青島與濟南霧日數(shù)氣候變化特征差異性分析

楊蕾 鄒瑾 丁做尉 郭麗娜

摘要：利用1961—2020年青島和濟南氣象觀測要素及青島近海海表溫度等資料，對青島和濟南霧日數(shù)氣候變化特征差異性及原因進行了分析研究。結(jié)果表明：青島平均年霧日數(shù)50.4 d，約是濟南的3.1倍。兩地霧多發(fā)季節(jié)明顯不同，青島是在春、夏季，約占全年的78.4%；濟南則在秋、冬季，約占全年的70.7%。年、季霧日數(shù)變化差異明顯，青島年霧日數(shù)增加，春夏季減少、秋冬季顯著增加；濟南年霧日數(shù)減少，四季均減少，且秋季減少顯著。年霧日數(shù)氣候變率和突變特征差異明顯，青島氣候變率呈增大趨勢且保持在高位狀態(tài)，濟南則呈減小趨勢，表明青島出現(xiàn)極端多霧的概率更大；青島在1969年發(fā)生霧日數(shù)增多突變，濟南在1995年發(fā)生減少突變。青島秋冬季霧日數(shù)增加與近海海表溫度顯著升高、大氣中水汽含量顯著增多關(guān)系密切；濟南秋冬季霧日數(shù)減少與最低氣溫顯著升高、濕度減少、溫度露點差顯著增大關(guān)系密切。

關(guān)鍵詞：青島；濟南；霧日數(shù)；氣候變化；差異性分析

中圖分類號：P426;P467?? 文獻標志碼：A?? 文章編號：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

霧是指大量微小水滴浮游空中，使水平能見度小于1.0 km的天氣現(xiàn)象[1]。隨著經(jīng)濟社會的快速發(fā)展，由大霧造成的交通事故、電網(wǎng)霧閃等事件屢見不鮮[2-3]。大霧還會對空氣質(zhì)量產(chǎn)生一定影響[4]。為此，霧的預(yù)報預(yù)警和氣候變化問題引起了眾多學(xué)者[5-7]和相關(guān)部門的高度重視。山東沿海與內(nèi)陸地區(qū)氣候差異較大，多年來，不少學(xué)者圍繞山東省以及青島、濟南兩市的霧開展了分析研究[8-12]，梳理這些研究成果發(fā)現(xiàn)，研究內(nèi)容以氣候特征、機理分析及預(yù)報技術(shù)等居多，對各地霧日數(shù)氣候變化特征研究較少，而國內(nèi)對沿海城市與內(nèi)陸城市霧日數(shù)氣候變化特征的差異性尤其是產(chǎn)生差異的原因分析則更為少見。本文以沿海城市青島、內(nèi)陸城市濟南為例，對近60年兩地霧日數(shù)的氣候變化特征、差異性和產(chǎn)生差異的原因進行研究，以期為政府和有關(guān)部門應(yīng)對霧的氣候變化提供決策依據(jù)。

1 資料和方法

1.1 資料說明

選取青島和濟南2個國家氣象觀測站1961—2020年逐月的霧日數(shù)、平均水汽壓、平均氣溫、平均風(fēng)速等資料，數(shù)據(jù)來源于山東省氣象局氣象大數(shù)據(jù)云平臺，均經(jīng)過審核等質(zhì)量控制。其中，霧日定義為一天中（北京時間20時至次日20時）出現(xiàn)霧的天氣現(xiàn)象，不論出現(xiàn)時間長短，均計為一個霧日；青島近海格點（36°N，122°E）月平均海表溫度（SST）資料來源于美國國家海洋和大氣管理局（NOAA）物理科學(xué)實驗室網(wǎng)站（https：//psl.noaa.gov/data/gridded/index.html）。

1.2 方法介紹

1.2.1 氣候趨勢變化

采用氣候傾向率[13]分析要素的氣候趨勢變化，利用相關(guān)系數(shù)法檢驗變化趨勢的顯著性。對于樣本量為n的氣象要素x，其趨勢變化一般用一元線性回歸方程表示，即

1.2.2 突變檢驗

采用曼-肯德爾（Mann-Kendall）非參數(shù)統(tǒng)計檢驗法[14]檢測兩地年霧日數(shù)的氣候突變特征。對于具有n個樣本量的時間序列x，構(gòu)造一秩序列：

其中

在時間序列隨機獨立的假定下，定義正序統(tǒng)計量：

式中，k=1時UFk=0，E（‘Sk），var（‘Sk）是累計數(shù)Sk的均值和方差，在x1，x2，…，xn相互獨立，且有相同連續(xù)分布時，它們可由下式算出：

‘UFk為標準正態(tài)分布，是按時間序列x順序x1，x2，…，xn計算出的統(tǒng)計量序列，給定顯著性水平α，若|UFk|>‘Uα，則表明序列存在明顯的趨勢變化。按時間序列x的逆序xn，xn-1，…，x1，再重復(fù)上述計算過程，同時使反序統(tǒng)計量UBk=-UFk （‘k=‘n，n-1， …，1），UB1=0。給定顯著性水平，如α=0.05，那么臨界值μ0.05=±1.96。將UFk和UBk兩個統(tǒng)計量序列曲線和±1.96兩條直線均繪在同一張圖上。若UFk或UBk的值大于0，則表明序列呈上升趨勢，小于0則表明呈下降趨勢。當它們超過臨界直線時，表明上升或下降趨勢顯著。如果UFk和UBk兩條曲線出現(xiàn)交點，且交點在臨界線之間，那么交點對應(yīng)的時刻便是突變開始的時間。

2 霧日數(shù)變化特征及其差異性分析

2.1 變化趨勢

2.1.1 年變化

青島平均年霧日數(shù)50.4 d，濟南平均年霧日數(shù)16.4 d，與張?zhí)K平等[8]和劉暢等[9]的分析結(jié)果基本一致。兩地年霧日數(shù)變化趨勢相反，青島呈增加趨勢，增加速率為每10 a增加0.6 d，而濟南則呈減少趨勢，減少速率為每10 a減少0.9 d（表1），但變化趨勢均不顯著。

兩地年霧日數(shù)在1970s之后年代際變化存在明顯差異，青島呈增加、減少、再增加、再減少的波動變化；濟南則逐年代遞減，2010s略微增加（圖1）。由圖2可知，青島在1970s中期由負距平轉(zhuǎn)為正距平，之后以正距平為主；濟南從1990s中期開始由正距平轉(zhuǎn)為負距平后，維持在負距平狀態(tài)。

2.1.2 各季變化

兩地四季霧日數(shù)分布及其變化趨勢存在明顯差異（表1）。青島霧日數(shù)春夏多、秋冬少，春、夏季占全年的78.4%；濟南則春夏少、秋冬多，秋、冬季占全年的70.7%。青島春、夏季霧日數(shù)呈減少變化趨勢，但不顯著，而秋、冬季則呈顯著增加趨勢（圖3（a）），增加速率分別為每10 a增加0.53、0.84 d，均達0.05顯著性水平，且增加速率高于春、夏季的減少速率；濟南四季則均呈減少趨勢，其中，秋季減少顯著（圖3（b）），減少速率為每10 a減少0.44 d，達0.10顯著性水平。

2.2 氣候變率

氣候變率反映了氣候的穩(wěn)定性，一般用均方差表示，以描述氣象要素變化的劇烈程度，氣候變率增大，表明不穩(wěn)定性增大，極值事件發(fā)生的概率增大[15]。從青島和濟南年霧日數(shù)30年滑動變率變化（圖4）可以看出，兩地霧日數(shù)氣候變率變化趨勢相反：青島呈增大趨勢，且保持在高位狀態(tài)；濟南則呈減小趨勢，近10年保持平穩(wěn)。表明青島和濟南年霧日數(shù)氣候變率變化差異明顯，青島出現(xiàn)極端多霧的概率增大。

2.3 氣候突變

兩地年霧日數(shù)均發(fā)生了突變（圖5），青島在1969年出現(xiàn)增多突變，全年霧日達52 d，較1968年增多5 d，較1961—1968年的平均霧日數(shù)偏多約8 d，1969年后多數(shù)年份在50 d以上；濟南在1995年出現(xiàn)減少突變，全年霧日僅為10 d，較1994年減少12 d，較1971—1994年的平均霧日數(shù)偏少約10 d，之后多數(shù)年份在15 d以下。從正序統(tǒng)計量（UF）變化可以看到，青島在1980s中期至1990s中期初期超過置信區(qū)間上限明顯，表明該時期霧日數(shù)增多顯著；濟南在2000s后期到2010s初期超過置信區(qū)下限，表明該時期霧日數(shù)減少顯著。

3 差異性原因初步分析

劉小寧等[7]研究表明，我國內(nèi)陸發(fā)生的大霧主要為輻射霧，多發(fā)生在12月到次年1月，由夜間地面輻射使空氣冷卻達到飽和而形成；沿海地區(qū)霧日大多出現(xiàn)在2—8月間，多為平流霧，即暖氣流流經(jīng)沿海的冷海面上凝結(jié)而成。上述關(guān)于兩地霧日數(shù)氣候分布特征的分析結(jié)果與前人研究結(jié)論一致。前文分析表明，青島和濟南年霧日數(shù)變化趨勢相反，青島逐年增加、濟南逐年減少，兩地春夏季均呈減少趨勢，但不顯著；而秋冬季，青島顯著增加，濟南減少且秋季顯著減少。因此，下面重點分析秋、冬季兩地差異的原因。這些差異的原因涉及海陸熱力差異、大氣環(huán)流、邊界層過程等諸多方面，本文僅從溫度、濕度等方面進行初步探討。

3.1 青島秋、冬季霧日數(shù)呈增加趨勢的原因

張曉慧等[16]將青島冬季霧（11月到次年2月）分為鋒面霧、雨霧、輻射霧、平流冷卻霧和平流蒸發(fā)霧5種類型，各類型占比分別為36.5%、11.7%、21.9%、19.7%和10.2%。可見，該季節(jié)海霧（平流冷卻霧和平流蒸發(fā)霧）所占比例只有29.9%，其他3種發(fā)生在陸地上的霧占比達70.1%?？紤]該季節(jié)海霧所占比例較低，陸地上3種類型的霧盡管形成機制有所不同，但水汽都是霧形成的重要條件之一，因此，這里重點分析青島水汽的變化特征及變化的原因。

1961—2020年青島秋、冬季水汽壓均呈顯著增加趨勢，增加速率分別為每10 a增加0.1 hPa和0.12 hPa，分別在0.10和0.05水平下顯著（表2）。分析青島秋、冬季水汽顯著增加的原因可能與近海海溫呈顯著升高趨勢關(guān)系密切。王彬華[17]指出，只有當水溫高于氣溫時，蒸發(fā)過程才能持續(xù)進行。據(jù)統(tǒng)計，1961—2020年，青島近海平均海表溫度和青島平均氣溫，秋季分別為19.4 ℃和15.8 ℃，冬季分別為7.5 ℃和1.0℃，可見青島秋、冬季近海平均海表溫度均高于氣溫，有利于海面蒸發(fā)。從王彬華[17]給出的海面蒸發(fā)量公式來看：

E=0.143（ew－e）u，（8）

式中，E為海面蒸發(fā)量，ew為海表溫度所相當?shù)娘柡退麎?，e為空氣實際水汽壓，u為風(fēng)速。由于飽和水汽壓 ew隨著海水溫度升高而增大，故海溫升高有利于海面蒸發(fā)量加大。從1961—2020年青島近海海表溫度變化趨勢來看，秋、冬季平均海表溫度呈顯著增溫趨勢（圖6），分別每10 a增溫0.15 ℃和0.19 ℃，均在0.05水平下顯著?？梢?，秋、冬季顯著增加的海表溫度，有利于加大海面蒸發(fā)量，進而增加青島大氣中的水汽含量，對霧的形成有利。

從青島秋、冬季氣溫和溫度露點差的變化趨勢（表2）看，盡管青島秋、冬季平均氣溫、最低氣溫均呈顯著增溫趨勢，對空氣達到或接近飽和不利，但秋季溫度露點差增大趨勢并不顯著，增加速率僅為每10 a增加0.07 ℃，而冬季溫度露點差卻呈減小趨勢，對霧的形成有利，這也說明青島秋、冬季水汽呈增加趨勢的重要作用。

此外，從風(fēng)速變化來看，1961—2020年青島秋、冬季平均風(fēng)速均呈顯著減小趨勢（表2），說明靜穩(wěn)天氣增多，有利于秋、冬季輻射霧的形成。

3.2 濟南秋、冬季霧日數(shù)呈減少趨勢的原因

濟南以輻射霧為主，輻射霧的形成可以通過以下途徑[6-7]：增加空氣中的水汽，造成空氣中水汽飽和產(chǎn)生水汽凝結(jié)；或降低空氣溫度使低層大氣冷卻到露點；或二者兼而有之。因此，這里主要從最低氣溫、水汽壓以及溫度露點差的變化趨勢來分析。

由表2可知，秋、冬季，濟南最低氣溫呈顯著升高趨勢，分別增溫速率為每10 a增加0.21、0.41 ℃；秋季水汽壓呈略減少趨勢，冬季水汽壓增加但不明顯；溫度露點差明顯增加，秋季呈顯著增加趨勢，增加速率為每10 a增加0.18 ℃?？梢姡?、冬季最低氣溫、水汽、溫度露點差的變化趨勢均不利于濟南霧的形成。

此外，盡管濟南秋、冬季平均風(fēng)速呈減小趨勢（表2），對霧的形成有利，但由于最低氣溫升溫顯著、水汽減少以及溫度露點差明顯增大，均不利于霧的形成。

4 結(jié)論

本文在分析青島、濟南兩地霧日數(shù)氣候變化特征的基礎(chǔ)上，進一步對比分析了兩地的差異，并對產(chǎn)生差異的原因進行了初步分析，主要結(jié)論如下：

（1）青島平均年霧日數(shù)50.4 d，較濟南明顯偏多，約是濟南的3.1倍。兩地霧的多發(fā)季節(jié)明顯不同，青島在春、夏季，濟南則在秋、冬季。青島春、夏季霧日數(shù)約占全年的78.4%，濟南秋、冬季霧日數(shù)約占全年的70.7%。

（2）兩地年霧日數(shù)氣候變率和突變特征存在明顯差異。青島年霧日數(shù)氣候變率呈增大趨勢且保持在高位狀態(tài)，表明出現(xiàn)極端多霧的概率更大，濟南則呈減小趨勢，近10年變化平穩(wěn)；青島在1969年發(fā)生增多突變，而濟南在1995年發(fā)生減少突變。

（3）兩地年霧日數(shù)變化趨勢存在明顯差異，青島呈增加、濟南呈減少變化趨勢。青島春夏季減少、秋冬季顯著增加，秋冬季增加速率分別為每10 a增加0.53、0.84 d；濟南則四季均減少，秋季減少顯著，秋季減少速率為每10 a減少0.44 d。青島秋冬季霧日數(shù)顯著增加與秋冬季近海海表溫度顯著升高，有利于海面蒸發(fā)加大，進而增加青島大氣中的水汽含量有密切關(guān)系；濟南秋冬季霧日數(shù)減少與最低氣溫顯著升高、濕度減少、溫度露點差顯著增大關(guān)系密切。

本文從溫度、濕度等方面探討了兩地霧日數(shù)變化趨勢差異的主要原因，今后還需要從海陸熱力差異、大氣環(huán)流變化、城市化發(fā)展等諸多方面進行深入分析，以期為山東社會經(jīng)濟發(fā)展更好地保駕護航。

參考文獻：

［1］中國氣象局. 地面氣象觀測規(guī)范[M]. 北京： 氣象出版社， 2003.

[2]王志強， 王靜愛. 關(guān)于霧災(zāi)幾個相關(guān)問題的探討[J]. 自然災(zāi)害學(xué)報， 2004， 13（2）： 134-139. DOI： 10.3969/j.issn.1004-4574.2004.02.024.

[3]曲曉黎， 張娣， 郭蕊， 等. 高速公路霧災(zāi)風(fēng)險區(qū)劃模型[J]. 氣象科技， 2018， 46（1）： 189-193. DOI： 10.19517/j.1671-6345.20160683.

[4]師華定， 史華偉， 白鶴鳴， 等. 沙塵與大霧天氣對京津石空氣質(zhì)量影響[J]. 生態(tài)環(huán)境學(xué)報， 2014， 23（2）： 262-266. DOI： 10.16258/j.cnki.1674-5906.2014.02.005.

[5]伍紅雨， 杜堯東， 何健， 等. 華南霾日和霧日的氣候特征及變化[J]. 氣象， 2011， 37（5）： 607-614.

[6]周自江， 朱燕君， 姚志國， 等. 四川盆地區(qū)域性濃霧序列及其年際和年代際變化[J]. 應(yīng)用氣象學(xué)報， 2006， 17（5）： 567-573. DOI： 10.11898/1001-7313.20060514.

[7]劉小寧，張洪政，李慶祥，等.我國大霧的氣候特征及變化初步解釋[J].應(yīng)用氣象學(xué)報，2005，16（2）：220-230.

[8]張?zhí)K平， 鮑獻文. 近十年中國海霧研究進展[J]. 中國海洋大學(xué)學(xué)報（自然科學(xué)版）， 2008， 38（3）： 359-366. DOI： 10.16441/j.cnki.hdxb.2008.03.003.

[9]劉暢， 高留喜， 王西磊， 等. 山東省大霧的氣候特征分析[J]. 山東氣象， 2014， 34（2）： 26-31. DOI： 10.19513/j.cnki.issn1005-0582.2014.02.005.

[10]江敦雙， 張?zhí)K平， 陸惟松. 青島海霧的氣候特征和預(yù)測研究[J]. 海洋湖沼通報， 2008（3）： 7-12. DOI： 10.13984/j.cnki.cn37-1141.2008.03.005.

[11]于麗娟， 尹承美， 何建軍， 等. 濟南霧和霾特征及其影響因素分析[J]. 干旱氣象， 2017， 35（4）： 581-589. DOI： 10.11755/j.issn.1006-7639（2017）-04-0581.

[12]徐志鵬， 張?zhí)K平， 衣立， 等. 青島近岸能見度逐小時分級預(yù)報模型初探[J]. 海洋湖沼通報， 2018（1）： 9-17. DOI： 10.13984/j.cnki.cn37-1141.2018.01.002.

[13]施能， 陳家其， 屠其璞. 中國近100年來4個年代際的氣候變化特征[J]. 氣象學(xué)報， 1995， 53（4）： 431-439. DOI： 10.1088/0256-307X/12/7/010.

[14]魏鳳英. 現(xiàn)代氣候統(tǒng)計診斷與預(yù)測技術(shù)[M]. 2版. 北京： 氣象出版社， 2007.

[15]丁裕國， 江志紅. 極端氣候研究方法導(dǎo)論： 診斷及模擬與預(yù)測[M]. 北京： 氣象出版社， 2009.

[16]張曉慧， 叢愛麗， 王志梅， 等. 近60年青島冬季霧的天氣氣候特征[J]. 山東氣象， 2011， 31（4）： 24-29. DOI： 10.19513/j.cnki.issn1005-0582.2011.04.005.

[17]王彬華. 海霧[M]. 北京： 海洋出版社， 1983.