2. 大连市气象服务中心, 大连 116001;
3. 天津市气象局,天津 300060;
4. 大连瓦房店市气象局, 瓦房店 116300
2. Dalian Weather Service Centre, Dalian 110016;
3. Tianjin Meteorological Service, Tianjin 300062;
4. Wafangdian Weather Office of Dalian, Wafangdian 116300
地面低风速气象条件对城市大气环境质量具有重要意义(李小飞等,2012;张爱英等,2009)。近20年随着工业高速发展,污染物排放增加,城市大气高污染天气频发,风速条件成为影响大气污染指数最关键的指标之一(蒋维楣等,2004;杜传耀等,2015)。低风速直接影响大气污染物的扩散稀释能力。低风速气象条件下, 大气扩散能力弱, 容易造成污染物累积, 形成污染天气(Smith,1992;吴萍等,2016)。刘香娥等(2016)、陈镭等(2016)分别研究了北京、上海等地的重污染过程的气象条件,结果表明低风速条件出现的静稳天气非常有利于污染天气的出现和维持。因此对低风速气象条件研究有重要意义。
对地面风速的气候特性和演变趋势已有大量的研究成果(Anfossi et al,2005)。王遵娅等(2004)研究中国1951—2000年平均风速的演变趋势, 结果表明全国大部分地区风速都有减小趋势, 冬、春季减小趋势最显著。赵宗慈等(2016)研究近50年中国风速减小的特征和可能原因,结果表明1961—2014年近地面风速减小,大约每10年减小0.18 m·s-1,而且四个季节风速都在减小。江滢等(2007)研究表明平均风速减小主要由于日平均风速≥3 m·s-1的日数减少造成的。国内外针对低风速气象特征的研究较少,Smith(1992)最早对低风速气象条件进行系统研究,分析了低风速出现频率的季节变化特性和持续性等。Deaves and Lines(1998)研究英国内陆地区小于2.05 m·s-1的低风速,结果显示低风速频率在9.2%~29.7%。郭梦婷等(2016)研究表明近30年间全国低风速频率约为40%, 全国低风速频率的总体空间分布是南方高、北方低, 内陆高、沿海低的特点。目前对低风速条件的研究仍相对薄弱,尤其对近10年风速和空气污染指数有显著变化的情况下,低风速气象特征的分析尤为重要。
近50年大连地区观测的平均风速减小趋势显著(郭军等, 2015),在此背景下地面低风速的气候特点和趋势值得关注。本文根据近45年(1971—2015年)气象资料, 系统分析了大连地区低风速条件的基本特征和演变趋势,可为当地环境污染研究提供参考。
1 资料来源及处理方法 1.1 资料来源本文资料包括大连地区1971—2015年7个国家观测站每日02、08、14和20时4个时次风速观测资料,2003—2015年7个测站每日24个时次风速观测资料(2003年开始有24 h风速观测)。另外还选取大连站1954—1970年02、08、14和20时4个时次风速观测资料。本文用标准正态同质性检验方法检验了资料的均一性,选择邻近相关性高、未发生站点迁移的站点作为参考站,用被检站与参照站的比值作为被检序列来检验,待检序列的建立及检验步骤参考刘小宁(2000)的方法。检验结果显示旅顺站在1978年、庄河站在1975年检验统计量T0>T95,检验结果为非均一,两个站点分别在1979年1月和1976年1月进行了迁站,本文采用风速序列一致性修正方法做了修订(张洋,2011),通过了T95的检验。本文选取的测站分布情况见图 1。
目前, 低风速标准的定义还没有统一标准。多数研究者采用小于某一风速值作为判定标准。例如:Lines et al(1997)根据定量风险评价采用的最小值, 选取小于2 m·s-1作为低风速的标准; Gadian et al(2004)将2 m·s-1风速作为空气污染扩散研究中的重要风速阈值; 郭梦婷等(2016)选取小于2 m·s-1作为低风速状态的标准。唐敬等(2011)以风速小于1.5 m·s-1来定义低风速条件。在很多研究中风速测量值为整数,小于2 m·s-1的风速代表了0和1 m·s-1(郭梦婷等,2016),与小于1.5 m·s-1标准结果一致。由于国家气象站日4时次风速数据集中,1971—1992年采用整数记录,之后采用一位小数点记录,小于1.5 m·s-1标准能保证数据的延续性和可比性,因此本文选择小于1.5 m·s-1指标作为定义低风速标准。
1.3 统计及趋势分析方法本文统计的风速累积频率采用1971—2015年逐日4个时次的风速 < 0.5、< 1.5、< 2.5、< 3.5、< 4.5、< 5.5、< 6.5、< 7.5和 < 8.5 m·s-1以及全部风速的出现次数与总观测次数比值计算,分别代表了0、1、…、9 m·s-1的累积频率。低风速频率日变化通过统计2003—2015年逐日各整点(01、02、03、…、24时)低风速出现次数占该时次总观测次数的比例计算; 低风速频率月变化通过统计1971—2015年各月的低风速出现次数占月总观测次数的比值计算; 低风速持续性通过2003—2015年24个时次数据计算,分别统计低风速持续01、02、03、…、24时的频率。Mann-Kendall(M-K)趋势分析法是国际上较适合水文气象要素趋势分析的方法,本文利用M-K趋势分析法计算和检验趋势变化(Mann, 1945; Kendall, 1975; 刘昌明和郑红星, 2003; 祝青林等, 2005)。
2 结果与讨论 2.1 低风速演变特征1971—2015年大连地区低风速频率有增加趋势,其中大连、长海和普兰店站增加趋势显著, M-K趋势值分别达到3.33、4.81和2.48(表 1),通过α=0.05显著水平检验。特别是近10年增幅更大,近10年地区平均频率比前10年增加77%。
图 2为1971—2015年大连、长海、普兰店和庄河站低风速频率及平均风速,可以看出, 1971—2015年,大连站和长海站低风速频率有明显的增加趋势, 与此相对应的是平均风速呈减小趋势,两者具有明显反相关性。与大连、长海相比,其他地区低风速频率高,低风速频率均有增加趋势,但均未通过显著性检验。
表 2为大连各地低风速累积频率表,可以看出大连地区低风速频率有显著的地区间差异,其中大连、长海最低,在8%~9%,普兰店最高,约为32%,其他地区在8%~26%,均小于全国平均频率(约40%)。图 3为风速累积频率曲线。图中1 m·s-1对应的累积频率表示小于1.5 m·s-1风速的累积频率,即低风速出现频率,2 m·s-1对应的累积频率表示小于2.5 m·s-1风速的累积频率,以此类推。结果表明,普兰店风速累积频率在各风速等级下均最大,大连、长海站最小,其他各站基本排序与低风速一致。但庄河站在风速1 m·s-1时排第四位,在3 m·s-1时已经并列第一位了,说明普兰店低风速频率高出庄河10%,但庄河站1.5~3.5 m·s-1的风速占比显著高于普兰店站。
从站点分布看,低风速频率南部低于北部,海边低于内陆地区。从图 2还可看出, 靠近内陆地区的普兰店、庄河和瓦房店90%以上的风速小于6 m·s-1;而靠近海边的大连、长海、旅顺大于6 m·s-1的风速频率超过20%。
图 4将1954—2015年大连站风速频率划分成4个阶段,分别为1954—1967年为第一时期,1968—1983年为第二时期,1984—1999年为第2000—2015年为第四时期。可以看出,大连站风速累积频率曲线发生了显著变化,在接近0 m·s-1风速附近,从第一至第四时期,风速频率呈逐渐递减趋势,在3 m·s-1以上风速累积频率,风速频率出现递增趋势。在1 m·s-1的累积风速频率上,2000—2015年明显高于前3个时期,说明近15年低风速频率有增大趋势。
图 5为大连站低风速频率日变化曲线。可以看出,大连站平均低风速频率有显著的日变化特征,01—06时,大连站低风速频率维持在20%左右,07时开始快速下降,在12—15时降至最低,在3%以下,最低出现在14时,达到1.9%。16时开始低风速频率快速增大,21—24时达到最高水平,接近20%。
图 5将1994年以来大连站的数据分成前后两段,1994—2003年和2004—2015年平均低风速频率表现出相同的日变化趋势,波峰、波谷以及变化大体一致。两者的差异表现为2004—2015年低风速频率整体大于1994—2003年平均值,特别是夜间显著偏小,20时至次日20时,低风速频率最高时为后者的3倍左右。从风速频率变化趋势看,2004—2015年日变化更加剧烈,从06时开始快速下降,1994—2013年在08时开始下降,降低趋势更平缓。同样在傍晚低风速频率开始升高时,两者开始时间接近,均在16时左右,但1994—2003年20时左右即曲线开始变得平缓,而2004—2015年曲线则出现在21时。
2.4 月际变化特征大连地区全年低风速的出现频率整体较低,但季节性明显,在秋、冬季的月份较为显著偏大。图 6为大连各地区低风速频率月变化。从地区平均看,3—7月,低风速频率较低,在13%~18%,最低值出现在4月,为13%;9月至次年2月维持在较高水平,在20%~27%,最大值出现在9月,达到27%,可以看出大连秋、冬季, 低风速频率偏高, 大气污染扩散能力偏弱。各地区月分布可以分为两大类,一是长海和大连,两地在11月至次年4月较为稳定,低风速频率低,在10%以下,长海在夏季频率最高,在13%左右,大连站6—10月较高。其他地区属于第二类,风速频率较高,月际变化趋势基本一致,表现为:4—7月处于低值区间,8月开始迅速增大,9月达峰值,10月至次年1月维持较高水平,2月迅速下降。
图 7为采用2003—2015年每日24 h数据统计的低风速持续时间概率曲线。7个站点中大连站低风速持续时长最短,低风速持续4 h以下的占到85%。长海低风速持续时长最长,持续10 h以上的低风速达到27%,持续20 h以上低风速接近9%。旅顺、金州和瓦房店三地的低风速持续性比较接近,持续时间均处于大连站和长海站之间。其中,旅顺最低,金州居中,瓦房店相对较高。
本文分析了大连地区低风速出现频率及日、月、年变化特征, 结果如下。
(1) 近45年, 大连地区平均低风速出现频率约为20%。北部内陆地区与沿海测站低风速频率有明显差异, 其中, 海岛站长海最低, 约为8%;普兰店最高, 达到32%;其他地区在18%~26%。
(2) 大连站平均低风速频率具有显著的日变化,主要表现为白天偏低、中午时段最低,夜间高,半夜达到最高。01—06时,大连站低风速频率维持在20%左右,07时开始快速下降,在12—15时降至最低,在3%以下,最低出现在14时,达到1.9%。16时开始低风速频率快速增大,21—24时达到最高水平,接近20%。
(3) 3—7月,大连地区低风速频率较低,在13%~18%,最低值出现在4月,为13%;9月至次年2月维持在较高水平,在20%~27%,最大值出现在9月,达到27%。
(4) 大连市区低风速持续时长最短,持续4 h以下的占到85%;长海低风速持续时长最长,持续10 h以上风速的频率达到27%,持续20 h以上风速接近9%。
(5) 1971—2015年, 大连、长海和普兰店低风速增加趋势显著, 其他地区也呈增加趋势。
大连地区低风速频率具有显著的日、月、年变化特征,导致这种变化的原因比较复杂,全年平均风速降低与年低风速出现频率的增加有直接的关系,而导致低风速出现频率迅速增加和其日、月变化的气候背景需要深入分析。另外,在低风速与污染天气的相关关系上,值得进一步深入研究。
陈镭, 马井会, 耿福海, 等, 2016. 上海地区一次典型连续颗粒物污染过程分析[J]. 气象, 42(2): 203-212. DOI:10.7519/j.issn.1000-0526.2016.02.008 |
杜传耀, 于丽萍, 王缅, 等, 2015. 对雾-霾过程的综合探测[J]. 气象, 41(12): 1525-1530. DOI:10.7519/j.issn.1000-0526.2015.12.010 |
郭军, 曹经福, 杨艳娟, 2015. 1971—2012年环渤海沿海地区风速变化及其影响因素分析[J]. 气象与环境学报, 31(4): 82-88. DOI:10.11927/j.issn.1673-503X.2015.04.012 |
郭梦婷, 蔡旭晖, 宋宇, 2016. 全国低风速气象特征分析[J]. 北京大学学报(自然科学版), 52(2): 219-226. |
蒋维楣, 孙鉴泞, 曹文俊, 2004. 空气污染气象学教程[M]. 北京: 气象出版社, 21-155.
|
江滢, 罗勇, 赵宗慈, 等. 2007. 近50年中国风速变化及原因分析[C]//2017年中国气象学会年会论文集. 广州: 中国气象学会: 80-89.
|
李小飞, 张明军, 王圣杰, 等, 2012. 中国空气污染指数变化特征及影响因素分析[J]. 环境科学, 33(6): 1936-1943. |
刘昌明, 郑红星, 2003. 黄河流域水循环要素变化趋势分析[J]. 自然资源学报, 18(2): 129-135. DOI:10.11849/zrzyxb.2003.02.001 |
刘香娥, 何晖, 贾星灿, 等, 2016. 北京一次污染天气过程特征的数值模拟[J]. 气象, 42(9): 1096-1104. DOI:10.7519/j.issn.1000-0526.2016.09.007 |
刘小宁, 2000. 我国40年年平均风速的均一性检验[J]. 应用气象学报, 11(1): 27-34. |
唐敬, 蔡旭晖, 康凌, 等, 2011. 复杂地形低风速气象特征分析[J]. 气象科学, 31(4): 542-547. |
王遵娅, 丁一汇, 何金海, 等, 2004. 近50年来中国气候变化特征的再分析[J]. 气象学报, 62(2): 228-236. |
吴萍, 丁一汇, 柳艳菊, 等, 2016. 中国中东部冬季霾日的形成与东亚冬季风和大气湿度的关系[J]. 气象学报, 74(3): 352-366. |
张爱英, 任国玉, 郭军, 等, 2009. 近30年我国高空风速变化趋势分析[J]. 高原气象, 28(3): 680-687. |
张洋, 2011. 风速系列一致性修正方法研究[J]. 电力勘测设计: 19-22. |
赵宗慈, 罗勇, 江滢, 等, 2016. 近50年中国风速减小的可能原因[J]. 气象科技进展, 6(3): 106-109. |
祝青林, 张留柱, 于贵瑞, 等, 2005. 近30年黄河流域降水量的时空演变特征[J]. 自然资源学报, 20(4): 477-482. DOI:10.11849/zrzyxb.2005.04.001 |
Anfossi D, Oettl D, Degrazia G, et al, 2005. An analysis of sonic anemometer observations in low wind speed conditions[J]. Bound-Layer Meteorol, 114(1): 179-203. DOI:10.1007/s10546-004-1984-4 |
Deaves D M, Lines I G, 1998. The nature and frequency of low wind speed conditions[J]. J Wind Eng Ind Aerodyn, 73(1): 1-29. DOI:10.1016/S0167-6105(97)00278-X |
Gadian A, Dewsbury J, Featherstone F, et al, 2004. Directional persistence of low wind speed observations[J]. J Wind Eng Ind Aerodyn, 92(12): 1061-1074. DOI:10.1016/j.jweia.2004.05.007 |
Kendall M. G, 1975. Rank Correlation Methods[M].
London: Griffin.
|
Lines I G, Deaves D M, Atkins W S, 1997. Practical modelling of gas dispersion in low wind speed conditions, for application in risk assessment[J]. J Hazard Mater, 54(3): 201-226. DOI:10.1016/S0304-3894(96)01873-0 |
Mann H B, 1945. Nonparametric tests against trend[J]. Econometrica, 13(3): 245-259. DOI:10.2307/1907187 |
Smith F B, 1992. Low wind-speed meteorology[J]. Meteor Mag, 121: 141-151. |