不同时间角度下的中国霾日数时空变化格局研究(1961年～2015年)

孔 锋， 吕丽莉， 方 建， 张黎黎， 王卓妮

(1.中国气象局 发展研究中心， 北京 100081； 2.中国气象局 气象干部培训学院， 北京 100081；3.北京师范大学 地表过程与资源生态国家重点实验室， 北京 100875；4.民政部/教育部 减灾与应急管理研究院， 北京 100875； 5.武汉大学 资源与环境科学学院， 武汉 430079)

不同时间角度下的中国霾日数时空变化格局研究(1961年～2015年)

孔 锋1，2，3，4*， 吕丽莉1，2， 方 建5， 张黎黎2， 王卓妮2

(1.中国气象局 发展研究中心， 北京 100081； 2.中国气象局 气象干部培训学院， 北京 100081；3.北京师范大学 地表过程与资源生态国家重点实验室， 北京 100875；4.民政部/教育部 减灾与应急管理研究院， 北京 100875； 5.武汉大学 资源与环境科学学院， 武汉 430079)

采用2 474个站点数据，从年际、月际和周际变化角度，利用线性趋势和反距离权重插值等多种方法，计算了1961年～2015年中国霾日数时空变化特征.结果表明：在年际尺度上，1961年～2015年中国年均霾日数在波动中呈“先上升(1961年～1980年)-后平稳(1981年～2000年)-再迅速上升(2001年～2015)”的三段式变化特征.在月际尺度上，1～12月份的年均霾日数呈现出“U”型分布，且所有月份的平均霾日数均呈现增加趋势.在周际尺度上，中国年均霾日数从周一到周日呈现出先减少后增加再减少的特征，但变化幅度不大.1961年～2015年中国周一到周日的平均霾日数均呈一致性增加趋势.在空间分布上，1961年～2015年中国年均霾日数变化趋势呈“东南增加显著-西北增加不显著”的空间分异格局.中国华北、华中、华东和华南地区的年代际年均霾日数随年代推移逐渐从负距平演变为正距平.不同月份的年均霾日数呈现出“东南高-西北低”的空间格局.1月和12月份年均霾日数达到2.7 d/a以上的地区分布较广，其它月份分布范围则相对较小.1961年～2015年周一到周日的年均霾日数超过4.5 d/a的地区主要分布在京津冀、长三角、珠三角、山西和陕西地区.通过对比可以发现不同星期的年均霾日数在空间分布上变化不大.

霾天气； 多时间尺度； 月际变化； 周变化； 时空格局； 城市化； 中国

近些年来伴随着中国快速城市化和工业化进程，越来越多的工业废气被排放到大气中[1-3]，社会各界逐渐感受到中国霾日数呈现明显上升趋势[4-6]，严重污染事件也在呈现高发态势[7].从2010年以来，雾霾成为全社会普遍关注的环境问题之一，并成为近年来的年度关键词.因此，2014年1月4日，国家减灾办、民政部首次将危害健康的雾霾天气纳入2013年自然灾情进行通报[8-9].可见，霾天气的时空变化研究具有重要的科学意义和现实意义.

霾是特定气候条件与人类活动相互作用的结果[10].霾的源头多种多样，比如汽车尾气、工业排放、建筑扬尘、垃圾焚烧，甚至火山喷发等等，霾天气通常是多种污染源混合作用形成的[11].但各地区的雾霾天气中，不同污染源的作用程度各有差异[12].高密集的经济及社会活动必然会排放大量细颗粒物，一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围的霾[13-15].长时期以来，在经济增长和城镇化等主要目标的引领下，中国社会各领域的能源类需求增长速率远远高于世界其他国家和地区，快速经济发展所带来的污染物排放和城市建成区面积增长也呈现增加趋势[16-17]，尤其是胡焕庸线以东的地区是高密度经济增长和高浓度污染物排放的集中地区.同时城市里大楼越建越高，阻挡和摩擦作用使风流经城区时明显减弱[18].静风现象增多，不利于大气中悬浮微粒的扩散稀释，容易在城区和近郊区周边积累[19].据统计中国最大的500个城市中，只有不到1%的城市达到世界卫生组织推荐的空气质量标准，与此同时，世界上污染最严重的10个城市有7个在中国[20].2013年以来，全国重点城市的空气污染天数已经占到相当大的比例，其中北京175 d、天津197 d、沈阳152 d、成都125 d、石家庄264 d、兰州122 d.2013年北京空气质量一级优的天数有41 d；二级良天数135 d；三级轻度污染天总计84 d；四级中度污染天为47 d；五级重度污染有45 d；六级严重污染一共13 d[17]；全年优良天数共计176 d，占全年总天数的48.22%，不足一半；在重污染天数方面，五级和六级重污染天数累计出现58 d，占全年总天数的15.9%，平均下来，相当于每隔6 d或7 d，就会出现一次重污染天气过程.2014年秋季至2015年春季，中国东部广大地区包括华北中南部、江淮北部在内的150万km2范围被霾天气所笼罩[22-23].

持续高发、频发、连片、且越来越严重的雾霾，使城市空气污染问题成为公众最关心的问题之一.漫天的雾霾，让不少人感受到了一种无力的焦虑和无解的迷茫，不知道怎么去消除.这种“雾锁霾困”之下的无力感使上上下下痛定思痛，高层重视、公众呼吁和随时可能再来的雾霾的倒逼下，地方政府开始采取各种措施治理雾霾，有的着力治标，有的着力治本[24-26].已有大量研究开始关注霾天气变化，并探究其可能的成因机制[27-30].如宋连春等研究了中国霾日数的变化特征和气候成因[16]，丁一汇等研究了近50年我国雾和霾的长期变化特征及其与大气湿度的关系[17]，郑庆锋等进行了上海霾天气发生的影响因素分析[18].现有研究多从单一尺度研究霾日数时空变化，而不同尺度的霾日数研究则可以揭示霾天气变化的不同信息.

基于这一现状，本文从年际、月际和周际尺度出发，从时间序列动态变化和空间分布格局两方面诊断中国1961年～2015年年均霾日数演变规律，为全面了解霾日数时空变化提供参考，同时也为区域霾治理提供可能的科技支撑.

1数据和方法

1.1数据来源和质量控制

本文采用霾日数数据来自“雾霾专题数据集(V1.0)”.该数据集包含了1961年～2015年中国2 474个国家级地面气象站的霾天气现象观测数据，站点分布如图1所示.如果出现霾天气记为1，未出现则记为0，当天无天气现象观测为8.在质量控制方法上，本数据集制作过程中，应用气候界限值或允许值检查、内部一致性检查和空间一致性检查3类方法，进行质量控制，质量良好.本数据集主要基于地面基础气象资料建设项目归档的“1951年～2010年中国2 474个国家级地面站数据更正后的月报数据文件基础资料集”研制.在2011年3月～2012年6月中国气象局开展的地面基础气象资料建设工作中，对1951年～2010年2 474个国家站月报数据文件中的观测数据进行了反复质量检测与控制，期间纠正了大量的错误数据，并对数字化遗漏数据进行了补录，使得数据质量和完整性得到明显提升.各省上报至国家气象信息中心的2011年1月及以后地面气象观测数据文件，在日常资料处理业务中经过了严格的“台站-省级-国家级”三级质量控制.实时上传的地面气象要素数据文件经过了省级质量控制.各要素项数据的实有率均在98%以上，数据的正确率均接近100%.

图1 中国数字高程和气象站点分布Fig.1 Digital elevation and meteorological station distribution in China

1.2计算方法

在时间上，本文统计了1961年～2015年中国2 474个站点在年、月和周尺度的研究时段平均霾日数和逐年平均霾日数变化.在空间上，本文根据2 474个站点相应计算结果，利用地理学和气象学中常用的反距离权重(IDW)方法插值成1 km×1 km的不同年、月和周尺度的栅格空间分布数据.本文年代划分依次为1961年～1970年、1971年～1980年、1981年～1990年、1991年～2000年、2001年～2010年和2011年～2015年，分别记为1960S、1970S、1980S、1990S、2000S和2010S.

2结果与分析

2.1年际/年代际尺度霾日数时空变化格局

从时间序列来看，在年际变化上，1961年～2015年中国年均霾日数在波动中呈现出“先上升(1961年～1980年)-后平稳(1981年～2000年)-再迅速上升(2001年～2015年)”的三段式动态变化特征(图2).中国年均霾日数从1961年的3.27 d/a增加到2015年的31.08 d/a，同比增加了约8.50倍.1961年～2015年中国霾日数变化均值为8.88 d/a，其中2001年～2015年的中国年均霾日数的增加幅度远大于1961年～1980年.在年代际变化上，中国年代际年均霾日数也呈现出增加趋势，增加幅度从1960S到2010S分别为3.72、7.22、6.06、7.49、11.74和25.17 d/a，2010S相比1960S增加了约5.76倍.

图2 1961年～2015年中国年均霾日数变化Fig.2 Average annual haze days change in China from 1961 to 2015

从空间格局来看，在长期气候态分布上，1961年～2015年中国年均霾日数大致以黑龙江漠河至云南腾冲一线为界呈现出显著的“东南高-西北低”的空间分异格局(图3)，尤其在人口稠密、工业化和城镇化程度较高的华北、华中、华东和华南地区年均霾日数出现频率相对较高，大都在9 d/a以上，而东北和福建及广东东部地区年均霾日数出现频率相对较低.广大的西部地区的年均霾日数大都小于1 d.在变化趋势上，1961年～2015年中国年均霾日数呈“东南增加显著-西北增加不显著”的空间分异格局.其中在华北、华中、华东和华南的多数地区年均霾日数增加趋势最高，趋势值大都超过4 d/10a；陕西年均霾日数减少趋势最高，趋势值为-4 d/10a；其它地区的年均霾日数则增减趋势不显著，增减趋势值大都在小于1 d/10a.

在年代际年均霾日数距平上，采用各年代年均霾日数减去1961年～2015年年均霾日数，从而得到各年代年均霾日数距平(图4)，正距平表示该年代年均霾日数大于1961年～2015年年均霾日数，反之亦然.从图4可知，随着年代推移，中国华北、华中、华东和华南地区的年代际年均霾日数逐渐从负距平演变为正距平.其中1960S华北、华中、华东和华南包括陕西地区年均霾日数均为较大的负距平，负距平值大都超过8 d/a；1970S东南沿海和山西地区年均霾日数依旧延续较大的负距平，而陕西和华中地区则演变为较大的正距平，正距平值大都超过8 d/a；1980S最为显著的变化是陕西和华中地区年均霾日数演变为正距平，而长江中下游一带年均霾日数则出现正距平.从1990S开始到2010S中国华北、华中、华东、华南、东北南部和西北西部广大地区的年代际年均霾日数逐渐从负距平演变为正距平，尤其是从东北南部连绵延续到华南，广大东部地区的年均霾日数呈正距平，且连成片，正距平值大都超过8 d/a.

图3 1961年～2015年中国年均霾日数气候态(左)和变化趋势(右)空间格局Fig.3 Spatial pattern of average annual haze days climate state (left) and long-term trend (right) in China from 1961 to 2015

2.2月际尺度霾日数时空变化格局

从时间序列来看，在月际时间分布上，1961年～2015年中国1～12月份的年均霾日数呈现出“U”型分布(图5)，其中5～9月份年均霾日数较低，10～12月份和1～4月份年均霾日数则相比较高.其中7月和8月份年均霾日数最低，仅为0.26和0.25 d/a，12月和1月份最高，分别达1.42和1.38 d/a，12月份约为8月份的5.70倍.在变化趋势上，所有月份的平均霾日数均呈现出一致性的增加趋势(图6)，其中5月、8月和7月份平均霾日数的变化趋势最小，线性趋势值分别仅为0.10、0.12和0.14 d/10a；1月、10月和12月份平均霾日数的变化趋势最大，线性趋势值分别达0.42、0.39和0.38 d/10a，1月份是5月份的约4.20倍.

图4 1961年～2015年中国年代际年均霾日数距平空间格局Fig.4 Spatial pattern of decadal average annual haze days anomaly in China from 1961 to 2015

图5 1961年～2015年中国不同月份年均霾日数Fig.5 Average annual haze days in different month in China from 1961 to 2015

图6 1961年～2015年中国不同月份平均霾日数逐年变化Fig.6 Average annual haze days change in different month in China from 1961 to 2015

图7 1961年～2015年中国不同月份年均霾日数空间格局Fig.7 Spatial pattern of average annual haze days in different month in China from 1961 to 2015

从空间格局来看，1961年～2015年中国不同月份的年均霾日数呈现出“东南高-西北低”的空间分异特征(图7).其中1和12月份中国年均霾日数达到2.7 d/a以上的地区分布较广，主要分布在华北、华中、华东和华南及其周边的大多数地区，且连绵成片分布.2月、3月、4月、10月和11月份也主要分布在华北、华中、华东和华南及其周边地区，但分布范围远不如1月和12月份分布广泛，且呈现不同程度的零散分布特征.5～9月份的年均霾日数超过2.7 d/a的地区范围较小，尤其是7月和8月份分布范围最小，仅在山西南部、京津冀和珠三角等地区有零散分布.从12个月份的对比可以发现冬半年年均霾日数超过2.7 d/a的分布范围广，而夏半年分布范围则相对较小.

2.3周际尺度霾日数时空变化格局

从时间序列来看，在周际分布上，1961年～2015年中国周一到周日的年均霾日数呈现明显的波动性特征(图8).周一到周三呈减少趋势，周三到周五呈增加趋势，周五到周六再次呈减少趋势.其中周五年均霾日数最高，达1.284 d/a，周三最低，为1.259 d/a，可以看出两者之间的差别很小.在变化趋势上，1961年～2015年周一到周日的平均霾日数均呈现出一致性的增加趋势(图9)，趋势值基本在0.40 d/10a，并呈现出“先增加(1961年～1980年)-后平稳(1981年～2000年)-再迅速增加(2001年～2015年)”的三段式动态变化特征，大致从1961年的0.5 d/a增长到2015年的4.5 d/a，增加了约8倍.值得注意的是从整体来看周一到周日的年均霾日数基本类似，没有显著的差异.

从空间格局来看，1961年～2015年中国周一到周日的年均霾日数的空间分布格局大致相同(图10).年均霾日数超过4.5 d在空间分布上主要分布在京津冀、长三角、珠三角、山西和陕西地区.这些地区位于黑龙江漠河至云南腾冲一线以东，人口稠密、工业化和城市化发展速度较快.通过对比可以发现不同星期的年均霾日数在时空分布上虽有差异，但变化幅度不大.

图8 1961年～2015年中国不同星期年均霾日数Fig.8 Average annual haze days in different week day in China from 1961 to 2015

图9 1961年～2015年中国不同星期平均霾日数逐年变化Fig.9 Average annual haze days change in different week day in China from 1961 to 2015

图10 1961年～2015年中国不同星期年均霾日数空间格局Fig.10 Spatial pattern of average annual haze days in different week day in China from 1961 to 2015

3结论和讨论

3.1结论

1) 在年际变化上，中国年均霾日数从1961到2015年增加了约8.50倍.在空间上，呈“东南高-西北低”的空间格局.在变化趋势上，呈“东南增加显著-西北增加不显著”的空间分异格局.中国华北、华中、华东和华南地区的年代际年均霾日数随年代推移逐渐从负距平演变为正距平.

2) 在月际变化上，1961年～2015年中国1～12月份的年均霾日数呈现出“U”型分布，且呈增加趋势.在空间上，年均霾日数呈现出“东南高-西北低”的空间格局.

3) 在周际变化上，中国年均霾日数从周一到周日呈现出先减少后增加再减少的特征.1961年～2015年中国周一到周日的平均霾日数均呈一致性增加趋势，从1961年到2015年大致增加了约8倍.同时通过对比可以发现不同星期的年均霾日数在时空分布上虽有差异，但变化幅度不大.

3.2讨论

1) 霾日数演变特征的影响因素分析.从本文发现1961年～2015年中国霾日数变化呈现出“先上升(1961年～1980年)-后平稳(1981年～2000年)-再迅速上升(2001年～2015年)”的三段式变化特征.这种变化特征与中国城市化率和能源消耗总量具有一定的相似性，相关系数均达到0.90以上，通过了0.01显著性水平的检验.随着城市化和工业化进程的加快，中国人为排放的PM2.5和PM10等颗粒物显著增加.城市化进程使得城市地表景观覆盖大大改变，地表粗糙度变大，高大的建筑群阻碍了城市风道，使得近地表的风趋于紊乱，同时城市建筑物聚集，高低大小不等，风流动时增加了阻力，因而城市风速一般来说比郊外小.同时，全球变暖背景，使得近地表的风速减小，风速下降幅度介于5%到15%之间[4].因此，是否由于排放的增加叠加了城市化影响和风速减小导致了霾的频繁发生.目前还尚待进一步从统计诊断和模式模拟两方面进行验证.

2) 探究不同强度和时间霾天气时空演变规律.学界现有的霾时空变化特征研究主要集中于单次霾事件发生发展过程和霾日数在时间上的动态变化和空间上的分布差异两方面[10-11，16].对霾变化的研究较少有从不同强度和不同持续时间开展霾变化研究.不同强度和不同尺度持续时间的霾天气严重影响着经济社会生产活动和人民群众生命健康.因此，需要深入系统的对霾天气的强度和时间进行划分，并对其时空演变特征开展相应研究.

3) 开展霾天气变化区划研究.霾的发生主要集中在中国东部区域，且在不同月份具有显著差别，但这均是从长期气候态研究霾日数的时空特征.随着气候变化研究的进一步深化，需要厘定气候要素的变化趋势、波动特征和极端值的变化规律和影响.因此，亟需从变化趋势、波动特征和极端霾天气三方面开展霾天气的变化趋化研究势在必行，正逢其时.这不仅有助于合理开展城市规划建设，而且也是理解霾天气发生发展和成因机制的重要基础之一.

4) 亟待霾天气的影响研究.霾天气出现时空气质量变差，能见度降低.因此，社会各界纷纷讨论霾的频发是否会加剧各类疾病和交通事故的发生.一些学者认为霾天气导致近地层紫外线减弱，容易使得空气中病菌的活性增强，细颗粒物会带着细菌、病毒，来到呼吸系统的深处，造成感染[27].社会各界关注焦点问题主要集中在以下几方面：不同地区中的霾的物质组成是否有显著差别？霾中的物质组成中是否含有对人体有害的成分？霾天气的频发与神经系统、心血管系统、呼吸系统、内分泌系统疾病的集中出现在统计上和因果上有何种关联性.霾天气的发生是否显著增加了交通事故的频次？以上这些问题均是社会各界争论的焦点，尚未完全取得共识，有待进一步研究.

[1] HUANG R， ZHANG Y， BOZZETTI C， et al. High secondary aerosol contribution to particulate pollution during haze events in China[J].Nature， 2014， 514(7521):218-222．

[2] GUO S， HU M， ZAMORA M， et al. Elucidating severe urban haze formation in China[J].Proceedings of the National Academy of Sciences of the United States of America， 2014， 111(49):17373-17378．

[3] 吴 兑. 近十年中国灰霾天气研究综述[J].环境科学学报， 2012， 32(2):257-269．

[4] MENG R， ZHAO F， SUN K， et al. Analysis of the 2014 “APEC Blue” in Beijing using more than one decade of satellite observations: lessons learned from radical emission control measures[J]. Remote Sensing， 2015， 7：15224-15243．

[5] LIU J， LI J， LIU D， et al. Source apportionment and dynamic changes of carbonaceous aerosols during the haze bloom-decay process in China based on radiocarbon and organic molecular tracers[J].Atmospheric Chemistry & Physics， 2015， 15(23):34949-34979．

[6] ZHANG X， WANG J Z， WANG Y Q， et al. Changes in chemical components of aerosol particles in different haze regions in China from 2006 to 2013 and contribution of meteorological factors[J]. Atmospheric Chemistry & Physics， 2015， 15(2):12935-12952．

[7] OHARA T， AKIMOTO H， KUROKAWA J， et al. An Asian emission inventory of anthropogenic emission sources for the period 1980-2020[J]. Atmospheric Chemistry & Physics， 2007， 7(16):6843-6902．

[8] 尹志聪， 王会军， 郭文利. 华北黄淮地区冬季雾和霾的时空气候变化特征[J].中国科学:地球科学，2015(5):649-655．

[9] 郭 婷， 朱 彬， 康志明， 等. 1960-2012年长江三角洲地区雾日与霾日的气候特征及其影响因素[J].中国环境科学， 2016， 36(4):961-969．

[10] 高 歌. 1961-2005年中国霾日气候特征及变化分析[J].地理学报， 2008， 63(7):761-768．

[11] 胡亚旦， 周自江. 中国霾天气的气候特征分析[J].气象， 2009， 35(7):73-78．

[12] 史 军， 崔林丽， 贺千山， 等. 华东雾和霾日数的变化特征及成因分析[J].地理学报， 2010， 65(5):533-542．

[13] 伍红雨， 杜尧东， 何 健， 等. 华南霾日和雾日的气候特征及变化[J].气象， 2011， 37(5):607-614．

[14] 赵桂香， 杜 莉， 卫丽萍， 等. 一次持续性区域雾霾天气的综合分析[J].干旱区研究， 2011， 28(5):871-878．

[15] 苗爱梅， 李 苗， 王洪霞. 一次持续性雾霾天气过程的阶段性特征及影响因子分析[J].干旱气象， 2014， 32(6):947-953．

[16] 宋连春， 高 荣， 李 莹， 等. 1961-2012年中国冬半年霾日数的变化特征及气候成因分析[J].气候变化研究进展， 2013， 9(5):313-318．

[17] 丁一汇， 柳艳菊. 近50年我国雾和霾的长期变化特征及其与大气湿度的关系[J].中国科学:地球科学， 2014(1):37-48．

[18] 郑庆锋， 史 军. 上海霾天气发生的影响因素分析[J].干旱气象， 2012(3):367-373．

[19] 孙 彧， 马振峰， 牛 涛， 等. 最近40年中国雾日数和霾日数的气候变化特征[J].气候与环境研究， 2013(3):397-406．

[20] SONG L， GAO R， LI Y， et al. Analysis of China’s haze days in the winter half-year and the climatic background during 1961-2012[J].Advances in Climate Change Research， 2014， 28(1):1-6．

[21] 张小曳， 孙俊英， 王亚强， 等. 我国雾-霾成因及其治理的思考[J].科学通报， 2013(13):1178-1187．

[22] 廖要明， 王 凌， 王遵娅， 等. 2015年中国气候主要特征及主要天气气候事件[J].气象， 2016， 42(4):472-480．

[23] 陈 宇. 中国城市大气污染的影响因素研究[D].杭州：浙江大学， 2016．

[24] 崔 妍， 赵春雨， 王 涛， 等. 1961-2013年辽宁省不同等级霾现象时空分布特征及其气候成因[J].环境科学学报， 2015， 35(6):1629-1637．

[25] 孙 蕊. 北京地区雾霾气象因子分析及判别标准的改进[D].南京：南京信息工程大学，2015．

[26] 袭祝香， 张 硕， 高晓荻， 等. 吉林省雾霾和雾霾事件的时空特征及评估方法[J].干旱气象， 2015， 33(2):244-248．

[27] 张兴坤， 张吉光. 雾霾天气的成因分析与防治对策研究[J].环境科学与管理， 2016(8)：82-85．

[28] 于文金， 吴 雁， 黄亦露， 等. 河北省雾霾波动变化特征及成因研究[J].大气科学学报， 2016(4)：554-561．

[29] 翟盘茂， 余 荣， 郭艳君， 等. 2015/2016年强厄尔尼诺过程及其对全球和中国气候的主要影响[J].气象学报， 2016(3)：309-321．

[30] 韩 浩， 解建仓， 姜仁贵， 等. 西安市雾霾时空分布特征研究[J].环境污染与防治， 2016， 38(5):73-76+81．

Spatiotemporal change pattern of haze days from different time perspective in China (1961～2015)

KONG Feng1，2，3，4， LYU Lili1，2， FANG Jian5， ZHANG Lili2， WANG Zhuoni2

(1.Research Centre for Strategic Development， China Meteorological Administration， Beijing 100081;2.China Meteorological Administration Training Center， Beijing 100081;3.State Key Laboratory of Earth Surface Processes and Resource Ecology， Beijing Normal University， Beijing 100875;4.Academy of Disaster Reduction and Emergency Management， Ministry of Civil Affairs & Ministry of Education， Beijing 100875;5.School of Resources and Environmental Science， Wuhan University， Wuhan 430079)

Frequent haze weather has become one of the focuses concerned by various circles of the society. In the present work， 2474 station data. From the perspective of interannual， monthly and weekly changes， variation characteristics of haze days in China from 1961 to 2015 were calculated with a variety of methods such as linear trend and inverse distance weight interpolation. The results show that: on the inter-annual scale， average annual haze days present increasing trend with fluctuation， which exhibits three

section changes in detail， including increase from 1961 to 1980， stable from 1981 to 2000 and rapid raise from 2001 to 2015. On the monthly scale， on one hand average annual haze days from January to December display a ‘U’ shaped distribution. On the other hand， average annual haze days in all month reveal a tendency of increase. On the weekly scale， average annual haze days in China from Monday to Sunday follow the decrease-increase-decrease pattern， while change little. The average annual haze days from Monday to Sunday increased consistency from 1961 to 2015. In space distribution， average annual haze days tend to have the spatial pattern of “southeast increasing significantly-northwest increasing not significantly”. The decadal average annual haze days in Northern China， Central and East China and Southern China area gradually vary with time from the negative anomaly evolution to positive anomaly. Area with average annual haze days in January and December more than 2.7 d/a has a wide distribution， while that with the other months range is relatively small. Area with average annual haze days from Monday to Sunday more than 4.5 d/a are mainly distributed in the area ofBeijing and Tianjin， the Yangtze River Delta， Pearl River Delta， Shanxi and Shaanxi area. By contrast it is found that in different weeks the average annual haze days in spatial distribution changes little．

haze; multi-time scale; monthly change; weekly change; spatiotemporal pattern; urbanization; China

2016-12-13.

中国气象局气象软科学重点项目(2017[21])；浙江省科技计划项目公益技术研究社会发展项目(2014C23004)；国家自然科学基金创新研究群体项目(41621061).

1000-1190(2017)03-0370-08

P44

A

*E-mail: kongfeng0824@foxmail.com.