崔 妍 趙春雨

遼寧省氣候中心,沈陽(yáng) 110016

提 要：利用遼寧省51個(gè)地面氣象觀測(cè)站的能見(jiàn)度、均一化相對(duì)濕度和天氣現(xiàn)象資料,采用最優(yōu)距離法和固定比例法對(duì)能見(jiàn)度資料進(jìn)行一致性處理,重建了1961—2020年的遼寧省逐日霾資料,并利用該資料對(duì)遼寧省年和四季霾日時(shí)空變化特征和主導(dǎo)因子進(jìn)行分析。結(jié)果表明,1961—2020年遼寧省平均年霾日呈顯著增加趨勢(shì)[2.1 d·(10 a)-1],但2015年以來(lái)霾日顯著減少;空間上,年和四季霾日呈現(xiàn)一致的分布特征,均存在1個(gè)高值中心(沈陽(yáng))和2個(gè)副高值中心(北票和錦州),年平均霾日分別為139、52、46 d,遼東和遼西山區(qū)為霾日低發(fā)區(qū),年平均霾日在20 d以?xún)?nèi)。風(fēng)向和風(fēng)速是霾日形成的重要?dú)庀笠蜃?西南偏南風(fēng)增加帶來(lái)的暖濕氣流對(duì)春季、夏季和秋季霾日的形成貢獻(xiàn)較大,北風(fēng)的減少則對(duì)冬季霾日的形成貢獻(xiàn)較大。霾發(fā)生時(shí)遼寧省春季、夏季和秋季發(fā)生西南偏南風(fēng)的頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%,冬季則表現(xiàn)為北風(fēng)發(fā)生頻率的減少和靜風(fēng)發(fā)生頻率的增加;霾發(fā)生時(shí)四季風(fēng)速均較平均狀況偏小,說(shuō)明小風(fēng)有利于霾的形成。遼寧省霾長(zhǎng)期演變受到污染物排放、風(fēng)力因子和環(huán)境政策等多種因素影響,1980—2003年霾日的不斷增加是污染物增多和風(fēng)速減小共同導(dǎo)致的,2015年以來(lái)的霾日減少則可能與大氣污染防治引起的PM2.5減少有關(guān),同時(shí)較少的小風(fēng)日數(shù)也為霾日減少提供了有利的氣象條件。

引 言

霾是由氣溶膠微粒導(dǎo)致的低能見(jiàn)度災(zāi)害性天氣現(xiàn)象(中國(guó)氣象局,2003;石春娥等,2021),可對(duì)社會(huì)生活和人體健康產(chǎn)生不良影響(殷永文等,2011;孫維哲等,2016;謝鵬等,2010)。近年來(lái)全國(guó)空氣質(zhì)量總體有改善,但霾天氣仍時(shí)有發(fā)生(Lv et al,2020)。霾作為一種災(zāi)害性天氣,其預(yù)報(bào)預(yù)測(cè)一直是氣象部門(mén)的重要業(yè)務(wù)和服務(wù)領(lǐng)域之一,對(duì)霾天氣的季節(jié)特征進(jìn)行研究,探討霾日形成和變化的影響因子,是進(jìn)行霾日預(yù)測(cè)的前提和基礎(chǔ)。

20世紀(jì)60年代國(guó)外就出現(xiàn)了眾多霾日時(shí)空特征和變化趨勢(shì)方面的研究(Munn,1973;Malm,1992;Schichtel et al,2001)。國(guó)內(nèi),霾的早期研究主要致力于霾日的界定和判識(shí),高歌(2008)采用天氣現(xiàn)象中的霾日分析了中國(guó)霾日的氣候特征,但由于霾觀測(cè)受觀測(cè)員主觀影響較大,天氣現(xiàn)象報(bào)表中的霾日資料地區(qū)差異特別明顯,因此吳兌等(2014)建議采用能見(jiàn)度、天氣現(xiàn)象和相對(duì)濕度來(lái)綜合判斷,增加霾日分析的科學(xué)性。趙普生等(2011)對(duì)采用日均和14時(shí)兩種方法得到的霾日進(jìn)行了比較分析,指出兩種方法在分析霾日長(zhǎng)期演變特征時(shí)都適用;采用14時(shí)法可能出現(xiàn)對(duì)霾天氣的漏記,日均法則可識(shí)別長(zhǎng)時(shí)間大范圍的霾過(guò)程。李星敏等(2022)分別采用2010年行標(biāo)和2018年國(guó)標(biāo)對(duì)陜西霾進(jìn)行判識(shí),指出以霾持續(xù)6 h以上作為判定標(biāo)準(zhǔn),兩者得到的霾日數(shù)相當(dāng)。自2013年1月中國(guó)中東部出現(xiàn)持續(xù)性強(qiáng)霧-霾事件之后,霾天氣氣候特征研究成果不斷涌現(xiàn),總體而言,中國(guó)霧-霾呈現(xiàn)東部多西部少的空間分布特征,京津冀、珠江三角洲和長(zhǎng)江三角洲是中國(guó)霾事件高發(fā)區(qū);時(shí)間上,從20世紀(jì)80年代以來(lái)霾日明顯增加,且多發(fā)生在冬季(吳兌等,2010;宋連春等,2013;孔鋒等,2017;蔣璐君等,2020;劉瑞翔等,2020)。造成霾日不斷增加的原因除了人類(lèi)活動(dòng)導(dǎo)致的污染物顆粒和氣溶膠濃度增多外,風(fēng)速、濕度以及近地面輸送條件也與霾的形成及長(zhǎng)期變化密切相關(guān)(胡亞旦和周自江,2009;宋連春等,2013)。此外,東亞冬季風(fēng)、北極海冰、北大西洋海溫以及西北太平洋關(guān)鍵區(qū)海溫都與中國(guó)冬季霾日的年際和年代際變化關(guān)系顯著(尹志聰?shù)?2015;Yin et al,2015;吳萍等,2016;Wang et al,2015;嚴(yán)中偉等,2018)。

盡管霧-霾研究已經(jīng)有了不少成果,但針對(duì)遼寧地區(qū)的分析仍然比較少見(jiàn)。研究時(shí)段多以年尺度或者冬季開(kāi)展(宋連春等,2013;丁一匯和柳艷菊,2014;Ding and Liu,2014;羅玉等,2021),很少對(duì)季節(jié)尺度的霾日特征進(jìn)行分析。同時(shí),相關(guān)研究資料缺少對(duì)自動(dòng)觀測(cè)后的能見(jiàn)度偏差進(jìn)行訂正,相對(duì)濕度資料也未經(jīng)過(guò)嚴(yán)格的均一化檢驗(yàn)和訂正。因此,本文利用1961—2020年遼寧省51個(gè)地面氣象觀測(cè)站資料和國(guó)家氣象信息中心最新發(fā)布的均一化相對(duì)濕度資料,采用最優(yōu)距離法和固定比例法對(duì)能見(jiàn)度進(jìn)行一致性處理,重建了1961—2020年的遼寧省逐日霾資料,并利用該資料對(duì)遼寧地區(qū)霾日的季節(jié)特征和主導(dǎo)因子進(jìn)行分析,為進(jìn)一步開(kāi)展不同季節(jié)霾天氣的預(yù)報(bào)預(yù)測(cè)提供理論依據(jù)。

1 資料和方法

1.1 資 料

本文所用資料包括1961—2020年遼寧省51個(gè)地面氣象觀測(cè)站的逐日相對(duì)濕度、能見(jiàn)度、天氣現(xiàn)象以及風(fēng)速風(fēng)向資料;其中逐日能見(jiàn)度、天氣現(xiàn)象和風(fēng)速風(fēng)向資料來(lái)源于遼寧省氣象信息中心,已經(jīng)過(guò)嚴(yán)格質(zhì)量控制;相對(duì)濕度資料來(lái)源于國(guó)家氣象信息中心制作的《中國(guó)國(guó)家級(jí)地面氣象站均一化相對(duì)濕度日值數(shù)據(jù)集 (V1.0)》。此外,本文還使用了1980—2020年遼寧省逐年原煤消費(fèi)總量資料(遼寧省統(tǒng)計(jì)年鑒,https:∥tjj.ln.gov.cn/tjj/tjxx/xxcx/tjnj/index.shtml)和2015—2020年P(guān)M2.5歷史觀測(cè)數(shù)據(jù)(中國(guó)空氣質(zhì)量在線分析平臺(tái),https:∥www.aqistudy.cn/historydata/)。

1.2 方 法

1.2.1 能見(jiàn)度訂正方法

1949年以來(lái)我國(guó)能見(jiàn)度觀測(cè)主要經(jīng)歷了3次變化。1980年之前能見(jiàn)度觀測(cè)依據(jù)規(guī)范以等級(jí)方式記錄,1980年之后執(zhí)行新的《地面氣象觀測(cè)規(guī)范》(中國(guó)氣象局,2003),以千米記錄(丁一匯和柳艷菊,2014;Ding and Liu,2014)。理論上,能見(jiàn)度等級(jí)可以被換算為其區(qū)間內(nèi)的任意值,一些研究中將其換算為中間值(王業(yè)宏等,2009),但能見(jiàn)度等級(jí)對(duì)應(yīng)的距離在等級(jí)區(qū)間內(nèi)并非均勻分布,因此使用中間值進(jìn)行替換可能導(dǎo)致較大的偏差(Wu et al,2012)。本文選擇最優(yōu)距離進(jìn)行替換,首先根據(jù)能見(jiàn)度等級(jí)對(duì)照表,將1980—2013年的能見(jiàn)度距離轉(zhuǎn)為等級(jí),然后將每個(gè)等級(jí)的能見(jiàn)度距離平均值作為該等級(jí)最優(yōu)距離,最后將1961—1979年的能見(jiàn)度等級(jí)按照最優(yōu)距離換算成能見(jiàn)度距離(Chen and Wang,2015)。2014年之后,能見(jiàn)度開(kāi)始由人工觀測(cè)轉(zhuǎn)為自動(dòng)觀測(cè),由于兩者定義與原理不同,自動(dòng)觀測(cè)能見(jiàn)度通常較人工觀測(cè)偏小,其理論值約為人工觀測(cè)值的76%(李浩和孫學(xué)金,2009)。樊高峰等(2017)對(duì)比分析了浙江省4個(gè)地區(qū)的人工和自動(dòng)觀測(cè)能見(jiàn)度資料,自動(dòng)和人工觀測(cè)的系數(shù)在0.68～0.86,平均為0.77。因此本研究也采用0.77系數(shù)對(duì)自動(dòng)和人工觀測(cè)的能見(jiàn)度進(jìn)行一致性處理(Pei et al,2018),將自動(dòng)觀測(cè)能見(jiàn)度(V自動(dòng))修正至人工觀測(cè)(V人工):

式中k為消光系數(shù)。

1.2.2 相對(duì)濕度均一性檢驗(yàn)和訂正方法

由于觀測(cè)儀器變化、觀測(cè)方式改變、氣象臺(tái)站遷移,氣候數(shù)據(jù)不可避免會(huì)存在一些不連續(xù)點(diǎn)(斷點(diǎn))。均一性檢驗(yàn)和訂正的目的就是為了消除這些人為因素導(dǎo)致的資料不連續(xù)。本文使用的相對(duì)濕度數(shù)據(jù)集采用客觀分析與主觀判斷相結(jié)合的技術(shù)思路,以國(guó)家氣象信息中心收集整理的中國(guó)地面臺(tái)站歷史沿革信息為主要依據(jù),使用最大懲罰t檢驗(yàn)(PMT)和最大懲罰F檢驗(yàn)(PMFT)方法對(duì)資料非均一性進(jìn)行檢驗(yàn),采用分位數(shù)訂正法(QM)對(duì)資料進(jìn)行訂正(朱亞妮等,2015)。均一性檢驗(yàn)和訂正通常分為3個(gè)步驟,首先是構(gòu)建參考序列,參考序列必須具備氣候代表性,通常由待訂正站點(diǎn)周?chē)娜舾蓚€(gè)臺(tái)站資料建立;第二步是使用PMT/PMFT檢驗(yàn)方法初步確定待訂正站點(diǎn)的不連續(xù)點(diǎn);第三步是結(jié)合待訂正站點(diǎn)的臺(tái)站遷站、儀器變更等沿革信息對(duì)初步確定的不連續(xù)點(diǎn)進(jìn)行主觀判斷,確定最終的不連續(xù)點(diǎn);最后采用QM對(duì)資料進(jìn)行訂正。全國(guó)共檢出和訂正不連續(xù)點(diǎn)2006個(gè),涉及1640個(gè)站點(diǎn),而遼寧省共訂正站點(diǎn)22個(gè)(朱亞妮等,2015)。

1.2.3 霾日判別方法

根據(jù)《霾的觀測(cè)和預(yù)報(bào)等級(jí)》(中國(guó)氣象局,2010)、吳兌(2008)和吳兌等(2014),將日均能見(jiàn)度<10 km,相對(duì)濕度<90%,并排除浮塵、揚(yáng)沙、沙塵暴等明顯造成視程障礙的天氣現(xiàn)象定義為一個(gè)霾日(崔妍等,2015)。特別需要指出的是,在遼寧省各地區(qū)報(bào)表中,煙幕出現(xiàn)頻次較高,觀測(cè)中煙幕容易與霾混淆,因此不將煙幕進(jìn)行排除(趙普生等,2011)。

將遼寧省51個(gè)站點(diǎn)進(jìn)行空間平均得到全省平均霾日,采用最小二乘法估計(jì)其變化趨勢(shì)。為更好地分析霾日和原煤消耗量之間的關(guān)系,對(duì)序列進(jìn)行了標(biāo)準(zhǔn)化處理,標(biāo)準(zhǔn)化距平序列由原始序列減去平均值除以標(biāo)準(zhǔn)差而得。

2 結(jié) 果

2.1 遼寧省四季霾日時(shí)空特征

2.1.1 遼寧省霾日長(zhǎng)期演變特征

圖1給出了遼寧省51個(gè)站點(diǎn)平均霾日的年際變化曲線。由圖可見(jiàn),1961—2020年遼寧省霾日呈顯著增加趨勢(shì),平均每10年增加2.1 d。從其階段性變化看,遼寧省年霾日大致可分為3個(gè)階段,1980年之前遼寧省霾日呈緩慢增加趨勢(shì)[1.4 d·(10 a)-1],1980—2015年霾日急劇增加,增加率為1980年之前的1.7倍左右[2.4 d·(10 a)-1],2015年之后霾日不斷減少,2015—2020年遼寧省平均霾日為12.8 d,已經(jīng)接近1980年之前的水平(圖1a)。與華北和安徽地區(qū)(石春娥等,2016)一致,2008—2012年遼寧省也出現(xiàn)了霾日階段性下降的變化特征,但遼寧省下降更早一些(從2003年開(kāi)始),該階段遼寧省年霾日的減少主要是由沈陽(yáng)霾日的減少造成,而沈陽(yáng)霾日的減少則可能與沈陽(yáng)市2002年開(kāi)始實(shí)施的“東搬西建”戰(zhàn)略有關(guān),“東搬西建”對(duì)鐵西區(qū)老舊國(guó)有企業(yè)實(shí)行整體搬遷和改造,改造后的老城區(qū)重點(diǎn)發(fā)展第三產(chǎn)業(yè),極大改善了環(huán)境質(zhì)量。該戰(zhàn)略實(shí)施期間沈陽(yáng)霾日從20世紀(jì)初的130 d·a-1減少至2013年的20 d·a-1左右。

圖1 1961—2020年遼寧省(a)年和(b)四季霾日年際變化

四季霾日變化與年基本一致,但又各具特點(diǎn)。春季、夏季和秋季霾日在1980年之前明顯較少,分別以0.17、0.34、0.30 d·(10 a)-1的速率緩慢增加,春季和秋季霾日增加率未通過(guò)0.05顯著性水平檢驗(yàn)。之后春季霾日比較穩(wěn)定,除1998年、2003年和2008年霾日較多外,整體無(wú)明顯變化趨勢(shì)。夏季和秋季霾日則在1980—1993年緩慢增加,1994年之后急劇增加;夏季霾日在2008年達(dá)到峰值后緩慢減少,2015年之后迅速減少;秋季霾日則在2015年之前一直處于高位,之后與夏季霾日一樣迅速減少;1980—2015年夏季和秋季霾日分別以1.4 d·(10 a)-1和1.1 d·(10 a)-1的速率顯著增加。冬季霾日與其他季節(jié)略有不同,2000年之前呈現(xiàn)穩(wěn)定增加趨勢(shì),在2000年達(dá)到峰值后不斷減少,2008年開(kāi)始連續(xù)增加,2015年之后又開(kāi)始下降。1961—2000年冬季霾日以1.6 d·(10 a)-1的速率增加,而2001—2019年則以1.9 d·(10 a)-1(未通過(guò)0.05顯著性水平檢驗(yàn))的速率減少?？傮w而言,遼寧省年和四季霾日在整個(gè)時(shí)段呈增加趨勢(shì),1980年之前均比較少且緩慢增加,1980—2015年明顯增加,2015年之后迅速減少(圖1b)。

2.1.2 遼寧省霾日空間分布特征

空間上,遼寧省年和四季霾日基本呈現(xiàn)一致的分布特征,均表現(xiàn)為中部平原多,遼東和遼西山區(qū)少(圖2)。具體來(lái)看,遼寧省年平均霾日在0.5～139 d;年平均霾日在沈陽(yáng)南部(沈陽(yáng))存在1個(gè)高值中心(139 d),朝陽(yáng)東部(北票)和錦州西南(錦州)存在2個(gè)副高值中心,年平均霾日分別為52 d和46 d;中部平原和遼東灣北部地區(qū)年平均霾日在20～40 d;遼東和遼西山區(qū)則在20 d以?xún)?nèi)(圖2a)。從各季節(jié)來(lái)看,首先各季節(jié)的空間分布與年分布基本一致,高值中心和副高值中心在四季均存在;其次,春季和夏季霾日普遍較少,全省80%以上的地區(qū)霾日在5 d以下,秋季5 d以上霾日范圍明顯擴(kuò)大,冬季除遼東和遼西地區(qū)外,全省一半以上地區(qū)霾日超過(guò)了5 d,10 d以上的霾日范圍也由秋季的8%(4個(gè)站)擴(kuò)大至31%(16個(gè)站);最后從高值中心強(qiáng)度看,從春季至冬季,高值中心強(qiáng)度不斷增強(qiáng),沈陽(yáng)從春季30 d增加至冬季50 d,北票和錦州分別從6 d和7 d增加至26 d和21 d(圖2b～2d)。

圖2 1961—2020年遼寧省(a)年和(b～e)四季霾日空間分布

從季節(jié)霾日占比看(圖3),遼寧省各地區(qū)霾日高發(fā)季節(jié)是冬季和秋季,春季和夏季霾頻次較低。冬季遼寧省65%的地區(qū)(33個(gè)站)霾日占比在40%以上,多分布在中部平原和遼東地區(qū),撫順清原高達(dá)73%;秋季霾日占比多在20%～40%;夏季中部平原和遼東地區(qū)霾日占比在20%以?xún)?nèi),遼西和遼南地區(qū)在20%～40%;春季除部分沿海站點(diǎn)外,其余大部分地區(qū)霾日占比均在20%以?xún)?nèi)。

圖3 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季霾日占比空間分布

2.2 氣象因子對(duì)霾形成的影響

風(fēng)速和風(fēng)向?qū)ξ廴疚镙斔秃蛿U(kuò)散起著重要作用,對(duì)某一地區(qū)而言,風(fēng)向可以決定給該地區(qū)帶來(lái)的是污染還是清潔空氣,風(fēng)速則決定了向區(qū)域外輸送污染物的能力(陳鳳嬌等,2018)。為探討風(fēng)速和風(fēng)向?qū)|寧省霾形成的影響,本節(jié)分析了遼寧省四季平均主導(dǎo)風(fēng)向以及霾發(fā)生時(shí)的主導(dǎo)風(fēng)向。由于霾日判定時(shí)采用的條件是日均能見(jiàn)度和相對(duì)濕度,而風(fēng)向觀測(cè)則是定時(shí)觀測(cè),因此在進(jìn)行主導(dǎo)風(fēng)向統(tǒng)計(jì)時(shí),將各測(cè)站、各季節(jié)定時(shí)觀測(cè)風(fēng)向作為一個(gè)總樣本,樣本中出現(xiàn)頻次最高的風(fēng)向即為季節(jié)主導(dǎo)風(fēng)向,而所有霾日樣本中出現(xiàn)頻次最高的風(fēng)向?yàn)轹踩罩鲗?dǎo)風(fēng)向。

2.2.1 風(fēng)向?qū)残纬傻挠绊?/p>

圖4給出了1961—2020年遼寧省四季平均狀況和霾日發(fā)生時(shí)的風(fēng)玫瑰圖?？梢钥闯?就平均狀況而言,除靜風(fēng)外,遼寧省春季和夏季以偏南風(fēng)為主導(dǎo),春季西南偏南風(fēng)頻次最高(11.4%),其次為南風(fēng)(9.3%);夏季南風(fēng)頻次最高(12.5%),其次為西南偏南風(fēng)(12.1%);秋季北風(fēng)和南風(fēng)分量相當(dāng),北風(fēng)和西南偏南風(fēng)頻率分別為8.8%和8.0%;冬季則基本以偏北風(fēng)為主,北風(fēng)和西北偏北風(fēng)頻率分別為10.0% 和9.0%,東北偏北風(fēng)和西北風(fēng)也達(dá)到7%以上。此外,靜風(fēng)頻率也從春季的12.1%增加至冬季的19.7%,增加了62.8%,這可能也是遼寧冬季霾日頻發(fā)的原因之一。與平均狀況相比,霾日發(fā)生時(shí),春季、夏季和秋季均表現(xiàn)為北風(fēng)偏少而南風(fēng)偏多的特征,西南偏南風(fēng)頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%,西南風(fēng)可以帶來(lái)海上的水汽(高松影等,2020),增加局地相對(duì)濕度,促進(jìn)吸濕性氣溶膠的吸濕增長(zhǎng),有利于霾的形成(吳兌,2006),說(shuō)明對(duì)于春季、夏季和秋季,由西南風(fēng)帶來(lái)的水汽對(duì)遼寧省霾天氣的形成具有較大貢獻(xiàn)。而對(duì)于冬季,霾日時(shí)的風(fēng)向主要表現(xiàn)為北風(fēng)頻率的減少和靜風(fēng)頻率的增加,北風(fēng)和西北偏北風(fēng)頻率由平均狀況的10.0%和9.0%分別減少為6.9%和4.8%,靜風(fēng)頻率由19.8%增加至22.0%。靜風(fēng)不利于區(qū)域污染物向外擴(kuò)散,尤其對(duì)于遼寧省中部城市群,冬季正好是當(dāng)?shù)夭膳?燃煤所排放的顆粒物不斷排入大氣,增加了大氣中的氣溶膠粒子,靜風(fēng)抑制了粒子的擴(kuò)散從而增加了霾日出現(xiàn)的概率(陳鳳嬌等,2018;張英娟等,2015)。同時(shí),北風(fēng)帶來(lái)的冷空氣減少使得大氣水平運(yùn)動(dòng)和垂直運(yùn)動(dòng)均不活躍,不利于污染物顆粒的清除和稀釋(圖4d)。

圖4 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季風(fēng)向頻率和霾發(fā)生時(shí)風(fēng)向頻率(單位:%)

2.2.2 風(fēng)速對(duì)霾形成的影響

除了風(fēng)向,風(fēng)速也可能對(duì)霾的形成產(chǎn)生影響。圖5給出了1961—2020年遼寧省四季和霾日風(fēng)速的概率密度分布。由圖可見(jiàn),就平均狀況而言,遼寧省風(fēng)速主要分布在0～6 m·s-1,約占全部風(fēng)速的96%左右,春季在2.5 m·s-1達(dá)到峰值,夏季、秋季和冬季則約在2 m·s-1左右達(dá)到峰值。與平均值相比,夏季霾日風(fēng)速并無(wú)明顯變化,但對(duì)于春季和冬季,霾發(fā)生時(shí)風(fēng)速明顯減小,4 m·s-1以下的風(fēng)速概率由65.2%和79.8%分別增加至75.7%和86.3%,2 m·s-1以下的則分別由22.2%和39.4%分別增加至28.1%和51.8%;秋季霾日風(fēng)速也有所減小,并且主要是由3 m·s-1以下的風(fēng)速貢獻(xiàn)?？傮w而言,相對(duì)于平均狀況,春季、秋季和冬季較小的風(fēng)速增加了霾日發(fā)生的概率,較小的風(fēng)速使得污染物不易擴(kuò)散,容易在當(dāng)?shù)囟逊e從而形成霾天氣(吳兌,2008)。

圖5 1961—2020年遼寧省(a)春季,(b)夏季,(c)秋季和(d)冬季風(fēng)速概率密度和霾發(fā)生時(shí)風(fēng)速概率密度

2.3 遼寧省霾日演變的主導(dǎo)因子

上文分析了風(fēng)向、風(fēng)速對(duì)霾日形成的影響,總體而言,高西南偏南風(fēng)頻次、多靜風(fēng)和小風(fēng)等氣象條件有利于霾日的發(fā)生。為進(jìn)一步分析氣象因素和污染物排放在霾長(zhǎng)期演變中的作用,圖6給出了1980—2020年遼寧省霾日與原煤消耗總量、小風(fēng)(風(fēng)速≤2 m·s-1)日數(shù)和PM2.5的逐年變化,其中PM2.5資料長(zhǎng)度為2015—2020年。由圖可見(jiàn),1980—2020年遼寧省原煤消耗總量整體呈顯著增加趨勢(shì),2010年之前逐年增加,2011—2017年原煤消耗量不斷減少,2018年以來(lái)又有所增加。就全省而言,1980—2003年,霾日和原煤消耗量基本呈現(xiàn)較為一致的趨勢(shì)變化,隨著原煤消耗的增加,霾日也不斷增加,相關(guān)系數(shù)可達(dá)0.76;在這一時(shí)期,小風(fēng)日數(shù)也呈現(xiàn)一致的增加趨勢(shì),其與霾日的相關(guān)系數(shù)為0.64;這說(shuō)明在2003年之前,遼寧省霾日的不斷增加是燃煤增多和風(fēng)速減小共同導(dǎo)致的。2003—2015年,原煤消耗仍然波動(dòng)增加,霾日卻呈減少趨勢(shì),這一階段的霾日變化可能與沈陽(yáng)實(shí)施“東搬西建”戰(zhàn)略有關(guān),“東搬西建”戰(zhàn)略實(shí)施期間沈陽(yáng)霾日從20世紀(jì)初的130 d·a-1減少至2013年的20 d·a-1左右。2015年之后,遼寧省霾日顯著減少,該階段遼寧省大氣污染防治行動(dòng)取得明顯成果,PM2.5濃度不斷減小,同時(shí)較強(qiáng)的風(fēng)速和較少的小風(fēng)日數(shù)也對(duì)該階段霾日減少提供了有利的氣象條件。

圖6 1980—2020年遼寧省霾日、原煤消耗總量、小風(fēng)(風(fēng)速≤2 m·s-1)日數(shù)和PM2.5的年際變化

3 結(jié)論和討論

本文利用1961—2020年遼寧省51個(gè)氣象觀測(cè)站的一致性能見(jiàn)度資料、均一化相對(duì)濕度資料以及天氣現(xiàn)象重建了遼寧省霾日序列,基于該序列對(duì)遼寧省不同季節(jié)的霾日時(shí)空特征進(jìn)行分析,討論了風(fēng)向風(fēng)速對(duì)霾形成的影響,最后探討了遼寧省不同階段霾變化的主導(dǎo)因子,結(jié)果表明:

(1)過(guò)去60年遼寧省霾日呈顯著增加趨勢(shì),但2015年以來(lái)霾日顯著減少。1961—2020年遼寧省年霾日以2.1 d·(10 a)-1的速率顯著增加,霾日變化大致可分為3個(gè)階段,1980年之前為緩慢增加期,1980—2015年為急劇增加期,2015—2020年為減少期,急劇增加期的變化率約為緩慢增加期的1.7倍。春季霾日整體上無(wú)明顯變化,夏季和秋季霾日在2008年之前逐漸增加,之后波動(dòng)減少,冬季霾日在2000年達(dá)到峰值后波動(dòng)減少;年和四季霾日在2015年之后均明顯減少?？臻g上,年和四季呈現(xiàn)一致的分布特征,表現(xiàn)為中部平原多、遼東和遼西山區(qū)少的分布型,同時(shí)年和四季均存在1個(gè)高值中心和2個(gè)副高值中心,年霾日分別為139 d(沈陽(yáng))、52 d(北票)和46 d(錦州)。各季節(jié)霾日比例上,遼寧各地區(qū)冬季霾日比例較高,春季較低,中部和東部冬季霾日比例在40%以上,春季和夏季比例多在20%以?xún)?nèi)。

(2)風(fēng)向和風(fēng)速是霾日形成的重要?dú)庀笠蜃?西南偏南風(fēng)增加帶來(lái)的暖濕氣流對(duì)春季、夏季和秋季霾日形成貢獻(xiàn)較大,北風(fēng)的減少則對(duì)冬季霾日形成貢獻(xiàn)較大,較小的風(fēng)速對(duì)各季節(jié)霾日的形成均比較有利。與平均狀況相比,遼寧省春季、夏季和秋季霾發(fā)生時(shí)均表現(xiàn)為北風(fēng)偏少而南風(fēng)偏多的特征,西南偏南風(fēng)的頻率分別由11.4%、12.1%和8.0%增加至15.8%、19.8%和13.5%;而對(duì)于冬季,霾發(fā)生時(shí)的風(fēng)向主要表現(xiàn)為北風(fēng)頻率的減少和靜風(fēng)頻率的增加。對(duì)風(fēng)速而言,霾發(fā)生時(shí)四季風(fēng)速均較平均狀況均偏小,春季和冬季偏小更為明顯,其2 m·s-1以下風(fēng)速概率則分別由22.2%和39.4%增加至28.1% 和51.8%。

(3)霾的長(zhǎng)期演變受到污染物排放、風(fēng)力因子和環(huán)境政策等多種因素影響。1980—2003年遼寧省霾日的不斷增加是燃煤導(dǎo)致的污染物增多和風(fēng)速減少共同導(dǎo)致的,兩者與霾日的相關(guān)系數(shù)分別為0.76和0.64;2003—2015年遼寧省霾日的減少可能與沈陽(yáng)市實(shí)施的“東搬西建”戰(zhàn)略有關(guān);2015年之后遼寧省霾日的顯著減少則可能與大氣污染防治導(dǎo)致的PM2.5濃度不斷減小有關(guān),同時(shí)較少的小風(fēng)日數(shù)也為霾日減少提供了有利的氣象條件。

本文利用重建后的霾序列分析了遼寧省年和四季霾日空間分布特征和時(shí)間變化規(guī)律,研究了風(fēng)向、風(fēng)速對(duì)霾形成的影響,探討了污染物排放、風(fēng)力因子和環(huán)境治理對(duì)霾日階段性變化的影響。但本文的分析仍具有一定的局限性和不確定性,比如由于資料限制,污染物排放僅考慮了原煤消耗量,氣象因子也僅僅分析了風(fēng)力條件這個(gè)單一氣象因子。但霾日的形成和變化有著極其復(fù)雜的原因,不僅與氣象條件、污染物排放有關(guān),還與環(huán)境治理、減排措施、環(huán)流背景、地形地貌、上下游污染物傳輸擴(kuò)散等多種因素有關(guān),對(duì)于遼寧省這樣的老工業(yè)基地,還可能受到國(guó)有企業(yè)改革、工業(yè)轉(zhuǎn)型升級(jí)等因素影響。本文將遼寧全省作為一個(gè)整體,宏觀上分析了其影響因子,尚未對(duì)更小尺度的市或縣級(jí)區(qū)域進(jìn)行分析,未來(lái)將針對(duì)遼寧省重點(diǎn)地區(qū)的霾日進(jìn)行研究,更加精準(zhǔn)地將霾日形成和變化的氣象因子和其他人為因子分離出來(lái)。