1. 引言
雾霾是一种对大气中各种悬浮颗粒物含量超标的笼统表述，进入21世纪之后，越来越多的学者开始重视雾霾这一天气现象，中国很多地区都已经把雾霾天气现象作为灾害性天气进行预警预报。中国的雾霾存在显著的空间分布差异，整体呈现出东多西少的特征，尤其是长江中下游和华北地区 [1] 。中国的雾霾存在显著的空间分布差异，整体呈现出东多西少的特征。20世纪80年代后，雾霾日数明显增加，其中12月和1月的霾雾天数已达到全年霾雾天数的30%，许多严重的霾雾事件也发生在冬季 [2] 。此外，雾霾在冬季还呈现出了显著的年际变化 [3] 。
人为排放导致了中国北方和南方冬季雾霾的分布差异 [4] 。在过去几十年中，人为排放的变化主导了中国东部冬季PM2.5浓度的增加 [5] 。但是，PM2.5浓度的年际变化主要是由气象条件变化导致的，而非人为排放，雾霾的强度、持续时间、输运迁移、消除等特性和过程更是与气候背景的变化密不可分。Li等研究了中国东部雾霾的年际变化和东亚冬季风的关系，发现在东亚冬季风偏弱时，对流层底层西伯利亚高压和东亚大槽均有所减弱，导致近地面风和水平纬向风的垂直切变减弱，中国中东部冬季雾霾日数增多 [6] 。冬季北半球500 hPa位势高度异常对中国的天气气候有很显著的影响，例如，包括极涡、乌拉尔山高压和东亚大槽在内的天气系统可以通过影响地面气象要素影响中国霾雾的产生和消散。在对一些雾霾发生个例的研究分析中提及了500 hPa位势高度异常对中国的雾霾的影响。例如，周须文等通过聚类分析发现，1月份500 hPa位势高度异常表现为极涡偏强时京津冀雾霾天气偏多，表现为极涡偏弱时则雾霾天气偏少 [7] 。赖芬芬等和赵桂香等对雾霾的分析时发现，冬季500 hPa等压面上极涡等大尺度环流形势与雾霾产生有密切关系 [8] [9] 。
研究表明，随着波列从欧亚大陆自西向东的移动，与乌拉尔阻塞相关的大气环流异常对东亚冬季气候异常的影响在加强 [10] 。杨双艳等发现，欧亚遥相关对北半球中高纬度脊和槽的强度有重要影响，即对东亚气候有重要影响 [11] 。Wallace和Gutzler指出，冬季北半球500 hPa上存在包括欧亚遥相关在内的五种遥相关类型 [12] 。而欧亚遥相关位于欧亚大陆上方，是东亚气候变化的重要指标，其变化与冬季北半球大气环流的调整密切相关。例如，Sung等发现东亚冬季冷暖事件的频率与欧亚遥相关密切相关 [13] 。欧亚遥相关也可能对雾霾产生重要影响。
大尺度环流系统对中国的雾霾的变化有很好的指导意义。现有研究中关于位势高度对雾霾影响的研究大多都是案例分析，而关于其年际变化对雾霾影响的研究仍存在不足 [14] [15] 。冬季是雾霾最频繁的季节，而华北地区是中国雾霾的多发区。因此本文将利用相关性分析、EOF分析、奇异值分解、合成分析等方法研究欧亚遥相关与中国北方地区冬季雾霾的关系。
2. 数据与方法
2.1. 站点观测数据
本文中使用的气象观测数据来自中国气象局。该资料包含了国家气象信息中心获取的中国地面站所观测的各项数据，其中包括站号、站点经纬度、气压、风速、能见度、温度、降水量、湿度和天气现象等数据。每日均有多次观测，分别为北京时的02时、08时、14时和20时。本文选取了1980~2015年1月、2月、12月的每日观测数据，其中由于数据存在缺失，2000年1~2月的数据被剔除，共计106个月。
站点选取时，若某一站点在一个月内对能见度能气象数据的记录少于5天，则该站点被剔除。通过质量控制，本文共选择了80个研究站点。如图1所示，这些站点均匀地覆盖了中国华北地区(110˚E~125˚E, 30˚N~40˚N)，密度适当，可以代表中国北方的区域特征。本文中的霾雾标准定义为能见度小于或等于10 km，降水、灰尘和其他可能影响能见度的因素均被消除 [3] [4] 。
Figure 1. Locations of the selected stations
图1. 站点分布图
2.2. 再分析数据
本文中使用的再分析数据来自美国国家环境预测中心/国家大气研究中心(NCEP/NCAR)的再分析资料。再分析数据空间分辨率为2.5˚ × 2.5˚，时间范围为1980~2015年，时间分辨率包括月、日。
2.3. 奇异值分解
利用奇异值分解方法，可以从两个要素场中分离出若干相对应的空间分布。一般而言，异性相关系数图的数值会小于同性相关系数的数值，但异性相关系数图能反映出在已知其中一个气象要素场时，另一个要素场的可能分布情况。因此，对于揭示两个气象要素场相关关系来说，异性相关系数场能更好的展现出来。本文主要利用了异性相关分析两种空间型的关系。
3. 结果与讨论
3.1. 雾霾特征分析
对选取的80个站点的雾霾日数求平均，得到1980~2015年中冬季雾霾日数。冬季雾霾日数除呈现明显的年际变化外，也存在年代际变化，趋势如图2中的实线所示，雾霾日数在1980~1990年和2005年以后呈增长趋势，在1990~2005年呈现缓慢的减少趋势。该趋势与污染物的排放趋势相似 [16] [17] 。因此，为了减小污染物排放的影响，我们使用三次函数对数据进行去趋势处理。本研究将使用去除趋势后的雾霾日数。
Figure 2. The number of haze-fog days in winter from 1980 to 2015 (bar, units: days) and its trend (line)
图2. 1980~2015年冬季雾霾日数(柱状，单位：天)和趋势(实线)
对36年冬季雾霾日数进行EOF分析，其中第一模态的方差贡献率达到44.6%。如图3所示，在第一模态中华北地区所有站点雾霾日数一致增多，排除污染物的排放的原因后，可以认为，中国北方地区表现出了受同类天气系统影响而产生的雾霾日数一致增加的日数变化特征。
Figure 3. The spatial distribution of the first modes of EOF analysis of the number of haze-fog days during winter
图3. 冬季雾霾日数EOF分析第一模态空间分布
3.2. 雾霾与欧亚遥相关的关系
3.2.1. 雾霾与欧亚遥相关主要模态
对1980~2015年冬季500 hPa位势高度场与雾霾日数进行奇异值分解，雾霾日数场为左场，以500 hPa位势高度场为右场。图4为奇异值分解第一模态，贡献率58.8%。第一模态雾霾日数的异性相关场中大部分站点显示为正值，说明华北地区雾霾具有同时多发或少发的变化特征，且河北和河南等地正异常更显著，这一分布与雾霾日数的EOF分解的第一模态空间分布较为相似，是华北雾霾的主要分布形势。500 hPa位势高度的异性相关场中，整个欧亚大陆自欧洲西部至东亚沿岸是正–负–正的相关中心，表现为欧亚遥相关的负位相。
奇异值分解第一模态说明雾霾日数增加时，500 hPa位势高度在西伯利亚地区为负异常，在欧洲和东亚沿海地区为正异常。即欧洲西北部和东亚的大槽以及乌拉尔的高压脊都削弱，这意味着西风环流的经向分量减弱。
Figure 4. The heterocorrelation of the first mode of the SVD between the 500 hPa geopotential height (a) and the number of haze-fog days (b) (the shaded area denotes that the 99% confidence level is exceeded)
图4. 500 hPa位势高度(a)与雾霾日数(b) SVD第一模态的异性相关场(阴影区域表示通过99%的置信水平)
3.2.2. 雾霾日数异常年份欧亚遥相关特征
首先，利用标准化处理的方式挑选出冬季雾霾天数较少和雾霾天数较多的年份。2014、2015年的雾霾天数异常偏高，这将对标准化分析产生较大的消极影响，不利于年份的挑选，因此我们将2014年和2015年直接挑选为冬季雾霾日数较多的年份。后对1980~2013年的雾霾日数进行标准化处理。雾霾日数大于一个标准差的年份定义为雾霾多发年，它们分别是1990年、2003年、2007年和2013年。雾霾日数少于一个标准差的年份定义为雾霾少发年，它们分别是1980年、1981年、1983年、1984年、2002年和2011年。
由图5可知，在雾霾多发年，极地地区位势高度正异常，欧亚遥相关波列呈正–负–正的负位相分布，西风环流的经向分量减弱。在雾霾少发年，极地位势高度负异常，欧亚遥相关波列呈负–正–负的正位相分布。
3.2.3. 雾霾与波作用通量
根据500 hPa位势高度场和风场资料，计算了雾霾多发年和雾霾少发年的波作用通量。图5表明，欧亚大陆上空确实存在明显的与欧亚遥相关相关的准静止行星波活动，从欧洲地区自西向东传播。对比两种合成可以发现，这种自欧洲传播至华北地区的波作用通量的路径和强度均存在明显差异，从位势高度正异常中心传播至位势高度负异常中心的波作用通量明显强于从位势高度负异常中心传播至位势高度正异常中心的波作用通量。
霾雾少发年，它表现为从高纬度向中低纬度的传播，在东亚中纬度地区异常辐合。此外，大气在新地岛以西的区域内为垂直上升运动，在新地岛以东至华北地区为下沉运动，表明有较强的冷空气从新地岛西北地区被抬升至高空后沿波作用通量路径输送至华北地区的对流层低层。这表明，波作用通量自上而下、自北向南影响着东亚中纬度地区的低层对流层。下沉运动使得对流层下部的西伯利亚高压增强，东亚沿岸地区气压梯度加强，对流层中部经向环流增强(图6)。同样，与高空较强的位势高度异常相对应，海平面气压也呈现出了相似的分布情况(图略)。波作用通量从新地岛地区带来的较强冷空气和东亚沿岸气压梯度的加强都将导致华北地区出现较强的偏北风，导致雾霾少发年内中国北方多强烈的冷平流，有利于污染物的扩散。
相反，在雾霾多发年，西风带表现为纬向环流，波作用通量沿纬度线由西向东传播，受高纬度地区影响较小，冷空气的来源位置明显偏南，且冷空气也不易向南输送。此外，波作用通量在东亚地区垂直向上传播，削弱了对流层下部的西伯利亚高压，冷空气减弱。中纬度地区的上升运动、减弱的西伯利亚高压和较弱的冷空气导致了中国北方地区的南风异常和较低的风速，这不利于污染物的扩散。
另外，通过奇异值分解第一模态对气象要素进行回归分析，发现各要素场的回归分布与合成分析相似，可以得到相同的结论。
Figure 5. The 500 hPa geopotential height anomaly (shading), horizontal wave activity flux (vectors) and vertical wave activity flux (contour, 10−3) of the higher haze-fog years (a) and lower haze-fog years (b)
图5. 雾霾多发年(a)和少发年(b) 500 hPa位势高度(填色)、水平波活动通量(箭头)和垂直速度(等值线，10−3)异常合成
Figure 6. Compound field of geopotential height anomaly and wind (vector) at 850 hPa of the higher haze-fog years (a) and lower haze-fog years (b)
图6. 雾霾多发年(a)和少发年(b) 850 hPa位势高度和风场(箭头)距平场合成
3.3. 雾霾与欧亚遥相关指数的关系
3.3.1. 新欧亚遥相关指数确定
相关系数场、SVD的第一模态以及合成分析均表现出了在欧亚大陆上空500 hPa位势高度场上的纬向波列。这种模式类似于由Wallace和Gutzler提出的欧亚遥相关模式，本文根据Wallace和Gutzler对欧亚遥相关指数的定义，定义了一个新的欧亚遥相关指数 [12] 。选取相关系数最大的三个格点来计算欧亚遥相关指数，分别为(20˚E, 45˚N)、(70˚E, 60˚N)和(110˚E, 40˚N)。新的欧亚遥相关指数(用IEU表示)计算公式如下：
其中z为标准化的500 hPa月平均位势高度异常。
IEU与雾霾日数的相关系数为−0.5，超过了99%的置信水平(图7)。表示当欧亚遥相关指数为正，即欧亚遥相关为正位相时，雾霾日数减少；当欧亚遥相关指数为负，即欧亚遥相关为负位相时，雾霾日数增加。新定义的欧亚遥相关指数比Wallace和Gutzle提出的欧亚遥相关指数与雾霾的关系更密切 [12] 。其中，选出的雾霾多发年的欧亚遥相关指数平均值为−0.7，雾霾少发年的欧亚遥相关指数平均值为0.8。
Figure 7. The detrended number of haze-fog days and the EU index
图7. 去趋势的雾霾日数和EU指数
3.3.2. 欧亚遥相关的生命周期及其与能见度的关系
为了更进一步了解亚欧大陆EU遥相关与雾霾的关系以及对雾霾变化的影响，使用日平均的位势高度数据及各站点的能见度数据分析了欧亚遥相关的生命周期及其对能见度的影响。逐日分析欧亚遥相关指数，当欧亚遥相关指数为时段内极大值并超过一个标准差时，该峰值日被定义为“lag 0”。“lag 0”之前的一天标记为“lag −1”，之后的一天标记为“lag 1”，依此类推。如果在15天内出现两个或多个峰值，则只计算第一个峰值，以确保每个欧亚遥相关生命周期的独立性。通过计算，36年内共统计有57个正峰值和68个负峰值。
分别对正、负峰值前后10天的遥相关指数进行合成。如图8所示，在负峰值合成时段中，欧亚遥相关指数从lag −6天快速下降，在lag 0天达到最小值，约为−1.2，然后增大；正峰值时段欧亚遥相关指数合成显示了相反的趋势，从lag −6天开始增大，在lag 0天达到最大值，约为1.2，然后减小。正负位相的EU遥相关的整个周期均在13~15天左右。此外，欧亚遥相关指数在lag 0天之前出现快速的增长或减小，在lag 0天之后的变化则相对减缓。
为了分析欧亚遥相关正、负位相生命周期内的发展和衰退与雾霾的关系，利用中国北方80个站的平均能见度数据合成了这两个时段的能见度(图9)。结果表明能见度与欧亚遥相关指数呈相反的变化趋势。在欧亚遥相关负位相周期内，能见度在lag −2天左右开始下降，持续至lag 3天后开始增加；雾霾过程大约持续5~6天，与统计上一次雾霾天气持续时间相符。在正位相周期内，能见度在lag 0天开始增加，在lag 3天后开始回落并稳定，且lag 6天时的能见度仍高于lag −2天。
Figure 8. Composite of the EU index from lag −10 to lag 10
图8. EU指数峰值lag −10到lag 10天的合成
Figure 9. Average standardized visibility anomalies in North China around the peak phase of the EU pattern from lag −6 to lag 6
图9. EU指数峰值lag −6天到lag 6天华北地区标准化的能见度的合成
负位相的EU遥相关活动周期大约有13天，选择经过了500 hPa等压面上的三个位势高度异常中心的直线，绘制EU遥相关负位相周期内的位势高度异常的垂直剖面(如图10所示)。Lag −6天，欧洲地区存在位势高度正异常和负异常中心，这些异常随时间逐渐加强。在lag −5天时，90˚E开始出现正异常中心，在欧亚大陆上开始形成欧亚遥相关的正–负–正结构。在lag 0天时，异常中心的异常达到最大，三个中心最大异常分别为120 gpm、−210 gpm和90 gpm。其中东侧的正异常中心在lag −1天左右逐渐影响到中国东北部地区，并在随后的几天内在中国东北部地区滞留加强。
从图中也可以看出，在lag −1天之前，这些位势高度异常中心在垂直方向上呈现向东倾斜的特征，表现为异常中心的斜压结构。在lag −1天时这些异常中心变为正压结构。分析表明，斜压结构可能对异常中心向东移动起到重要作用，但位势高度异常中心的维持和发展主要是由于正压力不稳定导致的 [18] 。
Figure 10. Vertical cross sections of the geopotential height anomaly during the negative phase activity cycle of EU teleconnection
图10. EU遥相关负位相活动周期内位势高度异常垂直剖面
4. 结论
中国北方地区是中国雾霾多发地区之一，冬季雾霾日数存在显著的年际变化。利用地面站观察资料和大气再分析资料，采用SVD分析、合成分析等多种方法，研究了北半球中高纬环流与中国北方冬季霾雾日数的关系。同时，根据500 hPa位势高度异常的空间异常分布，重新定义了一个欧亚遥相关指数，揭示了500 hPa位势高度异常通过遥相关影响中国雾霾的活动特征。
结果表明，500 hPa等压面上的欧亚遥相关是影响中国北方霾雾的重要形势。当欧亚遥相关处于正相位时，西伯利亚地区位势高度增加，东亚和欧洲地区位势高度减小，有来源于新地岛的较强波作用通量将较强的冷空气从新地岛附近输送至华北地区；同时，近地面西伯利亚高压加强，中国东侧位势高度减小，利于北风的加强。冷空气的输送和北风的加强有利于雾霾的扩散，雾霾日数减少。欧亚遥相关处于负位相时反之，不利于霾雾的消散，雾霾日数增加。
选取三个格点定义了一个新的欧亚遥相关指数，三个格点分别为(10˚E, 55˚N)、(80˚E, 60˚N)和(120˚E, 40˚N)。该指数与雾霾日数相关系数为−0.5，超过了99%的置信水平，其与雾霾日数关系更为密切。欧亚遥相关活动周期约为13~15天，大约在欧亚遥相关指数达到峰值前2天开始对华北能见度产生影响，持续时间约5~6天。斜压不稳定是EU遥相关向东发展的原因，而正压不稳定在EU遥相关的发展和维持中起重要作用。
NOTES
*通讯作者。