石春娥 張 浩 楊關(guān)盈 王蘇瑤

1. 安徽省氣象科學(xué)研究所/大氣科學(xué)與衛(wèi)星遙感安徽省重點(diǎn)實(shí)驗(yàn)室，合肥， 230031

2. 壽縣國(guó)家氣候觀象臺(tái)/中國(guó)氣象局淮河流域典型農(nóng)田生態(tài)氣象野外科學(xué)試驗(yàn)基地，壽縣， 232200

3. 淮北市氣象局，淮北， 235000

1 引 言

霧是大量微小水滴或冰晶浮游在空中，使水平能見(jiàn)度低于1.0 km的天氣現(xiàn)象（中國(guó)氣象局，2007）。其造成的低能見(jiàn)度對(duì)交通運(yùn)輸?shù)染胁焕绊?。為做好高速公路交通氣象服?wù)，中國(guó)氣象局國(guó)家氣象中心組織制定的國(guó)家標(biāo)準(zhǔn)中將能見(jiàn)度低于200 m 的霧定義為強(qiáng)濃霧（中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，2012）。到目前為止，關(guān)于強(qiáng)濃霧的研究基本上是以分析一兩個(gè)孤立的強(qiáng)濃霧個(gè)例的特征或生消機(jī)制為主（Shi，et al，2010；陸春松等，2010；楊軍等，2010；劉端陽(yáng)等，2014；梁綿等，2019），而關(guān)于強(qiáng)濃霧的長(zhǎng)期變化趨勢(shì)、氣候成因的研究還很少見(jiàn)。而對(duì)霧的分布規(guī)律、氣候變化及成因的研究較多。

要做好一個(gè)地區(qū)霧的預(yù)報(bào)、預(yù)警，首先就要深入了解該地區(qū)霧的分布及演變規(guī)律、影響因子。常用的方法是分析一個(gè)特定區(qū)域每年或每月觀測(cè)到的平均霧日數(shù)（劉小寧等，2005；王麗萍等，2005），并進(jìn)一步研究霧日數(shù)與氣候因子、氣象因子、城市熱島、大氣污染等因子的關(guān)系（Sachweh，et al，1995；Shi，et al，2008；Niu，et al，2010；LaDochy，2005；Yan，et al，2019）。有學(xué)者根據(jù)霧的形成機(jī)制，利用大氣能見(jiàn)度（V）及其他因子（如風(fēng)速、云量、降水）確定不同類(lèi)型的霧事件，再進(jìn)行分類(lèi)統(tǒng)計(jì)分析。霧事件不同于霧日，增加了對(duì)霧持續(xù)時(shí)間的要求。如Tardif等（2007）設(shè)計(jì)了一套客觀算法，利用大氣能見(jiàn)度及其他氣象資料，識(shí)別紐約市17個(gè)站20 a的霧事件，并基于霧形成觸發(fā)機(jī)制對(duì)每個(gè)事件進(jìn)行分類(lèi)，研究了紐約霧的時(shí)、空分布規(guī)律，討論了下墊面的影響，但沒(méi)有討論長(zhǎng)期變化趨勢(shì)。Akimoto等（2015）利用Tardif等（2007）提出的方法建立了近40 a日本各站霧（V＜1000 m）、準(zhǔn)濃霧（V＜500 m）和濃霧（V＜100 m）事件，并根據(jù)站點(diǎn)周邊環(huán)境將霧分為山區(qū)霧、盆地霧、平原霧和城市霧，分析不同等級(jí)霧的氣候變化特征。中國(guó)學(xué)者陳瀟瀟等（2008）也利用天氣現(xiàn)象記錄和氣象能見(jiàn)度分級(jí)編碼資料分析了中國(guó)重濃霧（V＜200 m）、濃霧（200 m≤V＜500 m）和大霧（500 m≤V＜1000 m）的時(shí)空分布、持續(xù)時(shí)間和年代際變化等。

關(guān)于霧氣候變化成因的研究，大多從城市化、大氣污染、大尺度氣候條件出發(fā)（Shi，et al，2008；Niu，et al，2010；郭婷等，2016）。如Shi等（2008）分析發(fā)現(xiàn)在城市的不同發(fā)展階段，城市化和氣溶膠粒子對(duì)霧的影響不同：發(fā)展初期，豐富的吸濕性氣溶膠粒子會(huì)促進(jìn)霧的形成；發(fā)展成熟階段，城市熱島對(duì)霧的阻礙作用會(huì)超過(guò)氣溶膠粒子的影響。Yan等（2019）量化了氣候變化、城市化和大氣污染對(duì)中國(guó)京津冀、長(zhǎng)江三角洲和珠江三角洲等3大經(jīng)濟(jì)區(qū)霧日數(shù)的影響；最近又進(jìn)一步研究了氣溶膠粒子對(duì)霧生命史的影響（Yan，et al，2021）。Izett等（2019）研究了荷蘭45 a霧的時(shí)、空變化特征，結(jié)合觀測(cè)站點(diǎn)附近下墊面變化情況，指出區(qū)域環(huán)境如地形、下墊面類(lèi)型等對(duì)霧這樣的局地性天氣有顯著影響。Nomoto（2003）指出日本盆地郊區(qū)站霧日數(shù)減少與1969年開(kāi)始當(dāng)?shù)氐咎餃p少有關(guān)。

盡管中外學(xué)者對(duì)不同地區(qū)霧的氣候特征及影響因子進(jìn)行了較多的研究，但對(duì)霧的時(shí)、空分布規(guī)律及有關(guān)特征的研究基本上是基于區(qū)域內(nèi)所有站點(diǎn)或不同下墊面（Akimot，et al，2015）、不同規(guī)模城市（Yan，et al，2019）、人為劃分的不同區(qū)域（陳瀟瀟等，2008）內(nèi)站點(diǎn)所有霧（或不同等級(jí)霧）的統(tǒng)計(jì)平均，而沒(méi)有考慮霧是否同時(shí)發(fā)生。地形、下墊面類(lèi)型等對(duì)霧這樣局地性強(qiáng)的天氣均有顯著影響（Izett，et al，2019；Akimoto，et al，2015），下墊面類(lèi)型的改變會(huì)影響霧的頻次（Nomoto，2003），即使是距離較近的站點(diǎn)，因站點(diǎn)周邊的環(huán)境不同，霧的發(fā)生頻次也會(huì)有較大差異，如石春娥等（2021a）根據(jù)強(qiáng)濃霧發(fā)生時(shí)間的一致性對(duì)安徽進(jìn)行分區(qū)后，統(tǒng)計(jì)得到各區(qū)域內(nèi)站點(diǎn)強(qiáng)濃霧日數(shù)標(biāo)準(zhǔn)差都大于4 d。因此，為避免局地下墊面因子的影響，本研究將在石春娥等（2021a）的基礎(chǔ)上首先明確各區(qū)域區(qū)域性強(qiáng)濃霧的判斷標(biāo)準(zhǔn)，建立各區(qū)域1980—2019年08時(shí)區(qū)域性強(qiáng)濃霧數(shù)據(jù)集，分析區(qū)域性強(qiáng)濃霧的長(zhǎng)期變化趨勢(shì)，利用2016—2019年逐時(shí)資料分析區(qū)域性強(qiáng)濃霧的年變化、日變化、持續(xù)時(shí)間等，進(jìn)一步通過(guò)相關(guān)分析和對(duì)比分析研究局地氣象因子和大尺度環(huán)流對(duì)區(qū)域性強(qiáng)濃霧的影響，旨在為建立強(qiáng)濃霧的預(yù)測(cè)、預(yù)報(bào)方法奠定基礎(chǔ)。此前，周自江等（2006，2007）探討了四川盆地和長(zhǎng)江三角洲的區(qū)域性濃霧的認(rèn)定標(biāo)準(zhǔn)及其年代際變化特征，所用方法為本研究提供了有益的參考。

2 研究區(qū)域、資料與方法

2.1 研究區(qū)域

安徽省地處南、北氣候過(guò)渡帶，境內(nèi)地形復(fù)雜，長(zhǎng)江、淮河橫貫東西，江淮之間西部和江南分別為大別山山脈和黃山山脈，江淮之間東部以丘陵為主，淮河以北是平原。安徽霧以輻射霧為主且有明顯的區(qū)域性特征（Shi，et al，2008；鄧學(xué)良等，2015）。根據(jù)陳瀟瀟等（2008）研究，1961—2005年，安徽省屬于強(qiáng)濃霧顯著增多的區(qū)域。

2.2 資料與方法

（1）安徽省77個(gè)國(guó)家級(jí)氣象觀測(cè)站（不包括黃山光明頂、九華山和天柱山3個(gè)高山站和海拔相對(duì)較高的岳西站）1980—2019年天氣現(xiàn)象記錄和地面常規(guī)氣象觀測(cè)資料，具體要素包括能見(jiàn)度、相對(duì)濕度、降水量、風(fēng)速、氣溫；天氣現(xiàn)象包括霧、霾、雨、雪等，來(lái)自安徽省氣象信息中心。1980—2013年，能見(jiàn)度觀測(cè)方式為人工目測(cè)，記錄方式為目測(cè)距離，只有一天4次的定時(shí)值（02、08、14和20時(shí)，北京時(shí)，下同）。2014—2015年能見(jiàn)度觀測(cè)逐步由儀器觀測(cè)取代人工觀測(cè)，2016年1月1日開(kāi)始所有測(cè)站都使用儀器觀測(cè)，即2016—2019年所有測(cè)站都有逐時(shí)的能見(jiàn)度觀測(cè)資料，所有測(cè)站均使用藍(lán)盾光電子生產(chǎn)的DNQ2前向散射能見(jiàn)度儀（中國(guó)氣象局氣象探測(cè)中心，2016）。

（2）1980—2019年逐月大氣環(huán)流指數(shù)，來(lái)自中國(guó)氣象局國(guó)家氣候中心網(wǎng)站（http://cmdp.ncc-cma.net/Monitoring/cn_index_130.php），各指數(shù)的定義及計(jì)算公式見(jiàn)網(wǎng)站提供的說(shuō)明文檔。

（3）美國(guó)NOAA全球?qū)崟r(shí)預(yù)報(bào)同化分析場(chǎng)資料（NCEP/GDAS）（http://ready.arl.noaa. gov/archives.php），水平分辨率 1°×1°，垂直方向從地面到20 hPa分為23層。

各級(jí)霧的確定方法見(jiàn)石春娥等（2021a），該文根據(jù)強(qiáng)濃霧出現(xiàn)時(shí)間的一致性，利用SPSS13.0中基于二元要素分層聚類(lèi)的方法并考慮區(qū)域站點(diǎn)地理位置的連續(xù)性，將安徽分為5個(gè)區(qū)（圖1，石春娥等，2021a）。前期研究（石春娥等，2021a）表明，盡管各地霧均以輻射霧為主，但不同區(qū)域的強(qiáng)濃霧統(tǒng)計(jì)特征不同，如強(qiáng)濃霧平均日數(shù)、標(biāo)準(zhǔn)差、表示同步性的技巧評(píng)分等都存在較大差異，且各區(qū)強(qiáng)濃霧時(shí)間分布規(guī)律也存在明顯不同。因此，有必要分區(qū)域探討區(qū)域性強(qiáng)濃霧的演變規(guī)律和影響因子。鑒于安徽霧具有明顯的日變化特征，峰值在06時(shí)，考慮資料條件（6 h一次能見(jiàn)度觀測(cè)，且有的站夜間無(wú)能見(jiàn)度觀測(cè)），在區(qū)域性強(qiáng)濃霧認(rèn)定標(biāo)準(zhǔn)和分析長(zhǎng)期變化規(guī)律時(shí)僅使用1980—2019年逐日08時(shí)能見(jiàn)度和逐日天氣現(xiàn)象記錄。去除資料連續(xù)缺測(cè)2 a以上的臺(tái)站，有效站點(diǎn)為68個(gè)（表1）。2016—2019年，所有測(cè)站都具有逐時(shí)能見(jiàn)度和相對(duì)濕度等資料，因而可得到所有時(shí)次不同等級(jí)霧的記錄（石春娥等，2021a），基于該資料分析各區(qū)域區(qū)域性強(qiáng)濃霧的年變化、日變化和持續(xù)時(shí)數(shù)分布。根據(jù)已有研究（Gao，et al，2020；Yu，et al，2022），目測(cè)能見(jiàn)度和器測(cè)能見(jiàn)度存在系統(tǒng)偏差，即與目測(cè)能見(jiàn)度相比，儀器會(huì)低估能見(jiàn)度，如Pei等（2018）在分析北京霾的變化趨勢(shì)時(shí)，為保持器測(cè)能見(jiàn)度與目測(cè)能見(jiàn)度的一致，將所有器測(cè)能見(jiàn)度值除以0.766；中國(guó)氣象局地面氣象觀測(cè)業(yè)務(wù)中已把霧的能見(jiàn)度判別閾值調(diào)整為0.75 km，但并沒(méi)有明確區(qū)分霧、霾等級(jí)的能見(jiàn)度調(diào)整方法（石春娥等，2017）。石春娥等（2021a）的分析也發(fā)現(xiàn)2016—2019年（器測(cè)能見(jiàn)度）與2010—2013年（目測(cè)能見(jiàn)度）相比，安徽年均霧日數(shù)增加了83%。但根據(jù)已有觀測(cè)，從濃霧到強(qiáng)濃霧能見(jiàn)度下降非常迅速，強(qiáng)濃霧形成后，能見(jiàn)度基本上都在100 m以下（張浩等，2021），即使不對(duì)能見(jiàn)度進(jìn)行調(diào)整，對(duì)強(qiáng)濃霧發(fā)生頻次的高估也有限。因此，在確定強(qiáng)濃霧時(shí)不做能見(jiàn)度調(diào)整。

表1 不同區(qū)域區(qū)域性強(qiáng)濃霧統(tǒng)計(jì)結(jié)果Table 1 Statistical results of regional extremely dense fog （REDF） in each region

圖1 安徽省強(qiáng)濃霧分區(qū) （綠色表示地形高低，紅線為各區(qū)分界線） （石春娥等，2021a）Fig. 1 Partition results of Anhui province based on the consistency of extremely dense fog （the green color indicates the elevation of the terrain，the red lines are the regional boundaries）（Shi，et al，2021a）

由于安徽霧主要發(fā)生在冬半年（10月—次年4月），尤其以12月和1月最多。因此，根據(jù)輻射霧形成的物理機(jī)制，計(jì)算了冬季（12月—次年2月）各區(qū)域不同等級(jí)降水日數(shù)、降水量、風(fēng)速、小風(fēng)（日均風(fēng)速＜2.0 m/s）日數(shù)、相對(duì)濕度、日均氣溫、08時(shí)氣溫和相對(duì)濕度等與區(qū)域性強(qiáng)濃霧日數(shù)的相關(guān)系數(shù)，以了解局地氣象因子對(duì)強(qiáng)濃霧的影響。

有研究（Niu，et al，2010；Syed，et al，2012）表明，東亞季風(fēng)、全球環(huán)流等大尺度系統(tǒng)也會(huì)對(duì)亞洲霧產(chǎn)生影響。為探討強(qiáng)濃霧年際變化的氣候成因，文中計(jì)算了各區(qū)域1月區(qū)域性強(qiáng)濃霧日數(shù)與中國(guó)國(guó)家氣候中心網(wǎng)站提供的所有環(huán)流指數(shù)的相關(guān)系數(shù)。給出了各區(qū)域1月區(qū)域性強(qiáng)濃霧次數(shù)與東亞槽位置（強(qiáng)度）指數(shù)和亞洲緯向（經(jīng)向）環(huán)流指數(shù)的相關(guān)系數(shù)。最后，為探討大尺度環(huán)流對(duì)安徽強(qiáng)濃霧的影響機(jī)制，挑選淮河以北2個(gè)區(qū)域1月霧最多和最少的3對(duì)相近年份，用NCEP/GDAS全球?qū)崟r(shí)預(yù)報(bào)同化分析場(chǎng)資料比較1月不同高度的平均位勢(shì)高度及925 hPa和海平面風(fēng)與相對(duì)濕度。

3 區(qū)域性強(qiáng)濃霧的認(rèn)定方法

盡管文獻(xiàn)中常見(jiàn)區(qū)域性大霧、濃霧、強(qiáng)濃霧，但目前仍沒(méi)有關(guān)于區(qū)域性霧（濃霧、強(qiáng)濃霧）的統(tǒng)一標(biāo)準(zhǔn)。以往關(guān)于某種區(qū)域性天氣的定義要么明確區(qū)域內(nèi)多少站點(diǎn)同時(shí)發(fā)生（周自江等，2007；劉端陽(yáng)等，2014），要么規(guī)定在區(qū)域內(nèi)有一定比例的站點(diǎn)同時(shí)發(fā)生（石春娥等，2018；中國(guó)氣象局，2020）。文中首先仿照石春娥等（2018）的做法，定義“同一時(shí)次，某設(shè)定區(qū)域中當(dāng)有1/3或以上的國(guó)家級(jí)氣象觀測(cè)站出現(xiàn)能見(jiàn)度低于1.0 km的霧、0.5 km的濃霧或低于0.2 km的強(qiáng)濃霧，記為一次區(qū)域性霧、濃霧或強(qiáng)濃霧過(guò)程 ”。據(jù)此，安徽各區(qū)域判斷強(qiáng)濃霧要達(dá)到的最少站點(diǎn)數(shù)初步設(shè)定為：4（區(qū)域1）、3（區(qū)域2）、5（區(qū)域3）、10（區(qū)域4）和4（區(qū)域5）站。然后參考周自江等（2007）的方法，給出1980—2019年逐年單站（站數(shù)N=1，局地性霧）到多站（N=10）、1/3站點(diǎn)數(shù)同時(shí)出現(xiàn)強(qiáng)濃霧、濃霧、大霧的天數(shù)，計(jì)算40 a強(qiáng)濃霧日數(shù)的偏度系數(shù)和峰度系數(shù)（表2），忽略年均區(qū)域性強(qiáng)濃霧日數(shù)不足3 d的情況。

由表2可見(jiàn)，各區(qū)每年08時(shí)出現(xiàn)局地或區(qū)域性霧33—100 d，占全年（365 d）的比例為9.0%—27.4%；出現(xiàn)局地或區(qū)域性濃霧22—72 d，占全年的6.0%—19.7%；出現(xiàn)局地或區(qū)域性強(qiáng)濃霧17—56 d，占全年的4.6%—15.3%。各區(qū)域霧的概率均接近或超過(guò)10%，相對(duì)較高；考慮到這里僅用了08時(shí)的資料且區(qū)域2僅有7個(gè)站，相比周自江等（2007）的結(jié)果，濃霧概率仍然偏高。從大霧到濃霧，各區(qū)域發(fā)生概率下降幅度較大，而從濃霧到強(qiáng)濃霧概率下降幅度較小。因此，可以只考慮強(qiáng)濃霧，也說(shuō)明條件收緊到強(qiáng)濃霧是合理的和必要的。隨著要求站數(shù)的增多，各級(jí)區(qū)域性霧日數(shù)均減少。

由表2可見(jiàn)，使用1/3站點(diǎn)數(shù)的標(biāo)準(zhǔn)，所得區(qū)域1—5的年均區(qū)域性強(qiáng)濃霧天數(shù)分別為7、6、8、3和9 d。區(qū)域4的概率不到1%，區(qū)域2的偏度系數(shù)略大于臨界值，區(qū)域5的峰度系數(shù)達(dá)到臨界值。針對(duì)區(qū)域2偏度系數(shù)超過(guò)上限（也就是按這個(gè)標(biāo)準(zhǔn)得到的逐年強(qiáng)濃霧天數(shù)不滿足正態(tài)分布）的情況，考慮到該區(qū)域站點(diǎn)較少，可適當(dāng)放寬標(biāo)準(zhǔn)，增加一個(gè)條件，即“有2個(gè)站點(diǎn)強(qiáng)濃霧和2個(gè)站點(diǎn)達(dá)到濃霧”也算一次區(qū)域性強(qiáng)濃霧，得到的結(jié)果放在表2最后一列，年均日數(shù)為6 d，偏度系數(shù)和峰度系數(shù)均滿足要求。為滿足正態(tài)分布，區(qū)域5的最少站點(diǎn)數(shù)調(diào)整為5站。由于最初分區(qū)時(shí)考慮不宜分得太多，區(qū)域4有相對(duì)較多的站（34站，有效站數(shù)29個(gè)），若考慮1/3站點(diǎn)，則區(qū)域4的最低站數(shù)超過(guò)其他區(qū)的2倍，要求相對(duì)較高，業(yè)務(wù)中發(fā)現(xiàn)區(qū)域4的局部（如沿江東部）會(huì)出現(xiàn)超過(guò)連片5站達(dá)到強(qiáng)濃霧的情況，相比于其他區(qū)域“1/3站點(diǎn)”的標(biāo)準(zhǔn)就顯得過(guò)于苛刻。因此，將區(qū)域4的最低站數(shù)調(diào)整為6站，則年均區(qū)域性強(qiáng)濃霧日數(shù)為6 d，與其他區(qū)域接近。以下用2016—2019年逐時(shí)數(shù)據(jù)得到的各區(qū)域區(qū)域性強(qiáng)濃霧日數(shù)比較一致（表1）。最后得到區(qū)域性強(qiáng)濃霧的標(biāo)準(zhǔn)為：

表2 各區(qū)域08時(shí)單站或多站同時(shí)出現(xiàn)霧、濃霧和強(qiáng)濃霧的年均日數(shù)及1980—2019年強(qiáng)濃霧日數(shù)序列的偏度和峰度系數(shù)Table 2 Annual average number of days with fog，dense fog and extremely dense fog at single station or multiple stations at 08：00 in each region and skewness and kurtosis coefficients of series of extremely dense fog days from 1980 to 2019

（1）區(qū) 域1—5分 別 有 至 少4站、3站（或2+2站）、5站、6站、5站達(dá)到強(qiáng)濃霧標(biāo)準(zhǔn)；1980—2019年，各區(qū)域08時(shí)平均有6、6、4、6、7個(gè)區(qū)域性強(qiáng)濃霧日。

（2）一天中只要有一個(gè)時(shí)次達(dá)到上述第（1）條標(biāo)準(zhǔn)，即認(rèn)為出現(xiàn)了區(qū)域性強(qiáng)濃霧。

應(yīng)用上述標(biāo)準(zhǔn)得到2016—2019年各區(qū)出現(xiàn)區(qū)域性強(qiáng)濃霧的天數(shù)見(jiàn)表1，在全年的概率分別為3.9%（區(qū)域3）—5.3%（區(qū)域2），與周自江等（2007）得到的區(qū)域性濃霧日數(shù)概率接近。

4 安徽區(qū)域性強(qiáng)濃霧分布的基本特征

4.1 安徽區(qū)域性強(qiáng)濃霧的空間分布

表1給出了基于上述標(biāo)準(zhǔn)用1980—2019年08時(shí)資料和2016—2019年逐時(shí)資料得到的各區(qū)域年均區(qū)域性強(qiáng)濃霧日數(shù)。根據(jù)08時(shí)資料的統(tǒng)計(jì)結(jié)果，沿淮地區(qū)最少（3.9 d），其他各區(qū)域年均區(qū)域性強(qiáng)濃霧日數(shù)都多于6 d，如上文所述，這個(gè)天數(shù)與所定的標(biāo)準(zhǔn)有關(guān)，標(biāo)準(zhǔn)中要求的站點(diǎn)多則天數(shù)少。各區(qū)域區(qū)域性強(qiáng)濃霧的最少站數(shù)4—6站，但總站數(shù)和平均強(qiáng)濃霧日數(shù)差別較大，因此，盡管區(qū)域4和區(qū)域5強(qiáng)濃霧區(qū)域性特征不及其他區(qū)域（石春娥等，2021a），但區(qū)域4總站數(shù)多，區(qū)域5總的強(qiáng)濃霧日數(shù)多，最后得到的年均區(qū)域性強(qiáng)濃霧日數(shù)最多。當(dāng)使用2016—2019年的逐時(shí)資料時(shí)，各區(qū)域年均區(qū)域性強(qiáng)濃霧日數(shù)都大幅度上升（均超過(guò)14 d，區(qū)域2最多，達(dá)到19.5 d）。增多的原因可能有能見(jiàn)度觀測(cè)方式不同造成的系統(tǒng)偏差，也有有效時(shí)次增多的貢獻(xiàn)，如已有統(tǒng)計(jì)表明安徽各區(qū)域強(qiáng)濃霧高峰時(shí)間總體上都是06時(shí)，那么，用08時(shí)資料統(tǒng)計(jì)必然會(huì)漏掉部分樣本。

4.2 1980—2019年各區(qū)區(qū)域性強(qiáng)濃霧日數(shù)的年際變化相似性

1980—2019年5個(gè)區(qū)域之間08時(shí)區(qū)域性強(qiáng)濃霧次數(shù)的相關(guān)系數(shù)見(jiàn)表3，相關(guān)系數(shù)高則說(shuō)明兩個(gè)區(qū)域間強(qiáng)濃霧年際變化相似，也說(shuō)明影響天氣系統(tǒng)、地理環(huán)境相似。區(qū)域5與其他各區(qū)域相關(guān)系數(shù)都通過(guò)了α=0.01的信度檢驗(yàn)，但相關(guān)系數(shù)都不高。相關(guān)系數(shù)最高的是區(qū)域2和區(qū)域3，其次是區(qū)域1與區(qū)域3、區(qū)域1與區(qū)域2，區(qū)域4與區(qū)域1相關(guān)不顯著。由圖1可見(jiàn)，區(qū)域1、2、3空間上相鄰，地勢(shì)平坦；區(qū)域1和區(qū)域2境內(nèi)湖泊較少；區(qū)域3境內(nèi)河流、湖泊眾多，水系發(fā)達(dá)；區(qū)域2、3東邊都距江蘇境內(nèi)的洪澤湖較近，霧日數(shù)可能會(huì)受其影響，因而區(qū)域2、3的區(qū)域性強(qiáng)濃霧日數(shù)存在較高的相關(guān)；區(qū)域4和區(qū)域5地形復(fù)雜、地表差異較大，因而與其他區(qū)域相關(guān)較弱?？梢?jiàn)分區(qū)討論的必要性與合理性。另外，表3最后一行還給出了各區(qū)域逐年區(qū)域性強(qiáng)濃霧日數(shù)與區(qū)域內(nèi)平均強(qiáng)濃霧日數(shù)的相關(guān)系數(shù)，這個(gè)相關(guān)系數(shù)說(shuō)明區(qū)域1、2強(qiáng)濃霧的區(qū)域性特征更加明顯。

表3 各區(qū)域之間年區(qū)域性強(qiáng)濃霧日數(shù)的相關(guān)系數(shù)Table 3 Correlation coefficients of annual REDF days between regions

考慮到表3中區(qū)域1—3兩兩之間相關(guān)系數(shù)較大，故嘗試將區(qū)域1—3合并（總站點(diǎn)數(shù)為31個(gè)，1/3的站點(diǎn)數(shù)為10個(gè)），重復(fù)表2中的統(tǒng)計(jì)分析，得到合并后的區(qū)域滿足正態(tài)分布要求的最小站點(diǎn)數(shù)分別為1、2、3、4、5、6、10，最少站點(diǎn)數(shù)取5、6、10對(duì)應(yīng)的年均強(qiáng)濃霧日數(shù)分別為11.6、9.7和5.0 d，變化趨勢(shì)一致，但取5個(gè)站時(shí)年均區(qū)域性強(qiáng)濃霧日數(shù)比取10個(gè)站時(shí)的2倍還多，說(shuō)明3個(gè)區(qū)域強(qiáng)濃霧出現(xiàn)時(shí)間存在較大的不一致，從服務(wù)的精準(zhǔn)性出發(fā)，進(jìn)一步說(shuō)明了分區(qū)的必要性和合理性。

4.3 08時(shí)強(qiáng)濃霧日數(shù)的年際變化和年代際變化

各區(qū)域1980—2019年08時(shí)區(qū)域性強(qiáng)濃霧日數(shù)年際變化和年代際變化分別見(jiàn)圖2和圖3。由圖2a可見(jiàn)，1980-2019年沿淮淮北3個(gè)區(qū)的區(qū)域性強(qiáng)濃霧日數(shù)都有先升后降的變化趨勢(shì)，拐點(diǎn)在2006或2007年；沿江和江南2個(gè)區(qū)域在2010年之前無(wú)明顯的變化趨勢(shì)，但2010年之后明顯減少（圖2b）。各區(qū)域年際變化都很大，最少年份0—1 d，區(qū)域1、2、5最多的年份可達(dá)到或超過(guò)10 d，除了區(qū)域3，各區(qū)區(qū)域性強(qiáng)濃霧日數(shù)的標(biāo)準(zhǔn)差都超過(guò)均值的50%（表1）。沿淮淮北3個(gè)區(qū)域21世紀(jì)第1個(gè)10年中期及之前的變化趨勢(shì)與陳瀟瀟等（2008）的結(jié)論一致。

圖2 1980—2019年各區(qū)區(qū)域性強(qiáng)濃霧日數(shù)的年際變化Fig. 2 Interannual variations of REDF days in each region from 1980 to 2019

圖3 1980—2019年各區(qū)區(qū)域性強(qiáng)濃霧日數(shù)年代際變化Fig. 3 Interdecadal variations of REDF days in various regions from 1980 to 2019

根據(jù)已有研究，從20世紀(jì)80年代中期開(kāi)始，受城市化及氣溶膠粒子濃度升高影響，中國(guó)東部地區(qū)城市霧日數(shù)減少，霧日能見(jiàn)度下降、霧持續(xù)時(shí)間延長(zhǎng)，但縣城測(cè)站霧日數(shù)增多，且不同規(guī)模城市霧日數(shù)開(kāi)始下降的時(shí)間不同（Shi，et al，2008；Yan，et al，2019），賈星燦等（2012）的模擬結(jié)果也證實(shí)人為大氣污染物可使霧的范圍增大、強(qiáng)度增強(qiáng)、持續(xù)時(shí)間延長(zhǎng)。因此，推測(cè)2010年之前區(qū)域1—3區(qū)域性強(qiáng)濃霧增多與20世紀(jì)80年代改革開(kāi)放以來(lái)中國(guó)東部地區(qū)氣溶膠污染加重有關(guān)。為分析氣溶膠污染對(duì)區(qū)域性強(qiáng)濃霧的可能影響，進(jìn)一步對(duì)圖2中峰值年（2007年）之前，區(qū)域性強(qiáng)濃霧日數(shù)做趨勢(shì)分析，得到線性擬合方程及決定系數(shù)見(jiàn)表4，從決定系數(shù)看，區(qū)域1和2的變化趨勢(shì)分別通過(guò)了α=0.01和α=0.05的顯著性t檢驗(yàn)，區(qū)域3通過(guò)了α=0.1的顯著性t檢驗(yàn)，而區(qū)域4、5不顯著。由于缺乏長(zhǎng)期的氣溶膠濃度監(jiān)測(cè)資料，參考已有的做法（Yan，et al，2019），采用逐年霾日數(shù)表示氣溶膠污染程度。石春娥等（2016，2018）分別對(duì)安徽不同區(qū)域的區(qū)域性霾、區(qū)域或全省平均霾日數(shù)做過(guò)統(tǒng)計(jì)分析，文中區(qū)域1和2的空間范圍與石春娥等（2018）中的沿淮淮北空間上大致相同，對(duì)1980—2013年區(qū)域1和2區(qū)域性強(qiáng)濃霧日數(shù)與石春娥等（2018）中沿淮淮北區(qū)域性霾日數(shù)進(jìn)行比較，發(fā)現(xiàn)2010年之前，二者變化趨勢(shì)較為一致（圖略），表4給出了各區(qū)域1980—2010年區(qū)域性強(qiáng)濃霧日數(shù)與上述研究中不同霾日數(shù)年際變化的相關(guān)系數(shù)?？梢?jiàn)，總體上區(qū)域性強(qiáng)濃霧日數(shù)與對(duì)應(yīng)區(qū)域的區(qū)域性霾日數(shù)相關(guān)最好，各區(qū)域都達(dá)到顯著相關(guān)，這是可以理解的，霧和霾的形成都與氣溶膠濃度密切相關(guān)，形成的氣象條件相似。這也說(shuō)明2010年之前區(qū)域1—3區(qū)域性強(qiáng)濃霧日數(shù)的增多原因之一是大氣氣溶膠粒子濃度升高。至于2010年，特別是2013年之后各區(qū)域的區(qū)域性強(qiáng)濃霧日數(shù)都顯著下降，可能與“大氣十條”實(shí)施之后，中國(guó)東部地區(qū)氣溶膠（如PM2.5）濃度普遍下降有關(guān)，但強(qiáng)濃霧日數(shù)和霾日數(shù)發(fā)生改變的年份不一致，即霾日數(shù)下降時(shí)間滯后于霧日數(shù)下降時(shí)間，如Yu等（2022）得到的中國(guó)霾日數(shù)的峰值在2013—2016年，2016年之后開(kāi)始下降，石春娥等（2018）也指出2012—2015年安徽省區(qū)域性霾日數(shù)明顯上升，生態(tài)環(huán)境部的數(shù)據(jù)顯示安徽PM2.5污染峰值出現(xiàn)在2017年（石春娥等，2021b）。考慮到2015年前后存在能見(jiàn)度觀測(cè)方法的改變，不管是霾日數(shù)或是強(qiáng)濃霧日數(shù)都可能存在系統(tǒng)偏差，2010年后強(qiáng)濃霧日數(shù)下降和區(qū)域性強(qiáng)濃霧與霾日數(shù)變化趨勢(shì)不完全一致的原因在此不做深入討論。

表4 1980—2007年各區(qū)域區(qū)域性強(qiáng)濃霧日數(shù)的線性擬合方程及決定系數(shù)Table 4 Linear fitting equation and determination coefficient of REDF days in each region from 1980 to 2007

從年代際變化情況（圖3）看，各區(qū)域都表現(xiàn)為先升后降，峰值在20世紀(jì)90年代或21世紀(jì)最初10年，都是21世紀(jì)第2個(gè)10年最少。如淮河以北西部（區(qū)域1）和東部（區(qū)域2）峰值分別在21世紀(jì)最初10年和20世紀(jì)90年代年均達(dá)到9.2次、8.5次，21世紀(jì)第2個(gè)10年年均分別為4.6次、4次，約為峰值的一半。與周自江等（2007）得到的長(zhǎng)江三角洲區(qū)域性濃霧變化趨勢(shì)相比，有相同也有不同。相同之處，沿江、江南2個(gè)區(qū)域和淮河以北東部，都在20世紀(jì)90年代區(qū)域性強(qiáng)濃霧最多，可能和上述區(qū)域與長(zhǎng)江三角洲區(qū)域鄰近有關(guān)；不同之處，本研究中淮河以北西部和沿淮是21世紀(jì)最初10年區(qū)域性強(qiáng)濃霧最多。

4.4 區(qū)域性強(qiáng)濃霧的年變化

2016—2019年各區(qū)域年均區(qū)域性強(qiáng)濃霧日數(shù)14.3—19.5 d，主要集中在仲秋到仲春（沿淮淮北10月—次年4月，沿江、江南9月—次年3月），占全年的比例分別為88%、82%、89%、91%和96%。各區(qū)域7月都沒(méi)有區(qū)域性強(qiáng)濃霧發(fā)生，除了區(qū)域2，各區(qū)域5—8月都不超過(guò)0.5 d（圖4）。區(qū)域1—5區(qū)域性強(qiáng)濃霧最多的月份不一致，分別是1、11、1、12和12月。

4.5 區(qū)域性強(qiáng)濃霧的日變化

用2016—2019年的資料得到各時(shí)次區(qū)域性強(qiáng)濃霧出現(xiàn)情況（圖5）。由圖5可見(jiàn)，區(qū)域性強(qiáng)濃霧具有明顯的日變化特征，午后到傍晚很少出現(xiàn)，23時(shí)開(kāi)始增多，區(qū)域2在06時(shí)達(dá)到峰值，其他區(qū)域都在08時(shí)達(dá)到峰值，09時(shí)迅速減少。區(qū)域2的高峰時(shí)間與其他區(qū)域不同，可能與日出時(shí)間季節(jié)變化有關(guān)，如一年中，合肥日出時(shí)間最早05時(shí)（05：05 BT）和最晚07時(shí)（07：12 BT），相差約2 h。區(qū)域2的區(qū)域性強(qiáng)濃霧高發(fā)月份是11月（秋季），其次是4月（春季），其他區(qū)域的區(qū)域性強(qiáng)濃霧高發(fā)月份是1月或12月（圖4），11月和4月的日出時(shí)間均比冬季早。

圖4 2016—2019年各區(qū)域平均區(qū)域性強(qiáng)濃霧日數(shù)年變化Fig. 4 Annual variations of REDF days in various regions averaged over 2016 to 2019

圖5 2016—2019年各區(qū)域年平均區(qū)域性強(qiáng)濃霧出現(xiàn)次數(shù)日變化Fig. 5 Diurnal variations of occurrence time of REDF in each region averaged over 2016 to 2019

區(qū)域性強(qiáng)濃霧持續(xù)時(shí)間的頻率分布如圖6所示。各區(qū)域都是持續(xù)1 h的區(qū)域性強(qiáng)濃霧占比最高，達(dá)30.0%（區(qū)域1）—50.9%（區(qū)域4）；區(qū)域性強(qiáng)濃霧最長(zhǎng)持續(xù)14 h，出現(xiàn)在區(qū)域1（淮河以北西部）；區(qū)域5（江南南部）持續(xù)最長(zhǎng)時(shí)間為10 h，其他區(qū)域持續(xù)最長(zhǎng)時(shí)間為11—13 h。除了區(qū)域4（沿江地區(qū)），各區(qū)域都存在另一個(gè)峰值，即持續(xù)3 h的強(qiáng)濃霧，區(qū)域1—5區(qū)域性強(qiáng)濃霧持續(xù)時(shí)間達(dá)到3 h及以上的占比分別為61.7%、52.6%、45.6%、36.8%和48.5%。說(shuō)明淮河以北的2個(gè)區(qū)域不僅區(qū)域性強(qiáng)濃霧出現(xiàn)次數(shù)多且持續(xù)時(shí)間最長(zhǎng)，危害最大。

圖6 2016—2019年各區(qū)域不同持續(xù)時(shí)間的區(qū)域性強(qiáng)濃霧頻率分布Fig. 6 Frequency distributions of REDF with different durations in each region from 2016 to 2019

5 區(qū)域性強(qiáng)濃霧年際變化的氣象成因

由圖2可見(jiàn)區(qū)域性強(qiáng)濃霧有明顯的年際變化，本小節(jié)分析局地氣象因子和大尺度環(huán)流對(duì)區(qū)域性強(qiáng)濃霧的影響。霧的形成機(jī)制復(fù)雜，很多學(xué)者都將霧日數(shù)的年際變化歸因于氣候變化、城市化和大氣污染（如氣溶膠粒子）（Shi，et al，2008；Niu，et al，2010；Yan，et al， 2019）。20世紀(jì)80年代以來(lái)，中國(guó)東部地區(qū)經(jīng)歷了快速的城市化和工業(yè)化，對(duì)霧日數(shù)和霾日數(shù)均產(chǎn)生了顯著影響，因此，在研究氣候因子影響時(shí)，有些學(xué)者會(huì)做去趨勢(shì)影響，但大多是針對(duì)霾（Li，et al，2016；吳萍等，2016；張浩等，2019）?？紤]到只有區(qū)域1和2的區(qū)域性強(qiáng)濃霧在2007年之前呈顯著的增多趨勢(shì)，而區(qū)域4和5的變化趨勢(shì)并不顯著，且考慮到各區(qū)域在2010年后區(qū)域性強(qiáng)濃霧日數(shù)明顯下降、能見(jiàn)度觀測(cè)方式改變等諸多原因，文中暫不對(duì)強(qiáng)濃霧日數(shù)做去趨勢(shì)分析。為了排除趨勢(shì)的影響，在進(jìn)行環(huán)流形勢(shì)對(duì)比時(shí)，選擇相近的年份比較，而不做相似年份平均。

5.1 局地氣象因子的影響

以冬季為例探討局地氣象因子對(duì)區(qū)域性強(qiáng)濃霧的影響。表5給出了冬季不同等級(jí)降水日數(shù)、降水量、風(fēng)速、小風(fēng)（日均風(fēng)速＜2 m/s）日數(shù)、相對(duì)濕度、日均氣溫、08時(shí)氣溫等要素與區(qū)域性強(qiáng)濃霧日數(shù)的相關(guān)系數(shù)。計(jì)算時(shí)，區(qū)域性強(qiáng)濃霧、降水量和降水日數(shù)均為3個(gè)月之和，風(fēng)速、相對(duì)濕度、氣溫為一天4個(gè)時(shí)次（02、08、14、20時(shí)）平均后再做季平均，08時(shí)氣溫為季平均。由表5可見(jiàn)，區(qū)域性強(qiáng)濃霧日數(shù)與各氣象要素的相關(guān)在各區(qū)域表現(xiàn)不同?；春右员?個(gè)區(qū)域（區(qū)域1、2）區(qū)域性強(qiáng)濃霧日數(shù)與降水日數(shù)、降水量、相對(duì)濕度和08時(shí)氣溫均有較為顯著的正相關(guān)，與平均氣溫呈弱正相關(guān)，而與風(fēng)速和小風(fēng)日數(shù)相關(guān)不明顯；沿淮（區(qū)域3）與淮河以北2個(gè)區(qū)域相似，但相關(guān)減弱，說(shuō)明冬季偏暖、多雨有助于沿淮、淮北平原地區(qū)形成區(qū)域性強(qiáng)濃霧；區(qū)域4（江淮之間到沿江）區(qū)域性強(qiáng)濃霧日數(shù)僅與風(fēng)速存在顯著負(fù)相關(guān)，與小風(fēng)日數(shù)存在較弱的正相關(guān)，可能與該區(qū)域水源充足有關(guān)；區(qū)域5（江南）強(qiáng)濃霧日數(shù)與各氣象要素均不相關(guān)。

表5中的結(jié)果與安徽霧的形成機(jī)理及各區(qū)域的地理位置、地形有關(guān)。安徽強(qiáng)濃霧主要是輻射霧，其形成的有利條件有增濕、降溫和靜小風(fēng)（石春娥等，2021a）。安徽年降水量和降水日數(shù)均是由南向北遞減。淮河以北地勢(shì)平坦，河流、湖泊較少，局地水源較少，因此，降水增濕是決定該區(qū)域霧形成與否的重要因子。沿江地區(qū)河流、湖泊眾多，水汽充足，但受地形影響，風(fēng)速較大、小風(fēng)日數(shù)少，因此，該區(qū)域強(qiáng)濃霧日數(shù)與風(fēng)速存在負(fù)相關(guān)、與小風(fēng)日數(shù)存在較弱的正相關(guān)。再次說(shuō)明安徽不同區(qū)域強(qiáng)濃霧的影響因子（形成機(jī)制）不同。

表5 冬季 （12月—次年2月） 各區(qū)域區(qū)域性強(qiáng)濃霧日數(shù)與局地氣象因子的相關(guān)系數(shù)Table 5 Correlation coefficients between REDF days and local meteorological parameters in winter （December—next February）

5.2 大尺度環(huán)流的影響

表6給出了各區(qū)域1月區(qū)域性強(qiáng)濃霧日數(shù)與同期部分環(huán)流指數(shù)的相關(guān)系數(shù)。可見(jiàn)，各區(qū)域的強(qiáng)濃霧日數(shù)與亞洲緯向環(huán)流指數(shù)都呈正相關(guān)，僅區(qū)域1不夠顯著，說(shuō)明各區(qū)域都是緯向環(huán)流強(qiáng)的年份容易發(fā)生強(qiáng)濃霧；區(qū)域1—3的區(qū)域性強(qiáng)濃霧日數(shù)與東亞槽位置指數(shù)有較弱（區(qū)域1、3）到顯著（區(qū)域2）的正相關(guān)，而各區(qū)域區(qū)域性強(qiáng)濃霧日數(shù)與東亞槽強(qiáng)度指數(shù)均不相關(guān)。當(dāng)東亞槽位置偏東，沿淮到淮河以北的區(qū)域容易出現(xiàn)區(qū)域性強(qiáng)濃霧，可能與近地層水汽輸送有關(guān)，如Jia等（2015）指出當(dāng)西伯利亞高壓位置偏東，對(duì)流層低層風(fēng)的改變會(huì)導(dǎo)致水汽在華北地區(qū)輻合、相對(duì)濕度升高。各區(qū)域強(qiáng)濃霧日數(shù)與經(jīng)向環(huán)流指數(shù)均不相關(guān)。

表6 各區(qū)域1月區(qū)域性強(qiáng)濃霧日數(shù)與一些氣候指數(shù)的相關(guān)系數(shù)Table 6 Correlation coefficients between the number of REDF days in January and various climate indexes in each region

為進(jìn)一步理解大尺度環(huán)流對(duì)安徽霧的影響機(jī)制，從2000—2019年挑選1月沿淮淮北（區(qū)域1、2、3）區(qū)域性強(qiáng)濃霧較多（2006、2013、2017年）和較少（2005、2010、2015年）的年份（表7）比較1月不同高度（500、925 hPa）平均高度場(chǎng)和平均海平面氣象場(chǎng)（MSLP）。

500 hPa高度場(chǎng)（圖7），兩種情景中緯度（20°—45°N）等高線都比較平直，高緯度有區(qū)別，如區(qū)域性強(qiáng)濃霧多的1月（2006、2013、2017年）高緯度（45°N以北）為2槽1脊形勢(shì)（圖7a、c、e），東亞槽位置與相近的霧少年份同期相比偏東2—11°，基本上都在145°E以東（表7）；強(qiáng)濃霧少的1月（2005、2010、2015年）高緯度（45°N以北）為1槽1脊形勢(shì)，東亞槽位置偏西（145.5°E以西）（圖7b、d、f），除了2015年，緯向環(huán)流指數(shù)顯著低于區(qū)域性強(qiáng)濃霧多的1月（表7）。需要說(shuō)明的是，2015年1月安徽區(qū)域性霾過(guò)程較多（石春娥等，2018）。

圖7 多霧1月 （a. 2006年，c. 2013年，e. 2017年） 與少霧1月 （b. 2005年，d. 2010年，f. 2015年） 500 hPa平均位勢(shì)高度 （單位：dagpm；圖中黑色實(shí)心圓點(diǎn)為蒙城氣象站大致位置，代表沿淮淮北中心位置）Fig. 7 Average geopotential height （unit：dagpm） at 500 hPa in January of more fog days （a. 2006，c. 2013，e. 2017） and January of fewer fog days （b. 2005，d. 2010，f. 2015） （the black spot is the Mengcheng weather station）

表7 選取的對(duì)比年份1月各區(qū)域區(qū)域性強(qiáng)濃霧日數(shù) （d） 及東亞大槽位置指數(shù) （°E） 和緯向環(huán)流指數(shù)Table 7 Number of REDF days （d） in January in the years selected for comparison and corresponding IEATP （°E） and IZ

925 hPa高度場(chǎng)（圖略），多霧年份安徽位于均壓區(qū)（2013年）或者有一根東西向等高線（2006年和2017年），說(shuō)明有偏東來(lái)向的氣流；少霧年份安徽也位于接近均壓區(qū)，但靠近南北向等高線，說(shuō)明以偏北來(lái)向氣流為主（圖8）。

海平面氣壓場(chǎng)上（圖9），多霧年份，40°N以北1030 hPa等值線位置偏東（在120°E以東）；少霧年份，40°N以 北1030 hPa等 值 線 位 置 偏 西（在120°E以西），這與東亞槽位置一致，也會(huì)影響近地層風(fēng)場(chǎng)和濕度，如：若1030 hPa等值線位置偏東，中國(guó)東部地區(qū)近地層風(fēng)向偏東北，有利于地面增濕；若1030 hPa等值線位置偏西，中國(guó)東部地區(qū)近地層風(fēng)向偏北，不利于地面增濕（圖8）。除了2013年，安徽海平面氣壓等值線在多霧的1月比少霧的1月密，對(duì)應(yīng)地面偏東風(fēng)風(fēng)速大，如2006和2017年地面平均風(fēng)速大于1 m/s，而其他年份都低于1 m/s，說(shuō)明近地層較大的偏東風(fēng)有利于水汽輸入，進(jìn)而有利于強(qiáng)濃霧的形成。當(dāng)然，由表7可見(jiàn)，2013年區(qū)域1的區(qū)域性強(qiáng)濃霧次數(shù)少于2006和2017年同期，這也與Jia等（2015，2018）的結(jié)論一致。Jia等（2015）基于華北地區(qū)冬季大氣光學(xué)厚度與西伯利亞高壓異常的關(guān)系構(gòu)建了一個(gè)新的西伯利亞高壓位置指數(shù)，該指數(shù)與華北地區(qū)大氣光學(xué)厚度存在顯著的正相關(guān)，即當(dāng)西伯利亞高壓位置偏東，則從地面到對(duì)流層中層西北風(fēng)減弱，華北地區(qū)水汽輻合增強(qiáng)，氣溶膠向南輸送減弱，因而認(rèn)為西伯利亞高壓位置偏東是華北大氣光學(xué)厚度增大（霾日數(shù)增多）的關(guān)鍵氣候因子。

圖8 同圖7，但為925 hPa的平均風(fēng) （矢量） 和1000 hPa平均相對(duì)濕度 （色階） （黑點(diǎn)和三角分別為蒙城和合肥的大致位置）Fig. 8 Same as Fig. 7 but for average winds at 925 hPa （vector） and average relative humidity （color shaded） at 1000 hPa （the black dot and triangle are the locations of Mengcheng and Hefei，respectively）

圖9 同圖7，但為平均海平面氣壓 （等值線，單位：hPa） 和10 m風(fēng)速 （矢線） （色階為平均風(fēng)速）Fig. 9 Same as Fig. 7 but for average sea level pressure （isoline，unit：hPa） and 10 m wind （the color shade represents the average wind speed）

6 結(jié)論與討論

根據(jù)國(guó)家級(jí)氣象觀測(cè)站40 a的歷史資料，將安徽省分為5個(gè)區(qū)域，判定區(qū)域1—5出現(xiàn)區(qū)域性強(qiáng)濃霧的標(biāo)準(zhǔn)是最少要有4、3（2+2）、5、6、5站同時(shí)出現(xiàn)強(qiáng)濃霧，并據(jù)此建立了5個(gè)區(qū)域1980—2019年08時(shí)區(qū)域性強(qiáng)濃霧日時(shí)序資料，分析了區(qū)域性強(qiáng)濃霧的年際和年代際變化趨勢(shì)；利用2016—2019年77個(gè)國(guó)家級(jí)氣象觀測(cè)站逐時(shí)資料分析了各區(qū)域區(qū)域性強(qiáng)濃霧的年變化、日變化等，探討了冬季強(qiáng)濃霧年際變化的成因。主要結(jié)論如下：

（1）安徽各區(qū)域08時(shí)年均區(qū)域性強(qiáng)濃霧4—7 d，各區(qū)域08時(shí)區(qū)域性強(qiáng)濃霧具有明顯的年際變化，最少的年份0—1 d，最多的年份超過(guò)10 d。各區(qū)域都是21世紀(jì)第2個(gè)10年最少，沿江、江南和淮河以北東部在20世紀(jì)90年代最多，淮河以北西部和沿淮在21世紀(jì)第1個(gè)10年最多。1980—2019年，區(qū)域1—3的區(qū)域性強(qiáng)濃霧日數(shù)呈先升后降的趨勢(shì)，拐點(diǎn)在2006/2007年。1980—2007年，區(qū)域1—3的區(qū)域性強(qiáng)濃霧呈顯著增多趨勢(shì)，與氣溶膠粒子濃度升高有關(guān)，如變化趨勢(shì)與同期區(qū)域性霾日數(shù)呈顯著正相關(guān)?？紤]到能見(jiàn)度觀測(cè)方式改變可能會(huì)對(duì)霧、霾日數(shù)產(chǎn)生系統(tǒng)偏差，2010年之后強(qiáng)濃霧日數(shù)明顯減少的原因未做深入分析。

（2）用2016—2019年逐時(shí)資料得到各區(qū)域年均區(qū)域性強(qiáng)濃霧日數(shù)為14—20 d，明顯多于結(jié)論（1）中僅用08時(shí)資料得到的日數(shù)，一方面是因?yàn)閮H用08時(shí)資料會(huì)漏掉在08時(shí)之前已經(jīng)消散的個(gè)例，另一方面是因?yàn)槟芤?jiàn)度觀測(cè)由人工觀測(cè)改為儀器自動(dòng)觀測(cè)后的系統(tǒng)偏差會(huì)使霧日數(shù)觀測(cè)記錄大增（石春娥等，2021a）。區(qū)域性強(qiáng)濃霧主要出現(xiàn)在仲秋到仲春（10月—次年4月或9月—次年3月），各區(qū)域峰值月份不同，以1月和12月為主。區(qū)域2（淮河以北東部）在06時(shí)達(dá)到峰值，其他區(qū)域都在08時(shí)達(dá)到峰值，這與強(qiáng)濃霧峰值月份有關(guān)。

（3）區(qū)域性強(qiáng)濃霧持續(xù)時(shí)間的頻率分布以持續(xù)1 h最多，在各區(qū)域占比30%（區(qū)域1）—51%（區(qū)域4），其次是持續(xù)3 h，持續(xù)3 h及以上的樣本占比分別為61.7%（淮河以北西部，區(qū)域1）、52.6%（淮河以北東部，區(qū)域2）、45.6%（沿淮，區(qū)域3）、36.8%（沿江，區(qū)域4）和48.5%（江南，區(qū)域5）。

（4）冬季多雨和氣溫偏高有助于沿淮淮北3個(gè)區(qū)域形成區(qū)域性強(qiáng)濃霧；而沿江地區(qū)強(qiáng)濃霧的多寡只與風(fēng)速有關(guān)，江南則與各要素均不相關(guān)。1月區(qū)域性強(qiáng)濃霧天數(shù)都與緯向環(huán)流指數(shù)存在正相關(guān)，沿淮淮北3個(gè)區(qū)域的區(qū)域性強(qiáng)濃霧天數(shù)都與東亞槽位置存在正相關(guān)，而與東亞槽強(qiáng)度和經(jīng)向環(huán)流指數(shù)無(wú)關(guān)。說(shuō)明中高緯度緯向型環(huán)流、東亞槽位置偏東易在安徽沿淮淮北形成區(qū)域性強(qiáng)濃霧，因?yàn)楫?dāng)東亞槽位置偏東，海平面氣壓中高緯度1030 hPa等值線位置偏東（如：40°N以北1030 hPa線位置在120°E以東），沿淮淮北近地層偏東風(fēng)較強(qiáng)，濕度偏高。

本研究為進(jìn)一步研究各區(qū)域強(qiáng)濃霧形成機(jī)制和預(yù)報(bào)方法奠定了基礎(chǔ)。由于多種原因，分析強(qiáng)濃霧日數(shù)氣候成因時(shí)未做去趨勢(shì)分析。由于霧是小概率事件，月平均后上述要素差異縮小，下一步將分區(qū)域研究區(qū)域性強(qiáng)濃霧環(huán)流形勢(shì)特征。

致 謝：感謝周自江研究員細(xì)致地審閱了初稿并提出了很有意義的修改意見(jiàn)。