Plateau Meteorology

Plateau Meteorology >

2024 , Vol. 43 >Issue 6: 1493 - 1506

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00036

Research on the Influence of SST in Different Regions on the Interannual Variability of Winter Fog Days over Eastern China

  • Qisheng CEN ,
  • Peng LIU
Expand
  • 1. Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）/Joint International Research Laboratory of Climate and Environment Change （ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China
    2. School of Atmospheric Sciences，Nanjing University，Nanjing 210023，Jiangsu，China

Received date: 2023-11-20

  Revised date: 2024-03-11

  Online published: 2024-03-11

Fold

Abstract

Based on observational data， it is evident that fog occurrence in Eastern China is notably higher during winter compared to other months.Spatial analysis of climatological statistics reveals a distinct heterogeneity， dividing Eastern China into northern and southern regions based on fog day patterns.Furthermore， winter can be subdivided into early （November and December） and late （January and February） periods， characterized by varying trends in fog occurrence and interregional correlations.Examining the relationship between sea surface temperature （SST） and fog days across both southern and northern China throughout winter， significant influences emerge.During early winter， fog days in both regions are markedly impacted by SST anomalies in the tropical Pacific.Conversely， in late winter， while the north Atlantic SST exerts a considerable influence on fog days in northern China， southern China continues to be strongly affected by tropical Pacific SST.Analyzing atmospheric circulation patterns reveals distinct mechanisms driving fog occurrences in different seasons.In early winter， warm SST anomalies in the tropical Pacific drive northward movement of the Western North Pacific Subtropical High， resulting in anticyclonic anomalies over northern Japan and weakened Siberian High， leading to increased fog days in both southern and northern areas of Eastern China.Conversely， in late winter， weakened influence from the tropical Pacific shifts the anomalous southerly winds only over southern China， while the north Atlantic SST anomalies induce anomalous southeasterly winds over northern areas， enhancing moisture transport from the north Pacific， with relatively stable atmospheric structure， thus significantly increasing fog days over northern China.

Key words： Eastern China; winter fog days; SST; interannual variability

Cite this article

Qisheng CEN , Peng LIU . Research on the Influence of SST in Different Regions on the Interannual Variability of Winter Fog Days over Eastern China[J]. Plateau Meteorology, 2024 , 43(6) : 1493 -1506 . DOI: 10.7522/j.issn.1000-0534.2024.00036

1 引言

对于雾天气， 国家标准GB/T 35224-2017《地面气象观测规范 天气现象》给出如下定义： 悬浮在贴近地面的大气中的大量微小水滴（或冰晶）的可见集合体， 常呈乳白色。雾和云的区别仅在于是否接触地面。雾发生时气象能见度小于1000 m， 相对湿度接近100%（中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会， 2017）。可见雾发生时对能见度影响较大， 直接危害道路交通安全， 进而对人类生命健康乃至社会经济发展造成影响。尤其在经济较为发达且人口稠密的中国东部地区， 受雾的影响更为严重。因此， 对雾的研究显得尤为重要。
通过研究雾日数的统计规律， 已有学者得出在中国不同区域， 雾日数在时间、 空间分布以及变化趋势等气候特征上有不同的特点。刘小宁等（2005）发现我国雾日数的空间分布呈东南多、 西北少的特点。王丽萍等（2005）指出我国大部分区域雾日春夏季少、 冬季多。对于一天中易形成雾的时段， 陈潇潇等（2008）发现我国大部区域的雾多发生在清晨及夜间。我国幅员辽阔， 不同地区地形地貌及区域气候差异较大， 因此在研究雾时常常对不同区域分别讨论， 从而发现雾日数在统计特征上的一些不同。王丽萍等（2005）根据年均雾日数将中国分为6个雾区， 发现大部分的区域雾日数呈下降趋势， 下降趋势显著的区域呈西南-东北分布。张璐等（2019）根据冬季雾日数频率及变率特征将中国分为3个雾区， 发现不同雾区雾日数受水汽条件、 大气稳定度及环流背景的影响存在明显区别。
在对雾日数气候特征有一定研究的基础上， 有利于雾发生的动力、 热力条件以及环流系统的配合也受到较多关注。对华北平原雾的研究发现当近地面风速较低、 低层大气饱和且处于稳定或弱不稳定状态时易发生雾（毛冬艳和杨贵名， 2006）。对南岭高速公路雾的研究发现迎风坡发生雾的频率为背风坡的1.5倍（吴兑等， 2007）。对沪宁高速上一次大雾天气过程的研究发现当低层大气为弱的负涡度、 存在地面辐射冷却和低空冷平流时利于雾的生成（严明良等， 2011）。对2013年1月中国东部一次持续雾天气的研究表明对流层低层相对低压、 逆温、 弱水平风垂直切变与雾的生成有显著关系（张人禾等， 2014）。
针对大尺度环流系统对雾生成的影响， Niu et al（2010）发现在年代际尺度上东亚冬季风的减弱利于我国中东部冬季雾的增加。Yu et al（2019）发现在厄尔尼诺-南方涛动（ENSO）影响下， 早冬中国东部大部雾日数明显增加而晚冬有明显变化的区域较小。Liu et al（2020）指出当北极涛动（AO）处于不同相位时， 冬季中国东部易发生雾的区域存在不同。Yu et al（2021）发现在ENSO与AO共同影响下， 中国东部早晚冬雾日数存在不同变化。Liu et al（2022）发现北大西洋多年代际振荡（AMO）和太平洋年代际振荡（PDO）对我国西南地区雾日数的年代际变化影响显著。此外， 针对不同区域海表温度对我国雾的影响也有部分研究。刘付永在（2016）发现冬季西太平洋暖池温度与同期华南雾日数异常呈正相关。袁媛等（2017）指出在超强厄尔尼诺影响下， 我国华北地区低层风速减小、 相对湿度增大， 雾天气频发。陈诚（2019）发现秋季东太平洋部分区域海温与我国102°E以东地区冬季雾日数存在正相关。
上述研究大致指出了我国雾天气的时空分布特点、 雾形成的气象条件以及大尺度系统对雾日数影响， 但针对大尺度系统中国东部冬季雾日数年际变率的研究则相对较少， 同时在研究年际变率时并没有预先对中国东部进行区域的细分。具体到海温上， 一些对中国东部不同地区雾日数影响较大的海温区域， 其产生影响的具体时间尚不完全明确。此外， 虽然有较多研究指出了不同地区海温对中国冬季环流有显著影响（He and Wang， 2013； Hu et al， 2020； Miao and Jiang， 2021； Wang et al， 2000； Zhang et al， 2020）， 但关于这些海温如何影响雾日的研究相对较少。本文将针对上述问题， 依据中国东部冬季雾日数的空间分布及变化趋势， 对时空进行划分， 分别讨论不同时间和地区雾日数的变化趋势和联系， 并分析影响不同时间和地区雾日数年际变化的主要海表温度关键区， 初步讨论不同海表温度关键区影响利于雾生成的环流形势及气象要素的机理。以便初步提供预测冬季中国东部雾日数变化的思路， 减轻雾对生产生活的不利影响。

2 资料来源与方法介绍

本文利用的数据有： （1）国家气象信息中心提供的1954 -2006年全国678个基准站地面观测资料， 已将雾日数据插值到分辨率1°×1°的格点上， 未使用到现在的数据主要因为后期部分站点的迁移以及实测数据获取相对较难； （2）美国国家海洋和大气管理局（NOAA）提供的第五代延长重构的月均海表温度（ERSST.v5）数据， 时间自1954 -2006年， 分辨率2°×2° （Huang et al， 2017）； （3）美国气象环境预报中心和美国国家大气研究中心（NCEP/NCAR）提供的1954 -2006年逐月再分析资料（Kalnay et al， 1996）， 包括位势高度、 水平及垂直风场、 整层大气可降水量。并利用相对湿度和温度计算温度露点差， 以表示大气的饱和程度。在对数据去除年代际变化信号时， 均采取原始数据减去五年滑动平均的方法。
文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）3082号的亚洲地图制作， 底图无修改。
在本文中， 中国东部的范围选取110°E -120°E， 20°N -40°N。根据雾日数资料， 可得中国东部逐月区域平均雾日数（图1）。能看出在冬季（11月至次年2月）， 中国东部的雾日数明显高于其他月份。在本文后续研究中， 将冬季分为早冬（11 -12月）和晚冬（次年1 -2月）， 空间上再以30°N为界将中国东部分为南方和北方。有关这些时间和区域的划分依据， 后文有详细说明。文中首先分析了中国东部冬季雾日的空间分布特征及变化特点， 随后讨论了不同区域海温对中国东部冬季雾日的影响， 最后通过环流特征的分析， 对比了不同区域海温在冬季不同时期对中国东部冬季雾日影响的物理过程。
图1 1954 -2006年中国东部逐月区域平均雾日数

Fig.1 Monthly regional-averaged fog days in Eastern China during 1954 -2006

3 中国东部冬季雾日空间分布特征及变化特点

3.1　中国东部冬季雾日的空间分布特征

根据国家气象信息中心提供的全国678个基准站地面观测资料处理而来的雾日信息， 得到了中国1954 -2006年冬季雾日的气候态、 占全年雾日的比例以及标准差的分布（图2）可以看到， 我国冬季雾日气候态［图2（a）］在我国东部的空间分布有较大区域差异， 大致呈南多北少的特点。在福建南部有一超过27天的大值中心； 次大值中心出现在华北地区， 雾日数在12~15天。由冬季雾日数占全年比例［图2（b）］可发现， 中国东部雾在冬季发生频率较高， 几乎整个东部地区冬季雾日占全年雾日的比例都超过了50%， 其中在江西广东湖南交界附近、 湖北江西湖南交界附近占比超过60%， 天津附近超过了70%。图2（c）为冬季雾日标准差的分布情况， 可反映雾日数变化的活跃程度。可以看到中国东部有两个标准差大于6天的大值区， 分别在福建南部以及河北南部。另外可以注意到， 在四川盆地附近也存在冬季雾日气候态、 占全年雾日的比例以及标准差的大值中心， 针对该地区雾日已有部分研究（Liu et al， 2022）， 且本文聚焦于中国东部地区， 故后续不做讨论。对比图2（a）~（c）可以发现， 冬季雾日的气候态、 占全年雾日的比例以及标准差的大值中心大致重叠。说明在冬季雾日发生频率高的地区， 其雾日数占全年比例越高， 变化也越活跃， 值得深入研究。同时可以看出， 三者的大值区域有着明显的南北分布特征， 因此在本文中， 将中国东部地区分为南方（110°E -120°E， 20°N -30°N）和北方（110°E -120°E， 30°N -40°N）两个区域， 区域范围如图2（c）中蓝色框所示。
图2 1954 -2006年中国东部冬季雾日气候态（a， 单位： d）、 占全年雾日比例（b）、 标准差（c， 单位： d）的空间分布

Fig.2 Climatological winter fog days （a， unit： d）， percentage of winter fog days （b）， standard deviation of winter fog days （c， unit： d） in Eastern China during 1954 -2006

3.2　中国东部冬季雾日的变化特点

已有研究中， 在分析冬季雾日影响因素时有将冬季分为早冬（11 -12月）和晚冬（次年1 -2月）进行处理的先例（Yu et al， 2019， 2021）， 故本文在分析雾日数变化特点时也尝试分为早冬及晚冬， 发现有着明显区别。图3为中国东部南北方地区分别在早冬和晚冬区域平均雾日数在1954 -2006年的变化趋势。可以看到， 无论在早冬和晚冬， 北方雾日数都呈上升趋势， 南方雾日数都呈下降趋势， 这种年代际变化信号可能因东亚冬季风的减弱（Niu et al， 2010）或PDO指数在年代际尺度上增加（Liu and Sui， 2014）造成。对比同一区域早冬和晚冬的变化趋势， 发现都在早冬有着更强的年代际变化趋势， 而晚冬时变化趋势则较弱， 表明早晚冬雾日数的主要影响因素可能存在不同。综上， 说明本文在讨论时将空间上分为南方和北方、 时间上分为早冬和晚冬有一定必要性。
图3 1954 -2006年中国东部北方（a， c）及南方（b， d）地区分别在早冬（左列）及晚冬（右列）区域平均雾日数的线性变化趋势

其中蓝点折线为逐年数据， 黑线为线性变化趋势线

Fig.3 The linear trend of regional mean fog days in early winter （left panel） and late winter （right panel） during 1954 -2006 over the northern （a， c） and southern （b， d） regions of Eastern China.Blue dots and line represent year-by-year data， black line represents linear trend

由于对雾年代际变化信号的影响因素已有了一定的研究（Niu et al， 2010）， 因此本文主要对雾的年际变化信号进行讨论。为显示年际变化信号和年代际变化信号的不同， 以及进一步讨论南北方冬季雾日数变化的联系， 本文计算了南北方区域平均雾日数分别在早晚冬的相关系数。在未去除年代际变化信号前， 早冬南北方雾日数的相关系数为0.37， 通过置信度为99%的t检验； 晚冬相关系数为0.35， 仅通过置信度为95%的t检验。而在去除年代际变化信号后， 早冬和晚冬都通过了置信度为99%的t检验： 早冬相关系数达到0.61， 较去趋势前有了很大的提高； 晚冬相关系数为0.36， 较去趋势前略有提高。去趋势前后相关系数变化量的差异与图3显示的早冬雾日数年代际变化趋势强于晚冬相一致。同时， 即使南北方雾日数的年代际变化趋势在早晚冬都相反， 但未去除趋势前南北方区域平均雾日数分别在早晚冬的相关系数都为正， 说明对于这些雾日数序列， 年代际变化信号并不是更主要的， 而年际变化信号可能有着更明显的作用。此外， 对比去除趋势后早冬和晚冬南北方雾日数的相关系数， 可以发现早冬的相关系数明显大于晚冬， 数值上几乎达到了两倍。说明在早冬， 南北方雾日的形成机理可能有较强的相似性； 而在晚冬， 这种相似性可能较弱， 甚至有很大区别。下文将分别讨论年际尺度上中国东部南方和北方冬季雾日在早冬和晚冬受海表温度的影响， 其中对数据都做了去除年代际变化趋势的处理。

4 不同区域海温对中国东部冬季雾日的影响

4.1　南北方冬季雾日与海温关系

图4为中国东部南北方雾日数与同期海表温度的相关系数分布。从图4中可以看出， 在太平洋区域， 早冬南［图4（b）］北［图4（a）］方雾日数与同期海表温度的相关系数分布有一定的相似性， 这一点与早冬时南北平均雾日数相关系数极大相一致。其中， 赤道中部太平洋区域呈现明显的正相关， 海温与南北方雾日数的相关系数都超过0.4， 通过置信度为95%的t检验； 在北太平洋副热带偏西地区， 则呈现了明显的负相关， 与南北方雾日数的相关系数都超过-0.4， 也通过了置信度为95%的t检验。而在晚冬， 南［图4（d）］、 北［图4（c）］方雾日数与同期海表温度的相关系数分布则存在明显的区别。对于南方， 仍然存在着与早冬时类似的分布： 即在赤道中部太平洋区域存在相关系数0.4左右的正相关， 北太平洋副热带偏西地区呈现出相关系数超过-0.4、 部分区域超过-0.6的负相关， 且都通过了置信度为95%的t检验。而对于北方， 太平洋区域则不存在类似的相关系数分布， 而是在北大西洋地区出现了比较明显的三极型分布特征： 在北大西洋的热带地区， 呈现出相关系数超过-0.4的负相关； 副热带偏西地区呈现出相关系数为0.3左右的正相关； 中高纬度区域呈现出相关系数超过-0.4的负相关， 三个区域都通过了置信度为95%的t检验。此外可以注意到， 图4得到的雾日数与海温的相关系数分布与Hu et al（2022）得到的相关分布有一定相似性。但不同的是， 本文进一步将热带太平洋区域海温产生影响的时间和范围定位到早冬时整个中国东部和晚冬时中国东部南方地区， 北大西洋海温则定位到晚冬时中国东部北方地区。
图4 早冬（a， b）及晚冬（c， d）时北方（上）及南方（下）区域平均雾日数与同期海表温度的相关系数（等值线）

填充区域表示相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关； A为赤道中部太平洋区域（8°S -6°N， 180° -140°W）； B为北太平洋副热带偏西区域（0° -16°N， 134°E -154°E）； C为北大西洋靠近热带区域（6°N -16°N， 58°W -30°W）； D为北大西洋副热带偏西区域（20°N -28°N， 90°W -70°W）； E为北大西洋中高纬度区域（36°N -48°N， 58°W -42°W）

Fig.4 Correlation coefficients （contour） between regional mean fog days and SST at the same time over northern （top） and southern （bottom） regions of Eastern China in early winter （a， b） and late winter （c， d）.Shading area represents the values above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively； A is the central equator Pacific region （8°S -6°N， 180° -140°W）； B is the western subtropical region of the North Pacific （0° -16°N， 134°E -154°E）； C is the North Atlantic near tropical regions （6°N -16°N， 58°W -30°W）； D is the western subtropical region of the North Atlantic （20°N -28°N， 90°W -70°W）； E is the mid to high latitude region of the North Atlantic （36°N -48°N， 58°W -42°W）

为了更直观地对早晚冬时南北方雾日数与海温的相关系数进行对比， 本文在太平洋、 北大西洋分别选取了2个和3个区域（图4橙色框所示）， 分别求出在早晚冬时南北方雾日数与5个区域海温相关系数的区域平均， 以及相关系数绝对值在太平洋和北大西洋的平均。区域具体范围及平均值如表1所示。从表1可以看出， 太平洋区域的海表温度与早冬的南北方雾日和晚冬的南方雾日有很强的相关性， 而与晚冬时的北方雾日相关性较差。北大西洋区域的海表温度则与晚冬的北方雾日有很强的相关性， 而与早冬的雾日虽然有部分区域相关性通过了置信度为95%的t检验， 但总体而言（即北大西洋区域的平均）， 仍然处于相对较差的水平。这也同样可以说明图4所反映的早冬时南北方雾日和晚冬时南方雾日受太平洋区域海表温度影响显著， 而晚冬时北方雾日受北大西洋海表温度影响显著。此外， 通过南北方在早冬及晚冬时区域平均雾日数与同期海表温度的相关系数（表1）发现， 早冬时南北方分别相差0.30、 0.21， 晚冬时南北方分别相差0.33、 0.30， 即早冬时北方雾日与海温的相关在两个海区的差距明显小于其他地区及时段。这一差距的对比可能对应着在早冬， 北方雾日虽然会明显受到太平洋区域海温的影响， 但北大西洋区域海温的作用仍可能存在一定混淆； 而对早冬时的南方及晚冬时的整个东部， 另一海区的影响则较弱， 即北方雾日仅明显受北大西洋区域海表温度影响， 南方雾日仅明显受太平洋区域海表温度的影响。由于此原因， 本文在图5量化海温对雾日的影响时使用了偏相关。此外， 本文还使用了HadISST（Rayner et al， 2003）以及COBE2（Ishii et al， 2005）的海温数据计算了图4和表1的内容， 发现结果有着较好的一致性。
表1 南北方在早冬及晚冬时区域平均雾日数与同期海表温度的相关系数

Table 1 Correlation coefficient between regional mean fog days of northern and southern China and SST at the same time in the early winter and late winter

地区-时间 A B （A-B）/2 C D E （D-C-E）/3
南方-早冬 0.46** -0.43** 0.44** 0.06 0.21 -0.28* 0.14
北方-早冬 0.40** -0.52** 0.46** -0.26 0.19 -0.29* 0.25
南方-晚冬 0.41** -0.49** 0.45** -0.07 0.03 -0.26 0.12
北方-晚冬 0.04 -0.17 0.11 -0.49** 0.32* -0.42** 0.41**

*表示通过置信度为95%的t检验； **表示通过置信度为99.5%的t检验； （A-B）/2表示相关系数绝对值在太平洋的平均； （D-C-E）/3表示相关系数绝对值在北大西洋的平均（* indicates passing the t-test with a confidence level of 95%； ** indicates passing the t-test with a confidence level of 99.5%； （A-B）/2 represents the average absolute value of the correlation coefficient in the Pacific Ocean； （D-C-E）/3 represents the average absolute value of the correlation coefficient in the North Atlantic）

图5 早冬（a， b）及晚冬（c， d）时北大西洋海温指数（上）及热带太平洋海温指数（下）与同期中国东部雾日数的偏相关系数（等值线）

填充区域表示相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关

Fig.5 Partial correlation （contour） between North Atlantic SST Index（top）， Tropical Pacific SST Index（bottom） and fog days of Eastern China in early winter（a， b）， late winter（c， d）.Shading area represents the values above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively

4.2　热带太平洋海温指数与北大西洋海温指数与南北方冬季雾日关系

为了量化海表温度的数据， 本文定义了两个海温指数： 热带太平洋海温指数， A区域平均海表温度减去B区域平均海表温度； 北大西洋海温指数， D区域平均海表温度减去C区域平均海表温度再减去E区域平均海表温度。图5为早、 晚冬时热带太平洋海温指数、 北大西洋海温指数与同期中国东部雾日数的偏相关， 其中去除了另一个区域海温的影响。从图5可以看到， 在早冬时， 热带太平洋海温与整个中国东部地区的雾日数有着明显的正相关， 最高大致在0.4左右； 而北大西洋海温与雾日虽然在北方有通过显著性检验的区域， 但范围和数值都相对较小； 另外我国东北部分地区雾日对两区域海温都有响应， 但不在本文考虑的东部地区内， 故后续不做讨论。而在晚冬时， 热带太平洋海温与雾日数有明显正相关的区域仅在中国东部南方， 极大值约为0.3； 与北方雾日数有显著相关性的为北大西洋海温， 相关系数最大约为0.5。且在晚冬时， 两个海温指数分别对雾日数有显著影响的区域几乎无重叠， 相互间混淆较弱。同时图5（b）~（d）中通过显著性检验的填色区域可以看到， 显著区域的边界大致与上文选取的南方（110°E -120°E， 20°N -30°N）和北方（110°E -120°E， 30°N -40°N）区域边界相一致， 边界附近相关系数的等值线较密、 值降低较快， 边界外相关系数明显较低， 表明上述两个海温关键区在特定时间对中国东部特定区域的雾日有明显影响， 而对中国其余地区的影响相对较弱。也再次说明上文对中国东部区域南北方、 冬季早晚冬、 海温关键区选取的合理性。因此， 在后续讨论时仅考虑热带太平洋区域海温在早冬对整个中国东部及晚冬对中国东部南方、 北大西洋区域海温在晚冬对中国东部北方雾日数的影响。

4.3　不同区域海温影响下的成雾条件分析

图6为热带太平洋海温指数在早［图6（a）］、 晚［图6（c）］冬、 北大西洋海温指数在晚冬［图6（b）］与同期250 hPa位势高度的相关系数分布， 在这部分的分析中所用数据同样是去除了年代际信号的。从图6可以看出， 在整个冬季， 热带地区对流层高层位势高度都表现出与热带太平洋海温指数极其显著的正相关， 通过显著性检验区域的北边界大致在20°N。对比早晚冬［图6（a）， （c）］， 发现日本北部附近对流层高层位势高度与热带太平洋海温指数仅在早冬时存在显著正相关， 最高超过0.5， 而晚冬时相关性却不显著。在北大西洋海温影响下［图6（b）］， 晚冬时在北半球中高纬度地区对流层高层形成一明显的波列（Zhang et al， 2020）： 北大西洋中高纬区域位势高度呈现显著负相关， 波罗的海附近呈现显著正相关， 西西伯利亚平原附近呈现显著负相关， 朝鲜半岛北部至阿留申群岛及其南侧地区呈现显著正相关。可以注意到在日本北部附近也出现了通过显著性检验的正相关区域， 但数值相对较小， 仅不到0.3。由图6的对比可知， 在早冬， 热带太平洋区域海温对东亚中低纬和中高纬的系统都有显著影响； 而在晚冬， 热带太平洋区域海温仅能影响中低纬的系统， 对中高纬系统的影响此时由北大西洋区域海温通过波列的作用产生。
图6 早冬时热带太平洋海温指数（a）、 晚冬时北大西洋海温指数（b）、 晚冬时热带太平洋海温指数（c）与同期250 hPa位势高度的相关系数（等值线）

填充区域表示相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关； 橘色框表示中国东部南、 北方

Fig.6 Correlation coefficients （contour） between Tropical Pacific SST Index in early winter （a）， North Atlantic SST Index in late winter （b）， Tropical Pacific SST Index in late winter （c） and 250 hPa geopotential height at the same time.Shading area represents the values above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively； the orange box represents the southern and northern area of eastern China

不同区域海温通过影响对流层高层的环流形势， 使得东亚区域对流层中低层环流形势及物理量分布出现相应变化。图7为热带太平洋海温指数在早［图7（a）］晚［图7（c）］冬、 北大西洋海温指数在晚冬［图7（b）］与同期东亚区域500 hPa位势高度的相关系数分布， 图8为上述指数在对应时间与东亚区域整层大气可降水量及850 hPa水平风场的相关系数分布。可以看到在早冬， 受热带太平洋海温指数影响［图7（a）］， 500 hPa位势高度自西太暖池至我国东部沿海至库页岛一线的偏南一侧都表现出显著的正相关， 中西伯利亚高原表现出显著的负相关。结合对流层高层位势高度的变化， 表明在早冬当热带太平洋区域海温暖异常时， 中低纬的西北太平洋副高异常增强北抬西伸， 促使中高纬西伯利亚高压明显减弱， 日本北部上空出现极强且深厚的反气旋异常。进而使得中国东部地区低层出现自低纬至中高纬一致的较强偏南风异常， 水汽条件大幅改善， 整层大气可降水量在整个中国东部显著增加［图8（a）］。而在晚冬， 与对流层高层位势高度在日本北部附近的变化没有早冬显著相一致， 热带太平洋区域海温对中高纬系统的影响减弱， 与500 hPa位势高度有显著相关的区域仅在西太暖池至30°N以南及鄂霍茨克海上［图7（c）］。表明在晚冬， 当热带太平洋区域海温暖异常时， 中低纬西北太平洋副高仍会异常增强西伸， 但相比早冬北抬不明显， 且中高纬的西伯利亚高压强度变化不明显、 日本北部上空亦未出现反气旋异常。从而使得在对流层低层， 北方地区的冷空气活动未像早冬那样明显减弱， 偏南风异常仅能在南方地区维持， 对应着整层大气可降水量仅在南方显著增加［图8（c）］。而在晚冬， 受北大西洋区域海温影响， 中西伯利亚高原出现显著负相关， 日本北部上空出现显著正相关［图7（b）］。不过此时的正相关相比早冬时受热带太平洋区域海温影响下的较弱， 这一点与对流层高层同一位置相关性的对比相一致。说明在晚冬， 当热带太平洋区域海温对中高纬地区系统的影响显著减弱时， 北大西洋区域海温的影响开始显现： 促使西伯利亚高压减弱， 并在日本上空形成了相对较强且深厚的异常反气旋。从而使北方地区出现较强的东南风异常， 整层大气可降水量显著增加， 而南方地区则无明显变化［图8（b）］。同时可以注意到， 关于热带太平洋、 北大西洋区域海温在冬季对东亚区域位势高度、 风场等的影响已有较多研究（He and Wang， 2013； Hu et al， 2020； Miao and Jiang， 2021； Wang et al， 2000）。更进一步， 有学者发现北大西洋三级型海温分布是NAO的体现（Jing et al， 2019）， 有关冬季NAO对我国气象条件的影响， 亦有一些研究（Lou et al， 2017； Zuo et al， 2022； 张梦等， 2022）。这些研究得到的结果与本文类似， 但具体到对雾日数的影响讨论相对较少。
图7 早冬时热带太平洋海温指数（a）、 晚冬时北大西洋海温指数（b）、 晚冬时热带太平洋海温指数（c）与同期东亚区域500 hPa位势高度的相关系数（等值线）

填充区域表示相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关

Fig.7 Correlation coefficients （contour） between Tropical Pacific SST Index in early winter （a）， North Atlantic SST Index in late winter （b）， Tropical Pacific SST Index in late winter （c） and 500 hPa geopotential height at the same time.Shading area represents the values above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively

图8 早冬时热带太平洋海温指数（a）、 晚冬时北大西洋海温指数（b）、 晚冬时热带太平洋海温指数（c）分别与同期东亚区域整层大气可降水量（等值线）及850 hPa水平风场（矢量）的相关系数

填充区域表示海温指数与整层大气可降水量的相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关

Fig.8 Correlation coefficients between Tropical Pacific SST Index in early winter （a）， North Atlantic SST Index in late winter （b）， Tropical Pacific SST Index in late winter （c） and atmospheric perceptible water （contour） and 850 hPa wind （vector） at the same time.Shading area represents the correlation coefficient between SST index and atmospheric perceptible water above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively

为了体现在两个区域海温影响下各层风场和大气饱和程度分别的变化情况， 图9为两个海温指数在不同时间与温度露点差和经向及垂直风场的相关系数在110°E -120°E的平均。从图9中可以看到， 当热带太平洋区域海温暖异常时， 早冬［图9（a）］对流层中低层在整个东部地区都为一致的南风异常， 使得在中国东部上空出现了较为深厚的温度露点差负异常， 水汽条件较好； 在晚冬［图9（c）］南风异常则局限在南方地区， 北方风场变化不明显， 使得温度露点差显著负异常区域仅出现在南方。而在晚冬当北大西洋区域海温暖异常时［图9（b）］， 仅在北方地区出现了较为明显的偏南风异常， 结合图8（b）可知为东南风， 同样可以输送大量水汽， 使北方地区附近上空出现温度露点差负异常。但同时可以注意到， 在温度露点差负异常即大气趋向于饱和的区域往往伴随着垂直上升运动的异常， 这种配置一般更利于降水。为分析此时垂直运动的实际情况， 图10为1954 -2006年早冬（a）和晚冬（b）P坐标垂直速度的气候态在110°E -120°E的平均。可以看到对于北方地区， 整个冬季都为极强且深厚的下沉运动。因此虽然从相关性角度利于上升运动的出现， 但实际仅能使下沉运动略微减弱， 大气仍然维持在较为稳定的状态， 从而利于雾的生成。而对于南方地区， 下沉运动的气候态较弱， 可能实际出现利于降水的上升运动（Ching et al， 2019； Wu et al， 2003）。不过， 通过计算南方地区同期区域平均雾日数和降雨量的相关， 发现早冬时二者相关系数为0.33， 晚冬时为0.40， 都通过了置信度为95%的t检验。并且， 先前亦有研究发现当冬季华南区雾日偏多时， 同区域的降水量偏多（张璐等， 2019）。说明在冬季， 南方地区的雾可能伴随着雨同时出现。从而使在热带太平洋区域海温偏暖时， 整个冬季南方地区雾日数都偏多。
图9 早冬时热带太平洋海温指数（a）、 晚冬时北大西洋海温指数（b）、 晚冬时热带太平洋海温指数（c）分别与同期温度露点差（等值线）和经向及垂直风场（矢量）的相关系数沿10°N -50°N的垂直廓线（取110°E -120°E的平均）

填充区域表示海温指数与温度露点差的相关系数通过置信度为95%的t检验， 红、 蓝色分别表示正、 负相关

Fig.9 Meridional-vertical cross sections along 10°N -50°N （average of 110°E -120°E） of the correlation coefficients between Tropical Pacific SST Index in early winter （a）， North Atlantic SST Index in late winter （b）， Tropical Pacific SST Index in late winter （c） and T-Td （contour） and wind （vector， v and ω） at the same time.Shading area represents the correlation coefficient between SST index and T-Td above the 95% confidence level， red and blue areas indicate positive and negative correlation， respectively

图10 1954 -2006年P坐标垂直速度（等值线， 单位： -0.01 Pa·s-1）在早冬（a）和晚冬（b）沿10°N -50°N的垂直廓线（取110°E -120°E的平均）

填色区域表示下沉

Fig.10 Meridional-vertical cross sections along 10°N -50°N （average of 110°E -120°E） of the climatological ω （contour， unit： -0.01 Pa·s-1） in early winter （a） and late winter （b） during 1954 -2006.Shading area indicates subsidence

5 结论

本文利用雾日观测资料， 根据中国东部冬季雾日数的空间分布及变化趋势特点对时空进行划分， 研究影响冬季不同时间和地区雾日数年际变率的主要海表温度关键区， 并讨论了不同海表温度关键区影响利于雾生成的环流形势及气象要素的机理， 得到主要结论如下：
（1） 中国东部地区冬季雾日的气候态、 季节性占比及标准差的空间分布都不均匀， 以30°N为界， 南北方都存在一个大值中心， 可以将中国东部分为南方和北方两个区域进行讨论。在年代际变化尺度上， 北方雾日数呈上升趋势， 南方雾日数呈下降趋势， 且根据趋势的强弱， 可以将冬季分为早冬和晚冬， 同时无论在南北方， 早冬的变化趋势都强于晚冬。
（2） 在雾日数的年际变化特点上， 早冬南北方有着一定相关性， 都受太平洋区域海表温度显著影响。而晚冬时南北方雾日相关性相对较弱， 受到海表温度影响的主要地区则有着明显不同， 南方雾日仍显著受太平洋区域海表温度的影响， 而北方雾日则明显受北大西洋区域海表温度影响。根据南北方雾日数在早晚冬与海表温度的相关系数分布特点， 本文定义了热带太平洋海温指数和北大西洋海温指数。
（3） 在早冬， 当热带太平洋区域海温暖异常时， 西北太平洋副高异常增强北抬西伸， 促使西伯利亚高压明显减弱， 并在日本北部上空形成极强且深厚的异常反气旋， 冷空气活动大幅度减弱， 整个中国东部对流层中低层受异常偏南风影响； 而在晚冬， 西北太平洋副高的北抬不明显， 对西伯利亚高压和日本北部上空的影响也不显著， 使得冷空气活动局限在北方地区， 异常偏南风仅能在南方地区维持。在此时， 北大西洋的影响开始显现： 当北大西洋区域海温暖异常时， 通过波列的作用， 中国东部北方冷空气活动明显减弱， 受异常东南风控制。另外， 北方地区在整个冬季气候态上都为一致较强的下沉运动， 让大气可以维持在较为稳定的状态， 配合水汽条件的改善， 利于雾的生成； 而南方地区虽然有利于上升运动的出现， 从而引发更多降水， 但因冬季南方地区雨和雾往往同时出现， 因此雾日同样增多。
总体而言， 本文初步指出了中国东部雾日在南北不同地区和早晚冬不同时间上统计规律的不同， 并寻找了影响雾日年际变化信号的海温关键区， 初步分析了冬季关键区海温影响同期中国东部雾日的机理。但与此同时， 本文并未对雾的类别或单次雾过程的持续时间进行区分再分别讨论， 对海温影响中国东部冬季雾日的物理过程分析较为简单， 且得到的位势高度、 风场异常等气候特征是否能在某一次雾过程中与天气学变量有较好对应尚不明确。此外， 本文对ENSO影响的分析暂未考虑其非对称性的作用， 这些问题需要后续进一步探讨。

References

null
Ching H J N， Gabriel A V， ángel G M， et al， 2019.An asymmetric rainfall response to ENSO in East Asia［J］.Climate Dynamics， 52（3/4）： 2303-2318.DOI： 10.1007/s00382-018-4253-9 .
null
He S P， Wang H J， 2013.Oscillating relationship between the East Asian Winter Monsoon and ENSO［J］.Journal of Climate， 26（24）： 9819-9838.DOI： 10.1175/JCLI-D-13-00174.1 .
null
Hu S Q， Zhang W J， Andrew G T， et al， 2020.How does El Ni?o?Southern Oscillation affect winter fog frequency over eastern China［J］.Climate Dynamics， 54（1/2）： 1043-1056.DOI： 10.1007/s00382-019-05043-1 .
null
Hu S Q， Zhang W J， Geng X， et al， 2022.Dominant modes of interannual variability of winter fog days over eastern China and their association with major SST variability［J］.Climate Dynamics， 58（1/2）： 413-426.DOI： 10.1007/s00382-021-05915-5 .
null
Huang B Y， Peter W T， Viva F B， et al， 2017.Extended reconstructed sea surface temperature， Version 5 （ERSSTv5）： upgrades， validations， and intercomparisons［J］.Journal of Climate， 30（20）： 8179-8205.DOI： 10.1175/JCLI-D-16-0836.1 .
null
Ishii M， Shouji A， Sugimoto S， et al， 2005.Objective analyses of sea?surface temperature and marine meteorological variables for the 20th century using ICOADS and the Kobe collection［J］.International Journal of Climatology， 25（7）： 865-879.DOI： 10. 1002/joc.1169 .
null
Jing Y J， Li Y C， Xu Y F， et al， 2019.Influences of different definitions of the winter NAO index on NAO action centers and its relationship with SST［J］.Atmospheric and Oceanic Science Letters， 12（5）： 320-328.DOI： 10.1080/16742834.2019.1628607 .
null
Kalnay E， Kanamitsu M， Kistler R， et al， 1996.The NCEP/NCAR 40?year reanalysis project［J］.Bulletin of the American Meteorological Society， 77（3）： 437-471.DOI： 10.1175/1520-0477（1996）077<0437： TNYRP>2.0.CO； 2 .
null
Liu P， Sui C H， 2014.An observational analysis of the oceanic and atmospheric structure of global?scale multi?decadal variability［J］.Advances in Atmospheric Sciences， 31（2）： 316-330.DOI： 10. 1007/s00376-013-2305-y .
null
Liu P， Tang M Y， Yu H Y， et al， 2020.Influence of Arctic Oscillation on frequency of wintertime fog days in Eastern China［J］.Atmosphere， 11（2）： 162.DOI： 10.3390/atmos11020162 .
null
Liu P， Zhang Y， Tang M Y， 2022.Effects of Atlantic multidecadal oscillation and Pacific decadal oscillation on interdecadal variability of fog frequency in autumn?winter season in Southwest China［J］.International Journal of Climatology， 42（4）： 2083-2098.DOI： 10.1002/joc.7353 .
null
Lou M Y， Li C， Hao S F， et al， 2017.Variations of winter precipitation over southeastern China in association with the North Atlantic Oscillation［J］.Journal of Meteorological Research， 31（3）： 476-489.DOI： 10.1007/s13351-017-6103-9
null
Miao J P， Jiang D B， 2021.Multidecadal variations in the East Asian Winter Monsoon and their relationship with the Atlantic Multidecadal Oscillation since 1850［J］.Journal of Climate， 34（18）： 7525-7539.DOI： 10.1175/JCLI-D-21-0073.1 .
null
Niu F， Li Z Q， Li C， et al， 2010.Increase of wintertime fog in China： potential impacts of weakening of the Eastern Asian monsoon circulation and increasing aerosol loading［J］.Journal of Geophysical Research： Atmospheres， 115（D7）： 1-12 DOI： 10.1029/2009JD013484 .
null
Rayner N A， Parker D E， Horton E B， et al， 2003.Global analyses of sea surface temperature， sea ice， and night marine air temperature since the late nineteenth century［J］.Journal of Geophysical Research： Atmospheres， 108（D14）： 4407.DOI： 10.1029/2002JD002670 .
null
Wang B， Wu R G， Fu X H， 2000.Pacific?East Asian teleconnection： how does ENSO affect East Asian climate［J］.Journal of Climate， 13（9）： 1517-1536.DOI： 10.1175/1520-0442（2000）013<1517： PEATHD>2.0.CO； 2 .
null
Wu R G， Hu Z Z， Ben P K， 2003.Evolution of ENSO?Related rainfall anomalies in East Asia［J］.Journal of Climate， 16（22）： 3742-3758.DOI： 10.1175/1520-0442（2003）016<3742： EOERAI>2.0.CO； 2 .
null
Yu H Y， Liu P， Zhang Y， 2021.The combined effects of ENSO and Arctic Oscillation on wintertime fog days in eastern China［J］.Theoretical and Applied Climatology， 114（3/4）： 1233-1251.DOI： 10.1007/s00704-021-03588-y .
null
Yu H Y， Tim L， Liu P， 2019.Influence of ENSO on frequency of wintertime fog days in Eastern China［J］.Climate Dynamics， 52（9/10）： 5099-5113.DOI： 10.1007/s00382-018-4437-3 .
null
Zhang G W， Zeng G， Li C， et al， 2020.Impact of PDO and AMO on interdecadal variability in extreme high temperatures in North China over the most recent 40?year period［J］.Climate Dynamics， 54（5/6）： 3003-3020.DOI： 10.1007/s00382-020-05155-z .
null
Zuo J Q， Xie F， Yang L N， et al， 2022.Modulation by the QBO of the relationship between the NAO and northeast China temperature in late winter［J］.Journal of Climate， 35（24）： 7995-8011.DOI： 10.1175/JCLI-D-22-0353.1 .
null
陈诚， 2019.海冰及海温外强迫在中国冬季严重雾和霾天气形成中的作用研究［D］.南京： 南京信息工程大学.Chen C， 2019.Study on the role of external forcing from sea ice and sea surface temperature on the formation of severe fog and hazy event in winter in China［D］.Nanjing： Nanjing University of Information Science & Technology.
null
陈潇潇， 郭品文， 罗勇， 2008.中国不同等级雾日的气候特征［J］.气候变化研究进展， 4（2）： 106-110.
null
Chen X X， Guo P W， Luo Y， 2008.Climate characteristics of fog days of various categories in China［J］.Climate Change Research， 4（2）： 106-110.
null
刘付永在， 2016.西太暖池风场时空特征分析及其对华南雾的影响［D］.湛江： 广东海洋大学.LiuFu Y Z， 2016.Spatio?temporal characteristics of wind field in the West Pacific Warm Pool and its impact on south China fog［D］.Zhanjiang： Guangdong Ocean University.
null
刘小宁， 张洪政， 李庆祥， 等， 2005.我国大雾的气候特征及变化初步解释［J］.应用气象学报， 16（2）： 220-230+271.
null
Liu X N， Zhang H Z， Li Q X， et al， 2005.Preliminary research on the climatic characteristics and change of fog in China［J］.Journal of Applied Meteorological Science， 16（2）： 220-230+271.
null
毛冬艳， 杨贵名， 2006.华北平原雾发生的气象条件［J］.气象， 32（1）： 78-83.DOI： 10.7519/j.issn.1000-0526.2006.1.013.Mao D Y ，
null
Yang G M， 2006.Meteorological conditions for fog formation over North China Plain［J］.Meteorological Monthly， 32（1）： 78-83.DOI： 10.7519/j.issn.1000-0526.2006.1.013 .
null
王丽萍， 陈少勇， 董安祥， 2005.中国雾区的分布及其季节变化［J］.地理学报， 60（4）： 689-697.DOI： 10.11821/xb200504018.Wang L P ，
null
Chen S Y， Dong A X， 2005.The distribution and seasonal variations of fog in China［J］.Acta Geographica Sinica， 60（4）： 689-697.DOI： 10.11821/xb200504018 .
null
吴兑， 赵博， 邓雪娇， 等， 2007.南岭山地高速公路雾区恶劣能见度研究［J］.高原气象， 26（3）： 649-654.
null
Wu D， Zhao B， Deng X J， et al， 2007.A study on bad visibility over foggy section of freeway in Nanling Mountainous Region［J］.Plateau Meteorology， 26（3）： 649-654.
null
严明良， 缪启龙， 袁成松， 等， 2011.沪宁高速公路一次大雾过程的数值模拟及诊断分析［J］.高原气象， 30（2）： 428-436.
null
Yan M L， Miao Q L， Yuan C S， et al， 2011.Numerical simulation and diagnostic analysis of a heavy fog process in Shanghai-Nanjing Expressway［J］.Plateau Meteorology， 30（2）： 428-436.
null
袁媛， 周宁芳， 李崇银， 2017.中国华北雾霾天气与超强El Ni?o事件的相关性研究［J］.地球物理学报， 60（1）： 11-21.DOI： 10.6038/cjg20170102.Yuan Y ，
null
Zhou N F， Li C Y， 2017.Correlation between haze in North China and super El Ni?o events［J］.Chinese Journal of Geophysics， 60（1）： 11-21.DOI： 10.6038/cjg20170102 .
null
张璐， 刘鹏， 张文君， 等， 2019.中国不同区域气候条件对冬季雾日形成的差异性分析［J］.气候与环境研究， 24（5）： 585-596.DOI： 10.3878/j.issn.1006-9585.2018.18038.Zhang L ，
null
Liu P， Zhang W J， et al， 2019.Analysis of variations of winter fog days formation across different regional climatic conditions in China［J］.Climatic and Environmental Research， 24（5）： 585-596.DOI： 10.3878/j.issn.1006-9585.2018.18038 .
null
张梦， 陶丽， 邵海燕， 2022.北大西洋涛动/北极涛动与中国冷事件频数年际和年代际变化的联系及其差异［J］.高原气象， 41（4）： 850-863.DOI： 10.7522/j.issn.1000-0534.2021.00035.Zhang M ，
null
Tao L， Shao H Y， 2022.Relationship between NAO/AO and interannual and interdecadal variations of cold wave frequency （CWF） in China［J］.Plateau Meteorology， 41（4）： 850-863.DOI： 10.7522/j.issn.1000-0534.2021.00035 .
null
张人禾， 李强， 张若楠， 2014.2013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， 44（1）： 27-36.DOI： 10.1360/zd-2014-44-1-27.Zhang R H ， LiQ， ZhangR N， 2014.Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013［J］.Science China： Earth Sciences， 44（1）： 27-36.DOI： 10.1360/zd-2014-44-1-27 .
null
中华人民共和国国家质量监督检验检疫总局， 中国国家标准化管理委员会， 2017. GB/T 35224-2017 地面气象观测规范 天气现象 ［S］.北京： 中国标准出版社， 7+9+14.General Administration of Quality Supervision， Inspection and Quarantine of the People's Republic of China， Standardization Administration of the People's Republic of China， 2017.GB/T 35224-2017 Specifications for surface meteorological observation-Weather phenomena［S］.Beijing： Standards Press of China， 7+9+14.
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn