陳磊　徐沐陽　朱曉曉　李國成　陳佳義　顧維慧

摘要? ? 本文利用2014—2018年漣水站發(fā)生大霧天氣時段的能見度、氣溫、風(fēng)速風(fēng)向、相對濕度等相關(guān)氣象因子，分析其在大霧生消時的變化特征，重點(diǎn)研究相關(guān)氣象因子對于大霧生消的指示性，從而為大霧預(yù)警發(fā)布、解除等系列氣象服務(wù)提供研判依據(jù)，以期提高大霧預(yù)警發(fā)布準(zhǔn)確率、提升氣象服務(wù)滿意度。

關(guān)鍵詞? ? 霧;氣象因子;特征分析;江蘇漣水

中圖分類號? ? P426? ? ? ? 文獻(xiàn)標(biāo)識碼? ? A

文章編號? ?1007-5739（2020）02-0175-04? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

根據(jù)《地面氣象觀測》，霧是由近地面大氣中懸浮著的大量微小水滴（或冰晶），使水平能見度低于1 000 m的一種天氣現(xiàn)象[1]。隨著氣候大環(huán)境的變化以及人類各種社會活動的日益頻繁，霧對人們生產(chǎn)生活的不利影響逐漸增多，如大霧使能見度降低，嚴(yán)重影響交通運(yùn)輸;使到達(dá)地面的太陽輻射減弱，抑制綠色植物光合作用，影響農(nóng)業(yè)生產(chǎn)。為了認(rèn)識霧對人民群眾身體健康、生產(chǎn)生活和生態(tài)環(huán)境的影響，我國研究人員對霧進(jìn)行了各項(xiàng)研究，取得了大量的理論和實(shí)踐成果[2-6]。經(jīng)統(tǒng)計(jì)，漣水縣2016年發(fā)布大霧預(yù)警27次，2017年16次，2018年26次。鑒于漣水縣生態(tài)環(huán)境和人民群眾日常生產(chǎn)、生活對氣象服務(wù)的需求，本文對漣水縣大霧生消氣象因子特征進(jìn)行了分析，以期提高預(yù)報(bào)準(zhǔn)確率。

1? ? 資料與方法

1.1? ? 資料來源

數(shù)據(jù)來源于漣水國家一般氣象站2014—2018年地面常規(guī)氣象要素小時數(shù)據(jù)資料，主要包括能見度、風(fēng)向、風(fēng)速、相對濕度、溫度、降水量、氣壓等要素。

1.2? ? 研究方法

本文選取第1次出現(xiàn)能見度小于1 000 m時的小時數(shù)據(jù)作為大霧開始時刻的數(shù)據(jù)，將后續(xù)能見度第1次≥1 000 m時的小時數(shù)據(jù)作為霧結(jié)束時刻的數(shù)據(jù)，并對異常數(shù)據(jù)進(jìn)行篩選剔除。本文的霧日統(tǒng)計(jì)以地面觀測記錄為準(zhǔn)，即當(dāng)日北京時間20：00至次日20：00期間，出現(xiàn)霧則計(jì)為1個霧日。本文劃分四季為春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至次年2月）。本文采用數(shù)理統(tǒng)計(jì)方法，對漣水縣大霧的特征、大霧生消時的氣象要素特征等進(jìn)行了統(tǒng)計(jì)分析;通過Excel、SPSS等數(shù)據(jù)處理軟件，分別采用逐步多元線性回歸方法和二分類變量的Logistic回歸方法分析漣水縣大霧生消的氣象因子，并分別建立預(yù)報(bào)模式，為漣水縣氣象服務(wù)提供依據(jù)。

2? ? 結(jié)果與分析

2.1? ? 大霧發(fā)生頻次月季變化特征

由圖1可知，漣水大霧具有較明顯的季節(jié)分布特征，秋季后期至冬季中前期大霧較多，11月至翌年1月大霧發(fā)生頻率為30.23%，夏秋季節(jié)相對較少，但在3—4月及6月大霧出現(xiàn)次數(shù)也相對較多，這可能是此段時間內(nèi)降水相對頻繁，降水發(fā)生后次日更易形成大霧。一般11月以后，冷空氣頻繁，夜間輻射降溫效果加劇，同時深秋水汽仍較為充分，易于形成輻射霧。12月至翌年1月，多處于冷高壓控制之下，大氣層結(jié)穩(wěn)定，夜間輻射降溫較強(qiáng)，清晨風(fēng)速較小，若大氣水分充足，則可形成霧。夏季因?yàn)闇囟容^高，夜間輻射降溫較為平緩，空氣濕度難達(dá)飽和，霧日較少。

2.2? ? 大霧生消時段特征

由圖2可知，3：00—6：00是大霧發(fā)生最頻繁的時間段，總計(jì)有40.6%的大霧發(fā)生在該時間段內(nèi)，9：00—18：00發(fā)生大霧的次數(shù)最低，總計(jì)為10.9%;此外，據(jù)統(tǒng)計(jì)，2014—2018年間無大霧發(fā)生在11：00。由圖3可知，7：00—10：00是大霧消散的高峰期，總計(jì)頻率達(dá)45.5%。由圖4可知，19：00產(chǎn)生的大霧天氣持續(xù)時間最長，平均達(dá)8.6 h，后續(xù)時間段內(nèi)產(chǎn)生的大霧天氣持續(xù)時間縮減。分析其原因，在夜間受地面長波輻射冷卻作用影響，近地層大氣降溫幅度相比其上層大氣較大，形成逆溫層，同時由于溫度下降，水汽凝結(jié)更易發(fā)生，日出之后地面受太陽輻射，溫度逐漸升高，大氣邊界層不穩(wěn)定度增加，垂直輸送加強(qiáng)，不利于近地層形成逆溫，對水汽凝結(jié)起到抑制作用，大霧逐漸消散。

2.3? ? 大霧生消時段風(fēng)向風(fēng)速特征

漣水縣最常見的霧是輻射霧（各時間段均可出現(xiàn)，但以秋冬居多），平流霧也偶有出現(xiàn)。對于輻射霧而言，微風(fēng)可起到擴(kuò)散作用，將地層水汽向上輸送，形成一定厚度的飽和濕空氣;對于平流霧而言，暖空氣與冷地面一定的相對運(yùn)動也是必須的，但若風(fēng)速過大，大氣亂流加強(qiáng)，就會抑制這2類霧的形成和發(fā)展。由圖5、表1可知，漣水縣發(fā)生大霧時以北到東北風(fēng)居多，其概率為31.8%，這可能與該方向上低層水汽輸送量較大有關(guān);由圖6、表1可知，漣水縣出現(xiàn)大霧時最大平均風(fēng)速95.2%不超過2 m/s，其中靜風(fēng)概率為19.8%。由圖7、表2可知，漣水縣大霧結(jié)束時以北到北東北風(fēng)居多，其概率為31.8%;由圖8、表2可知，在大霧消散時，各風(fēng)向平均風(fēng)速39.7%超過2 m/s，靜風(fēng)概率明顯下降，僅為10.7%，這也反映了風(fēng)速增大是推動大霧消散的重要因素。

2.4? ? 大霧發(fā)生時段平均相對濕度特征

如圖9及表3所示，結(jié)合大霧出現(xiàn)時間概率分析，在大霧出現(xiàn)頻繁的時間段內(nèi)，平均相對濕度均大于96%，14：00—20：00因相對濕度較低，出現(xiàn)大霧的概率也較低。由圖10、表3可知，在大霧消散時，相對濕度均有所降低，8：00—21：00平均相對濕度均在96%以下。已有研究表明[7]，雖然近地層濕度較大，但若中高層空氣濕度很大，則形成的不是大霧，而是降水;如果盛行下層氣流，也會導(dǎo)致地面水汽無法向上傳遞，此時往往會出現(xiàn)霜、露等天氣現(xiàn)象。因此，分析相對濕度對大霧發(fā)展的影響時，上下層水汽環(huán)境配置也很重要。

2.5? ? 回歸分析

基于上述影響能見度的相關(guān)氣象因子的定性分析，對能見度和相關(guān)氣象要素進(jìn)行定量的統(tǒng)計(jì)分析。

使用SPSS軟件，根據(jù)逐步多元線性回歸分析方法，對數(shù)據(jù)進(jìn)行分析檢驗(yàn)，得出3組顯著性檢驗(yàn)可信的模型，模型M1：Y=0.894+0.027T，模型M2：Y=3.869+0.028T-0.032U，模型M3：Y=3.314+0.029T-0.028U+0.131V，分析結(jié)果見表4。

可以看出，模型M1中能見度與定時氣溫成正相關(guān)，相關(guān)顯著性檢驗(yàn)系數(shù)小于0.05，顯著相關(guān)。模型M2中能見度與定時氣溫成正相關(guān)、與定時相對濕度成負(fù)相關(guān)，相關(guān)顯著性檢驗(yàn)系數(shù)都小于0.05，顯著相關(guān)。模型M3中能見度與定時氣溫和定時風(fēng)速成正相關(guān)、與定時相對濕度成負(fù)相關(guān)，相關(guān)顯著性檢驗(yàn)系數(shù)都小于0.05，顯著相關(guān)。

使用SPSS軟件，根據(jù)二項(xiàng)分類Logistic回歸方法制作預(yù)報(bào)模型，即Logit（Y）=-0.063P+0.268T-0.342Td+0.074U-0.386V-0.001D+58.403，具體結(jié)果見表5、6。

可以看出，能見度與定時海平面氣壓、定時露點(diǎn)溫度、定時風(fēng)速、定時風(fēng)向度數(shù)呈反向變化，與定時氣溫、定時相對濕度呈正向變化，其中與定時海平面氣壓和定時風(fēng)速2個因子的變化顯著。

為檢驗(yàn)各模式的預(yù)報(bào)效果，將2014—2018年大霧出現(xiàn)和消散時的969組相關(guān)氣象要素?cái)?shù)據(jù)帶入擬合檢驗(yàn)，各模型擬合效果統(tǒng)計(jì)見表7?？梢钥闯觯?xiàng)分類Logistic回歸模型的預(yù)報(bào)準(zhǔn)確率最高，達(dá)61.8%。

3? ? 結(jié)論與討論

漣水縣一天中3：00—6：00發(fā)生大霧概率最大，19：00至次日上午發(fā)生的大霧持續(xù)時間逐漸減小。漣水縣當(dāng)年11月至次年1月發(fā)生大霧頻次較多，夏秋季節(jié)相對較少。大霧生消過程中氣溫、相對濕度、風(fēng)向風(fēng)速、氣壓等氣象因子與能見度相關(guān)性較高。利用二項(xiàng)分類Logistic回歸方式預(yù)報(bào)大霧生消準(zhǔn)確性較高，具有實(shí)用價值。

由于自動觀測能見度儀投入使用時間較晚，數(shù)據(jù)積累時間有限，下一步應(yīng)著重積累足夠長時間序列的資料，同時更精細(xì)地劃分大霧種類，以期進(jìn)一步提高預(yù)報(bào)的準(zhǔn)確性。

4? ? 參考文獻(xiàn)

[1] 中國氣象局.地面氣象觀測規(guī)范[M].北京：氣象出版社，2003.

[2] 王博妮，徐芬，田小毅，等.我國近年霧研究方法及研究熱點(diǎn)綜述[J].氣象科技，2014，42（1）：23-30.

[3] 李子華.中國近40年來霧的研究[J].氣象學(xué)報(bào)，200，59（5）：616-624.

[4] 王桂娟，鄭有飛，黃小丹，等.粵東一次罕見持續(xù)性大霧天氣過程的分析[J].廣東氣象，2013，35（2）：1-8.

[5] 祁秀香，林中慶，李海洋，等.廣州市南沙區(qū)濃霧氣象要素場的預(yù)報(bào)模型分析[J].廣東氣象，2015，37（6）：31-34.

[6] 史軍，崔林麗，賀千山，等.華東霧和霾日數(shù)的變化特征及其成因分析[J].地理學(xué)報(bào)，2010，65（5）：533-542.

[7] 黃培強(qiáng)，王偉明，魏陽春.蕪湖縣持續(xù)性大霧的特征研究[J].氣象科學(xué)，2000，20（4）：494-502.