2016, Vol. 37
2. 中国科学院大气物理研究所东亚区域气候-环境重点实验室, 北京 100029;
3. 海南省南海气象防灾减灾重点实验室, 海口 570203
2. Key Laboratory of Regional Climate-Environment Research for Temperate East Asia, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
3. Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province, Haikou 570203, China
霾是大量极细微的尘粒均匀地飘浮在空中，使大气能见度小于10 km的空气普遍浑浊现象[1].近些年来，随着城市化进程和经济迅速发展，大气污染物浓度增加，我国各地频频发生霾污染天气，使得报纸、电视、网络等媒体频现各种各样的霾天气报道.特别是2013年1月我国中东部所遭遇的雾-霾天气，其影响范围之广、持续时间之久都尤为罕见[2].随着霾越来越引起人们的关注，针对霾污染的研究也多了起来[3, 4].我国学者系统研究霾污染主要从本世纪初开始[5]，从霾的观测识别[6, 7]到时空分布[8]、气候特征[9~12]、成因分析[13~15]以及数值模拟[16, 17]、气溶胶特性[18~22]等方面开展了大量研究工作.其中关于我国霾的长期变化基本上都得到一致的结果，即我国霾日数呈现明显的上升趋势，相伴随的大气能见度呈下降趋势.特别是在经济较为发达、人口密度大的京津冀地区、四川盆地、长三角和珠三角地区等，霾日数上升更为显著[23~25].
造成我国霾日数增多的原因除了与经济规模的迅速扩大和城市化进程的加快导致气溶胶排放物的增加有密切关系外，人为活动导致的气候变暖所引起的大气环流条件(包括风场、层结条件、水汽、温度以及降水等条件)变化很可能也是这种变化发生的重要条件之一[26].本研究在全面分析我国霾日数的长期变化趋势与区域分布特征基础上，结合聚类分析、累积距平和Mann-Kendall突变检验等方法，揭示不同类型站点霾日数的长期变化趋势特征，同时研究关键气候因子对这种变化的作用，这对深入了解我国霾日数长期变化与成因有重要的意义.
1 材料与方法 1.1 资料本研究所用的资料是由国家气象信息中心最新整编的1960～2013年全国756个国家基准站地面观测资料，包括霾日数、相对湿度、逐日降水量、天气现象、最大风速和年平均风速等资料，目前是我国最完整的地面气象观测资料，而且均通过了国家气象中心气象资料室的质量检验.为了避免缺测数据引起的误差,对站点的选取采用了比较严格的标准: 任意一年的数据当中缺测值超过5%的站点都被剔除.同时兼顾到由于迁站会导致数据的非均一性问题,本文最后共选取了我国543个站点共54年(1960～2013年)的资料(地理分布见图 1).此外还用到了MODIS卫星反演的我国地区AOD资料和OMI卫星反演的对流层NO2柱浓度(TroNO2)资料[27]，分辨率分别为1°(纬度)×1°(经度)和0.25°(纬度)×0.25°(经度)，以及中国统计局给出的全国能源消耗总量等资料[28].
|
图 1 中国地区543个气象观测站分布 Fig. 1 Locations of 543 weather stations over China |
气候倾向率采用公式(1)进行计算.用y表示样本量为n的某一要素，用x表示y所对应的时间样本序列号，建立x与y之间的一元线性回归方程，见公式(1)：
|
(1) |
式中，a为回归常数，b为回归系数，其值为上升或下降的速率，即表示上升或下降的倾向度[29]，b>0说明随时间x增加y呈上升趋势，b<0说明随时间x增加y呈下降趋势.其显著性通过t检验进行判断，其检验统计量为：
|
(2) |
式中，r为相关系数.统计量Tc遵从自由度(n-2)的t分布.给定显著性水平a，若∣Tc∣>Ta，则拒绝原假设Ho，认为y的变化趋势是显著的.为便于分析，将系数b放大10倍，即为气候倾向率，表示年平均霾日数每10 a增(减)的幅度.
1.2.2 气候趋势系数公式(1)中带量纲的气候倾向率可直观地反映年平均霾日数趋势增(减)量的变化速率，但不能反映其增(减)相对的幅度.本研究利用前人的研究方法[30, 31]，计算了气候趋势系数rxt.该趋势系数定义为n个时刻(年)的要素序列与自然数列1，2，……，n的相关系数：
|
(3) |
式中，n为年数.xi是第i年要素值，为其样均值.t=(n+1)/2.显然，这个值为正(负)时，表示该要素在所计算的n年内有限性增(降)的趋势.
累积距平是一种由曲线直观判断气候变化趋势的方法.对于气候要素序列，其某一时刻t的累积距平表示为：
|
(4) |
|
(5) |
将n个时刻的累积距平值全部算出，绘出累积距平曲线进行趋势分析.
1.2.4 趋势突变检验方法检验气候突变有多种方法，本研究采用Mann-Kendall法对近54年不同类型年平均霾日数长时间序列进行突变检验.Mann-Kendall非参数突变检验方法不需要样本遵从一定的分布，也不受少数异样值的干扰，具有检验范围宽、定量化程度高、人为性小等优点,是目前突变性检验方法中理论基础较强且应用较多的一种[32, 33].计算方法详见文献[29].在正序列曲线超过临界值信度线的前提下，若正序列和反序列两个统计量序列有明显的交叉点，且位于信度线之间，则表明该交叉点为突变点，且统计上显著.
该方法以气候平稳为前提，并且这序列是随机独立的，其概率分布等同.在原假设H0：气候序列没有变化的情况下，设此气候序列(x1,x2,…xn)，mi表示第i个样本xi>xj(1≤j≤i)的累计数，定义一统计量：
|
(6) |
在原序列随机独立的假设下,dk的均值、方差分别为：
|
(7) |
将dk标准化：
|
(8) |
这里u(dk)为标准分布，其概率a1=prob(∣u∣>∣u(dk)∣)可以通过计算或查表获得.给定一显著性水平a0，当a1>a0时，接受原假设H0：当a1<a0时，则拒绝原假设H0，它表示此序列将存在一个强的增长或减少趋势，所有u(dk)(1≤k≤N)将组成一条曲线UF，通过信度检验可知其是否有变化趋势.把此方法引用到反序列中，mi 表示第i个样本xi大于xj (i≤j≤N)的累计数，当i′=N+1－i时，如果mi =mi，则反序列的 u(di)由下式给出：
|
(9) |
(di)将组成一条曲线UB，当曲线UF超过信度线，即表示存在明显的变化趋势，如果曲线UF和UB的交叉点位于信度曲线之间，这点便是突变的开始点.
2 结果与分析 2.1 我国地区霾日数的时空分布特征霾污染的分布受工业化和城市化导致的气溶胶高排放的影响.图 2给出了我国地区1960～2013年年平均霾日数分布.从中可知，我国的霾污染主要分布在100°E以东、42°N以南地区，其中华北的中部和西部，西南的南部，华中大部，华东大部，华南西部和南部，四川盆地等地区年平均霾日数大于等于10 d，是我国霾天气的多发区.结合图 3和图 4可知，这些区域AOD和TroNO2也有较高的分布，如华北中部和西部，华中大部、四川盆地，长三角和珠三角地区，AOD值可达0.7以上.TroNO2也可达80×1015 molec ·cm-2，特别是华北西部，长三角和珠三角地区，局地可达160×1015 molec ·cm-2以上.这些区域由于人口较为集中，人类活动频繁，为霾的形成提供了有利的人为污染源排放条件，导致霾日数分布较高，霾污染较为严重[4].
|
单位：d 图 2 我国地区1960～2013年年均霾日数分布 Fig. 2 Spatial distribution of mean annual haze days in China during 1960 to 2013 |
|
图 3 我国地区2001～2013年年平均AOD分布 Fig. 3 Spatial distribution of mean annual AOD in China during 2001 to 2013 |
|
图 4 我国地区2004～2013年对流层NO2柱浓度分布 Fig. 4 Spatial distribution of mean annual TroNO2 in China during 2004 to 2013 |
年平均霾日数大于等于20 d的高频区主要集中在人口比较密集的大城市和煤矿基地，如北京地区、山西中部和南部、河南局部地区、长三角和珠三角等地，在空间上形成多个离散的高发中心，其中河南的新乡高达78.9 d(表 1)，为全国最高值，其次是山西的临汾，为74.7 d，此外，像北京、广州、深圳、合肥、郑州、武汉等大城市的霾日数也比较多，分别为31.3、44.5、55.9、51.8、51.5和17.3 d.而在中国西部、东北大部及内蒙古地区霾出现相对较少，大多数站点多年平均年霾日数不足一天.西藏、海南岛基本无霾日.总体而言，我国中东部和南部霾天气较多，西部和东北部地区相对较少.另外在同一区域内，大中城市的霾天气较小城市偏多.
|
表 1 我国1960～2013年年平均霾日数前10位站点及部分大城市的年霾日数 Table 1 Top 10 sites of the average number of haze days in China and annual haze days in some major cities |
图 5是1960~2013年全国平均年霾日数和能源消耗总量的时间演变曲线.从中可以看到，霾日数近54年来总体特征是呈不断增加的趋势.在20世纪60年代霾日数基本在4 d以下，而到2010年以后则上升到了12 d以上，特别是2013年为25.2 d，几乎增长了6倍.这一趋势与丁一汇等[25]的研究结果一致.另一个变化特征是，在总体上升过程中，可以划分为3个阶段，即第一阶段1960~1979年缓慢上升阶段、第二阶段1980~2000年平稳变化阶段、第三阶段2001~2013年加剧上升阶段，上升率分别为2.46、-0.05和9.89 d ·(10 a)-1，这一变化特征与我国能源消耗总量时间演变呈显著相关(信度标准达95%以上).值得探讨的是1979年前(第一阶段)霾日数与能源消耗总量两者同步线性上升； 但是到了1980~2000年(第二阶段)能源消耗总量稳定上升，而年平均霾日数却处于年际弱波动的平缓变化阶段； 2000~2013年(第三阶段)能源消耗总量加剧上升阶段，霾日数虽有年际波动但两者均呈同步加剧上升趋势.上述结果说明霾日数的变化特征除了主要受能源消耗的程度控制外，也可能存在气象条件的显著影响，对此还需要进一步研究.
|
图 5 1960～2013年我国霾日数和能源消耗总量的年际变化 Fig. 5 Annual variation of mean annual haze days and energy consumption in China during 1960 to 2013 |
图 6是我国1960~2013年各个季节霾日数的空间分布.从中可知，从年平均发生次数来看，夏季是霾日数最少的季节，而冬季是霾天气发生最多的季节，春秋季次之.从空间分布来看，冬春季发生范围较广，而夏秋季范围相对较小，其中夏季最小.这与我国季节的气候特点存在明显的相关性.冬季我国大部分时间地面受大陆高压控制，天气晴好，降水较少，空气中的气溶胶粒子容易聚集增多，在大气层结稳定的条件下，容易形成霾天气.而夏季是一年中降水最多的季节，雨水的冲刷带走了大量的气溶胶粒子，另外夏季不稳定天气发生较多，有利于粒子的扩散，抑制霾污染的发生.所以总体而言，冬季霾天气相对较多，而夏季则偏少.
|
图 6 我国地区1960～2013年霾日数春季、夏季、秋季和冬季季节分布 Fig. 6 Seasonal distribution of haze days over China in spring,summer,fall and winter averaged over 1960-2013 |
春季，霾日数出现较多的地区主要是北京地区，山西中南部、河南中部，云南南部，珠三角和长三角等地，为5~10 d，局部可达20 d以上.比较有意思的是云南南部地区霾日数只有春季多发，而其余三季少发.夏季，大部分地区霾日数不足2 d，只有山西中南部，北京等地局部有5~10 d.秋季，长江以北地区与春季基本一致，但长江以南地区秋季霾日数有明显增多，像江西西北部，广西东北部和广东西部，珠三角地区平均5~10 d，局部地区达20~30 d.冬季是霾天气发生最多的季节，北京地区、河北中部、山西中部和南部、河南中部、安徽中部、江苏中部、浙江中北部、江西西部和北部、湖南中部和西部、广西中北部和珠三角等地有5~10 d，其中山西、河南、江西、广西等省(区)的部分地区有10~30 d，局部在30 d以上.
从4个季节霾日数的年际变化(图 7)来看，4季的霾日数与年平均霾日数的变化趋势基本一致，近54年均呈显著的增加趋势，其气候倾向率分别为0.313 d ·(10 a)-1(春季)、0.267 d ·(10 a)-1(夏季)、0.748 d ·(10 a)-1(秋季)和0.734 d ·(10 a)-1(冬季).另外4季气候趋势系数分别为：春季(0.582)、夏季(0.752)、秋季(0.841)和冬季(0.724)，4季均超过了99.9%的显著性检验，各个季节霾日数增加十分显著.
|
图 7 1960～2013年我国地区平均四季霾日数的年际变化 Fig. 7 Annual variations in seasonal haze days averaged over South China during 1960 to 2013 |
图 8分别是1960~2013年全国年平均霾日数的气候趋势系数和气候倾向率的变化趋势空间分布.从中可以看到，在过去54年中霾日数增加的地区主要在中国的东部地区，而在中西部地区出现减少的平均趋势，东北地区除了南部的部分站点外，总体上也表现出减少趋势，这一结果与高歌[10]和吴兑等[34]的统计结果基本一致.北京地区、河北中部、山西中部和南部、河南中部、安徽中部、江苏大部、浙江大部、上海、江西西部和北部、湖南中部和西部、广西和广东等地，年平均霾日数气候倾向率普遍超过了5 d ·(10 a)-1，是正变化趋势最显著的地区，特别是以珠三角和长三角为中心的地区，气候趋势系数可达0.8，部分站点气候倾向率超过10 d ·(10 a)-1，霾天气上升最为显著，这些地区也是中国工业和经济发展最快、同时也是污染物排放最多的地区.
|
图 8 1960～2013年我国地区年平均霾日数气候趋势系数和气候倾向率分布 Fig. 8 Spatial distribution of trend coefficient and climatic trend rate of haze days over China during 1960 to 2013 |
霾天气的发生主要取决于大气污染排放强度和气象条件对污染物的稀释扩散能力[35].在同等气象条件下，大气污染排放越少，则霾天气发生可能性就越小； 反之大气污染排放越强，霾天气发生可能性就越高.而大气污染排放强度大致稳定的情况下，不同的天气气候形势显著影响着大气污染物的聚集程度，并最终导致霾天气强度和频次的差异.为考察我国地区近54年来气象因子对霾日数增减趋势的影响，本研究选取了降水日数，平均风速、日照时数和相对湿度进行分析，其中降水日定义为日降水量大于0.1 mm.
由图 9可见，我国地区降水日数、平均风速、日照时数和相对湿度近54年来均呈波动减少趋势，进一步计算其与霾日数的相关系数(表 2)，分别为-0.653(降水日数)、-0.635(平均风速)、-0.462(日照时数)和-0.699(相对湿度)，远远超出了99.9%的信度检验标准.如此高的相关系数表明，气象因子的变化对我国霾天气增减趋势的影响非常显著.空气中的气溶胶粒子的积累有利于霾天气的发生，而降水是冲刷空气中气溶胶粒子的重要天气过程之一[36].另外，地面的风力条件被认为是大气污染物稀释扩散的最直接因素之一.我国年平均降水日数和年平均风速的气候倾向率分别为-3.573 d ·(10 a)-1和-0.116 m ·s-1 ·(10 a)-1，持续减少的降水日数必然造成空气中气溶胶粒子的增多，而平均风速的减弱将降低风对气溶胶粒子的搬运作用和扩散稀释作用[35]，导致日照时数的减少[37]，霾天气的增加.没有气溶胶粒子就不能形成霾，没有气溶胶粒子参与在实际大气中也无法形成雾，因此一般情况下，雾和霾在一天之中可以变换角色，甚至在同一区域内的不同地方，雾和霾也会有所侧重[38].一定条件下，相对湿度的持续降低可能造成雾滴向霾粒子转换容易，霾粒子向雾滴转换困难的局面，这将进一步导致霾日数增加，污染加重[25].
|
图 9 1960～2013年我国地区年降水日数、年平均风速、日照实数和相对湿度的年际变化 Fig. 9 Annual variations of precipitation，mean wind speed，sunshine duration and relative humidity averaged in China during 1960 to 2013 |
|
|
表 2 我国地区气象因子变化与霾日数相关统计 Table 2 Statistics of relationship between haze days and climatic factors over South China |
2.5 我国霾日数的聚类分析 2.5.1 6类站点霾日数的变化趋势特征
在分析不同类型站点的霾污染变化时，使用聚类分析的方法.由于聚类分析是根据事物本身的特性研究个体分类的统计分析方法，基本思想认为研究变量间有相似性，因此本研究据此对霾污染不同程度的站点进行划分，分析全国各类站点霾污染的分布和变化规律特征.本研究首先计算出全国543个站点的年霾日数气候倾向率，定义其气候倾向率≥10 d ·(10 a)-1为上升极显著站点，而上升显著为5～9.9 d ·(10 a)-1，上升明显为2～4.9 d ·(10 a)-1，轻微上升为0～1.9 d ·(10 a)-1，轻微下降为-1.9～0 d ·(10 a)-1，下降明显为≤-2 d ·(10 a)-1.其站点数分别为50(上升极显著)，40(上升显著)，25(上升明显)，90(轻微上升)，280(轻微下降)和24(下降明显)，空间分布见图 10所示.上升极显著、上升显著和上升明显的站点主要分布在100°E以东、42°N以南地区，与前面的分析一致，而在我国中西部、东北大部和西南地区主要为下降的变化趋势.王存忠等[39]统计分析表明，我国西北地区沙尘暴近50年来总体呈明显振动减少趋势，这可能对这些地区霾污染减少有一定的帮助.
|
图 10 我国地区聚类分析中6类站点分布 Fig. 10 Distribution of 6 groups of stations in cluster analysis over China |
就霾日数的年际变化而言，聚类分析所得的6类站点呈现出了不同的变化趋势(图 11).上升极显著、上升显著和上升明显的站点气候倾向率分别为17.66、7.54和3.48 d ·(10 a)-1(表 3)，其气候趋势系数较高，均通过了99.9%的信度检验.仔细分析可发现，这三类站点的年际变化特征也不尽相同，上升极显著站点在20世纪90年代以前维持稳定的上升趋势，90年代以后上升加速，特别是2000年以后，霾日数上升更为明显，2013年此类站点年平均霾日数已经超过120 d，污染极为严重.上升显著的站点霾日数上升时期主要在20世纪60年代至80年代末与2000年之后，而80年代至2000年为平稳变化时期.上升明显的站点在2006年之前均表现为缓慢的上升趋势，之后才加速上升.轻微上升站点的霾日数上升时期为20世纪60年代至70年代末与2000年之后，而80年代初至2000年略有下降.轻微下降与下降明显的站点在20世纪60年代至70年代末为快速上升时期，之后轻微下降站点霾日数呈稳定下降趋势，而下降明显站点呈阶梯式下降，80年代霾日数维持在15 d左右，90年代中期之后维持在4 d附近.不同类型站点的霾日数年际变化特征主要与经济发展水平和气候环境变化有关，如上升极显著、上升显著和上升明显的站点主要分布在我国东部和南部，属于平原经济较为发达地区，人为排放影响最为严重.轻微下降的站点主要分布在我国东北、西北和西南等地，主要受沙尘暴和扬沙天气影响.轻微上升的站点主要分布在我国华北、四川盆地和北疆等地，明显下降的站点主要分布在我国的华北西部、西南及靠近西部地区，这两类站点主要受到沙尘暴浮尘现象和经济发展的双重影响.
|
图 11 1960～2013年我国地区6类站点年平均霾日数年际变化 Fig. 11 Annual variations of haze days averaged over 6 groups of stations during 1960 to 2013 |
|
|
表 3 我国地区和6类站点年平均霾日数变化趋势 Table 3 Annual variation trend of haze days in China and 6 groups of station |
2.5.2 6类站点霾日数的累积距平分析
累积距平是表示趋势变化的线性波动，可以反映年代际变化的升降起伏，而距平曲线则是表示在平均线上的年际波动，因此采用累积距平来表示年代际的长期趋势变化更为直观和合理.从图 12可以清楚看出，上升极显著、上升显著和上升明显的站点累积距平变化趋势较为类似，为下降-平缓-上升型.上升极显著站点在20世纪60年代呈下降趋势，90年代为平缓变化，2000年以后呈上升趋势.
|
图 12 6类站点年平均霾日数变化累积距平 Fig. 12 Accumulated annual mean haze days anomaly in 6 groups of stations |
上升显著站点70年代中期以前呈下降趋势，而在70年代中期至本世纪初一直为平缓变化时期，之后才呈上升趋势.相比之下，上升明显站点的下降趋势比较长，从60年代至90年代初维持下降趋势，90年代中期至2006年为平缓变化期，之后为上升期.轻微上升站点累积距平变化趋势为多波动型.20世纪60年代至70年代初呈下降趋势，70年代中期至80年代初为上升时期，80年代初至90年代中期为平缓时期，随后至2006年又呈下降趋势，2007年至2013年为上升趋势.轻微下降和下降明显站点累积距平变化趋势与上升极显著、上升显著和上升明显站点基本相反，呈上升-平缓-下降型.轻微下降站点从20世纪60年代中期至80年代初呈稳定上升趋势，80年代初至90年代初为平缓时期，90年代以后呈稳定下降趋势.下降明显站点上升时期较短，只有60年代中期至70年代末为上升趋势，而80年代初至90年代中期呈平缓变化，之后维持稳定的下降趋势.
2.5.3 6类站点霾日数趋势突变检验突变时间是表示年平均霾日数长期变化趋势序列发生变化的一个突变时段，本研究采用Mann-Kendall法对6类站点霾日数变化趋势进行突变检验，取显著性水平α=0.05，相应的检验临界值Uα=±1.96.由图 13可以看出，上升极显著、上升显著和上升明显站点UF曲线在近54年来呈稳定的上升趋势，并分别于1973年(上升极显著，上升显著)和1976年(上升明显)超过了0.05的置信水平，说明这3类站点霾日数有明显的上升趋势，与前面的分析一致.另外3类站点UF曲线与UB曲线近54年来均出现一个交点，分别出现在1987~1988年(上升极显著)、1978～1979年(上升显著)和1994～1995年(上升明显)，但均分布在置信区间外，突变现象不明显.轻微上升站点UF曲线呈上升-下降-上升的变化趋势，并于1971～1980年超过0.05的置信水平，有明显的上升趋势.1981～2001年均为下降趋势，但没有超过置信水平，下降趋势不显著.随后又有缓慢回升趋势.轻微上升站点UF曲线与UB曲线共有4个交点，分别为1966～1967年、1991年、2007年和2011年，其中1991年交点在置信区间之外，而且UF曲线在这一时段维持稳定下降趋势，因此突变点不可信.结合轻微上升站点霾日数的年际变化可知[图 11(d)]，霾日数在20世纪60年代至70年代末与2000年之后均表现为上升趋势，因此另外3个年份为突变点不可信，轻微上升站点也没有明显的突变特征.轻微下降和下降明显站点UF曲线与UB曲线的交点均出现在1992~1993年，而且在置信区间内.结合UF曲线的变化特征可知，1979年之后UF曲线呈下降趋势，并在1996年之后超过置信水平，下降趋势显著.年际变化[图 11(e)和11(f)]特征也表明1993年之后轻微下降和下降明显站点霾日数维持较低的水平，由此推断这两类站点霾日数在1992~1993年间霾日数可能发生了由多到少的突变，其具体成因还有待于进一步分析.
|
图 13 6类站点年平均霾日数的Mann-Kendall突变检验结果 Fig. 13 Mann-Kendall test of annual mean haze days in 6 groups of stations |
(1) 我国的霾污染主要分布在100°E以东、42°N以南地区，即中东部和南部较多，西部和东北部地区相对较少.华北的中部和西部，西南的南部，华中大部，华东大部，华南西部和南部，四川盆地等地区是我国霾天气的多发区.其中北京地区、山西中部和南部、河南局部地区、长三角和珠三角等地大部分站点超过20 d，尤以河南的新乡最高，为78.9 d，其次是山西的临汾，为74.7 d.
(2) 我国地区霾日数近54年来总体特征是呈不断增加的趋势，而且与能源消耗总量有很好的正相关关系.根据年平均霾日数的年际变化曲线状况可将其分为3个阶段，即第一阶段1960~1979年缓慢上升阶段、第二阶段1980~2000年平稳变化阶段、第三阶段2001~2013年加剧上升阶段，说明霾污染除了主要受污染源排放程度控制外，也可能存在气象条件的显著影响.
(3) 霾污染的季节分布基本上是冬多夏少，冬季是霾天气发生最多的季节，而且发生范围较广，夏季霾日数强度偏弱，范围偏小.4季气候趋势系数较高，均超过了99.9%的显著性检验，各个季节霾日数增加十分显著.
(4) 除了人为排放外，气候因子也是造成霾污染明显增加的重要原因.降水日数、平均风速、日照时数和相对湿度近54年来均呈波动减少趋势，而且与霾日数的相关系数分别为-0.653(降水日数)、-0.635(平均风速)、-0.462(日照时数)和-0.699(相对湿度)，远远超出了99.9%的信度检验标准，不利的气候条件加剧了我国地区霾天气的发生.
(5) 聚类分析表明，上升极显著、上升显著和上升明显的站点年平均霾日数近年来均有加速上升的趋势，而且污染越严重的站点加速时间越早，其累积距平的变化趋势为下降-平缓-上升型.轻微上升站点的霾日数上升时期为20世纪60年代至70年代末与2000年之后，而80年代初至2000年略有下降，累积距平为多波动型.轻微下降与下降明显的站点快速上升时期为60年代至70年代末，随后均有不同程度的下降，累积距平呈上升-平缓-下降型，且在1992~1993年间霾日数发生了由多到少的突变.
| [1] | 中国气象局. 地面气象观测规范[M]. 北京: 气象出版社, 2003 . |
| [2] | 张人禾, 李强, 张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学:地球科学 , 2014, 44 (1) : 27–36. |
| [3] | 丁一汇, 李巧萍, 柳艳菊, 等. 空气污染与气候变化[J]. 气象 , 2009, 35 (3) : 3–14. |
| [4] | 吴兑, 吴晓京, 李菲, 等. 1951-2005年中国大陆霾的时空变化[J]. 气象学报 , 2010, 68 (5) : 680–688. |
| [5] | 吴兑. 华南气溶胶研究的回顾与展望[J]. 热带气象学报 , 2003, 19 (S1) : 145–151. |
| [6] | 赵普生, 张小玲, 徐晓峰. 利用日均及14时气象数据进行霾日判定的比较分析[J]. 环境科学学报 , 2011, 31 (4) : 704–708. |
| [7] | 宋文英, 梅士龙, 孙华. 基于自动站资料的灰霾观测判据研讨[J]. 气象科学 , 2012, 32 (1) : 74–79. |
| [8] | 刘端阳, 魏建苏, 严文莲, 等. 1980~2012年江苏省城市霾日的时空分布及成因分析[J]. 环境科学 , 2014, 35 (9) : 3247–3255. |
| [9] | 吴兑, 毕雪岩, 邓雪娇, 等. 珠江三角洲大气灰霾导致能见度下降问题研究[J]. 气象学报 , 2006, 64 (4) : 510–517. |
| [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] | 赵普生, 徐晓峰, 孟伟, 等. 京津冀区域霾天气特征[J]. 中国环境科学 , 2012, 32 (1) : 31–36. |
| [12] | 廖晓农, 张小玲, 王迎春, 等. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学 , 2014, 35 (6) : 2031–2044. |
| [13] | 刘永红, 冯婷, 蔡铭. 广州灰霾现象特征分析[J]. 环境科学研究 , 2011, 24 (10) : 1081–1087. |
| [14] | 毛敏娟, 刘厚通, 徐宏辉, 等. 多元观测资料融合应用的灰霾天气关键成因研究[J]. 环境科学学报 , 2013, 33 (3) : 806–813. |
| [15] | 戴永立, 陶俊, 林泽健, 等. 2006~2009年我国超大城市霾天气特征及影响因子分析[J]. 环境科学 , 2013, 34 (8) : 2925–2932. |
| [16] | 胡荣章, 刘红年, 张美根, 等. 南京地区大气灰霾的数值模拟[J]. 环境科学学报 , 2009, 29 (4) : 808–814. |
| [17] | 王丽涛, 潘雪梅, 郑佳, 等. 河北及周边地区霾污染特征的模拟研究[J]. 环境科学学报 , 2012, 32 (4) : 925–931. |
| [18] | 曹伟华, 梁旭东, 李青春. 北京一次持续性雾霾过程的阶段性特征及影响因子分析[J]. 气象学报 , 2013, 71 (5) : 940–951. |
| [19] | 谭吉华, 赵金平, 段菁春, 等. 广州秋季灰霾污染过程大气颗粒物有机酸的污染特征[J]. 环境科学 , 2013, 34 (5) : 1982–1987. |
| [20] | 高敏, 仇天雷, 贾瑞志, 等. 北京雾霾天气生物气溶胶浓度和粒径特征[J]. 环境科学 , 2014, 35 (12) : 4415–4421. |
| [21] | 陈秋方, 孙在, 谢小芳. 杭州灰霾天气超细颗粒浓度分布特征[J]. 环境科学 , 2014, 35 (8) : 2851–2856. |
| [22] | 李敏娜, 牛生杰, 张舒婷, 等. 南京雾-霾天气个例湍流运动特征的对比研究[J]. 气象学报 , 2015, 73 (3) : 593–608. |
| [23] | 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, 18 (3) : 397–406. |
| [24] | 符传博, 丹利. 重污染下我国中东部地区1960~2010年霾日数的时空变化特征[J]. 气候与环境研究 , 2014, 19 (2) : 219–226. |
| [25] | 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, 44 (1) : 37–48. |
| [26] | 尹志聪, 王会军, 袁东敏. 华北黄淮冬季霾年代际增多与东亚冬季风的减弱[J]. 科学通报 , 2015, 60 (15) : 1395–1400. |
| [27] | 肖钟湧, 江洪, 程苗苗. 利用OMI遥感数据研究中国区域大气NO2[J]. 环境科学学报 , 2011, 31 (10) : 2080–2090. |
| [28] | 孙赵勇, 史耀波, 于睿. 中国能源消耗与废气排放关系研究[J]. 西安理工大学学报 , 2012, 28 (4) : 494–499. |
| [29] | 魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 2007 . |
| [30] | 施能, 陈家其, 屠其璞. 中国近100年来4个年代际的气候变化特征[J]. 气象学报 , 1995, 53 (4) : 431–439. |
| [31] | 施能, 黄先香, 杨扬. 1948~2000年全球陆地年降水量场趋势变化的时、空特征[J]. 大气科学 , 2003, 27 (6) : 971–982. |
| [32] | 符淙斌, 王强. 气候突变的定义和检测方法[J]. 大气科学 , 1992, 16 (4) : 482–493. |
| [33] | 吴洪宝, 吴蕾. 气候变率诊断和预测方法[M]. 北京: 气象出版社, 2005 . |
| [34] | 吴兑, 吴晓京, 朱小祥. 雾和霾[M]. 北京: 气象出版社, 2009 : 198 . |
| [35] | 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. |
| [36] | Fu C B, Dan L. Trends in the different grades of precipitation over South China during 1960-2010 and the possible link with anthropogenic aerosols[J]. Advances in Atmospheric Sciences , 2014, 31 (2) : 480–491. DOI:10.1007/s00376-013-2102-7 |
| [37] | Fu C B, Dan L, Chen Y L, et al. Trends of the sunshine duration and diffuse radiation percentage on sunny days in urban agglomerations of China during 1960-2005[J]. Journal of Environmental Sciences , 2015, 34 : 206–211. DOI:10.1016/j.jes.2014.08.027 |
| [38] | 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, 58 (13) : 1178–1187. |
| [39] | 王存忠, 牛生杰, 王兰宁. 中国50 a来沙尘暴变化特征[J]. 中国沙漠 , 2010, 30 (4) : 933–939. |