三种霾日统计方法的比较分析——以环首都圈京津冀晋为例

为了研究单次值法、日均值法、14时值法3种常用的霾日和轻雾(雾)日统计结果的异同,以环首都圈京津冀晋四省市为例进行了比较.华北地区霾日用3种方法统计的过去60余年霾日的区域分布表明,3种方法统计的霾日是单次值法日均值法14时值法,大致是1:0.54:0.45的关系,但区域分布趋势比较相似.典型城市霾日的长期变化趋势大都十分相似.而轻雾(雾)日的长期变化趋势表明,用单次值法统计的明显偏多,且有长期下降趋势;而用日均值法与14时值法统计的轻雾(雾)日无大差别,且没有明显的长期变化趋势,反映了年季和年代季的气候波动.从长期季节变化趋势来看,3种统计方法的结果除日数的差别外,季节分布特征比较类似.一个突出的特点是除去采暖季有较多的霾日外,在盛夏季节霾日也明显多,集中出现在6~9月,尤其是7~8月,与桑拿天同期出现,这与全国大部分城市的变化趋势完全不同.是华北地区的特有现象.用单次值法统计霾日,将包括所有的霾过程,即大范围持续时间长,且与一定天气系统与近地层扩散条件相关连的霾,及在稳定的晴朗夜间由于辐射降温,使相对湿度升高而导致能见度下降形成的霾.用日均值法,则可能更多的显示长时间大范围的霾天气过程;而使用14时法,则对早晚因湿度增加降低能见度出现的霾天气漏记,突出长时间大范围的霾天气过程.     

南京2007年12月持续雾霾过程的大气消光特性

2007年南京冬季雾外场综合试验期间,雾、霾交替持续的最长时间达100 h以上。利用大气气溶胶粒子和雾滴数浓度尺度谱分布、能见度、相对湿度等同步观测资料,从Mie散射理论出发,研究了雾、霾不同阶段大气消光特征,重点分析了大气气溶胶粒子和雾滴在雾、霾持续和转化过程中的消光作用。结果表明,雾、霾过程不同阶段平均能见度的大小关系为：雾<湿霾<霾~轻雾。平均而言,雾阶段雾滴和气溶胶粒子的消光作用相当,其中,雾滴消光波动幅度大于气溶胶粒子消光,能见度的变化趋势主要由雾滴的消光决定。湿霾、霾和轻雾阶段的消光主要由气溶胶粒子造成。湿霾阶段的低能见度是由于大量积聚模态的气溶胶粒子在较高相对湿度环境中吸湿增长所致。霾阶段气溶胶粒子数浓度达到最大,核模态粒子占总数浓度的80%左右,是导致该阶段能见度较低的主要原因。轻雾阶段气溶胶粒子的消光系数最小,但雾滴可提供10%~15%的消光贡献,导致能见度与霾阶段相当。     

环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件

为了研究环首都圈京津冀晋4省市霾和雾的长期变化特征与典型个例的近地层输送条件,使用京津冀晋长期气象资料和高分辨率自动气象站资料,分析了环首都圈霾和雾天气的长期变化趋势,与使用矢量和算法分析典型个例气流停滞区的形成过程.结果表明,在1950—1960年代,环首都圈京津冀晋4省市霾日非常少,1970年代开始增多,1980年代以后明显增多,并形成几个霾日集中区,比较明显的是邯郸-邢台-石家庄-保定-北京-天津的带状分布,还有太原及以南的带状分布,最为严重的情况出现在1996—2000年,2000年以后有一定减少.北京1950年代霾日比较多,最多达到1年有160 d以上霾日,与同期沙尘天气偏多相关联,随着在首都周边地区的大规模植树造林,到1967年,霾日已经减少到1年不足10 d,1970年代以后北京的能见度急剧恶化导致霾日迅速增加,到1980年代初增加到220 d以上,一直到1999年前后北京的霾日维持在每年160~200 d左右;2000年以后到北京奥运会前后,霾日持续下降,到2010年霾日仅有56 d,2012年有所反弹,增加到91 d.北京及华北地区霾日季节分布突出的特点是除去采暖季有较多的霾日外,在盛夏季节霾日也明显多,集中出现在6—9月,尤其是盛夏季节的7—8月,与所谓的桑拿天同期出现,这与全国大部分城市的变化趋势完全不同.霾过程的发生和矢量和的大小存在较为明显的正相关关系.霾过程中,在华北平原均出现明显的气流停滞区,区域矢量和很小,不利于空气中污染物的水平扩散;清洁过程时华北4省市尤其是北京地区受明显的西北气流影响,风矢量和为较一致的偏北方向,水平扩散条件较好,较利于污染物的扩散,对应同期能见度较高.京津冀西侧、北侧靠山、东邻渤海,尤其是北京小平原三面环山.太行山、燕山和军都山形成的"弓状山脉"对冷空气活动起到了阻挡和削弱作用,导致山前暖区空气流动性较小形成气流停滞区、污染物和水汽容易聚集从而有利于霾和雾的形成.由于受太行山的阻挡和背风坡气流下沉作用的影响,使得沿北京、保定、石家庄、邢台和邯郸一线的污染物不易扩散,形成一条西南-东北走向的高污染带,华北平原偏南气流的弱辐合作用和也加重了北京的污染.山西省的高浓度污染物亦在低空偏南气流输送下沿桑干河河谷和洋河河谷以及滹沱河-拒马河河谷向北京输送.河北中南部与山西诸河谷的累积污染带叠加近地层输送流场是造成北京严重霾天气过程的重要原因之一.     

淮河下游连续雾-霾及转换成因分析

利用边界层探空资料、地面气象要素及污染物资料,研究了2012年6月中上旬淮河下游一次连续多日大范围雾-霾天气的雾-霾转换过程及成因.结果表明:近地面静小风为雾-霾长时间维持提供良好动力条件,边界层中低层维持的近中性层结或逆温层结创造良好热力条件,秸秆燃烧提供凝结核条件;雾和霾过程中风速下降伴随着能见度降低,风速增大则伴随着能见度升高.中度以上霾的形成和发展都伴随着空气比湿增大,霾向雾转换过程中比湿下降.比湿越大雾-霾持续时间越长,雾前比湿越高雾中最低能见度越低.能见度与SO2浓度呈正相关( Pearson相关系数为0.42)、与PM2.5和PM10浓度呈反相关(Pearson相关系数分别为-0.49和-0.56);雾-霾过程中上风向SO2、NO2浓度高于下风向2倍左右,下风向NO和PM10浓度高于上风向1.5倍左右,出现污染物转化.     

南京冬季雾霾过程中气溶胶粒子的微物理特征

2007年冬季南京雾外场试验获得了雾霾转换过程的大气气溶胶和雾滴尺度谱分布同步观测资料,根据能见度和含水量将雾霾过程划分为雾、轻雾、湿霾、霾4个不同阶段,进而分析了不同阶段粗、细气溶胶粒子的微物理特征.结果表明,4个阶段的主要发生顺序为霾←→轻雾—→湿霾—→雾—→湿霾—→轻雾←→霾,雾前湿霾阶段持续时间长于雾后.尺度2μm的粗粒子数浓度、表面积浓度和体积浓度在雾阶段均显著大于其他3个阶段,其中霾阶段浓度最低.雾滴表面积浓度和体积浓度尺度谱分布为双峰或多峰型,而轻雾、湿霾和霾阶段粗粒子谱均为单峰型.尺度0.010μm的细粒子表面积浓度谱形在雾和湿霾阶段、轻雾和霾阶段分别相似,雾和湿霾阶段数浓度占优势的尺度范围分别为0.04～0.13μm和0.02～0.14μm,轻雾及霾阶段数浓度优势粒子尺度范围均为0.02～0.06μm.从霾、轻雾、湿霾到雾的转换过程中,以0.060～0.090μm为界,小粒子减少,大粒子增多.雾霾演变过程中气溶胶粒子数浓度与均方根直径呈显著负相关关系,雾阶段气溶胶粒子数浓度最低、平均尺度最大.     

福州区域雾霾天气时空分布特征分析

利用1968～2007年共40年的福州区域9个气象站的历史地面观测资料,分析雾霾天气的时间分布特征及其原因。结果表明:40年间,福州区域雾日最多的是永泰站,轻雾日最多的是福州站,霾日数最多的是福清站;福州区域40年来雾日数有减少趋势,而轻雾和霾日数有增多趋势,对比前后20年的雾霾日数分布,福清、福州、闽侯3个站的霾日数出现异常增多;雾日数和霾日数具有明显的季节性变化,雾主要出现在12月～翌年6月的冬春季节,霾主要出现在10月～翌年4月的秋冬春季节,轻雾日数的季节性变化不明显。     

利用日均及14时气象数据进行霾日判定的比较分析

汇总京津冀区域内多个地面站1980-2008年气象资料,根据目前霾天气判别的主要方法,结合气象资料的具体特点,确定具体判别指标,利用日均值和14时实测值分别统计区域内各站点逐年各月的霾日数,分析两种方法进行霾日统计的具体特点.发现两种方法都不可能准确统计出霾天气的出现,但在分析单个站点或者一个区域长时间跨度的霾日变化时...     

1981~2010年深圳市不同等级霾天气特征分析

利用1981~2010年深圳市地面观测及空气质量监测资料,分析深圳不同等级霾天气的长期变化特征以及大气水平能见度、空气质量与霾的关系.结果表明:深圳霾日数总体呈增多趋势,强度增强,中度以上霾增多;各等级霾日数均呈增多态势,但不同等级霾日占年总霾日的比例变化趋势不同,轻微霾所占比例下降,轻度以上霾上升; 霾天气呈现冬季>秋季>春季>夏季的季节特征,但重度霾却是夏季最多; 霾导致大气水平能见度明显下降,霾日平均能见度较非霾日低6~7km,霾等级越高,能见度下降越明显,霾日能见度日变化幅度较非霾日小;霾日SO2、NO2浓度为非霾日的1.4~1.7倍,PM10是非霾日的2.2倍,大气颗粒物污染加剧可能是深圳能见度恶化、霾天气增多的一个重要原因;针对荔香站霾日SO2浓度日变化不明显,PM10 、NO2浓度呈双峰型分布,与上下班时段吻合,说明机动车的增加也是深圳霾天气增多的主因之一;霾等级越高,空气中PM10、SO2、NO2的浓度越高,从轻微到重度霾各级之间SO2、NO2和PM10浓度增幅大都在15%~20%.     

湖南省近43年雾霾气候变化特征分析

对湖南76个地面气象观测站1970―2012年逐日能见度、相对湿度数据分析,获取湖南各区域逐日雾、霾情况,利用线性趋势分析雾、霾历年变化特点,采用MK分析得到雾霾突变情况,结果表明:近43a湖南雾日减少而霾日增多,其变化趋势通过信度为0.01显著性检验。年雾日从2008年开始呈断崖式减少,突变点通过了MK检验,年霾日呈稳定增多,没有突变发生;年雾日数在1~20d/a的台站最多(75.0%),而有59.2%台站霾日数在21~50d/a之间,这也使得全省霾日分布范围较雾广,年均天数较雾日多,雾日数区域变化明显;四季中冬季雾、霾最严重,特别是冬霾日占全年近一半,夏季雾霾出现次数最少,在湘中有一个三角型分布的霾高发区域。     

天津冬季雾霾天气下颗粒物质量浓度分布与光学特性

年1—2月连续在线观测天津ρ(PM_2.5)、ρ(PM₁₀)、大气能见度、σ_sp(气溶胶散射系数)、σ_ap(气溶胶吸收系数)和AOD(大气光学厚度),结合气象资料,分析天津城区雾霾天气下的颗粒物质量浓度分布与光学特性. 结果表明:在为期52d的观测期间,发生雾日8d、轻雾日1d、霾日29d,雾霾日占观测时长的73%;霾日ρ(PM_2.5)/ρ(PM₁₀)为0.65,SSA(单次散射反照率)为0.95,MSE(气溶胶质量散射系数)为3.30m2/g,均高于非雾霾日,表明雾霾日下细粒子的散射作用是大气消光的主要贡献者;雾霾日的σ_sp和σ_ap均高于非雾霾日,随着霾等级增强,σ_sp和σ_ap逐渐增大,重度霾天气的σ_sp和σ_ap与中度霾天气相当,分析高RH可能是造成能见度进一步降低的主要因素;雾霾天气下AOD_500nm和波长指数均显著高于非雾霾天气,表明雾霾天气下气溶胶浓度远高于非雾霾天气,并且细粒子占主导地位.      

1960—2012年西安地区雾霾日数与气象因素变化规律分析

利用1960—2012年西安区域7个气象站的历史地面观测资料,统计分析了西安区域能见度介于1~10 km的雾霾天气现象的长期气候变化及空间分布特征.结果发现,能见度介于1~10 km的雾霾日发生数存在准7~9年周期震荡,每7~9年形成一个峰型.同时还分析了能见度介于1~10 km的雾霾天气时的气象要素变化规律及相关关系.研究表明,53年来西安区域雾霾现象日数的波动性增加趋势非常明显;雾霾现象各月日数年内基本呈单谷型分布,雾霾现象最多出现于冬季,夏季出现概率较小;随着雾霾持续日数的递增,雾霾天气过程出现次数呈幂函数形式迅速递减;西安区域雾霾现象日数分布呈城区多发,近郊次之,远郊最少的特征;随着日均相对湿度的逐渐增大,西安市雾霾天气的出现几率呈先增大后减小的趋势;西安市出现的能见度介于1~10 km的雾霾现象中,仅有10.7%属于轻雾,其余的均为霾;气温越低,日平均风速越小（静风或风速≤2.0 m·s^-1）,14时出现负变压或正变温,连续不降水日数越长时,越有利于雾霾天气的形成.     

1960~2012年长江三角洲地区雾日与霾日的气候特征及其影响因素

利用1960~2012年长江三角洲地区气象观测资料,对长江三角洲区域雾和霾的时空分布及其影响因素进行了分析.结果表明:长江三角洲地区雾、霾分布不均匀,雾日大值区主要分布在江苏省盐城中部沿海地区、安徽省黄山地区、浙江东部沿海地区,霾日大值区主要分布在以南京、杭州、合肥、衢州为中心的周边城市.时间变化上,城市化水平高的大城市年雾日数在20世纪80年代之前呈增加趋势,之后呈减少趋势;城市化水平低的小城市年雾日数也呈先升后降的趋势,但下降时间滞后于大城市.大城市雾日月平均分布冬季最多,春秋季次之,夏季最少,小城市雾日月平均分布呈双峰型特征,即春季和冬季较多.大城市和小城市年平均霾日数一直呈增加趋势且20世纪90年代之后差距变大.区域气候变化和城市化导致的温度上升,空气污染加剧导致的气溶胶增加,是造成长江三角洲雾日、霾日不同变化特征的原因,但它们之间的相互作用效应复杂,值得深入研究.     

霾天气影响下的京津冀气候变化特征与成因

利用1961~2016年京津冀90个国家级气象站的霾数据集、日平均相对湿度、14：00能见度、日平均气温、日累计降水、日平均风速、辐射等数据,采用MASH方法、线性趋势分析方法、曼-肯德尔（Mann-Kendall）法以及相关分析等方法研究了京津冀地区霾天气影响下的气候变化特征.结果表明：京津冀地区年平均霾日数呈明显的增长趋势,增长率为5d/10a以上,大中城市年平均霾日数明显高于其他地区,霾日数突变增多发生在1992~1993年,在国家大气污染防治专项资金注入以后年平均霾日数增长趋势减缓;京津冀地区霾日和非霾日年平均气温呈上升趋势,年平均能见度呈下降趋势;年平均降水日数总体趋势减少,但是霾日降水日数逐年增加,而非霾日呈现减少趋势,两者呈现对称相反关系;京津冀霾日和非霾日年平均风速均呈逐年下降趋势;霾日数具有随着GDP、能源消耗的增加逐年递增趋势.京津冀地区霾日和非霾日年平均总辐射和散射辐射都是逐年下降,霾日比非霾日下降趋势更加明显,年平均总辐射比散射辐射下降明显;年平均霾日数与年平均总辐射、年平均风速、年平均降水呈负相关,但是与年平均气温、GDP、能源消耗呈正相关.     

基于自动站资料的苏州灰霾天气分析

利用苏州2010~2013年的逐时气象和大气成分观测资料,对苏州灰霾天气特征进行了统计分析,研究发现:苏州灰霾的小时频率为30.7%,灰霾等级以轻微灰霾为主,干霾占总灰霾的比例为85.6%.2013年12月灰霾小时频率最高,达82.3%.灰霾小时频率有明显的日变化特征,峰值出现在上午8:00时,达36.3%,14:00~16:00时,灰霾频率最低,约为25%左右;灰霾期间,PM10、PM2.5、PM1.0和散射系数分别是非灰霾期间的1.72、2.07、1.88和2.58倍.采用不同的灰霾日标准,苏州年均灰霾日数在94~243之间,相差极大.灰霾频率和气象条件有密切关系,灰霾频率最高的相对湿度区间为70%~80%,重度霾最多出现在90%~95%的相对湿度条件下;随风速增加,灰霾频率逐渐下降,在西北风向下,灰霾频率最大.大气消光以颗粒物散射消光为主,约占总消光的82%左右,黑碳的吸收消光约占13%左右.     

1980~2012年江苏省城市霾日的时空分布及成因分析

利用1980~2012年江苏省气象观测资料,对江苏省城市霾时空分布及成因进行了分析.结果表明,1980~2012年江苏省霾日增加,重度和中度霾增加显著,苏北和沿海城市霾日增加显著.秋季和冬季霾日最多,夏季最少.秋、冬季霾主要在内陆,沿海略少.除苏南三城市,6月其他城市霾日都比较多.80年代霾日较为均匀,90年代苏南、苏西南增加,2000年代江淮之间和苏北增加,2010~2012年苏北霾日增加显著,苏南地区霾日略有减少.全省连续性霾日、区域性霾日及连续性区域霾都呈增加趋势.城市建成区面积逐年扩大、由工业及汽车尾气排放的污染物逐年增加,导致区域气温升高、空气相对湿度下降,形成城市热岛和干岛效应,加上污染物的增多,增强了霾形成和维持的条件,持续性霾、区域性霾和持续性区域霾也增加较为显著.     

灰霾天气成因危害及控制治理

随着经济社会发展、城市迅速扩大和城市化进程加快,大气气溶胶污染日趋严重,由气溶胶颗粒物造成能见度恶化事件越来越多,灰霾天气已成为一种常见环境灾害污染事件。简要概述了灰霾天气定义分级、分布特征与雾霾比较,深入研究了灰霾天气形成原因、影响因素与存在危害,系统探讨了灰霾天气控制措施、监测方法与治理对策。指出在现有灰霾天气成因危害及控制治理状况下,加强理念宣贯,建立预报预警,开展PM2.5防治,推进城区绿化,科学布设规划,可有效解决中国资源节约型、环境友好型、生态文明型可持续发展过程中所面临灰霾天气防控治理问题。     

香河夏季PM2.5水溶性无机离子组分特征

2013年6月在中科院香河观测站对大气气溶胶化学组分特征进行研究.对PM2.5和PM10质量浓度进行在线监测,结果表明,观测期间PM2.5和PM10质量浓度均值与方差分别为(151.78±82.48)μg/m3和(250.47±106.99)μg/m3;SNA(SO42-、NO3-、NH4+)占PM2.5质量浓度的44.8%,且大多富集在粒径0.5~2.5μm的细颗粒物中.硫氧化率(SOR)、氮氧化率(NOR)平均值分别为0.35、0.31,SO2主要通过非均相的氧化反应转化为SO42-,NOx主要通过白天光化学反应转化为NO3-;灰霾和轻雾天较高的SOR和NOR表明,灰霾和轻雾天相比于清洁天有较多的SO2、NOx转化为SO42-、NO3-.气流后向轨迹分析表明灰霾和轻雾天空气质量受经过河北、山东及江苏北部气流影响.     

雾霾天气的成因分析与防治对策研究

近年来,雾霾天气成了中国经济发达地区冬季常见的天气现象,给人们的生活带来诸多不便,严重影响着人们的身体健康.通过对雾霾天气时空气成分的研究以及雾霾天气形成原因的分析,可知雾霾的主要成分有硫氧化物、氮氧化物和悬浮在空气中的颗粒物.雾霾的成因不仅仅是人为的因素,它还与自然因素有关.另外针对雾霾的特点列出了一些雾霾天人体的防护措施和治理雾霾的一些方法.希望可以给现已生活在雾霾天气下,且深受雾霾迫害的人们带来一点儿帮助.同时能够起到警醒环保意识差的人来共同治理和防治雾霾.     

北京市PM2.5对DNA的氧化性损伤规律分析

运用质粒DNA损伤评价法,在北京市2010年6月至2011年6月全年的大气PM2.5样品中,选取每月的2个样品(包括正常和雾霾天气),共24个样品进行实验,分析其氧化性损伤能力的变化规律及其与采样条件的相互关系.结果表明,北京市大气颗粒物全样的氧化性损伤能力等于或略大于相应的水溶组分,说明颗粒物氧化性损伤能力多来自于水溶组分,大气颗粒物对DNA损伤率呈现在50,100,150, 200mg/mL剂量水平下依次递增的规律,即随剂量的增加而增加;雾霾天气下DNA损伤率出现高值;4月和6月的DNA损伤率在全年中较高.其他月份正常天气条件下损伤率均较低,在200mg/mL剂量下损伤率基本低于50%;损伤率与环境平均温度和湿度呈正相关,与平均大气压强和日平均风速呈负相关,相关性大小顺序为:环境平均温度>平均大气压强>平均湿度>日平均风速.