石春娥,张 浩,杨元建,张宏群 (1.安徽省气象科学研究所,安徽省大气科学与卫星遥感重点实验室,安徽 合肥 230031；2.寿县国家气候观象台,安徽 寿县 232200)

霾是大量极细微的干尘粒等均匀地浮游在空中,使水平能见度小于10km的空气普遍混浊现象[1],其本质是细粒子污染[2].形成霾天气的高浓度大气细粒子中可能含有大量有毒有害物质[3],会影响人体健康[4];霾天大量气溶胶粒子的散射和反射作用,还可减少到达地面的太阳辐射,造成小儿佝偻病高发[5],影响植物光合作用等[6].随着中国城市化和工业化进程的加快,由于气溶胶污染导致的霾天日益增多,且呈现出区域性、持久性特征[7-9].特别是,中国东部近年来频繁发生大范围的灰霾事件已引起人们的广泛关注[10-11].

近年来,许多学者从不同的角度对中国霾天气进行了深入研究,包括区域或局部霾的气候特征及成因[8-11]、影响霾形成的气象条件[12-14]、霾天气溶胶粒子的组分特征及形成机制等[3,15-17].安徽省位于中国中东部地区,属于泛长江三角洲地区的内陆农业大省,随着城市化、工业化的发展,并受周边大气污染输送及农业活动(如秸秆焚烧)的影响[18],自 1980年以来城市气候表现出雾日数减少、霾日数增多的特点[11,19].2000年之后,全省存在多个霾的高发区,霾的区域性特征越来越明显[9].相比晴空天,霾天2.1µm以下的细粒子浓度显著升高,细粒子中硝酸盐离子浓度升高倍数最多[15].上述研究加深了对中国霾天气特征、形成机制及其影响的理解,并凸显出对霾的覆盖范围和持续时间进行划分的必要性.事实上,持续的大范围霾天气影响和危害更大,因为持续性、大范围的霾天气,意味着长时间大范围的低能见度,且伴随着 PM2.5浓度超标,对人们生活、出行影响巨大,因此对持续的区域性霾过程的特征进行深入研究,为开展相关的预报预警业务奠定基础,具有重要的实际意义.

鉴于此,以安徽省为例,首先定义了持续性区域性霾天气,然后对安徽不同子区(沿淮淮北、江淮之间和沿江江南)持续性区域性霾天气的年际、季节变化进行统计分析,最后结合气象要素、地基和空基遥感资料、地面空气质量监测资料分析了区域性霾天的气象要素特征、气溶胶水平及垂直分布特征、空气质量分布特征.

1 资料与方法

1.1 资料

1.1.1 安徽省 80个市(县)1980～2015年的地面常规气象资料 包括逐时风向风速、相对湿度,一日 3次(08、14、20时)的能见度,天气现象和日降水量等,来自安徽省气象信息中心.2013年以前,安徽各站基本上都是目测能见度,2014～2015年,部分测站开始器测能见度,属于目测器测能见度混合的年份.由于观测原理不同,目测与器测能见度存在明显偏差,器测能见度约为目测能见度的0.76倍[20].

式中:VIS目测和VIS器测分别指目测能见度和器测能见度.

重建各市县霾天记录前用式(1)把所有器测能见度转换为目测能见度.

1.1.2 MODIS监测气溶胶光学厚度(AOD) 气溶胶光学厚度是大气消光系数在垂直方向上的积分,表征的是气溶胶通过散射和吸收作用阻碍光传输到地面的阻碍程度.MODIS卫星遥感AOD产品不仅具有区域尺度及全方位立体监测的优势,而且还有较高的反演精度[21].研究表明,MODIS-AOD与地面颗粒物浓度之间存在良好的正相关,即AOD越大,气溶胶浓度越高,空气质量越差,地面能见度越低[22],在区域空气质量监测方面具有巨大的应用潜力[23],在中国大陆地区得到过广泛的验证,在中国大陆具有可靠的质量[24],被广泛用于研究局地、区域和全球的气溶胶分布与变化趋势[25].为了解区域性霾天气溶胶污染的空间分布特征,用 MODIS_C051的Terra/MOD04_L2的AOD(http://ladsweb. nascom.nasa.gov/)对比分析区域性霾天和区域性晴空天安徽 AOD 分布,该资料空间分辨率为 10km×10km,在制作安徽省AOD的空间分布特征前,对MODIS数据在 0.25°×0.25°网格点内进行平均.为便于比较,要考虑污染源的稳定性,本文把AOD统计时段限定在2011～2015年.

1.1.3 2012～2013年合肥西郊的激光雷达探测数据每 15min一次,空间间隔 30m 的消光系数[26],由中国科学院安徽光学精密机械研究所大气成分与光学重点实验室提供,用来分析区域性霾天气溶胶的垂直分布特征.

1.1.4 大气污染物浓度数据 包括合肥 2013～2015年日均 PM2.5质量浓度,根据中国国家环境保护部网站公布的监测数据(http://datacenter.mep.gov.cn/)计算得到[27];和 2014年 11月～2015年12月16个城市空气质量指数(AQI),来自安徽省环境保护局网站(http://www.aepb.gov.cn/pages/Aepb15_KQRB.aspx).各测站观测仪器和观测方法一致,都是用β射线法测量 PM2.5质量浓度.合肥的PM2.5监测始于2013年1月,各市基于日均浓度的AQI资料始于2014年11月.用来分析区域性霾天对应的地面空气质量特征.

1.2 持续性区域性霾过程的定义

关于霾日的定义,目前仍没有统一标准[28],应用中外广泛使用的日均值方法[29]进行重建.关于持续性区域性霾的定义,目前也没有统一标准.不同学者采用不同的标准定义区域性霾,如Chen等[30]定义严重霾过程标准为 50%以上的站点达到霾标准,刘端阳等[8]以连续 3个相邻城市在同一天都出现霾定义为区域性霾,以连续 3个站以上连续天数超过3d的霾日定义为区域性连续性霾.为便于统计和应用,本文首先按区域内达标站点百分比来确定区域性霾的标准.考虑到长江三角洲部分省市在近年来的环境气象业务中定义区域性污染为区域内1/3以上的城市达到空气污染,兼顾前人研究和业务现状,本文考虑站点数标准时分别采用 2/3(标准一)、1/3(标准二)和 1/2(标准三)站点数进行统计,比较按各标准得到的区域性霾天数变化趋势后确定;区域划分时考虑了安徽能见度分布和气候特点[31];持续性方面参考安徽省连阴雨天气的定义对测站和持续时间的规定[32].

站点选取:将全省分为沿淮淮北、江淮之间和沿江江南 3个子区(图 1).对每一子区所含站点的具体规定同安徽省连阴雨天气的区域划分[32],站点划分时考虑了气候特征.沿淮淮北 21个站点,包括亳州、淮北、宿州、阜阳、蚌埠等5个城市,以平原为主,淮北北部属于暖温带气候区,沿淮属于北亚热带过渡气候区;江淮之间25个站点,包括淮南、滁州、六安、合肥、巢湖等 5个城市,以丘陵为主,包括西边的大别山,主要属于北亚热带气候区;沿江江南32站,包括芜湖、马鞍山、安庆、铜陵、宣城、黄山、池州等 7个城市,包括部分沿江平原和皖南山区,属于亚热带气候区.

图1 安徽省行政区划Fig.1 Sketch map of Anhui province

区域性霾:某一子区有超过1/3(2/3、1/2)的站点达到霾的标准,即淮北大于7站(14站,10站)、江淮之间大于8站(17站、12站)、江南大于10站(21站、16站),则算该区域出现一个区域性霾日.如果3个子区都达到区域性霾标准,则为全省性霾天,如淮北和江淮之间都达到区域性霾标准,则为江北区域性霾天,如江南和江淮之间都达到区域性霾标准,则为淮河以南区域性霾天.

持续性霾:按持续天数分为 3类:4～6d、7～10d、10d 以上.

持续性区域性霾:某一子区的 4～6d的区域性霾过程,必须有连续 3d的霾日,总霾日不能少于 4d;7d及以上的持续性霾过程,该区的霾日要不少于该区霾日总数的 2/3(中间若有间隔只能1d).

持续性区域性霾分类:按持续时间分为4～6d、7～10d、10d 以上;按空间分为沿淮淮北、江淮之间和沿江江南.考虑到持续性区域性霾的演变过程,如一般相连的两个子区都是先后发展为区域性霾,为简单起见,本文暂不考虑跨子区的持续性区域性霾过程.

1.3 分析方法

根据上述确定区域性霾的 3个标准,可以得到安徽不同子区区域性霾日数的年际变化,以及持续性区域性霾过程的年际变化.

为便于深入了解区域性霾日的气溶胶污染特征及气象要素特征,定义了区域性晴空天.晴空天定义为排除雾、霾、降水等天气,08:00、14:00、20:00时3个时次平均能见度大于10km.当区域范围内所有台站(市县)均为晴空天,则当天计为区域性晴空天.在此基础上对比分析了区域性霾天与区域性晴空天AOD分布特征、消光系数垂直分布特征及AQI分布.

2 持续性区域性霾的时空变化

2.1 区域性霾日数定义及其年际变化

图 2给出了用上述 3个标准得到的 1980～2015年安徽不同子区区域性霾日数的年际变化.标准一(图2a),2000年之前,各子区都有区域性霾发生,但每年都不超过 5d,大部分年份没有;2000年开始,各子区几乎每年都有区域性霾天出现,尤其是江淮之间和沿淮淮北,2005～2012年的大部分年份都在5d左右,2013-2015年大多数年份在10d以上.沿江江南的区域性霾日数总体上比江北2个子区少,但变化趋势基本一致.

标准二 (图2b),1980～2000年,沿江江南和江淮之间 2个子区的区域性霾日数总体呈上升趋势,且2个子区差别不大,从20世纪80年代初的20d左右上升到2000年前后的40d左右,而沿淮淮北无明显变化趋势,且明显少于另外 2个子区;2000～2012年,总体上无明显变化趋势,江淮之间次数最多,各子区霾日数年际变化幅度增大,这可能是受大尺度气候条件的影响[9].2013～2015年,各子区区域性霾日数都明显增多,且沿淮淮北超过了江淮之间,各子区变化趋势一致.

图2 1980～2015年安徽各子区区域性霾的年际变化Fig.2 Variation of annual regional haze days over different sub-regions in Anhui Province from 1980 to 2015 obtained by three criteria

标准三(图 2c),年区域性霾日数基本上介于标准一和标准二之间,更接近于标准二,1998年之前,沿淮淮北和沿江江南低于 10d,变化趋势不明显,江淮之间总体呈下降趋势;2000年之后各子区区域性霾日数大幅度上升,但 2000～2012年变化趋势不明显.2013～2015年,各子区区域性霾日数进一步增多.

为考虑各标准得到的区域性霾日数变化趋势的合理性,计算了图 2中各标准得到的各子区区域性霾日数与石春娥等[9]报道的全省平均霾日数的相关系数(表1).标准二、三得到的区域性霾天数与全省平均霾天数变化的趋势一致性较好,标准二的一致性最好.

表1 各标准得到的3个子区1980～2012年区域性霾日数与全省平均霾日数的相关系数Table 1 Correlation coefficients between regional haze days in each sun-region by three criteria and annual haze days averaged over all sites in Anhui during the period of 1980～2012

此外,标准一、三得到的各子区持续性区域性霾过程极少,标准一2009年才开始出现持续性区域性霾过程,主要集中在2013～2015年,各子区分别有3次(沿淮淮北)、4次(江淮之间)和4次(沿江江南),样本较少;标准三持续性区域性霾过程也很少,2000年之前,仅江淮之间和沿江江南各有1次,2000～2015年大部分年份没有,各子区分别有 6次(沿淮淮北)、7次(江淮之间)、5次(沿江江南)次,仅2015年各子区分别有超过1次.

图3 标准二得到的1980～2015年安徽多子区区域性霾的年际变化Fig.3 Variation of annual multi-sub-region regional haze days by the second criterion during the period of 1980～2012

综上所述,确定区域性霾天的标准为:超过1/3的站点数为霾日则算一个区域性霾日.在图2b基础上得到的江北、淮河以南及全省区域性霾的年变化(图3),其中,全省性霾天、江北和淮河以南的霾天可有重复.2005年之前,3个子区3种组合得到的区域性霾天都呈增加趋势,淮河以南组合最多,江北与全省组合接近,即是否出现全省性霾天取决于沿淮淮北;2006～2012年,3种组合得到的区域性霾天都呈下降趋势,江北和淮河以南组合接近,2013～2015年,3种组合均呈明显的上升趋势,江北组合上升更明显,2014～2015年淮河以南组合与全省组合更为接近,说明是否出现全省性霾天取决于沿江江南.

2.2 持续性霾的年际变化

图4给出了全省17个城市(含巢湖)连续4d及以上,5d及以上和 6d天及以上霾过程站次数的年际变化.持续4d及以上的霾过程1980～2013年稳步上升,尤其是 2000年之后,上升趋势更明显,由2000年的28站次增加到2013年的71站次,2015年增加到102站次.持续5d和6d及以上的霾过程总体呈上升趋势,2000年之后上升趋势明显,到2015年,连续5d及以上的霾过程达到60站次,2014年连续6d及以上的霾过程达26站次.

2014～2015年,持续4d及以上和持续5d及以上的过程出现次数比之前有较大幅度的上升,持续4d及以上的过程2014、2015年分别达104、102站次,2013年仅71站次.

图4 全省17个城市持续性霾过程的年际变化Fig.4 Variation of annual persistent haze events summed at 17 cities in Anhui Province

即使是同一子区,不同城市持续性霾的次数和年际变化差异也很大,图5给出2006～2015年各市不同时间长度持续性霾过程的平均次数.各市都是随着持续时间延长,次数减少.沿淮淮北持续性霾次数最多的是蚌埠市(4、5、6d以上的霾过程分别为7.4、5.3和2.9次),最少的是亳州市(分别为1.5、0.9和0.2次),江淮之间持续性霾次数最多的是合肥市(分别为 14.3、10.2和 7次),最少是六安市(分别为1.1、0.8和0.1次);沿江江南最多是池州市(分别为 5.5、3.6、2.2次),最少是黄山市(分别为0.3、0.2和 0次).除了黄山市,各市都出现过6d以上的持续性霾过程.

图5 2006～2015年安徽各市持续性霾的年均次数Fig.5 Number of persistent haze events at each city in Anhui Province averaged of 2006～2015

2.3 持续性区域性霾过程的时空分布

图6给出了1980～2015年安徽3个子区不同持续时间的区域性霾的发生次数年际变化.由图可见,2000年之前,持续性区域性霾过程较少,沿淮淮北每年最多1次,大部分年份没有;江淮之间和沿江江南一般不超过2次,偶尔3次,且分别有5年和 8年没有持续性区域性霾过程发生.2000～2012年,各子区持续性区域性霾过程年际变化均较大,沿淮淮北和沿江江南年发生次数最多的年份都是4次,沿淮淮北以4～6d的过程为主,无 10d以上的过程;江淮之间年发生次数最多为5次,在3个子区中7～10d的过程数最多,且有大于10d的过程.各子区都在2000、2005、2010年没出现持续性区域性霾过程,这个与石春娥等[9]报道的全省霾日数变化趋势一致,这3a均为霾日数谷值.

图6 1980～2015年安徽各子区持续性区域性霾过程年际变化Fig.6 Annual persistent regional haze events in each sub-region of Anhui Province during 1980～2015

2013～2015年,沿淮淮北和江淮之间持续性区域性霾过程显著增多,尤其是从 2013年到2014年,出现了跳跃式增长,2015年均达到9次,且沿淮淮北每年都有7～10d的过程,江淮之间每年都有超过10d的过程.但是,与江北2个子区不同,沿江江南 2013～2015年每年均为 5次,仅2013年有大于6d的过程.这与能见度观测方式的改变有关.如前文所述,到 2014～2015年,安徽各子区区域性霾日数都比之前明显增多,而根据已有研究[27], 2013～2015年,合肥市PM2.5污染呈减轻趋势,重污染天数减少,年均PM2.5浓度下降,因此,2014、2015年区域性霾日数的增加可能与 2014年开始能见度观测方式的改变有关,石春娥等[33]的分析表明能见度观测方式由目测转为器测后霾日数显著增加.而安徽器测能见度的使用是由北向南推进的,2015年江南的大部分测站还是使用目测能见度,而江北已经是以器测能见度为主了.可见,能见度观测方式的改变对持续性区域性霾过程的长时间变化趋势客观影响不容忽视.

分析了不同年代 3个子区持续性区域性霾过程的季节分布(表2),可以看到不同年代均是冬季最多,秋季次之,春夏季少.2010年之后持续性区域性霾过程明显增多,四季皆会出现,但仍然是冬季占绝对多数(占比超过 62%).各类过程中,以4～6d的过程为主,7d以上的过程基本上出现在冬季,以12月和1月为主.总体上,每一个时间段都是江淮之间次数最多,前 3个时间段是沿淮淮北最少,最近一个时间段是沿江江南次数最少.

表2 安徽各子区持续性区域性霾过程的季节分布(次)Table 2 Seasonal distribution of persistent regional haze events in each sun-region of Anhui province(time)

3 区域性霾天地面气象要素的统计特征

图 7给出了与霾密切相关的气象要素(风速、相对湿度)在区域性霾天和区域性晴空天的统计特征.考虑排放源的稳定性,统一时段为2011～2015年.各子区分别有区域性晴空天 348d(沿淮淮北)、198d(江淮之间)和171d(沿江江南),区域性霾天296d(沿淮淮北)、305d(江淮之间)、246d(沿江江南).

图7 安徽各子区区域性霾天与区域性晴空天相对湿度和风速的对比Fig.7 Comparisons of relative humidity and wind speed between regional haze days and regional clear days for each sub-region of Anhui Province

由图 7可见,各子区霾天相对湿度普遍较高,下四分位值大于 65%,中位值和平均值都在70%以上,而晴空天的日均相对湿度普遍低于霾天,上四分位值低于 60%,中位值和均值都在50%左右,最大值都不到 80%.从风速看,霾天与晴空天对比也很明显,但不及相对湿度显著,霾天风速的上四分位值在2m/s左右,而晴空天的下四分位值在 1.6～1.8m/s,霾天和晴空天风速的中位值和均值分别在 1.7～1.9m/s和 2.0～2.3m/s.可见区域性霾天常对应着大范围的高湿、小风天,高湿是主要的.

4 区域性霾天气溶胶污染特征

4.1 区域性霾天气溶胶污染水平分布特征

有学者认为中国地区AOD大于0.5即可认为是高值,对应着污染地区[24].图8给出了3个子区分别为霾天和晴空天的平均 AOD分布.可见,每一个子区霾天与晴空天AOD的差异都很明显,霾天AOD均大于 0.9,晴空天低于0.5,说明区域性霾天属于气溶胶污染比较严重的情况.

图8 2011～2015年安徽沿淮淮北(a、d)、江淮之间(b、e)和沿江江南(c、f)霾天(a～c)和晴空天(d～f)MODIS-AOD分布Fig.8 Distributions of AOD in Anhui Province averaged on regional haze days(a～c), and regional clear days(d～f) for Region along Huai River and to North (a, d), region between Yangtze River and Huai River (b, e) and Region along Yangtze River to South (c, f) from 2011 to 2015

表3 不同子区区域性霾天与晴空天AOD典型值及其比值Table 3 Typical AOD averaged on clear days and haze days in different sub-region

沿淮淮北为霾天时,江淮之间的 AOD值也较高,大别山以外的地区均大于 0.7;江淮之间为霾天时,沿淮淮北的AOD也大于0.9,但大别山区的AOD均值低于0.5,这是因为有同一天2个子区都属于区域性霾天的情况,即江北区域性霾天;沿江江南的霾天,从沿淮西部经江淮之间中部到沿江地区AOD都大于0.9,但江南南部AOD在0.4～0.6,黄山市略大于 0.6,但相比另外 2个子区出现霾天时,江南的AOD均值变大.可见,当沿江江南出现区域性霾天,江淮之间也可能存在部分霾区,但江南大部分地区不一定为霾区.对任一子区的晴空天,AOD低于0.5,江南南部和大别山区AOD低于0.3.为得到霾天与晴空天AOD的比值,分别取以宿州、合肥、池州和黄山市为中心1°×1°范围,计算 5年平均、霾天与晴空天的均值及霾天与晴空天的比值(表3).江北晴空天的AOD在0.4～0.5,霾天为 0.9～1.1,沿江江南略低,但是霾天与晴空天AOD的比值比较接近,在2.2～2.3. 5年平均,AOD由北向南递减,霾天与年均的比值也是由北向南递减.

4.2 区域性霾天气溶胶污染垂直分布特征

气溶胶浓度分布直接影响其消光系数,气象因子对气溶胶浓度垂直分布也有很大影响[34],就是说气溶胶消光系数的垂直分布能反映气溶胶的垂直分布特征和气象条件,如大气层结.作为省会城市,合肥的年霾日数一直居全省各城市之冠[9,31],当江淮之间为区域性霾天,合肥基本上都是霾天,但反之不一定.因此,将合肥的有效样本天分为区域性霾天(42d)、非区域性霾天(普通霾天,153d)和晴空天(77d),统计发现区域性霾天能见度普遍较低(均值和中位值都是4.1km;最大6.67km,仅9d大于5km,2d大于6km),普通霾天能见度一般在5～10km (均值和中位值都是 7km;最小 4km,仅 16天低于 5km).图 9给出了3类天气下14:00和02:00消光系数的垂直廓线.由图9可见,白天,3类天气条件下消光系数的差别主要发生在800m以下,近地面(200m以下),3类天气的消光系数分别为 0.2～0.3(晴空天)、0.3～0.5(普通霾天)和 1.0～1.2(区域性霾天).200～800m,晴空天消光系数随着高度缓慢增加,但基本上在0.3附近;普通霾天消光系数随高度变化不大,维持在 0.5～0.6;区域性霾天的消光系数在400m以下随高度上升,在400m附近达到1.3以上,从500m左右到800m高度,急剧下降,从1.3左右下降到0.3附近.晚上,3类天气条件下消光系数的差异主要在700m以下,近地面(200m以下),3类天气的消光系数分别为0.3(晴空天)、0.6(普通霾天)和 1.5(区域性霾天),从近地面到700m左右,晴空天消光系数随高度略有上升,霾天气溶胶消光系数随高度递减,说明霾天夜间的大气层结均比较稳定,扩散条件差,污染物被限制在近地层.

各类天气近地面消光系数大小说明区域性霾天比普通霾天污染更为严重,200m以下区域性霾天的消光系数是普通霾天的2(白天)～2.5(夜间)倍,是晴空天的 3(白天)～5(夜间)倍.普通霾天和区域性霾天消光系数的时间高度分布形势有差异,反映了气象条件和气溶胶来源的差异,有待在今后的工作中进一步深入研究.

图9 不同天气条件下14:00(a)和02:00(b)的平均消光系数廓线Fig.9 Vertical profiles of extinction coefficient at 14:00 BT (a) and 02:00 BT (b) averaged on days of different sky

4.3 区域性霾天的地面气溶胶细粒子污染特征

用环保部门发布的空气质量资料(PM2.5浓度,AQI)探讨区域性霾天与地面 PM2.5污染的关系.江淮之间2013～2015年共计228个区域性霾天,120个区域性晴空天.图 10给出当江淮之间为区域性霾天与晴空天时合肥 PM2.5浓度的对比,考虑到2014～2015年部分台站已开始使用器测能见度,把2013年与2014～2015年分开统计.霾天有浓度资料的天数2013年51d,2014～2015年170d.图11为霾天与晴空天AQI的对比,AQI为该天该区域内城市的最大AQI.由图10可见,霾天和晴空天的 PM2.5浓度(AQI)差异显著,合肥 75%的晴空天 PM2.5浓度低于 50µg/m3,但偶尔也有大于 100µg/m3,这与相对湿度有关,低湿晴空下,即使PM2.5达到轻度以上污染等级,能见度也不会低于10km[15]; 2013年和2014～2015年江淮地区区域性霾天合肥的 PM2.5日均值浓度范围不同,2013年更高,最小值为 68µg/m3(接近轻度污染的标准, 75µg/m3),下四分位值为112µg/m3(接近中度污染标准的下限值,115µg/m3),中位值达 173µg/m3(超过重度污染标准的下限值,150µg/m3); 2014～2015 年,PM2.5日均值浓度的下四分位值为 76µg/m3,中位值为100µg/m3;图 10的结果再次说明霾天的本质是气溶胶污染,分阶段(2013年与 2014～2015)的比较也说明器测能见度会使霾日数增多.从区域性霾天与晴空天AQI的比较看(图11),区域性霾天75%的情况至少有一个城市AQI达到轻度以上污染(AQI下四分位值大于 100),而区域性晴空天接近75%的情况所有城市AQI为优良等级(AQI上四分位值略大于100).

图10 江淮之间区域性霾天和区域性晴空天合肥PM2.5日均浓度Fig.10 Statistics of daily average PM2.5 concentrations of Hefei on regional haze days and regional clear days

图11 2014年11月～2015年12月各子区区域性霾天与区域性晴空天AQIFig.11 Statistics of daily AQI on regional haze days and regional clear days for different sub-regions

5 结论

5.1 根据安徽省的天气和气候分区特征,将安徽分为3个子区(沿淮淮北、江淮之间和沿江江南),定义了安徽区域性霾天气为“超过子区 1/3的站点为霾天气”即算一个区域性霾天,当出现连续3d以上的区域性霾天,即算一个持续性区域性霾过程.

5.2 安徽各子区霾的持续性区域性特征日益明显.1980年开始,江淮之间和沿江江南区域性霾日数总体呈增多趋势,沿淮淮北2000年之后增加趋势明显,受能见度观测方式改变的影响,2014～2015年各子区区域性霾日数大幅度上升.1980年以来,安徽城市各类持续性霾过程呈增多趋势,但各子区城市之间差异较大,各子区持续性霾次数最多的分别是蚌埠市(沿淮淮北)、合肥市(江淮之间)和池州市(沿江江南),最少的分别是亳州市(沿淮淮北),六安市(江淮之间)和黄山市(沿江江南).

5.3 2000年之前,各子区持续性区域性霾过程一般每年不超过2次,大部分年份没有,2000年之后持续性区域性霾过程明显增多,并且出现了7d以上甚至 10d以上的持续性区域性霾过程,总体上,江淮之间次数最多,沿江江南次数最少.主要(60%以上)出现在冬季,秋季次之,春夏季也偶尔发生.

5.4 区域性霾天常对应着大范围的高湿、小风天,近地层气溶胶污染严重.区域性霾天,日均相对湿度大于65%,日均风速低于2m/s;气溶胶光学厚度大于0.9,约是晴空天的2.3倍;近地层消光系数约是普通霾天的2～2.5倍,是晴空天的3～5倍;至少有一个城市 AQI大于 100(轻度以上污染),出现概率大于75%,而晴空天AQI大于100的概率极少.

参考文献：

[1]中国气象局.霾的观测与预报等级.北京:气象出版社, 2010:8.

[2]吴 兑.探秘PM2.5[M]. 北京:气象出版社, 2013,106.

[3]顾凯华,樊曙先,黄红丽,等.南京冬季雾天颗粒物中 PAHs分布与气象条件的关系 [J]. 中国环境科学, 2011,31(8):1233–1240.

[4]殷永文,程金平,段玉森,等.上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析 [J]. 环境科学, 2011,32(7):1894-1898.

[5]王建国,王业宏,盛春岩,等.济南市霾气候特征分析及其与地面形势的关系 [J]. 热带气象学报, 2008,24(3):303–306.

[6]任义芳,王春乙,赵艳霞.气溶胶辐射效应对作物及生态系统的影响综述 [J]. 中国农业气象, 2010,31(4):533–540.

[7]杨 旭,张小玲,康延臻,等.京津冀地区冬半年空气污染天气分型研究 [J]. 中国环境科学, 2017,37(9):3201-3209.

[8]刘端阳,魏建苏,严文莲,等.1980～2012年江苏省城市霾日的时空分布及成因分析 [J]. 环境科学, 2014,35(9):3248-3255.

[9]石春娥,王喜全,李元妮,等.1980～2013年安徽霾天气变化趋势及其可能成因 [J]. 大气科学, 2016,40(2):357-370.

[10]丁一汇,柳艳菊.近 50年我国雾和霾的长期变化特征及其与大气湿度的关系 [J]. 中国科学:地球科学, 2014,44(1):37-48.

[11]张 浩,石春娥,邱明燕,等.合肥市霾天气变化特征及其影响因子 [J]. 环境科学学报, 2010,30(4):714–721.

[12]张人禾,李 强,张若楠.2013年 1月中国东部持续性强雾霾天气产生的气象条件分析 [J]. 中国科学:地球科学, 2014,44:27–36.

[13]王自发,李 杰,王 哲,等.2013年 1月我国中东部强霾污染的数值模拟和防控对策 [J]. 中国科学:地球科学, 2014,44:3–14.

[14]石春娥,邓学良,杨元建,等.2013年1月安徽持续性霾天气成因分析 [J]. 气候与环境研究, 2014,19(2):227-236.

[15]石春娥,邓学良,朱 彬,等.合肥市不同天气条件下大气气溶胶粒子理化特征分析 [J]. 气象学报, 2016,74(1):149-163.

[16]Cheng Y, He K B, Du Z Y, et al. Humidity plays an important role in the PM2.5pollution in Beijing [J]. Environ. Pollu., 2015,197:68-75.

[17]Pan Y, Tian S, Liu D, et al. Fossil fuel combustion-related emissions dominate atmospheric ammonia sources during severe haze episodes: evidence from 15N-stable isotope in size-resolved aerosol ammonium [J]. Environ. Sci. Technol., 2016,50(15):8049-8056.

[18]杨元建,傅云飞,吴必文,等.秸秆焚烧对中国东部气溶胶时空格局的影响 [J]. 大气与环境光学学报, 2013,8(4):241–252.

[19]Shi C, Roth M, Zhang H, et al. Impacts of urbanization on long-term variation of fog in Anhui Province, China [J].Atmospheric Environment, 2008,42(36):8484-8492.

[20]樊高峰,任 律,毛裕定.基于人工与自动观测对比分析的霾日重建 [J]. 中国环境科学, 2017,37(4):1254-1261.

[21]Ichoku C, Kaufman Y J, Remer L A, et al. Global aerosol remote sensing from MODIS [J]. Advances in Space Research, 2004,34(4):820-827.

[22]Liu Y K, Liu J F, Tao, S. Interannual variability of summertime aerosol optical depth over East Asia during 2000–2011: a potential influence from El Niño Southern Oscillation [J].Environ. Res. Lett., 2013, 8, 044034, doi:10.1088/1748-9326/8/4/044034.

[23]Lau K H, Li C, Mao J, et al. A new way of using MODIS data to study air pollution over Hong Kong and the Pearl River Delta [J].Proceedings of SPIE – The International Society for Optics and Photonics, 2002,4891:105-114.

[24]Luo Y X, Zheng X B, Zhao T L, et al. A climatology of aerosol optical depth over China from recent 10years of MODIS remote sensing data [J]. Int. J. Climatol., 2014,34:863–870.

[25]Zheng X Y, Fu Y F, Yang Y J, et al. Impact of atmospheric circulations on aerosol distributions in autumn over eastern China:observational evidence [J]. Atmos. Chem. Phys., 2015,15:1–24.

[26]Wu D, Wang Z, Wang B, et al. CALIPSO validation using ground-based lidar in Hefei (31.9°N, 117.2°E), China [J]. Appl Phys B, 2011,102:185-195.

[27]石春娥,张 浩,弓中强,等.2013～2015 年合肥市 PM2.5重污染特征研究 [J]. 气象学报, 2017,75(4):632-644,doi:10.11676/qxxb2017.037.

[28]石春娥,张 浩,马井会,等.基于器测能见度的霾天气判断标准的探讨 [J]. 高原气象, 2017,36(6):1693-1702.

[29]吴 兑,陈慧忠,吴 蒙,等.三种霾日统计方法的比较分析——以环首都圈京津冀晋为例 [J]. 中国环境科学, 2014,34(3):545–554.

[30]Chen H, Wang H. Haze days in north China and the associated atmospheric circulations based on daily visibility data from 1960 to 2012 [J]. Journal of Geophysical Research: Atmospheres,2015,doi:10.1002/2015JD023225.

[31]石春娥,邓学良,余金龙,等.安徽省雾、霾、晴空天气的气象条件对比分析 [J]. 气候与环境研究, 2017,22(2):242-252.

[32]于 波,鲍文中,王东勇.安徽天气预报业务基础与实务 [M].北京:气象出版社, 2013,308.

[33]石春娥,张 浩,杨元建.能见度观测方式改变对安徽省霾日数分布的影响分析 [J]. 气象与减灾, 2016,1:2-4.

[34]杨东贞,于海青,丁国安,等.北京北郊冬季低空大气气溶胶分析[J]. 应用气象学报, 2002,13(suppl):113-126.