1980~2016年陕西省冬季霾日数时空变化及增多成因初探

黄 鑫,李亚丽,王靖中,陆志武,巩远发,刘 源,曹 波,胡 皓,吕 丹,胡 诚

1980~2016年陕西省冬季霾日数时空变化及增多成因初探

黄 鑫1,李亚丽1,王靖中3,陆志武4,巩远发2*,刘 源5,曹 波1,胡 皓6,吕 丹7,胡 诚8

(1.陕西省气象信息中心,陕西 西安 710014；2.成都信息工程大学,四川 成都 610225；3.陕西省气象服务中心,陕西 西安 710014；4.中国人民解放军 69008 部队,新疆 乌鲁木齐 830000；5.陕西省气象机关服务中心,陕西 西安 710014；6.陕西省气象台,陕西 西安 710014；7.千阳县气象局,陕西 宝鸡 721100；8.明尼苏达大学,圣保罗市 55108)

利用陕西省地面气象观测站观测资料、中国国家统计局统计资料、美国NASA的MODIS气溶胶光学厚度(AOD)资料以及NCEP/NCAR月平均再分析资料,对1980~2016年陕西省冬季霾日数的时空变化特征及可能原因进行了分析,结果表明:(1)1980~2016年冬季陕西省平均霾日数为12d左右,并且伴有明显的年代际变化;其中1980~2012年冬季霾日数波动明显,1980~1993年偏多,1994~2012年偏少,2013年之后霾日数增加明显.(2)1980~ 2016年冬季陕西的霾日数有显著的区域差异.关中地区的霾日数最多,平均每年大于18d;陕南地区次之,年平均霾日数为10d左右;陕北地区最少,平均霾日数仅3d左右.陕北、关中、陕南3大区域冬季的霾日数均在2013年后出现了明显的增多.(3)2000~2016年冬季MODIS卫星监测的陕西AOD在关中咸阳、西安、渭南以及汉中南部和安康南部存在明显的高值区,大于0.4,其中关中气溶胶高值区域与关中地区霾日数大值区域有很好的对应关系.(4)2013~2016年冬季我国中东部的对流层低层的东风异常是向陕西关中地区输送气溶胶的有利条件,是霾天气的产生原因之一;2013~2016年陕西冬季对流层低层存在一个明显的位温梯度增大的区域,是不利于霾向高空扩散的大气层结条件,是霾日数明显增加的另一个原因.

霾；工业化；气溶胶光学厚度；陕西省；位温

近年来,全国各地雾霾频发,对交通旅游,人民健康造成了明显的影响.基于气象部门观测记录的能见度和相对湿度等资料[1],前人已经对部分地区的霾日数时空分布进行了研究.吴兑等[2]指出,20世纪80年代以来中国霾日数明显增加,西安的年平均霾日数在全国城市中的排名为第五位.基于京津冀区域107个地面站的气象资料,赵普生等[3]得出,京津冀范围内的霾日数在1980~2008年呈现逐渐增加的趋势.通过分析1960~2012年期间西安雾霾日数的变化,王珊等[4]得出西安市雾霾日数年平均的波动性增加趋势非常明显,进入21世纪后每年可达172d.陕西地势南北高,中部低,地势由西向东倾斜.北山和秦岭把陕西分为3大自然区域:北部是陕北高原,中部是关中平原,南部是秦巴山区.目前对陕西地区霾日数分布的研究主要集中在关中区域[5-6],对陕北和陕南地区的霾日数时空分布特征研究较少.

能见度的衰减是由大气气体和大气气溶胶共同作用导致的,气溶胶的吸湿增长特性对其消光能力有明显的影响[7].大气中的硫酸盐和硝酸盐等颗粒物是大气气溶胶粒子的重要组成部分,大气中此类污染颗粒物的浓度与燃煤、汽车尾气排放量等有关[8].石春娥等[9]对1980~2013年安徽霾日数变化的趋势及可能原因进行了分析.通过对安徽省各级气象测站霾日数与煤炭消耗量、SO2排放量、NO2排放量等的关系分析,她们得出地级市平均霾日数的变化趋势与对流层NO2柱含量及民用汽车保有量的变化趋势存在显著正相关关系.符传博和丹利[10]指出我国东部地区的年平均气溶胶光学厚度空间分布与东部年平均分布霾日数空间分布基本一致.故有必要利用气溶胶光学厚度资料探讨陕西省霾日数与气溶胶光学厚度的关系.

PM10为空气质量监测的一个重要指标,2000~ 2012年西安年平均PM10呈现下降的趋势,最大值出现在2000年,为0.165mg/m3,2013年浓度最高, 2013~2015年PM10的年均值分别为190μg/m3、147μg/m3、125μg/m3,相比2000~2012年,2013年后PM10增大明显,2016年采暖期平均PM2.5和PM10均高于2015年采暖期[11].通过分析西安市取暖季的AQI资料,2014~2017年西安市空气质量为良的天数显著减少,2015~2016年和2014~2015年相比,NO2和CO为首要污染物的天数明显增加,也反映了车辆尾气排放对西安市空气污染的影响[12].根据西安13个大气环境监测点的数据资料,洪超[13]统计了2014~2016年空气质量各等级出现日数值,得出2014~2016年西安轻度及以上污染日数分别为190天、135天、206天.通过分析关中西安、咸阳、铜川、宝鸡、渭南5个城市的AQI数据,杨哲[14]得出2016年关中轻度及以上污染天数比2015年出现了明显的增加,均大于100天,其中咸阳176天,渭南163天,关中冬季平均AQI值也出现了明显的增加.因此2013年之后西安市以及陕西省的霾日数的演变特征值得关注.

本文利用陕西省100个地面气象观测站的水平能见度、相对湿度资料以及天气现象观测资料,分析1980~2016年陕西省霾日数的变化趋势、各个地市以及县级测站霾日数变化趋势,结合中国国家统计局发布的陕西省燃煤量、汽车保有量、烟尘SO2和NO排放量等资料,MODIS的AOD资料,NCEP/ NCAR再分析资料等,探讨陕西省霾日数变化趋势及其可能原因,旨在为陕西省气象以及相关部门对陕西省霾天气的业务预报提供参考,同时为政府部门制定空气污染防治计划提供科学依据.

1 资料与方法

1.1 资料

图1 陕西省地理海拔信息和气象站点分布

Fig.1 Distribution of geographical elevation information of Shaanxi Province, meteorological stations

陕西省各地面气象观测站(含西安站57036)的逐日地面观测资料,包括地面水平能见度、相对湿度、天气现象记录和地面风速等.由陕西省气象信息中心提供;中国国家统计局发布的陕西省逐年燃煤量、汽车保有量、烟尘、SO2和NO排放量等资料; NASA-MODIS网站提供的2000~2016年MOD08Level3数据,空间分辨率1º×1º; NCEP/NCAR全球再分析逐月风场和温度资料,水平分辨率为2.5º×2.5º,时间长度为1980年1月~2017年2月.陕西省的地理海拔信息(图1)资料来源于地理空间数据云网站.

1.2 霾日重建方法

为开展霾天气现象的气候研究,国内外对雾、霾气候资料的处理(识别)方法主要有3种:(1)直接使用天气现象观测代码;(2)当日未出现降水、沙尘和烟幕等其它能导致低能见度的情况时,日均能见度低于10km,日均相对湿度低于(大于)90%,将该日定义为一个霾日(雾日)[2];(3)14:00未出现降水、沙尘和烟幕等其它能导致低能见度的情况,14:00能见度低于10km,其中相对湿度小于(大于)90%被认定为霾(雾)[15-16].

直接使用天气现象观测代码识别霾现象会受到观测员主观判断影响.利用平均湿度和能见度容易受到能见度晚上观测与白天观测目标物不一致的影响;早晨8:00又容易受到辐射雾的影响.考虑到这些不利因素,本文将采用第3种方法来界定一个霾日.具体来说,当某日14:00的能见度低于10km,相对湿度低于90%,且未出现降水、吹雪、沙尘等其他有视程障碍的天气现象时,将这一日记为一个霾日.

从2014年开始陆续有部分站点开始使用能见度仪器进行能见度观测,张静等[17]利用2种自动观测能见度仪器数据与目测能见度做对比,指出14:00器测能见度与目测能见度误差为2.3%和4.3%,而且分析每天5个时次的观测数据,得出视程大于10km和小于3km的情况下粗差率均小于2%,具有较好的可替代性,故本文未采取能见度订正.但是未来对于霾天气的研究,有必要利用环保资料判断颗粒物浓度对能见度的影响[18].

采用相对湿度和能见度来判别的2种方法重建得到的陕西省霾日数空间分布形势基本一致.由于西安站(57036)在2014年迁至泾河站,故2014年之后采用泾河站(57131)的观测数据来代替西安站.如图2所示,3种方法得出的霾日数年代际变化趋势基本一致,1980~2012年呈现下降的趋势,2012年之后霾日数增多.相比利用日平均湿度与能见度方法,基于14:00时能见度和湿度资料得到的霾日数较少.

由图2可见,2013年后由于霾污染趋于严重,西安站观测到的霾日数在2013年后有了大幅度增加,其中2013年霾日数为103d,这可能与西安站市区观测环境的改变有一定关系.与2014年相比2015和2016年西安站观测到的霾日数出现了明显的下降,与2种重建方法得到的结果不同.这是由于中国气象局新的业务规范规定连续6个(含)以上时次出现霾现象,才记录为1个霾日.新规定判别霾日的方法较2014年之前会有霾日减少的趋势.其中2015和2016年霾现象观测记录显示西安站的霾日数分别为129d和120d,利用14:00能见度和相对湿度重建的霾日数为117d和136d,利用平均能见度和相对湿度重建的霾日数为119d和142d.总之,利用14:00能见度和相对湿度的判别方法能够较好的识别霾天气的产生.采用这一方法可能会低估霾的出现频次,但是识别出的霾是客观存在的[19].

根据2010年颁布的国家行业标准[20]规定,按照能见度(is)范围对霾天气进行了分级:轻微(5km£is£10km,RH<90%)、轻度(3km£is<5km, RH< 90%)、中度(2km£is<3km,RH<90%)和重度is<2km, RH<90%)共4个等级.

图2 2种重建方法得到西安霾日数与观测记录的比较

2 结果与分析

2.1 陕西省霾日数时空分布特征

2.1.1 1980~2016年陕西省霾日数变化趋势 冬季是霾天气出现最频繁的季节[3],本文分析了陕西省各个季节霾日数的变化特征.由图3可以看出,冬季是陕西省霾日数出现最多的季节,平均每年冬季产生霾日数大12d.其中在1980~1993年冬季霾日数偏多,1994~2012年冬季霾日数偏少,2013年之后霾日数增加明显.由图3可见,1980~2010年间陕西省冬季平均霾日数呈现减少的趋势,2011年之后呈现上升的趋势,2016年冬季陕西省霾日数最多,全省冬季平均霾日数大于36d,2015年全省冬季平均霾日数大于27d,2013年冬季大于16d,2014年冬季大于13d.每年秋季平均霾日数大于7d,春季霾日数大于5d,夏季最少,小于3d.因此本文主要研究冬季陕西省的霾日数变化情况及空间分布特征.值得一提的是,2013年后各个季节霾日数均明显增多.从各个月份霾日数年代变化总体来看,2月份和9月份增加最明显.

2.1.2 2016年冬季陕西省霾日数分布情况 图4为利用下午14:00的能见度、湿度资料,排除其它有视程障碍的天气现象后重建的陕西2016年冬季霾日数空间分布,可以看出,关中地区为一个明显的霾日数大值区,整个关中区域的霾日数几乎都大于40d,在宝鸡东部到渭南中部地区存在一个大于50d的霾日数大值区域,西安市临潼区霾日数最多为65d,周至站霾日数为60d,渭南市潼关站和华阴站霾日数分别为63d和61d.陕南汉中和安康部分地区也存在一个超过40d的大值区域,其中汉中南郑站达到了61d,城固站大于60d.陕北霾日数较少,大多台站小于40d,其中榆林南部和延安北部部分站点大于30d,铜川和延安东南部分站点大于30d,只有吴堡站达到了55d.

由此可见,在2016年冬季,关中地区为霾日数最多的地区,整个关中区域在2016年冬季平均霾日数大于46d.汉中和安康部分站点也是霾天气出现的严重区域,多数站点大于40d.

图4 2016年冬季陕西霾日数分布

色点代表气象站点位置,下同

2.1.3 1980~2016年冬季各级霾日数变化情况 如图5所示1980~2016年冬季全省100站累计各级霾日总数年变化,以轻微霾为主,在2010年之前轻度霾呈现下降的趋势,之后各级霾呈现上升的趋势,2013年重度霾较多,2015和2016年各级霾均明显增多.其中1980~2016年冬季轻微霾、轻度霾、中度霾、重度霾分别占总霾日数为>59%,>26%,>8%和将近6%.2016年各站累计轻微霾总日数为2155d,轻度霾总日数为958d,中度霾总日数为298d,重度霾总日数为216d.

图5 1980~2016年冬季全省100个站各级霾累计日数的逐年变化

2.1.4 1980~2016年冬季阶段性霾日数空间分布 图6给出了1980~1989年、1990~1999年、2000~2009年、2010~2016年4个时段冬季年均霾日数分布.(1)80年代,陕北延安地区、陕南汉中东部、安康和商洛西部霾日数较少,平均每年小于10d.汉中中部地区汉台站、城固站、南郑站霾日数大于30d,洋县站大于35d.关中西安、宝鸡、渭南、咸阳南部地区霾日数较高,大于25d,宝鸡眉县站霾日数大于35d,陈仓区、渭滨区站大于40d,渭南华县站冬季霾日数为50d左右.(2)90年代,陕北榆林、延安地区多数站点平均霾日数小于10d,在陕北府谷站霾日数较高,大于20d,定边站大于10d.陕南地区多数站点霾日数低于10d,在安康东部旬阳、白河大于10d,汉中地区霾日数较多,汉中南郑、城固、洋县、西乡站的霾日数均大于30d.关中地区宝鸡、西安、渭南霾日数均大于20d,西安南部长安站大于50d,蓝田站达到了45d.宝鸡东部眉县站霾日数大于40d.渭南华县站达到了40d左右.(3)2000~2009年,陕北延安和榆林地区霾日数依然较少,多数站点低于10d,神木站大于10d,府谷站霾日数大于30d,这可能与期间府谷采煤量增多有关系.陕南地区多数站点霾日数小于10d,只有陕南汉中地区霾日数较多,南郑站达到了30d左右,其它汉中县区小于20d.关中地区宝鸡、西安、渭南霾日数较多,大多区站均大于20d,西安蓝田站达到41d,长安站大于35d,渭南华县站大于25d,华阴站大于40d.(4)2010~ 2016年陕北霾日数整体偏少,均小于10d,陕南大部分地区霾日数小于25d,其中汉中南郑站霾日数大于30d,关中地区仍然为一个霾日数高发地区,霾日数大多大于20d,其中西安市户县、长安、蓝田三站的霾日数均大于40d,周至站大于38d.渭南市部分站点大于30d,华阴站大于38d.咸阳站、宝鸡站、铜川市耀县站大于30d.由4个时段的情况来看,关中地区的霾日数大值区域一直稳定存在.汉中霾日数大值区域也一直存在,2010~2016年汉中霾整体平均日数较之前偏少,陕北霾日数整体较少.

2.1.5 冬季不同地理位置的霾日数变化趋势 将陕西省分为陕北、关中、陕南3个区域,陕北为榆林和延安,关中包含铜川、咸阳、西安、宝鸡、渭南5个市,陕南为汉中、安康、商洛3个市.这也符合传统意义上三秦大地的划分.

由图7可见,1980~2016年陕西冬季不同地区霾日数有显著的差异.(1)关中地区的霾日数最多,平均每年冬季霾日数大于18d.1980~1993年整体处于偏多的阶段,1994~2012年整体处于偏少的阶段,2010~2016年处于明显增长阶段.2016年为霾日数最多年,大于46d.其中,陕北、关中、陕南区域的霾日数均在2010年后出现了明显的增多趋势,这与陕西2010年后整体霾日数的变化趋势一致.(2)陕南地区年平均霾日数为10d左右,其中在1980~1995年间霾日数整体处于偏多阶段,1996~2012年平均霾日数整体偏少,并处于明显的下降阶段,2013年后霾日数明显增多,并在2015年达27d,2016年大于36d.(3)陕北地区霾日数最少,1980~2012年整体处于下降趋势,2013~2016年有所上升,陕北地区整体年平均霾日数为3d左右.2016年为霾日数最多的年份,将近18d.陕北、关中、陕南的冬季霾日数1980~2016年之间的相关系数均大于0.87,并且通过了99%的显著性检验.这也说明陕西霾每年冬季平均日数变化存在明显的区域一致性.

为了分析陕西3个地区14:00平均能见度的变化情况,基于每个站点每天的14:00能见度,计算了每个站点对于所在子区域的冬季平均能见度的标准差,之后分析了14:00陕西3个地区冬季平均能见度标准差的变化情况(图8),陕南和关中地区的能见度标准差整体均处于下降趋势,其中关中地区1995~2007年能见度标准差较大,陕南在1990~2005年能见度标准差较大,陕北在1995年后有下降的趋势,在2015年之后有上升趋势.这说明关中、陕南的能见度变化情况越来越小,霾的区域性特征越来越明显.

图6 陕西省冬季霾日数分布的年代际变化特征

图7 陕西各区冬季霾日数的逐年变化

图8 1980~2016年冬季陕西各区14:00能见度的标准差年变化

2.2 陕西省霾日数时空演变原因分析

霾天气的产生主要取决于造成大气污染的颗粒物浓度以及相对湿度[7],严格意义上讲,还与造成大气污染的颗粒物化学成分以及谱分布有关.由于本文基于常规气象观测资料能见度和相对湿度两方面来分析陕西霾日数的分布特征,对霾产生时大气成分的组成有待之后进行研究.

大气污染颗粒物浓度同时取决于2个影响因子,一是大气污染物的排放程度,二是大气扩散条件.当空气中悬浮大量细小颗粒物,并且局地处在水平风速小等扩散条件不利的情况下,会造成霾天气的产生.张人禾等[21]指出表面风速的减弱不利于雾霾向区域以外平流输送,垂直对流的减弱,也不利于雾霾向高空扩散.

2.2.1 西安站局地气象因子与霾日数的关系 以西安站为例探讨冬季局地气象要素的变化对霾日数的影响(图9).主要考虑风速和相对湿度,可以看出西安站的平均风速均小于3m/s,2013年以后西安站迁移到了相对远离市区的泾河站,风速增大,但是泾河站的霾日数相比位于市区的西安站并未减少.童尧青等[22]利用南京6个气象站得出,95%以上霾的日平均风速在0~4m/s之间.从平均相对湿度来看西安的相对湿度基本在80%以下,基本满足霾产生的条件.

2.2.2 陕西省煤炭消耗量与民用汽车拥有量的逐年变化特征 为了分析污染物排放对陕西霾天气产生的影响,分析了陕西省煤耗量、民用汽车拥有量、SO2和NO排放量与陕西省霾日数变化的情况(图10)随着近年来城市化进程的加快,陕西的煤炭消耗量以及汽车私人保有量均呈现明显的上升的趋势,但是从SO2和NO排放量来看,2011~2016年呈现明显的下降趋势,烟尘排放量在2015~2016年也明显下降.研究表明1960~2010年中国的能源排放表现为稳定增长趋势[10],是霾天气频率上升的重要因素.但是,陕西霾日数的变化并未随2011~2016年工业排放的降低而线性降低.

图9 1980~2016年冬季西安市霾日数及气象因子变化趋势

图10 陕西省每年煤耗量、民用汽车拥有量、冬季平均霾日数、烟尘排放量、SO2和NOx排放量变化情况

图11 2000~2016年冬季平均AOD分布

2.2.3 霾日数与气溶胶光学厚度的关系 由于缺乏长时间的气溶胶资料,本文仅分析2000~2016年MODIS卫星监测的中国区域AOD,由图11可以看出陕西冬季AOD在关中咸阳、西安、渭南、汉中南部和安康南部地区存在一个明显的高值区,大于0.4,关中气溶胶高值区域与陕西关中地区霾日数大值区域有很好的对应关系.宝鸡、咸阳北部、铜川、延安中部地区AOD较低,大于0.2.陕北榆林、延安北部地区AOD更低,小于0.2.董自鹏等[23]得出关中地区为陕西省AOD最高区域,其次是陕南地区.但是通过计算分析,关中地区的霾日数与AOD并不是正相关关系.符传博和丹利[10]也得出我国中东部地区AOD的空间分布与年平均霾日数的分布基本一致,其中关中地区也是一个AOD高值区域.李星敏等人[24]也得出关中地区能见度高值区域对应着地面能见度的低值区域,并且指出AOD与能见度并不是简单的线性关系.除陕西关中地区之外,在华北、华中、江淮、西南地区均存在一个明显的AOD大于0.6的高值区域,其中西南的四川盆地以及华中武汉附近出现了大于0.8的高值中心.本文仅研究与陕西地区霾日数相关的气溶胶分布特征,然而除了本地区域贡献的气溶胶之外,也应该考虑气溶胶粒子可能会随着大气环流的影响从陕西省外输入.已有的研究表明气溶胶的跨界传输的主要层次位于对流层的中低层[25],并且陕西省的霾日数在2013年之后突然增多,因此本文计算了2013~2016年的925hPa平均风速与1980~2012年的925hPa平均风速之差来关注大气环流对气溶胶的输送作用.

2.3 陕西省霾日数增多的成因初探

2.3.1 气象动力因子与霾日数的关系 由图12可以看出在北纬32º以北由河南东部至陕西东部一带均存在一个明显的东风异常区域,大于0.2m/s,而且江淮至河南等地为气溶胶的高值区域,东风异常会将上述区域的部分气溶胶输送到陕西关中地区.在陇西以及关中西部存在一个西风异常区,与陕西东部的东北风配合,有利于气溶胶在关中区域的积累,造成污染物的堆积,造成霾日数的增多.散度场显示在整个汾渭平原以及陕西榆林以南均为辐合区域,其中在关中以南地区小于-0.8×10-6s-1,关中东部和汉中东部地区小于-1.2×10-6s-1.计算500和700hPa的2013~2016冬季与1980~2012冬季高度场的差值,陕西处在高度场的正异常区域,动力条件上不利于霾的垂直扩散.彭艳[26]统计关中地区850hPa不同风向对应的关中地区光学厚度值分布特征表明,偏东风不利于关中地区污染物的向外扩散,还会造成外部污染物向关中地区输送,与本文研究结果一致.

图12 2013~2016年与1980~2012年冬季925hPa平均风速和散度之差(粗实线为0)

2.3.2 气象热力因子与霾日数的关系 由2013~ 2016年与1980~2012年冬季850~1000hPa位温梯度差可以看出(图13),在关中以北大于0.4℃,在榆林北部甚至大于0.8℃,关中地区有一个低于0.4℃的正异常中心,陕南区域位温梯度降低了0.4℃.这表明2013~2016年对流层中低层大气层结较之前更加稳定,不利于污染物的垂直扩散,有利于2013~2016年关中以北霾天数的增多.其中925~1000hPa的位温梯度显示陕西全省以及汾渭平原均处于位温梯度正异常区域,更进一步说明中低层大气层结较之前更为稳定.

图13 2013~2016年与1980~2012年冬季850~1000hPa与925~1000hPa平均位温梯度之差

3 讨论

由上述的研究可知,陕西关中地区是霾日数大值区域,也是AOD大值区域,然而经过计算相关性发现陕西以及关中霾日数与陕西全省以及关中AOD并不是正相关关系,故其它影响因子亦是影响关中地区霾天气的重要因素.

尹志聪等[27]通过分析华北黄淮冬季霾天数年代际差异所对应的大气环流得出,1986~2010年霾天气增多是由于东亚冬季风的减弱造成的.

刘毓赟和陈文[28]指出冬季欧亚遥相关型处于正(负)位相时,东亚冬季风偏强(弱),造成表面风速的增大(减弱).因此陕西省冬季霾天气的产生与同期北方冷空气活动甚至北半球大气遥相关模态的关系值得进一步关注.

地形对霾的影响主要通过大气环流,值得注意的是陕北榆林地区是陕西省重工业基地,然而霾产生的天数反而是陕西省最少的,故陕西地区秋冬季的霾污染所对应的大气环流和霾天气产生所对应的局地气象因子条件值得未来进一步研究[29],并利用模式选取一次过程进行模拟[30].

4 结论

4.1 1980~2016年冬季陕西省平均霾日数大于12d. 1980~1993年冬季霾日数偏多,1994~2012年冬季霾日数偏少,2013年之后霾日数增加明显,霾天气主要以轻微霾为主.霾的高发区主要位于关中地区.

4.2 1980~2016年冬季陕西不同地区霾日数有显著的差异,关中地区的霾日数最多,平均每年大于18d, 陕南地区年平均霾日数为10d左右,陕北地区平均霾日数为3d左右.3个区域的霾日数均在2013 年后出现了明显的增多趋势,这与陕西2013年后整体霾日数的变化趋势一致.

4.3 陕西省的工业消耗量是陕西省霾天气产生的重要原因,然而1980~2016年陕西省霾天数的变化并不是线性的随着陕西省煤炭消耗量,汽车保有量的增加而增加.而且在SO2和NO排放量降低时, 2013年后陕西省的霾日数反而出现了增多.2016年烟尘、SO2和NO排放量均明显减小,陕西省霾日数反而最多.2000~2016年陕西AOD在关中咸阳、西安、渭南地区存在一个明显的高值区,大于0.4,与陕西关中地区霾日数大值区域有很好的对应关系.

4.4 2013~2016冬季我国中东部对流层低层的东风会起到将中东部的气溶胶输送到关中地区的作用,配合关中西部的西风,有利于污染物在关中地区的积累,造成霾日数增多.2013~2016年陕西冬季对流层低层存在一个明显的位温梯度增大区域,不利于霾向高空扩散.

[1] 中国气象局.QX/T 48-2007地面气象观测规范第4部分:天气现象观测[S]. 北京:气象出版社, 2007,10pp. China Meteorological Administration.QX/T 48-2007Specifications for surface meteorological observation. Part 4:Observations of weather phenomenon [S]. Beijing:China Meteorological Press, 2007,10pp.

[2] 吴 兑,吴晓京,李 菲,等.1951~2005年中国大陆霾的时空变化 [J]. 气象学报, 2010,68(5):680-688. Wu D, Wu X J, Li F, et al. Temporal and spatial variation of haze during 1951~2005 in Chinese mainland [J]. Acta Meteorologica Sinica, 2010,68(5):680-688.

[3] 赵普生,徐晓峰,孟 伟,等.京津冀区域霾天气特征 [J]. 中国环境科学, 2012.32(1):31-36. Zhao P S, Xu X F, Meng W, et al. Characteristics of hazy days in the region of Beijing, Tianjin and Hebei [J]. China Environmental Science, 2012,32(1):31-36.

[4] 王 珊,修天阳,孙 扬,等.1960~2012年西安地区雾霾日数与气象因素变化规律分析[J]. 环境科学学报, 2014,34(1):19-26. Wang S, Xiu T Y, Sun Y et al. The changes of mist and haze days and meteorological element during 1960~2012 in Xi′an [J]. Acta Scientiae Circumstantiae, 2014,34(1):19-26.

[5] 王 珊,廖婷婷,王莉莉,等.西安一次霾重污染过程大气环境特征及气象条件影响分析[J/OL]. 环境科学学报, 2015,35(11):3452-3462. Wang S, Liao T T, Wang L L, et al. Atmospheric characteristics of a serious haze episode in Xi′an and the influence of meteorological conditions [J]. Acta Scientiae Circumstantiae. 2015,35(11):3452-3462.

[6] 刘瑞芳,陈小婷,姚 静,等.陕西关中持续性雾霾天气的气象条件分析[J]. 中国农学通报, 2017,33(1):82-88. Liu R F, Chen X T, Yao J, et al. Meteorological Conditions for persistent fog and haze process in Guanzhong Area, Shaanxi [J]. Chinese Agricultural Science Bulletin, 2017,33(1):82-88

[7] 陈一娜,赵普生,何 迪,等.北京地区大气消光特征及参数化研究[J]. 环境科学, 2015,36(10):3582-3589. Chen Y N, Zhao P S, He D et al. Characteristics and Parameterization for Atmospheric Extinction Coefficient in Beijing [J]. Environmental SCIENCE, 2015,36(10):3582-3589.

[8] 盛裴轩,毛节泰,李建国,等.大气物理学[M]. 北京:北京大学出版社, 2002:27-28.

[9] 石春娥,王喜全,李元妮,等.1980~2013年安徽霾天气变化趋势及可能成因 [J]. 大气科学, 2016.40(2):357-370. Shi C E, Wang X Q, Li Y N, et al. The trend of haze in Anhui province from 1980 to 2013 and the possible reasons [J]. Chinese Journal of Atmospheric Sciences, 2016.40(2):357-370.

[10] 符传博,丹 利.重污染下我国中东部地区1960~2010年霾日数的时空变化特征 [J]. 气候与环境研究, 2014,19(2):219-226. Fu C B, Dan L. Spatiotemporal characteristics of haze days under heavy pollution over central and eastern China during 1960~2010 [J]. Climatic and Environmental Research, 2014,19(2):219-226.

[11] 孙 铎.西安市环境空气中颗粒物的年际变化特征[A]. 2017年全国水质安全与二氧化氯应用技术研讨会论文集[C]. 2017. Sun D. The annual variations of atmospheric particulates matter mass concentrations in Xi’an city [A]. The national collections of essays of water quality safety and application technology of chlorine dioxide in 2017 [C].

[12] 于英翠,李利敏,左亚杰,等.西安市大气污染物时空分布特征及其趋势评估[J]. 环境工程, 2018,36(10):165-169. Yu Y C, Li L M, Zuo Y J, et al. Temporal and spatial distribution and pollution tendency assessment of atmospheric pollutant in Xi’an City [J]. Environmental Engineering, 2018,36(10):165-169.

[13] 洪 超.西安市空气污染特征及重污染天气成因研究[D]. 兰州:兰州大学, 2017. Hong C. Characteristics of air pollution in Xian and reasons for heavy polluted weather [D]. Lanzhou: Lanzhou University, 2017.

[14] 杨 哲.基于高频AQI数据的关中城市群空气污染规律分析及治理政策效果评估[D]. 西安:陕西师范大学, 2018. Yang Z. The research on air pollution laws in Guanzhong urban agglomeration based on high frequency AQI data and the effect evaluation of the governance policies [D]. Xi¢an: Shaanxi Normal University, 2018.

[15] Schichtel B A, Husar R B, Falke S R, et al. Haze trends over the United States, 1980~1995. Atmospheric Environment, 2001,35(30): 5205-5210.

[16] Doyle, M and Dorling, S Visibility trends in the UK 1950~1997. Atmospheric Environment, 2002,36(19):3161-3172.

[17] 张 静,张志坚,廖 菲,等.广州站能见度数据质量评估及其参数化研究[J]. 热带气象学报, 2017,33(6):985-991. Zhang J, Zhang Z J, Liao F, et al. Study on evaluation and parameterization of visibility measuring meters in Guangzhou [J]. Journal of tropical meteorology, 2017,33(6):985-991.

[18] 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. Shi C E, Zhang H, Ma J H, et al. Investigation on the norm of haze identification based on hourly auto-monitored visibility [J]. Plateau Meteorology, 2017,36(6):1693-1702.

[19] 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]. 中国环境学, 2014.34(3):545-554. Wu D, Chen H Z, Wu M et al. Comparison of Three statistical methods on calculation haze days-taking areas around the capital for example [J]. China Environmental Science, 2014,34(3):545-554.

[20] 中国气象局.QX/T 113-2010霾的观测与预报等级[S]. 北京:气象出版社, 2010:8pp. China Meteorological Administration.2010.QX/T 113-2010 Observation and forecasting levels of haze [S]. Beijing:China Meteorological Press, 8pp.

[21] 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(1):27-36. doi:10.1007/s11430-013-4774-3.

[22] Zhang R H, Li Q, Zhang R N. 2014. Meteorological conditions for the persistent severe fog and haze event over eastern China in January, 2013. Science China,57:26-35.

[23] 童尧青,银燕,钱 凌,等.南京地区霾天气特征分析[J]. 中国环境科学, 2007,(5):584-588j.issn:1000-6923.2007.05.003. Tong Y Q, Yin Y, Qian L, et al. Analysis of the characteristics of hazy phenomena in Nanjing area [J]. China Environmental Science, 2007, (5):584-588.

[24] 董自鹏,余 兴,李星敏,等.基于MODIS数据的陕西省气溶胶光学厚度变化趋势与成因分析[J]. 科学通报, 2013,58:4486-4496. Dong Z P, Yu X, Li X M, et al. Analysis of variation trends and causes of aerosol optical depth in Shaanxi Province using MODIS data. Chin Sci Bull, 2013,58:4486-4496.

[25] 李星敏,董自鹏,陈 闯,等.陕西关中气溶胶对大气能见度的影响研究[J]. 高原气象, 2014.33(5):1289-1296. Li X M, Dong Z P, Cheng C, et al. Study of influence of aerosol on atmospheric visibility in Guanzhong region of Shaanxi Province [J]. Plateau Meteorology, 2014,33(5):1289-1296.

[26] 冯 琎,廖 宏.冬春季东亚气溶胶流出通量年际变率的相关环流异常分析 [J]. 大气科学, 2017.41(2):251-262.doi:10.3878/j.issn. 1006-9895.1607.16146. Feng J, Liao H. Interannual variation of East Asian aerosols outflow in the winter-spring and the associated atmospheric circulation [J]. Chinese Journal of Atmospheric Sciences, 2017,41(20):251-262.

[27] 彭 艳.关中盆地气溶胶变化特征及其与气象因子关系[D]. 中国科学院大学(中国科学院地球环境研究所), 2017. Peng Y. The characteristics of aerosol particles and their interactions with meteorological parameters in the Guanzhong Basin of China (Institute of Earth Environmental, Chinese academy of Sciences), 2017.

[28] 尹志聪,王会军,袁东敏.华北黄淮冬季霾年代际增多与东亚冬季风的减弱 [J]. 科学通报, 2015.60(15):1395-1401.doi:10.1360/ N972014-01348. Yin Z C, Wang H J, Yuan D M. Interdecadal increase of haze in winter over North China and the Huang-huai Area and the weakening of the East Asia Winter Monsoon. Chin Sci Bull, 2015,60:1395-1400.

[29] 刘毓赟,陈 文.北半球冬季欧亚遥相关型的变化特征及其对我国气候的影响[J]. 大气科学, 2012,36(2):423-432. Liu Y Y, Chen W. Variability of the Eurasian teleconnection pattern in the Northern Hemisphere winter and its influences on the climate in China [J]. Chinese Journal of Atmospheric Sciences, 36(2):423-432.

[30] 窦以文,丹 利,胡保昆,等.霾天气影响下的京津冀气候变化特征与成因[J]. 中国环境科学, 2019,39(2):506-513. Dou Y W, Dan L, Hu B K et al. Characteristics and causes of climate change under haze weather in Beijing, Tianjing and Hebei [J]. China Environmental Science, 2019,39(2):506-513.

[31] 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(1):3-14. Wang Z F, Li J, Wang Z, et al. 2014. Modeling study of regional severe hazes over Mid-Eastern China in January 2013 and its implications on pollution prevention and control. Science China: Earth Sciences, 57:3-13

致谢：感谢两位匿名审稿人的宝贵意见,其中一名审稿人甚至对本文的结构及文字进行了认真修改.感谢陕西省气象信息中心主任邓凤东对霾天数插值给出的指导,夏巧利副主任和曾英高工对霾天数观测记录订正的指点,感谢孔伟和乔青对论文污染物输送研究的启发,高宇、贾晨刚和何林在资料方面的帮助,感谢明尼苏达大学的胡诚博士,陕西省气象台的刘慧博士、戴昌明,陕西省气象科研所的娄盼星博士、马永永博士,西安市气象台黄蕾,安康市气象台刘佩佩,榆林市气象台康磊,感谢陕西省气象信息中心同事们的帮助,论文是在大家的支持下完成的.

The spatial-temporal variations of haze in Shaanxi Province from 1980 to 2016 and the initial exploration of the increase.

HUANG Xin1, LI Ya-li1, WANG Jing-zhong3, LU Zhi-wu4, GONG Yuan-fa2*, LIU Yuan5, CAO Bo1, HU Hao6, LÜ Dan7, HU Cheng8

(1.Shaanxi Meteorological Information Center, Xi’an 710014, China；2.College of Atmospheric Science, Chengdu University of Information Technology, Chengdu 610225, China；3.Shaanxi Meteorological Service Center, Xi’an 710014, China；4.The 69008Troop of PLA, Urumqi 830000, China；5.Shaanxi Meteorological Authority Service Center, Xi’an 710014, China；6.Shaanxi Meteorological Observatory, Xi’an 710014, China；7.Qianyang Meteorological Breau, Qianyang 721100；8.University of Minnesota- Twin Cities, Saint Paul 55108, U.S.A)., 2019,39(9)：3671~3681

Based on daily observations from ground-level stations, information on national statistical offices, the aerosol optical thickness (AOD) as derived from the Moderate Resolution Imaging Spectroradiometer (MODIS) on the Terra spacecraft and monthly NCEP/NCAR reanalysis dataset, the winter spatial-temporal variations of haze during 1980~2016 in Shaanxi Province and its possible reasons of the increase were analyzed. The main conclusions were as follows: (1) The numbers of annual winter haze days averaged all sites was about 12d .The provincial annual winter haze days was above the normal in 1980~1993, below the normal in 1994~2012, and showed an evident increasing frequency during 2013~2016. The provincial annual average haze days was above 36d with high values at Guanzhong area in the winter of 2016. Light haze was the most common haze. (2) Based on geographical locations, the province was divided in to three sub-regions. The annual average haze days were very different in different sub-regions. The annual average haze days in Guanzhong Area was above 18d. The number of annual average haze days was about 10d during 1980~2016 in Southern part of Shaanxi Province. The number of annual haze days averaged all sites in Northern part of Shaanxi Province was about 3d during 1980~2016. The annual haze days of the three sub-regions showed same increasing trend during 2013~2016. (3) There was a heavy aerosol loading which was above 0.4 over Guanzhong area and the southern part of Hanzhong and Ankang during 2000~2016 in winter. The Guanzhong heavy aerosol loading area was highly consistent with the heavy haze days in Guanzhong area. (4) The east wind of lower troposphere from southeastern China was a factor for transporting the aerosol to Guanzhong Area in winter of 2013~2016. The increased AOD could enhance the haze phenomenon in Guanzhong. The increased potential temperature differences between 2013~2016 and 1980~2012 in lower troposphere could weaken the vertical diffusion of haze.

haze；industrialization；AOD；Shaanxi Province；potential temperature

X513

A

1000-6923(2019)09-3671-11

黄 鑫(1989-),男,陕西绥德人,陕西省气象信息中心工程师,硕士,主要从事天气学和气候学研究.发表论文2篇.

2019-01-29

国家自然科学基金资助项目(41775079);陕西省气象局科学技术研究面上科研项目(2016M-4)

* 责任作者, 教授, gyfa@cuit.edu.cn