泉州地区霾日时空变化特征及影响因子研究

2021-09-09程思韦英英林子伦严韬

甘肃科技纵横 2021年3期

程思韦英英林子伦严韬

摘要：利用泉州市各县市代表站2004～2018年地面气象观测数据建立泉州地区霾天气数据库并分析霾日分布的时空演变特征，从风速、风向、气压、降水、湿度、气温等气象要素中提炼出与霾天气相关的气象影响因子。研究表明：泉州地区出现霾天气的日数，平均每年霾日数达28.1 d，近年总体呈减少趋势。从空间分布来看，分布特点为东西部少中南部多。逐月平均霾日数大致呈双峰型分布，与冷空气及副热带高压的活动息息相关。通过逐步回归建立霾天气的预报模型方程，其预报准确率为56.23%，空报率36.6%，漏报率7.2%。回代检验效果空报略高，准确率尚可，为霾天气的预报提供预报依据。

关键词：霾；时空特征；泉州地区；气象影响因子

中图分类号：P426.4；X513文献标志码：A

基金项目：泉州市科技计划项目（项目编号：2018Z040）；福建省气象局基层科技专项（项目编号：2019J04）。

0引言

霾不仅给交通带来了较大影响，而且对人体健康构成了一定威胁。因此霾天气受到越来越多的关注，2014年1月闽气科预函[2014]2号文件《科技与预报处关于加强霾预报预警工作的通知》指出，中国气象局调整了雾和霾的等级和预报编码，明确了霾的预警区分发布，增加了霾的落区预报产品。2016年8月，中国气象局在气象灾害预警信号质量检验办法（试行）中加入了对霾预警信号的质量检验，可见霾天气预报的重要性愈加明显，然而目前对泉州地区的霾形成过程还缺乏系统性的认识和研究。因此，对泉州地区霾的特征及预报研究亟需解决。

随着气候变化、城市化进程加快、大气污染物排放量增加的影响，近年来我国各地霾日发生的频率呈显著上升的趋势[1-6]，我国分布东多西少，且具有明显的季节特征，同时具有强度增强，范围增大，持续时间延长的特点。此外，赵子菁[7]、魏建苏[8]、李丽云[9]、过宇飞[10]、张浩[11]、金丽娜[12]等学者分别对南京、广州、无锡、合肥、西安等地的霾天气进行研究，结果表明霾天气过程与风向、风速、湿度、降水、气温等气象要素息息相关。郑峰[13]统计2004～2009年间的雾、霾与空气污染指数的相关关系，并兼及晴雨天气条件，总结出温州地区包含晴雨、空气污染指数及雾、霾三要素的线性公式，作为预报雾、霾工具。

1资料与定义

实况数据来自泉州市晋江、惠安、南安、安溪、永春、德化共6个国家代表站2004年1月1日至2018年12月31日逐日气温、相对湿度、能见度、降水量、天气现象、风等地面气象观测数据A文件。

霾日：根据行标《霾的观测和预报等级》，能见度小于10.0 km，排除降水、沙尘暴、扬沙、浮沉、烟幕、吹雪、雪暴等天气现象造成的视程障碍。相对湿度小于80%，判识为霾。若08时代表站气象要素满足上述条件，判识当日为霾日。其中能见度V，当5 km≤V<10 km为轻微霾天气，3 km≤V<5km为轻度霾天气，2 km≤V<3 km为中度霾天气，V<2 km为重度霾天气。

2泉州地区霾时空分布特征

2.1年际变化特征

统计2004～2018年泉州地区出现霾天气的日数，如图1所示，平均每年霾日数达28.1 d，其中最大值出现在2007年（48 d），最小值出现在2015年（10 d），年均霾日数维持在10～40 d。从年际变化来看总体呈减少趋势，但2016～2018年略有增加，气候倾向率达-18.8 d/10 a。

从空间分布来看，分布特点为东西部少中南部多。其中南安年霾日数可达72.9 d，晋江次之，达46.1 d，永春年均27 d，安溪和惠安最少，年均仅5～6 d。

2.2季节分布特征

统计2004～2018年共计15年4个季节出现霾的日数分布，如图2所示，整体分布不均、春夏秋季呈现下降趋势，冬季趋势不明显。气候倾向率分布为-4.3 d/ 10 a、-9.3 d/10 a、-4.8 d/10 a、0.5 d/10 a。四季分布呈现和年分布类似的规律，东西部少中南部多。其中春季霾日数最多，其次为夏季、冬季，秋季最少。

2.3逐月分布特征

从各代表站逐月平均霾日数分布图3和表1可以看出，大致呈双峰型分布。1～3月呈现递增趋势，3～4月为波峰，5～6月日数较少，7～8月呈现第二峰值，随后逐月递减。其中3～4月是霾的高发期，月平均3.2次。这说明春季冷空气活动开始减少，风力减弱，使得霾天气频发。同时与副高有关，一年中夏季7～8月主要控制系统为副热带高压，天气系统稳定，无台风影响时晴热少雨，多为下沉气流控制，同时风力小湿度小，利于霾天气的形成。5～6月及秋冬季是霾的少发季节，主要原因是5～6月为泉州的雨季，受多雨日影响，雨水的冲刷有洁净空气的功能，并且秋冬季多为冷高压控制，风力的加大利于空气的流通扩散，对霾形成不利。

2.4各類霾日分布

从泉州各地各类霾日分布表2可以看出，泉州地区年平均有轻微霾22.7 d、轻度霾4.7 d、中度霾0.5 d、重度霾0.2 d，分别占比81%、17%、2%和1%。从各地区来看，轻度霾占比最大，80%～90%不等，其次为轻度霾，占比3%～19%，中度霾不足3%，重度霾不足1%。尤其是惠安、安溪和德化，均未出现过中度以上霾天气。

3基于PP法的气象因子研究

3.1气象要素相关因子研究

统计晋江近15年共计725个霾个例，挑选出霾当天的气象要素进行分析。气象要素来自2004年至2018年，晋江国家基本气象观测站逐日数据。研究表明，就降水而言，霾形成当天无降水的几率达85.2%；就相对湿度而言，霾形成时的平均相对湿度为68.8；就风速而言，霾日出现时总体风速不大；就气温、日照时数、日较差等要素而言，分布不均。

统计当天是否出现霾与当天的气温、湿度、风向、风速、降雨等气象要素进行相关性分析，处理气象要素与霾的能见度之间的相关性，相关系数表见表3所列。

由表3可知，除了蒸发量、日照时数和日照百分率外，其余气象要素均通过α=0.05的显著性水平检验，其中日最高温度、0 cm地温和最大风速通过了α=0.005的显著性水平检验。且样本基数较大，达到1572个样本，这说明日最高温度、0 cm地温和最大风速与霾的出现、能见度的大小呈现高度相关。

3.2偏相关分析

由于多元线性回归只考虑单相关，未考虑因子之间的相互作用与关系，为更好区分因子对方程的贡献，对以上因子做偏相关分析。

由表4可知，就平均温度而言，其与最高温度、最低温度以及0 cm地温呈现高度相关，相关系数均大于95%。

3.3预报模型的建立

由以上研究可知，仅仅考虑单相关的线性回归得出的预报方程不够客观，在此引入逐步回归方程。在每引入一个因子后都进行F檢验，并对已经选入的因子逐个进行t检验，当原来引入的因子由于新因子引入变得不再显著时，则将其删除。以确保每次引入新的变量之前回归方程中只包含显著性变量。以此建立预报模型：

各预报因子取值情况见表5所列。

3.4回代检验

所谓的回代检验就是对历史实况检验，也就是用预报方程计算出拟合值和实况资料进行对比。检验方法采用TS评分方法，霾的预报结果检验样本采用2004～2018年泉州霾的资料。TS评分方法是一种针对中短期天气预报质量检验的常用方法，泉州霾的预报有3种状态：准确预报NA、空报NB、漏报NC，各种评价情况见表6所列。