廣州市大氣能見度的特征及其影響因子分析

2024年2月21日發(作者：送孟浩然)

生態環境 2007, 16(4): 1199-1204

Ecology and Environment E-mail: editor@

廣州市大氣能見度的特征及其影響因子分析

沈家芬1,2，馮建軍3，謝 利1，林 燕2, 莫測輝4*

1. 華南農業大學資源環境學院，廣東 廣州 510642；2. 廣州市白云山風景名勝區管理局，廣東 廣州 510500；

3. 廣州市林業科學研究所，廣東 廣州 510515；4. 暨南大學環境工程系，廣東 廣州 510632

摘要：廣州市大氣能見度逐年下降，灰霾現象嚴重，收集廣州市2001—2003年大氣能見度及同期地面氣象要素（風速、溫度、氣壓和相對濕度）觀測資料和空氣污染物（PM10、SO2、NO2 和CO）監測數據，探討廣州市大氣能見度的特征及大氣能見度與氣象要素和空氣污染之間的關系。統計分析結果表明，廣州市大氣能見度的年、季、日變化特征明顯，呈明顯的逐年下降趨勢。一年之中，春季能見度最低，夏季能見度最高。一日之中，早晨08時能見度最差，午后14時最好。能見度與氣象要素及空氣污染物的相關和偏相關分析結果表明能見度與平均風速呈顯著正相關，與相對濕度呈顯著負相關；能見度與4種污染物在簡單相關分析中均呈顯著的較強負相關關系，而在偏相關分析中的相關性極弱，說明空氣污染物對能見度的影響是綜合作用的。最后用多元線性回歸法建立了大氣能見度與相對濕度和PM10、SO2、NO2、CO等污染物濃度間的回歸方程。

關鍵詞：大氣能見度；氣象要素；空氣污染；相關分析；廣州

中圖分類號：X16 文獻標識碼：A 文章編號：1672-2175（2007）04-1199-06大氣能見度是一個重要的氣象要素，它的好壞與海陸空交通及人們的日常生活密切相關。但是，隨著工業經濟的發展和人口的高度密集，人類活動釋放的各種大氣污染物使得城市的大氣能見度呈下降趨勢：在歐洲的邊遠地區好的能見度一般認為有40~50 km，但在城市地區卻小得多，人類活動是造成能見度下降的主要原因[1]。近年來臺灣中部地區由于大氣污染物的作用城市能見度也顯著地降低了，城市能見度年平均約為8~10 km，而邊遠地區能見度約為25~30 km[2]。河北省11個城市的大氣能見度在1960—2002年間由于空氣污染均顯著下降，夏季下降的幅度最大[3]。

引起大氣能見度下降的主要原因是大氣污染，其中大氣顆粒物特別是細顆粒物是造成能見度下降的主要原因[4，5]，且與顆粒物的成分也有關系[2，6]，硫酸根和硝酸根是引起能見度下降的最主要的離子[7]。此外，城市大氣能見度還與濕度、風速、風向等氣象條件及霧、降水、浮塵等天氣有密切關系[4，8，9]。

廣州是華南地區的中心城市，能見度惡化事件也越來越多，這種因能見度下降而引起的灰霾現象（能見度小于10 km，相對濕度小于80%時的大氣混濁視野模糊導致的能見度惡化的天氣現象確定為霾）日趨嚴重，已經成為一種新的災害性天氣[10]

（吳兌，2005）。因此，分析廣州大氣能見度的變化規律，探討能見度與顆粒物和其它氣態污染物以 *通訊作者

收稿日期：2007-01-31

及能見度與氣象要素之間的關系，對改善廣州大氣能見度，減少灰霾天氣有重要意義。

1 資料來源

本文所用數據為：2001—2003年廣州市地面氣象觀測臺的地面常規觀測資料，包括每日02、08、14、20時4次定時觀測的水平能見度、風速、地面氣壓和地面溫度、相對濕度等氣象要素日均值；同期廣州市環境監測中心提供的廣州市環境自動監測點（國控點）PM10、SO2、CO、NO2日平均濃度。

2 結果與討論

2.1 廣州大氣能見度的特征分析

2.1.1 能見度的基本描述統計

為了了解廣州大氣能見度的基本分布規律，將2001—2003年的日平均能見度取3年平均值進行能見度的頻數分析（下頁圖1），并計算其基本描述統計量(下頁表1)。能見度3年平均日均值最小值為5.9 km，最大值為19.6 km，平均為12.9 km，出現次數最多的數（眾數）為13.5 km，觀測值出現頻率較高區間為（13.0 ~15.0 km）。分布偏度為0.049，峰度為-0.325，表明能見度日均值呈正態分布。

2.1.2 能見度的日變化

分別以4、7、10、1月代表春、夏、秋、冬季分析四季中大氣能見度的日變化特征，將2001—2003年的4、7、10、1月的日平均能見度取平均值進行分析。每日4次觀測資料日變化統計結果

作者簡介：沈家芬（1972－），女，博士，工程師，主要從事城市生態與污染生態方面的研究。E-mail:sjf989@

1200 生態環境 第16卷第4期（2007年7月）

5.9

6.6

7.3

8.1

8.8

9.5

10.2

10.9

11.7

12.4

13.1

13.8

14.5

15.3

16.0

16.7

17.4

18.1

18.9

能見度/km

圖1 廣州大氣能見度觀測值頻率分布

Fig. 1 Frequency distribution of Visibility in Guangzhou

頻率/%

表1 廣州大氣能見度基本描述統計量

Table 1 Descriptive Statistics of visibility in Guangzhou

最小值

5.9

最大值

19.6

眾數

平均值

樣本標

準差

2.5101

樣本

方差

1月20.0峰度

4月7月10月全距 偏度

13.5 12.9 6.301 13.7 -0.049 -0.325

能見度/km15.010.05.00.02時8時14時觀測時間20時

表明，廣州市大氣能見度日變化明顯，早晨08時能見度最差（平均為11.8 km），中午時逐漸變好，午后14時最好（平均為15.1 km），下午至夜晚又逐漸變壞（圖2）。這與北京地區的大氣能見度的日變化特征相同[4]。主要是因為早晨和夜間大氣層結較為穩定，近地氣層內常有逆溫出現，抑制了低層空氣中氣溶膠粒子向上輸送，導致夜間和早晨能見度下降；而日出之后，隨著太陽輻射加強，空氣濕度減少，逆溫逐漸抬升而消失，大氣垂直交換加強，而且午后地面風速一般較大，空氣污染物容易擴散，因此午后大氣能見度通常是一日之中最好的時段。

2.1.3 能見度的月、季、年變化

圖3是大氣能見度日均值(為2001—2003年的3年平均值)逐月變化圖，從圖3可以看出：能見度的最大值出現在7月，為14.4 km，而最小值則出現在4月，為10.8 km。總的來看，能見度日均值的逐月差異不大。從能見度日均值的季節變化來看（下頁圖4），夏、秋季能見度較高，以秋季的能見度最高，平均為14.0 km，春、冬季能見度較低，以春季的能見度最低，平均只有11.4 km。這是由于夏季大氣對流運動強，垂直方向上的空氣交換速度快，因此大氣能見度好；而春季的大氣對流運動弱，垂直方向上的空氣交換慢，大氣能見度因而較差。

圖2 廣州大氣能見度日變化

Fig. 2 Daily variation of visibility

201月2月3月4月5月6月7月8月9月10月11月12月能見度/km

圖3 廣州大氣能見度月變化

Fig. 3 monthly variation of visibility

從能見度日均值的年際變化圖（下頁圖5）來看，從2001至2003年，能見度年均值呈明顯的下降趨勢，由2001年的13.2 km下降到2002年的13

km，再降到2003年的12.5 km。

以上能見度特征分析可看出，廣州市大氣能見

沈家芬等：廣州市大氣能見度的特征及其影響因子分析 1201

1511.4能見度/km13.814.012.21050春夏季節秋冬

圖4 廣州大氣能見度季節變化

Fig. 4 Seasonal variation of visibility

13.413.2能見度/km13.213.01312.812.612.412.2122001年2002年2003年12.5

圖5 廣州大氣能見度年際變化

Fig. 5 yearly variation of visibility

度存在較明顯的年、季、日變化，年均值為12~14

km，并呈現出逐年下降趨勢。

2.2 大氣能見度與地面氣象要素的相關分析

為了確定各氣象要素對大氣能見度的影響，運用大型統計分析軟件SPSS13.0對2001—2003年的大氣能見度日均值與同期各氣象要素日均值（以3年平均值計算，下同）作簡單相關和偏相關分析，計算其相關系數。

當所研究的兩個隨機變量服從二元正態分布時，其相關性可由pearson 簡單相關系數加以描述，pearson 簡單相關系數簡稱相關系數。簡單相關顯示了兩變量之間相互影響(包括直接影響和間接影響)的程度，不排除受第三變量的影響。在多元相關分析中，如果希望將其它變量固定下來，單獨考察兩個變量之間的相關程度，則可以計算偏相關系數。偏相關系數排除了一些不易控制因素的干擾，相當于人為地將其它若干因子控制在恒定的條件下研究兩個變量之間的關系。兩種分析方法的對比可以看出能見度是受何因子的影響，及其影響程度。分析結果見表2。

由pearson相關系數可以看出，大氣能見度與平均風速呈顯著正相關關系，相關系數為0.303。風可以使大氣中的沙塵和污染物快速擴散，從而使沙塵或煙霧淡化，能見度就會增大；能見度與相對濕度呈顯著負相關，相關系數為-0.515。空氣中水蒸汽較豐富時，容易發生凝結而生成大量的小液滴，從而降低能見度。能見度與地面氣壓呈極弱的負相關關系，其相關系數只有-0.033，且相關性不顯著；與溫度呈弱的正相關，相關性也不顯著，其相關系數只有0.101，表明氣壓和溫度對能見度的影響很小。

由偏相關分析結果可以看出：在不受其它因素影響的情況下，風速與大氣能見度呈顯著正相關；而相對濕度、溫度和氣壓與能見度呈負相關，其中相對濕度和氣壓的相關性達到顯著水平；相對濕度與能見度的偏相關系數較大，為-0.599，表明相對濕度能夠使能見度顯著降低，而溫度和氣壓的偏相關系數分別為-0.027和-0.180，表明溫度和氣壓對降低能見度的貢獻很小。能見度與風速的正相關性以及與相對濕度的負相關性曾有過報道[4，6，8]。

以上相關分析結果表明在氣象要素中，相對濕度和平均風速對大氣能見度的影響較大，而地面氣壓和氣溫對能見度的影響較小。

2.3 大氣能見度與空氣污染物的相關分析

大氣能見度與空氣污染程度關系密切。根據2001—2003年廣州市大氣能見度日平均值和空氣污染物PM10、SO2、CO、NO2的日平均濃度資料，進行大氣能見度與各空氣污染物的關系分析。運用SPSS13.0計算大氣能見度與各種污染物的pearson

相關系數和偏相關系數，結果見表3（下頁）。

表2 大氣能見度與地面氣象要素間的簡單相關與偏相關分析

Table 2 Pearson and partial correlation coefficient of visibility and meteorological elements

相關類型

pearson相關

能見度統計項目

能見度 相關系數

概率p

樣本數

偏相關

能見度 偏相關系數

概率p

自由度

**相關系數在0.01置信水平下顯著(雙側檢驗)

相對濕度

-0.515**

0.000

365

-0.599**

0.000

360

風速

0.303**

0.000

365

0.316**

0.000

360

溫度

0.101

0.054

365

-0.027

0.603

360

氣壓

-0.033

0.535

365

-0.180**

0.001

360

1202 生態環境 第16卷第4期（2007年7月）

表3 大氣能見度與空氣污染物簡單相關和偏相關分析

Table 3 Pearson and partial correlation coefficient of visibility and air pollutants

相關類型

pearson相關

能見度統計項目

能見度 相關系數

概率p

樣本數

偏相關

能見度 偏相關系數

概率p

自由度

PM10

-0.500**

0.000

365

-0.120*

0.022

360

SO2

-.575**

.000

365

-0.391**

0.000

360

NO2

-0.484**

0.000

365

0.043

0.413

360

CO

-0.366**

0.000

365

-0.088

0.094

360

**.相關系數在0.01置信水平下顯著(雙側檢驗); *相關系數在0.05置信水平下顯著(雙側檢驗)

由簡單相關分析結果可以看出，大氣能見度與PM10、SO2、NO2、CO均具有較強的負相關性，且其相關性都達到極顯著水平。能見度與PM10、SO2、NO2和CO的pearson相關系數分別為-0.5、-0.575、-0.484、-0.366，表明4種空氣污染物濃度增加會引起能見度水平下降。關于能見度與PM10、SO2、NO2等污染物濃度的負相關性曾有過報道[4，9]。但從偏相關系數來看，情況則有些不同：在不受其它因素影響的條件下，除SO2與能見度呈較明顯的負相關外，能見度與PM10、CO的負相關程度大為減弱，而能見度與NO2表現為極弱的正相關關系。能見度與4種污染物的偏相關系數依次為SO2（-0.391）、PM10（-0.12）、CO（-0.088）和NO2（0.043）。表明在排除其它污染物影響的條件下，單種污染物對能見度的貢獻不顯著。這說明空氣污染物對能見度的影響是綜合作用的，多種污染物間的光化學作用造成的二次污染對能見度的影響大于單種污染物

對能見度的影響。

2.4 能見度與各影響因子的回歸分析

大氣能見度是氣象要素和空氣污染物共同作用的結果(它們之間可能還存在其他較為復雜的關系)，因此，有必要利用各種影響因子的同步資料綜合分析它們對大氣能見度的影響能力。綜合上述能見度與地面氣象要素及空氣污染物濃度的相關分析，選取與能見度相關性較好的有關因子，利用2001—2003年(取3年平均)的能見度、氣象要素和污染物濃度同步資料，運用 SPSS13.0 對能見度日均值與氣象要素及污染物濃度日均值進行多元線性回歸分析。所選因子為X1：相對濕度，X2：平均風速，X3：PM10，X4: SO2，X5：NO2，X6：CO。則多元線性回歸方程的形式為：

y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6

式中，b0為常數，b1、b2、b3、b4、b5、b6稱為偏回歸系數。回歸分析結果見表4，R為復相關系數。

表4 大氣能見度與氣象要素和空氣污染物濃度回歸分析結果

Table 4 Regression results of visibility and meteorological elements and air pollutants

R

0.790

R2

0.623

調整后的R2

0.617

估計標準誤差

1.553

統計項目

回歸

剩余

合計

平方和

1429.65

863.78

2293.43

自由度

6

358

364

均方

238.28

2.41

F檢驗

98.76

概率p

0.000

建立的回歸方程為：

能見度=34.515-21.21×相對濕度-0.149×風速-31.883×PM10+2.762×SO2-54.492×NO2 +0.517×CO

方程的復相關系數為0.79，估計標準誤差為1.553。從偏回歸系數來看，以NO2濃度對能見度的影響貢獻最大，PM10次之，再次是相對濕度，而SO2、CO和風速對能見度的貢獻較小。

運用上述回歸方程，以2003年各影響因子的日均值為例進行2003年能見度日均值的擬合，觀測值與擬合值的對照見圖6（下頁）。

從圖6可以看出，能見度擬合值與實際觀測值吻合較好，平均誤差為-0.184km，平均相對誤差為-4.4%。在回歸擬合過程中，如果NO2和PM10的濃度同時較大時，由于它們的回歸系數較大，所以能見度的擬合值就可能出現負值。

3 結論

（1）廣州市大氣能見度年平均只有12~14 km，呈明顯的逐年下降趨勢。日、季變化特征明顯，一年之中，春季能見度最低，夏季能見度最高。一日之中，早晨08時能見度最差，午后14時最好。

沈家芬等：廣州市大氣能見度的特征及其影響因子分析 1203

25.020.015.010.05.00.0(5.0)(10.0)124477093

觀測值

5

t/d

擬合值能見度/km200323346圖6 2003年大氣能見度日均值實測值與擬合值對照

Fig. 6 Simulated and obrved visibility in Guangzhou in 2003 using the regression model

（2）能見度與平均風速呈顯著正相關，與相對濕度呈顯著強負相關；與溫度和氣壓的相關關系極弱。能見度與各空氣污染物在簡單相關分析中均表現為顯著的較強負相關，但在偏相關分析中，能見度與各空氣污染物的相關性較弱。

（3）能見度與同期污染物濃度和氣象要素的回歸分析表明，NO2、PM10和相對濕度對能見度的影響貢獻較大。

氣象條件和空氣污染程度對城市大氣能見度的影響很大，其中空氣污染物對能見度的影響較為復雜，其影響機制究竟如何，這有待于今后進一步的研究。

參考文獻:

[1] HORVATH H. Estimation of the average visibility in Central Europe[J].

Atmospheric Environment, 1995, 29(2): 241-246.

[2] CHENG M T, TSAI Y I. Characterization of visibility and atmospheric

aerosols in urban, suburban, and remote areas[J]. The Science of the

Total Environment, 2000, 263(1-3): 101-114.

[3] 范引琪, 李二杰, 范增祿. 河北省1960—2002年城市大氣能見度的變化趨勢[J]. 大氣科學, 2005, 29(4): 526-535.

FAN Yingqie, LI Erjie, FAN Zhenlu. Visibility trends in 11 cities of

Hebei province during 1960—2002[J]. Chine Journal of Atmos-pheric Sciences, 2005, 29(4): 526-535.

[4] 王淑英, 張小玲, 徐曉峰. 北京地區大氣能見度變化規律及影響因子統計分析[J]. 氣象科技, 2003, 31(2): 109-114.

WANG Shuying, ZHANG Xiaoling, XU Xiaofen. Analysis of varia-tion features of visibility and its effect factors in Beijing[J]. Meteoro-logical Science and Technology, 2003, 31(2): 109-114.

[5] 宋宇, 唐孝炎, 方晨, 等. 北京市能見度下降與顆粒物污染的關系[J]. 環境科學學報, 2003, 23(4): 468-471.

SONG Yu, TANG Xiaoyan, FANG Cen, et al. Relationship between

the visibility degradation and particle pollution in Beijing[J]. Acta

Scientiae Circumstantiae, 2003, 23(4): 468-471.

[6] TSAI Y I, CHENG M T. Visibility and aerosol chemical compositions

near the coastal area in Central Taiwan[J]. The Science of the Total

Environment, 1999, 231(1): 37-51.

[7] LEE Y L, SEQUEIRA R. Water-soluble aerosol and visibility degra-dation in Hong Kong during autumn and early winter, 1998[J]. Envi-ronmental Pollution, 2002, 116(2): 225-233.

[8] 洪全. 重慶市大氣能見度變化趨勢及影響因子[J]. 重慶大學學報,

2003, 26(5): 151-154.

HONG Quan. The trend of visibility and its affecting factors in

Chongqing[J]. Journal of Chongqing University, 2003, 26(5): 151-154.

[9] 束炯, 李莉, 張瑋.大氣污染對城市能見度影響研究的理論與實踐[J]. 上海環境科學, 2003, 22(11): 785-789.

SHU Jiong, LI Li, ZHANG Wei. Theory and practice of study on im-pact of atmospheric pollution on urban visibility[J]. Shanghai Envi-ronmental Sciences, 2003, 22(11): 785-789.

[10] 吳兌. 關于霾與霧的區別和灰霾天氣預警的討論[J]. 氣象, 2005,

31(4): 3-7.

WU Dui. A Discussion on Difference between Haze and Fog and

Warning of Ash Haze Weather[J]. Meteorology, 2005, 31(4): 3-7.

1204 生態環境 第16卷第4期（2007年7月）

Characterization of visibility and its effect factors in Guangzhou

SHEN Jiafen1, 2, FENG Jianjun3, XIE Li1, LIN Yan2, MO Cehui4

1. College of Natural Resources and Environmental Sciences, South China Agricultural University, Guangzhou 510642, China;

2. Baiyunshan Scenic Spot Administrative Service, Guangzhou 510500, China;

3. Guangzhou Institute of Forestry, Guangzhou 510515, China;

4. Department of Environmental Engineering, Jinan University, Guangzhou 510632, China

Abstract: Three years’ data of the visibility (2001—2003), surface meteorological elements (relative humidity, wind speed, air tem-perature and atmospheric pressure) and the concentrations of air pollutants (PM10, SO2, NO2 and CO) were analyzed using correla-tion and regression analysis. Statistic analysis of visibility data shows that the yearly, asonal and daily variations of visibility were

obvious. The visibility was the worst in spring and the best in summer among one year and the worst at 8:00 and the best at 14:00

among one day. Visibility shows a positive correlation with wind speed and negative correlation with relative humidity and air pollu-tants’ concentration. A regression model bad on relative humidity, PM10, NO2 and CO has been developed, and the comparison

indicates that visibility in Guangzhou can be properly simulates by the equation derived herein.

Key words: visibility; meteorological elements; air pollution; correlation analysis; Guangzhou