春季和秋季次之，冬季最低。這主要是由溫度決定的，溫度越高，大氣對流運動越強，混合層高度越高，越有利于污染物擴散。由能見度年際變化曲線可知，1980—1984年能見度呈逐年上升的趨勢，1985—1994年下降趨勢比較明顯，1994、1995年有了一個較小的回升之后，1995—1999年能見度又變差，1999—2001年能見度逐年轉(zhuǎn)好，2002年之后又不斷降低，2003年能見度達到所有觀測年份的最低，2004年有了一個較小回升之后能見度繼續(xù)降低，這與以上3種方法所得的分析結(jié)果是一致的。

圖4 能見度年際和季節(jié)變化趨勢Fig.4 Variation trends of the annualand seasonal average visibility

3.3 能見度影響因子

3.3.1 能見度與氣象要素的相關(guān)性

能見度的基本特征是由區(qū)域氣候條件決定的，混合層高度、相對濕度、平均風速、溫度、24 h變壓、變濕、氣壓等氣象要素與能見度有明顯的相關(guān)關(guān)系。相對濕度和平均風速對大氣能見度的影響較大，而地面24 h變壓、氣壓和氣溫的影響則相對較小(王淑英等，2003;沈家芬等，2007)。

利用1980—2005年的常規(guī)觀測資料，統(tǒng)計分析可得日均能見度與對應(yīng)地面氣象要素偏相關(guān)系數(shù)，能見度與相對濕度呈顯著反相關(guān)，相關(guān)系數(shù)為-0.46，統(tǒng)計T檢驗結(jié)果顯示p值小于10-3，通過了顯著性水平為0.01的統(tǒng)計檢驗。當空氣中水汽較豐富時，一方面，發(fā)生凝結(jié)而生成大量的小液滴，小滴通過反射、散射作用，損耗太陽輻射，另一方面，小液滴吸附細粒子，從而降低能見度。能見度與平均風速呈顯著正相關(guān)關(guān)系，相關(guān)系數(shù)為0.29，p值為0.01。風可以使大氣中的沙塵和污染物快速擴散，從而使沙塵或煙霧淡化，能見度就會增大。能見度與溫度、氣壓的相關(guān)系數(shù)分別為0.22和0.12，統(tǒng)計檢驗結(jié)果顯示p值均小于10-3，通過了0.99置信度的顯著性檢驗，但較之相對濕度和風速，溫度和氣壓對能見度的影響較小。

各季節(jié)平均能見度與相應(yīng)地面氣象要素的相關(guān)系數(shù)分布如圖5所示?？梢?，各季節(jié)平均能見度與相對濕度呈顯著負相關(guān)關(guān)系，與風速呈較好正相關(guān)關(guān)系，而溫度、氣壓與能見度的相關(guān)性不穩(wěn)定，在冬季和夏季均呈負相關(guān)。

由圖5可知，溫度、氣壓與能見度相關(guān)系數(shù)相對較小且不穩(wěn)定。春季、夏季和秋季，溫度與各季平均能見度均呈正相關(guān)，而在冬季呈負相關(guān)，相關(guān)系數(shù)為-0.29，統(tǒng)計檢驗顯示p值小于10-3。冬季溫度的降低主要受北方冷空氣的影響，冷空氣到來伴隨的高空冷槽等天氣系統(tǒng)使地面氣壓升高，有利于大氣污染物擴散，即氣溫下降、氣壓升高使得大氣能見度好轉(zhuǎn)。而夏季南京多處于副熱帶高壓控制之下，溫度高，地面氣壓低，大氣不穩(wěn)定出現(xiàn)的機會增多。地面溫度越高，垂直交換層越高，越有利于污染物的擴散，能見度越好。因此，冬季氣壓與能見度呈現(xiàn)出較好的正相關(guān)性，相關(guān)系數(shù)為0.35;而夏季氣壓與能見度呈負相關(guān)關(guān)系，且相關(guān)性較差，相關(guān)系數(shù)為-0.03，p值為0.23，未通過顯著性水平為0.05的統(tǒng)計T檢驗。而由于春季、秋季溫度氣壓變化不明顯，它們與能見度的相關(guān)性都較小。

圖5 各季節(jié)日平均能見度與各氣象要素的關(guān)系Fig.5 Correlation between the meteorological factors and the daily average visibility in different seasons

對比溫度與各季節(jié)能見度的相關(guān)系數(shù)可知，不同季節(jié)溫度對能見度的影響效果不同，而國內(nèi)一些研究表明不同地點其作用也不同，如徐鵬煒等(2005)發(fā)現(xiàn)杭州能見度與溫度呈正相關(guān)關(guān)系，而陶俊等(2007)則發(fā)現(xiàn)廣州能見度與溫度呈負相關(guān)關(guān)系。

3.3.2 低能見度、高濕、小風日出現(xiàn)概率的年際變化

低能見度指小于等于1 km的能見度，高濕度指大于等于80%的相對濕度，小風指小于等于2 m/s的風速 (Craigand Faulkenberry，1979)。利用1980—2005年常規(guī)氣象要素資料，統(tǒng)計分析各風速及各濕度所對應(yīng)的低能見度次數(shù)占能見度總觀測次數(shù)的百分比，發(fā)現(xiàn)當風速小于等于2 m/s時，低能見度次數(shù)占對應(yīng)能見度總觀測次數(shù)的85%;而風速大于2 m/s時，低能見度次數(shù)只有15%，說明小風天氣更有利于低能見度的出現(xiàn)。當相對濕度大于等于80%時，低能見度次數(shù)占74%，說明高濕更有利于產(chǎn)生低能見度天氣。為了進一步了解高濕對低能見度的影響，分別統(tǒng)計1980—2005年高濕和低能見度出現(xiàn)概率，得到其年際變化趨勢(圖6)?？梢?，高濕度與低能見度呈現(xiàn)出很好的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.52，p值為0.01，通過了置信度為0.99的顯著性檢驗。而對小風與低能見度做相關(guān)性分析也發(fā)現(xiàn)二者呈較好的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.45，p值為0.02，通過了顯著性水平為0.05的顯著性檢驗。

圖6 高濕度出現(xiàn)概率及08時低能見度出現(xiàn)概率的年際變化Fig.6 Interannual variations of high relative humidity and low visibility frequencies at 08:00 BST

3.4 大氣污染物對能見度的影響

統(tǒng)計分析南京逐日污染指數(shù)資料發(fā)現(xiàn)，在所研究的時間段內(nèi)，當空氣質(zhì)量為污染(空氣污染指數(shù)大于100)和良(空氣污染指數(shù)為51～100)時，對應(yīng)的每天的首要污染物均為PM10，所以下文重點分析PM10與大氣能見度的關(guān)系。

由于早晨人類活動集中，再加上地面逆溫層的影響，08時近地面污染物較多，對能見度影響最大。對08時能見度進行相對濕度訂正后(Rosenfeld et al.，2007)，利用2005年各季節(jié)每日08時能見度資料和日均PM10質(zhì)量濃度值，進行曲線擬合。由擬合結(jié)果可知，08時能見度與日均PM10質(zhì)量濃度的對數(shù)有很好的線性關(guān)系，各季08時能見度均隨PM10質(zhì)量濃度增高而減小。秋季08時能見度與PM10質(zhì)量濃度相關(guān)性最好(圖7)，復(fù)相關(guān)系數(shù)為0.60，春季、冬季次之，夏季二者相關(guān)性較差，復(fù)相關(guān)系數(shù)為0.19。利用主成分因子分析法可知，2005年夏季PM10對08時能見度的貢獻率小于7%。夏季PM10對能見度影響較小主要有兩方面的原因:1)5—7月南京正值梅雨季節(jié)，降水持續(xù)，對顆粒物有明顯的去除作用(胡敏等，2006);2)是夏季高溫使空氣垂直擴散層增高，污染物容易擴散，使得PM10對能見度的影響減弱。此外，能見度日變化特征顯示14時能見度最好，本文對每日14時能見度與日均PM10質(zhì)量濃度值也進行了曲線擬合，擬合方程的形式為:y=B0+B1X。對比14時與08時擬合結(jié)果(表1)可以發(fā)現(xiàn)，14時能見度與日均PM10質(zhì)量濃度的對數(shù)線性關(guān)系較差，除秋季顯著相關(guān)之外，其他季節(jié)的擬合

圖7 秋季08時能見度與PM10質(zhì)量濃度的相關(guān)關(guān)系Fig.7 Relativity between the average mass concentration of PM10and the visibility at 08:00 BST in autumn

結(jié)果均未通過顯著性水平為0.05的統(tǒng)計T檢驗。

表1 08時和14時大氣能見度與日均PM10質(zhì)量濃度對數(shù)線性擬合特征Table 1 The logarithm linear fitting characteristics of daily mean PM10mass concentration and the visibility at 08:00 BST and 14:00BST

3.5 能見度統(tǒng)計預(yù)報方程

大氣能見度是各影響因子共同作用的結(jié)果，統(tǒng)計分析可得2000年6月至2005年12月期間能見度日均值與各影響因子的相關(guān)系數(shù)分布。由表2可知，各季節(jié)能見度均與相對濕度的相關(guān)系數(shù)最大;春季與風速的相關(guān)系數(shù)次之，與PM10質(zhì)量濃度和溫度的相關(guān)系數(shù)較小;夏季與溫度的相關(guān)系數(shù)次之;秋季與PM10質(zhì)量濃度的相關(guān)系數(shù)次之;冬季則與氣壓的相關(guān)性次之，與溫度和PM10質(zhì)量濃度也呈顯著負相關(guān)關(guān)系。

表2 日均能見度與其影響因子的相關(guān)系數(shù)Table 2 Correlation coefficients of daily average vi sibility and its influence factors

利用2000年6月—2005年12月期間能見度、氣象要素和污染物濃度同步資料，對各季日均能見度和主要影響因子進行多元線性回歸。通過主成分因子分析法分析可知，氣壓對日均能見度的貢獻小于5%，相比其他因子，氣壓的影響可忽略。所以本文所選因子為:X1(相對濕度)，X2(風速)，X3(PM10質(zhì)量濃度)，X4(溫度)。多元線性回歸方程的形式為

其中:b0為常數(shù);b1、b2、b3、b4稱為各因子的回歸系數(shù)。統(tǒng)計結(jié)果見表3，R為復(fù)相關(guān)系數(shù)。

表3 日平均能見度與其影響因子的多元回歸分析結(jié)果Table 3 Results of multivariate regression analysis of daily mean visibility and its influence factors

統(tǒng)計結(jié)果表明，空氣污染和氣象條件共同作用對能見度的影響以春、秋、冬季最為明顯，相關(guān)系數(shù)在0.75以上，夏季相對較差，相關(guān)系數(shù)為0.67，但是根據(jù)各季節(jié)數(shù)據(jù)建立的線性回歸方程均通過了顯著性水平為0.01的統(tǒng)計F檢驗。而從回歸系數(shù)來看，各季節(jié)均以PM10質(zhì)量濃度的貢獻最大，以日平均風速次大。

4 結(jié)論與討論

1)1980—2005年南京地區(qū)大氣能見度變化表現(xiàn)為1980—1984年逐年好轉(zhuǎn)，1985年以后大氣能見度在波動中呈明顯下降的趨勢。大氣能見度呈現(xiàn)出較明顯的日變化和季節(jié)變化特征，一年之中，冬季能見度最低，夏季最高;一日之中，08時能見度最差，14時最好。

2)大氣能見度與相對濕度呈較好的負相關(guān)關(guān)系，與風速呈正相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.45和0.23，與溫度和氣壓的相關(guān)性相對較小且不穩(wěn)定。高相對濕度、低風速是造成低能見度的主要氣象條件。

3)PM10是影響南京地區(qū)能見度的主要污染物，通過曲線擬合分析發(fā)現(xiàn)，08時能見度與PM10平均質(zhì)量濃度的對數(shù)具有很好的線性關(guān)系，顆粒物質(zhì)量濃度對能見度的影響以秋季最為明顯，其相關(guān)系數(shù)為0.60，夏季最差，相關(guān)系數(shù)為0.19。而14時能見度與PM10日均質(zhì)量濃度擬合效果較差。

4)綜合分析影響能見度的各因子可以發(fā)現(xiàn)，各季節(jié)能見度與相對濕度的相關(guān)性均最為顯著，次顯著因子因季節(jié)而異。由多元線性回歸方程可知，各因子共同作用對能見度的影響以春、秋、冬季較為明顯，夏季較差。

需要指出的是，PM10是影響南京地區(qū)能見度的最主要污染物，它對于低能見度的貢獻很大，但目前國內(nèi)PM10觀測點及觀測時次均較少，本文采用的PM10質(zhì)量濃度值為南京各觀測站點PM10質(zhì)量濃度的日均值，而采用的能見度資料為每日四次常規(guī)觀測中的一次或是日均值，由于觀測站點及觀測時間不一致，觀測值可比較性相對較差。此外，雖然國內(nèi)已經(jīng)出臺了能見度等級劃分標準，但目前各地的能見度資料受觀測員觀測水平的限制，觀測結(jié)果有很強的主觀性，不利于不同地區(qū)相互比較。期待國內(nèi)盡早出臺更為具體的等級劃分標準，以利于各地區(qū)資料的更好交流。

范引琪，李二杰，范增祿.2005.河北省1960—2002年城市大氣能見度的變化趨勢［J］.大氣科學，29(4):526-535.

國家環(huán)境保護局科技標準司.1997.大氣污染物綜合排放標準詳解［S］.北京:中國環(huán)境科學出版社.

胡敏，劉尚，吳志軍，等.2006.北京夏季高溫高濕和降水過程對大氣顆粒物譜分布的影響［J］.環(huán)境科學，27(11):2293-2298.

黃嘉佑.2004.氣象統(tǒng)計分析與預(yù)報方法［M］.北京:氣象出版社.

沈家芬，馮建軍，謝利，等.2007.廣州市大氣能見度的特征及其影響因子分析［J］.生態(tài)環(huán)境，16(4):1199-1204.

宋宇，唐孝炎，方晨，等.2003.北京市能見度下降與顆粒物污染的關(guān)系［J］.環(huán)境科學學報，23(4):468-471.

陶俊，謝文彰，許振成，等.2007.冬季廣州大氣能見度影響因子分析［J］.城市環(huán)境與城市生態(tài)，20(1):17-20.

王淑英，張小玲，徐曉峰.2003.北京地區(qū)大氣能見度變化規(guī)律及影響因子統(tǒng)計分析［J］.氣象科技，31(2):109-114.

徐鵬煒，譚湘萍，蔡菊珍，等.2005.杭州城市大氣消光系數(shù)和能見度的影響因子研究［J］.環(huán)境污染與防治，27(6):410-413.

趙習方，徐曉峰，王淑英，等.2001.北京地區(qū)低能見度區(qū)域分布初探［J］.氣象科技，29(4):19-22.

周淑貞，張超.1985.城市氣候?qū)W導(dǎo)論［M］.上海:華東師范大學出版社.

Chan Y C，Simpson R W，Mc Tainsh G H，et al.1999.Source apportionment of visibility degradation problems in Brisbane(Australia)using the multiple linear regression techniques［J］.Atmos Environ，33(19):3237-3250.

Cheng M T，Tsai Y I.2000.Characterization of visibility and atmospheric aerosols in urban，suburban，and remote areas［J］.The Science of the Total Environment，263(1/2/3):101-114.

Craig C D，F(xiàn)aulkenberry G D.1979.The application of ridit analysis to detect trends in visibility［J］.Atmos Environ，13:1617-1622.

Doyle M，Dorling S.2002.Visibility trends in the UK 1950—1997［J］.Atmos Environ，36:3161-3172.

Gomez B，Smith C G.1987.Visibility at Oxford 1926—1985［J］.Weather，42:98-106.

Leavey M，Sweeney J.1990.The influence of long range transport of air pollutants on summer visibility at Dublin［J］.Int J Climatol，10:191-201.

Lee Y L，Sequeira R.2002.Water-soluble aerosol and visibility degradation in Hong Kong during autumn and early winter，1998［J］.Environmental Pollution，116(2):225-233.

Rosenfeld D，Dai J，Yu X，et al.2007.Inverse relations between amounts of air pollution and orographic precipitation［J］.Science，315(5817):1396-1398.

Sloane C S.1982.Visibility trends I:Methods of analysis［J］.Atmos Environ，16:41-51.

Sloane C S.1984.Meteorologically adjusted air quality trends visibility［J］.Atmos Environ，18:1217-1229.

Tsai Y I，Cheng M T.1999.Visibility and aerosol chemical compositions near the coastal area in Central Taiwan［J］.The Science of the Total Environment，231(1):37-51.

(責任編輯:劉菲)

Characterization of visibility variation trend and its influence factors in Nanjing

HOU Ling1，AN Jun-lin2，ZHU Bin2
(1.Guangdong Meteorology Information Center，Guangzhou 510080，China;2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，NUIST，Nanjing 210044，China)

Visibility variation trends from 1980 to 2005 have been constructed using four different statistical methods:Ridit analysis，cumulative percentiles，frequency of“very good”visibility，and annual and seasonal means.Improvements in visibility were experienced from 1980 to 1984.A decline trend can be observed after 1985 with some fluctuations in the process.In these 26 years，the mean daily visibility was 8.59 km with the maximum at 29.25 km and the minimum at 0.55 km，respectively.There were obvious seasonal and daily variation features in visibility.It was worst in winter and best in summer in one year while it was worst at 08:00 BST and best at 14:00 BST in one day.Visibility showed a positive correlation with wind speed and a negative correlation with relative humidity.However，temperature and atmospheric pressure showed comparatively little correlation with it.PM10was the major pollutant in Nanjing.Curve estimation of daily mean PM10mass concentration and the visibility presented a negative correlation and the coefficient was the largest in autumn and the smallest in summer.A regression model based on relative humidity，PM10，wind speed and temperature has been developed.There were seasonal differences in the coactions of air pollution and meteorological condition on visibility，which was worse in summer than that in the other three seasons.

visibility trends;meteorological elements;air pollutant;correlation coefficient

P412.17

A

1674-7097(2014)01-0091-08

侯靈，安俊琳，朱彬.2014.南京大氣能見度變化規(guī)律及影響因子分析［J］.大氣科學學報，37(1):91-98.

Hou Ling，An Jun-lin，Zhu Bin.2014.Characterization of visibility variation trend and its influence factors in Nanjing［J］.Trans Atmos Sci，37(1):91-98.(in Chinese)

2011-06-10;改回日期:2011-12-11

國家自然科學基金資助項目(41305135;41275143);中國科學院戰(zhàn)略先導(dǎo)科技專項(B類)子課題(XDB05020206)

安俊琳，副教授，研究方向為大氣環(huán)境、大氣化學，junlinan@nuist.edu.cn.