广州市大气能见度的特征及其影响因子分析

2024年2月21日发(作者：送孟浩然)

生态环境 2007, 16(4): 1199-1204

Ecology and Environment E-mail: editor@

广州市大气能见度的特征及其影响因子分析

沈家芬1,2，冯建军3，谢 利1，林 燕2, 莫测辉4*

1. 华南农业大学资源环境学院，广东 广州 510642；2. 广州市白云山风景名胜区管理局，广东 广州 510500；

3. 广州市林业科学研究所，广东 广州 510515；4. 暨南大学环境工程系，广东 广州 510632

摘要：广州市大气能见度逐年下降，灰霾现象严重，收集广州市2001—2003年大气能见度及同期地面气象要素（风速、温度、气压和相对湿度）观测资料和空气污染物（PM10、SO2、NO2 和CO）监测数据，探讨广州市大气能见度的特征及大气能见度与气象要素和空气污染之间的关系。统计分析结果表明，广州市大气能见度的年、季、日变化特征明显，呈明显的逐年下降趋势。一年之中，春季能见度最低，夏季能见度最高。一日之中，早晨08时能见度最差，午后14时最好。能见度与气象要素及空气污染物的相关和偏相关分析结果表明能见度与平均风速呈显著正相关，与相对湿度呈显著负相关；能见度与4种污染物在简单相关分析中均呈显著的较强负相关关系，而在偏相关分析中的相关性极弱，说明空气污染物对能见度的影响是综合作用的。最后用多元线性回归法建立了大气能见度与相对湿度和PM10、SO2、NO2、CO等污染物浓度间的回归方程。

关键词：大气能见度；气象要素；空气污染；相关分析；广州

中图分类号：X16 文献标识码：A 文章编号：1672-2175（2007）04-1199-06大气能见度是一个重要的气象要素，它的好坏与海陆空交通及人们的日常生活密切相关。但是，随着工业经济的发展和人口的高度密集，人类活动释放的各种大气污染物使得城市的大气能见度呈下降趋势：在欧洲的边远地区好的能见度一般认为有40~50 km，但在城市地区却小得多，人类活动是造成能见度下降的主要原因[1]。近年来台湾中部地区由于大气污染物的作用城市能见度也显著地降低了，城市能见度年平均约为8~10 km，而边远地区能见度约为25~30 km[2]。河北省11个城市的大气能见度在1960—2002年间由于空气污染均显著下降，夏季下降的幅度最大[3]。

引起大气能见度下降的主要原因是大气污染，其中大气颗粒物特别是细颗粒物是造成能见度下降的主要原因[4，5]，且与颗粒物的成分也有关系[2，6]，硫酸根和硝酸根是引起能见度下降的最主要的离子[7]。此外，城市大气能见度还与湿度、风速、风向等气象条件及雾、降水、浮尘等天气有密切关系[4，8，9]。

广州是华南地区的中心城市，能见度恶化事件也越来越多，这种因能见度下降而引起的灰霾现象（能见度小于10 km，相对湿度小于80%时的大气混浊视野模糊导致的能见度恶化的天气现象确定为霾）日趋严重，已经成为一种新的灾害性天气[10]

（吴兑，2005）。因此，分析广州大气能见度的变化规律，探讨能见度与颗粒物和其它气态污染物以 *通讯作者

收稿日期：2007-01-31

及能见度与气象要素之间的关系，对改善广州大气能见度，减少灰霾天气有重要意义。

1 资料来源

本文所用数据为：2001—2003年广州市地面气象观测台的地面常规观测资料，包括每日02、08、14、20时4次定时观测的水平能见度、风速、地面气压和地面温度、相对湿度等气象要素日均值；同期广州市环境监测中心提供的广州市环境自动监测点（国控点）PM10、SO2、CO、NO2日平均浓度。

2 结果与讨论

2.1 广州大气能见度的特征分析

2.1.1 能见度的基本描述统计

为了了解广州大气能见度的基本分布规律，将2001—2003年的日平均能见度取3年平均值进行能见度的频数分析（下页图1），并计算其基本描述统计量(下页表1)。能见度3年平均日均值最小值为5.9 km，最大值为19.6 km，平均为12.9 km，出现次数最多的数（众数）为13.5 km，观测值出现频率较高区间为（13.0 ~15.0 km）。分布偏度为0.049，峰度为-0.325，表明能见度日均值呈正态分布。

2.1.2 能见度的日变化

分别以4、7、10、1月代表春、夏、秋、冬季分析四季中大气能见度的日变化特征，将2001—2003年的4、7、10、1月的日平均能见度取平均值进行分析。每日4次观测资料日变化统计结果

作者简介：沈家芬（1972－），女，博士，工程师，主要从事城市生态与污染生态方面的研究。E-mail:sjf989@

1200 生态环境 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

能见度/km

图1 广州大气能见度观测值频率分布

Fig. 1 Frequency distribution of Visibility in Guangzhou

频率/%

表1 广州大气能见度基本描述统计量

Table 1 Descriptive Statistics of visibility in Guangzhou

最小值

5.9

最大值

19.6

众数

平均值

样本标

准差

2.5101

样本

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

能见度/km15.010.05.00.02时8时14时观测时间20时

表明，广州市大气能见度日变化明显，早晨08时能见度最差（平均为11.8 km），中午时逐渐变好，午后14时最好（平均为15.1 km），下午至夜晚又逐渐变坏（图2）。这与北京地区的大气能见度的日变化特征相同[4]。主要是因为早晨和夜间大气层结较为稳定，近地气层内常有逆温出现，抑制了低层空气中气溶胶粒子向上输送，导致夜间和早晨能见度下降；而日出之后，随着太阳辐射加强，空气湿度减少，逆温逐渐抬升而消失，大气垂直交换加强，而且午后地面风速一般较大，空气污染物容易扩散，因此午后大气能见度通常是一日之中最好的时段。

2.1.3 能见度的月、季、年变化

图3是大气能见度日均值(为2001—2003年的3年平均值)逐月变化图，从图3可以看出：能见度的最大值出现在7月，为14.4 km，而最小值则出现在4月，为10.8 km。总的来看，能见度日均值的逐月差异不大。从能见度日均值的季节变化来看（下页图4），夏、秋季能见度较高，以秋季的能见度最高，平均为14.0 km，春、冬季能见度较低，以春季的能见度最低，平均只有11.4 km。这是由于夏季大气对流运动强，垂直方向上的空气交换速度快，因此大气能见度好；而春季的大气对流运动弱，垂直方向上的空气交换慢，大气能见度因而较差。

图2 广州大气能见度日变化

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月能见度/km

图3 广州大气能见度月变化

Fig. 3 monthly variation of visibility

从能见度日均值的年际变化图（下页图5）来看，从2001至2003年，能见度年均值呈明显的下降趋势，由2001年的13.2 km下降到2002年的13

km，再降到2003年的12.5 km。

以上能见度特征分析可看出，广州市大气能见

沈家芬等：广州市大气能见度的特征及其影响因子分析 1201

1511.4能见度/km13.814.012.21050春夏季节秋冬

图4 广州大气能见度季节变化

Fig. 4 Seasonal variation of visibility

13.413.2能见度/km13.213.01312.812.612.412.2122001年2002年2003年12.5

图5 广州大气能见度年际变化

Fig. 5 yearly variation of visibility

度存在较明显的年、季、日变化，年均值为12~14

km，并呈现出逐年下降趋势。

2.2 大气能见度与地面气象要素的相关分析

为了确定各气象要素对大气能见度的影响，运用大型统计分析软件SPSS13.0对2001—2003年的大气能见度日均值与同期各气象要素日均值（以3年平均值计算，下同）作简单相关和偏相关分析，计算其相关系数。

当所研究的两个随机变量服从二元正态分布时，其相关性可由pearson 简单相关系数加以描述，pearson 简单相关系数简称相关系数。简单相关显示了两变量之间相互影响(包括直接影响和间接影响)的程度，不排除受第三变量的影响。在多元相关分析中，如果希望将其它变量固定下来，单独考察两个变量之间的相关程度，则可以计算偏相关系数。偏相关系数排除了一些不易控制因素的干扰，相当于人为地将其它若干因子控制在恒定的条件下研究两个变量之间的关系。两种分析方法的对比可以看出能见度是受何因子的影响，及其影响程度。分析结果见表2。

由pearson相关系数可以看出，大气能见度与平均风速呈显著正相关关系，相关系数为0.303。风可以使大气中的沙尘和污染物快速扩散，从而使沙尘或烟雾淡化，能见度就会增大；能见度与相对湿度呈显著负相关，相关系数为-0.515。空气中水蒸汽较丰富时，容易发生凝结而生成大量的小液滴，从而降低能见度。能见度与地面气压呈极弱的负相关关系，其相关系数只有-0.033，且相关性不显著；与温度呈弱的正相关，相关性也不显著，其相关系数只有0.101，表明气压和温度对能见度的影响很小。

由偏相关分析结果可以看出：在不受其它因素影响的情况下，风速与大气能见度呈显著正相关；而相对湿度、温度和气压与能见度呈负相关，其中相对湿度和气压的相关性达到显著水平；相对湿度与能见度的偏相关系数较大，为-0.599，表明相对湿度能够使能见度显著降低，而温度和气压的偏相关系数分别为-0.027和-0.180，表明温度和气压对降低能见度的贡献很小。能见度与风速的正相关性以及与相对湿度的负相关性曾有过报道[4，6，8]。

以上相关分析结果表明在气象要素中，相对湿度和平均风速对大气能见度的影响较大，而地面气压和气温对能见度的影响较小。

2.3 大气能见度与空气污染物的相关分析

大气能见度与空气污染程度关系密切。根据2001—2003年广州市大气能见度日平均值和空气污染物PM10、SO2、CO、NO2的日平均浓度资料，进行大气能见度与各空气污染物的关系分析。运用SPSS13.0计算大气能见度与各种污染物的pearson

相关系数和偏相关系数，结果见表3（下页）。

表2 大气能见度与地面气象要素间的简单相关与偏相关分析

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

相关类型

pearson相关

能见度统计项目

能见度 相关系数

概率p

样本数

偏相关

能见度 偏相关系数

概率p

自由度

**相关系数在0.01置信水平下显著(双侧检验)

相对湿度

-0.515**

0.000

365

-0.599**

0.000

360

风速

0.303**

0.000

365

0.316**

0.000

360

温度

0.101

0.054

365

-0.027

0.603

360

气压

-0.033

0.535

365

-0.180**

0.001

360

1202 生态环境 第16卷第4期（2007年7月）

表3 大气能见度与空气污染物简单相关和偏相关分析

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

相关类型

pearson相关

能见度统计项目

能见度 相关系数

概率p

样本数

偏相关

能见度 偏相关系数

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

**.相关系数在0.01置信水平下显著(双侧检验); *相关系数在0.05置信水平下显著(双侧检验)

由简单相关分析结果可以看出，大气能见度与PM10、SO2、NO2、CO均具有较强的负相关性，且其相关性都达到极显著水平。能见度与PM10、SO2、NO2和CO的pearson相关系数分别为-0.5、-0.575、-0.484、-0.366，表明4种空气污染物浓度增加会引起能见度水平下降。关于能见度与PM10、SO2、NO2等污染物浓度的负相关性曾有过报道[4，9]。但从偏相关系数来看，情况则有些不同：在不受其它因素影响的条件下，除SO2与能见度呈较明显的负相关外，能见度与PM10、CO的负相关程度大为减弱，而能见度与NO2表现为极弱的正相关关系。能见度与4种污染物的偏相关系数依次为SO2（-0.391）、PM10（-0.12）、CO（-0.088）和NO2（0.043）。表明在排除其它污染物影响的条件下，单种污染物对能见度的贡献不显著。这说明空气污染物对能见度的影响是综合作用的，多种污染物间的光化学作用造成的二次污染对能见度的影响大于单种污染物

对能见度的影响。

2.4 能见度与各影响因子的回归分析

大气能见度是气象要素和空气污染物共同作用的结果(它们之间可能还存在其他较为复杂的关系)，因此，有必要利用各种影响因子的同步资料综合分析它们对大气能见度的影响能力。综合上述能见度与地面气象要素及空气污染物浓度的相关分析，选取与能见度相关性较好的有关因子，利用2001—2003年(取3年平均)的能见度、气象要素和污染物浓度同步资料，运用 SPSS13.0 对能见度日均值与气象要素及污染物浓度日均值进行多元线性回归分析。所选因子为X1：相对湿度，X2：平均风速，X3：PM10，X4: SO2，X5：NO2，X6：CO。则多元线性回归方程的形式为：

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

式中，b0为常数，b1、b2、b3、b4、b5、b6称为偏回归系数。回归分析结果见表4，R为复相关系数。

表4 大气能见度与气象要素和空气污染物浓度回归分析结果

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

R

0.790

R2

0.623

调整后的R2

0.617

估计标准误差

1.553

统计项目

回归

剩余

合计

平方和

1429.65

863.78

2293.43

自由度

6

358

364

均方

238.28

2.41

F检验

98.76

概率p

0.000

建立的回归方程为：

能见度=34.515-21.21×相对湿度-0.149×风速-31.883×PM10+2.762×SO2-54.492×NO2 +0.517×CO

方程的复相关系数为0.79，估计标准误差为1.553。从偏回归系数来看，以NO2浓度对能见度的影响贡献最大，PM10次之，再次是相对湿度，而SO2、CO和风速对能见度的贡献较小。

运用上述回归方程，以2003年各影响因子的日均值为例进行2003年能见度日均值的拟合，观测值与拟合值的对照见图6（下页）。

从图6可以看出，能见度拟合值与实际观测值吻合较好，平均误差为-0.184km，平均相对误差为-4.4%。在回归拟合过程中，如果NO2和PM10的浓度同时较大时，由于它们的回归系数较大，所以能见度的拟合值就可能出现负值。

3 结论

（1）广州市大气能见度年平均只有12~14 km，呈明显的逐年下降趋势。日、季变化特征明显，一年之中，春季能见度最低，夏季能见度最高。一日之中，早晨08时能见度最差，午后14时最好。

沈家芬等：广州市大气能见度的特征及其影响因子分析 1203

25.020.015.010.05.00.0(5.0)(10.0)124477093

观测值

5

t/d

拟合值能见度/km200323346图6 2003年大气能见度日均值实测值与拟合值对照

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

（2）能见度与平均风速呈显著正相关，与相对湿度呈显著强负相关；与温度和气压的相关关系极弱。能见度与各空气污染物在简单相关分析中均表现为显著的较强负相关，但在偏相关分析中，能见度与各空气污染物的相关性较弱。

（3）能见度与同期污染物浓度和气象要素的回归分析表明，NO2、PM10和相对湿度对能见度的影响贡献较大。

气象条件和空气污染程度对城市大气能见度的影响很大，其中空气污染物对能见度的影响较为复杂，其影响机制究竟如何，这有待于今后进一步的研究。

参考文献:

[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, 范增禄. 河北省1960—2002年城市大气能见度的变化趋势[J]. 大气科学, 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, 张小玲, 徐晓峰. 北京地区大气能见度变化规律及影响因子统计分析[J]. 气象科技, 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. 北京市能见度下降与颗粒物污染的关系[J]. 环境科学学报, 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. 重庆市大气能见度变化趋势及影响因子[J]. 重庆大学学报,

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, 张玮.大气污染对城市能见度影响研究的理论与实践[J]. 上海环境科学, 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] 吴兑. 关于霾与雾的区别和灰霾天气预警的讨论[J]. 气象, 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 生态环境 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