太原大气能见度对相对湿度及颗粒物质量浓度的响应关系研究

卢盛栋，赵俊杰，于小红，霍佳宇，韩志伟

(1.山西省气象灾害防御技术中心，太原 030012；2.山西省气象科学研究所，太原 030002)

空气中气溶胶污染常诱发低能见度现象，影响人们出行、身体健康[1-4]，进入21世纪以来，大气能见度受到广大学者高度重视[5-8]。有研究表明，大气中颗粒物以散射吸收作用对能见度影响显著[9-12]，也有研究指出，高湿条件下，气溶胶细颗粒物易吸湿增长，消光系数增大，引起低能见度现象[13]。白永清[14]等揭示了武汉大气能见度与PM2.5质量浓度存在非线性相关关系，且在80%≤相对湿度<90%区段相关系数最高，在30 μg/m3处是一个分界。王京丽[15]等分析发现北京大气能见度与细粒子质量浓度成强的负相关关系。边海[16]等研究了天津市小粒径颗粒对能见度的影响，发现随着能见度的降低，小粒径颗粒与大粒径颗粒质量浓度的比值不断增大。龚识懿[17]等分析认为上海PM10质量浓度平均值与相对湿度平均值成显著负相关关系，当相对湿度>75%时，能见度的降低主要是由于PM10含水量升高而并不是PM10质量浓度增大。潘洪密[18]等分析了广州颗粒物质量浓度与能见度成幂函数关系，且PM1、PM2.5、PM10质量浓度与能见度的相关系数依次增大。可见，大气能见度与相对湿度及细颗粒物质量浓度密切相关。

太原作为华北地区重工业城市，三面环山，地处中部盆地，大气常处于一种静稳状态，不利于颗粒物的扩散，常造成低能见度天气，近年来大气能见度的变化引起各界重视。利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度观测数据，研究分析了大气能见度与PM2.5质量浓度及相对湿度的关系，采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型，并对该模型进行了检验，以期为进一步研究太原地区能见度提供参考。

1 资料与方法

所选资料为太原地区6个气象观测站点(图1)2016年10月—2019年9月的逐时数据。太原大气能见度(V)、相对湿度(HR)及PM2.5质量浓度(C(PM2.5))数据由山西省气象信息中心提供，经质量控制去掉奇异值。在研究颗粒物质量浓度对能见度的影响时，由于目前太原6个气象观测站点，只有小店、尖草坪有颗粒物质量浓度数据，因此分析能见度与相对湿度及颗粒物质量浓度关系时，采用了这两个站点该时段内逐时数据。

图1 太原气象观测站点分布

依据霾的判别标准[19]，排除时段内降水等天气造成的低能见度，即当能见度V<10 km且相对湿度HR<80%时，或满足80%≤HR<95%且C(PM2.5)>75 μg/m3时，统计为霾；当能见度V≥10 km时，统计为非霾。当判断为霾时，可根据能见度将霾划分等级：轻微(5 km≤V<10 km)、轻度(3 km≤V<5 km)、中度(2 km≤V<3 km)和重度(V<2 km)。

建立大气能见度与相对湿度及颗粒物质量浓度的关系模型，并利用TS评分(TS)对该模型进行检验：

(1)

式(1)中，NA为模拟正确样本数，NB为空报样本数，NC为漏报样本数。对于某个模拟量级，当模拟等级与实况等级相同时为模拟正确；模拟出现在等级内而实况不出现在等级内时为空报；模拟没有出现在等级内而实况出现在等级内时为漏报。

依据气候学上常用的季节划分方法，按春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12—次年2月)进行季节划分，对逐小时能见度数据进行各季节平均处理，所有时刻均为北京时。

2 太原大气能见度时空分布特征及影响因子分析

2.1 时空分布特征

利用能见度观测仪2016年10月1日—2019年9月30日逐时观测数据，分析各季节太原大气能见度日变化特征(图2)。

图2 2016-10-01—2010-09-30太原不同季节能见度日变化

由图2可看出，太原平均能见度冬季最低(日均14.14 km)，其次为秋季(日均16.12 km)、夏季(日均17.12 km)，春季(日均19.02 km)平均能见度最高。春、夏、秋季能见度在06时(北京时，下同)左右最低，冬季在09时左右最低，之后开始持续上升，至15时左右能见度最高，之后开始持续下降。由图3也可以看出，春季能见度最高，夏季比春季略低，秋季次之，冬季最低，且一年四季太原大气能见度空间分布表现为由南向北逐渐变好的特点。太原北部能见度高于南部地区，可能与北部海拔高，风力大，影响太原的冷空气往往由北向南推进有关，加之近几年太原城市扩容，且南部扩容较大，与晋中的榆次区、太谷区同城发展，南部高楼增多导致风力减小，弱化了南部城区大气的水平流动。

图3 2016-10-01—2019-09-30太原地区不同季节平均能见度空间分布

2.2 能见度影响因子

相关研究表明，大气能见度降低时，大气中颗粒物质量浓度与相对湿度对能见度影响较大[20-23]。为了说明这一问题，以2016年10月—2019年9月太原小店、尖草坪的气象逐小时观测数据为统计样本，去掉降水及奇异值，样本量为45 810，统计分析了太原地区不同等级的霾天气出现时相对湿度、PM2.5质量浓度(C(PM2.5))及C(PM2.5)/C(PM10)(C(PM10)表示PM10质量浓度)值(表1)。由表1可知，太原非霾时数占总时数的76.8%，霾时数占23.2%，随着霾的发生、加重，相对湿度、C(PM2.5)/C(PM10)值逐渐增大。霾发生时，平均C(PM2.5)/C(PM10)值在60%左右；随着霾的加重，细颗粒物质量浓度升高，能见度下降，当能见度降到2 km以下，平均C(PM2.5)/C(PM10)值接近70%。可见，大气中细颗粒物质量浓度及相对湿度增大是影响太原能见度变化的重要因素。

表1 2016-10-01—2019-09-30太原不同霾等级下平均能见度、C(PM2.5)、相对湿度及C(PM2.5)/C(PM10)分布

2.3 能见度与相对湿度及C(PM2.5)的关系

依据2016年10月—2019年9月太原地区逐小时气象数据及颗粒物质量浓度数据，分析C(PM2.5)对能见度的影响。为避免相对湿度对能见度的影响，文章将相对湿度分为五个区段，如图4所示，采用幂函数拟合C(PM2.5)与能见度的关系，表2给出能见度与C(PM2.5)的定量关系式。

相同湿度下，不同地区C(PM2.5)对大气能见度的影响不同。陈义珍[25]等对比北京和广州地区，C(PM2.5)对北京能见度影响最大,相关系数在0.78～0.90之间，对广州影响较弱，相关系数在0.61～0.71之间；白永清[14]等得出PM2.5质量浓度与武汉地区大气能见度的相关系数在0.73～0.84之间。而由表2可知，太原地区各湿度段的相关系数为0.32～0.67。此外，武汉能见度与颗粒物质量浓度在80%≤HR<90%湿度段内相关性最强，而太原在40%≤HR<60%湿度段内的相关性指标最高，表现出地域性差异。

图4 2016-10-01—2019-09-30太原不同相对湿度区段下大气能见度与PM2.5质量浓度的关系

表2 2016-10-1—2019-09-30太原不同湿度区段下能见度与C(PM2.5)的拟合方程及C(PM2.5)对应阈值

太原大气能见度与C(PM2.5)成幂函数关系。以能见度10 km(非霾天气)确定该C(PM2.5)阈值[23]，对改善城市能见度有重要指示意义。由表2可知，不同湿度条件下，C(PM2.5)阈值在5～103 μg/m3之间，较低的C(PM2.5)也可能引起霾，空气湿度越大，越不利于改善大气能见度。

相对湿度以20%为间隔、C(PM2.5)以10 μg/m3为间隔，分析区间能见度与相对湿度和C(PM2.5)分布(图5)。由图5可见，湿度越大，等值线斜率数值变化越大，表明受湿度影响越大；湿度越小，等值线斜率变化越小，表明受PM2.5质量浓度影响越大。

图5 2016-10-01—2019-09-30太原大气能见度与相对湿度和C(PM2.5)的分布

2.4 神经网络模型构建

神经网络具有良好的处理非线性问题的能力，将C(PM2.5)和相对湿度预报因子作为输入端，能见度预报值作为输出端，隐含层设10个节点。采用太原2016年10月—2019年9月逐时数据，分为两段，前9/10长度为训练期，后1/10作为模拟期，构建神经网络大气能见度与相对湿度及PM2.5质量浓度的关系模型。神经网络模型是通过MATLAB软件编程实现。

图6 太原神经网络模型预报期内能见度模拟值与实况值对比

图6给出了训练后的神经网络模型在模拟期内模拟值与实况值的对比。由图6可见，能见度模拟值与实况值的变化趋势基本一致。对神经网络构建的大气能见度模型进行检验，相关系数为0.81，通过了0.01的显著性检验。

为了验证该模型的模拟效果，利用太原市2019年10—12月逐时气象观测数据进行检验，检验效果见图7。由图7可见，散点在对角线(虚线)上方分布较多，说明模拟值比观测值略微偏高；但模拟结果相关系数为0.84，通过了0.01的显著性检验，均方根误差(ERMS)为5.29 km，平均绝对百分误差(EMAP)为31.45%，说明该模型具有一定的适用性。分级检验结果(表3)显示，轻微级霾情况下模拟能见度TS评分为0.86，具有较高准确性，随着霾的加重，TS评分逐渐降低，模拟值略偏大。

图7 2019年10—12月太原能见度神经网络模型的检验效果(实线为趋势线)

由神经网络能见度误差分布图(图8)可知，误差呈正态分布，且主要集中在4 km以内，占比达72.99%，2 km以内占50.82%。

神经网络构建的大气能见度模型效果良好，深入研究太原地区大气能见度及治理环境污染，实施低能见度导致的交通管制、飞机起飞降落、人们交通出行等提供决策依据。

表3 太原不同霾等级下模拟能见度检验结果

图8 2019年10—12月太原神经网络能见度误差频率分布

3 结论与讨论

(1)太原平均能见度季节差异较大，冬季最低(日均14.14 km)，其次为秋季(日均16.12 km)、夏季(日均17.12 km)，春季(日均19.02 km)平均能见度最高。太原不同季节能见度日变化特征明显。春夏秋季能见度在06时左右最低，冬季09时左右最低。太原大气能见度空间分布全年表现为由南向北逐渐变好的特点。

(2)不同湿度条件下，太原大气能见度与PM2.5质量浓度呈幂函数关系，相对湿度在40%～60%区段内相关性最强。PM2.5质量浓度对10 km能见度的阈值为5～103 μg/m3。确定太原地区大气能见度与PM2.5质量浓度非线性关系的分界线值，对治理太原市大气颗粒物污染，提高城市能见度具有重要现实意义。

(3)神经网络构建的大气能见度与相对湿度及PM2.5质量浓度的关系模型效果良好，相关系数为0.81，通过了0.01显著性检验。经太原市2019年10—12月逐时气象观测数据验证，均方根误差为5.29 km，平均绝对百分误差为31.45%。轻微级霾情况下模拟能见度TS评分为0.86，误差呈现正态分布，误差小于4 km的比例达72.99%。该模型具有一定的适用性，为深入研究太原地区大气能见度提供一定参考作用。

本次模拟模型的建立，采用了有限时段的观测数据，且考虑了相对湿度及颗粒物质量对能见度的影响，在后期研究中，应增加时段数据，且考虑增加影响能见度的因子，以提高模型的拟合度。