武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

广州南沙颗粒物质量浓度变化及其对能见度的影响

通过对广州南沙2016年颗粒物PM_(10)和PM_(2.5)的质量浓度、能见度和气象要素等资料的分析,发现细颗粒物PM_(2.5)是影响能见度变化的重要因素。PM_(2.5)质量浓度和相对湿度(RH)增加,能见度下降,低能见度对应较高的相对湿度和较高PM_(2.5)质量浓度,高能见度的出现则对应较低的相对湿度和较低的PM_(2.5)质量浓度。随着相对湿度的增加,颗粒物质量浓度对能见度的影响越来越小,此时颗粒物对能见度的影响主要是通过吸湿作用,吸湿作用最为明显的是雾和霾的混合区间80%≤RH≤90%。PM_(2.5)质量浓度对能见度的影响随着RH的增加阈值减小,当相对湿度低于90%时,颗粒物质量浓度值减小时,能见度随相对湿度的增加反而降低,尤其是60%RH≤90%的区间,能见度下降明显。     

石家庄地区能见度变化特征及其与相对湿度和颗粒物浓度的关系

利用1980—2013年石家庄地区12个气象台站能见度资料,结合相对湿度和PM_(2.5)、PM_(10)浓度数据,分析了石家庄地区能见度的时空分布特征,通过研究能见度与相对湿度和PM_(2.5)、PM_(10)浓度的关系,建立大气能见度的多元非线性预报模型。结果表明:(1)1980年以来石家庄地区年平均能见度以-1.0 km·(10 a)~(-1)的速率呈下降趋势,夏季下降趋势最明显,春季下降趋势最小;(2)1998年前后石家庄地区能见度变化较大,1999—2013年平均能见度较1980—1998年下降了15.3%,且空间变化也较明显,1998年之前分别在中北部和中南部存在2个高值中心,在市区和赵县存在2个低值中心,1998年之后则呈由东向西逐渐递减的分布形势;(3)能见度与相对湿度存在显著的指数函数关系,而与PM_(2.5)和PM_(10)浓度均呈幂函数关系。据此建立的能见度与相对湿度和PM_(2.5)、PM_(10)浓度的多元非线性拟合模型能较好地反映能见度的变化规律,并对能见度具有一定的预报能力。     

太原大气能见度影响因子分析及能见度预报

利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。     

延安市能见度与相对湿度和PM_(2.5)及PM_(10)的关系

为分析延安市能见度与相对湿度、气溶胶质量浓度的关系,利用2016年延安大气成分站PM_(2.5)、PM_(10)和国家基本气象站相对湿度、能见度观测资料,对能见度与相对湿度、PM_(2.5)和PM_(10)的关系进行分析。结果表明:全年能见度与相对湿度的线性相关系数最高,与PM_(10)次之;随相对湿度的增大,能见度明显降低。相对湿度<50%时,能见度与PM_(2.5)的非线性相关性高于与PM_(10)的相关性;相对湿度>50%时,能见度与PM_(10)的非线性相关性则较PM_(2.5)好。相较于线性拟合方法,能见度与相对湿度的非线性拟合公式能更好地表现二者的关系。利用相对湿度、PM_(2.5)和PM_(10)观测数据对能见度做多元非线性拟合,检验结果表明,计算得出的拟合公式能较好地模拟延安市能见度的变化规律。     

本溪市大气颗粒物变化特征及其与气象要素的关系

利用2014年本溪市大气颗粒物质量浓度监测资料和风速、气温、相对湿度、气压等常规地面气象要素观测资料,分析了本溪地区大气颗粒物质量浓度的月、季变化特征及其与气象要素的相关性。结果表明:2014年7月和10月本溪市大气颗粒物质量浓度较高,5月和9月大气颗粒物质量浓度较低,6月和11月大气颗粒物质量浓度比值较高。夏季PM10质量浓度较低,平均浓度为115.1μg·m~(-3);冬季PM_(2.5)和PM_(1.0)质量浓度较高,平均浓度分别为99.5μg·m~(-3)和86.1μg·m~(-3)。春季和冬季平均风速与大气颗粒物质量浓度的相关性最好,夏季和冬季相对湿度与大气颗粒物质量浓度的相关性最好。当ρ(PM_(2.5))≥200.0μg·m~(-3)时,ρ(PM_(2.5))与平均气温呈显著的正相关关系,相关系数为0.5288,ρ(PM_(2.5))与相对湿度的相关系数也高达0.6981,高温、高湿和小风等气象条件是本溪地区大气颗粒物高质量浓度事件发生的有利气象条件。     

银川地区大气颗粒物浓度变化特征及其与气象条件的关系

利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。     

大连地区能见度影响因子及个例分析

为探讨大连市大气能见度特征及其影响因子,揭示低能见度天气成因,利用2010—2012年大连地区大气能见度与地面气象要素(相对湿度、风速、气温、气压)日均值的统计资料,分析了大连地区大气能见度与气象要素的相关性。进一步结合PM_(10)质量浓度的变化特征,分析了两次低能见度事件中的天气成因。结果表明:2010—2012年大连地区年均能见度分别约为13.5 km、13.2 km和13.9 km,高能见度事件多出现在10月—次年2月,低能见度事件多出现在每年6—8月,大连地区低能见度事件每年7月较多,1月较少,2010—2012年大连地区低能见度事件分别出现169、157 d和163 d;2010—2012年PM_(10)质量浓度分别为57.8μg·m~(-3)、67.4μg·m~(-3)和65.9μg·m~(-3),PM_(10)质量浓度高值多出现在每年的4—5月和9—12月,PM_(10)质量浓度低值多出现在1—2月;大气能见度和相对湿度和气温的相关性较好,随着相对湿度的增加,能见度与PM_(10)质量浓度的相关性逐渐减小,当相对湿度大于90%时,能见度与PM_(10)质量浓度相关系数减小至-0.23;两次低能见度事件过程中,2011年10月31日一次辐射平流雾过程中的水汽输送来自西南风气流,2012年4月28日一次浮尘事件过程中的沙尘来自西北方向的沙源。该研究可为空气质量预报提供科学依据参考。     

浙江宁波地区能见度变化特征和成因

利用浙江宁波7个县(市)区的能见度、雾、霾、风速、相对湿度等气象资料和细颗粒物PM_(2.5)浓度数据,运用统计分析、后向轨迹模拟及聚类分析等方法研究了宁波地区能见度的时空分布特征及其影响因素。结果表明:1980—2013年,宁波地区能见度总体呈由西北到东南逐渐转好的空间分布特征,且中南部呈逐年下降态势,而北部则呈上升趋势,这与风速和相对湿度减少有关,但不同区域其主要影响因子存在差异。能见度和PM_(2.5)浓度均有明显的季节和日变化特征,且二者呈明显反位相,相关系数为-0.532,其中冬季PM_(2.5)浓度最高,能见度最低,夏季反之;13:00—17:00为PM_(2.5)浓度谷值、能见度峰值,01:00—08:00为PM_(2.5)浓度峰值、能见度谷值。气团输送轨迹分析表明,宁波地区共有来自5个方位的6类轨迹气团,其中西北方向的轨迹4对该区PM_(2.5)浓度影响最大,偏东方向的轨迹6对PM_(2.5)浓度影响最小,能见度最好,而对能见度影响最大的是来自西北方向的轨迹2和偏西方向的轨迹3。     

1994—2017年杭州能见度特征及其与PM_(2.5)关系

根据杭州1994—2017年24时次观测的大气能见度及同期地面气象要素(风速、气温、降水量和相对湿度等)、2013—2017年PM_(2.5)监测数据,探讨杭州市大气能见度的特征以及相对湿度、PM_(2.5)对能见度的影响。统计分析表明,杭州大气能见度的年、季、日变化特征明显,在经历2003—2014年低能见度天气多发后,2016—2017年能见度明显转好,特别是2017年均能见度达到11.6 km,为1994年以来最高值;一年之中,冬季能见度较低,夏季能见度较高;一日之中,早晨07:00能见度最差,午后15:00最好。能见度的转好与PM_(2.5)关系密切,当PM_(2.5)质量浓度在50μg·m^(-3)以下,每降低5μg·m^(-3)可以使能见度显著增加。     

京津冀及周边地区冬季能见度与PM2.5浓度和环境湿度的多元回归分析

2013年至今,中国冬季与雾霾相伴的低能见度事件频发,京津冀及周边地区尤为严重。PM_2.5浓度与环境湿度是导致低能见度的最关键影响因素。为了深入研究PM_2.5浓度与环境湿度对大气能见度的影响,利用2017年1月京津冀及周边地区MICAPS气象数据与PM_2.5观测数据,运用天气学诊断分析方法讨论了不同相对湿度下PM_2.5浓度、环境湿度对冬季能见度变化的相对贡献,按照地理环境与污染程度差异将京津冀及周边地区划分为北京-天津地区与河北-山东地区,建立了PM_2.5浓度与环境湿度（由露点温度、温度代表）对能见度的多元回归方程,并对2015、2016、2018、2019年冬季能见度进行了回算检验。结果显示:相对湿度低于70%、PM_2.5浓度低于75 μg/m3时,北京-天津地区与河北-山东地区能见度多高于10 km,PM_2.5浓度升高是此时能见度迅速降低的主导因素;相对湿度从70%上升至85%和PM_2.5浓度从75 μg/m3升高200 μg/m3的共同作用导致了能见度降低到10 km至5 km;能见度进一步从5 km下降至2 km则更多依赖于相对湿度进一步从85%升高至95%,PM_2.5浓度与此时能见度相关减弱;能见度降低至2 km甚至更低主要是由于水汽近饱和状态下（相对湿度95%以上）的雾滴消光引起,与PM_2.5浓度的变化关系不大。与不分组直接拟合相比,以相对湿度85%为界线,分别拟合能见度能够很大程度优化多元回归模型,相对湿度高于85%时能见度拟合值的均方根误差从9.2和5.2 km下降至0.5和0.7 km,5 km以下拟合能见度的误差大幅度减小。按相对湿度85%将数据分组所得的拟合方程对2015、2016、2018、2019年1月能见度估算结果较好,观测值与拟合值相关系数均高于0.91,为雾-霾数值预报系统提供了新的能见度参数化算法。      

深圳市大气能见度与细粒子浓度统计模型

利用深圳市2007年全年逐时能见度、PM_2.5质量浓度和相对湿度观测数据, 在分析大气消光机理及其影响因素的基础上确立了能见度与PM_2.5之间的基本模型关系, 着重讨论分析了相对湿度对颗粒物消光影响的常见修正方式, 并通过线性和非线性回归分析筛选相对湿度影响修正因子f_RH的表达形式和确定模型参数, 最终建立起适合于深圳本地情况的能见度与PM_2.5之间的最优统计模型 (R2=0.43, n=8024)。进一步利用能见度与PM_2.5的日平均值进行了多元回归分析, 模型拟合值与实测值之间的相关系数 (R2) 高达0.73(n=350), 而且预测偏差范围小, 较好地反映了深圳市大气能见度与PM_2.5之间的定量相关关系。     

宁波地区不同季节不同强度霾天气变化特征

利用2014—2016年宁波市镇海地区逐时气象观测资料和大气成分监测资料,对宁波地区霾天气的变化特征进行统计分析。结果表明:2014—2016年宁波地区霾天气小时出现频率为28.8%,湿霾出现频率为61.0%。近3 a宁波地区霾天气小时出现频率呈下降趋势,秋冬季(11月至翌年1月)霾天气小时出现频率较高,夏季(6—8月)霾天气小时出现频率较低;从日变化来看,霾天气小时出现频率峰值集中出现在上午09时和夜间20—23时。宁波地区重度霾的PM_(2.5)、PM_(10)颗粒物浓度为轻微霾的2.13倍和1.92倍,干霾颗粒物浓度高于湿霾,宁波地区霾天气的颗粒物组成较稳定,PM_(2.5)/PM_(10)比重为0.7左右。宁波地区颗粒物浓度与风速和降水量的相关性较好,春季和夏季风速与PM_(2.5)浓度的相关性较高,秋季和冬季风速与PM_(10)浓度的相关性较高;降水与PM_(10)浓度的相关性高于PM_(2.5)浓度。静稳天气时地面风速小易造成细颗粒物浓度的积累增长,冬季西北偏北风和东北风是影响宁波地区PM_(2.5)浓度变化的重要输送路径,当风向为西北风时,冬季和春季PM_(10)浓度增加明显。     

郑州市气象因子对大气颗粒物浓度的影响研究

基于2015、2016年河南省环境监测中心站获取的郑州市9个监测点颗粒物浓度和逐日气象数据,对气象因素和颗粒物浓度相关性进行了研究。结果表明:郑州市大气颗粒物浓度受季节影响较强,总体呈现冬季高、夏季低的趋势。降水量与大气颗粒物浓度呈现明显的负相关。相对湿度的增高不利于PM_(2. 5)浓度的降低,而PM_(10)的浓度则随着相对湿度的增高有所降低。春夏秋三季的主要风向为东北偏东,当春季风为东南风和西风时,颗粒物浓度最低;当夏季风为东北偏东风时,颗粒物浓度最低;秋季吹东北风时,颗粒物浓度最低。冬季吹西北风(郑州冬季盛行风向)时,大气颗粒物质量浓度最低。     

天津2011年秋冬季PM2.5组分特征及其对能见度的影响

利用2011年能见度、相对湿度、风速逐时观测资料和11月16日至12月13日期间颗粒物膜采样数据,分析天津市大气能见度与PM_2.5组分的关系。结果表明：天津颗粒物质量浓度与能见度变化总体呈负相关,PM_2.5和相对湿度对能见度的影响作用明显。能见度与颗粒物中TC质量浓度变化呈负相关,SO₄^2-,NO₃^-,OC和EC是影响大气能见度的主要组分,其中SO₄^2-浓度对能见度影响最大,其次为OC浓度、EC浓度,NO₃^-浓度对能见度的影响相对较小。后向轨迹和混合层高度分析表明,气象条件是造成PM_2.5质量浓度分布差异的重要原因。     

天津市滨海新区持续性重度雾霾成因分析

2015年12月20—26日滨海新区出现持续性重度雾霾天气,空气质量指数AQI持续5 d大于200。利用大气观测、探测及污染物探测资料、NCEP再分析资料等,分析此次重度雾霾成因。结果表明,持续的纬向性环流及地面弱气压场,使逆温层建立;近地面切变线使污染物、水汽汇聚结合形成持续雾霾。逆温层接地后,当主要污染物PM2.5浓度350μg/m~3时,相对湿度即使小到45%,也会出现能见度2 km的重度霾;当PM_(2.5)浓度300μg/m~3、相对湿度90%时,会出现能见度0.1 km的严重雾霾。逆温层不接地,当PM_(2.5)浓度65μg/m~3时,即使相对湿度90%,能见度也会6 km,不能形成雾霾。因此逆温层形成后接地和污染物浓度是滨海新区持续重度雾霾产生的关键条件。     

2005—2017年白云机场能见度变化特征及其与影响因子关系研究

利用广州白云机场2005-2017年的大气能见度、相对湿度、风速、气温等要素的逐时观测资料,结合花都花东站2012-2017年PM2.5浓度的逐时观测数据,分析了近年来白云机场能见度的变化特征,探究了能见度与气象要素、大气污染物之间的关系。结果表明:2005-2017年白云机场能见度呈逐年增大趋势,低能见度出现次数总体呈减少趋势。2-4月是机场低能见度时期,7月能见度最大。能见度日变化显著,最低能见度通常出现在清晨,午后明显好转。白云机场能见度与相对湿度、PM2.5浓度呈负相关关系,与风速、气温成正相关关系,其中PM2.5浓度对能见度的影响最明显。当相对湿度小于80%时,能见度下降得较为缓慢;而当相对湿度超过80%时,能见度急剧降低。相对湿度越大,出现低能见度所需的PM2.5浓度值就越小。地面风速在0~4 m·s-1时,相对湿度越大,能见度随风速的增长趋势越显著。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

盖州市大气能见度与气象条件相关分析

利用2011—2012年盖州市大气能见度和地面气象要素(相对湿度、风速、气温、气压)的观测资料,分析了盖州地区大气能见度月和日的变化特征及大气能见度与气象要素的相关性。结果表明:盖州市大气高能见度事件多出现在3月和10月,低能见度事件多出现在6—8月;夏季能见度最低,14时能见度最大,20时能见度比08时略小。大气能见度与相对湿度相关性最大,与风速和气温相关性次之,与气压相关性最差;当相对湿度80.0%时,能见度最低值为10.4±3.2km,大气能见度与气压、气温、相对湿度的相关系数分别为-0.52、0.51和-0.52;其中较高的气温、较大的相对湿度、较小的风速及较低的气压是盖州地区低能见度(10km)事件发生的主要气象条件。