1. 引言
贵阳市作为高原山地城市，近年来空气质量持续优化，2024年环境空气质量优良率达99.5%，但在辐射雾等低能见度天气高发时段，局地颗粒物污染风险仍显著存在。辐射雾由晴夜地表辐射冷却引发，逆温层阻碍污染物扩散，导致颗粒物累积，而污染物颗粒亦为辐射雾提供凝结核。学者们对低能见度天气与空气质量指数的关联机制进行了系统性研究，在雾霾污染特征与气象成因方面，姚志平等[1]对长春市的研究发现，雾霾期间PM2.5、PM10、NO2、SO2浓度随能见度下降显著上升；朱丽等[2]分析泰州持续性雾霾指出，夜间高湿静稳条件促进雾形成，而白天湿度下降时雾转为以PM2.5浓度升高为特征的霾；杨红子[3]在乌海市发现雾消散后PM2.5浓度迅速反弹，表明湿沉降清除作用有限；孙卫武等[4]证实宁夏大雾过程中逆温层抑制扩散，导致PM2.5浓度与能见度显著负相关；马艳等[5]对比青岛海雾与陆雾，指出冬季陆雾期间PM10、SO2、NO2浓度显著高于夏季海雾。在雾的时空分布与污染关联方面，赵欢等[6]基于成都42年数据揭示雾日呈“中心城区 > 东部 > 西北部”梯度分布，冬季占比最高；许敏等[7]分析廊坊重污染事件发现，当AQI > 200时，雾天污染更严重，且1,500 m以下稳定小风速层阻碍扩散；李云祯等[8]指出成都雾霾集中于秋冬季，城市化加剧中心城区雾日年际波动。在能见度与空气质量模型构建方面，阿来依·艾丁等[9]通过非线性拟合验证乌鲁木齐冬季模型准确率达75%~86%，城北因高湿低能见度致AQI偏高15%；代玉田等[10]构建德州AQI预报模型，确认相对湿度、能见度及雾霾是核心因子。在人工干预技术方面，赵月等[11]提出人工增雨可通过湿沉降缓解雾霾，但效果受云层条件制约。
贵阳龙洞堡国际机场(以下简称贵阳机场)地处贵州省会贵阳市东部，地形条件复杂(图1(a))，山脉河流纵横，2015年~2024年间共发生辐射雾天气89次，共造成1304架次航班延误，185架次航班返航备降，对航班运行影响较大。既往研究主要集中于气象要素变化机制方面，本文聚焦辐射雾天气与空气质量的关联性方面，为贵阳机场辐射雾天气预报提供新的思路和参考。
2. 资料与方法
本文定义的辐射雾天气过程，以贵阳机场地面观测资料中记录的能见度低于1000米时，且未伴随有连续降水现象以及碎雨云等(排除锋面雾)为判定标准，记录为1次辐射雾天气过程。
本文所用时间均为北京时间，所用资料包括贵阳机场AWOS自动观测系统资料、历史地面观测资料、欧洲中心ERA5逐小时再分析资料(空间分辨率为0.25˚ × 0.25˚)，贵阳市空气质量监测数据。根据贵阳市生态环境局公开资料显示，贵阳市建有10个空气质量监测站点(图1(b))，选取贵阳市总体空气质量监测数据进行整体分析，选取距离机场西、北、南方向最近的3个站点(即：燕子冲、新华路、中院村)的单站监测数据进行个例分析研究。本研究选取AQI (空气质量指数)、PM2.5和PM10浓度作为核心分析指标，主要基于其在贵阳地区空气污染中的代表性以及与辐射雾形成和维持的潜在物理关联性：PM2.5、PM10作为气溶胶的主要组分，是雾滴形成的核心凝结核，直接影响雾的微物理特性；AQI则综合反映多种污染物(包括颗粒物)对空气质量的整体影响水平。其他污染物(如CO、SO2、NO2、O3等)虽对空气质量有贡献，但其与辐射雾过程的直接物理联系相对较弱，或受复杂光化学反应影响较大(如O3)，故未纳入本文的主要分析范围。
研究方法采用统计分析的方法对辐射雾天气过程和空气质量的变化情况进行分析，采取对比分析、相关性分析的方法分析辐射雾天气过程的持续时间、最低能见度与空气质量之间的相关性。最后选取典型辐射雾天气过程进行分析。
(a) (b)
Figure 1. Topographic map of Guiyang City (a) and air quality monitoring station map of Guiyang City (b)
图1. 贵阳市地形图(a)和贵阳市空气质量监测站点图(b)
3. 辐射雾天气过程与空气质量变化特征分析
3.1. 年际变化特征
图2给出了2015年~2024年贵阳机场辐射雾发生次数与三项关键空气质量指标的年际变化。十年间，辐射雾发生频率呈现显著波动，并于2020年后出现明显上升趋势，在2023年达到峰值，2024年虽回落但仍高于早期水平。与此同时，AQI、PM2.5和PM10全样本的全年平均值表现出持续而显著的下降趋势，显示出贵阳市空气质量有了较大改善。聚焦于有雾样本时，可以看出在绝大多数年份里，AQI、PM2.5和PM10浓度的平均值均显著且系统地高于当年的全年平均值。尽管有雾样本的空气质量指标在2020年后也呈下降趋势，但其改善幅度明显滞后于全年平均水平，尤其是在辐射雾频次激增的2021~2023年期间，有雾样本的AQI及颗粒物浓度并未随全年平均值的快速下降而同步降至最低点，在2023年的辐射雾发生高峰时尤为典型。综上所述，辐射雾天气过程与较高的综合空气质量及颗粒物污染水平存在紧密的共现关系。
Figure 2. Interannual variation characteristics of radiation fog at Guiyang Airport and interannual variation characteristics of major air quality indicators
图2. 贵阳机场辐射雾年际变化特征与主要空气质量指标年际变化特征
3.2. 年变化特征
Figure 3. Interannual variation characteristics of radiation fog at Guiyang Airport and annual variation characteristics of major air quality indicators
图3. 贵阳机场辐射雾年际变化特征与主要空气质量指标年变化特征
图3给出了贵阳机场辐射雾年际变化特征与主要空气质量指标月分布特征。辐射雾次数月分布波动明显，10月和11月最多，均达12次，或因昼夜温差大、夜间地面辐射冷却强，水汽易凝结成雾；9月最少，仅4次，可能是大气环流和湿度条件不利其形成。空气质量指标方面，全样本中AQI、PM2.5和PM10数值各月有别，12月AQI达58.44，PM2.5为40.35，PM10为62.67，均处高位，这或许是冬季大气层结稳定、易形成逆温层，抑制污染物扩散所致。对比有雾样本指标，能看出辐射雾与空气质量的关联，12月有雾样本AQI为96.83，远超全样本的58.44，PM2.5和PM10也有较大差值，说明辐射雾形成后，雾滴吸附污染物且风速小，不利于污染物扩散。整体上，多数时候辐射雾次数多的月份，有雾样本空气质量指标也高，例如10月和11月，辐射雾次数最多，有雾样本各指标均较高；但7月和8月虽辐射雾次数达9次，空气质量指标表现为偏低情况，7月有雾样本的AQI为56.0，PM2.5为19.56等，这与夏季降水多、大气对流强，净化空气并利于污染物扩散。综上，贵阳机场辐射雾天气与城市空气质量有关联，辐射雾常伴随空气质量下降出现，但受季节、气象条件等多因素综合影响。
4. 辐射雾天气过程与空气质量的关联度分析
辐射雾天气过程对航班运行影响最为关键的两个因素即最低能见度和持续时间，前者决定了辐射雾天气过程对航班的影响程度，后者决定了辐射雾天气过程对航班的影响时间。因此，本文将2015年~2024年间共计89次辐射雾天气过程的最低能见度与持续时间进行分类，并深入研究辐射雾天气过程与空气质量间的关联性。
4.1. 最低能见度与空气质量的关联度分析
本文将辐射雾天气过程中出现最低能见度按照以下标准进行分类，其中最低能见度≥500米且<1000米定义为雾，最低能见度≥200米且<500米定义为浓雾，最低能见度<200米定义为强浓雾。
对上述三类不同最低能见度的辐射雾天气当日的空气质量分析可以看出(图4)，不同最低能见度的辐射雾下，AQI、PM2.5与PM10浓度呈显著梯度变化：雾(500~1000 m)时，三者中位数最低(AQI为45.5、PM2.5为20、PM10为40)，数据分布集中；浓雾(200~500 m)阶段，浓度中位数明显上升(AQI为60、PM2.5为33、PM10为58)，离散度增加；强浓雾(<200 m)时，中位数进一步攀升(AQI为70.5、PM2.5为47、PM10为79)，且PM10等出现高值异常点，离散范围扩大。
Figure 4. Distribution of major air quality indicators under different minimum visibility conditions
图4. 不同最低能见度的主要空气质量指标分布图
而从不同最低能见度与空气质量指数的散点图(图5)分析表明，最低能见度与AQI、PM2.5与PM10浓度呈显著负相关。当能见度在雾(500~1000 m)时，PM2.5浓度多在10~32 μg/m3，PM10为18~56 μg/m3，AQI均值约40，数据点集中分布于低污染区间；浓雾(200~500 m)时，PM2.5升至37~52 μg/m3，PM10达58~95 μg/m3，AQI突破60，部分样本如2015年10月20日出现PM2.561 μg/m3的中度污染；强浓雾(<200 m)时，污染物浓度呈现跳跃式上升，PM2.5可达74~138 μg/m3，PM10峰值突破200 μg/m3，AQI常超100，且数据离散度显著增大。
Figure 5. Scatter plot of major air quality indicators during radiation fog processes with different minimum visibility thresholds
图5. 不同最低能见度辐射雾过程主要空气质量指标散点图
上述分析体现了“雾滴吸附颗粒物阻碍扩散”与“静稳气象(静风、逆温)抑制垂直扩散”的协同作用[7]，反映出污染物浓度越高、空气质量越差，辐射雾最低能见度越低。
4.2. 辐射雾持续时间与空气质量的关联度分析
本文将辐射雾天气过程的持续时间按照以下标准进行分类，其中持续时间不足2小时定义为短持续时间，持续时间≥2小时且≤6小时定义为中等持续时间，持续时间超过6小时定义为长持续时间。
Figure 6. Distribution of major air quality indicators across different durations
图6. 不同持续时间的主要空气质量指标分布图
对上述三类不同持续时间的辐射雾天气当日的空气质量分析可以看出(图6)，AQI、PM2.5、与PM10浓度浓度随持续时间延长呈现显著递增趋势：短持续时间雾(<2 h)时，三者中位数处于低位(AQI为52.5、PM2.5为25.5、PM10为46)，数据分布集中；中等持续时间雾(2~6 h)阶段，浓度中位数明显攀升(AQI为61、PM2.5为35、PM10为61)，离散度扩大；长持续时间雾(>6 h)时，污染物浓度与中等持续时间相比变化不大(AQI为60、PM2.5为39.5、PM10为61.5)，但数据点离散范围较中等持续时间翻倍。
而从持续时间与空气质量指数的散点图(图7)可见，三者呈显著正相关关系：短持续时间雾中，PM2.5多低于30 μg/m3，仅11.2%样本超50 μg/m3；中等持续时间雾中，PM2.5在30~70 μg/m3区间占比达68.3%；长持续时间雾中，PM2.5超70 μg/m3的样本占比升至34.5%，PM10突破100 μg/m3的情况频繁出现。
Figure 7. Scatter plot of major air quality indicators during radiation fog processes with different durations
图7. 不同持续时间辐射雾过程主要空气质量指标散点图
上述分析可以看出，由于近地面逆温层维持越稳定，大气垂直扩散能力持续受限，雾滴长时间吸附颗粒物形成“污染累积–雾滴增长”的正反馈，导致辐射雾持续时间越长。
4.3. 相关性分析
本文采用Spearman秩相关检验作为基础分析方法，该方法通过将原始数据转换为秩次(公式：ρ = 1 − 6∑di2/(n3 − n))捕捉非线性关联，能够有效解决环境数据非正态分布的问题[12]。图8给出了全部89组辐射雾天气过程的所有污染物数据，持续时间与AQI、PM2.5、PM10呈显著正相关(ρ = 0.460、0.413、0.282，p均<0.01)，最低能见度与三者呈显著负相关(ρ = −0.609、−0.562、−0.518，p均<0.01)，其中最低能见度与PM2.5的负相关性(ρ = −0.63)在热力图中表现为最深冷色调，说明低能见度对污染的指示性更强。此外，污染物间的相关性在热力图中呈现暖色集群：PM2.5与PM10的ρ = 0.96 (最深暖色)，证实颗粒物污染的同源性；SO2、CO等与PM2.5的ρ超0.75，反映一次污染源的主导作用，而O3与其他污染物呈弱负相关(ρ = −0.15~−0.39)，可能受静稳条件下光化学反应抑制影响。
Bootstrap稳健性检验通过模拟抽样分布，能够为相关性结论提供了重抽样层面的可靠性支撑，尤其适用于小样本量下的统计推断，确保结果不受单次抽样偏差影响[13]。本文使用Bootstrap稳健性检验方法，通过对89次有效数据进行1000次重抽样，构建相关系数的置信区间，用于验证Spearman相关系数结果的可靠性，规避抽样误差对结论的干扰。检验结果如表1所示：持续时间与PM2.5的平均相关系数为0.459 (95%置信区间：0.284~0.609)，最低能见度与PM2.5为−0.606 (95%置信区间：−0.749~−0.444)，所有污染物与雾特征的相关系数置信区间均未包含0，表明“持续时间越长/能见度越低 → 污染物浓度越高”的关联具有强稳健性。
Figure 8. Spearman correlation heatmap between pollutants and radiation fog characteristics
图8. 污染物与辐射雾特性的Spearman相关性热图
Table 1. Bootstrap robustness test results table
表1. Bootstrap稳健性检验结果表
变量关系 |
平均相关系数 |
95%置信区间 |
显著性(区间不含0) |
持续时间(h)/AQI |
0.273 |
(0.052, 0.480) |
是 |
持续时间(h)/PM2.5 |
0.459 |
(0.284, 0.609) |
是 |
持续时间(h)/PM10 |
0.403 |
(0.205, 0.570) |
是 |
最低能见度(m)/AQI |
−0.509 |
(−0.670, −0.311) |
是 |
最低能见度(m)/PM2.5 |
−0.606 |
(−0.749, −0.444) |
是 |
最低能见度(m)/PM10 |
−0.556 |
(−0.711, −0.374) |
是 |
本文通过Spearman秩相关系数检验揭示辐射雾持续时间、能见度与污染物的单调关联方向及强度，采用Bootstrap稳健性检验通过重抽样评估该关联在不同抽样场景下的稳定性和可靠性，构成“关联分析–可靠性验证”的完整关联度链条。分析结果一致表明：空气质量是辐射雾持续时间与最低能见度的重要指示因子，PM2.5浓度每上升约2.3 μg/m3，平均持续时间延长1小时；PM2.5浓度每上升约8.7 μg/m3，平均最低能见度降低100米，为将空气质量数据应用与辐射雾天气预报预警及航班运行决策提供了量化依据。
5. 典型天气案例分析
2024年2月10日03:56~11:05贵阳机场出现一次辐射雾天气过程，最低能见度200米，造成贵阳机场57架次航班延误，2架次航班备降。
5.1. 天气形势分析
对2月9日20时的环流形势进行分析，高空以脊前西北气流控制为主，湿度条件差，地面均压场。从贵阳市探空站(站号：57816) 10日08时的探空图(图9)可以看出，近地面有浅薄湿层，同时近地面至800 hPa为深厚的逆温层，逆温达5℃，500 hPa有浅薄湿层，空中云层阻挡了太阳辐射增温，低层深厚逆温造就了静稳层结。
Figure 9. Guiyang temperature logarithmic pressure chart at 08:00 on 2024.2.10
图9. 2024年2月10日08时贵阳温度对数压力图
5.2. 能见度与空气质量指数变化特征
因RVR (跑道视程)作为国际民航组织规定的低能见度天气下的机场运行标准，与大气能见度具有高度关联性，因此采用贵阳机场基准点的RVR数据与不同监测站点的空气质量指数及污染物浓度进行对比分析。从2024年2月9日20:00~2月10日12:00贵阳机场RVR与周边站点空气质量及污染物浓度时序图(图10)可以看出，RVR从20:00的3200米持续下降，至04:00骤降至200米并维持至06:00，随后缓慢回升，此过程与燕子冲、中院村、新华路三站点的AQI及颗粒物浓度变化呈现显著协同性：以中院村为例，AQI从20:00的94持续攀升至01:00的500并维持至03:00，PM2.5同期从70 μg/m3跃升至764 μg/m3，PM10达874 μg/m3，显示出辐射雾发展阶段污染物的快速累积，同时RVR的降低滞后于空气质量指标的上升，体现了“污染物先期累积–雾滴凝结”的辐射雾生成链条。整个过程中，地面风维持微风状态，抑制了污染物和雾滴的扩散。此外，三站点污染浓度存在空间分异，中院村站点在强浓雾时段(01:00~03:00)各项指标显著高于燕子冲和新华路，可能与该站点所处地形或局地源排放有关。根据对污染物来源的调查，2月9日为中国农历大年三十，贵阳市大规范燃放烟花爆竹，造成了短时间的空气污染，为辐射雾的形成提供了充足的凝结核。整体来看，图中RVR与空气质量指标的反向变化关系，体现了辐射雾过程中“逆温抑制扩散–雾滴吸附污染物”的正反馈机制，为辐射雾与城市空气污染的相互作用提供了实时观测证据。
Figure 10. Temporal sequence diagram of RVR at Guiyang Airport and air quality with pollutant concentrations at surrounding stations from 20:00 on February 9 to 12:00 on February 10, 2024
图10. 2024年2月9日20:00~2月10日12:00贵阳机场RVR与周边站点空气质量及污染物浓度时序图
6. 结论
本文基于2015~2024年贵阳机场辐射雾观测数据、AWOS自动观测系统资料及贵阳市空气质量监测数据，采用统计分析、相关性检验及典型案例剖析等方法，对辐射雾天气与城市空气质量的关联性进行研究，并以2024年2月10日典型辐射雾过程为例展开分析，得出结论如下：
(1) 2015~2024年贵阳机场辐射雾发生频次呈波动上升趋势，有雾时段AQI、PM2.5、PM10浓度年均值显著高于全年平均水平，表明辐射雾天气与较高的颗粒物污染水平存在持续共现关系。
(2) 最低能见度与PM2.5/PM10浓度呈显著负相关，PM2.5浓度每上升8.7 μg/m3，平均最低能见度降低100米，低能见度对污染的指示性较强。
(3) 辐射雾持续时间与污染物浓度呈显著正相关，PM2.5浓度每上升2.3 μg/m3，平均持续时间延长1小时。
(4) 2024年2月10日案例中，中院村站点PM2.5浓度从70 μg/m3升至764 μg/m3，较RVR下降时间提前约3小时，体现了“污染物先期累积–雾滴凝结”的辐射雾生成链条，且因春节燃放烟花爆竹造成空气污染提供凝结核加剧辐射雾发展。
不确定性与展望：本文虽揭示了贵阳机场辐射雾与空气质量的量化关联，但仍存在三方面局限性：首先，污染物监测站点与机场存在空间距离，难以精确捕捉雾体内部微物理过程，且未分析凝结核化学组分对雾滴形成的差异影响；其次，未量化局地地形与城市热岛对逆温层结构的调制作用，这可能解释与青岛[5]、成都[6]等平原城市研究的结论差异；第三，未引入风场辐合、边界层高度等关键动力参数建模，限制了对“静稳条件–污染物累积–辐射雾”反馈链条的完整解析。未来需结合气溶胶化学组分在线监测、激光雷达垂直探测及数值模拟等，深化地形–边界层–气溶胶的耦合机制研究；同时探索机器学习方法融合多源数据提升辐射雾起止时间与能见度转折点的预报精度。
基金项目
中国民用航空西南地区空中交通管理局创新类项目(基于贵阳龙洞堡机场重要天气案例库的辐射雾预报方法研究SWATMB-202402)资助。