青岛市雾、霾天时空变化特征及影响因素分析❋

卢一凡， 王 娇，2， 于铖浩， 马 艳， 高会旺，2❋❋

(1. 中国海洋大学环境科学与工程学院， 山东 青岛 266100； 2. 中国海洋大学海洋环境与生态教育部重点实验室， 山东 青岛 266100；3. 北京大学城市与环境学院， 北京 100871； 4. 青岛市气象局， 山东 青岛 266003)

雾和霾是造成大气能见度降低的主要天气现象，可导致人们心情灰暗压抑、海陆空交通受阻，甚至影响医疗和旅游等产业[1-2]。随着气候条件、城市发展以及空气污染类型等方面的变化，中国雾、霾事件出现频率及主要影响因素也存在明显差异。许多研究表明，中国多个区域雾天天数呈现先增长后减少的趋势[3-5]。林建等[6]发现1985—2005年我国除华南、江南地区雾日变化趋势不明显，其余各地的大雾日(能见度<1 km)基本呈递减趋势，这可能与我国快速城市化以及森林覆盖率减少导致的温度升高、湿度下降有关[7-9]。吴兑等[10]分析发现， 1954—2004年珠江三角洲雾和轻雾造成的低能见度变化主要反映了气候波动固有的年际和年代际变化特征。自20世纪80年代初开始，珠江三角洲地区灰霾天数呈增加趋势，并有3次大的波动，主要与经济发展、环保措施、复合大气污染有关[10]。Zhang等[11]结合我国 681个地面站点的能见度资料，以及人口密度、气溶胶总排放量等数据，定义了我国4个主要霾区，分别为华北和关中平原、长江三角洲地区、珠江三角洲地区以及四川盆地。史军等[12]研究表明，近30年来长江三角洲大城市、中等城市和城镇乡村间霾日数变化具有明显差异，而赵普生等[13]指出京津冀范围内城区站点、非城区站点霾日数均有增加趋势且两者差距越来越小。

气溶胶及气候系统对雾、霾的形成有重要影响[14-16]。一般来说气溶胶有助于雾的生成，而当气溶胶浓度超过一定阈值，空气中有限的水汽争夺大量的气溶胶，雾滴数量反而会下降[3，17]。此外，气溶胶的辐射效应还会通过改变局地气温，影响雾的持续时间[18]：吸收性气溶胶会加热雾滴，从而延缓夜间雾的形成，加速日间雾的消散；散射性气溶胶在日间散射太阳辐射，降低雾滴表面温度，增加雾的持续时间。同时有研究指出，中国东部地区雾、霾形成受气候系统影响较大。Fu等[19]研究表明风场的分布和风速、相对湿度的年代际变化对雾、霾的形成具有很大影响；Yin等[20]发现华北黄淮地区冬季霾的形成与风速、降水具有一定相关性，但随着近年来东亚冬季风减弱，水汽条件成为雾、霾形成的关键因素，与风速无明显相关性[19]。

青岛市位于海雾多发区黄海之滨，每年4—7月雾的发生频率最高且大部分为平流冷却雾[21-23]。马艳等[24-25]研究表明，青岛市2006—2012年平均雾天数为55 d，雾天气背景下常伴随着不同程度的空气污染。张晓慧等[26]对青岛市冬季雾的天气气候特征进行研究，表明青岛冬季雾的发生频率为年均12 d，占全年雾日数的22%，其中受天气系统明显影响的雾占48%。近年来青岛市空气质量有所改善，PM2.5由2011—2012年的(102±37)μg·m-3降低到2014—2018年的(51±18) μg·m-3 [27]。但冬季浓度仍能达到(79 ± 54) μg·m-3，远超国家二级标准(35 μg·m-3)，且在高湿、静稳条件下，造成灰霾天气频发[27-29]。目前关于青岛地区雾天、霾天相关研究主要集中在事件性天气成因分析、不同天气对气溶胶成分的影响以及气象条件对气溶胶光学特性的影响等方面，对雾天、霾天长期变化规律及影响因素的研究较少。

本研究主要结合青岛市2005—2019年大气能见度、相对湿度等气象小时数据、颗粒物浓度在线观测数据等，分析了青岛市近十几年雾天、霾天的历史变化趋势，探讨青岛市不同区域雾、霾天气发生特征及差异，以及雾天和霾天时空变化与气象条件、空气污染水平等因素的关系，为评估和改善青岛市空气质量提供数据支持和理论支撑。

1 资料来源与研究方法

1.1 数据来源

本研究所用气象数据有两个来源：(1)Reliable Prognosis网站(https://rp5.ru)，数据资料包括2005—2019年逐日8个时次(02：00、05：00、08：00、11：00、14：00、17：00、20：00、23：00)的水平能见度、相对湿度、温度等气象要素和各时次天气现象，这些数据已被用于雾、霾等天气现象的相关研究[30]，本研究用以分析青岛市(气象站编号为54857，经纬度：36.067°N，120.333°E)近年来雾天、霾天天数的变化趋势；(2)青岛市气象局2013—2019年6个站点气象观测数据，包含大桥三、胶南、胶州、莱西、平度和市南6个站点的水平能见度、相对湿度、温度和降雨量等逐时气象数据，用于分析青岛市不同区域之间的雾频、霾频差异(见表1)。

表1 青岛市各站点气象数据信息

PM2.5、PM10、SO2、NO2、CO、O3和AQI小时数据收集于全国城市空气质量实时发布平台(http://106.37.208.233:20035/)，包括市南区西部子站、胶南、胶州、莱西和平度站5个观测点位，监测时间为2014年5月13日—2019年12月31日(见图1)。

1.2 方法

1.2.1 雾天、霾天和站点类型的判定标准 本研究根据Reliable Prognosis网站2005—2019年青岛市气象站(编号54857)天气现象记录和降水量数据，排除雨、雪、沙尘暴等其他能使能见度降低的天气后，定义一天中有任意相对湿度≥90%、能见度≤1 km的数据记录，则判定该天为雾天[31]。定义一天中14：00相对湿度<90%、能见度≤10 km的天气为霾天[18，32-33]。由于胶南、胶州、莱西、平度和市南5个气象观测站分别有临近环境空气监测站点，本研究在识别各站点霾天时，增加14：00 PM2.5浓度≥75 μg·m-3的限制指标。为分析各站点逐时的雾、霾发生频率分布特征，若各站点任意时刻的气象记录为相对湿度≥90%、能见度≤1 km，则该时刻被定义为雾时刻；若任意时刻气象记录为相对湿度<90%、能见度≤10 km，且PM2.5浓度≥75 μg·m-3，则该时刻被定义为霾时刻。

图1 本研究涉及的气象站和环境监测站点分布

由于大桥三站点所在位置无配套的临近环境监测站的空气污染物浓度资料，所以不对该站点气象要素与空气污染物浓度之间的关系进行探讨。

根据6个站点离海岸线距离，本文将距海岸线最近距离为5 km内的站点定义为沿海型(大桥三站点和市南站点)；5～30 km的定义为过渡型(胶南站点和胶州站点)；超过30 km的为内陆型(平度站点和莱西站点)。

1.2.2 数据分析方法 本研究使用的统计方法主要包括t检验、单因素方差分析、Spearman相关系数和Pearson相关系数。t检验用于检验相关性系数是否显著；单因素方差分析用于检验不同站点或不同气象条件下各组数据之间均值是否有显著差异；Spearman相关系数和Pearson相关系数分析用于探讨雾频、霾频与气温、气压、相对湿度和空气污染指数等因素的相关关系。

单因素方差分析用于检验在一个因素改变条件下，各项指标的均值是否改变。本研究检验假设为H0:在雾、霾发生时及所有统计时间内3种条件下6项空气污染物浓度均值全部相等；备择假设H1:在以上3中条件下6项污染物浓度均值不完全相等。

Pearson简单相关性分析法是研究变量之间紧密程度的一种通用统计方法。它用于衡量两个数据集合是否在一条线上面，同时衡量定距变量间的线性关系。相关性系数r是描述线性关系程度和方向的统计量，r的计算方法如下：

Spearman相关系数是衡量两个变量的依赖性的非参数指标，利用单调方程评价两个统计变量的相关性。将原始数据转化为等级数据，再按Pearson相关系数计算公式计算得到Spearman相关系数。|r|越接近1，则相关性越好。r值为正，表明xi和yi呈正相关；若为负，则呈负相关。p值是用来判定假设检验结果的一个参数，当p值越小，检验结果越显著。

2 结果与讨论

2.1 青岛市雾天、霾天天数年际变化特征

本节运用青岛市2005—2019年逐日8个时次气象数据对雾天、霾天天数年际变化特征进行讨论。青岛市2005—2019年年均雾天天数为41 d，在2006年出现峰值(66 d)，随后呈缓慢减少的趋势(p<0.1)，到2019年达到最低值(20 d)(见图2(a))。2005—2019年霾天天数呈波动变化趋势，在2006、2010和2016年出现3个明显峰值，分别为106、143和114 d，在2010—2013年间霾天天数每年均超过100 d，2008年霾天天数最少，为75 d。图2(b)～(e)分别为青岛市气温、相对湿度、风速和降水量在2005—2019年期间的变化趋势，风速、相对湿度和降水量都呈现出降低的趋势。由图2(b)可见青岛市气温在2005—2019年间波动范围约为1 ℃，2005—2007年呈上升趋势，2007—2012年呈下降趋势(-0.18 ℃·a-1，p>0.05)，2012—2019年呈上升趋势(0.17 ℃·a-1，p<0.05)。从图2(c)可以看出，青岛市2006—2019年相对湿度呈波动变化，有不断降低的趋势(-0.31%·a-1，p<0.05)。经过Spearman相关系数检验，2005—2019年青岛市雾天天数变化和相对湿度变化具有良好的正相关关系(p<0.05)，说明近年雾天天数的减少一定程度与相对湿度不断降低有关。图2(d)显示近15年青岛市风速集中出现在2～6 m·s-1，整体呈现不断降低的趋势，由2005年的4.0 m·s-1降低到2019年的3.3 m·s-1(-0.05 m·s-1·a-1，p<0.01)。较高的空气湿度更易形成暖湿气流，从而为平流雾的出现提供了条件[35]。由图2(e)可见，2007—2019年青岛市年降水量不断降低(-36.53 mm·a-1，p<0.05)，与相对湿度变化趋势一致。

图2 青岛市2005—2019年雾天、霾天天数及气象因子变化趋势

青岛市2005—2019年各季节雾天、霾天天数变化具有不同的特征(见图3(a))。夏季雾天天数最多，平均每年17.3 d，占总雾天天数42.1%，秋季最少，平均每年3.3 d，占总雾天天数8.0%。雾天天数的季节分布没有明显的年际变化，整体均为春夏两季高，秋冬两季低。青岛市各季节霾天天数均超过20 d，霾天的出现与季节关系不大，四季各占25%左右(见图3(b))。

2.2 雾、霾事件持续时间及季节差异

本研究运用青岛市2005—2019年逐日8个时次气象数据，将1天或连续多天符合前文对雾天(或霾天)定义的天气标准的事件识别为一场雾事件(或霾事件)。数据显示，青岛市从2005年2月1日—2019年12月31日共有337次雾事件，943次霾事件。其中持续1 d的雾占雾事件总数的一半以上(55.2%)，持续2 d的占22.3%，持续3 d的占12.5%，持续天数超过3 d的占10.1%。苏鸿明[36]基于1917—1980 年历史天气图资料，发现台湾海峡多数雾持续2 d，占所有雾事件88.1%。青岛市持续1 d的霾事件占60.0%，持续2 d的占25.5%，持续3 d的占8.3%，持续时间超过3 d的占6.3%。可见，青岛市雾、霾事件的持续时间较短。张立多等[37]分析厦门地面观测资料表明，厦门1990—2006年灰霾天气共有288 d，持续2 d及以上的灰霾天气过程有37次，仅占12.8%。可见，与厦门相比，青岛市霾天的持续时间较长。

图3 青岛市2005—2019年各季节雾天、霾天天数

不同持续天数的雾事件均为夏季最多，这可能是由于夏季雨水较多(见图4(a))，可以提供连续的水汽补充，且温度适宜、风速稳定，有利于雾的生成和维持[38]。青岛市的霾事件大部分持续时间为1～3 d，青岛市短期霾(1 d)以及长期霾(超过3 d)事件在冬天发生的概率最大，分别为26.33%和33.90%(见图4(b))，这可能受到供暖期污染物排放量增大以及不利气象条件的影响，如稳定层结、静小风等[38]。

2.3 青岛市六站点雾频、霾频季节变化

本节运用青岛市6个气象站点2013—2019年逐时气象数据、5个环境监测站点2014—2019年逐时PM2.5浓度数据对各气象站点雾频、霾频进行讨论。6个站点平均雾天天数从高到低分别为：莱西(74 d·a-1)、市南(54 d·a-1)、平度(35 d·a-1)、胶南(27 d·a-1)、胶州(25 d·a-1)和大桥三(19 d·a-1)；全年平均霾天天数从高到低分别为：胶南(35 d·a-1)、莱西(32 d·a-1)、市南(31 d·a-1)、平度(29 d·a-1)和胶州(20 d·a-1)。

本研究将本文各站点在统计时间内所有雾天(霾天)天数在总天数中的占比定义为雾频(霾频)。青岛市2个沿海型站点(大桥三、市南站点)春夏季雾天天数显著高于秋冬季(p<0.05)；过渡型站点(胶南、胶州站点)和内陆型站点(莱西、平度站点)则没有该显著差异(见图5(a))。对比沿海型与内陆型站点发现，远离海岸的地区，春夏季雾天天数越少，秋冬季越多，过渡型站点同时受到陆地和海洋的影响，各季节雾频情况比较复杂，基本上呈现秋季最低，春冬季出现高值(见图5(b))。与雾频分布明显不同，各个站点霾频分布没有明显差异，均呈现冬季最高，夏季最低，春秋季基本持平的特点。青岛市6个站点平均温度均为夏季最高，冬季最低(见图5(c))；平均相对湿度均为夏季最高，沿海型站点为冬季最低，内陆型站点为春季最低(见图5(d))。

图4 青岛市2005—2019年雾、霾事件持续天数季节分布

图5 青岛市四季雾天、霾天占比与平均温度、相对湿度

有研究表明，4—7月是北太平洋平流雾频发的季节，6月黄海西北部，即山东半岛以南海域海雾最大发生频率约为20%，而进入8月后，海雾发生频率突然降低到5%以下[39]。沿海型站点(市南、大桥三)相较于其他类型站点更多受到了海雾的影响，多发季节与北太平洋平流雾发生季节一致。市南站点靠近海岸，受海洋暖湿气流影响，相比其余站点更加具备海洋平流雾生成条件。尤其在夏季，来自黄海的暖湿气流充足，市南站点在夏季达到了雾频峰值(见图5)，而此时霾频达到谷值；而在冬季，污染物条件适合霾形成，但此时雾频相比夏季有明显降低。青岛市秋冬季水汽供应不足，降水量仅占全年21%和5%(2005—2019年)，不利于雾的生成。内陆型站点(莱西、平度)秋冬季雾的发生频率相比其他沿海站点高，可能是由于位于内陆，受海雾影响较少，主要受到辐射雾的影响，因此具有不同的季节发生规律[40]。过渡型站点(胶南、胶州)同时受到了海雾以及内陆辐射雾的影响，季节分布无显著特点。

风向和风速对雾、霾的形成起着至关重要的作用。风向的转变会引起气团来源的变化，从而改变水汽输送量和雾滴凝结核的数量，对雾的微结构产生影响[41]，而较大风速能促进大气边界层混合并抑制日落后的辐射冷却，促进雾的消散[42]。为进一步探讨不同站点雾天、霾天天数差异的原因，本研究对各站点有雾、霾时的风向和风速进行统计(见图6)。各站点在雾发生时风向并不固定，大部分方向的风速处于0～5 m·s-1，平均风速为1.01～4.71 m·s-1。沿海型站点(大桥三、市南)有雾时的风向以偏南风为主，受到了海洋的明显影响，来自北黄海的暖湿气流促进平流雾的产生。市南气象站点位于伏龙山顶，距离最近海岸线仅1.3 km，相较气象站周边地区海拔较高，气温比周边环境低，相对湿度较高，容易在局地地形环流作用下形成山区地形低云，之后靠近地表则转化为雾[43]。有研究指出，沿海城市辐射雾的形成受来自内陆方向风的影响，而平流雾的形成受来自海洋方向风的影响[44]。

((a)莱西；(b)平度；(c)胶南；(d)胶州；(e)市南；(f)大桥三。 (a) Laixi; (b) Pingdu; (c) Jiaonan; (d) Jiaozhou; (e) Shinan; (f) Daqiaosan.)

内陆型站点(莱西与平度)有雾时主要受到偏北风的影响，不利于平流雾的形成，所形成的雾更可能为辐射雾，而沿海型站点有雾时主要受到东南风的影响，这体现出沿海型/内陆型站点不同的两种主要成雾机制：沿海站点受海洋影响较大，平流雾占比较高；内陆型站点，辐射雾占比较高；过渡型站点介于两者之间。各站点在有霾出现时平均风速为2.37～4.20 m·s-1。有霾出现时均受到西北风的影响，显示来自西北方向的污染物输送对霾的形成有一定贡献(见图6)。

2.4 青岛市五站点雾、霾发生频率的月变化与日变化

为更细致地分析青岛市逐时雾、霾发生频率及其月、日变化特征，本章节运用青岛市5个气象站点2013—2019年逐时气象数据、5个环境监测站点2014—2019年逐时PM2.5浓度数据对各站点每月雾时刻、霾时刻出现次数进行统计，分别除以当月各时刻总数，得到不同月份不同时刻雾、霾出现频率。

各站点1—12月逐时雾的发生频率差异较大(见图7)。全年整体来看，市南、莱西两个站点雾出现的时数最多，远高于其他站点。在这两个站点，雾发生时数的峰值分别集中在夏季5—7月(市南，15%)和秋季8—11月(莱西，16%)。胶州、胶南、平度3个站点雾发生时数的季节分布相对不明显，在全年各月均有分布。从雾发生频率的日变化来看，各站点都集中在午夜到早晨8:00时段，市南站点、胶南站点在夏季的傍晚到午夜也有雾的发生。Boutle等[45]研究表明，辐射雾主要在地面的长波辐射冷却作用下，于后半夜形成，同时在日出后消散。各站点在日出后较少有雾现象发生，因此持续时间较长(12 h以上)的雾占比较低。与雾的发生频率相比，各站点霾的出现频率集中在冬春季，夏季较少(见图7)，这与利用季节平均的霾天数的统计结果相一致。从月变化来看，各站点的霾多发生于1和12月，莱西、平度站点霾发生的月份跨度最广，霾集中发生于冬半年，即1—3月和10—12月。从日变化来看，霾与雾不同，可出现于每天的任意时刻，在多个站点呈现出双峰分布，即8：00—12：00和18：00—24：00。

图7 青岛市各站点逐时雾、霾发生频率分布

2.5 雾、霾天气背景下空气污染特征

本节运用青岛市5个气象站点2013—2019年逐时气象数据、5个环境监测站点2014—2019年逐时6项空气污染物浓度数据对各站点6类空气污染物在雾、霾发生时以及统计时间内总体平均浓度进行统计(见图8)，可以看出，霾出现时，PM2.5、PM10、SO2、NO2和CO浓度显著高于总体均值(p<0.05)。霾出现时O3浓度则低于总体均值。有研究指出，在大气氧化条件较弱的寒冷季节，PM2.5浓度增加会抑制地表太阳辐射，从而削弱了O3的产生[46]；同时也有研究指出，PM2.5和O3在夏季的均值呈负相关，高浓度的PM2.5污染会部分抑制O3的产生[47]。雾出现时，除市南站点，其余站点的PM2.5浓度均显著高于总体均值；除市南站点和胶州站点，其余站点PM10浓度高于总体平均值。在过渡型和内陆型站点，雾出现时污染物浓度稍高于沿海型站点。

各个站点的PM2.5、PM10和CO的平均浓度由高到低分别为有霾时、有雾时、总体均值。有所不同的是，SO2浓度由高到低顺序为有霾时、总体均值、有雾时。SO2与PM2.5、PM10和CO浓度具有良好的相关关系，SO2浓度在有雾时较低，这可能是由于有雾时空气湿度整体较高，在高湿度下SO2易在空气中氧化剂的作用下被水汽吸收，并氧化为硫酸根离子[48-49]。在沿海型站点，NO2浓度分布与SO2类似，均在有霾时最高，总体均值次之，有雾时最低。而其他站点与PM2.5、PM10和CO三项污染物类似，有雾时NO2浓度高于总体均值，这是由于在夜间NO2在高湿度下易氧化成为N2O5、HNO3，此过程反应速率与空气湿度呈正相关关系，即高湿度条件有助于大气中NO2的消除作用[50]。

图8 青岛市各站点空气污染物浓度特征(红：雾；蓝：霾；黄：总体均值)

2.6 青岛市雾、霾与各影响因素的相关分析

为进一步探究气象因素与空气污染物对雾、霾生成的影响，本节运用青岛市5个气象站点2013—2019年逐时气象数据、5个环境监测站点2014—2019年逐时6项空气污染物浓度数据对各站点每月雾时数、霾时数与各空气污染物、气象因素月均值进行Pearson相关性分析。由表2可得，对于5个站点全部记录，雾时数与PM2.5、SO2浓度、相对湿度呈显著正相关，与O3浓度呈显著负相关关系。而霾时数与PM2.5、PM10、SO2、NO2和CO浓度呈显著正相关关系，与O3浓度、气温、相对湿度和气压呈显著负相关关系。在每个站点，霾时数与各项大气污染指标显著相关，其中与O3浓度呈负相关，与其余污染物呈正相关关系，这表明各站点霾生成时的污染条件相似。除O3外，其他5项污染物同步变化，且在每年冬季达到峰值，同时霾频在此时也达到峰值；而在夏天，5项污染物和霾频均为谷值。此外，仅市南站点霾时数与风速呈显著正相关。以上分析表明，在青岛市5个站点，霾与O3等常规污染物、相对湿度等气象要素皆有较好的相关性。与霾不同，各站点的雾时数与空气污染物浓度、气温、相对湿度等指标的关系各有不同，下面进行详细讨论。

表2 青岛市各站点每月雾、霾时数与各影响因素的相关系数

除市南站点雾时数与NO2浓度有显著负相关关系，沿海型和过渡型站点雾时数与各项空气污染物之间没有显著相关关系，而内陆的平度站雾时数与各项空气污染指标均呈显著相关关系，其中与O3浓度呈负相关关系，与其余污染物呈正相关关系；在莱西站点，雾时数与NO2，O3浓度有显著相关关系，与PM2.5、PM10、SO2、CO四项污染物无显著相关。这表明，与内陆型站点相比，沿海型和过渡型站点，雾的形成受污染物影响较小。在市南、莱西两个站点，雾时数与相对湿度呈显著正相关。同时，市南、莱西站点有较高的年均雾天天数，这说明在市南、莱西站点雾受相对湿度影响较大。胶南、莱西和平度站点的雾刻数还与风速具有显著相关性。

3 结论

本研究通过以上分析和讨论得到如下结论：

(1)青岛市近14年雾天天数变化呈现缓慢下降的趋势(p<0.1)；每年霾天天数呈波动变化趋势，在2006、2010和2016年出现3个明显峰值，分别为106、143和114 d。青岛市夏季雾天天数最多，占总雾天天数42.1%，秋季最少，占总雾天天数8.0%；其中持续1 d的雾占55.2%，持续2 d的占22.3%。青岛市在秋季霾天天数较少，平均每年22.4 d，占总霾天天数21.7%，其他季节为26.1～27.8 d，各占25.3%～27.0%。持续1 d的霾占60.0%，持续2 d的占25.5%。

(2)青岛市沿海型站点(市南、大桥三)与内陆型站点(平度、莱西)雾天的季节分布特征不同，在沿海型站点春夏季雾天天数明显高于秋冬季，过渡型站点和内陆型站点则没有该显著差异，表明沿海型站点受平流雾影响较大，而内陆型站点以辐射雾为主。从全年12个月分布来看，各站点雾主要出现时间不同，市南站点，春夏季5—7月雾频占比较高，内陆莱西站点秋冬8—11月雾频占比高，过渡型站点上下半年没有显著差异。各个站点霾天分布均呈现冬季多于夏季，春秋季基本持平的特点，各站点的霾多发生于1和12月。从日变化来看，各站点雾时数的高值主要出现于午夜至早8时，霾时数呈现双峰分布，峰值出现于8：00～12：00和18：00～24：00。

(3)有霾出现时，各站点PM2.5、PM10、SO2、NO2和CO五项污染物浓度都显著高于雾天和总体均值。有雾出现时，除市南站点，其余站点的PM2.5浓度均显著高于总体均值。在内陆型站点，雾时数与NO2、O3浓度之间存在显著相关性，沿海型和过渡型站点则与各项空气污染物之间相无明显相关性。此外，霾时数与气温、相对湿度均呈显著负相关关系。