论文部分内容阅读
本文利用安徽省80个台站1970～2009年的常规气象资料资料，分析了安徽省霾天气的时空分布特征，采用Man-Kendall趋势检验法、线性倾向率等方法揭示了安徽霾天气在年际和年代际时间尺度上的演变规律。探讨了灰与局地气象条件的关系，在此基础上建立了霾天气统计预报模型，研制了霾天气预报系统，并应用后向轨迹—聚类分析相结合的方法分析了合肥霾发生频率与不同输送条件的关系。最后在研究的基础上，尝试利用MODIS气溶胶产品进行安徽省霾天气的监测与评估。主要结论如下: (1)安徽各地年均霾日数分布很不均匀，霾天气主要分布在中部地区，其中江淮之间中西部、大别山区、沿江中东部、沿淮中东部是霾的多发区，年均5～10天。而在皖南和淮北的西北部霾日数比较少，部分地区基本没有霾发生。霾的发生有明显的季节变化，即冬季多，夏季少，春秋季居中。值得注意的是6月份沿淮和江淮等地受秸秆焚烧的影响，霾天气较多。 (2)1970～2009年安徽省平均年霾日数总体呈上升趋势，增加率为2.0d/10a，特别是2005年后霾日数逐年增多。从各地变化特征看，大部分地区霾日数呈增多趋势，尤其是在常年霾日数比较多的地区，霾日增加趋势显著，达到α=0.01的显著性水平。江淮东部和西部、沿江中东部则以减少趋势为主，而在沿淮西部、皖南西部，以及淮北中部和西部地区，霾日数变化并不显著。 (3)降水对霾日的增减趋势有十分重要的影响。年降水日数与年霾日数有比较好的反对应关系，二者相关性为-0.483，达到α=0.01的显著性水平。而月最长连续无降水日数与霾日数的增多趋势比较吻合，特别是从20世纪80年代初开始二者的变化趋势比较一致。说明降水的强弱和频率对霾的发生与维持有重要影响，无降水日数越多，霾天气越容易出现。 (4)从合肥、池州和淮南三市霾与局地气象因子关系的统计结果看，各地易于出现霾的条件都是小风（风速低于3 m·s-1），相对湿度在50％～70％之间，气温在10～20℃之间，而气压的24h变化对霾的发生影响不明显。由于各地所处地理位置不同，各地易于霾出现的主导风向有所不同。在此基础上，利用逐步同归方法建立了安徽省17个地市的霾天气静态预报模型，并对静态预报模型的回归系数利用最近30天的历史资料进行滚动计算，实现动态预报。 (5)合肥霾的出现频率与边界层中上部气团来向关系不大，但与气团移动速度关系密切，水平方向上较短的轨迹（即移动缓慢的气团）对应着较高的霾发生频率。各季霾的高发生率所对应的近地面后向轨迹在水平方向上都比较短，但在春季和夏季，不同来向的气团对应霾的发生频率明显不同，偏东方向的气团在四季都对应着较高霾的发生频率，反映出长江三角洲地区污染物排放对本地霾天气的贡献。 (6)MODIS_C005与AERONET的AOT550有着很好的相关性且数值非常逼近，验证结果表明MODIS_C005的气溶胶光学厚度适合安徽区域。能见度与MODIS气溶胶产品相关性分析表明，能见度与AOT和Mass的相关性较好。基于MODIS资料，对2001～2009年的霾日数进行了反演，并与观测到的霾日数进行比较，结果表明，反演霾日数基本反映了安徽省霾天气的空间分布特征。