气象要素对中国大气能见度长期变化影响的定量研究

大气能见度是指晴空条件下人眼能够识别大型黑色目标物的最远距离(Horvath，1981)，在没有污染的大气中大气能见度(以下简称能见度)最高可达250 km(Leavey and Sweeney，1990)。1955～2000年中国平均能见度在20～30 km，能见度在 夏季最高、秋季次之、冬季最低(张利等，2011)。从空间分布看，中国西北地区能见度高于东南地区(Wu et al.，2012)；能见度长期变化趋势也存在较大空间差异，1973～2007年中国西部地区的能见度存在上升趋势，东部地区能见度则有明显的下降趋势(Che et al.，2007；Wang et al.，2009)。

能见度变化的直接原因是大气气溶胶的变化，而气象条件对气溶胶的形成、分布、维持与变化作用显著，尤其二次气溶胶的形成与变化受气象条件影响很大(张小曳等，2013)。气象条件的影响主要有两个方面，一些研究从环流特征和天气形势进行分析，指出西太平洋副热带高压加强会使夏季中国东部能见度降低(Qu et al.，2013)，东亚大槽加强可使冬季中国西北能见度增加(赵庆云等，2003)，500 hPa天气形势是华北低能见度预报的重要依据(倪江波等，2015)。更多的研究则是从局地气象要素的角度出发，分析了不同时间尺度上能见度与气象要素的关系。年平均尺度上，能见度与相对湿度呈负相关，且高湿度时的相关性优于低湿度时的相关性(张利等，2011)，能见度与风速呈正相关(高歌，2008；郝天依等，2012)，降水增加也会导致能见度增加(李霞和王胜利，2012)。从月平均尺度看，能见度同样与相对湿度呈负相关、与风速呈正相关(Deng et al.，2011)，另外能见度还与气温有正相关关系(Tsai，2005)。在更短的时间尺度，尤其是雾霾天气过程中，能见度与相对湿度仍为负相关关系(陈慧娴，2011；戴永立等，2013)，同时低能见度现象多发生在小风速条件下(沈家芬等，2007)。

已有的研究基本建立了能见度与气象要素之间的对应关系，但对于较长时间尺度的研究并不充分，现有对全国范围能见度与气象要素关系的研究，大多基于空间平均后的定性描述，平均后的结果无法清楚地解释不同地区能见度长期变化与气象要素的关系，同时也无法定量分析气象要素对能见度长期变化的影响。研究表明，能见度与其影响因子之间存在非线性关系(张剑等，2011)，因此本文将选取对能见度有直接影响的风速、相对湿度和气温，采用多元线性回归和经验正交函数分析等方法，分析不同地区气象要素对能见度长期变化的贡献率，并探讨不同气象要素影响能见度长期变化的物理机制。

本文数据来自于中国气象局地面常规观测资料，选取1980～2012年全国521个站点日4次观测资料，观测时间分别为02:00(北京时间，下同)、08:00、14:00和20:00，采用14:00的数据作为该日代表。这是因为14:00的数据最能够反映当地的能见度水平，08:00的观测常会受到辐射雾和近地面夜间逆温层的影响，02:00和20:00在晚上，能见度观测的目标物与白天不同，会造成观测资料的不一致(Doyle and Dorling，2002；Fu et al.，2013)。

本文采用多元线性回归方法，定量分析风速、相对湿度和气温这3种气象要素对能见度长期变化的贡献。由于气象要素与能见度之间存在一定的非线性关系，需要对3种气象要素非线性化，并加入回归方程中。当考虑多个自变量与因变量之间的非线性关系时，需对各个自变量分别建立一元非线性回归方程，选定非线性函数模型后对自变量作经验转换，最终建立因变量与转换以后的自变量之间的多元线性回归方程(胡基福，1996)。

本文选用了4种常用非线性函数，分别为幂函数、指数函数、对数函数、双曲函数。

双曲函数：

可令$y' = 1/y$，$x' = 1/x$，式(1)可变为$y' = a + bx'$。

幂函数：

可令$y' = \lg y$，$x' = \lg x$，式(2)可变为$y' = a + bx'$。

指数函数：

可令$y' = \ln y$，$a = \ln c$，$x' = x$，式(3)可变为$y' = a + bx'$。

对数函数：

可令$y' = y$，$x' = \lg x$，式(4)可变为$y' = a + bx'$。

进行上述变换之后非线性函数转换为线性函数，非线性回归问题便可以化为线性回归来进行分析。

文章结果分析部分还使用线性趋势去除、经验正交函数(EOF)和小波分析的方法。线性趋势去除方法如下：利用一元线性回归获取原序列的线性拟合序列，在原序列中减去线性拟合序列所得结果即认为去除了线性趋势。经验正交函数和小波变换方法不再赘述。

在建立回归方程之前，首先分析能见度和相对湿度、风速、气温3种要素的关系，计算了能见度与3种气象要素的相关系数，发现单一气象要素对能见度的解释效果普遍较差。利用3种气象要素对能见度建立多元线性回归方程的效果也不理想，所有站点平均的气象要素方差贡献为12.9%，通过显著性检验(显著性水平α=0.05，下同)站点的平均方差贡献为37.3%。为了提高气象要素对能见度的解释程度，进一步在回归方程中考虑了气象要素的非线性作用。

使用曲线函数线性化方法得到3种要素的幂函数、指数函数、对数函数和双曲函数形式，将4种非线性形式分别代入回归方程，计算每种函数形式下所有站点回归方程的平均复决定系数(R2)并计算所有站点中回归方程通过显著性检验的数量，其结果如表 1所示。可以看出，双曲函数形式的平均复决定系数较高，有68个站点的回归方程通过了显著性检验(方差贡献超过45%)，回归效果最好，选作后文中的分析对象。

利用回归方程选取的研究站点只有总数的不到两成，这是因为能见度不仅受当地气象要素的影响，还与大气环流的变化以及人类活动造成的污染有关，虽然能见度与气象要素的关系在理论上应该具有普遍性，但是由于其他原因的存在不可能体现出普遍的影响，在研究气象要素对能见度的影响时应尽量剔除其他要素的干扰，这也是本文利用回归方程选取研究站点的创新之处，同时也是后文分析定量化影响的基础。

对各种气象要素进行不同非线性形式混合的回归试验，发现效果均不如单纯使用双曲函数形式，最终选定双曲函数形式作为方程中非线性形式，得到的回归方程如下：

其中，V*为能见度回归值，R、W和T为相对湿度、风速和气温年平均值，A1、A2、A3、B1、B2、B3、C1、C2、C3、D均为回归系数。

图 1a为中国521个地面气象站空间分布，绿色圆点代表了68个回归方程效果通过显著性检验的站点。这些站点占站点总数的13%，主要分布在中国的东部，其中东南沿海地区最多，而新疆、西藏、东北和西南较少。

进一步分析气象要素和能见度的关系，将回归方程中的回归系数乘以各回归因子的标准差，得到各回归因子的权重系数，要素的权重系数越高，说明对能见度解释程度越高。分别选取相对湿度、风速和气温权重系数最大的站点，则68个通过检验的站点可以分为3类。

相对湿度对能见度解释效果最好的站点共26个，集中分布在中国东部地区，尤其长江流域和东南沿海(图 1b)。3种气象要素对这些站点能见度长期变化的平均方差贡献为54.1%，方差贡献最高的站点达到73.8%，东南沿海、长三角及淮河流域站点的方差贡献高于其他站点。

风速对能见度解释效果最好的站点共22个，在3类站点中空间分布最为广泛(图 1c)，遍布于除新疆和西北地区西部以外的全国各地区，说明风速与能见度之间的关系较为普遍。站点分布中没有新疆的原因在于新疆的能见度受沙尘天气影响巨大(全林生等，2011)，本研究提取能见度时去除了沙尘天气的影响，故而在分析风速对能见度的影响时没有用到新疆等沙漠化地区的站点。3种要素对这些站点能见度长期变化的平均方差贡献为60.2%，是3类站点中气象要素对能见度变化总体解释程度最高的，方差贡献最高的站点达到89.8%，总体而言，中西部站点的解释方差高于东部。

气温对能见度解释效果最好的站点共20个，主要分布在27°N～40°N地带，尤其是秦岭淮河一带(图 1d)。这些站点气象要素的平均方差贡献为54.2%，方差贡献最高的站点为87.6%。

通过显著性检验的68个站点，气象要素对能见度的平均解释方差超过50%，远高于全部站点23%的平均解释方差，可以认为气象要素是这些站点能见度长期变化的最主要影响因素。利用这68个站点来分析能见度与气象要素的关系，比以往研究中对所有站点进行分析准确性更高。而能见度与气象要素之间的关系十分复杂，除了气象要素本身的作用，还包括多个气象要素之间的协同作用，本文只考虑单一要素对能见度长期变化的影响，突出某一特定气象要素在能见度长期变化中的作用，因此分析时只选择该要素作为主要影响因子的站点，即该要素对能见度作用最显著的地区。此外，本文所指的能见度长期变化特征由两个部分组成：能见度的线性趋势和波动特征(年际、年代际变化)。

相对湿度为主要影响因子的26个站点(图 1b)中，19个站点能见度与相对湿度的相关系数通过显著性检验，且相关系数均为正值，平均相关系数为0.558。图 2a为所选站点能见度和相对湿度的线性趋势，全部站点的能见度趋势均通过了显著性检验，有24个站点呈下降趋势；22个相对湿度趋势通过检验的站点中有20个站的相对湿度呈下降趋势；可见两者在趋势变化上较为一致。利用经验正交函数(EOF)方法分析去除线性趋势后得到能见度和相对湿度波动特征(后文分析风速和气温时做相同处理)，图 2b为能见度与相对湿度EOF第一模态时间系数，两者方差贡献分别为26.8%和35.8%，均通过了显著性检验，借助小波分析(图略，下同)可看出能见度以年代际变化为主，相对湿度主要表现为年际变化，两者在波动特征上没有较好对应关系。

为进一步探究不同湿度条件对能见度长期变化的影响，将相对湿度等分成10个湿度区间。分析1980～2012年不同湿度出现天数可以发现，各站点一年中相对湿度小于10%的天数变化不大；相对湿度10%～60%的天数有明显的增加趋势；相对湿度60%～70%的天数各站点有增有减；相对湿度大于70%的天数呈明显减少趋势，与能见度趋势相同。

从近50年雾和霾的长期变化趋势来看，我国年霾日呈明显上升趋势，相反雾日自1990年后呈减少趋势(丁一汇和柳艳菊，2014)，近几十年东亚夏季风活动的减弱(Ding et al.，2008)是造成这些变化的气候原因。水汽作为降水的物质来源之一，对降水有很大影响，降水场和相对湿度场互为因果(李宪之，1987)，在夏季风减弱的背景下，1980年以后中国大部分地区的雨日呈减少趋势(王颖等，2006)，尤其在中国的东部和南部下降趋势更为显著(冯新灵等，2009)。利用本文数据计算发现，相对湿度影响显著的26个站点中有25个存在雨日减少的趋势(－3.8 d/10 a)，雨日的减少有利于气溶胶在大气中存留，使得能见度降低(高歌，2008)。本文的研究进一步表明，中国东部地区能见度长期下降趋势是与相对湿度减少相关的，而对应低能见度天气的雾霾事件中霾的增加则是由70%以上相对湿度呈减少趋势所引起的。

这一部分得到了相对湿度与能见度在长期趋势上一致的结论，这一结论与引言中前人多数认为的相对湿度与能见度负相关的结果有所不同。从物理机制的角度来看，前人的研究多从微物理过程出发，认为相对湿度增加使气溶胶吸湿增长，消光能力增加进而导致能见度下降；本文的研究针对长时间尺度，从天气过程的角度出发，指出相对湿度可通过改变降雨频率来影响能见度长期变化。

风速为主要影响因子的22个站点中(图 1c)，有15个站点能见度与风速的相关系数通过了显著性检验，其中12个站点呈正相关，通过检验站点的平均相关系数为0.604。由图 3a可知20个站点能见度的线性趋势通过了显著性检验，但这些站点并没有一致的趋势，风速线性趋势通过显著性检验的站点只有10个，可认为风速与能见度的趋势无明显对应关系。利用EOF分析能见度和风速的波动特征，两者EOF第一模态时间系数如图 3 b所示，两者方差贡献分别为49.5%和65.9%，均通过了显著性检验，借助小波分析可以看出这些站点能见度的主模态为年代际波动，而风速的主模态也是年代际波动，两者在波动特征上有较好对应关系。

探究不同风速条件对能见度的影响，将风速也分为不同的区间。计算1980～2012年不同风速出现的天数可以得到，风速小于2 m/s和大于6 m/s的天数减少，风速介于2 m/s和6 m/s之间的天数增加，但这与能见度的趋势无明确对应关系。研究表明中国中东部风速变化的主要模态是年代际变化(Fu et al.，2011)，对不同风速的出现天数进行EOF分析发现，不同大小风速的出现天数和能见度的主模态均为年代际变化，其中0～2 m/s和2～4 m/s低风速区间的天数与能见度相关系数高达0.88和0.92。程叙耕(2013)的研究表明中国能见度与地面风速的关系呈“东正西负”，在受沙尘气溶胶输送影响较小的广大中东部，风速与能见度正相关。中国中东部又是灰霾的多发区，尤其是秋冬季节，风速小时不利于灰霾的驱散，对能见度和空气质量的改善起到负作用(胡亚旦和周自江，2009；史军，2010)。以上表明，小风速的年代际变化是中国中东部能见度长期变化的一个重要影响因素。

气温为主要影响因子的20个站点中(图 1d)，有17个站点的能见度与气温的相关系数通过了显著性检验，其中有13个站点呈正相关。通过检 验的站点平均相关系数为0.640，为3类站点中最高。这些站点能见度与气温的线性趋势如图 4a所示，14个能见度与气温线性趋势均通过显著性检验的站点中，11个站点的能见度和气温同时呈上升趋势。气温升高可以使湍流活动加强、边界层高度增加，能见度也随之上升(Tsai et al.，2007)。受气温影响显著站点多分布在秦岭淮河一带，这一地区的高温日数(高荣等，2008)和平均气温(韩翠华等，2013)在1980年后均有增加趋势，说明该区域的大气垂直扩散能力增加趋势导致了能见度的增加，尤其是冬季的增温明显(王珂清等，2012)，易使灰霾发生的不利扩散条件减弱。另外，能见度的变化也会反过来影响气温，Vautard et al.(2009)对欧洲地区的研究表明，随着污染减少、能见度增加，到达地面的太阳辐射增多，使地面气温整体升高。

通过EOF分析得到能见度与气温EOF第一模态时间系数，如图 4b所示，两者第一模态方差贡献分别为46.2%和45.7%，均通过显著性检验，小波分析发现能见度的主模态为年代际波动，而气温的主模态则是年际波动，两者相关性并不好。其原因在于能见度长期变化是多因素共同作用的结果，这一地区能见度主模态的年代际特征如前文所述，可能需要结合风速或者其他要素来解释。

利用曲线函数线性化和多元线性回归，发现相对湿度、风速、气温在中国部分站点与能见度长期变化有较好的关系，平均解释方差超过50%。气象要素与能见度存在线性与非线性函数关系，其中非线性关系由双曲函数表征最好。

能见度回归效果较好的68个站点占全国站点总数的13%，东部的站点多于西部，说明东部地区气象要素与能见度在长期变化特征上存在更加普遍且紧密的联系。长江流域和东南沿海地区的能见受相对湿度影响较大；秦岭淮河一带能见度受气温的影响较大；除新疆以外的广大中东部地区都受到风速变化的影响。

相对湿度、风速和气温3种要素对能见度长期变化影响最大的是相对湿度，其次是风速，影响最小的是气温。相对湿度对能见度的影响主要体现在线性趋势，相对湿度下降使得雨日减少，有利于气溶胶在大气中存留，能见度也随之降低，尤其是当70%以上相对湿度出现次数减少时能见度呈下降趋势；气温对能见度长期变化的影响也表现在线性趋势方面，气温升高使得边界层厚度增加，大气扩散能力增强使能见度呈增加趋势，在不考虑光化学反应的情况下，气温与能见度还可能存在正反馈作用；风速对能见度的影响则主要体现在年代际变化，平均风速以及0～4 m/s风速发生日数的变化可以用来解释中国大部分地区能见度的年代际变化，小风速偏少时能见度偏高。

本文利用多元线性回归的方法，选取与气象要素关系显著的站点，并分类对其进行分析，使气象要素对能见度长期变化的影响更明确合理，但回归方程的结果显示有相当多站点能见度与气象要素关系并不显著，其原因可能是气象要素在不同季节对能见度影响形式和程度并不完全相同，年平均结果无法体现其主要特征，使得回归方程的显著率偏低，本文的研究样本偏少。在进一步的工作中将考虑分季节的讨论气象要素对能见度长期变化的影响，使之更加准确。