随着经济的持续高速增长和城市化进程的加快，区域复合型大气污染加重，细颗粒物等二次污染物日益增加，造成严重的雾霾现象. 2013年1月我国中东部地区多次发生持续严重雾霾天气，引起了社会、 政府以及民众的广泛关注. 张小曳等^[1]指出现在的雾和霾已经不是完全的自然现象，居高不下的气溶胶是背后的主因. 雾霾天气不仅影响交通安全，而且对人体健康也产生严重的威胁^{[2, 3, 4, 5]}.

近年来霾的问题越来越严重，规范霾的判断指标越来越重要. 吴兑^[6]对不同时期，World Meterology Organization(WMO)和其他国家气象机构给出的雾与霾的区别进行了总结. WMO在1984年的报告里，规定霾的相对湿度低于80%^[7]，在1996年的报告里规定能见度低于1 km，相对湿度比某个百分数低，如80%^[8]，在2005年的报告里规定能见度不高于5 km^[9]； 英国气象局在1994年规定出现霾时相对湿度低于95%^[10]； 而我国气象局的地面观测规范文件中，对于雾和霾的判断没有给出明确的相对湿度作为辅助标准，各地的观测员对于霾的判别不规范，因此对于霾的研究不能直接使用天气现象资料进行分析^[11]. 吴兑等^[12]和刘宁微^[13]等在讨论珠江三角洲地区和沈阳地区霾对能见度的影响中，他们选择日均相对湿度小于90%，并排除降水、 吹雪、 雪暴、 扬沙、 沙尘暴、 浮尘、 烟幕等天气的数据进行了分析. 毛敏娟等^[14]则是排除了日均相对湿度大于80%和降水等天气的数据对浙江的霾天气成因进行了研究，发现灰霾天气形成起主要作用的是细粒子，关键排放因子是黑碳、 NO₂和 SO₂. Schichtel等^[15]、 Doyle等^[16]和Che等^[17]分别对美国，英国和中国霾影响能见度的长期变化进行了分析，他们使用14:00的能见度，相对湿度和天气现象对数据进行筛选确保数据质量，发现霾主要集中在气溶胶偏高的地区，大气污染物能够显著降低能见度. 在2010年中国气象局发布了气象行业标准(QX/T 113-2010)^[18] (简称“标准”)对霾的观测和等级预报添加了大气成分指标.

目前对于低能见度事件研究较多，研究主要集中在能见度的长期变化趋势、 时空分布特征以及低能见度事件下气溶胶的理化特性和天气形势特征等^{[19, 20, 21, 22, 23, 24, 25, 26, 27]}，但对于霾日的判断没有统一的规范标准. 赵普生等^[28]曾利用日均及14:00气象数据对于京津冀地区霾日的判定做了对比分析，但没有与“标准”中霾的判定进行对比. 本文针对长江三角洲地区近30年的地面观测数据以及南京北郊近1年的PM_2.5数据，对比霾日判别方法1、 2、 3与方法4(霾的观测和等级预报，QX/T 113-2010)的差异，并对不同时次发生霾的情况进行比较，探讨霾观测标准再完善的可能性，以期为霾的准确判别和预报预警提供依据. 1 材料与方法 1.1 数据来源

本研究所使用长江三角洲地区1980~2009年38个观测站的常规观测资料源自中国气象局信息中心(http://cdc.cma.gov.cn)^[29]，站点的地理信息如表 1所示. 所使用南京北郊2012年5月~2013年4月的PM_2.5数据由美国热电公司生产的 FH62C14系列β射线在线大气颗粒物浓度观测仪器获得，数据时间分辨率为30 min，观测期间的气象数据来自中国气象局大气探测基地(南京信息工程大学)CAWSD600型自动气象站，能见度数据采用CJY-1型能见度仪观测获得，时间分辨率为1 min. 由于2012年8月和9月数据有缺失，为保证讨论结果的准确性，将8月和9月数据全部剔除.

表 1(Table 1)

表 1 站点的地理信息 Table 1 Geographical locations of the observation stations 站号 站点 经度/(°) 纬度/(°) 高度/m 站号 站点 经度/(°) 纬度/(°) 高度/m 58015 砀山(DS) 116.33 34.42 50.9 58345 溧阳(LY) 119.48 31.43 8.1 58027 徐州(XZ) 117.15 34.28 41.9 58358 吴县东山(WX) 120.43 31.07 18.7 58040 赣榆(GY) 119.12 34.83 9.8 58362 上海(SH) 121.48 31.4 8.2 58102 毫州(BZ) 115.77 33.87 41.8 58424 安庆(AQ) 117.05 30.53 19.6 58122 宿县(SX) 116.98 33.63 36.7 58437 黄山(HS) 118.15 30.13 1836.3 58138 盱眙(XY) 118.52 32.98 36.3 58445 天目山(TM) 119.42 30.35 1502.9 58144 淮阴(HY) 119.03 33.6 18.6 58457 杭州(HZ) 120.17 30.23 43.2 58150 射阳(SY) 125.25 33.77 6.7 58464 平湖(PH) 121.08 30.62 10.9 58203 阜阳(FY) 115.82 32.92 38.6 58472 嵊泗(SS) 122.45 30.73 81.2 58215 寿县(SX) 116.78 32.55 23.5 58477 定海(DH) 122.1 30.03 36.6 58221 蚌埠(BB) 117.38 32.95 26 58531 屯溪(TX) 118.28 29.72 145.3 58238 南京(NJ) 118.8 32 12.5 58556 嵊县(SX) 120.82 29.6 107.6 58241 高邮(GY) 119.45 32.8 10 58562 鄞县(YX) 121.57 29.87 5.2 58251 东台(DT) 120.32 32.87 5.1 58569 石浦(SP) 121.95 29.35 128 58259 南通(NT) 120.85 32.02 5.8 58633 衢州(QZ) 118.87 28.96 67.1 58265 吕泗(LS) 121.6 32.07 9.6 58646 丽水(LS) 119.92 28.45 61.8 58314 霍山(HS) 116.32 31.4 72.7 58665 洪家(HJ) 121.42 28.62 2.2 58321 合肥(HF) 117.23 31.87 36.5 58666 大陈岛(DC) 121.9 28.45 84.4 58343 常州(CZ) 119.93 31.77 5.8 58667 玉环(YH) 121.27 28.08 92.9

表 1 站点的地理信息 Table 1 Geographical locations of the observation stations

1.2 研究方法

对于处理大量历史资料，霾日的判别有两类常用的方法，一类是日均值法，一般相对湿度<80%时的大气混浊导致的能见度恶化是霾造成的，相对湿度>95%时的大气混浊导致的能见度恶化是雾造成的，相对湿度介于80%~95%时，大气混浊导致的能见度恶化是雾和霾共同作用造成的^[11]. 因此对于霾日的判断一般是在能见度<10 km的前提下，以相对湿度来作为霾的判断依据，不同的学者判定霾的相对湿度有所不同. 吴兑^[30]提出日均值法得到霾日，将日均能见度<10 km，日均相对湿度<90%，并排除降水、 吹雪、 雪暴、 扬沙、 沙尘暴、 浮尘、 烟幕等天气记为一个霾日. 毛敏娟等^[14]在分析浙江霾天气成因时，经过大量分析，将日均能见度<10 km，日均相对湿度<80%，并排除降水、 吹雪、 雪暴、 扬沙、 沙尘暴、 浮尘、 烟幕等天气记为一个霾日. 另一类是采用14:00实测值法，这也是国际上广泛采用的讨论霾长期趋势的方法^{[15, 16, 17]}，即：14：00数据满足能见度<10 km，相对湿度<90%，天气代码为05(霾)，或者当天气代码记为01(露)、 02(霜)、 03(结冰)、 04(烟幕)、 10(轻雾)时，仍调整记为一个霾日. 利用天气代码可将降水、 吹雪、 扬沙、 沙尘暴、 浮尘、 烟幕等天气排除掉. 当相对湿度<90%时，雾比较难以形成，这样既可以将轻雾中被误报的霾分离出来，又可以将霾中误报的轻雾分离出去^[11]. 在“标准”(霾的观测和等级预报，QX/T113-2010)^[18]中规定能见度<10 km，相对湿度<80%判为霾，相对湿度介于80%~95%时，需考虑大气成分指标(PM_2.5浓度，PM₁浓度，气溶胶散射系数和吸收系数)进一步辨识，但该“标准”中有规定该指标是针对日均值或小时值. 郑秋萍等^[31]和戴永立等^[32]参考该“标准”对霾进行分析时，他们将“标准”中的指标应用于日均值，即：日均能见度<10 km，日均相对湿度<80%，日均相对湿度介于80%~95%时，PM_2.5浓度>75 μg ·m^-3定为一个霾日. 文中将常用的霾日识别方法进行了总结，见表 2. 霾时是采用14:00数据判断霾的方法进行识别.

表 2(Table 2)

表 2 霾日与霾时的识别标准 Table 2 Distinguishing standards of haze day and haze hour 霾日 方法1 日均能见度<10 km，日均相对湿度<90%，排除降水、 吹雪、 雪暴、 扬沙、 沙尘暴、 浮尘、 烟幕等天气[11] 方法2 日均能见度<10 km，日均相对湿度<80%，排除降水吹雪、 雪暴、 扬沙、 沙尘暴、 浮尘、 烟幕等天气[14] 方法3 14:00实测数据能见度<10 km，相对湿度<90%，天气代码为05(霾)，或者当天气代码记为01(露)、 02(霜)、 03(结冰)、 04(烟幕)、 10(轻雾)时，仍调整记为一个霾日[11] 方法4 排除降水等天气，日均能见度<10 km，日均相对湿度<80%，日均相对湿度介于80%~95%时，PM2.5浓度>75 μg ·m-3 [30] 霾时 02:00、 08:00、 20:00 实测数据能见度<10 km，相对湿度<90%，天气代码为05(霾)，或者当天气代码记为01(露)、 02(霜)、 03(结冰)、 04(烟幕)、 10(轻雾)时，仍调整记为一个霾时

表 2 霾日与霾时的识别标准 Table 2 Distinguishing standards of haze day and haze hour

2 结果与分析 2.1 长江三角洲地区霾日分布

图 1为不同方法统计出来的长三角地区逐10 a累计霾日分布情况. 从中可看出，由方法1统计出的霾日最多； 方法3考虑了天气现象，比方法1和2更合理，方法3统计出来的霾日最少. 由于方法3使用的是14:00实测数据，14:00是一天中能见度最好的时次，14:00不发生霾并不能代表其他时次没有霾的发生，但方法3能够突出较长时间的霾天气过程. 3种方法均能反映出1980~2009年长三角地区霾的发展趋势和分布情况. 长三角地区逐10年累计霾日数呈增长趋势，尤其是在2000年以后，霾污染变得更加严重. 由3种方法得到的霾日高值区都分布在南京、 杭州、 合肥、 衢州、 上海和射阳一带，其中南京、 杭州、 合肥和衢州霾更为严重. 在1980~1989年上海的霾日数较多，1990年以后，上海的霾日数减少，而射阳在1900年以后霾日数逐渐增多.

图 1

Fig. 1

图 1 1980~2009年长三角地区不同方法逐10 a累计霾日分布 Fig. 1 Distribution of haze day in Yangtze River Delta region using different methods from 1980 to 2009

不同的方法在霾日数上差别较大. 表 3所示，1980~1989年方法1是方法2统计霾日的2.56倍，是方法3的2.57倍； 1990~1999年方法1是方法2统计霾日的2.33倍，是方法3的2.32倍； 2000~2009年方法1是方法2统计的霾日的1.81倍，是方法3的2.31倍. 随着年代际变化，1980~2009年方法1与方法2得到的霾日数差别变得更小. 方法1与方法2的区别在于相对湿度的不同，方法1的相对湿度比方法2的范围大10%，方法1比方法2得到霾日数多，但方法1与方法2年代际之间的差别却逐渐减小. 这说明从80年代到现在霾日数由相对湿度10%的差距所起的作用逐渐减小. 这可能是由于近二三十年以来，我国中东部区域的气溶胶显著增加^[33,34]，使得霾发生时相对湿度降低.

表 3(Table 3)

表 3 方法1与其他方法得到的霾日数的年代际比较 Table 3 Compared haze days obtained from Method 1 with other methods 项目1) 1980~1989年 1990~1999年 2000~2009年 a 2.56 2.33 1.81 b 2.57 2.32 2.31 1) a:方法1得到的霾日数是方法2得到的霾日数的倍数； b:方法1得到的霾日数是方法3得到的霾日数的倍数

表 3 方法1与其他方法得到的霾日数的年代际比较 Table 3 Compared haze days obtained from Method 1 with other methods

图 2为不同方法统计出的长三角地区单个站点年平均霾日分布. 其中显示，多数站点利用不同方法统计出的年平均霾日相差较大. 在霾日比较严重的城市，如：南京、 杭州、 合肥和衢州，由这3种方法统计出来的霾日相差较小. 说明在霾严重的城市，这3种方法比较容易判断出霾日，而在霾不严重的地区，不同的方法造成的差异较大. 在长江三角洲38个站点中，有51.3%的站点由方法2得到的多年平均霾日数比方法3得到的高. 从单个站点霾日的多年平均图来看，大多数站点由方法3得到的霾远小于由方法1得到的霾，略低于由方法2得到的霾.

图 2

Fig. 2

图 2 1980~2009年长三角地区站点多年霾日平均对比 Fig. 2 Comparisons of average haze days in Yangtze River Delta region with different methods from 1980 to 2009

图 3

Fig. 3

图 3 1980~2009年长江三角洲地区霾时分布 Fig. 3 Distribution of haze hour in Yangtze River Delta region using different methods from 1980 to 2009

表 4(Table 4)

表 4 08:00与其他时次霾的年代际比较 Table 4 Decadal comparison between haze occurrence at 08:00 and other times 项目1) 1980~1989年 1990~1999年 2000~2009年 a 4.09 3.23 1.64 b 2.61 2.09 1.87 c 4.18 2.94 1.93 1) a: 08:00霾是02:00霾的倍数，b: 08:00霾是14:00霾的倍数，c: 08:00霾是20:00霾的倍数

表 4 08:00与其他时次霾的年代际比较 Table 4 Decadal comparison between haze occurrence at 08:00 and other times

图 4

Fig. 4

图 4 2012年5月~2013年4月南京各月霾日数 Fig. 4 Total number of haze days of every month in Nanjing from May,2012 to April,2013

比较方法4与其他3种方法，发现除11月和12月外，其他月份由方法1得到的霾日数与方法4得到的霾日数最接近，方法2和方法3得到霾日数比方法4得到的霾日数少，这说明在排除降水天气，相对湿度在80%~90%的情况下，霾日的PM_2.5质量浓度多数达到了75 μg ·m^-3. 在“标准”^[18]中相对湿度介于80%~95%时，能见度小于10 km，PM_2.5的质量浓度超过75 μg ·m^-3判定为霾，而南京北郊相对湿度介于80%~95%，能见度在10 km左右时，PM_2.5的质量浓度平均值为50 μg ·m^-3，因此南京北郊地区对于高相对湿度下(80%2.5的质量浓度低于“标准”中的75 μg ·m^-3. 由于数据的局限性，文中没有讨论南京北郊地区其他的大气成分指标(PM₁浓度，气溶胶散射系数和吸收系数)，因此该“标准”的其他指标是否适合南京北郊地区需要做进一步的讨论和分析.

为了分析不同霾方法对于区分霾等级的差别，图 5给出了南京2012年5月~2013年4月各月霾等级霾日数. 根据“标准”^[18]，能见度介于5~10 km，为轻微灰霾； 能见度介于3~5 km，为轻度灰霾； 能见度介于2~3 km，为中度灰霾； 能见度小于2 km，为重度灰霾. 由图 5可看出，由方法3得到的多为轻微灰霾，只有在霾比较严重的1月和2月才有不同程度霾的出现，这说明方法3对于霾的等级分析不适用. 方法1、 方法2和方法4都能比较好地得到霾的不同等级，方法1与方法4得到的结果较为接近，方法2得到的各霾等级的天数略少. 因方法2没有考虑相对湿度大于80%的情况，所以容易遗漏高相对湿度下的霾天气.

图 5

Fig. 5

图 5 2012年5月~2013年4月南京各月灰霾等级霾数 Fig. 5 Different haze levels of total haze days in Nanjing from May,2012 to April，2013

(1)不同方法得到的长江三角洲地区霾的分布趋势较为一致，霾日数高值主要分布在南京、 杭州、 合肥、 衢州. 由方法1得到的霾日数最多，方法3考虑了天气现象，比方法1和2更合理. 随年代际变化，3种方法得到霾日数差异逐渐变小，2000年以后这种差异更加明显. 在霾严重的城市，不同方法统计得到的霾日数相差甚微.

(2) 长江三角洲地区发生在08:00的霾最多，1980~1999年02:00、 08:00及20:00的霾变化不明显，2000年以后，不同时次的霾都有所增加. 长江三角洲地区霾时的分布与霾日分布一致. 随年代际变化，不同时次发生霾的差距逐渐变小.

(3)方法4与方法1得到的霾日数相差不大，除方法3外，其他的霾日判别都能反映出霾的等级程度. 南京北郊地区，相对湿度介于80%~95%情况下，对于霾的辨识，PM_2.5的质量浓度低于“标准”中的75 μg ·m^-3.