周建康， 顧品強(qiáng)， 湯晨陽， 邱 翔， 李家驊， 李 磊

(1. 上海應(yīng)用技術(shù)大學(xué) a. 機(jī)械工程學(xué)院； b. 理學(xué)院； c. 城市建設(shè)與安全工程學(xué)院， 上海 201418；2. 上海市奉賢區(qū)氣象局， 上海 201416)

根據(jù)世界氣象組織的定義，能見度是指正常視力的人在白天天氣情況下，能夠從天氣背景中看到和辨認(rèn)出適當(dāng)大小黑色目標(biāo)物的最大距離，在夜間則指假設(shè)亮度與白天相同條件下，能夠辨認(rèn)出目標(biāo)物的最大距離[1]。

在低能見度天氣條件下，大氣顆粒物容易形成二次污染物，從而直接危害人們的身體健康，給日常生活帶來許多不便[2]。同時，低能見度天氣常常是造成交通事故和突發(fā)事件的重要原因。孫冉等[3]研究了上海市在霧、霾等天氣過程，不同天氣現(xiàn)象的氣溶膠光學(xué)特性，以及能見度的影響因素。徐薇等[4]探究上海市能見度與和散射系數(shù)之間的關(guān)系。姜江等[5]分析了北京市能見度的影響因素，主要為相對濕度、風(fēng)速和濃度。古金霞等[6]研究了濟(jì)南市能見度變化特征，大氣能見度主要受相對濕度和細(xì)顆粒物質(zhì)量濃度的影響。施憫憫等[7]對合肥市大氣能見度研究發(fā)現(xiàn)，不同相對濕度下，顆粒物濃度對大氣能見度的影響不同。

氣象要素變化和大氣污染物濃度變化存在多層次時間尺度結(jié)構(gòu)，變化也具有非線性、非平穩(wěn)特征，用傳統(tǒng)的信號分析方法不能真實(shí)地描述各因素之間的變化關(guān)系。1998年，Huang等[8]提出了經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD)方法。EMD與傳統(tǒng)信號分析方法不同，該方法不預(yù)設(shè)基函數(shù)，而是預(yù)設(shè)好判斷，基于信號本身所含有的特征尺度進(jìn)行分解，具有比較明確的物理意義。2008年，Huang等[9]提出了Hilbert-Huang變換(Hilbert-Huang transform，HHT)，HHT方法對非線性、非平穩(wěn)數(shù)據(jù)處理得到更加符合物理的解釋和說明,具有自適應(yīng)的特點(diǎn)。Chen等[10]在2010年提出了一種確定2個時間序列的尺度相關(guān)關(guān)系的方法，即時間內(nèi)在關(guān)聯(lián)分析法(time dependent intrinsic correlation, TDIC)。TDIC根據(jù)多尺度復(fù)雜信號提供不同的自適應(yīng)窗口，同時，引入多個物理參數(shù)對復(fù)雜數(shù)據(jù)進(jìn)行多尺度分析，從整體和局部上更清楚的觀察2組數(shù)據(jù)之間的相關(guān)關(guān)系以及物理過程。Huang等[11]用TDIC方法分析了海洋中溶解氧與溫度之間的相關(guān)關(guān)系，研究了溫度與海洋數(shù)據(jù)之間復(fù)雜的關(guān)系。Sankaran等[12]使用TDIC方法分析了Kallada河流中水流流速與水中懸浮沉淀物濃度的變化關(guān)系，Dhouha等[13]利用TDIC分析了Reunion島上溫度與其他環(huán)境要素的相關(guān)關(guān)系， Adarsh等[14]根據(jù)HHT和TDIC分析了印度雨季降雨的多尺度特征以及對降雨的預(yù)測。

本文在分析奉賢區(qū)能見度變化特征的基礎(chǔ)上，利用TDIC重點(diǎn)分析了能見度與相對濕度、能見度與濃度變化、能見度與濃度變化之間的相關(guān)關(guān)系，進(jìn)一步探究大氣能見度的變化特征。

1 資料與方法

1.1 資料

數(shù)據(jù)資料由上海市奉賢區(qū)氣象局提供，研究數(shù)據(jù)為上海市奉賢區(qū)2008～2017年的氣象數(shù)據(jù)和2015～2017年的空氣質(zhì)量監(jiān)測數(shù)據(jù)。采用上海市國家基本氣象站逐小時地面觀測數(shù)據(jù)(包括能見度、相對濕度、濃度數(shù)據(jù)等)，采樣時間分辨率為1 h。所有數(shù)據(jù)均進(jìn)行嚴(yán)格的質(zhì)量控制，刪除異常值，對于缺失數(shù)據(jù)使用點(diǎn)處線性趨勢插值法進(jìn)行處理。

1.2 HHT方法

采用Huang等[8]提出的經(jīng)驗(yàn)?zāi)B(tài)分解方法(empirical mode decomposition,EMD)，分析2008年1月～2017年12月大氣能見度、相對濕度和大氣污染顆粒物數(shù)據(jù)，逐級分解出固有模態(tài)函數(shù)(intrinsic mode functions，IMF)分量，將分解后的每個IMF分量進(jìn)行Hilbert變換，得到原始信號的時頻分布，從而觀察原始數(shù)據(jù)的多尺度變化。

內(nèi)模函數(shù)的定義[8-9]：① 極值點(diǎn)的個數(shù)與過零點(diǎn)數(shù)目相等，或最多相差1；② 在任意一點(diǎn)，由極大值構(gòu)成的包絡(luò)與極小值構(gòu)成的包絡(luò)的平均值為0。

這樣就把原始的信號分解為一系列的內(nèi)模函數(shù)IMF和殘余項(xiàng)r(t)：

(1)

對分解后的每一階IMF進(jìn)行Hilbert變換，得到相應(yīng)的解析信號：

ai(t)ejφi(t)

(2)

P表示取Hilbert變換的主值，對應(yīng)的瞬時頻率為：

(3)

(4)

這樣就將原信號表示為有限階內(nèi)模函數(shù)的疊加：

(5)

由式(5)可見，HHT方法分解得原始數(shù)據(jù)頻率調(diào)制和幅值調(diào)制信息，這也是對傅里葉分析和小波分析的創(chuàng)新。得到的結(jié)果將時間、頻率和能量的關(guān)系式H(ω,t)繪在一起，得到Hilbert譜圖。

1.3 TDIC方法

傳統(tǒng)的相關(guān)性分析方法，處理非線性數(shù)據(jù)可能會曲解數(shù)據(jù)之間的相關(guān)關(guān)系，忽視真實(shí)的物理過程[15-16]。TDIC方法基于EMD分解，根據(jù)每個IMF分量的瞬時周期，決定每個信號模態(tài)的自適應(yīng)窗口大小[10]。在進(jìn)行TDIC方法分析的時候，首先使用EMD將2個時間序列分解成不同尺度的模態(tài)，其次比較2個時間序列的平均周期，并選擇平均周期幾乎相等的2個IMF分量進(jìn)行TDIC分析。

假設(shè)有2個分量IMF1和IMF2，它們的平均周期幾乎相同，但屬于不同的時間序列，這2個分量的相關(guān)性可以這樣估算：

(6)

td=max(T1i(tk),T1j(tk))

(7)

式中：T1i和T1j是瞬時周期；T=w-1；n為任何正整數(shù)[11]。

2 奉賢區(qū)大氣能見度的變化特征

2.1 日變化特征

圖1為2008年1月～2017年12月上海市奉賢區(qū)1、4、7和10月小時平均能見度變化。為研究奉賢區(qū)不同季節(jié)能見度變化特征，將季節(jié)劃分為春季(3、4、5月)、夏季(6、7、8月)、秋季(9、10、11月)和冬季(12月、次年1、2月)，并選取每個季節(jié)的中間一個月，即1、4、7和10月作為冬季、春季、夏季和秋季的代表月[2]。

圖1 上海市奉賢區(qū)1、4、7和10月小時平均能見度日變化Fig.1 Daily variation of hourly average visibility in January, April, July and October in Fengxian District of Shanghai

通過對上海市奉賢區(qū)正點(diǎn)觀測能見度數(shù)值分析發(fā)現(xiàn)，日均大氣能見度最小值為503.6 m，最大值為35.78 km，平均值為10.86 km，日變化幅度為35.27 km，大氣能見度具有明顯的日變化特征。日出前后6～7時為一天中能見度最差的時段，這可能由于夜間大氣層結(jié)構(gòu)較為穩(wěn)定，大氣湍流強(qiáng)度較弱，再加上早晨因炊事，交通等人類活動較為集中，這都導(dǎo)致了從夜間到早晨能見度的降低；日出之后的3～5 h隨著光照輻射的增強(qiáng)，氣溫的回升，相對濕度減小，而且大氣湍流強(qiáng)度逐漸增強(qiáng)，使得大氣能見度上升迅速，因此13∶00～14∶00時能見度達(dá)到一天中最高值；傍晚光照輻射減弱，氣溫下降，相對濕度逐漸增大，大氣能見度迅速降低，到了夜間，能見度緩慢下降。

2.2 季節(jié)變化特征

圖2為2008～2017年，10年間4個季節(jié)小時平均能見度。

圖2 4個季節(jié)小時平均能見度Fig.2 Average hourly visibility per season

結(jié)合圖1、圖2分析發(fā)現(xiàn)，在2008～2017年10年間，上海市奉賢區(qū)各個季節(jié)能見度的日變化趨勢大體上是一致的。

表1 2008～2017年各季度日平均能見度Tab.1 Daily average visibility for each quarter in 2008-2017

表1是2008～2017年各季日平均能見度統(tǒng)計(jì)結(jié)果。由表1可見，日均能見度秋季最高，夏季次之，冬季最低。進(jìn)入夏季，太陽輻射時間增長，溫度較高，能見度較高，而受梅雨天氣影響，在6月中旬到7月中旬，上海的降水量增加，相對濕度增大，會影響能見度的上升；進(jìn)入秋季，相對濕度減小，風(fēng)速增大，能見度上升。冬季對流運(yùn)動變?nèi)?，空氣交換速度變慢，并且霧、霾等天氣頻繁，能見度隨之變差。這一特征與我長三角地區(qū)城市能見度冬、春季較差，夏、秋季較好的一般規(guī)律相同[17-19]。

2.3 年際變化特征

圖3為對2008～2017年上海市奉賢區(qū)日均能見度進(jìn)行EMD分析。由圖3可得到10個IMF分量和趨勢分量殘余函數(shù)(residual function，RES)。每個IMF分量依次反映了原始信號從高頻到低頻不同時間尺度上的波動特征，最后得到的趨勢項(xiàng)RES表示，原始信號總體隨時間變化的趨勢。在10年期間，奉賢區(qū)日均能見度呈小幅度上升趨勢。每個IMF分量具有相對穩(wěn)定的準(zhǔn)周期，不同時間尺度的IMF分量周期性呈現(xiàn)非均勻變化，反映了能見度變化受到大氣內(nèi)部運(yùn)動和外部因素共同作用的影響。

圖3 2008～2017年奉賢區(qū)日均能見度時間序列EMD分析Fig.3 EMD analysis of daily visibility time series in Fengxian District in 2008-2017

圖4給出了能見度序列的Hilbert譜，顯示了不同頻率信號的振幅能量隨時間的變化。能見度值隨時間有上升的趨勢，相應(yīng)的Hilbert譜的波動振幅隨時間有逐漸增大的趨勢，頻率波動相對比較劇烈的時刻對應(yīng)的Hilbert能量波動較強(qiáng)。

圖4 2008～2017年能見度時間序列Hilbert譜Fig.4 Visibility time series Hilbert spectrum in 2008-2017

3 奉賢區(qū)大氣能見度影響因素分析

3.1 能見度主要影響因子

有關(guān)研究表明[5-6],大氣能見度的大小受到相對濕度、風(fēng)速、溫度、氣壓等氣象條件的影響，還要受到大氣污染顆粒物(PM2.5、PM10)的影響。表2為能見度的主要影響因子與能見度變化的相關(guān)系數(shù)，在全年范圍內(nèi)，PM2.5濃度與能見度相關(guān)性最強(qiáng)，相對濕度(RH)次之，PM10濃度與能見度相關(guān)性最低。秋冬季節(jié)，大氣污染顆粒物與能見度相關(guān)系數(shù)較高；在春季和夏季，RH與大氣能見度的相關(guān)系數(shù)較高。

表2 主要影響因子與能見度變化的相關(guān)系數(shù)

Tab.2 Correlation coefficient between meteorological parameter and visibility change

時間PM2.5PM10RH全年-0.575 8-0.398 4-0.519 7春季-0.485 1-0.165 9-0.601 2夏季-0.055 2-0.392 7-0.567 6秋季-0.693 6-0.469 4-0.585 9冬季-0.652 1-0.398 4-0.553 7

圖5為不同RH下大氣能見度與PM10、PM2.5濃度的變化關(guān)系，把RH分為RH<40%，40%

3.2 相對濕度對能見度的影響

圖6為2015～2017年RH與能見度的變化趨勢。其中：圖6(a)為能見度的變化趨勢；圖6(b)為RH的變化趨勢。

為了更詳細(xì)的描述RH與能見度的相關(guān)關(guān)系，采用時間相關(guān)的TDIC，數(shù)據(jù)選取2008～2017年RH和能見度數(shù)據(jù)，在2008～2017年期間，分為 7 d、30 d、5個月等周期對能見度與RH相關(guān)性分析。

圖7為能見度與RH的TDIC圖。其中：圖7(a)為能見度與RH在周期為7 d的TDIC圖，能見度與RH具有豐富的相關(guān)性特征，呈現(xiàn)負(fù)相關(guān)性，整體相關(guān)系數(shù)為 -0.325 1；圖7(b)為能見度與RH在周期為30 d的TDIC圖，能見度與RH在窗口尺寸<60 d時呈現(xiàn)正相關(guān)性；圖7(c)為能見度與RH在周期為5個月的TDIC圖。由圖可見，在2014年6～9月，出現(xiàn)高強(qiáng)度降水天氣，能見度和RH具有弱的正相關(guān)性，相關(guān)系數(shù)為0.4，這種從由負(fù)相關(guān)性轉(zhuǎn)變到正相關(guān)性還受到降水、風(fēng)速、大氣污染物濃度變化等因素的共同影響。

3.3 大氣污染顆粒物對能見度的影響

研究表明[6-7]，大氣中高濃度的顆粒物是造成大氣能見度下降的重要原因，它們通過散射和吸收消光作用來降低能見度。本文利用2015～2017年期間日平均能見度和PM10、PM2.5濃度資料。

圖8為能見度、PM10、PM2.5在2015～2017年的變化圖。其中：圖8(a)顯示日均能見度的變化趨勢；圖8(b)顯示日均PM10濃度的變化趨勢；圖8(c)顯示日均PM2.5濃度的變化趨勢。由圖8可見，能見度與PM10濃度、PM2.5濃度變化呈現(xiàn)負(fù)相關(guān)變化趨勢。

圖5 不同相對濕度下大氣能見度與PM10、PM2.5濃度的變化關(guān)系Fig.5 Relationship between atmospheric visibility and concentration of PM10 and PM2.5 at different relative humidity

圖6 2015～2017年能見度及相對濕度的變化趨勢Fig.6 Trends in visibility and relative humidity in 2015-2017

圖7 能見度與RH的TDIC圖Fig.7 TDIC plot between visibility and relative humidity

圖8 能見度、PM10、PM2.5在2015～2017年的變化圖Fig.8 The variation diagram of visibility, PM10 and PM2.5 in 2015～2017

圖9 PM10濃度與能見度的TDIC圖Fig.9 TDIC plot between PM10 and visibility

3.3.1 PM10濃度與能見度的TDIC分析結(jié)果

圖9(a)為PM10濃度與能見度在周期為7 d的TDIC圖，圖9(b)為PM10濃度與能見度在周期為30 d的TDIC圖。2015～2017年，日均能見度與PM10濃度變化呈現(xiàn)負(fù)相關(guān)。從圖9(a)、(b)可以看出，在2015年4～7月、2016年10月～2017年1月等局部時間范圍，能見度與PM10濃度由負(fù)相關(guān)性轉(zhuǎn)變?yōu)檎嚓P(guān)性，這種變化受到復(fù)雜天氣狀況影響，如高強(qiáng)度降水、持久霧霾等極端天氣，都會影響能見度與污染物濃度的關(guān)系。

3.3.2 PM2.5濃度與能見度的TDIC分析結(jié)果

圖10為能見度與PM2.5濃度的TDIC圖。在圖10(a)中，能見度與PM2.5濃度存在較強(qiáng)的相關(guān)關(guān)系。圖10(b)中，2015年10～11月，能見度與PM2.5濃度在窗口尺寸小于7 d時具有正相關(guān)性，2016年11月～2017年1月，能見度與PM2.5濃度在窗口尺寸小于30 d時具有正相性。在這2個時間段中RH比全年平均相對濕度高1.2%，高相對濕度，影響顆粒物濃度對能見度的作用，同時相關(guān)性變化還會受到降水、風(fēng)速、大氣污染物濃度變化等因素的共同作用。由圖9和圖10可以發(fā)現(xiàn)，大氣能見度與PM2.5濃度變化的相關(guān)系數(shù)明顯高于PM10。

圖10 PM2.5濃度與能見度的TDIC圖Fig.10 TDIC plot between PM2.5 and visibility

4 結(jié) 語

(1) 上海市奉賢區(qū)大氣能見度平均日變化和季節(jié)變化趨勢明顯，日均能見度最高值出現(xiàn)在 13∶00～14∶00時，最低值出現(xiàn)在6∶00～7∶00時，日變化最大幅度為35.27 km，大氣能見度季節(jié)變化為秋季>夏季>春季>冬季，10年期間，能見度有逐漸上升的趨勢。

(2) 在不同的相對濕度下，顆粒物濃度對大氣能見度的影響不同。當(dāng)RH較高時(RH≥80%)，氣溶膠顆粒的吸濕潮解作用會發(fā)生改變，顆粒物濃度對能見度影響力減弱，能見度主要受到相對濕度的影響。顆粒物濃度的減少對能見度的影響有不同的階段性，當(dāng)顆粒物濃度大于75 μg·m-3時，顆粒物濃度的減小對能見度的影響不明顯；當(dāng)顆粒物濃度小于50 μg·m-3時，能見度隨著顆粒物濃度的上升快速下降。

(3) 利用TDIC對能見度與RH、PM10和PM2.5濃度變化進(jìn)行相關(guān)性分析。能見度與RH變化之間存在負(fù)相關(guān)性，在2014年6～9月時間范圍內(nèi)，能見度與RH相關(guān)關(guān)系由負(fù)相關(guān)性變?yōu)檎嚓P(guān)性，這種變化受到降水、風(fēng)速、大氣污染物等因素和高強(qiáng)度降水天氣的共同影響；能見度與PM10和PM2.5濃度之間存在著強(qiáng)的負(fù)相關(guān)性，并且PM2.5對大氣能見度的影響大于PM10，在2015年10～11月、2016年11月～2017年1月等局部時間內(nèi)，能見度與顆粒物濃度呈現(xiàn)正相關(guān)性，在此期間，相對濕度比全年相對濕度高1.2%，高相對濕度影響顆粒物濃度對能見度的作用，同時相關(guān)性變化還會受到高強(qiáng)度降水、持久霧霾等極端天氣的影響。