兰州市大气相对湿度与PM10浓度和大气能见度的相关性分析

董继元，刘兴荣，张本忠，王金艳，尚可政

1. 兰州大学公共卫生学院，甘肃 兰州 730000；2. 兰州大学大气科学学院，甘肃 兰州 730000

兰州市大气相对湿度与PM10浓度和大气能见度的相关性分析

董继元1，刘兴荣1，张本忠1，王金艳2，尚可政2

1. 兰州大学公共卫生学院，甘肃 兰州 730000；2. 兰州大学大气科学学院，甘肃 兰州 730000

将相对湿度RH与PM10浓度、大气能见度间的关系进行深入分析的研究目前还相对较少。利用兰州2002─2012年的环境气象资料，对相对湿度RH、PM10浓度与能见度之间的对应关系进行统计分析，以揭示RH与PM10浓度和大气能见度之间的直观联系，加深对灰霾形成过程的认识。将RH以5%的间隔进行划分，结果表明：各区间ρ(PM10)平均值与RH平均值呈显著线性负相关，R（相关系数）达 0.940；高颗粒物浓度更多地出现于低湿天气条件下，但高湿度非降雨天气条件下颗粒物容易积聚。随着RH增大，大气能见度随ρ(PM10)变化率的绝对值增大；RH在75%以上时，增加相同的ρ(PM10)所导致的大气能见度下降量是RH在40%～45%时的2倍以上；RH 45%～60%，大气能见度可较好地反映ρ(PM10)的变化，而RH大于60%时，大气能见度的降低主要反映ρ(PM10)含水量的快速增加而并非指示ρ(PM10)的增加。在分析无降水天气过程时发现，当RH在80%～90%之间时PM10的平均值明显下降，二者不呈负相关。可能的原因是这种高湿度天气通常出现在夏秋季节，一方面污染物排放强度较低，另一方面大气稳定度低，逆温层厚度比较稀薄，静风频率出现的概率比较低，风速相对于冬春季节较大（平均风速大于1.5 m·s-1），污染物易扩散。大气能见度与同期地面气象条件和主要污染物浓度的相关性比较表明，相对湿度、PM10是影响能见度的主要因子，兰州能见度变化对 PM10比较敏感。PM10对能见度的影响以冬季最为明显，秋季次之，夏季最弱。兰州由于特殊的河谷盆地地形，复杂的气象条件使得兰州地区大气相对湿度与PM10浓度和大气能见度的关系与国内其他地区存在较大的差异。

PM10；RH；大气能见度；兰州

DONG Jiyuan, LIU Xingrong, ZHANG Benzhong, WANG Jinyan, SHANG Kezheng. Relationships Among Relative Humidity, PM10Concentration and Atmospheric Visibility in Lanzhou [J]. Ecology and Environmental Sciences, 2015, 24(12): 1995-2001.

城市空气质量的好坏与人体健康与否密切相关。在多数城市，可吸入颗粒物（PM10）是主要的大气污染物，高浓度的 PM10污染是城市大气能见度下降的主要原因，同时高浓度的 PM10污染也能够引起一系列严重的心血管及呼吸道疾病，因而对其的研究日益受到重视。气象因素对污染物的扩散、稀释和积累有着重要作用，当污染源的分布和源强保持稳定时，污染物浓度大小主要取决于气象因素，如风向、风速、降水、温度、湿度、大气层结稳定度和混合层高度等。在诸多气象因素中，RH（相对湿度）对颗粒物浓度和大气能见度的影响较大（Mcmurry，2000），然而其与颗粒物浓度之间的关系至今仍没有统一的认识。有学者认为，当RH增大时颗粒物浓度下降（莫雨淳等，2008；张凯等，2008；Giri et al.， 2008）；但也有研究认为，RH增加时颗粒物浓度增大（徐敬等，2008；冯建军等，2009）。这种不一致的认识可能与研究区域和数据获取的分辨率（如逐小时值和日均值等）的不同有关。近些年来，兰州市经济迅速发展，城市化水平不断提高，其大气环境也开始出现一些新的特征：空气中可吸入颗粒物（PM10）浓度高；上空经常有逆温层存在，强度大、持续时间长，不利于污染物扩散，从而易出现灰霾天气。针对兰州市的空气污染问题，许多学者进行了大量的研究，如赵敬国等（2015）分析了兰州市大气边界层的特征和大气重污染天气的形成过程。中国科学院寒区旱区环境与工程研究所余晔课题组对兰州河谷盆地内污染气象条件和污染物扩散规律进行了研究，揭示了兰州市冬半年风向、风速、逆温、大气稳定度和混合层厚度等气象参数与污染物浓度的关系（何建军等，2013；刘娜等，2015）。上述这些研究大多侧重于从污染天气发生机制或天气动力学角度来描述局地气象条件对大气环境的影响，而将RH（相对湿度）与颗粒物浓度、大气能见度间的关系进行深入分析的研究相对较少。灰霾天气形成过程与颗粒物的浓度，相对湿度等气象因子均存在复杂的关系。

因此，本研究对2002─2012年兰州市RH（相对湿度）、温度、风速、ρ(PM10)等监测数据进行归类及简化处理，以揭示RH与PM10浓度和大气能见度之间的直观联系，以加深对灰霾形成过程的认识。

1　材料与方法

本文所用空气污染指数（Air Pollution Index，API）资料取自中华人民共和国环境保护部数据中心收集的兰州市空气质量日报数据，覆盖时间段为2002年1月─2012年12月共11 a。所用PM10浓度数据是根据空气污染指数的定义和API分级表计算得到的，代表兰州市区的平均空气质量状况。气象数据来源于兰州市中心气象台的2002─2012年地面常规观测资料，包括温度、大气能见度、相对湿度和风速等。

2　结果与讨论

2.1ρ(PM10)与RH的关系

对2002─2012年的ρ(PM10)与气象因素的相关分析可以看出，ρ(PM10)与RH、温度、风速的R（相关系数）分别为-0.176、-0.105、-0.237（P值均为0.000，P＜0.05）。ρ(PM10)与RH呈微弱的负相关。同时我们对各年度ρ(PM10)与RH、温度、风速的R（相关系数）进行了计算，各年度单独计算时R差异不大，说明这种负相关性是确实存在的。

为了更好地了解RH与ρ(PM10)的关系，尽可能地降低其他因素的干扰，我们对 2002─2012年共计3996条数据记录按照龚识懿等（2012）提出的方法以5%为间隔将RH划分为12个区间，即 RH＜45%、45%≤RH＜50%、50%≤RH＜55%、55%≤ RH＜60%、60%≤RH＜65%、65%≤RH＜70%，70%≤ RH＜75%、75%≤RH＜80%、80%≤RH＜85%、85%≤ RH＜90%、90%≤RH＜95%和RH>95%，分别计算各区间ρ(PM10)和RH的平均值。而后按年度分别计算每年不同区间 ρ(PM10)与 RH的相关系数。最后将2002─2012年这11年的所有区间的 ρ(PM10)和 RH的值整合为一个数据集从总体上计算二者的相关系数。按 RH分区平均后ρ(PM10)与RH间呈显著负相关，2002─2012年R分别为-0.812、-0.872、-0.913、-0.705、-0.863、-0.666、-0.838、-0.875、-0.775、-0.880、-0.792（P值均为0.000，P＜0.05）；整合11 a的不同区间数据后，ρ(PM10)与RH的R达到-0.940（P值为0.000，P＜0.05，此处的相关系数是 2002─2012年这11年的所有区间的ρ(PM10)和RH的值整合为一个数据集计算的总体相关系数）。图 1（a）为分区间处理后 ρ(PM10)与 RH间的显著相关性（P值为0.000，P＜0.05）。同时我们也对11年间不同季节的ρ(PM10)数据按RH分区间处理，同样也观察到了其与RH间显著的负相关性，春、夏、秋、冬季的R分别为-0.510、-0.801、-0.891、-0.591（P值为0.000，P＜0.05）、兰州地区春、夏、秋、冬季ρ(PM10)与RH相关系数存在一定的差异。这是由兰州地区特殊的气象条件造成的。每年春节兰州地区沙尘天气频发，早晚温差较大，同时大风天气较多，气候整体比较干燥，RH较低，由此ρ(PM10)与RH相关系数最小；冬季兰州气温较低，风速小，逆温层存在时间长，强度大，降水稀少，RH数值亦较低，ρ(PM10)与RH相关系数值也比较小；夏秋季节，兰州降水相比冬季比较多，同时植被比较茂盛，植物的蒸腾作用比较强，RH数值较高，ρ(PM10)与RH相关系数值比较好。

在没有对相对湿度进行划分区段时，由于不同季节不同时间段 ρ(PM10)数据可能同时受其他因素（如风速、温度和气压等）的较大影响，导致ρ(PM10)与RH相关性变弱，尤其是ρ(PM10)逐小时值极易受温度及大气混合层高度的日变化影响，RH对ρ(PM10)造成的实际影响容易被掩盖。通过对 RH分段把 ρ(PM10)数据进行平均可以从一定程度上消除其他因素的影响从而突出RH的影响。图1（a）为划分不同区间后的不同年度PM10浓度与大气相对湿度线性回归图，图1（b）为2002─2012年共3996条数据记录PM10浓度与大气相对湿度线性回归图。由图1（a）和图1（b）中相关系数的平方值R2可以得知，在没有划分为不同区间时，PM10浓度与大气相对湿度存在微弱的线性相关关系，线性相关趋势不明显；而划分为不同区间后，PM10浓度与大气相对湿度存在显著的线性相关关系，二者明显表现为线性相关。图 1（a）和（b）中线性拟合公式比较接近，说明对RH划分区段未明显改变RH和ρ(PM10)间的相关关系（龚识懿等，2012）。导致ρ(PM10)与RH呈显著负相关的原因可能是ρ(PM10)在 RH相对较高时容易发生湿沉降；同时， RH大于80%的多数时间都存在降水天气，雨水冲刷作用使ρ(PM10)明显下降，RH大于 90%的（有降水）天气条件下，兰州PM10平均值低于71 μg·m-3。在分析无降水天气过程时发现，当 RH在80%～90%（图1（c）中的空心圆）时，PM10的平均值明显下降，二者不呈负相关。可能的原因是这种高湿度天气通常出现在夏秋季节，一方面污染物排放强度较低，另一方面大气稳定度低，逆温层厚度比较稀薄，静风频率出现的概率比较低，风速相对于冬春季节较大（平均风速大于1.5 m·s-1），污染物易扩散。

图1　2002─2012年兰州ρ(PM10)与RH的线性回归相关关系（n=3 9960）Fig. 1 The relationship between PM10concentration and relative humidity during 2002─2012 in Lanzhou (n=3 996)

2.2RH与大气能见度的关系

城市大气能见度与湿度等气象条件有密切关系，同时大气颗粒物也是造成能见度下降的主要原因之一，并且大气能见度与颗粒物的成分也有密切关系，硫酸盐类和硝酸盐类是导致能见度下降的最主要成分。为更好地了解RH对大气能见度的影响，将兰州市2002─2012年大气能见度与RH的逐日数据按5% RH进行了划分。图2为兰州市2002─2012年不同RH区间的平均大气能见度。由图2可见，RH与大气能见度呈现逐年波动的趋势，不存在明显的线性关系，但总体而言，大气能见度随 RH增加存在比较明显的变化趋势：大气能见度却随RH的增加而减小（2003和2012年除外）。同时不同年份之间的变化趋势略有不同：2002、2004、2006、2008、2010和2011年RH在45%～60%时，大气能见度随RH的增加而增大；而在RH大于60%时，大气能见度却随RH的增加而减小。大气能见度随RH增加而减小的趋势在各RH区段无降水天气的大气能见度的11 a平均值上表现得更加明显，见图2（c）。

为了更清晰的观察 RH对大气能见度的影响，将2002、2004、2006、2008、2010和2011年数据提取出来重新绘图图，观察RH与大气能见度的关系，见图2（d）。由图1可知，ρ(PM10)随着RH的增大而减小，RH在45%～60%区间时，大气能见度的增加与 ρ(PM10)的减小相对应，表明 RH处于该区间时大气能见度的变化反映了ρ(PM10)的变化。大部分文献报道均指出能见度与相对湿度和空气污染物浓度呈负相关，与风速呈正相关，但在研究不同地区能见度与相对湿度和空气污染物浓度关系时，必须考虑当地的地势、地貌和周围自然生态环境及局地小气候的影响。兰州市地处青藏高原东北侧的黄河河谷盆地，三面临山，南北两侧山的相对高度分别为 300～600和200～300 m。受独特的地势、地貌和周围脆弱的自然生态环境（如气候干燥、植被稀疏、自然和二次扬尘量较大等）以及局地盆地小气候（如冬季静风频率大、逆温层厚、强度大等）的影响，兰州相对湿度大于60%的时间段基本出现在夏秋季节。在此时间段内，风速比较稳定，多有降水事件发生，局地污染物排放也比较低，污染气象扩散条件也较好，PM10浓度由于局地污染排放的减少和降水冲刷的影响，PM10浓度数值较低；但相对湿度在此季节较高，同时风速比较小，故当RH大于60%时，虽然PM10仍随RH增加而减小，但平均大气能见度也在不断下降，说明RH对大气能见度的影响占了主导地位。对颗粒物吸水性的研究表明，颗粒物的含水量随RH的增加而快速升高（Ansari et al.，1999），因此高RH时大气能见度的快速下降可能主要是颗粒物的高含水量所致，即高RH时的灰霾现象并不能完全指示颗粒物质量浓度的升高。当RH小于45%时，虽然ρ(PM10)较高，但大气能见度并未相应降低，表明ρ(PM10)高时灰霾现象不一定严重，一方面是由于兰州PM10中主要以粗粒子为主，另一方面RH较低时，不利于颗粒物吸湿增长。

图2　2002─2012年兰州大气能见度随RH的变化样品重复数（样品量）n=3 996Fig. 2 Average atmospheric visibility under differenL relative humidity during 2002─2012 in Lanzhou

为更好地反映RH对大气能见度的影响，本研究对不同RH区间（按5%划分）的ρ(PM10)与大气能见度的相关性进行了分析，为消除降水的影响，数据分析时去除了有降水的天数，在 RH区段内，ρ(PM10)与大气能见度均存在负相关关系，但大气能见度随ρ(PM10)的变化率各不相同。ρ(PM10)在45%～65%时，ρ(PM10)和大气能见度的相关性明显强于其他 RH区间；55%～60%和 60%～65%的2个区间中大气能见度与ρ(PM10)的R分别为-0.651和-0.646（P值为0.000，P＜0.05）。通过以上分析可以看出，大气能见度与 ρ(PM10)呈负相关，但在不同RH区间，ρ(PM10)对大气能见度的影响程度不同。通过定义不同RH区间大气能见度随ρ(PM10)的变化率来描述二者的关系。变化率定义：K=△V/△ρ(PM10)。

式中：K为变化率，K/(km·m3·μg-1)，△ρ(PM10)为ρ(PM10)的单位变化量；△V为大气能见度的变化量，km。K表示不同RH时，△ρ(PM10)所产生的△V。2002─2012年数据的分析结果表明，K与平均RH呈显著相关（R2为0.8569），即RH越大，K的绝对值越大（见图3）。

RH在大气能见度的下降中起着重要的作用。RH在75%以上时，相同的ρ(PM10)增加量所导致的大气能见度下降量是RH在40%～45%时的2倍以上。这与前人关于颗粒物的大气消光效率随RH增加而上升的结论一致（林云等，2009）。

不同RH下，大气能见度随ρ(PM10)变化率不同的原因除了颗粒物吸湿量随 RH产生变化外，RH也可通过气溶胶中的无机盐的吸湿增长影响大气能见度，并且不同组分的气溶胶吸湿增长因子不同（郑南等，2009；王启元等，2010；Schleiiker et al.，2004；Liu et al.，2008）。如较高的RH条件下，气态HNO3易溶解于气溶胶水滴中形成硝酸盐（Hu et al.，2008），而硝酸盐具有很强的吸水性，从而使颗粒物含水量和可见光散射量增加。因此，高湿度有利于霾的形成（张浩等，2010；Tan et al.，2009）。

图3　2002─2012年兰州大气能见度随ρ(PM10)的变化率（K）与RH的关系样品重复数（样品量）n=3 996Fig. 3 Relationship between the changing rate of atmospheric visibility to PM10concentration and relative humidity during 2002─2012 in Lanzhou

为了更好地比较不同地区大气相对湿度与PM10浓度和大气能见度的关系，我们检索了国内的相关文献，比较后发现，兰州由于特殊的河谷盆地地形，复杂的气象条件使得兰州地区大气相对湿度与 PM10浓度和大气能见度的关系与国内其他地区存在较大的差异。

兰州的大气能见度是在 RH 45%～65%时与PM10的相关系数最显著，55%～60%和60%～65%的2个区间中大气能见度与ρ(PM10)的R分别为-0.651和-0.646（P＜0.001）。陈义珍等(2010）在研究广州的大气能见度时则发现，RH在70%～80%时大气能见度与 PM10浓度间的相关性最好，相关系数为0.68。龚识懿等（2012）在对不同RH区段（问隔5%）的PM10与大气能见度的相关性进行分析后发现，RH在70%～80%时，PM10和大气能见度的相关性明显强于其他RH区段；70%～75%和75%～80%的2个区段中大气能见度与ρ(PM10)R分别为-0.72和-0.71（P＜0.001）。兰州大气能见度与 ρ(PM10)相关性最好的 RH区段低于广州和上海，这主要是兰州干旱的气候造成的。兰州地处黄土高原西部，降水稀少，且季节分配不均，同时植被覆盖情况较差，相对湿度较低，ρ(PM10)浓度的峰值一般出现在冬季采暖季和春季沙尘暴季节，在此期间，降水稀少，植被覆盖率低。正是上述两个影响因素使得兰州大气能见度与 ρ(PM10)相关性最好的 RH区段出现在45%～65%。

对兰州大气能见度与ρ(PM10)、RH相关性的研究表明，ρ(PM10)浓度和RH升高均会导致能见度下降，但在不同的季节，二者产生的影响是不同的。兰州大气能见度季节特征为夏季>春季>秋季>冬季，而PM10季节特征为冬季>春季>秋季>夏季，RH季节特征为秋季>冬季>夏季>春季。冬季能见度最低，PM10最高，RH仅次于秋季。秋冬季节风速小，降水稀少，加之兰州特殊的盆地地形，容易形成静风天气，导致大气垂直扩散能力变弱，不利于污染物的清除。兰州能见度变化对 PM10浓度变化比较敏感。对于春季而言，春季 PM10浓度较高，但大气能见度也比较好，一方面是由于春季沙尘或浮尘天气较多，PM10中主要以粗粒子为主，另一方面春RH最低，不利于颗粒物吸湿增长，对能见度的恶化贡献比较低。文献报道北京、上海、广州、成都的大气能见度与ρ(PM10)、RH关系与兰州相比，差异明显。北京大气能见度季节特征为春季>冬季>秋季>夏季，PM10季节特征为春季>冬季>秋季>夏季，RH季节特征为夏季>秋季>冬季>春季。春季PM10浓度最高，但大气能见度最高，一方面是由于春季沙尘或浮尘天气较多，PM10中主要以粗粒子为主，另一方面春季RH最低，不利于颗粒物吸湿增长。春季对应的霾天气频率也是最低。虽然夏季PM10浓度最低，但是夏季RH最高，有利于颗粒物吸湿增长，从而导致夏季能见度最低，霾天气频率也最高。值得注意的是，夏季总辐射较强，降雨量最大，说明夏季大气垂直扩散能力强，有利于污染物的清除，但是夏季霾天气频率最高，可见夏季较高的RH是导致霾天气最为重要的因子之一（戴永立等，2013）。上海能见度季节特征为夏季>秋季>春季>冬季，PM10季节特征为春季>冬季>秋季>夏季。春季 RH相对较低，均值为65%，其它季节较高，为70%左右。尽管春季PM10浓度最高，但能见度不是最低，主要原因是春季RH最低，不利于颗粒物吸湿增长，霾天气频率仅为10.8%。夏季总辐射、风速和降雨量均最大，从而使得 PM10浓度最低，能见度最高，霾天气频率也最低，仅为7.3%。与此相反，冬季能见度较高，总辐射、风速和降雨量均最小，加之较高的RH使得冬季能见度最低，霾天气频率也最大（戴永立等，2013）。广州能见度季节特征为夏季>秋季>冬季>春季，PM10季节特征为冬季>春季>秋季>夏季；RH春季和夏季较高，均值在75%左右，秋冬季相对较低，均值在65%左右。尽管春季 PM10浓度略低于冬季，但是能见度却是春季最低，其主要原因是春季RH显著高于冬季，较高的RH利于颗粒物吸湿增长，其霾天气频率最高，达到44.6%。夏季大气能见度最好，其原因与上海一致（戴永立等，2013）。成都能见度季节特征为夏季>春季>秋季>冬季，PM10季节特征为冬季>春季>秋季>夏季，RH季节特征为秋季>冬季>夏季>春季。尽管春季和冬季 PM10浓度略高于秋季，但秋季RH最高，有利于颗粒物吸湿增长，其霾天气频率最高，达到72.1%。冬季大气能见度最低，PM10最高，RH仅次于秋季，其霾天气频率达到71.0%。秋冬季总辐射和风速均非常低，加之降雨量也较小，可见不利的气象条件是导致秋冬季能见度较低且霾天气频率高的主要原因（戴永立等，2013）。通过分析能见度的季节变化的影响因子，可知兰州与北京、上海、广州、成都4个超大城市大气能见度的主要影响因子略有不同，导致兰州地区能见度恶化的主要要影响因子除了ρ(PM10)、RH以外，兰州特殊的“两峡一谷”盆地地形亦对兰州地区大气能见度相当大的贡献和影响。“两峡一谷”形成了特殊的盆地气候：逆温频率高，逆温层厚度大，市区一年四季均有逆温层存在，同时风速小，静风频率高，北京、上海、广州、成都位于平原地区，局地气象扩散条件较好，受地形影响较小。大气能见度主要是受污染物排放和气象因素共同作用。此外北京、上海、广州、成都颗粒物中化学组分不论是空间还是时间上均有差异，因此ρ(PM10)、RH对大气能见度的影响也是不同的。RH对北京影响最为显著，而对上海、广州和成都的影响相当。PM10对上海影响最为显著，其次为广州、北京和成都。

3　结论

将兰州2002─2012年日均 ρ(PM10)和大气能见度等按12个RH区间进行归类处理后，各区间的ρ(PM10)平均值与RH呈显著的线性负相关。RH在45%～60%区段时，大气能见度随RH增加、ρ(PM10)下降而升高，大气能见度可较好地反映大气颗粒物污染水平；而在RH大于60%时，大气能见度随 RH增加、ρ(PM10)下降而下降，表明高湿度时颗粒物的含水量对大气能见度起控制作用。兰州大气相对湿度与PM10浓度和大气能见度的关系与北京、上海、广州、成都相比存在一定的差异。

ANSARI A S, PANDIS S N. 1999. Prediction of multicomponent inorganic atmospheric aerosol behavior [J]. Atmosphere Environment, 33(5): 745-757.

GIRI D, KRISHNA RTHY V, ADHIKARY P R et al. 2008. The influence of meteorological conditions on PM10 concentrations in Kathmandu valley [J]. International Journal of Environmental Research, 2(1): 49-60.

HU M, WU Z J, SLANINA J, et al. 2008. Acidic gases, ammonia and water-soluble ions in PM2.5at a coastal in the Pearl River Delta China [J]. Atmosphere Environment, 42(25): 6310-6320.

LIU X G, CHENG Y F, ZHANG Y H, et al. 2008. Influences of relative humidity and particle chemical composition on aerosol scattering properties during the 2006 PRD campaign [J]. Atmosphere Environment, 42(7): 1525-1536.

MCMURRY P H. 2000. A review of atmospheric aerosol measureement [J]. Atmospheric Environment, 34(s 12-14): 1959-1999.

SCHLEIIKER J C, VIALIIIOWSKI A, MARTIN S T, et al. 2004. Crystals formed at 293 K by aqueous sulfate nitrate-ammonium proton aerosol particles [J]. Journal of Physical Chemistry A, 108(43): 9375-9383.

TAN J H, DUAN J C, CHEN D H, et al. 2009. Chemical characteristics of haze during summer and winter in Guangzhou [J]. Atmosphere Research, 94(2): 238-245.

陈义珍, 赵丹, 柴发合, 等. 2010. 广州市与北京市大气能见度与颗粒物质量浓度的关系[J]. 中国环境科学, 30(7): 967-971.

戴永立, 陶俊, 林泽健, 等. 2013. 2006-2009年我国超大城市霾天气特征及影响因子分析[J]. 环境科学, 34(8): 2925-2932.

冯建军, 沈家芬, 梁任重, 等. 2009. 广州PM10与气象要素的关系分析[J]. 中国环境监测, 25(1): 78-81.

龚识懿, 冯加良. 2012. 上海地区大气相对湿度与PM10浓度和大气能见度的相关性分析[J]. 环境科学研究, 25(6): 628-632.

何建军, 余晔, 刘娜, 等. 2013. 基于WRF模式的兰州秋冬季大气污染预报模型研究[J]. 气象, 39(10): 1293-1303.

林云, 孙向明, 张小丽, 等. 2009. 深圳市大气能见度与细粒子浓度统计模型[J]. 应用气象学, 20(2): 252-256.

刘娜, 余晔, 何建军, 等. 2015. 兰州冬季大气污染来源分析[J]. 环境科学研究, 28(4): 509-516.

莫雨淳, 郑凤琴, 廖国莲. 2008. 南宁市PM10浓度与气象条件分析[J].气象研究与应用, 29(1): 55-56.

王启元, 曹军骥, 甘小凤, 等. 2010. 成都市灰霾与正常天气下大气PM2.5的化学元素特征[J]. 环境化学, 29(4): 644-648.

徐敬, 丁国安, 颜鹏, 等. 2007. 北京地区P M2.5的成分特征及来源分析[J]. 应用气象学报, 18(5): 645-654.

张浩, 石春娥, 邱明燕, 等. 2010. 合肥市霾天气变化特征及其影响因子[J]. 环境科学学报, 30(4): 714-721.

张凯, 柴发合, 张新民, 等. 2008. 秋季嘉兴PM2.5质量浓度特征分析[J]. 环境科学研究, 21(3): 1-6.

赵敬国, 王式功, 张天宇, 等. 2015. 兰州市大气重污染气象成因分析[J]. 环境科学学报, 35(5): 1547-1555.

郑南, 吉昂, 王河锦, 等. 2009. 北京市冬季霾天气可吸入颗粒物的矿物学研究[J]. 北京大学学报: 自然科学版, 45(5): 825-832.

Relationships Among Relative Humidity, PM10Concentration and Atmospheric Visibility in Lanzhou

DONG Jiyuan1, LIU Xingrong1, ZHANG Benzhong1, WANG Jinyan2, SHANG Kezheng2
1. School of Public Health, Lanzhou University, Lanzhou 730000, China; 2. College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China

Along with the acceleration of urbanization, the problem of urban atmospheric environment has become one of the hot issues concerned by people. Numerous studies showed that the special weather condition was one of the main factors leading to urban air pollution incidents, while RH (relative humidity) exerted a greater impact on PM10concentration and atmospheric visibility among those meteorological factors. There were few researches in which the relationship of RH with PM10concentration and atmospheric visibility was analyzed deeply. Based on the environmental and meteorological data of Lanzhou from 2002 to 2012, a statistical analysis on the corresponding relationship of RH with PM10concentration and atmospheric visibility was conducted in this paper in order to reveal the visual relation of RH with PM10concentration and atmospheric visibility and deepen the understanding about the forming process of haze. After dividing the RH according to an interval of 5%, it was shown in the results that: there was a significant negative correlation between the mean of ρ(PM10) values of all sections and the average RH, with a R (correlation coefficient) reaching 0.940; high concentration of particulate matters appeared more frequently under weather conditions with low RH, but particulate matters were easy to accumulate under high-humidity and non-precipitation weather conditions. With the increase of RH, atmospheric visibility would rise along with the absolute value of the change rate of ρ(PM10); when RH was higher than 75%, the declining quantity of atmospheric visibility dropped by the same increased amount of ρ(PM10) was more than two times of the one when RH was between 40% an 45%; when RH was in the range from 45% to 60%, atmospheric visibility could reflect the change of ρ(PM10) relatively well, while when the RH was greater than 60%, the decline of atmospheric visibility mainly reflected the rapid increase of the water content of ρ(PM10) but didn’t indicate the increase of ρ(PM10). During the analysis on the non-precipitation weather, it was found that when RH was between 80% and 90%, the average of PM10would decrease significantly, showing no negative correlation between them, which was possibly because such high-humidity situation usually occurred in summers and autumns. On the one hand, the intensity of pollutant emission was relatively low in summers and autumns; on the other hand, the atmospheric stability was low as well, and the inversion layer was rather thin. In addition, the frequency of occurrence of calm wind was relatively low, so the wind speed was higher than the one in springs and winters (whose average wind speed was greater than 1.5m/s), which allowed the pollutants to spread easily. The comparison on the correlations of atmospheric visibility with the simultaneous meteorological conditions and the concentration of major pollutants showed that RH and PM10were the major factors affecting the visibility, and the visibility of Lanzhou was more sensitive to the changes of PM10. The influence of PM10on visibility was most obvious in winters, successively followed by autumns and summers whose impact was the weakest. Due to the special terrain of basin valley and the complex meteorological conditions in Lanzhou, the relationship of its atmospheric RH with PM10concentration and atmospheric visibility is of significant difference from the one of other regions in China.

PM10; relative humidity; visibility; Lanzhou

10.16258/j.cnki.1674-5906.2015.12.011

X16

A

1674-5906（2015）12-1995-07

国家自然科学基金项目（41575138）；2013年度兰州大学“中央高校基本科研业务费专项资金”重大需求培育项目（lzujbky–2013–m03）；2015年度兰州大学“中央高校基本科研业务费专项资金”面上项目（lzujbky-2015-264）

董继元（1982年生），男（满族），副教授，博士，研究方向为大气污染与健康。E-mail: yuiopdongjiyuan@163.com

2015-06-19

引用格式：董继元, 刘兴荣, 张本忠, 王金艳, 尚可政. 兰州市大气相对湿度与 PM10浓度和大气能见度的相关性分析[J]. 生态环境学报, 2015, 24(12): 1995-2001.