北京市大兴区大雾气候特征及影响因素分析 &nbsh1; 北京市大兴区大雾气候特征及影响因素分析 Summary：本文选取1981~2020年大兴区气象观测站逐月大雾日数、平均气温、风向风速、相对湿度气象要素数据，对大兴区大雾气候特征及影响因素进行分析。结果表明：1981~2019年大兴区大雾日数总体呈现出增加的趋势，气候变化倾向率为6.204d/10a，增加趋势较为显著；大兴区大雾日数逐月变化趋势图7~10月份大雾日数...
Summary：本文选取1981~2020年大兴区气象观测站逐月大雾日数、平均气温、风向风速、相对湿度气象要素数据，对大兴区大雾气候特征及影响因素进行分析。结果表明：1981~2019年大兴区大雾日数总体呈现出增加的趋势，气候变化倾向率为6.204d/10a，增加趋势较为显著；大兴区大雾日数逐月变化趋势图7~10月份大雾日数则开始逐月增加，10月达到峰值；11月到次年6月呈现下降趋势，6月份达到谷值。近39年大兴区春、夏、秋、冬四季平均大雾日数分别为1.8、4.0、9.4、6.3d，出现频率分别为8.4%、18.6%、43.7%、29.3%，尤以秋季大雾出现频率最高，其次是冬季和夏季；大兴区大雾天气出现的过程中受当时气温、风向风速和相对湿度的影响较大。
Keys：大雾 气候特征 影响因素 大兴区
引言
大雾是气象灾害之一，会加剧大气污染、危害人体健康。因此对大雾气候特征进行全面了解，对于准确及时预报大雾天气和预防大雾造成的危害具有十分重要的作用。多年来，众多学者从大雾结构、宏微观结构、物理成因等方面进行了大量的研究，并得出了很多有意义的结论。由于大雾具有区域性、局地性、出现和持续时间不稳定等方面的特点，在预报过程中有很大难度。为此，本文对大兴区大雾气候特征及影响因素进行分析， 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 其形成及变化规律，为大雾天气预报、提前发布大雾预警及防灾减灾提供有利的参考依据。
1、研究资料和方法
本文选取1981~2020年大兴区气象观测站逐月大雾日数、平均气温、风向风速、相对湿度气象要素数据，使用统计学方法对大兴区大雾年际、月季变化特征进行分析。根据《地面观测 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 》规定，大雾为能见度小于1.0 km的雾。雾日统计以地面观测记录为准，即20:00到翌日20:00出现雾则计为1个雾日，对跨越20:00的大雾按两个大雾日处理。
2、大兴区大雾气候特征
2.1大兴区大雾年际变化特征
1981~2019年大兴区大雾日数总体呈现出增加的趋势（图1），气候变化倾向率为6.204d/10a，增加趋势较为显著。近39年大兴区大雾日数的平均值为21.5d，其中大雾日数的最大值高达59d，出现在2016年，最小值只有5d，出现在1995年，最大值和最小值之间相差54d，比平均大雾日数还要高出2倍多，说明大兴区大雾日数年际变化波动幅度较大。结合平均值曲线，在2005年之前，大兴区有20年的大雾日数平均值以下，占80%，只有极个别年份的大雾日数低于平均值；从2006年往后，大兴区每年的大雾日数均超过了平均值。结合趋势图，可以将近39年大兴区大雾日数划分为三个阶段：1981~1987年大兴区大雾日数呈现出直线增加的趋势；1988~2002年大兴区大雾日数呈现出波动减少的趋势；从2003年往后大雾日数则呈现出波动增加的趋势。总体来说，近39年大兴区大雾日数呈现出增加的趋势，且增加趋势较为显著。
图1 1981~2019年大兴区逐年大雾日数变化趋势图
2.2大兴区大雾日数月季变化
根据大兴区大雾日数逐月变化趋势图7~10月份大雾日数则开始逐月增加，10月达到峰值；11月到次年6月呈现下降趋势，6月份达到谷值。近39年大兴区春季平均大雾日数为1.8d，出现频率为8.4%；夏季平均大雾日数为4.0d，出现频率为18.6%；秋季平均大雾日数为9.4d，出现频率为43.7%；冬季平均大雾日数为6.3d，出现频率为29.3%。从污染物排放角度出发，在交通源与化工源逐月排放稳定的情况下，夏季雾日数较多的主要原因与底层风向、风速以及气溶胶粒子的吸湿增长有关；秋冬季则主要是因连续大规模集中燃烧秸秆和采暖燃煤排放的颗粒物引起的，且秋冬逆温天数和强度的增多在一定程度上阻碍了对流层中大气的对流运动，使近地面污染物在城市上空不断积聚，低层大气中有大量的气溶胶粒子，为大雾天气的出现和维持提供了有利的层结条件。
浙公网安备 33021202002483