1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系

符传博,丹 利,唐家翔,杨 薇



1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系

符传博1,2,3*,丹 利2,唐家翔1,3,杨 薇1,3

(1.海南省气象台,海南 海口 570203；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,海南 海口 570203)

利用线性回归、聚类分析及相关分析等统计方法对华南地区57个地面气象站的观测资料进行分析,探究近54年华南地区霾日数的时空变化特征及其气候成因.结果表明,年平均霾日数大值区主要分布在广东珠江三角洲(珠三角)地区和广西中东部.54年来霾日数呈现显著的上升趋势,而2008年后有所下降.霾日数的季节变化表现为冬季最多,其次是秋季和春季,夏季最少.2008年以后春、夏、秋3季霾日数有所下降,而冬季仍维持在较高水平.不同等级霾日数在近54年来均有不同程度的上升,霾污染不仅在日数上有明显的增加趋势,而且污染强度在加强.不同地区霾日数的快速增长时期不一样,污染严重和正常污染地区发生在20世纪90年代,而相对清洁地区发生在2000年以后.另外近10年污染严重和正常污染地区霾日数有所下降,但相对清洁地区仍维持快速的增长趋势.近54年华南地区年降水日数、年平均风速、大风日数和年小风日数等气候因子变化结果致使气溶胶粒子的湿沉降减弱,污染物扩散能力下降,霾天气生成概率增加.

华南地区；霾日数；聚类分析；气候因子

近年来,大气污染物浓度增加,我国各地频频发生霾污染天气,尤以2013年1月我国中东部所遭遇的雾霾天气为罕见[1].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[2-4].其中关于我国霾污染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[5-8].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增长发生的重要条件之一[9].

国外学者在20世纪90年代就开始研究霾污染问题[10],而国内系统性的研究始于21世纪初[11].高歌[5]总结了1961~2005 年间中国霾日数气候特征及变化分析,得出全国平均年日数呈现明显的增加趋势, 而人类活动造成的大气污染物增加及天气气候变化是长江中下游、珠江流域等地呈现增加趋势的原因之一.吴兑等[2]研究了 1951~ 2005年中国地区霾的时空分布特征,结果表明20世纪80年代以后霾日增加明显,而且与经济活动密切相关.Zhang等[12]针对中国地区灰霾天气做了REOF(旋转经验函数正交)分解的地区分型.Liang等[13]运用WRF 模式研究了城市密度对雾的生消发展过程的影响.华南地处热带、亚热带季风气候区,包括广东、广西和海南三省(区).近年来随着华南区域经济的发展,发生频率越来越高的霾污染已经成为影响该区域空气质量的主要难题[14-15].特别是经济高速发达的珠三角地区,已经是国内气溶胶导致的大气污染相当严重的区域之一[16-18].珠三角地区面积只有8000多km2,但是聚集了香港、广州、深圳、东莞、佛山、澳门、珠海等拥有数百万人口的国际化城市,和几十个人口在几十万左右的中等城市,在大量土地被工业化利用、植被减少、交通工具迅猛增加的情况下,这一地区频繁发生的霾天气污染已经引起政府和公众的广泛关注[19].本文在全面分析华南地区霾日数的长期变化趋势与季节变化特征基础上,结合聚类分析方法探讨了关键气候因子对这种变化的影响,旨在为深入了解华南地区气象条件与霾日数长期变化的关系提供参考.

1 资料与方法

1.1 数据资料

本文所用的地面观测资料由国家气象信息中心提供,其中包括逐日4次地面水平能见度和相对湿度、逐日降水量、天气现象、最大风速以及年平均风速等资料.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,本文最后共选取了华南地区57个站点共54年(1960~2013年)的资料.由于1980年以前的地面水平能见度的气象业务观测以等级的形式记录,而1980年以后能见度观测为具体的距离数值.理论上,各能见度等级可以取等级对应距离区间内任意值,例如区间中值,但由于各能见度等级所对应能见度距离的区间并不是等间隔划分的,使用区间中值代替能见度等级会过高地估计1980年能见度距离,从而造成能见度在1980年前后资料不连续性[20].因此我们依照Wu等[21]的能见度换算方法进行换算,即先将1980年及之后各站点的能见度距离资料参照表1进行等级标准转换为等级,再根据能见度距离估测值将所有能见度等级资料转换为以“公里”为单位的距离值.另外在霾日的判别上,本文使用的是气象观测资料的霾日均值法[2,22].即对每次观测的每次能见度及对应时次的相对湿度分别作日平均,当所得日平均能见度小于10km,且日平均相对湿度小于90%,并排除降水、吹雪、雪暴、扬沙、沙尘暴、浮尘和烟幕等的影响,则定义为一个霾日.这样既可把雾中被误报的霾分离出来,又可把霾中被误报的雾分离出去[22].另外,日平均能见度5km£Vis<10km之间为轻微霾日,3km£Vis<5km之间为轻度霾日,2km£Vis<3km为中度霾日,Vis<2km为重度霾日.

表1 能见度等级与能见度距离范围及能见度距离估测值对照Table 1 Visibility ranks and estimations for visibility distance

1.2 研究方法

为探讨华南地区霾日数在气候变化背景下定量的变化程度,并可对其进行统计检验,本研究利用施能等[23-24]的研究方法,计算了气候趋势系数r.该趋势系数定义为个时刻(年)的要素序列与自然数列1,2,3,……,的相关系数:

式中:为年数;x是第年要素值;为其样均值;.显然,这个值为正(负)时,表示该要素在所计算的年内有限性增(降)的趋势.符合自由度-2的分布,从而检验这种气候趋势是否有物理意义,还是一种随机振动.另外在分析不同类型站点的霾日数变化时,使用了聚类分析的方法[25].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,因此本研究据此对华南地区霾日数不同程度的站点进行划分,对各类站点霾日数的分布和变化规律进行聚类分析.此外还用到回归分析、11年二项式平滑、相关分析等统计方法[26].

2 结果与分析

2.1 华南地区霾日数的空间分布

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1给出了华南地区1980~ 2013年年平均霾日数分布,图中清楚表明,霾日数超过20d/a的站点主要分布在广东的珠三角地区和广西的中东部,这些区域由于人口集中,人类活动频繁,为霾的形成提供了人为污染源排放条件,导致霾日数分布较高,区域霾污染严重.而在广东的东部和西南部、广西的西南部,以及海南等地相对较少,霾日数在10d/a以下,说明华南地区霾日数分布有显著的地域差异.这一结果与伍红雨等[14]的分析结果基本一致.华南地区霾日数最大值出现在广西的梧州(站号59265),为81.4d/a,其次是广东的广州(59287)和广西的玉林(59453),年平均霾日数均超过了40d/a.霾日数在5d/a以下的站点主要分布广东东部和西南部、广西南部和海南等地,特别是海南7个站点中有两个未观测到有霾天气,其他站点也都在2d/a以下,霾污染最轻.然而随着海南经济的发展和城市规模的扩大,特别是近几年海南国际旅游岛建设的日趋完善,岛内经济增长、人为活动增加,向大气中排放了大量污染气体,致使海南地区大气污染物浓度升高,空气质量下降迅速[27],而且也发生过几次较为严重的大气气溶胶污染事件[29],海南的霾污染现象也值得关注.

2.2 华南地区霾日数的季节分布特征

图2为华南地区四季多年平均霾日数空间分布.图2表明,四季霾日数空间分布与年平均霾日数基本一致,大值区均出现在广东珠三角地区和广西中东部,但季节变化显著.冬季霾日数最多,其次是秋季和春季,霾日数最少的季节为夏季,这种季节变化特征与我国其他区域类似[2].华南地区冬季霾日数大大超过夏季,说明霾污染在华南地区是典型的冬季污染事件.四季中霾日数最多的站点均为广西梧州,冬季霾日数达到32.6d/a,其次是广东的广州和广西的玉林.冬季除了广东东部、广西西部以及海南的站点以外,大部分地区霾日数都在4d/a以上.春季和秋季霾日数的分布特征与冬季类似,但量值有所减小,广西梧州站春季和秋季霾日数分别为13.5d/a和25.9d/a.华南地区夏季霾日数量值减少更为明显.结合霾天气形成的特点可知,华南地区霾污染的这种季节特征有自然气象条件与人为排放两方面原因.冬季天气形势稳定,有利于气溶胶粒子的累积,而且冬季取暖燃煤等人为活动增加,使得源排放增强,大气颗粒物和污染气体浓度上升,在有利的气象条件共同作用下导致冬季华南地区霾日数明显增大;而夏季是华南地区主要的降水季节,降水的清除作用有利于大气污染物浓度降低,另外偏南的夏季风加强粒子的扩散,致使夏季华南地区霾日数显著降低[7].

2.3 华南地区霾日数变化趋势的分布

图3给出了华南地区年平均霾日数气候趋势系数分布.可以看出,华南地区绝大部分站点均表现为正的变化趋势,其中41个站点达到了95%的显著性检验,华南地区霾日数在近54年间出现明显增长.气候趋势系数超过0.8的站点有15个,分别分布在广东中西部、广西中东部和南部沿海等地,霾日数增加十分显著.另外还有5个站点表现为负的变化趋势,分别为广东的五华站和海南东半部的4个站,符传博等[27]研究表明,冬季的外源输送对海南大气污染物浓度起主要贡献作用,海南东半部霾日数有所减少的变化趋势可能与近年来冬季输送的气象条件减弱有关.

图4分别为华南地区四季霾日数气候趋势系数分布.图4表明,各个季节霾日数气候趋势系数分布与年平均(图3)的类似,位于广东中西部和广西中东部等地的站点霾日数增加显著,而且都达到95%的显著性检验.总的来说,不同站点霾日的变化趋势具有明显的季节性差异,其中冬季的变化幅度最大,而夏季变化幅度最小.结合霾日数的不同季节和变化趋势分布可知,对于广东中西部和广西中东部等地的站点而言,各个季节均表现出了增加的趋势,表明这些区域霾污染发生的频率在各个季节均有所增加.

2.4 华南地区4季霾日数的年际变化趋势

图5给出了华南地区四季霾日数的年际变化.54年间华南地区四季霾日数均呈显著的增加趋势,其回归系数分别为0.897d/10a(春季)、0.27d/10a(夏季)、1.542d/10a(秋季)和2.11d/10a(冬季).另外四季气候趋势系数从大到小排列为:冬季(0.923)>春季(0.849)>秋季(0.839)>夏季(0.766),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.比较各个季节年际变化可以发现,华南地区四季在2007年以前表现为稳定的上升趋势,各个季节霾发生的频次都有所增加,并分别在2007年和2008年达到近54年来的最大值,2007年冬季霾日数为14.05d,表明空气质量已经严重恶化.2008年后春夏秋三季霾日数有所下降,而冬季仍表现出较高的霾日数水平,这可能与不同季节的气象条件有关[14].

2.5 华南地区不同等级霾日数的变化特征

图6为华南地区不同等级霾日数年际变化.图6表明,轻微霾日是最主要的霾日等级,比例基本在90%以上,华南地区霾日数时间变化主要是由轻微霾日变化引起的.而且在近54年来表现为显著的上升趋势,增加率为4.53d/10a.最大值出现在2007年,为22.8d,随后虽略有减少,但仍多于多年平均值.轻度霾日和中度霾日在20世纪80年代以前基本很少观测到,80年代以后呈显著增加趋势,增长率分别为0.27d/10a和0.014d/10a.轻度霾日最大值出现在2007年,为2.28d,随后下降明显,而中度霾日最大值出现在2008年和2013年,为0.123d.重度霾日只有在20世纪90年代以后才出现(表2),这也说明华南地区霾污染不仅在日数上有明显的增加趋势,而且污染强度增强.

表2 华南地区不同等级不同年代霾日数变化(d)Table 2 Haze days with different level averaged in South China during different periods (d)

2.6 华南地区霾日数的聚类分析

聚类分析主要是根据华南地区57站霾日数不同程度的站点进行划分归类.本文首先计算出华南地区57个站点平均的年霾日数增长率为4.643d/10a,定义其增长率£4.643d/10a为相对清洁站点,而正常污染为4.643~9.9d/10a,污染严重为³10d/10a.其站点数分别为8(严重污染),15(正常污染)和34(相对清洁),空间分布如图7所示.严重污染和正常污染的站点主要分布在广东的珠三角地区和广西中东部,相对清洁的站点主要分布在广东东部、广西西部和海南等地,这和前面分析的年平均霾日数空间分布基本一致,即经济较为发达珠三角地区和广西中东部污染相对严重,而其他经济落后地区空气质量相对清洁,污染较轻.

就区域平均霾日数的年际变化而言,54年间华南地区霾日数呈显著的增加趋势,霾日数增长率为4.643d/10a.20世纪90年代以前,平均霾日数均小于10d/a,此后表现为波动的上升趋势,特别是2000年以后,上升更为显著,并在2007年达到近54年来的最大值,为30.79d.这表明21世纪以来华南地区霾污染事件频发,空气质量严重恶化.对3类站点的年际变化分析表明,3类站点均呈现出显著的上升趋势,其增长率分别为14.24d/10a(污染严重)、7.389d/10a(正常污染)和1.147d/10a(相对清洁).气候趋势系数均超过了0.7,达到了99.9%的显著性检验.对比可以发现,污染严重和正常污染的地区主要在20世纪90年代以后开始出现显著上升趋势,而相对清洁的地区霾日数加速上升主要在2000年以后,这可能与各个地区经济发展水平有关,污染严重和正常污染的站点主要分布在珠三角地区和广西中东部,经济水平相对偏高,污染较为严重,90年代以后霾日数就出现显著的上升趋势,而相对清洁的地区大气污染排放相对较少,霾日数明显上升相对延后.另外污染严重的地区霾日数2004年达到近54年来的最大值,为84.88d,随后呈下降趋势,而正常污染地区在2007年达到最大值(47.33d)后才下降,这说明政府的节能减排政策首先在高污染地区实施,加上人民群众环境保护意识的逐年提高,城市空气质量恶化得到改善,霾日数有所下降[14].需要指出的是,相对清洁的地区霾日数近54年来表现为持续的增加趋势,最大值出现在2013年,达到12.59d,相对清洁地区近年来霾日数显著增长值得关注.

2.7 华南地区影响霾日数的气候因子分析

表3 华南地区气候因子变化与霾日数相关统计Table 3 Statistics of relationship between haze days and climatic factors over South China

注:年大风日数和年小风日数与霾日数相关取1971~2013年共43年数据.

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[29].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.为了解华南地区近54年来霾日数年际变化的气候成因,图9分别给出了华南地区年降水日数、年大风日数、年平均风速和年小风日数的年际变化.本文定义日最大风速³10m/s为大风日.另外考虑到2m/s可为小风条件下示踪物实验的风速下限值[30],因此定义日最大风速£2m/s为小风日.由于华南地区大部分站点从1970年开始才对日最大风速进行观测,因此年大风日数和年小风日数的分析从1971年开始,而年降水日数和年平均风速则从1960年开始.图中表明,近54年来华南地区年降水日数、年大风日数和年平均风速呈明显的下降趋势,其气候趋势系数分别为-0.54、-0.90和-0.65,下降十分显著.而年小风日数则呈现出增多的变化趋势,其气候趋势为0.66,2000年以后上升更为明显.年降水日数的减少使得气溶胶粒子的湿沉降作用减弱,气溶胶停留在大气中的时间延长,这在一定程度上可以加剧霾天气的发生.年大风日数和年平均风速的减弱,可以反映出华南地区大气对气溶胶扩散能力的减弱,年小风日数增多有利于霾天气的生成和维持,进一步计算其与年平均霾日数的相关系数(表3),结果表明年平均霾日数与气候因子有很好的相关性,相关系数均达到了98%的显著性检验.不利的气候条件对华南地区近54年霾日数的增加有明显的贡献作用.

3 结论

3.1 华南地区霾日数分布空间差异明显.就空间分布而言,年平均霾日数大值区主要分布在广东珠三角地区和广西中东部,这些地区人口集中,人为活动频繁,大气污染物浓度偏高.年际变化而言,华南地区霾日数近54年来表现为显著的上升趋势,2008年后有所下降.

3.2 华南地区4季霾日数有明显的季节差异,冬季最多,其次是秋季和春季,夏季最少.其空间分布与年平均类似,高值区分布在广东珠三角地区和广西中东部.年际变化表明4季近54年均有不同程度的上升,但2008年以后春夏秋3季霾日数有所下降,而冬季仍维持在较高水平.

3.3 近54年华南地区不同等级霾日数均有不同程度的上升.轻微霾日占霾日比例在90%以上,轻度霾日和中度霾日80年代以后呈显著增加趋势,重度霾日在近20年出现明显,说明华南地区霾污染不仅在日数上有明显的增加趋势,而且污染强度在加强.

3.4 聚类分析表明各个地区经济发展水平不同,导致污染严重和正常污染的地区霾日数在20世纪90年代就出现显著上升,而相对清洁的地区霾日数加速上升发生在2000年以后.另外污染严重和正常污染的地区近些年来霾日数有所下降,但相对清洁地区维持快速的增长趋势,清洁地区的大气环境也趋向恶化.

3.5 不利的气候条件加剧了华南地区霾天气的发生,近54年来华南地区年降水日数明显减少,致使气溶胶粒子的湿沉降减弱,年平均风速和大风日数减少,年小风日数增加使得不利于污染物扩散.年平均霾日数与气候因子有很好的相关性,相关系数均达到了98%的显著性检验.

[1] 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: 27-36.

[2] 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, 2010,68:680-688.

[3] 赵子菁,魏永杰,张祥志,等.南京市霾天气与主要气象条件的相关分析 [J]. 中国环境科学, 2015,35(12):3570-3580.

[4] 张小曳,周凌晞,丁国安.大气成分与环境气象灾害 [M]. 北京:气象出版社, 2009.

[5] 高 歌.1961~2005年中国霾日气候特征及变化分析 [J]. 地理学报, 2008,63:762-768.

[6] 孙 彧,马振峰,牛 涛,等.最近40年中国雾日数和霾日数的气候特征 [J]. 气候与环境研究, 2013,18:307-406.

[7] 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.

[8] 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, 2014,44:37-48.

[9] 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, 2015,60:1395-1400.

[10] Malm W C. Characteristics and origins of haze in the continental United States [J]. Earth-Science Reviews, 1992,33(1):1-36.

[11] 吴 兑.华南气溶胶研究的回顾与展望 [J]. 热带气象学报, 2003,19(S):145-151.

[12] Zhang X Y, Wang Y Q, Niu T, et al. Atmospheric aerosol compositions in China: Spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols [J]. Atmospheric Chemistry and Physics, 2011,11: 26571–26615.

[13] Liang Z M, Gao S T, Sun J S. A numerical study of the urban intensity effect on fog evolution in the Beijing-Tianjin-Hebei region [J]. Atmospheric and Oceanic Science Letters, 2012,5(3): 240−245.

[14] 伍红雨,杜尧东,何 健,等.华南霾日和雾日的气候特征及变化 [J]. 气象, 2011,37(5):607-614.

[15] 吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012,32(2):257-269.

[16] 吴 蒙,范邵佳,吴 兑,等.广州地区灰霾与清洁天气变化特征及影响因素分析 [J]. 中国环境科学, 2012,32(8):1409-1415.

[17] 李 菲,黄晓莹,张芷言,等.2012年广州典型灰霾过程个例分析 [J]. 中国环境科学, 2014,34(8):1912-1919.

[18] 刘 建,范邵佳,吴 兑,等.珠江三角洲典型灰霾过程的边界层特征 [J]. 中国环境科学, 2015,35(6):1664-1674.

[19] 吴 兑,刘啟汉,梁延刚,等.粤港细粒子(PM2.5)污染导致能见度下降与灰霾天气形成的研究 [J]. 环境科学学报, 2012,32(11): 2660-2669.

[20] 秦世广,石广玉,陈 林,等.利用地面水平能见度估算并分析中国地区气溶胶光学厚度长期变化特征 [J] .大气科学, 2010, 34(2):449-456.

[21] Wu J, Fu C B, Zhang L Y, et al. Trends of visibility on sunny days in China in the recent 50years [J]. Atmospheric Environment, 2012,55,339-342.

[22] 吴 兑.霾与雾的识别和资料分析处理 [J]. 环境化学, 2008, 27(3):327-330.

[23] 施 能,陈家其,屠其璞.中国近100年四个年代际的气候变化特征 [J]. 气象学报, 1995,53(4):531-539.

[24] 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.

[25] 谭成好,赵天良,崔春光,等.近50年华中地区霾污染的特征 [J]. 中国环境科学, 2015,35(8):2272-2280.

[26] 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.

[27] 符传博,陈有龙,丹 利,等.近10年海南岛大气NO2的时空变化及污染物来源解析 [J]. 环境科学, 2015,38(1):18-24.

[28] 符传博,唐家翔,丹 利,等.2013年冬季海口市一次气溶胶粒子污染事件特征及成因解析 [J]. 环境科学学报, 2015,35(1): 72-79.

[29] 胡亚旦.中国霾天气的时空分布特征及其与气候环境变化的关系 [D]. 兰州:兰州大学, 2009.

[30] 郭梦婷,蔡旭晖,何启超.广东省小风气象特征分析 [J]. 北京大学学报(自然科学版), 2015,51(5):821-828.

* 责任作者, 工程师, hnfuchuanbo@163.com

Temporal and spatial characteristics of haze days and their relations with climatic factor during 1960~2013 over South China

FU Chuan-bo1,2,3*, DAN Li2, TANG Jia-xiang1,3, YANG Wei1,3

(1.Hainan Meteorological observatory, Haikou 570203, China；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)., 2016,36(5)：1313~1322

This study investigates temporal and spatial variations of haze days and the possible climatic factors in South China during recent 54years. Basic statistical methods are used here based on the observed data from 57meteorological stations, including linear regression, cluster and correlation analysis. The result shows that more haze days occur in the Pearl River Delta (PRD) region of Guangdong and mid-eastern Guangxi. The haze days increase remarkably during the past 54 years and show a decline trend after 2008. Among the four seasons, the heaviest haze pollution happened in winter, follows spring and autumn, and relatively weak in summer. They are also associated with a decrease trend after 2008 except winter. In addition, all of the haze days in different varied-intensity increased obviously during the past 54 years. It is further found that haze pollution in South China increases not only in the number of days, but also the pollution intensity. The rapidly rise time periods of haze days are different in different regions over South China. It occurs in the 1990s over serious pollution and normally pollution regions, but shows after 2000 for the relatively clean regions. Number of haze days over the serious polluted and normal polluted regions has been decreased during recent 10 years, but it remains a rapid increase for the relatively clean areas. Our further analysis suggests that the decreased trends of precipitation days during recent 54 years would factor in reducing the wet-depositing capacity of atmospheric pollutants. Increase of the breeze days, which connects to the decrease of mean wind speed and strong wind days, on the other hand, would also contribute to the reduction of pollutants diffusion capacity and more haze pollution.

South China；haze days；cluster analysis；climatic factor

X513

A

1000-6923(2016)05-1313-10

符传博(1985-),男,海南海口人,工程师,硕士,主要从事大气环境与气候模拟、环境气象方面的研究.发表论文17篇.

2015-10-09

海南省自然科学基金(20154182);中国气象局预报员专项(CMAYBY2015-060);海南省气象局科研项目(HNQXMS201402);海南省气象局科技创新项目(HN2013MS02)