1960~2016年江西省霾日變化特征及氣候成因分析

李翔翔,秦曉晨,彭王敏子,樊建勇*

?

1960~2016年江西省霾日變化特征及氣候成因分析

李翔翔1,2,秦曉晨3,彭王敏子2,樊建勇2*

(1.江西省農(nóng)業(yè)氣象中心,江西 南昌 330096；2.江西省氣象科學(xué)研究所,江西 南昌 330096；3.江西省生態(tài)氣象中心,江西 南昌 330096)

利用江西省1960~2016年82個氣象站水平能見度、相對濕度和天氣現(xiàn)象等資料,重建了江西省霾日序列,分析了江西省霾日數(shù)的年際變化特征,并通過霾日數(shù)與降水日數(shù)、大風(fēng)日數(shù)和靜風(fēng)日數(shù)的相關(guān)關(guān)系,探討了不同季節(jié)霾日數(shù)年際變化的氣候成因.結(jié)果表明:1960~2016年江西省霾日數(shù)表現(xiàn)為在1970s有明顯偏高、1980年后顯著增加趨勢(0.53d/a),贛北地區(qū)霾日多且增加速率快.四季霾日數(shù)均有增加,其中秋季貢獻(xiàn)最大(0.21d/a,<0.001),春季其次(0.12d/a,<0.001),冬季霾日數(shù)最多,但年際趨勢并不顯著(0.10d/a,>0.05),夏季年均霾日數(shù)較低,增加幅度最小(0.09d/a,<0.001).過去幾十年降水日數(shù)減少(-0.26d/a,>0.05)導(dǎo)致大氣濕沉降能力減弱,以及大風(fēng)日數(shù)減少(-0.33d/a,<0.01)和靜風(fēng)日數(shù)增加(1.73d/a,<0.01)導(dǎo)致大氣擴(kuò)散能力降低,為江西省霾日增加提供了有利氣候背景.但主要?dú)夂虺梢蛞蚣竟?jié)不同:春季霾日數(shù)增加的主要?dú)夂虺梢蚴谴箫L(fēng)日數(shù)減少(=-0.48,<0.01),與其他要素的關(guān)系不顯著;夏季亦與大風(fēng)日數(shù)減少顯著相關(guān)(=-0.50,<0.01),同時與靜風(fēng)日數(shù)增加顯著相關(guān)(=0.37,<0.05);秋季受大風(fēng)日數(shù)減少、靜風(fēng)日數(shù)增加以及降水日數(shù)減少共同影響,導(dǎo)致秋季霾日增加速率最快;冬季霾日數(shù)僅與降水日數(shù)顯著相關(guān)(=-0.36,<0.05),但由于冬季降水日數(shù)變化趨勢不明顯(-0.26d/a,>0.05),冬季霾日數(shù)變化不顯著.

霾日數(shù)；季節(jié)；降水日數(shù)；大風(fēng)日數(shù)；靜風(fēng)日數(shù)

我國幅員遼闊,不同地區(qū)氣候差異較大,加之經(jīng)濟(jì)發(fā)展水平不一,霾日數(shù)的空間分布和變化趨勢具有較大差異.我國區(qū)域霾特征的系統(tǒng)研究始于2006年的珠江三角洲.吳兌等[1]利用氣象資料、衛(wèi)星資料和氣溶膠觀測資料等綜合分析了珠江三角洲大氣灰霾與能見度下降問題,指出20世紀(jì)80年代后灰霾天氣顯著增加,能見度惡化主要與細(xì)粒子關(guān)系比較大,并在后續(xù)研究中進(jìn)一步給出了區(qū)分霾與霧的概念模型[2-4].此后,基于這種區(qū)分模型的霧、霾特征研究在京津冀[5-8]、長江三角洲[9-12]及其他地區(qū)[13-16]逐漸豐富起來,揭示了我國霾日變化趨勢的地域特征.吳兌等[17]指出1951~2005年我國霾日變化表現(xiàn)為在華北、黃淮、江淮、江南、江漢、華南以及西南地區(qū)東部呈增加趨勢,而在東北、內(nèi)蒙古和西北地區(qū)東部呈減少趨勢.高歌[18]、宋連春等[19]和尹志聰?shù)萚20]也指出我國東部地區(qū)霾日數(shù)較高且呈增加趨勢.

霾日數(shù)的增多與污染物排放有關(guān),也與氣象條件變化有關(guān)[21].氣候變暖有利于中東部地區(qū)霾的發(fā)生,溫度增加導(dǎo)致海陸熱力性質(zhì)差異減小,風(fēng)力減弱,同時熱力條件增加也使大氣穩(wěn)定度增加,導(dǎo)致大氣水平和垂直擴(kuò)散能力減弱,這種變化增加了華北平原[5]、京津冀地區(qū)[7]、長江三角洲[11]等地區(qū)霾發(fā)生的風(fēng)險.宋連春等[19]從大氣沉降能力和擴(kuò)散能力分析我國冬半年霾日數(shù)變化成因,指出降水日數(shù)的減少導(dǎo)致大氣沉降能力減弱,以及平均風(fēng)速和大風(fēng)日數(shù)減小導(dǎo)致大氣擴(kuò)散能力降低,加劇了中東部霾的出現(xiàn).符傳博等[22]針對華南地區(qū)霾加重的氣候原因分析結(jié)果印證了該觀點(diǎn).也有研究指出,隨著工業(yè)化和城市化發(fā)展,相對濕度降低,大量氣溶膠爭食有限的水汽導(dǎo)致霧日數(shù)明顯下降而霾日數(shù)增多[12,23],水汽條件開始成為霾天氣發(fā)生的關(guān)鍵控制因子之一[20].此外,少數(shù)研究表明,在臺風(fēng)外圍受下沉氣流影響,混合層被擠壓變薄,氣溶膠不易擴(kuò)散,較易出現(xiàn)嚴(yán)重的霾天氣[24-25].

江西地處亞熱帶,長江以南,南嶺以北,境內(nèi)東,西、南三面環(huán)山,中間丘陵起伏,北部為鄱陽湖及其平原(圖1).近年來,隨著工業(yè)化和城市化進(jìn)程的加快,人類活動使得大氣氣溶膠污染日趨嚴(yán)重,能見度惡化事件越來越多.目前,針對該區(qū)域霾氣候特征的研究主要集中在霾的時空分布特征上[26],而霾日數(shù)變化的氣候成因及其季節(jié)性差異尚不明確.本文在分析江西霾日數(shù)時空變化特征基礎(chǔ)上,揭示了影響不同季節(jié)霾日數(shù)變化的關(guān)鍵氣候因子,為制定有效的霾治理方案提供科學(xué)依據(jù).

1 資料與方法

1.1 資料來源

本文所使用的地面觀測資料來自江西省氣象信息中心,包括逐日4次地面水平能見度、相對濕度、逐日降水量、天氣現(xiàn)象、最大風(fēng)速和年均風(fēng)速等資料.通過對數(shù)據(jù)進(jìn)行質(zhì)量控制,包括缺測檢驗(yàn)和遷站合并等,最終選取江西省境內(nèi)82個氣象站作為代表性站點(diǎn),站點(diǎn)分布見圖1.

圖1 研究區(qū)域及氣象站點(diǎn)分布

1.2 研究方法

目前,國內(nèi)外判定霾日的方法主要有3種[27]:直接使用人工觀測記錄;日均值法;14:00時法.不同方法各有利弊,人工觀測受觀測員的經(jīng)驗(yàn)判斷影響較大,直接使用會引入不客觀因素.日均值法和14:00時法采用能見度、天氣現(xiàn)象和相對濕度來綜合判斷,分別以日均能見度和14:00時能見度小于10km、相對濕度小于90%,且排除降水、吹雪、雪暴、揚(yáng)沙、沙塵暴、浮塵、煙幕等視程障礙事件為1個霾日.本文采用日均值法重構(gòu)1960~2016年江西省霾日序列.

值得注意的是,江西省能見度自2014年開始由人工觀測轉(zhuǎn)為能見度儀自動觀測.由于能見度自動觀測和人工觀測存在系統(tǒng)偏差,將自動觀測資料霾的能見度判定閾值調(diào)整為7.5km[28-30].

此外,本文空間插值采用反距離權(quán)重法(IDW),霾日的氣候傾向率采用最小二乘法計(jì)算,利用Perason相關(guān)分析計(jì)算霾日與氣候因子的相關(guān)系數(shù).

2 結(jié)果與分析

2.1 重建霾日與觀測霾日的差異分析

采用日均值法重建1960~2016年霾日序列,與觀測資料的年均霾日數(shù)進(jìn)行比較,結(jié)果見圖2.重建霾日數(shù)較觀測霾日數(shù)呈整體性偏高,82個站點(diǎn)中僅有4個站點(diǎn)表現(xiàn)為重建霾日數(shù)低于觀測霾日數(shù)(圖2A).霾日的重建值與觀測值差異具有明顯南北特征,其中差異天數(shù)在0~5d之間的有25個站點(diǎn),主要集中在贛南地區(qū),差異天數(shù)在10d以上的有43個站點(diǎn),主要集中在贛北區(qū)域(圖2A).重建霾日的偏高趨勢與安徽[14]、廣西[31]、湖北[32]、廣東[33]研究結(jié)果一致,主要是由于重建過程中選取相對濕度閾值為90%,而人工觀測對該閾值定的偏低,導(dǎo)致大量的霾被記為輕霧或霧.此外,從相關(guān)關(guān)系來看(圖2B),重建霾日與觀測霾日具有較好相關(guān)性,82個站點(diǎn)中有71個站點(diǎn)的相關(guān)系數(shù)大于0.4,其中57個站點(diǎn)大于0.6,24個站點(diǎn)大于0.8,絕大部分站點(diǎn)相關(guān)性達(dá)顯著水平(<0.01).由此可見,重建霾日與觀測霾日具有較好一致性,能夠體現(xiàn)出霾日的實(shí)際波動及其變化趨勢.

圖2 重建霾日與觀測霾日空間差異(A)及相關(guān)系數(shù)空間分布(B)

B圖中“?”表示相關(guān)系數(shù)的顯著性達(dá)到95%水平,下同

2.2 霾日的空間分布特征

對于重建霾日,按年代際劃分,統(tǒng)計(jì)不同時期霾日的空間分布特征(圖3).江西省霾日數(shù)的年代際演變趨勢與我國中東部地區(qū)一致[17,19-20],呈逐漸增加的趨勢.1960s全省大部分地區(qū)霾日數(shù)均在30d以下,贛州大部分地區(qū)霾日數(shù)低于10d,高值區(qū)主要集中在萍鄉(xiāng)一帶,年霾日數(shù)在50d左右(圖3A).1970s年霾日數(shù)有較大幅度增加,贛北大部分地區(qū)為40d以上,九江、贛州大部分地區(qū)在20d以下(圖3B).1980s年霾日數(shù)較1970s有所下降(圖3C),但自1980s開始,全省年霾日數(shù)不斷增加,高值范圍不斷擴(kuò)大.1980s至2000s,霾影響的高值范圍(>40d)主要以工業(yè)城市為中心分布,贛東北以及贛南大部分地區(qū)年霾日數(shù)均保持在20d以下,而到2010s(2000~2016年),高值范圍(>40d)擴(kuò)大至整個贛北地區(qū),僅有零星站點(diǎn)霾日數(shù)低于20d,贛南大部分地區(qū)霾日數(shù)低于20d(圖3F).

從霾日判別條件來看(圖4),相對濕度的年際變化在1970s無明顯的變化趨勢,但在2000年以后由于城市化快速推進(jìn)導(dǎo)致城市干島效應(yīng)愈發(fā)顯著,相對濕度有降低趨勢.而能見度呈現(xiàn)出1970s明顯降低、1980年以后逐漸下降的現(xiàn)象,1970s的平均能見度甚至低于2000年以后的能見度,因此霾日數(shù)在1970s有明顯偏高.能見度在1970s以后的躍遷現(xiàn)象主要是由于1980年以前的地面水平能見度的氣象業(yè)務(wù)觀測以等級的形式記錄,而1980年轉(zhuǎn)為具體的距離數(shù)值.本文取等級對應(yīng)區(qū)間內(nèi)的中值來表示具體的能見度距離[14].由于各能見度等級所對應(yīng)能見度距離的區(qū)間并不是等間隔劃分的,使用區(qū)間中值代替能見度等級會過高地估計(jì)能見度距離[22],從而造成能見度在1980年前后資料不連續(xù).

圖3 霾日空間分布的年代際變化

圖4 1960~2016年江西省能見度和相對濕度年際變化

2.3 霾日的年際變化特征

為避免1980年前后能見度觀測方式變化對分析結(jié)果的影響,趨勢分析時段采用1980~2016年.由圖5可知,1980年以來江西省各季節(jié)霾日數(shù)均呈增加趨勢,但增加速率不同.1980年以來年均霾日數(shù)增加速率為0.53d/a(圖5E),增加速率與兩廣地區(qū)[22]和湖北省[32]的速率較為一致,但低于安徽省[14]和長江三角洲主要城市[12]的增加速率,這與不同地區(qū)工業(yè)發(fā)展水平有關(guān).春、夏、秋和冬季霾日數(shù)增加速率對年霾日數(shù)增加量的貢獻(xiàn)比為0.23:0.17:0.41:0.20,秋季增加趨勢最快(0.21d/a,<0.001),春季其次(0.12d/a,<0.001).冬季霾日數(shù)最多,但年際波動較大,增加趨勢并不顯著(0.10d/a,>0.05),夏季霾日數(shù)較低,增加幅度最小(0.09d/a,<0.001).

從空間分布來看(圖6),1980~2016年霾日數(shù)增加區(qū)域主要集中在贛北地區(qū),南昌、九江和撫州在各季節(jié)均表現(xiàn)為連片增加趨勢,贛南地區(qū)霾日數(shù)變化趨勢不顯著.從年霾日數(shù)來看(圖6E),顯著增加站點(diǎn)主要集中在南昌、撫州、九江、新余和宜春西部地區(qū),而宜春東部以及吉安中部部分站點(diǎn)呈顯著下降趨勢.在冬季,宜春、吉安、新余和萍鄉(xiāng)等地霾日顯著增加站點(diǎn)數(shù)減少,而顯著下降站點(diǎn)數(shù)增多,造成江西省平均冬季霾日數(shù)年際波動較大且變化趨勢不顯著.其他季節(jié)與年尺度一致,贛北地區(qū)霾日數(shù)呈連片顯著增加趨勢,霾日數(shù)下降的站點(diǎn)集中在宜春東部以及吉安中部部分站點(diǎn).

圖5 1980~2016年不同季節(jié)霾日變化趨勢 Fig.5 Temporal series of haze days during 1980~2016

圖6 1980~2016年不同季節(jié)霾日數(shù)變化趨勢空間分布

2.4 霾日數(shù)變化的氣候原因

2.4.1 霾日數(shù)與相對濕度的關(guān)系 研究表明,近年來氣象條件變化、區(qū)域城市化和土地利用變化使得相對濕度有所下降,大量的氣溶膠爭食有限的水汽導(dǎo)致霧日數(shù)明顯減少而霾日數(shù)不斷增多[12,23].由圖7可知,江西省霾日數(shù)與相對濕度的相關(guān)關(guān)系具有階段性.從全省平均來看(圖7A),霾日數(shù)與相對濕度在1987~1998年的負(fù)相關(guān)關(guān)系不斷加深(冬季除外),其中年均霾日數(shù)與相對濕度的負(fù)相關(guān)關(guān)系在1992~1999年達(dá)到顯著水平(<0.05),值得注意的是,1998年以后這種負(fù)相關(guān)關(guān)系不斷減弱,特別是2003年以后春、夏季由負(fù)相關(guān)轉(zhuǎn)為弱的正相關(guān).此外,本文選取了南昌、贛州和上饒等大城市進(jìn)行個例分析,結(jié)果表明南昌站與全省平均相似(圖7B),相對濕度與霾日數(shù)呈弱負(fù)相關(guān)關(guān)系,并在1998年前后發(fā)生了轉(zhuǎn)變.贛州(圖7C)和上饒(圖7D)兩站相對濕度與霾日數(shù)關(guān)系具有季節(jié)差異,贛州的秋季以及上饒的春季和年均霾日與相對濕度呈弱正相關(guān),但在1998年以前正相關(guān)關(guān)系減弱而1998年以后加強(qiáng)的趨勢.這種相關(guān)關(guān)系的轉(zhuǎn)變與華北黃淮區(qū)域的研究結(jié)論較為一致.尹志聰?shù)萚20]指出1980s后霾日數(shù)與相對濕度轉(zhuǎn)為顯著正相關(guān),相對濕度越大,霾日數(shù)越多.這主要是由于經(jīng)濟(jì)建設(shè)發(fā)展的同時,具有較強(qiáng)吸濕性的氣溶膠粒子排放增加,氣溶膠粒子吸濕增長導(dǎo)致霾現(xiàn)象增加.不同的是,江西省霾日數(shù)與相對濕度關(guān)系轉(zhuǎn)變的時間點(diǎn)較華北黃淮地區(qū)滯后,且轉(zhuǎn)變后未達(dá)到顯著性水平,這主要是由于江西省工業(yè)發(fā)展較為滯后,且江西省相對濕度的本底值較華北黃淮地區(qū)高,氣溶膠粒子對水汽條件的依賴程度小于干燥的華北黃淮地區(qū).

圖7 1988~2008年江西省霾日數(shù)與相對濕度之間的20年滑動相關(guān)系數(shù)

灰色橫虛線為95%信度水平.A:全省平均;B:南昌;C:贛州;D:上饒

2.4.2 大氣沉降能力和擴(kuò)散能力影響 溫度增加導(dǎo)致海陸熱力性質(zhì)差異減小,冬季風(fēng)力減弱,同時熱力條件增加也使大氣穩(wěn)定度增加,導(dǎo)致大氣水平和垂直擴(kuò)散能力減弱,增加了霾發(fā)生的風(fēng)險.天氣條件主要從大氣對污染物的沉降能力和擴(kuò)散能力影響霾的發(fā)生及其嚴(yán)重程度.雨水對大氣中污染物具有沖刷作用,能夠反映出大氣的沉降能力,而風(fēng)速條件是大氣穩(wěn)定度的直接表現(xiàn),可以間接反映空氣的自潔能力.因此,為探討江西省1980年以來霾日數(shù)增加的氣候原因,本文定義日最大風(fēng)速310m/s為大風(fēng)日,日最大風(fēng)速￡3m/s為靜風(fēng)日[19],分析了江西省1980~2016年各季節(jié)霾日數(shù)變化與降水日數(shù)、大風(fēng)日數(shù)和靜風(fēng)日數(shù)的相關(guān)系數(shù)(圖8).結(jié)果表明,霾日數(shù)與降水日數(shù)、大風(fēng)日數(shù)和靜風(fēng)日數(shù)的相關(guān)性在霾影響較重的贛北地區(qū)更為顯著,整體上與降水日數(shù)和大風(fēng)日數(shù)呈負(fù)相關(guān)關(guān)系,而與靜風(fēng)日數(shù)呈正相關(guān)關(guān)系.

圖8 1980~2016年不同季節(jié)霾日數(shù)與降水日數(shù)(A)、大風(fēng)日數(shù)(B)和靜風(fēng)日數(shù)(C)的相關(guān)系數(shù)空間分布

表1 1980~2016年不同季節(jié)關(guān)鍵氣象要素的變化趨勢及其與霾日數(shù)的相關(guān)分析

注:“**”和“*”分別表示變化趨勢或相關(guān)系數(shù)達(dá)極顯著(<0.01)和顯著水平(<0.05).

霾日數(shù)與氣象要素的相關(guān)性具有季節(jié)差異(表1),春季霾日數(shù)的年際變化與大風(fēng)日數(shù)相關(guān)性更為顯著,相關(guān)系數(shù)為-0.48(<0.05),而春季大風(fēng)日數(shù)在大部分站點(diǎn)呈顯著下降的趨勢(圖9B),因此春季霾日數(shù)增加的主要?dú)夂蛟驗(yàn)榇箫L(fēng)日數(shù)的減少;夏季霾日數(shù)與大風(fēng)日數(shù)呈極顯著負(fù)相關(guān)(=-0.50,<0.01),與靜風(fēng)日數(shù)呈顯著正相關(guān)(=0.37,<0.05),結(jié)合大風(fēng)日數(shù)和靜風(fēng)日數(shù)年際變化趨勢(圖9A、B),夏季大風(fēng)日數(shù)顯著下降和靜風(fēng)日數(shù)顯著增加是夏季霾日數(shù)增加的主要?dú)夂蛟?秋季霾日數(shù)與大風(fēng)日數(shù)、靜風(fēng)日數(shù)和降水日數(shù)均顯著相關(guān)(<0.05),因此秋季降水日數(shù)和大風(fēng)日數(shù)的減少、靜風(fēng)日數(shù)的增加(圖9A、B、C),是秋季霾日數(shù)增加的主要原因;冬季霾日數(shù)僅與降水日數(shù)呈顯著負(fù)相關(guān)關(guān)系(=-0.36,<0.05),而同季節(jié)內(nèi)降水日數(shù)的變化趨勢并不顯著(圖9A),因此冬季霾日數(shù)的年際變化并不明顯.

圖9 1980~2016年降水日數(shù)(A)、大風(fēng)日數(shù)(B)和靜風(fēng)日數(shù)(C)的季節(jié)變化趨勢

3 結(jié)論

3.1 重建霾日數(shù)較觀測霾日數(shù)偏多,但重建霾日與觀測霾日具有較好一致性,能夠體現(xiàn)出實(shí)際霾日的年際波動及其變化趨勢.

3.2 1960~2016年江西省霾日數(shù)的年際變化特征表現(xiàn)為1970s偏高、1980年以后持續(xù)增加(0.53d/a)的特征,秋季增幅最大(0.21d/a,<0.01),春季其次(0.12d/a,<0.01),冬季年均霾日最多,但年際趨勢并不顯著(0.10d/a,>0.05),夏季年均霾日較低,增加幅度最小(0.09d/a,<0.01).

3.3 不同季節(jié)霾日數(shù)增加的主要?dú)夂虺梢虿煌?春季霾日數(shù)增加的主要?dú)夂蛟蚴谴箫L(fēng)日數(shù)減少,而夏季主要受大風(fēng)日數(shù)下降和靜風(fēng)日數(shù)增加的影響;秋季霾日數(shù)與大風(fēng)日數(shù)、靜風(fēng)日數(shù)和降水日數(shù)均顯著相關(guān),而冬季霾日數(shù)僅與降水日數(shù)呈顯著負(fù)相關(guān)關(guān)系.由于冬季降水日數(shù)的變化趨勢不明顯,因此冬季霾日數(shù)的年際變化并不顯著.

3.4 在相對濕度降低的背景下,相對濕度與霾日數(shù)的負(fù)相關(guān)關(guān)系呈減弱趨勢,表明在有限的水汽條件下,霾對水汽條件的依賴越來越高.

[1] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導(dǎo)致能見度下降問題研究[J]. 氣象學(xué)報(bào), 2006,(4):510-517+538. Wu D, Bi X, Deng X, Li F, et al. Effect of atmospheric haze on the deterioration of visibility over the Pear River Delta [J]. Acta Meteorologica Sinica, 2006(4):510-517+538.

[2] 吳 兌.關(guān)于霾與霧的區(qū)別和灰霾天氣預(yù)警的討論[J]. 氣象, 2005, (4):3-7. Wu D.A discussion on difference between haze and fog and warning of ash haze weather [J]. Meteorological Monthly, 2005,(4):3-7.

[3] 吳 兌.霾與霧的識別和資料分析處理[J]. 環(huán)境化學(xué), 2008,(3): 327-330. Wu D. Discussion on the distinction between haze and fog and analysis and processing data [J]. Environmental Chemistry, 2008,(3): 327-330.

[4] 吳 兌,吳 晟,李海燕,等.以珠三角典型灰霾天氣為例談資料分析方法[J]. 環(huán)境科學(xué)與技術(shù), 2011,34(6):80-84+88. Wu D, Wu C, Li H, et al. Data analysis method of haze in the Pearl River Delta as an example [J]. Environmental Science & Technology, 2011,34(6):80-84+88.

[5] Ding Y, Wu P, Liu Y, et al. Environmental and dynamic conditions for the occurrence of persistent haze events in North China [J]. Engineering, 2017,3(2):266-271.

[6] Shen R, Sch?fer K, Schnelle-Kreis J, et al. Seasonal variability and source distribution of haze particles from a continuous one-year study in Beijing [J]. Atmospheric Pollution Research, 2018,9(4):627-633.

[7] Wang J, Zhao Q, Zhu Z, et al. Interannual variation in the number and severity of autumnal haze days in the Beijing–Tianjin–Hebei region and associated atmospheric circulation anomalies [J]. Dynamics of Atmospheres and Oceans, 2018,84:1-9.

[8] 張英娟,張培群,王 冀,等.1981~2013年京津冀持續(xù)性霾天氣的氣候特征[J]. 氣象, 2015,41(3):311-318. Zhang Y, Zhang P, Wang J, et al. Climatic characteristics of persistent haze events over Jingjinji during 1981~2013 [J]. Meteorological Monthly, 2015,41(3):311-318.

[9] Cao Y, Zhang W, Wang W. Spatial–temporal characteristics of haze and vertical distribution of aerosols over the Yangtze River Delta of China [J]. Journal of Environmental Sciences, 2018,66:12-19.

[10] Xiao H, Huang Z, Zhang J, et al. Identifying the impacts of climate on the regional transport of haze pollution and inter-cities correspondence within the Yangtze River Delta [J]. Environmental Pollution, 2017,228:26-34.

[11] Xu J, Chang L, Yan F, et al. Role of climate anomalies on decadal variation in the occurrence of wintertime haze in the Yangtze River Delta, China [J]. Science of The Total Environment, 2017,599-600: 918-925.

[12] 郭 婷,朱 彬,康志明,等.1960~2012年長江三角洲地區(qū)霧日與霾日的氣候特征及其影響因素[J]. 中國環(huán)境科學(xué), 2016,36(4):961- 969. Guo T, Zhu B, Kang Z, et al. Spatial and temporal distribution characteristic of fog days and haze days from 1960~2012 and impact factors over the Yangtze River Delta Region [J]. China Environmental Science, 2016,36(4):961-969.

[13] 崔 妍,趙春雨,周曉宇,等.東北地區(qū)近50年來霾天氣氣候特征[J]. 中國環(huán)境科學(xué), 2016,36(6):1630-1637. Cui Y, Zhao C, Zhou X, et al. Climatic characteristics of haze days in Northeast of China over the past 50years [J]. China Environmental Science, 2016,36(6):1630-1637.

[14] 鄧學(xué)良,石春娥,姚 晨,等.安徽霾日重建和時空特征分析[J]. 高原氣象, 2015,34(4):1158-1166. Deng X, Shi C, Yao C, et al. Research of reconstruction and characteristics of hazes in Anhui [J]. Plateau Meteorology, 2015, 34(4):1158-1166.

[15] 劉端陽,魏建蘇,嚴(yán)文蓮,等.1980~2012年江蘇省城市霾日的時空分布及成因分析[J]. 環(huán)境科學(xué), 2014,35(9):3247-3255. Liu D, Wei J, Yan W, et al. Trends of urban haze in Jiangsu Province China over the past 33 years [J]. Environmental Science, 2014,35(9): 3247-3255.

[16] 顏嬌瓏,張 武,單云鵬,等.西北東部霾的時空特征與天氣特征研究[J]. 高原氣象, 2016,35(4):1073-1086. Yan J, Zhang W, Shan Y, et al. Spatio-temporal distribution of aerosol and weather characteristics during haze over the Eastern Northwest China [J]. Plateau Meteorology, 2016,35(4):1073-1086.

[17] 吳 兌,吳曉京,李 菲,等.1951~2005年中國大陸霾的時空變化[J]. 氣象學(xué)報(bào), 2010,68(5):680-688. Wu D, Wu X, 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.

[18] 高 歌.1961~2005年中國霾日氣候特征及變化分析[J]. 地理學(xué)報(bào), 2008,(7):761-768. Gao G. The climatic characteristics and change of haze days over China during 1961~2005 [J]. Acta Geographica Sinica, 2008,(7):761- 768.

[19] 宋連春,高 榮,李 瑩,等.1961~2012年中國冬半年霾日數(shù)的變化特征及氣候成因分析[J]. 氣候變化研究進(jìn)展, 2013,9(5):313-318. Song L, Gao R, Li Y, et al. Analysis of China's haze days in winter half year and climatic background during 1961~2012 [J]. Advances in Climate Change Research, 2013,9(5):313-318.

[20] 尹志聰,王會軍,郭文利.華北黃淮地區(qū)冬季霧和霾的時空氣候變化特征[J]. 中國科學(xué):地球科學(xué), 2015,45(5):649-655. Yin Z, Wang H, Guo W. Climatic change features of fog and haze in winter over North China and Huang-huai Area [J]. Science China:Earth Sciences, 2015,45(5):649-655.

[21] Zhang Q, Ma Q, Zhao B, et al. Winter haze over North China Plain from 2009 to 2016: Influence of emission and meteorology [J]. Environmental Pollution, 2018,242:1308-1318.

[22] 符傳博,丹 利,唐家翔,等.1960~2013年華南地區(qū)霾污染的時空變化及其與關(guān)鍵氣候因子的關(guān)系[J]. 中國環(huán)境科學(xué), 2016,36(5): 1313-1322. Fu C, Dan L, Tang J, et al. Temporal and spatial characteristics of haze days and their relations with climatic factor during 1960~2013 over South China [J]. China Environmental Science, 2016,36(5):1313- 1322.

[23] 周 威,康 嵐,郝麗萍.1980~2012年四川盆地及典型城市的霾日變化特征分析[J]. 中國環(huán)境科學(xué), 2017,37(10):3675-3683. Zhou W, Kang L, Hao L. Characteristic analysis of haze in Sichuan Basin and typical cities from 1980 to 2012 [J]. China Environmental Science, 2017,37(10):3675-3683.

[24] Wu D, Tie X, Li C, et al. An extremely low visibility event over the Guangzhou region: A case study [J]. Atmospheric Environment, 2005,39(35):6568-6577.

[25] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲氣溶膠云造成的嚴(yán)重灰霾天氣[J]. 自然災(zāi)害學(xué)報(bào), 2006,(6):77-83. Wu D, Bi X, Deng X, et al. Heavy haze weather resulting from aerosol cloud over Pearl River Delta [J]. Journal of Natural Disasters, 2006,(6):77-83.

[26] 吳珊珊,章毅之,胡菊芳.江西省霾天氣氣候特征及其與氣象條件的關(guān)系[J]. 氣象與環(huán)境學(xué)報(bào), 2014,30(3):71-77. Wu S, Zhang Y, Hu J. Climatic characteristics of haze days and its relationship with meteorological conditions over Jiangxi Province [J]. Journal of Meteorology and Environment, 2014,30(3):71-77.

[27] 吳 兌,陳慧忠,吳 蒙,等.三種霾日統(tǒng)計(jì)方法的比較分析——以環(huán)首都圈京津冀晉為例[J]. 中國環(huán)境科學(xué), 2014,34(3):545-554. Wu D, Chen H, Wu M, et al. Comparison of three statistical methods on calculating haze days-taking areas around the capital for example [J]. China Environmental Science, 2014,34(3):545-554.

[28] 樊高峰,任 律,毛裕定.基于人工與自動觀測對比分析的霾日重建[J]. 中國環(huán)境科學(xué), 2017,37(4):1254-1261. Fan G, Ren L, Mao Y. Reconstruction of haze day database based on the comparison between manual and automatic observations [J]. China Environmental Science, 2017,37(4):1254-1261.

[29] 劉萱榮,劉 琥,洪竹芳,等.能見度自動觀測與人工觀測數(shù)據(jù)比較分析[J]. 貴州氣象, 2017,41(6):72-74+89. Liu X, Liu H, Hong Z, et al. Comparative analysis of visibility data between automatic and manual observation [J]. Journal of Guizhou Meteorology, 2017,41(6):72-74+89.

[30] 周國兵,向 波,胡春梅,等.基于自動能見度觀測的霧和霾天氣判別指標(biāo)研究[J]. 西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017,42(10):78-83. Zhou G, Xiang B, Hu C, et al. The index of fog and haze distinguishing based on automatic visibility observations [J]. Journal of Southwest University (Natural Science Edition), 2017,42(10): 78-83.

[31] 蘇兆達(dá),白 龍,梁岱云.近15年南寧市霾日數(shù)變化特征及氣象成因分析[J]. 高原氣象, 2017,36(3):826-834. Su Z, Bai L, Liang D. Variations of haze days and its meteorological causes in Nanning during 2000 to 2014 [J]. Plateau Meteorology, 2017,36(3):826-834.

[32] 岳巖裕,周 悅,陳賽男,等.不同標(biāo)準(zhǔn)下湖北省霾日分布特征及氣候因子影響分析[J]. 環(huán)境科學(xué)與技術(shù), 2017,40(3):27-33. Yue Y, Zhou Y, Chen S, et al. Spatial-temporal variation of smog in Hubei Province and its relationship to climate elements [J]. Environmental Science & Technology, 2017,40(3):27-33.

[33] 劉蔚琴,杜堯東.三種方法統(tǒng)計(jì)的廣東省霾日時空變化特征比較分析[J]. 氣象與環(huán)境科學(xué), 2015,38(2):42-47. Liu W, du Y. Comparative analysis of spatial-temporal variation characteristics of haze days by three methods statistics in Guangdong Province [J]. Meteorological and Environmental Sciences, 2015,38(2): 42-47.

Spatiotemporal characteristics of the annual change of haze days and their relations with climatic factors during 1960~2016 in Jiangxi, China.

LI Xiang-xiang1,2, QIN Xiao-chen3, PENG Wang-min-zi2, FAN Jian-yong2*

(1.Agro-meteorological Center of Jiangxi Province, Nanchang 330096, China；2.Meteorological Science Institute of Jiangxi Province, Nanchang 330096, China；3.Jiangxi Ecological Meteorology Center, Nanchang 330096, China)., 2019,39(4)：1355~1364

Based on horizontal visibility, relative humidity and weather phenomena obtained from 82 meteorological stations in Jiangxi Province from 1960~2016, haze days were reconstructed and the temporal variations were analysed. Additionally, the attributions of the variation were identified according analysis of the correlation of haze days with precipitation days, high wind days and breeze days. The results showed that the haze days had an obvious peak in the 1970s, followed by an increasing trend since 1980 (0.53d/a,<0.001). Among the four seasons, increasing haze days in autumn (0.21d/a,<0.001) contributed most to the annual increasing rate, followed by spring (0.12d/a,<0.001). In winter, although most haze days happened, the increasing trend was insignificant (0.10d/a,>0.05). While summer has the least increasing amplitude (0.09d/a,<0.001). In the past decades, the reduction of atmospheric deposition ability caused by less precipitation days (-0.26d/a,>0.05), and the reduction of atmospheric diffusion ability caused by fewer high wind days (-0.33d/a,<0.01) but higher breeze days (1.73d/a,<0.01), provided advantages for haze increase. However, the main attribution varied between seasons. The major reason for haze increase in spring was the reduction in high wind days (=-0.48,<0.01). While in summer, it had significant correlation with both high wind days (=-0.50,<0.01) and breeze days (=0.37,<0.05). In autumn, haze increase was affected by fewer high wind days, higher breeze days and less precipitation days, leading to the highest increasing rate among four seasons. In winter, haze days has a better correlation with precipitation days (=-0.36,<0.05) whose trend was insignificant (-0.26d/a,>0.05). Thus, winter haze days has an insignificant trend during.

haze days；seasonal pattern；precipitation days；high wind days；breeze days

X513

A

1000-6923(2019)04-1355-10

2018-09-03

江西省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(20161BBG70093);江西省科技計(jì)劃項(xiàng)目(2015ZBBG70041)

*責(zé)任作者, 高級工程師, fanlongyu@163.com

李翔翔(1990-),男,江西上饒人,助理工程師,碩士,主要從事氣候變化影響評估方面的研究.發(fā)表論文5篇.