1980～2013年安徽霾天氣變化趨勢及可能成因

石春娥　王喜全李元妮　鄧學良　楊元建　溫華洋安徽省氣象科學研究所安徽省大氣科學與衛(wèi)星遙感重點實驗室，合肥230032中國科學院大氣物理研究所大氣邊界層物理和大氣化學國家重點實驗室，北京00029

1980～2013年安徽霾天氣變化趨勢及可能成因

石春娥1, 2王喜全2李元妮1鄧學良1楊元建1溫華洋1
1安徽省氣象科學研究所安徽省大氣科學與衛(wèi)星遙感重點實驗室，合肥230031
2中國科學院大氣物理研究所大氣邊界層物理和大氣化學國家重點實驗室，北京100029

石春娥, 王喜全, 李元妮, 等. 2016. 1980～2013年安徽霾天氣變化趨勢及可能成因 [J]. 大氣科學, 40 (2): 357?370.Shi Chune, Wang Xiquan, Li Yuanni, et al. 2016. The trend of haze in Anhui Province from 1980 to 2013 and the possible reasons [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (2): 357?370, doi:10.3878/j.issn.1006-9895.1504.14319.

對1980～2013年安徽省霾日數(shù)的時空變化趨勢及可能原因進行了分析，結果表明：（1）1980年以來，霾天氣年均發(fā)生日數(shù)總體呈上升趨勢，年際波動較大。不同年代，霾高發(fā)區(qū)的位置不同：20世紀80年代平均為5.5 d，沿江到江淮之間有零星的高發(fā)區(qū)；20世紀90年代平均為8.5 d，高發(fā)區(qū)在沿江中西部的望江和池州、省會合肥、淮北北部的蕭縣和靈璧；2000年代，平均發(fā)生日數(shù)為8.7 d，有3個高發(fā)區(qū)，分別是以合肥為中心的江淮之間中部、沿淮中部地區(qū)和沿江中東部地區(qū)。（2）按地理位置把安徽省分為6個子區(qū)，不同子區(qū)年霾日數(shù)的變化趨勢不同：皖南山區(qū)變化較平緩，沿淮地區(qū)2000年后上升明顯，淮北北部和沿江有先升后降的趨勢。（3）地級市平均霾日數(shù)呈顯著上升的趨勢，而縣城霾日數(shù)上升速度緩慢，且在2008年之后有下降趨勢。（4）城市化和汽車擁有量激增導致氮氧化物排放量快速增多，可能是2000年之后地級市霾日數(shù)顯著增多的主要因子，而縣城霾日數(shù)變化的驅動因子可能是氣候變化原因，如東亞季風強度的變化。

Founded bySpecial Fund for Meteorological Research in the Public Interest of China (Grant GYHY201206011), Special fund of the State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry (Grant LAPC-KF-2011-05), Anhui Provincial Natural Science Foundation (Grant 1608085MD84)

1　引言

霾是大量極細微的干塵粒等均勻地浮游在空中，使水平能見度低于10 km的空氣普遍混濁現(xiàn)象（中國氣象局，2007）。有學者根據(jù)相對濕度將霾分為干霾和濕霾，濕霾是水汽在吸濕性氣溶膠粒子上凝結而形成，水的溶解作用使得氣溶膠粒徑增大，能見度降得更低（楊軍等，2010）。

組成霾的顆粒物種類繁多，來源復雜。如有自然源產(chǎn)生的沙塵顆粒、海鹽、花粉粒子；人類活動直接排放的顆粒物（汽車尾氣、秸稈焚燒、工廠燃煤）和二次顆粒物（氣粒轉換生成的硫酸鹽、硝酸鹽）等（吳兌，2013）?？傊?，霾是一種天氣現(xiàn)象，自古就有，人類一直受其影響。但隨著人類活動的加劇，霾已經(jīng)從一種自然現(xiàn)象，變成一種常見的污染性天氣，其原因在于人為排放不斷增加。近年來，也有人將這種受到人類活動顯著影響的霾稱為灰霾，其本質是細粒子氣溶膠污染。組成灰霾的細粒子氣溶膠中二次氣溶膠比例頗大，不同于由土壤、沙塵粒子等組成的自然形成的霾（吳兌，2013）。

霾的危害很多。首先，霾天氣往往伴隨著嚴重的大氣污染，對人體健康有非常不利的影響。組成霾的細粒子中可能含有大量的重金屬等對人體有害的物質（Li and Shao, 2012），霾顆粒物可以吸濕增長轉化為霧滴，霧滴可以溶解有毒有害物質。有觀測表明南京霧天氣溶膠中的多環(huán)芳烴（PAHs）等含量遠高于晴天（顧凱華等，2011），霧滴還可以是微生物生長的溫床，傳染病的載體。因此，霾天氣可誘發(fā)呼吸道疾病等。其次，由于大量氣溶膠粒子的散射和反射作用，減少到達地面的太陽輻射，可造成小兒佝僂病高發(fā)，影響植物光合作用（王建國等，2008；任義芳等，2010）。由于大量的細粒子對輻射傳輸?shù)挠绊?，霾能降低大氣能見度，加劇氣候變化，導致災害性氣候極端事件頻發(fā)。因此，中國東部地區(qū)近年來頻繁發(fā)生大范圍的灰霾事件已引起大氣科學工作者的廣泛關注（王喜全等，2011，2013；王自發(fā)等，2014；王躍思等，2014；石春娥等，2014；高怡和張美根，2014；劉瑞婷等，2014）。這些研究在一定程度上加深了對中國東部地區(qū)霾天氣形成機制的理解，但這些研究主要側重于天氣條件，如輸送條件、擴散條件對典型霾污染事件的影響，而從氣候背景、污染源排放等方面綜合探討不同地區(qū)、不同規(guī)模城市霾天氣變化的共性與差異的研究尚不多見。

安徽省屬于泛長三角地區(qū)的內(nèi)陸農(nóng)業(yè)大省，除了西部大別山山脈和南部的黃山山脈地勢較高外，其余均為海拔15～400 m的丘陵和平原。主要農(nóng)作物，北邊以小麥為主，南邊以水稻、油菜為主。隨著城市化、工業(yè)化進程加快，并受周邊大氣污染輸送及農(nóng)業(yè)活動（如秸稈焚燒）的影響（楊元建等，2013），20世紀80年代開始安徽省城市能見度普遍下降，霾天氣迅速增多（張浩等，2008，2010；石春娥等，2014）。雖然城市霾天氣頻發(fā)，但由于霾的危害不及暴雨、連陰雨、霧等那么直接，目前還沒列入安徽的主要災害性天氣，對安徽霾天氣的相關研究也不多。僅有的研究集中在城市霾的氣候特征分析及氣象條件影響（張浩等，2010），而對造成安徽霾日數(shù)變化趨勢的原因未做深入分析。本研究利用安徽省80個地面測站水平能見度、相對濕度等資料，以及天氣現(xiàn)象觀測記錄，分析1980～2013年安徽省霾天氣的變化趨勢、不同規(guī)模城市測站霾日數(shù)變化趨勢，結合中國國家統(tǒng)計局發(fā)布的安徽省及周邊省份SO2排放量、燃煤量、汽車保有量等資料和Sciamachy（SCanning Imaging Absorption SpectromMeter for Atmospheric CHartographY）衛(wèi)星監(jiān)測對流層NO2柱含量資料、NCEP（National Centers for Environmental Prediction）/NCAR （National Center for Atmospheric Research）再分析資料等，探討安徽城鄉(xiāng)霾天氣變化趨勢及其可能原因，旨在為政府部門制定空氣污染防治計劃提供科學依據(jù)、為業(yè)務部門開展霾天氣預報業(yè)務奠定基礎。

2　資料與霾日重建方法

2.1資料

所用資料包括：（1）安徽省各地面氣象觀測站的逐日地面觀測資料，包括地面水平能見度、相對濕度、天氣現(xiàn)象記錄和地面風速等，由安徽省氣象信息中心提供；（2）中國國家統(tǒng)計局發(fā)布的各省逐年SO2排放量、燃煤量、汽車保有量等資料；（3）Sciamachy衛(wèi)星監(jiān)測對流層NO2柱含量資料（Shi et al., 2008）；（4）NCEP/NCAR 1°×1°再分析資料。

安徽省現(xiàn)有地面測站80個，大部分測站始建于20世紀50年代后期，如1955年有觀測記錄的臺站僅13個，1960年增加到70個。很多測站在1963～1979年無能見度觀測，如1975年安徽省僅15個測站有能見度觀測記錄。2013年9月1日開始，安慶和休寧開始試用能見度自動觀測儀代替人工觀測，其他測站直到2013年年底能見度資料都是人工觀測，鑒于儀器觀測的站點少且時間短，本文未進行能見度訂正。從建站早、資料全的測站觀測記錄看，20世紀50年代初安徽省不少地方都有霾天氣發(fā)生，但1980年之前各地霾的發(fā)生頻次較低、且1980年開始能見度的記錄方法發(fā)生了改變，因此，將重點分析1980年之后霾天氣變化趨勢及變化原因。

2.2霾日重建方法

鑒于中國地面氣象觀測規(guī)范中缺乏對霾的客觀判斷標準，導致其觀測記錄受觀測員主觀判斷的影響較大，也與業(yè)務規(guī)定的變化相關，如部分臺站早期長期無霾的記錄，這與事實不符，近期，由于媒體關注、政府和氣象部門重視程度加強，觀測記錄逐漸合理。為開展霾的氣候變化研究，吳兌等（2010）介紹了國際上常用的3種歷史資料處理方法。此后，很多研究人員都采用基于能見度與相對濕度的重建方法得到霾天氣的歷史記錄，即吳兌等（2010）文中的第2種方法（排除其他有視程障礙的天氣現(xiàn)象后，日均能見度低于10 km，日均相對濕度低于90%算一個霾日）（童堯青等，2007）和第3種方法（排除其他有視程障礙的天氣現(xiàn)象后，14時（北京時間，下同）的能見度低于10 km、相對濕度低于90%算一個霾日）（趙普生等，2012；符傳博和丹利，2014）。這兩種方法都是利用能見度（Vis）和相對濕度（RH），簡單易行。日均值中含有夜間和早晨的觀測，容易受輻射霧的影響和人眼在晝夜對目標物的不同反應的影響，而用14時的觀測值可能會低估霾記錄。Zhao et al.（2011）對這兩種方法進行了較詳細的比較，發(fā)現(xiàn)用14時實測資料重建霾日的方法在較大區(qū)域和較長時間范圍內(nèi)更能反映霾天氣的實際變化特征。最近，吳兌等（2014）也以首都北京市、天津市、河北省和山西省（簡稱京津冀晉）為例對上述第2、3兩種方法進行了比較分析，發(fā)現(xiàn)兩種方法得到的霾日空間分布趨勢和典型城市霾日長期變化趨勢都比較相似，第3種方法得到的霾日數(shù)比第2種方法得到的霾日數(shù)低。本研究分別使用上述兩種方法重建各站霾記錄，發(fā)現(xiàn)兩種方法得到安徽省霾的空間分布形勢一致。圖1給出了用這兩種方法得到的合肥年霾日數(shù)與觀測記錄的比較，可見使用第3種方法重建的合肥年霾日數(shù)與觀測記錄的變化趨勢一致性更好（二者間的相關系數(shù)為0.94），而用第2種方法得到年霾日數(shù)與觀測記錄的變化趨勢的一致性稍差（二者間的相關系數(shù)為0.82），因此，下文使用的霾記錄為用第3種方法重建的結果。

另外，根據(jù)2010年頒布的國家行業(yè)標準《霾的觀測和預報等級》規(guī)定（中國氣象局，2010），按照能見度范圍對霾天氣進行了分級：輕微（5 km≤Vis＜10 km，RH＜90%）、輕度（3 km≤Vis＜5 km，RH＜90%）、中度（2 km≤Vis＜3 km，RH＜90%）和重度（Vis＜2km，RH＜90%）共4個等級。

3　2013年安徽霾分布情況

根據(jù)重建結果，2013年是安徽省歷史上霾最嚴重的一年，全省平均霾日數(shù)顯著高于其他年份，因此首先單獨介紹2013年霾的情況。2013年，安徽省80個地面測站中，僅泗縣、望江、黃山市和黃山光明頂?shù)?個測站無霾天氣記錄。從空間分布來看，以合肥為中心的江淮中部、沿淮中部、沿江中東部及江淮東部均為霾的高發(fā)區(qū)（超過40 d）（圖2）。具體地，12個測站年霾日數(shù)超過40 d，8個測站年霾日數(shù)超過50 d（鳳臺60 d、蚌埠64 d、來安51 d、肥西57 d、合肥107 d、蕪湖縣55 d、安慶50 d、池州60 d），全省平均霾日數(shù)接近20 d，而2000～2012年，大部分年份不足10 d。

圖1　兩種重建方法得到合肥霾日數(shù)與觀測記錄的比較Fig. 1　Annual haze days reconstructed by two methods compared with observational records in Hefei

圖2　2013年安徽霾日數(shù)分布（單位：d）Fig. 2　Distribution of annual haze days in Anhui Province in 2013 (units: d)

2013年不僅是安徽省霾日數(shù)最多的一年，也是能見度低于5 km的輕度以上霾出現(xiàn)次數(shù)最多的一年，全省達到245站·d。此前，這個數(shù)值最多的是2006年，為206站·d，其他年份均低于200站·d。2013年，出現(xiàn)輕度以上霾最多的是合肥（22 d）、其次是池州（18 d），超過10 d的還有阜陽、阜南、鳳臺、南陵。部分測站還出現(xiàn)了能見度低于3 km的中度霾和重度霾，如阜南、阜陽、池州、南陵等測站超過5 d。

4　1980～2013年安徽霾的變化趨勢

經(jīng)檢查發(fā)現(xiàn)，即使在1980年之后，仍然有部分測站存在能見度觀測記錄不連續(xù)現(xiàn)象，為保證趨勢分析結果的可比性，刪去存在觀測不連續(xù)現(xiàn)象的10個站點。另外，黃山光明頂和九華山海拔較高，也不考慮，最后，剩68個有效站點。

4.11980～2013年安徽霾日數(shù)的年際變化

圖3給出了安徽68個地面測站平均霾日數(shù)的年際變化。由圖3可見，1980年以來，安徽省平均年霾日數(shù)總體呈上升趨勢，且年際波動較大。20世紀80年代初，全省平均約5 d；1998年上升到接近10 d，隨后，略有下降，2005年出現(xiàn)一個低值（6 d）；2005～2006年有一個跳躍，2006～2012年，維持在8 d以上。但可以看到2008～2012年有下降的趨勢，這與長三角地區(qū)（符傳博和丹利，2014）和華北地區(qū)（Fu et al., 2014）的趨勢一致，而上述工作并未報道2008～2012年霾日數(shù)下降的原因。

盡管安徽霾的年發(fā)生次數(shù)呈明顯的上升趨勢，且部分地區(qū)增多迅速，但總體上仍然以輕微霾為主，1980～2012年，輕微霾占總霾日數(shù)的比例在73%～93%（圖4）。此外，由圖4可見，1980～2012年，輕度以上等級霾的發(fā)生頻次有先升高后降低的趨勢，峰值在2008年。

圖3　1980～2013年安徽平均年霾日數(shù)Fig. 3　Annual haze days averaged over 68 stations in Anhui Province from 1980 to 2013

圖4　1980～2013年全省68站各級霾日數(shù)年變化（單位：站·d）Fig. 4　Annual haze days of all classes summed at 68 stations in Anhui Province (units: station·d)

4.21980～2012年階段性年均霾日數(shù)空間分布的演變

圖5給出了1980～1989年、1990～1999年、2000～2009年、2010～2012年四個時段年均霾日數(shù)分布。（1）20世紀80年代，改革開放初期，中國經(jīng)濟進入高速發(fā)展時期，但安徽省工業(yè)化和城市化水平還比較低，如全省工業(yè)燃煤量還不到50萬噸，合肥市的建成區(qū)（指城市行政區(qū)內(nèi)實際已成片開發(fā)建設、市政公用設施和公共設施基本具備的地區(qū)）面積還不到60 km2。但還是有很多地方出現(xiàn)了霾，平均為5.5 d，大部分測站（55站），年均霾日數(shù)在5 d以下，只有少部分測站（12站）年均霾日數(shù)在10 d以上，在沿江到江淮有一些孤立的高發(fā)測站（高于15 d）。值得注意的是，除了合肥站，這些高發(fā)站點的位置并不在地級市。（2）20世紀90年代，全省平均年霾日數(shù)為8.5 d，超過一半（35站）測站年均霾日數(shù)在5 d以上，出現(xiàn)了與80年代高發(fā)站點不同的霾高發(fā)測站（年均超過25 d），但這些站點仍然是孤立的，分別是沿江的望江（42.2d）和池州（42.8 d）、省會合肥（34.8 d）、淮北北部的蕭縣（28.8 d）和靈璧（27.6 d）。（3）進入21世紀2000～2009年，全省平均年霾日數(shù)為8.7 d，年均霾日數(shù)低于5 d的范圍在縮小，年均霾日數(shù)10 d以上的范圍大增，沿江西部和淮北北部的孤立高發(fā)點消失，出現(xiàn)了小范圍的年均霾日數(shù)大于25 d的高值區(qū)，但其位置與20世紀90年代并不一致，分別為：以合肥為中心的江淮中部地區(qū)、以淮南為中心的沿淮中部地區(qū)、以池州為中心的沿江中部地區(qū)，其中，合肥、池州和淮南的年均霾日數(shù)分別為48.6、31.5和26.8 d。（4）2010～2012年，各地霾日數(shù)有升有降，如淮北北部和江淮之間的大部分地區(qū)都明顯下降，合肥附近及沿淮東部明顯上升，全省平均為8.6 d；與2000～2009年相比，沿淮地區(qū)霾日數(shù)劇增，蚌埠3年平均達到53.3 d，江淮之間中部以合肥為中心的高發(fā)區(qū)繼續(xù)增強、擴展，合肥年均霾日數(shù)高達102.3 d；沿江大部分地方年均霾日數(shù)都在5 d以上，局部15 d以上。另外，值得關注的是，最近3年，江淮之間西部的金寨和東部的來安年均霾日數(shù)分別高達26.0和21.3 d，可見霾不是城市特有的現(xiàn)象。

圖5　1980～2012年安徽省霾日數(shù)年代際分布特征（單位：d）Fig. 5　Distributions of annual-average haze days in different periods (units: d)

5　不同地區(qū)年霾日數(shù)變化趨勢

5.1不同地理位置霾日數(shù)的變化趨勢

根據(jù)2010～2012年安徽年均霾日數(shù)分布情況（圖5）將安徽省分為淮北北部、沿淮、江淮之間西部、江淮之間東部（含合肥）、沿江、皖南南部等6個子區(qū)，并分別統(tǒng)計各子區(qū)1980～2013年逐年平均霾日數(shù)（圖6）?？梢?，不同地區(qū)存在不同的變化趨勢，但各子區(qū)年霾日數(shù)都在2013年達到歷年中最高。

具體來看：（1）淮北北部地區(qū)，平均霾日數(shù)在1980～1994年波動上升，1995～2006年，有起伏，趨勢不明顯，2006～2012年下降趨勢明顯。1984年及以前，平均霾日數(shù)維持在5 d以下；1985～2006年，除個別年份，都在5～10 d；2006年為11 d，之后逐步下降，2010～2012年連續(xù)3年維持在3 d左右。（2）沿淮地區(qū)，平均霾日數(shù)上升趨勢明顯，尤其是最近10年，已成為平均霾日數(shù)最高的地區(qū)；1984年之前，該地區(qū)的平均霾日數(shù)也在5 d以下；1985～1997年，基本上維持在5 d左右；1998年之后，迅速上升；2008年高達到22.6 d，其后基本上維持在15 d以上。（3）受省會合肥的影響，江淮之間東部一直是平均霾日數(shù)較高的地區(qū)。2005年之前，有微小的上升趨勢，除了2013年，平均霾日數(shù)雖有起伏，但變化不是太大，基本上維持在10～15 d。（4）沿江地區(qū)的平均霾日數(shù)表現(xiàn)為先升后降的趨勢，若不考慮2013年，1996年最高（為17.8 d）；1991年之前，沿江地區(qū)的霾日數(shù)僅次于江淮之間東部地區(qū)，1992～1996年，該地區(qū)平均霾日數(shù)各子區(qū)中最高，1997年之后，該地區(qū)平均霾日數(shù)呈下降趨勢，但仍然在6個子區(qū)中居第3位。（5）受金寨的影響，以大別山區(qū)為主的江淮西部的平均霾日數(shù)在1998年之前呈上升趨勢，與沿淮差別不大，之后呈下降趨勢，到2004年后屬于低值區(qū)，與皖南南部接近。（6）皖南南部山區(qū)為全省霾日數(shù)的低值區(qū)，平均霾日數(shù)變化不大，且基本上保持在5 d以下；2010～2012年，穩(wěn)步下降。

圖6　1980～2013年安徽各子區(qū)平均霾日數(shù)年變化Fig. 6　Annual haze days averaged over different sub-regions in Anhui Province from 1980 to 2013

總的來看，在大部分地區(qū)霾日數(shù)呈上升趨勢的同時，對應的是各地14時平均能見度下降，平均能見度的標準差以及能見度標準差與平均能見度的比值都在下降（圖7），可見，安徽省霾的區(qū)域性特征越來越明顯，這與華北近年來的發(fā)展趨勢一致（王喜全等，2013）。

5.2城市測站和縣城測站霾日數(shù)變化趨勢

按測站所在城市規(guī)模把全部測站分為兩類：位于地級市的城市測站，代表城市情況，共17個（含巢湖站），余下的為位于縣城的測站，代表鄉(xiāng)村情況。圖8給出了兩類測站平均霾日數(shù)的年變化情況。兩類測站都是2013年平均霾日數(shù)顯著高于其他年份，城市和鄉(xiāng)村測站分別為30.3和16.0 d。1988年之前，兩類測站的霾日數(shù)差別不大，之后，差別逐步加大，兩類測站呈現(xiàn)出顯著不同的變化趨勢，城市測站霾日數(shù)呈顯著增加的趨勢，年增長率為0.46 d（R = 0.86），2011年達到2013年以外的另一個峰值（19 d）；縣城測站霾日數(shù)也呈微弱的上升趨勢，年增長率僅為0.10 d（R = 0.45），1998年為2013年以外的另一個峰值（9.3 d），之后呈下降趨勢。

6　安徽霾天氣演變的原因分析

霾的本質是細粒子污染，一般產(chǎn)生于靜風、穩(wěn)定天氣背景下。也就是說，霾天氣的出現(xiàn)與空氣污染密切相關，人為污染物排放是造成霾天氣的內(nèi)因，其次是氣象條件，即外因，因為一個地區(qū)或城市大氣污染物的濃度一方面決定于局地污染源的強度，另一方面決定于當?shù)氐妮斔秃蛿U散條件。

6.1安徽及周邊省份大氣污染物來源的變化情況

煤炭消耗量能大致反映一個地方的工業(yè)發(fā)展和大氣污染物排放水平，但由于技術的進步，不同年代，同樣的煤耗量所排放大氣污染物總量會有不同，而最終影響空氣質量的是排入大氣的污染物的量。圖9a給出了1988～2012年安徽省逐年煤耗量和安徽及周邊省份2003～2012年的SO2排放量。由圖可見，1990年之后，安徽煤耗總量逐步上升，1996～2000年有個短暫的停頓，之后呈逐步上升趨勢。2006年之前，安徽及周邊省份SO2排放量都呈明顯的上升趨勢，但其后，隨著中國“一控雙達標”和“總量控制”措施的實施，雖然煤炭消耗量總體依然呈明顯增加趨勢，但各省SO2排放量明顯下降。以此類推，由燃煤造成的大氣顆粒物的排放量相應地也在減少，但2006年后SO2排放量下降并沒有立即帶來城市霾日數(shù)的下降，雖然縣城測站霾日數(shù)在2008年后呈明顯的下降趨勢，但這與2006年開始的SO2排放量下降時間上也不一致。分別對圖8中兩類測站霾日數(shù)變化趨勢與圖9a中的安徽省煤耗量與SO2排放量進行相關性分析，發(fā)現(xiàn)地級市測站霾日數(shù)的年變化與煤耗量成顯著的正相關（R = 0.91），而與SO2排放量無顯著相關，縣城測站的平均年霾日數(shù)與煤耗量和SO2排放量之間均無相關性。因此，工業(yè)化可能是早期安徽城市霾日數(shù)增加的主要原因，而2006年之后SO2排放量下降不能解釋地級市或縣城霾日數(shù)的變化趨勢，也就是說燃煤增多不是近年來城市霾日數(shù)增長的原因。

圖7　1980～2013年安徽各子區(qū)14時能見度的標準差年變化Fig. 7　Annual mean standard deviation of visibilities at 1400 BT (Beijing Time) averaged over different sub-regions in Anhui Province from 1980 to 2013

圖8　1980～2013年安徽兩類測站平均霾日數(shù)年變化Fig. 8　Annual haze days averaged at two kinds of stations in Anhui Province from 1980 to 2013

圖9 （a）安徽及周邊省份二氧化硫排放量及安徽省煤耗量，（b）安徽省民用汽車擁有量、合肥市建成區(qū)面積及安徽上空對流層NO2柱含量Fig. 9　(a) Yearly SO2emissions in Anhui and surrounding provinces and annual coal consumption in Anhui Province, and (b) averaged NO2column content over Anhui Province, total household cars in Anhui and the built-up area of Hefei

城市化是城市霾日數(shù)上升的另一個重要原因。一方面，城市在擴張過程中大量的基礎建設活動增加的地面揚塵，是大氣氣溶膠的重要來源之一，在環(huán)境濕度適宜時，大氣中的硝酸和硫酸可以在揚塵中的大顆粒表面發(fā)生化學反應（毛華云等，2011）；另一方面，城市高樓增加會使地面風速降低、擴散能力下降。從20世紀90年代末房改開始，大量商品房上市，城市進入高速擴張期，以合肥市為例，1990年的建成區(qū)面積不到70 km2，1998年才120 km2，2000年之后迅速擴大，到2012年已經(jīng)超過350 km2（圖9b）。城市化的過程中，汽車保有量大幅度上升（圖9b），汽車尾氣的排放是大氣中氮氧化物的重要來源之一，直接導致大氣中NO2濃度上升。而氮氧化物一方面是光化學反應的主要參加者，其濃度上升會導致臭氧、硝酸鹽等細粒子濃度上升，降低大氣能見度，另一方面NO2本身也有較強的消光作用，是城市地區(qū)污染大氣中對可見光吸收最強的氣體，相對于NO2，其他污染氣體對可見光的吸收能力要弱得多（劉新民和邵敏，2004）。據(jù)衛(wèi)星監(jiān)測結果，近10年中國東部地區(qū)對流層NO2柱含量顯著增加（石春娥等，2014），包括安徽地區(qū)（圖10），尤其是北邊和東邊。比較圖10與圖5可以發(fā)現(xiàn)，2000年之后，安徽省內(nèi)兩個霾的高發(fā)區(qū)與對流層NO2柱含量的高值區(qū)基本一致。從2003年到2011年，安徽上空NO2柱含量平均值增長了近一倍（圖9b），而且比較圖9b中NO2柱含量與圖8中兩類測站霾日數(shù)的變化趨勢，可以發(fā)現(xiàn)NO2柱含量與地級市測站霾日數(shù)的變化趨勢有很好的一致性，相關系數(shù)為0.83（通過了99%信度水平檢驗），而與縣城測站霾日數(shù)的變化趨勢無相關性（表1）。

圖10　環(huán)境衛(wèi)星監(jiān)測2003年和2011年對流層 NO2分子柱含量分布（單位：1015分子 cm?2，資料來自 Sciamachy衛(wèi)星）Fig. 10　Distributions of tropospheric NO2column contents from Sciamachy satellite over Anhui Province in 2003 and 2011 (units: 1015molecules cm?2)

表1　安徽城市測站、縣城測站平均年霾日數(shù)與多個因子的相關系數(shù)Table 1　Correlation coefficients between annual average haze days at two kinds of stations and different impact factors

大氣中NO2濃度的升高，意味著二次顆粒物硝酸鹽濃度的上升。硝酸鹽是細粒子的重要組成部分，硝酸鹽大部分為強吸濕性氣溶膠，潮解點較低，實驗室測量結果表明，25°C時，硝酸鈉的潮解點在70%左右，硝酸銨的潮解點更低，60%附近，低于硫酸銨的潮解點（80%左右）（Martin，2000），說明硝酸鹽比硫酸鹽更容易吸濕增長，而且，硝酸鹽氣溶膠吸濕長大前后粒徑增長明顯（王軒，2010）。石春娥等（2016）在合肥市區(qū)進行的氣溶膠分級采樣分析結果顯示霾天PM2.1中可溶性無機離子中NO3?濃度最高，且濃度的粒徑譜顯示其峰值粒徑在1～2 μm之間，而晴空天NO3?濃度譜的最大峰值在2.1 μm以上；霾天硫酸根的最大峰值也在1～2 μm之間，但晴空日其最大峰值在1 μm以下?？紤]到民用汽車的使用者大部分集中在城市地區(qū)（比如地級市），而NO2屬于短壽命氣體，其在大氣中的濃度分布與排放源分布有較好的一致性（Shi and Zhang, 2008），NO2及其生成的氣溶膠應該主要分布在城市及周邊地區(qū)，這就可以較好地解釋為什么在2008年之后，廣大農(nóng)村霾日數(shù)有下降趨勢的同時，城市霾日數(shù)依然持續(xù)上升，如城市快速擴張的10年，也是合肥市霾日數(shù)迅猛增多的10年（圖8、圖9）。可見，城市快速擴張、汽車擁有量激增導致對應的大氣污染物排放量的增加可能是導致2000年之后城市霾日數(shù)顯著增多的主要原因。

6.2局地氣象因子的影響

以合肥為例探討局地氣象要素的變化對霾日數(shù)的影響。主要考慮風速和相對濕度（圖11），因為風速會影響污染物的擴散、輸送，在高濕環(huán)境下，很多大氣顆粒物會吸濕增長，消光作用增強，即在同樣多的顆粒物濃度下，相對濕度上升對應著能見度的下降。由圖11可見，2000年之后，合肥市非降水日地面風速呈明顯的下降趨勢，即不利于污染物的擴散，同期，霾日數(shù)顯著上升，說明合肥近年來霾日數(shù)上升可能與地面風速下降有關。但注意到，1955～1965年也出現(xiàn)了2000年之后那樣的風速下降趨勢，那時候的相對濕度總體上高于2000年之后，但那時候合肥并沒有出現(xiàn)霾日數(shù)上升現(xiàn)象。這說明近10年來霾日數(shù)顯著上升的關鍵因子是排放源增加的結果。

圖11　1953～2013年合肥市霾日數(shù)及非降水日地面風速、14時相對濕度變化趨勢Fig. 11　Annual haze days, annual mean surface wind speeds and annual mean relative humidity at 1400 BT averaged for non-rain days

6.3大尺度環(huán)流的影響

最近的一些研究表明，東亞季風、全球環(huán)流等大尺度系統(tǒng)也會對亞洲的霧產(chǎn)生影響。如Niu et al. （2010）的研究認為東亞冬季風減弱造成中國中東部地區(qū)地面風速下降、相對濕度增加、冬季霧的發(fā)生頻率顯著增加。Syed et al.（2012）認為對流層上層產(chǎn)生于北大西洋上空的波列會通過影響南亞地區(qū)冬季邊界層的穩(wěn)定度和相對濕度而影響該地區(qū)冬季霧的多寡。為討論大尺度系統(tǒng)對安徽霾的影響，利用NCEP/NCAR再分析資料計算了朱艷峰（2008）提出的季風指數(shù)年變化。該指數(shù)定義為500 hPa高度中低緯度和中高緯度兩個區(qū)域緯向風切變，從環(huán)流角度直觀地體現(xiàn)了東亞季風強弱對對流層中層風場的影響，其值越大說明季風越強。其計算公式如下：

為減少人為排放源的影響，我們選取安徽省縣級測站平均霾日數(shù)與季風指數(shù)進行比較，從而探討大尺度季風環(huán)流對安徽霾演變的影響（圖12），由圖12a可見，二者之間存在顯著的負相關（r =－0.53），通過了99%信度水平檢驗。可見，東亞季風的強弱對安徽省霾的多寡有著密切聯(lián)系。圖12b給出了1954～2013年季風指數(shù)的年變化和縣城測站平均霾日數(shù)的年變化。從20世紀50年代到現(xiàn)在，季風指數(shù)有較大幅度的波動，但總體呈下降趨勢，1977年以前，大部分年份都在0以上，1977年及之后，大部分年份都在0以下。圖12b顯示，1980年之后，季風指數(shù)為峰值的幾個年份，如1984、1988、1991、2005、2012年，對應的都是霾日數(shù)比較低的年份；而在季風指數(shù)比較低的年份，卻不一定都對應著霾日數(shù)多的年份，如2002、2007、2013年季風指數(shù)極低，對應著霾日數(shù)較高，尤其是2013年。然而，1997年的季風指數(shù)在20世紀90年代后期是最低的，其對應的霾日數(shù)卻不高，這可能與大氣污染物排放強度有關，如從現(xiàn)有的資料看，跟前后年份相比，1997年安徽省煤耗量是一個小低值（圖9a）。另外，從安徽省統(tǒng)計年鑒上城市發(fā)展概況看，20世紀90年代前期，包括1997年，合肥城市化水平還不太高，1998年建成區(qū)面積才120 km2，且屬于地面風速偏高的時段。可見，季風的強弱通過對地面和低空風場的影響而影響到安徽霾的多寡。此外，2007～2012年，季風指數(shù)單調(diào)上升，意味著季風強度增強，這跟2008～2012年縣城測站霾日數(shù)的下降有較好的對應關系（圖12b），這說明2008～2012年縣城測站霾日數(shù)下降在較大程度上是季風增強的結果。

圖 12　季風指數(shù)與安徽縣級測站平均霾日數(shù)比較：（a）點聚圖；（b）年變化Fig. 12　Comparison of annual mean monsoon index and annual haze days averaged at county stations: (a) Scatter plot; (b) annual variation

值得說明的是，雖然2006年之后，安徽及周邊省份SO2排放量下降（圖9a）、2007～2012年季風指數(shù)單調(diào)上升（圖12b），但城市霾日數(shù)并沒呈現(xiàn)明顯的下降趨勢（圖8、圖11）。究其原因，可能是在此期間城市在快速擴張、增高，地面風速下降，汽車保有量急劇增大，導致NOx排放量急增（如對流層NO2柱含量加速上升），抵消了SO2排放量下降和季風增強的作用。

7　結論

利用1980～2013年安徽省80個氣象站地面觀測資料，分析了安徽霾日數(shù)的時空變化趨勢，同時結合Sciamachy衛(wèi)星對流層NO2資料、中國國家統(tǒng)計局的分省SO2排放資料和民用車保有量資料，以及用NCEP/NCAR再分析資料計算的東亞冬季風指數(shù)等，討論了安徽霾日數(shù)變化的原因，主要結論如下：

（1）1980年以來，安徽霾天氣總體呈上升趨勢，但仍以輕微霾為主。不同年代，霾的高發(fā)區(qū)不同，2000年之后，有3個大的霾高發(fā)區(qū)，分別為：以合肥為中心的江淮之間中部高發(fā)區(qū)、以池州為中心的沿江中部高發(fā)區(qū)和以淮南為中心的沿淮中部高發(fā)區(qū)。不同地區(qū)年均霾日數(shù)的變化趨勢差異較大：皖南南部霾日數(shù)一直較低且變化也最平緩；沿淮地區(qū)在20世紀90年代中期開始呈持續(xù)上升的趨勢，2000年以來已成為平均霾日數(shù)最高的地區(qū)。

（2）按測站所在位置分類統(tǒng)計表明，地級市測站和縣城測站年霾日數(shù)呈現(xiàn)不同的變化趨勢：地級市測站年霾日數(shù)顯著上升，縣城測站年霾日數(shù)變化平緩，趨勢不顯著，且在2008～2012年之間，有呈下降趨勢。

（3）2000年之后，兩個霾的高發(fā)區(qū)與對流層NO2柱含量的高值區(qū)基本一致。地級市平均霾日數(shù)的變化趨勢與對流層NO2柱含量及民用汽車保有量的變化趨勢都呈顯著的正相關，而與安徽省SO2排放量和東亞冬季風指數(shù)均無明顯的相關性。縣城及縣級市測站平均年霾日數(shù)與東亞冬季風指數(shù)間存在顯著的負相關，而與全省SO2排放量、汽車保有量、對流層NO2柱含量等都無明顯相關性。對比來看，汽車尾氣排放量的增加在很大程度上解釋了2000年之后地級市霾日數(shù)顯著增加，而季風環(huán)流的改變作為主要的氣候驅動因子在較大程度上解釋了縣及縣級市測站霾日數(shù)的變化。

致謝感謝匿名評審專家對本文所給予的非常有幫助的建議和意見。

（References）

符傳博, 丹利. 2014. 重污染下我國中東部地區(qū)1960～2010年霾日數(shù)的時空變化特征 [J]. 氣候與環(huán)境研究, 19 (2): 219–226.Fu Chuanbo, Dan Li. 2014. Spatiotemporal characteristics of haze days under heavy pollution over central and eastern China during 1960–2010 [J]. Climatic and Environmental Research (in Chinese), 19 (2): 219–226.

Fu G Q, Xu W Y, Yang R F, et al. 2014. The distribution and trends of fog and haze in the North China Plain over the past 30 years [J]. Atmos. Chem. Phys., 14, 11949–11958.

高怡, 張美根. 2014. 2013年1月華北地區(qū)重霧霾過程及其成因的模擬分析 [J]. 氣候與環(huán)境研究, 19 (2): 140–152.Gao Yi, Zhang Meigen. 2014. Numerical simulation of a heavy fog?haze episode over the North China Plain in January 2013 [J]. Climatic and Environmental Research (in Chinese), 19 (2): 140–152.

顧凱華, 樊曙先, 黃紅麗, 等. 2011. 南京冬季霧天顆粒物中PAHs分布與氣象條件的關系 [J]. 中國環(huán)境科學, 31 (8): 1233–1240.Gu Kaihua, Fan Shuxian, Huang Hongli, et al. 2011. Characteristics of polycyclic aromatic hydrocarbons (PAHs) in particles and the influence of foggy weather conditions during the winter in Nanjing [J]. China Environmental Science (in Chinese), 31 (8): 1233–1240.

Li W J, Shao L Y. 2012. Chemical modification of dust particles during different dust storm episodes [J]. Aerosol and Air Quality Research, 12 (6): 1095–1104.

劉瑞婷, 韓志偉, 李嘉偉. 2014. 北京冬季霧霾事件的氣象特征分析 [J].氣候與環(huán)境研究, 19 (2): 164–172.Liu Ruiting, Han Zhiwei, Li Jiawei. 2014. Analysis of meteorological characteristics during winter haze events in Beijing [J]. Climatic and Environmental Research (in Chinese), 19 (2): 164–172.

劉新民, 邵敏. 2004. 北京夏季大氣消光系數(shù)的來源分析 [J]. 環(huán)境科學學報, 24 (2): 185–189.Liu Xinmin, Shao Min. 2004. The analysis of sources of ambient light extinction coefficient in summer time of Beijing city [J]. Acta Scientiae Circumstantiae (in Chinese), 24 (2): 185–189.

毛華云, 田剛, 黃玉虎, 等. 2011. 北京市大氣環(huán)境中硫酸鹽、硝酸鹽粒徑分布及存在形式 [J]. 環(huán)境科學, 32 (5): 1237–1241.Mao Huayun, Tian Gang, Huang Yuhu, et al. 2011. Mass size distributions and existing forms of sulfate and nitrate at atmospheric environment in Beijing [J]. Environmental Science (in Chinese), 32 (5): 1237–1241.

Martin S T. 2000. Phase transitions of aqueous atmospheric particles [J]. Chem. Rev., 100 (9): 3403–3453.

Niu F, Li Z Q, Li C, et al. 2010. Increase of wintertime fog in China: Potential impacts of weakening of the Eastern Asian monsoon circulation and increasing aerosol loading [J]. J. Geophys. Res., 115 (D7): D00K20, doi:10.1029/2009JD013484.

任義芳, 王春乙, 趙艷霞. 2010. 氣溶膠輻射效應對作物及生態(tài)系統(tǒng)的影響綜述 [J]. 中國農(nóng)業(yè)氣象, 31 (4): 533–540.Ren Yifang, Wang Chunyi, Zhao Yanxia. 2010. Review on impact of atmospheric aerosol radiation effect on crops and ecological system [J]. Chinese Journal of Agrometeorology (in Chinese), 31 (4): 533–540.

石春娥, 鄧學良, 楊元建, 等. 2014. 2013年1月安徽持續(xù)性霾天氣成因分析 [J]. 氣候與環(huán)境研究, 19 (2): 227–236.Shi Chune, Deng Xueliang, Yang Yuanjian, et al. 2014. Analyses on the causes of the persistent haze in Anhui Province in January 2013 [J]. Climatic and Environmental Research (in Chinese), 19 (2): 227–236.

石春娥, 鄧學良, 朱彬, 等. 2016. 合肥市不同天氣條件下大氣氣溶膠粒子理化特征分析 [J]. 氣象學報, 74 (1): 待發(fā)表.Shi Chune, Deng Xueliang, Zhu Bin, et al. Physical and chemical characteristics of atmospheric aerol urder the different weather conditions in Hefei. Acta Meteorologica Sinica, 74 (1): in press.

Shi C E, Fernando H J S, Wang Z F, et al. 2008. Tropospheric NO2columns over east central China: Comparisons between SCIAMACHY measurements and nested CMAQ simulations [J]. Atmos. Environ.,42 (30), 7165–7173.

Shi C E, Zhang B N. 2008. Tropospheric NO2columns over northeastern North America: Comparison of CMAQ model simulations with GOME satellite measurements [J]. Adv. Atmos. Sci., 25 (1): 59–71.

Syed F S, K?rnich H, Tjernstrom M. 2012. On the fog variability over south Asia [J]. Clim. Dyn., 39: 2993–3005.

童堯青, 銀燕, 錢凌, 等. 2007. 南京地區(qū)霾天氣特征分析 [J]. 中國環(huán)境科學, 27 (5): 584–588.Tong Yaoqing, Yin Yan, Qian Ling, et al. 2007. Analysis of the characteristics of hazy phenomena in Nanjing area [J]. China Environmental Science (in Chinese), 27 (5): 584–588.

王建國, 王業(yè)宏, 盛春巖, 等. 2008. 濟南市霾氣候特征分析及其與地面形勢的關系 [J]. 熱帶氣象學報, 24 (3): 303–306.Wang Jianguo, Wang Yehong, Sheng Chunyan, et al. 2008. Analysis of climatic characteristics of haze in Ji’nan [J]. Journal of Tropical Meteorology (in Chinese), 24 (3): 303–306.

王喜全, 孫明生, 楊婷, 等. 2013. 京津冀平原地區(qū)灰霾天氣的年代變化[J]. 氣候與環(huán)境研究, 18 (2): 165–170.Wang Xiquan, Sun Mingsheng, Yang Ting, et al. 2013. Interdecadal change in frequency of dust-haze episodes in North China Plain [J]. Climatic and Environmental Research (in Chinese), 18 (2): 165–170.

王喜全, 楊婷, 王自發(fā). 2011. 灰霾污染的跨控制區(qū)影響——一次京津冀與東北地區(qū)灰霾污染個案分析 [J]. 氣候與環(huán)境研究, 16 (6): 690–696.Wang Xiquan, Yang Ting, Wang Zifa. 2011. Impact of dust-haze episode from one air pollution control region to the other—One case study [J]. Climatic and Environmental Research (in Chinese), 16 (6): 690–696.

王軒. 2010. 氣溶膠吸濕特性研究. 中國環(huán)境科學研究院碩士學位論文. Wang Xuan. 2010. The study on hygroscopic properties of aerosol particles [D]. M. S. thesis (in Chinese), Chinese Research Academy ofEnvironment Sciences.

王躍思, 姚莉, 王莉莉, 等. 2014. 2013年元月我國中東部地區(qū)強霾污染成因分析 [J]. 中國科學: 地球科學, 44 (1): 15–26.Wang Yuesi, Yao Li, Wang Lili, et al. 2014. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China: Earth Sciences (in Chinese), 57 (1): 14–25, doi:10.1007/ s11430-013-4773-4.

王自發(fā), 李杰, 王哲, 等. 2014. 2013年1月我國中東部強霾污染的數(shù)值模擬和防控對策 [J]. 中國科學: 地球科學, 44 (1): 3–14.Wang Z F, Li J, Wang Z, et al. 2014. Modeling study of regional severe hazes over Mid-Eastern China in January 2013 and its implications on pollution prevention and control [J]. Science China: Earth Sciences (in Chinese), 57 (1): 3–13, doi:10.1007/s11430-013-4793-0.

吳兌. 2013. 探秘PM2.5[M]. 北京: 氣象出版社, pp106.Wu Dui. Insights into PM2.5(in Chinese) [M]. Beijing: China Meteorological Press, pp106.

吳兌, 陳慧忠, 吳蒙, 等. 2014. 三種霾日統(tǒng)計方法的比較分析——以環(huán)首都圈京津冀晉為例 [J]. 中國環(huán)境科學, 34 (3): 545–554.Wu Dui, Chen Huizhong, Wu Meng, et al. 2014. Comparison of three statistical methods on calculating haze days — Taking areas around the capital for example [J]. China Environmental Science (in Chinese), 34 (3): 545–554.

吳兌, 吳曉京, 李菲, 等. 2010. 1951～2005年中國大陸霾的時空變化[J]. 氣象學報, 68 (5): 680–688.Wu Dui, Wu Xiaojing, Li Fei, et al. 2010. Temporal and spatial variation of haze during 1951–2005 in Chinese mainland [J]. Acta Meteorologica Sinica (in Chinese), 68 (5): 680–688.

楊軍, 牛忠清, 石春娥, 等. 2010. 南京冬季霧霾過程中氣溶膠粒子的微物理特征 [J]. 環(huán)境科學, 31 (7): 1425–1431.Yang Jun, Niu Zhongqing, Shi Chune, et al. 2010. Microphysics of atmospheric aerosols during winter haze/fog events in Nanjing [J]. Environmental Science (in Chinese), 31 (7): 1425–1431.

楊元建, 傅云飛, 吳必文, 等. 2013. 秸稈焚燒對中國東部氣溶膠時空格局的影響 [J]. 大氣與環(huán)境光學學報, 8 (4): 241–252.Yang Yuanjian, Fu Yunfei, Wu Biwen, et al. 2013. Impacts of agricultural fire on aerosol distribution over East China during summer harvest time [J]. Journal of Atmospheric and Environmental Optics (in Chinese), 8 (4): 241–252.

張浩, 石春娥, 邱明燕, 等. 2010. 合肥市霾天氣變化特征及其影響因子[J]. 環(huán)境科學學報, 30 (4): 714–721.Zhang Hao, Shi Chune, Qiu Mingyan, et al. 2010. Long-term variation of haze phenomena in Hefei and its impact factors [J]. Acta Scientiae Circumstantiae (in Chinese), 30 (4): 714–721.

張浩, 石春娥, 謝偉, 等. 2008. 安徽省1955～2005年城市大氣能見度變化趨勢 [J]. 氣象科學, 28 (5): 515–520.Zhang Hao, Shi Chune, Xie Wei, et al. 2008. Visibility trends in cities of Anhui Province during 1955–2005 [J]. Scientia Meteorologica Sinica (in Chinese), 28 (5): 515–520.

趙普生, 徐曉峰, 孟偉, 等. 2012. 京津冀區(qū)域霾天氣特征 [J]. 中國環(huán)境科學, 32 (1): 31–36.Zhao Pusheng, Xu Xiaofeng, Meng Wei, et al. 2012. Characteristics of hazy days in the region of Beijing, Tianjin, and Hebei [J]. China Environmental Science (in Chinese), 2012, 32 (1): 31–36.

Zhao P S, Zhang X L, Xu X F, 2011. Long-term visibility trends and characteristics in the region of Beijing, Tianjin, and Hebei, China [J]. Atmos. Res., 101 (3): 711–718.

中國氣象局. 2007. QX/T 48-2007 地面氣象觀測規(guī)范第4部分: 天氣現(xiàn)象觀測 [S]. 北京: 氣象出版社, 10pp.China Meteorological Administration. 2007. QX/T 48-2007 Specifications for surface meteorological observation. Part 4: Observation of weather phenomenon (in Chinese) [S]. Beijing: China Meteorological Press, 10pp.

中國氣象局. 2010. QX/T 113-2010霾的觀測與預報等級 [S]. 北京: 氣象出版社, 8pp.China Meteorological Administration. 2010. QX/T 113-2010 Observation and forecasting levels of haze (in Chinese) [S]. Beijing: China Meteorological Press, 8pp.

朱艷峰. 2008. 一個適用于描述中國大陸冬季氣溫變化的東亞冬季風指數(shù) [J]. 氣象學報, 66 (5): 781–788.Zhu Yanfeng. 2008. An index of East Asian winter monsoon applied to description the Chinese mainland winter temperature changes [J]. Acta Meteorologica Sinica (in Chinese), 66 (5): 781–788.

The Trend of Haze in Anhui Province from 1980 to 2013 and the Possible Reasons

SHI Chune1, 2, WANG Xiquan2, LI Yuanni1, DENG Xueliang1, YANG Yuanjian1, and WEN Huayang1
1 Anhui Institute of Meteorological Sciences, Key Laboratory for Atmospheric Sciences and Remote Sensing of Anhui Province, Hefei 230031
2 State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029

The spatial and yearly trends of haze during 1980–2013 in Anhui Province and its possible reasons were analyzed based on daily observations from ground-level stations. The effects of urbanization, industrialization and climate change on haze were discussed through an analysis of trends in haze frequency at urban (town) sites and comparison with provincial coal consumption, SO2emission, tropospheric NO2column content, vehicle usage and East Asia monsoon index. The main conclusions were as follows: (1) The number of annual haze days averaged over all sites increased evidently with large fluctuations. The zones with frequent haze were different in different periods. During the 1980s, theprovincial annual average haze days was 5.5 d, with scattered high values from the zone near the Yangtze River to the Huaihe River. During the 1990s, the provincial annual average haze days was 8.5 d, with high values at some county sites and Hefei, the capital city. During the 2000s, the provincial annual average haze days was 8.7 d, with three evident high-value zones in the central area between the Yangtze River and Huaihe River, the central area along the Huaihe River, and the central to the eastern area along the Yangtze River, respectively. (2) Based on geographical locations, the province was divided into six sub-regions and the annual haze days averaged over all sites in each sub-region showed different trends. For example, it varied gently in southern Anhui, increased rapidly since 2000 in the region along the Huaihe River, and first increased and then decreased in the region north to the Huaihe River and the region along the Yangtze River. (3) Based on site locations, all sites were divided into two groups: urban sites and town sites. The number of annual haze days increased evidently at the urban sites, while it increased slowly at the town sites until 2008, and then decreased. (4) Urbanization and the rapid increase of car usage, which led to a rapid increase of NOxemissions, might be the major impact factors involved in the evident increase of haze days at urban sites; whereas, the driving factor of variation of haze days at town sites is likely to be climate change, e.g., the intensity of the monsoon in East Asia.

Haze, Industrialization, Urbanization, East Asia monsoon Index, Anhui Province

公益性行業(yè)（氣象）科研專項GYHY201206011，大氣邊界層物理和大氣化學國家重點實驗室開放課題LAPC-KF-2011-05，安徽省自然科學基金項目1608085MD84

霾工業(yè)化城市化東亞季風指數(shù)安徽省

10.3878/j.issn.1006-9895.1504.14319

2014-11-18；網(wǎng)絡預出版日期2015-04-27

石春娥，女，1970年出生，博士，研究員，主要從事大氣物理與大氣環(huán)境研究。E-mail: shichune@sina.com