广东记录霾日和统计霾日的气候特征及比较

利用广东省86个气象观测站1961—2013年记录霾日资料和1981—2013年统计霾日资料,采用线性趋势分析、计算气候趋势系数等统计诊断方法,分析了广东记录霾日和统计霾日的气候特征并进行比较。结果表明:广东统计霾日与记录霾日的年平均分布非常相似,但是统计霾日数比记录霾日数明显增加10~80 d。广东霾分布可划分为三个区:(1)多霾区:包括珠江三角洲、北部的南雄、东南部的汕头,年统计霾日40.0~144.5d;(2)一般霾区:包括广东中部偏北的部分地区,年统计霾日20.0~39.9 d;(3)少霾区:广东西南部和东部大部分地区,年统计霾日1.0~19.9 d。广东年记录霾日和统计霾日均以11 d(10 a)的速率明显上升,1990年后显著增加,特别是2003年以来上升非常明显,2007年达到最大,但2008年以来逐年波动下降。广东年霾日数增加最明显的区域在珠三角、汕头、南雄等地。1980—2013年的广东平均年记录霾日序列与统计霾日序列的相关系数达0.78,显著相关。分析表明统计霾日比记录霾日总体上更客观合理,并对两者存在差异的原因进行了分析与讨论。     

广州市三种霾日统计方法的比较分析

根据广州市5个气象观测站1980—2013年的能见度、相对湿度和天气现象等资料,采用人工观测法、日均值法和14时值法对广州市霾日特征进行了对比分析。结果表明,3种方法统计的全市霾日数、霾日变化速率差异较大。全市年平均霾日是日均值法人工观测法14时值法,大致比例是1∶0.61∶0.48。人工观测法统计的广州市霾日变化速率最大,达2.9 d/年,是日均值法的2.9倍、14时值法的3.6倍。但是,3种方法统计的全市霾日长期变化趋势、季节变化特点和空间分布特征基本一致。霾日长期变化均呈显著上升趋势;霾日冬季最多,夏季最少;中心城区和花都区为霾日高值区。综合考虑霾日长期变化趋势、季节变化特点、空间分布特征和经济社会发展状况,日均值法统计更能反映广州市霾日的实际变化特征。     

从霾日分布特征谈其记录方法

通过对德州市11个测站1966-2009霾日资料分析得出:全市霾日呈增加趋势,气候变化率为13.1天/10年,90年代末-21世纪,增加趋势更为明显;空间分布显示:德州霾日出现最多,44年里出现501天,其中1998-2009年出现450天。平原站44年里仅出现11天。禹城站1998-2009年仅出现3天,由此可以得出:霾日出现明显市区多于县站;部分台站对霾有错记或漏记现象,通过对霾出现最多的德州站2000-2009年资料统计,发现霾和轻雾在同一日出现次数占总日数的71%,由此得出:霾与轻雾之间既相互联系又有区别,这就是霾与轻雾容易混淆的原因所在,并提出判断要点。     

基于日均UV判别法统计的湛江市霾日特征

根据湛江市6个地面观测站1961—2014年的气象资料,采用日均UV法(U为相对湿度,V为能见度)、线性趋势分析、Mann-Kendall突变检验、小波分析等方法,研究了湛江市霾日的时空变化特征。结果表明:1961—2014年湛江市年平均霾日10.4 d,年霾日以每年0.5 d的速率显著增加。20世纪60年代和90年代霾日较少,20世纪80年代和21世纪霾日较多。冬季最多,1和12月的霾日之和占全年的39.4%;春季、夏季霾日较少,5—8月霾日之和仅占全年的5.8%。湛江市霾日在1977年左右发生突变性增加。霾日在20世纪80年代具有显著的2~4年周期,2000年以来具有3~5年的显著周期。霾日及其增加速率高值区集中在湛江城区、吴川、廉江;低值区集中在遂溪、雷州、徐闻。     

霾日数的统计方法讨论一以西安地区为例

利用西安1959-2010年每天02、08、14、20时能见度、日平均相对湿度以及天气现象等地面气象观测资料,采用四种方法对西安市霾日数统计分析。结果表明：四种方法统计霾日数的气候变化趋势基本一致,表明四种方法均可比较准确地反映蕴出现时间,其中单时次能见度和湿度判断方法确定的历年冠日数最多,日均能见度和湿度以及天气现象综合判断方法确定的年霾日数最少。四种方法的统计结果显示,西安市1959-2010年期间年殖日数1999年最少。将四种方法统计的覆日数与实际观测氧日数的变化趋势相比,发现单时次满足条件能见度与湿度及天气现象综合判断的结果与西安历年实际变化趋势最为接近。     

霾日数的统计方法讨论—以西安地区为例

利用西安1959—2010年每天02、08、14、20时能见度、日平均相对湿度以及天气现象等地面气象观测资料,采用四种方法对西安市霾日数统计分析。结果表明:四种方法统计霾日数的气候变化趋势基本一致,表明四种方法均可比较准确地反映霾出现时间,其中单时次能见度和湿度判断方法确定的历年霾日数最多,日均能见度和湿度以及天气现象综合判断方法确定的年霾日数最少。四种方法的统计结果显示,西安市1959—2010年期间年霾日数1999年最少。将四种方法统计的霾日数与实际观测霾日数的变化趋势相比,发现单时次满足条件能见度与湿度及天气现象综合判断的结果与西安历年实际变化趋势最为接近。
 

     

三种方法统计的广东省霾日时空变化特征比较分析

根据广东省86个气象观测站1980—2013年的能见度、相对湿度和天气现象等资料,采用人工观测法、日均值法和14时值法对广东省霾日特征进行了对比分析。结果表明,三种方法统计的全省霾日数、霾日变化速率、全省排名前10位的站点均不尽相同,甚至差异较大。全省年平均霾日是日均值法统计结果 人工观测法的14时值法的,大致比例是1∶0.59∶0.49。人工观测法统计的广东省霾日变化速率最大,达2.1天/a,是日均值法的1.85倍,14时值法的3.34倍。人工观测法统计的霾日全省排名前10位的站点与日均值法、14时值法的都有7个相同、3个不同。三种方法统计的全省霾日长期变化趋势、季节变化特点和空间分布特征基本一致,三种方法均较适用于分析区域长时间序列的霾日变化特征。综合考虑霾日长期变化趋势、季节变化特点、空间分布特征和前人研究结果,日均值法统计的霾日更能反映广东省的实际变化特征。     

辽宁省城郊霾日变化特征分析

根据站点位置、城郊站间距离、资料累积时间、资料连续性等对辽宁省61个气象站进行筛选,进而分为城区站、近郊站、远郊站和乡村站4类。利用辽宁省1980—2013年每日02时、08时、14时和20时的能见度、相对湿度和逐日天气现象等气象资料,统计分析了辽宁省城郊霾日变化特征。结果表明:辽宁省城区、近郊和远郊月霾日变化与全省霾日变化均呈W型波动。平均月霾日近郊最高,为7.6 d,近郊和城区(6.8 d)明显高于远郊(4.9 d)和乡村(2.3 d)。四季相比,近郊季霾日最高,春夏秋冬分别为14.6 d、22.1 d、22.9 d和31.7 d,其次是城区、远郊和乡村。1980—2013年,城区、近郊、远郊和乡村年霾日与全省平均年霾日均呈下降趋势,其中城区最明显,其趋势率为-9.9 d/10 a,而近郊趋势率仅为-0.1 d/10 a。全省平均年代霾日呈微弱的递减趋势。城区年代霾日呈明显的下降趋势,而近郊和远郊年代霾日呈波动中下降趋势。空间变化上,月、季、年和年代霾日空间变化较大,均呈多中心的空间变化态势,霾日大值中心和低值中心在不同时间尺度上是变化的。霾日第1和第2大值中心均出现在沈阳站和苏家屯站以及辽阳县站等城区站和近郊站,而霾日低值中心多为远郊站。霾日时空变化表明,近郊霾污染更为严重。城区、近郊和远郊典型代表站年霾日变化较大,与当地经济发展和环境状况密切相关。     

河北省霾日变化及成因

利用1981-2010年河北省142个气象站地面观测资料,按照霾的观测和预报等级行业标准,分析河北省霾日空间分布特征.以石家庄为例对多霾日成因进行探讨。结果表明：河北省霾日主要分布在太行山东麓地区,霾日高频次中心随时间范围在扩大,频次有增加趋势;典型代表站霾日随时间呈现增加、减少和平稳变化三种态势,单站间变化差异明显;河北省霾日主要以能见度大于5km轻微霾为主,代表站中度、重度霾日季节变化显著,64%以上出现在秋冬季节;霾的形成是多种因素综合作用的结果,区域分布主要与地理环境有关,气候上逆温层、风速、相对湿度、年降水日数与霾的形成有关,另外地方经济发展、人类社会活动对大气污染物的排放起到一定作用。     

安徽霾日重建和时空特征分析

利用1970-2009年安徽80个地面气象观测站点资料,借助霾的客观判别方法,重建了近40年安徽霾的气候序列,并在此基础上系统地分析了安徽霾日数的气候特征。结果表明:(1)通过重建与实测序列的比较,发现重建序列可以反映出霾日的时间变化,但数值上重建的霾日数较观测记录明显偏高,同时重建的霾日序列可以弥补部分台站霾日长时间缺测的现象。(2)安徽霾日具有明显的时空分布特征。在年变化上,以20世纪80年代初为分界点,霾日数发生激增,随着经济的不断发展,霾日数和霾强度都在不断增加;在空间上,安徽东部霾日数明显高于西部,霾影响范围不断地向北、向西扩展,并且逐渐形成了皖中地区和沿江东部两个高值中心;在季节上,霾日数在秋、冬季达到最大,而在春、夏季较少,同时中、重度等级的霾都出现在秋、冬季。     

华北霾日的时空分布特征分析

利用1961—2011年共51 a华北地区50个站冬季及12月—2月逐月不同级别的霾日资料,研究了华北地区霾日的时空分布特征,结果发现:霾日的分布很不均匀,霾日大值区大多为工业城市、高度发达的城市以及煤炭生产基地,"浊岛"现象明显,华北地区霾日大值区呈西南—东北向分布,来自京津冀外区域的污染物跨城市群输送的影响非常显著。研究还表明,除山西平均霾日一直呈增长趋势外,其他地区霾日近年均呈下降趋势。从各大城市的变化特点看,太原、石家庄和呼和浩特呈一致的增长趋势,济南市、北京市和天津市的霾日均呈下降趋势。大城市冬季霾日出现最多的集中在12月和1月。     

桂林霾日变化的影响因子分析

利用1981~2015年桂林气象观测站地面气象资料、PM_2.5资料,分析桂林霾日变化的影响因子。结果表明:桂林霾日数在过去35年呈明显上升趋势,气候倾向率为24.6d/10a,在1995年经历过一次明显突变,这种变化主要原因有人类活动和气象因子的变化。各因子中PM_2.5浓度影响着霾日数的月、日分布,1月和7月是桂林PM_2.5高值、低值月份,也是霾出现最多、最少月份。PM_2.5浓度和霾出现频率日变化趋势相似,均为双峰型。各气象因子中,降水量≥0.1mm、最大风速≥5m/s日数的减少以及年均相对湿度下降是霾增加的重要原因,逆温也影响霾日、月分布,用逆温层厚度和高度能较好的反映出霾期间PM_2.5浓度水平。     

华南霾日和雾日的气候特征及变化

利用华南192个测站1961-2008年的地面气象观测资料,采用线性趋势分析、Mann-Kendall检验、计算气候趋势系数等统计诊断方法,分析了华南年霾日、雾日的时空特征和变化.结果表明:珠江三角洲、广东西北部和广西东北部为多霾区,海南为极少霾区;华南有三个多雾区,分别位于海南中西部地区,两广的西北部地区.两广雾日呈...     

有霾和无霾时宁波市大气混合层高度的日变化特征

根据2007—2013年宁波市每日8次地面观测气象资料,运用罗氏法和统计分析法计算大气混合层高度,分析其在霾日和非霾日的不同日变化特征。结果表明宁波市霾日与非霾日混合层高度均呈白天高,夜晚低的日变化特征,夏季两者差值的日变化波动最明显,波峰时间比其他季节晚3 h。混合层高度日变化趋势与风速、气温、能见度趋于一致,霾等级越重,混合层高度越低。霾日与非霾日的气温差值除冬季呈正变温外,其他季节呈负变温,冬季14时差值最小,夜间加大,春夏季凌晨差值最小,14时最大,秋季波动不明显;风速差值除冬季夜间为正值外,其余季节为负值,秋冬季差值最小、夏季最大。大气处于不稳定状态时,混合层高度随着稳定度增加而逐渐处于稳定状态时,随着稳定度增加而降低,中性大气是宁波易致霾的大气层结。霾日与非霾日大气稳定度表现不一致,中午霾日中性大气占多数,非霾日则是不稳定大气;夜间霾日稳定—弱稳定大气和中性大气所占比例相当,非霾日稳定—弱稳定大气占多数。另外,PM_(2.5)浓度在霾日和非霾日均为白天低、夜间高的日变化特征,但霾日波动大,波峰时间晚于非霾日2 h,峰值浓度也高于非霾日2.7倍;早晨或下午到上半夜是霾日的PM_(2.5)浓度两个上升时段,上午为下降时段;非霾日的两个浓度缓升(降)时段分别出现凌晨和下午(上午和前半夜)。研究成果有助于预报员了解大气混合层高度及其对霾的可能影响,从而提高霾预报预警能力。     

自动与人工观测霾日、雾日序列连续性分析

由原始观测数据统计显示,2014年全国雾霾(包括雾、轻雾和霾)日数偏高,尤其霾日数是2000-2013年均值的4.2倍。依据2014年雾霾现象保留人工观测或采用自动观测,将全国2 400余个国家站分为人工站和自动站,分别就两类站2014年雾霾现象日数与其历史序列进行了对比分析。结果表明,人工站2014年平均雾霾日数与其2000年以来平均状况及2013年平均雾霾日数接近;而自动站2014年平均雾霾日数明显偏高,成为2000年以来之最,且明显高于2013年统计结果。通过对比分析自动与人工观测方法表明,雾霾现象自动观测采用瞬间观测记录,是造成2014年全国雾霾日数异常偏高的主要原因。基于霾现象持续性特征,针对自动观测霾数据,研究确定了1天至少6个连续时次"现在天气现象"有霾记录,"连续天气现象"方记霾现象的订正方法。统计结果表明,订正前全国2014年平均霾日数为59天,而订正后下降为31天,基本与2013年持平。进一步分析表明,2000年以来我国霾发生频率呈增加趋势,尤其2013年和2014年,霾发生频率成为2000年以来之最。     

深圳市霾日分布特征与城市经济指标关系

利用深圳市近30a来霾日UV法统计数据进行霾日分布特征分析,并结合1980～2007年深圳逐年国民经济指标统计数据,着重讨论了深圳市霾日与城市经济指标的相关性.研究表明,90、00年代的初期至中期,是深圳霾日增长趋势最明显的两个阶段,月均霾日高值在12月至次年1月,达8d/月以上;低值在6～7月,达2d/月以下,随年代...     

1981~2018年成都平原经济区霾日变化分析

基于1981~2018年成都平原经济区44个气象站点霾日观测资料,分析了该地区霾日的时空演变特征,并利用城市群霾日综合评估模型范式对区域空气质量进行了量化分析。结果表明：（1）成都平原经济区高霾日多集中在德阳、成都和乐山等城市地区,冬季霾日最多,春秋季次之,夏季最少;（2）1991~2000年为成都平原经济区霾日数的高发阶段,2011~2018年霾日数呈明显下降趋势;（3）EOF（Empirical Orthogonal Function）和小波分析均揭示出成都平原经济区霾日数呈明显下降的趋势,其中资阳、成都、遂宁下降最快,仅绵阳北部呈小幅上升趋势。     

石家庄市采暖季霾日气象特征及其心理健康效应

选取石家庄2001~2010年12月至翌年2月28次空气污染过程,结合海平面气压场和500h Pa高度场,总结出有利于霾发生的4种天气类型:槽脊型、纬向型、横槽后部型和鞍形气压场型。利用WRF模式对一次霾发展变化过程进行数值模拟,分析霾生消与气象要素间的关系,结果表明低层持续的均压场和逆温层结造成大气污染物持续累积,霾得以持续数日。在霾持续期间开展心理问卷调查,分析霾对成人心理健康的影响,结果表明持续一周的霾会对人体心理健康产生影响,其中对强迫、抑郁和焦虑3种症状影响最大。