Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2025 , Vol. 44 >Issue 6: 21 - 30

DOI: https://doi.org/10.11978/2025014

Study on boundary layer characteristics of a persistent sea fog process on the west coast of Taiwan Strait in spring 2021*

  • DUAN Qing , 1 ,
  • SUN Wei 2 ,
  • BIAN Yishu 3 ,
  • LIN Qiuhan 4 ,
  • LIN Wen , 5
Expand
  • 1 Fujian Meteorological Information Center, Fuzhou 350001, China
  • 2 Kunshan Meteorological Bureau, Kunshan 215300, China
  • 3 Fujian Meteorological Service Center, Fuzhou 350001, China
  • 4 Putian Meteorological Office of Fujian Province, Putian 351100, China
  • 5 Fujian Institute of Meteorological Sciences, Fuzhou 350001, China
LIN Wen. email:

Received date: 2025-01-24

  Revised date: 2025-04-14

  Online published: 2025-04-23

Supported by

National Key Research and Development Program of China(2023YFC3007603)

Open Research Fund Project of Fujian Meteorological Bureau(2022K03)

Fold

Abstract

This paper investigates a five-day fog process on the west coast of the Taiwan Strait, utilizing observational data from an automatic station, microwave radiometer, and wind profile radar in Xiang'an, Xiamen, from March 30 to April 3, 2021. The boundary layer characteristics of the fog are analyzed. Our findings reveal that: (1) Mild precipitation during the fog's development enhanced its intensity; (2) The presence of an inversion layer was crucial for fog maintenance, with its weakening leading to fog dissipation or reduction. Two distinct scenarios were observed in the inversion layer thickness decrease: (i) the inversion layer top remained relatively stable while its bottom rose, and (ii) both the top and bottom of the inversion layer ascended. These variations are associated with temperature changes near the inversion layer top. The first scenario weakened inversion intensity, whereas the second caused complete inversion layer dissipation and subsequent fog dispersal. Additionally, southwest winds transported warm and moist air, supplying the necessary water vapor for fog formation. When surface water vapor was abundant, strong updrafts lifted the fog to form stratiform clouds, with accumulated water vapor eventually leading to precipitation. On one hand, precipitation during the fog process caused ground evaporation, intensifying the fog or paving the way for subsequent precipitation. On the other hand, it consumes atmospheric water vapor, accelerating fog dissipation. Notably, three significant jumps in liquid water content were observed above the inversion layer top during the fog process, each followed by precipitation.

Key words： sea fog; the west coast of Taiwan Strait; microwave radiometer; wind profile radar; inversion layer; water vapor conditions

Cite this article

DUAN Qing , SUN Wei , BIAN Yishu , LIN Qiuhan , LIN Wen . Study on boundary layer characteristics of a persistent sea fog process on the west coast of Taiwan Strait in spring 2021*[J]. Journal of Tropical Oceanography, 2025 , 44(6) : 21 -30 . DOI: 10.11978/2025014

*感谢福建省气象信息中心所提供数据支撑。
海雾是指在海洋影响下, 发生在海上或沿海地区上空使低层大气中水平能见度小于1km的天气现象(王彬华, 1983)。该天气现象会对社会生产、人民生活带来较多危害, 例如海雾导致的低能见度, 严重影响船舶航行、公路运输、电力输送、渔业捕捞和养殖、海上油气勘探开发以及军事活动, 因大雾造成的事故有增多的趋势, 给从事海上生产活动的人员生命财产安全造成严重威胁(Gultepe et al, 2007a; 宋建洋 等, 2022; 孙舒悦, 2023); 同时, 海雾频发也会减少日照时间, 低温高湿的环境会对沿海地区经济作物生长产生不利影响(孙奕敏, 1994), 造成一定的经济损失, 因此有必要开展海雾的研究。
海上的大气边界层的温、湿和风的垂直结构对于海雾的形成、发展、维持以及消散起着关键的作用(王鑫, 2006; Gao et al, 2007; 张苏平, 2014)。一方面, 海雾的发生发展与环流形势以及大气边界层结构有着密切的关系(刘亚亚 等, 2010); 同时, 海雾的水平分布和垂向发展也与大气边界层内温度和湿度层结密切相关(Gao et al, 2007; 张苏平, 2014)。因此, 通过海雾期间海雾范围的垂直结构观测研究对进一步了解其生消过程、浓雾维持机制尤为重要。微波辐射计受云雾影响小、穿透能力强、垂直分辨率高(樊旭 等, 2019), 可反演得到大气温度、相对湿度、水汽密度廓线和云液态水总量近年来被广泛应用于雾的特征分析及预报中(Gultepe, 2007b; GUO, et al, 2015; 郭丽君, 2016; 方莎莎 等, 2020), 同时结合风廓线雷达的垂直风场能更好地分析雾的结构与特征(李德俊 等, 2009; 花丛, 2017; 孙颖 等, 2018; 余佳, 2021)。
福建位于台湾海峡西岸, 拥有丰富的鱼类资源及清洁能源资源, 也是闽台两地海上交通运输的主要港口, 每年冬春季是台湾海峡的海雾高发期。郑泽华 等(2021)结合再分析全球气候数据对厦门一次强海雾过程进行分析; 黄惠镕 等(2019)分析福建沿海及台湾海峡春季一次大范围的海雾过程, 得出冷海面上空暖湿空气降温冷却达到饱和形成海雾。但过往该区域海雾研究侧重于单次海雾分析, 且对海雾边界层特征的综合研究仍需加强与深入(胡晨悦 等, 2023; 廖晨菲 等, 2022)。本文利用位于海峡西岸海岛观测站的地面观测自动站、微波辐射计与风廓线雷达观测资料, 对2021年3月29日—4月4日的海雾过程不同阶段的边界层特征进行综合分析。这是一次典型的海雾过程, 具有持续时间长、能见度低、微弱降水导致其减弱后加强、伴有多次子过程等特点。通过对本次海雾过程的边界层特征综合分析, 包括温度、风场、湿度, 可进一步了解它们对海雾(特别是浓雾)生消过程的影响机制, 为海峡西岸地区的海雾的预报、预警提供观测依据。

1 资料与数据处理

本文使用的资料包括2021年3月29日—4月4日厦门翔安站(59140)自动站、微波辐射计、风廓线雷达数据。自动站数据为逐小时正点资料包括气压(pressure)、气温(temperature)、相对湿度(relative humidity)、能见度(visibility)、降水量(rainfall)五个要素, 数据采集频率均为1h, 并根据中国气象局业务要求完成质量控制。
本文所用的42通道GRAWRPG-HATPRO-G4型微波辐射计布设在厦门市气象局翔安区的大气探测基地, 数据类型包括综合水汽含量(integrated water vapor, IWV)、液态水路径(liquid water path, LWP)、气象传感器数据、92层液态水廓线(liquid water profile chart, LPR)、93层(绝对)湿度廓线(humidity profile chart, HPC)、93层边界层温度廓线(temperature profile chart boundary layer, TPB)、93层对流层温度廓线(temperature profile chart, TPC)。其中, 综合水汽含量是指某一垂直气柱中, 从地表到大气层顶的水汽总含量(单位: kg·m-2); 液态水路径为单位面积大气柱内对液态水含量的垂直积分总和(单位: kg·m-2); 液态水含量(liquid water content, LWC)是指单位体积空气中液态水的质量(单位: kg·m-3); (绝对)湿度廓线单位体积空气中所含水汽的质量随高度变化的曲线(单位: g·m-3)。由于微波辐射计在天顶观测模式下对于2000m以上的温度廓线分辨率高, 而对于边界层廓线分辨率, 则不如边界层扫描模式好。因此, 1200m高度以下的温度数据采用TPB数据, 2000m高度以上的温度数据采用TPC数据, 1200~2000m高度的温度数据由TPC和TPB经过三次样条平滑生成, 从而得到复合温度廓线(composite temperature profile chart, CTPC)。三样条插值函数是一种通过分段三次多项式在给定数据点间构造光滑曲线的方法, 已知n+1个数据点(x0, y0), (x1, y1), …, (xn, yn), 其中x0< x1< … <xn, 三次样条插值函数在每个小区间$\left[ {{x}_{i-1}},{{x}_{i}} \right]$ 都是三次多项式, 其中, ${{a}_{i}},{{b}_{i}},{{c}_{i}}$为待定系数, 具体公式如下:
${{S}_{i}}\text{(}x\text{)=}{{\text{a}}_{i}}+{{b}_{i}}(x-{{x}_{i}})+{{c}_{i}}{{(x-{{x}_{i}})}^{2}}+{{d}_{i}}{{(x-{{x}_{i}})}^{3}}$
引入二阶导数${{M}_{i}}=S({{x}_{i}})$, 区间长度为${{h}_{i}}={{x}_{i}}-{{x}_{i-1}}$, S(x) 计算公式如下:
$\begin{align} & S(x)={{M}_{i-1}}\frac{{{({{x}_{i}}-x)}^{3}}}{6{{h}_{i}}}+{{M}_{i}}\frac{{{(x-{{x}_{i-1}})}^{3}}}{6{{h}_{i}}}+ \\ & ~~~~~~~~~~~~\frac{1}{{{h}_{i}}}\left( {{y}_{i-1}}-\frac{1}{6}{{M}_{i-1}}{{h}_{i}}^{2} \right)({{x}_{i}}-x)+ \\ & ~~~~~~~~~~~~\frac{1}{{{h}_{i}}}\left( {{y}_{i}}-\frac{1}{6}{{M}_{i}}{{h}_{i}}^{2} \right)(x\in \left[ {{x}_{i-1}},{{x}_{i}} \right],i= \\ & ~~~~~~~~~~~~1,2,...,n) \\ \end{align}$
同样地, 本文使用的CFL-06 L波段低对流层风廓线雷达也布设在厦门市气象局翔安区的大气探测基地, 数据包括水平风向、风速以及59层垂直风速, 具体参数见表1。
表1 微波辐射计与风廓线雷达参数

Tab. 1 Parameters of microwave radiometer and wind profile radar

型号 数据类型 时间分辨率 采样高度 垂直分辨率
微波辐射计 GRAWRPG-HATPRO-G4 综合水汽含量 1s / 30~50m(0~1200m)
50~250m(1200~10000m)
液态水路径
气象传感器 1.5m
液态水廓线 0~10000m
湿度廓线 1min
对流层温度廓线
边界层温度廓线 20min
风廓线雷达 CFL-06 水平风向 6min 150~10110m 120m(150~4110m)
240m(4110~10110m)
水平风速
垂直风速
逆温层是指在特定条件下大气层中某一区域内大气温度随高度上升而升高的大气层(Malek et al, 2006; 贺丽媛 等, 2025)。逆温层顶部是指在逆温现象终止的位置, 在此位置以上, 温度恢复随高度升高而降低; 逆温层底部为逆温现象开始的高度。本文中逆温层定义为逆温梯度大于等于0℃·m-1且逆温层厚度大于40m的大气层结(Yang et al, 2021); 逆温层厚度H定义为逆温层顶高度与逆温层低高度之差, H=H2-H1, 其中H1为逆温层底的高度, H2为逆温层顶的高度(单位: m); 逆温强度T定义为逆温层顶温度与逆温层底温度之差, T=t2-t1, 其中t1为逆温层底温度, t2为逆温层顶温度(单位: ℃)。

2 雾过程概况

根据位于翔安区的自动站能见度数据, 将日最低能见度小于1000m且日最低能见度出现时刻的相对湿度大于90%的自然日定义为一个雾日。2021年3月29日—4月4日这7天的日最低能见度分别为2953、113、170、184、70、943、3479m, 出现了3月30日—4月3日连续的5个雾日, 其中4月2日出现了能见度小于100m的浓雾过程, 由于水汽充沛, 4月1日—4月3日还出现了微量降水(1~2mm)。在统计雾日的过程中, 持续数天的雾天气过程中的暂时减弱和降水不分开统计, 本文将其作为一个雾过程(郭丽君, 2016), 海雾具体的概况见表2。
表2 2021年3月29日—4月4日海雾过程概况

Tab. 2 Overview of sea fog process from March 29 to April 4, 2021

海雾出现时段 最小能见度出现时间 最小能见度/m
3月29日23时—3月30日10时 3月30日07:09 113
3月30日20时—3月31日02时 3月30日22:39 170
3月31日20时—4月1日13时 4月1日00:34 184
4月1日18时—4月2日11时 4月2日04:03 70
4月2日18时—4月3日10时 4月3日07:20 943
3月29日20时, 翔安站处于均压场控制(图1a), 气压梯度小, 无锋面系统参与, 主要受偏南气流控制, 来自海面的弱暖湿气流为海雾的形成提供了水汽条件, 近地面风速约为0.7~1.8m·s-1, 弱风条件有助于维持层结稳定。4月2日20时, 翔安站位于地面低压中心的东侧(图1b), 仍处于均压场控制, 无锋面影响, 主要受西南气流控制, 近地面风速约为0.6~2.6m·s-1。表明此次海雾过程主要受弱暖湿气流影响, 此次海雾为平流海雾过程(张伟 等, 2023)。
图1 2021年3月29日20时(a)和 4月2日20时(b)中国东南部的海平面气压场(等值线, 单位:hPa)及地面风场(风羽, 单位: m·s-1)

红色三角指示翔安的位置; 该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307 号的标准地图制作, 底图无修改

Fig. 1 Sea level pressure field (contour; units: hPa) and surface wind field (wind barb; units: m·s-1) in southeastern China at 20:00 BST on (a) March 29 and (b) April 2, 2021. The red triangle indicates the location of Xiang'an

从翔安站气象要素时间序列图(图2)上可以看出, 该站气温日变化规律明显, 呈现出白天高夜间低的特征, 夜间的降温有利于雾的生成或加强。相较于3月29日和4月3日午后海雾消散后, 3月30日—4月3日这五个雾日期间的平均气压相对较低。3月29日23时随着温度持续降低, 海雾开始形成, 相对湿度达到90%以上, 30日07时能见度达到当日最低值, 随着日出后温度升高, 10时开始相对湿度迅速下降至85%以下, 海雾逐渐减弱并暂时消散。本研究中的五个雾日均呈现出夜间生成发展、中午减弱并暂时消散的特征, 但强度演变及能见度低值等特征存在着差异, 还需通过垂直观测的边界层特征开展进一步分析。
图2 2021年3月29日—4月3日翔安站气压、温度(a)及相对湿度、能见度和降水量(b)的时间序列

Fig. 2 Time series of (a) pressure and temperature, and (b) relative humidity, visibility, and precipitation at Xiang 'an Station from March 29 to April 3, 2021

3 海雾边界层演变特征

3.1 温度特征

从垂直温度廓线图(图3a)中可以看到, 在整个海雾过程中, 逆温层的变化影响着雾的生消, 其主要出现在50~800m的高度间 (图3b)。例如3月29日夜间逆温层的形成使得对流受到抑制, 稳定的大气层结使水汽和凝结核不断积累, 有利于雾的形成和发展。30日07时逆温强度达到峰值1.1℃, 此时逆温层底部位于25m附近, 逆温层内温度梯度约为0.2℃·(100m)-1。在海雾发展阶段, 逆温层顶部几乎维持在700m左右高度不变, 由于地表长波辐射降温使得逆温层向下发展且强度增强, 逆温层厚度持续增大有利于海雾的发展和维持。
图3 2021年3月29日—4月3日翔安站垂直复合温度廓线(a)与逆温层范围及逆温强度(b)

Fig. 3 (a) Vertical composite temperature profiles and (b) inversion layer characteristics (range and intensity) at Xiang'an Station from March 29 to April 3, 2021

日出后随着短波辐射增强, 逆温层厚度会减小甚至消失, 促使海雾强度减弱或消散。本次海雾过程中逆温层厚度减小主要呈现出两种特征: 一种是逆温层顶部维持、逆温层底部抬升, 出现在海雾的维持阶段中(3月30日10时、4月1日12时), 逆温强度减弱但逆温层未消失, 对应海雾强度减弱但地面仍维持高湿状态(相对湿度大于85%); 另一种则是逆温层顶部和底部均向上抬升, 出现在海雾消散时(3月31日06时、4月2日12时、4月3日10时), 逆温强度减弱后逆温层消失, 地面湿度迅速降低至70%以下。
从图3a中还可以看出, 日出后地面温度不断升高, 大气自下而上变暖, 逆温层底部向上抬升; 当逆温层顶部附近大气开始升温时, 逆温结构稳定性会得到加强, 因而逆温层顶高度保持不变; 当逆温层顶部附近大气降温时, 逆温结构受到破坏, 因此逆温层顶高度会得到抬升, 使得逆温层消失。同时当逆温强度明显减弱时, 雾强度也会减弱, 甚至消失(任兆鹏 等, 2020)。结合图2b和图3b, 显示逆温强度与能见度大小成反比: 能见度70、113、170和184m时的逆温强度分别为1.3、1.1、0.9和0.6℃。逆温强度越强, 能见度越低。

3.2 风场特征

边界层的风场特征也与海雾的变化息息相关。3月29日海雾发生前, 2000m以下高度以西南风为主(图4a), 23时500m高度附近开始出现下沉气流, 与逆温层出现时间相对应, 表明下沉气流有利于逆温层的形成。下沉气流在3月30日06:18的270m高度处达最大值, 垂直风速接近-1m·s-1, 与能见度的低值同期出现, 说明持续的下沉气流有利于海雾在近地层堆积和发展并达到浓雾强度。10时以后500m以下近地层的下沉气流转为上升气流, 大气向上的垂直扩散能力增强, 随即海雾强度也开始减弱。
图4 翔安站2021年3月29日18时—3月31日11时(a)、3月31日20时—4月1日11时(b) 及4月1日12时—4月3日11时(c)风廓线

Fig. 4 Wind profiles at Xiang 'an Station during: (a) 18:00 March 29-11:00 March 31; (b) 20:00 March 31-11:00 April 1; (c) 12:00 April 1-11:00 April 3, 2021

3月30日16—20时750m以下高度出现较强西南风, 该时段相对湿度迅速增大, 表明强劲的西南暖湿气流给近地层带来了大量水汽; 21时风速开始减小, 为海雾强度的增强创造静稳的环境条件, 随后相对湿度达饱和能见度迅速降低, 形成浓雾。3月31日00时750m以下大气由西南风转为弱东北风(弱冷空气), 风速逐渐减小, 低层暖平流减弱, 冷平流增强, 此时的干冷空气不利于海雾的继续发展, 相对湿度开始降低且能见度开始升高, 海雾逐渐减弱。07时日出后, 上升气流增强海雾消散。
4月1日02时降水前的数小时, 近地层风辐合增强出现了较强的上升气流, 垂直风速大于1m·s-1(图4b), 上升气流将前几日近地层积累的水汽凝结抬升至高处形成层状云并产生降水, 但仅表现为间歇性的小雨; 06—08时从地面170m至2000m处均出现1m·s-1以上的强上升气流, 最大垂直风速可达6.2m·s-1, 受降水影响, 低能见度也出现在这个阶段。
4月1日18时—4月3日11时出现了较长时间的低能见度天气, 小时平均能见度几乎都小于1000m, 低能见度持续了42h, 除4月2日12—17时外相对湿度均大于90%, 该次海雾过程持续了36h。4月1日18时近地层有较强西南风, 垂直风速几乎为0m·s-1(图4c), 为海雾的形成提供丰富的水汽和稳定的大气条件, 在低能见度期间地面平均风速为1.2m·s-1, 较小的风速有利于雾的维持(卢春婷 等, 2014; 齐少群 等, 2016), 除4月3日日出时段外垂直风速也较小, 不易破坏稳定的大气结构, 使得低能见度能够长久存在。

3.3 水汽特征

绝对湿度(图5a)代表大气中水汽的绝对含量, 数值的大小反映了大气中水汽含量的多少, 低能见度出现时地面绝对湿度最高可达17~18g·m-3。IWV(图5b)是观测方向上水汽质量的积分量, 能够反映海雾过程中空中垂直水汽累积的变化情况, 例如降水前后IWV变化幅度较大, 最大变幅达18kg·m-2。此外, LWP反应了雾中液态雾滴的最重要的微物理参数之一, LWP的波动变化也会与持续性浓雾的生消变化有关联(王春红 等, 2020), 海雾中LWP峰值与能见度的下降有一定相关性, 本次海雾过程中LWP的最大值出现在两段降水中间(4月1日02—07时), 最大可达到2kg·m-2左右。
图5 2021年3月29日—4月3日翔安站绝对湿度垂直廓线(a)与综合水汽含量、液态水路径及降水量(b)和液态水廓线时间序列(c)

Fig. 5 Time series of (a) vertical profiles of absolute humidity, (b) integrated water vapor content, liquid water path and precipitation, and (c) liquid water profiles at Xiang’an Station from March 29 to April 3, 2021

海雾中非降水期间2000m高度以下的绝对湿度表现出白天低、夜间高的特征, 并且随高度上升而递减, 在海雾发展阶段IWV 逐渐下降, LWP则处于波动增长的状态, 在100~750g·m-2之间, 海雾消散后LWP迅速减小甚至消失。
海雾中降水期间地面绝对湿度为15~17g·m-3, 与降水前后相比偏小, 这是因为从雾到雨的过程中, 即雾滴发生凝结增长为雨滴的过程均会消耗大量大气中的水汽, 使IWV减小。雨滴在下落时会碰并消耗雾滴, 使LWP减少, 同时碰并破碎后的水滴又会继续消耗水汽进行凝结增长, IWV进一步减小。4月1日02时降水结束后, 空气湿度仍接近饱和(图2b), 地面雨滴蒸发, 再次补充雾层湿度, 促使IWV快速累积增长, 大量的水汽集结又为后续07时的降水提供了水汽条件, 降水结束后LWP减小至雾中正常水平。
LPR能较准确地反映出液态水的变化情况, 液态水在本次海雾过程中有三次向上跃增(图4c), 这种现象与林彤等(2021)在降水过程中发现的液态水跃增相似。第一次跃增出现在3月31日18时—4月1日01时, 跃增出现在700~1500m附近, LPR约为0.2~0.5g·m-3, 第二次在4月1日04—06时, 跃增出现在700~4500m左右, LPR约为0.3~0.7g·m-3, 第三次跃增在4月3日00—06时, 出现在700~1500m左右, LPR约为0.2~0.6g·m-3。4月1日02及07时、4月3日11时在海雾过程中形成了1mm的降水, 与液态水的三次跃增对应, 降水均出现在液态水含量跃增之后, 降水发生前大气中已经含有充沛的水汽, 为降水的形成创造了有利条件。雾层一般出现在逆温层以下(黄建平, 1998), 本次海雾过程逆温层顶在700m附近, 而LPR的跃增则出现在700m以上, 这表明有雾向上抬升成低云因而形成降水, LWP的增大及LPR的跃增或许可以预示降水的发生。

4 海雾的生消及浓雾阶段的维持机制

海雾的维持与逆温层、风场、水汽条件的变化关系密切, 稳定的逆温层是海雾形成的重要条件, 近地面静稳天气条件及不断充沛的水汽供应是海雾发展和维持的重要原因。在海雾出现前(3月29日), 逆温层已存在, 逆温层底部和顶部高度分别在750m和1200m左右, 夜间随着逆温层下降至200~800m左右, 地面持续的长波辐射降温降至低值, 逆温层不断加厚并向下发展, 逆温强度不断加强。同时, IWV不断增大, 为海雾的形成提供水汽条件, 以及近地面较弱的风速也为海雾的形成提供了静稳环境。
3月30日和4月3日在日出之后的时间段, 垂直风较小, 辐射增温使地面水汽蒸发, 海雾在这个阶段得到发展增强, 能见度达最低。水汽充沛时, 海雾会持续发展增强, 甚至到一定程度配合天气形势变化还会产生降水, 3月31日—4月1日的日最低能见度均出现在微弱降水前, 降水粒子的湿沉降使得降水后能见度回升(Eldridge, 1971; 廖碧婷 等, 2018)。但微弱降水并未破坏逆温层结构, 且由于地面雨滴蒸发, 水汽的持续供应, 蒸发并伴随消耗潜热, 及夜间长波辐射降温叠加, 从而加强逆温层底部的冷却, 由图3b可看出逆温强度在微弱降水结束后, 其强度保持不变甚至增强, 能见度短暂回升后再次降低, 浓雾再次出现并加强, 在日出后短波辐射增温使逆温层抬升甚至消散, 空气中水汽蒸发, IWV和LWP迅速降低, 海雾加速消散(方莎莎 等, 2020)。

5 结论

本文通过对翔安自动站、微波辐射计及风廓线雷达资料的分析, 研究了海峡西岸一次持续海雾过程的边界层特征, 主要结论如下。
1) 本次海雾过程持续5天, 均呈现出夜间生成发展、中午减弱并暂时消散, 海雾过程中最低能见度为70m, 达到浓雾强度, 逆温层的存在以及近地面弱西南风为海雾的形成和维持提供条件, 日出后的太阳辐射则使海雾加速消散。
2) 逆温层的存在是维持本次海雾的重要条件, 逆温层减弱会使海雾减弱甚至消散。在此次海雾过程中, 逆温层厚度通过两种方式减小, 一种是逆温层顶部高度基本保持不变、逆温层底部抬升, 使得逆温强度减弱, 海雾随之减弱; 另一种是逆温层顶部附近大气温度变化, 导致逆温层顶部和底部均向上抬升, 使逆温层消失, 海雾随之消散。
3) 本次海雾过程中西南风和弱垂直气流有利于海雾的形成和发展, 地面水汽充沛时, 上升气流将海雾抬升形成层云, 水汽积累到一定程度后形成微弱降水。微弱的降水虽消耗了空气中的水汽, 但并未破坏逆温层结构, 雨滴蒸发伴随消耗潜热及夜间长波辐射降温叠加, 甚至加强逆温强度, 为海雾短暂减弱后再次加强或下一次降水的产生提供条件。
4) 液态水含量在本次海雾过程中出现三次向上跃增, 跃增出现在逆温层顶之上, 降水均出现在液态水跃增之后, LWP的增大及LPR的跃增或许可以预示降水的发生。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
樊旭, 毛文茜, 吴肖燕, 等, 2019. 基于伪逆学习算法的地基微波辐射计反演算法研究[J]. 西南大学学报(自然科学版), 41(1): 114-122.

FAN XU, MAO WENQIAN, WU XIAOYAN, et al, 2019. Research of an inversion method based on pseudoinverse learning algorithm for ground-based microwave radiometer measurement[J]. Journal of Southwest University (Natural Science Edition), 41(1): 114-122 (in Chinese with English abstract).

[2]
方莎莎, 陆鹏程, 廖可文, 等, 2020. 基于微波辐射计资料对武汉市冬季典型大雾个例的探测分析[J]. 气象与环境科学, 43(4): 81-87.

FANG SHASHA, LU PENGCHENG, LIAO KEWEN, et al, 2020. Analysis of typical winter thick fog events in Wuhan based on microwave radiometer data[J]. Meteorological and Environmental Sciences, 43(4): 81-87 (in Chinese with English abstract).

[3]
郭丽君, 郭学良, 2016. 北京2009-2013年期间持续性大雾的类型、垂直结构及物理成因[J]. 大气科学, 40(2): 296-310.

GUO LIJUN, GUO XUELIANG, 2016. The type, vertical structure and physical formation mechanism of persistent heavy fog events during 2009-2013 in the Beijing region[J]. Chinese Journal of Atmospheric Sciences, 40(2): 296-310 (in Chinese with English abstract).

[4]
贺丽媛, 杨柳, 朱瑶, 等, 2025. 四川盆地霾过程边界层逆温的演化特征及其污染效应[J]. 中国环境科学, 45(1): 11-18.

HE LIYUAN, YANG LIU, ZHU YAO, et al, 2025. Evolution characteristics of boundary layer inversion and its pollution effects during haze events in the Sichuan Basin[J]. China Environmental Science, 45(1): 11-18 (in Chinese with English abstract).

[5]
胡晨悦, 丘仲锋, 廖廓, 等, 2023. 福建海雾的CALIOP遥感监测及基于Himawari-8的云下雾光谱特征分析[J]. 热带海洋学报, 42(4): 104-112.

HU CHENYUE, QIU ZHONGFENG, LIAO KUO, et al, 2023. CALIOP remote sensing monitoring of the Fujian sea fog and spectral characteristics analysis of subcloud fog based on Himawari-8[J]. Journal of Tropical Oceanography, 42(4): 104-112 (in Chinese with English abstract).

[6]
花丛, 刘超, 张恒德, 2017. 风廓线雷达资料在北京秋季雾霾天气过程分析中的应用[J]. 气象科技, 45(5): 870-875.

HUA CONG, LIU CHAO, ZHANG HENGDE, 2017. Application of wind profile radar in analyzing autumn fog and haze process in Beijing[J]. Meteorological Science and Technology, 45(5): 870-875 (in Chinese with English abstract).

[7]
黄惠镕, 韩美, 潘宁, 等, 2019. 福建一次春季海雾的边界层特征及其成因分析[J]. 海峡科学 (3): 12-15, 25 (in Chinese).

[8]
黄建平, 朱诗武, 朱彬, 1998. 辐射雾的大气边界层特征[J]. 南京气象学院学报, 21(2): 258-265.

HUANG JIANPING, ZHU SHIWU, ZHU BIN, 1998. Characteristics of the atmospheric boundary layer during radiation fog[J]. Journal of Nanjing Institute of Meteorology, 21(2): 258-265 (in Chinese with English abstract).

[9]
李德俊, 周建山, 柳草, 等, 2009. 恩施大雾天气的雷达风廓线特征[J]. 高原山地气象研究, 29(B09): 120-123 (in Chinese).

[10]
廖碧婷, 黄俊, 邓雪娇, 等, 2018. 基于微波辐射计分析低能见度的液态含水量特征[J]. 中国环境科学, 38(10): 3673-3682.

LIAO BITING, HUANG JUN, DENG XUEJIAO, et al, 2018. Characterization of liquid water content during low visibility based on microwave radiometer data[J]. China Environmental Science, 38(10): 3673-3682 (in Chinese with English abstract).

[11]
廖晨菲, 冯志明, 高聪晖, 等, 2022. 福建沿海一次持续性海雾过程的边界层特征分析[J]. 海峡科学 (7): 9-13 (in Chinese).

[12]
林彤, 桑建人, 姚展予, 等, 2021. 基于微波辐射计的宁夏六盘山西侧大气水汽变化特征[J]. 干旱区地理, 44(4): 923-933.

DOI

LIN TONG, SANG JIANREN, YAO ZHANYU, et al, 2021. Statistical analysis of water vapor change characteristics over the west valley of Liupan Mountain area based on microwave radiometer[J]. Arid Land Geography, 44(4): 923-933 (in Chinese with English abstract).

DOI

[13]
刘亚亚, 毛节泰, 刘钧, 等, 2010. 地基微波辐射计遥感大气廓线的BP神经网络反演方法研究[J]. 高原气象, 29(6): 1514-1523.

LIU YAYA, MAO JIETAI, LIU JUN, et al, 2010. Research of BP neural network for microwave radiometer remote sensing retrieval of temperature, relative humidity, cloud liquid water profiles[J]. Plateau Meteorology, 29(6): 1514-1523 (in Chinese with English abstract).

[14]
卢春婷, 张庆奎, 张录军, 等, 2014. 阜阳市雾日气候特征及变化趋势分析[J]. 自然灾害学报, 23(3): 144-151.

LU CHUNTING, ZHANG QINGKUI, ZHANG LUJUN, et al, 2014. Analysis of climatic characteristics and trends of fog days in Fuyang City[J]. Journal of Natural Disasters, 23(3): 144-151 (in Chinese with English abstract).

[15]
齐少群, 张菲菲, 万鲁河, 等, 2016. 哈尔滨秋季雾霾期秸秆焚烧区域识别提取研究[J]. 自然灾害学报, 25(4): 152-158.

QI SHAOQUN, ZHANG FEIFEI, WAN LUHE, et al, 2016. Study on identification and extraction of straw burning area in autumn haze period in Harbin[J]. Journal of Natural Disasters, 25(4): 152-158 (in Chinese with English abstract).

[16]
任兆鹏, 李昊倩, 鞠霞, 等, 2020. 青岛地区海雾分布及大气边界层条件分析[J]. 海洋科学, 44(5): 96-106.

REN ZHAOPENG, LI HAOQIAN, JU XIA, et al, 2020. Distribution of sea fog and analysis of boundary layer conditions in Qingdao[J]. Marine Sciences, 44(5): 96-106 (in Chinese with English abstract).

[17]
孙舒悦, 黄彬, 刘龙生, 2023. 2020年海上灾害天气特征分析[J]. 海洋预报, 40(3): 56-65.

SUN SHUYUE, HUANG BIN, LIU LONGSHENG, 2023. Analysis of marine disaster weather characteristics over offshore areas of China in 2020[J]. Marine Forecasts, 40(3): 56-65.

[18]
孙颖, 马艳, 高荣珍, 等, 2018. 山东一次持续性平流辐射雾过程特征及成因分析[J]. 海洋气象学报, 38(4): 128-135.

SUN YING, MA YAN, GAO RONGZHEN, et al, 2018. Analysis of the characteristics and causes of a sustained advection-radiation fog process in Shandong[J]. Journal of Marine Meteorology, 38(4): 128-135 (in Chinese with English abstract).

[19]
孙奕敏, 1994. 灾害性浓雾[M]. 北京: 气象出版社 (in Chinese).

[20]
宋建洋, 王志, 李蔼恂, 等, 2022. 雾天高速公路交通安全气象风险模型研究[J]. 自然灾害学报, 31(1): 60-68.

SONG JIANYANG, WANG ZHI, LI AIXUN, et al, 2022. Research on meteorological risk model for traffic safety on highway under foggy weather condition[J]. Journal of Natural Disasters, 31(1): 60-68 (in Chinese with English abstract).

[21]
王彬华, 1983. 海雾[M]. 北京: 海洋出版社 (in Chinese).

[22]
王春红, 王清平, 谭艳梅, 等, 2020. 微波辐射计资料在乌鲁木齐机场持续浓雾天气中的试验应用[J]. 气象科技进展, 10(4): 22-27.

WANG CHUNHONG, WANG QINGPING, TAN YANMEI, et al, 2020. Application of microwave radiometer data in continuous dense fog at Urumqi Airport[J]. Advances in Meteorological Science and Technology, 10(4): 22-27 (in Chinese with English abstract).

[23]
王鑫, 黄菲, 周发琇, 2006. 黄海沿海夏季海雾形成的气候特征[J]. 海洋学报, 28(1): 26-34.

WANG XIN, HUANG FEI, ZHOU FAXIU, 2006. Climatic characteristics of sea fog formation of the Huanghai Sea in summer[J]. Acta Oceanologica Sinica, 28(1): 26-34 (in Chinese with English abstract).

[24]
余佳, 2021. 风廓线雷达在辐射雾过程中的应用[J]. 河南科技, 40(24): 19-22.

YU JIA, 2021. Application of wind profiler radar in radiation fog process[J]. Henan Science and Technology, 40(24): 19-22 (in Chinese with English abstract).

[25]
张苏平, 刘飞, 孔扬, 2014. 一次春季黄海海雾和东海层云关系的研究[J]. 海洋与湖沼, 45(2): 341-352.

ZHANG SUPING, LIU FEI, KONG YANG, 2014. Remote relationship in origination of sea fog in East China Sea to the stratus in Yellow Sea in spring[J]. Oceanologia et Limnologia Sinica, 45(2): 341-352 (in Chinese with English abstract).

[26]
张伟, 李菲, 吕巧谊, 等, 2023. 闽南沿海一次海雾过程的多源资料综合分析[J]. 气象, 49(6): 682-696.

ZHANG WEI, LI FEI, LYU QIAOYI, et al, 2023. Comprehensive analysis of a sea fog event in southern coast of Fujian based on multi-source data[J]. Meteorological Monthly, 49(6): 682-696 (in Chinese with English abstract).

[27]
郑泽华, 张伟, 陈德花, 2021. 2020年5月5日凌晨福建中南沿海海雾过程特征及成因分析[J]. 海峡科学, 2021(03): 3-10 (in Chinese).

[28]
ELDRIDGE R G, 1971. The relationship between visibility and liquid water content in fog[J]. Journal of the Atmospheric Sciences, 28(7): 1183-1186.

DOI

[29]
GAO SHANHONG, LIN HANG, SHEN BIAO, et al, 2007. A heavy sea fog event over the Yellow Sea in March 2005: Analysis and numerical modeling[J]. Advances in Atmospheric Sciences, 24(1): 65-81.

DOI

[30]
GULTEPE I, TARDIF R, MICHAELIDES S C, et al, 2007a. Fog research: A review of past achievements and future perspectives[J]. Pure and Applied Geophysics, 164: 1121-1159.

DOI

[31]
GULTEPE I, MILBRANDT J A, 2007b. Microphysical observations and mesoscale model simulation of a warm fog case during FRAM project[M]// GULTEPE I. Fog and Boundary Layer Clouds:Fog Visibility and Forecasting. Pageoph Topical Volumes. Basel: Birkhäuser Basel.

[32]
GUO LIJUN, GUO XUELIANG, FANG CHUNGANG, et al, 2015. Observation analysis on characteristics of formation, evolution and transition of a long-lasting severe fog and haze episode in North China[J]. Science China Earth Sciences, 58(3): 329-344.

DOI

[33]
MALEK E, DAVIS T, MARTIN R S, et al, 2006. Meteorological and environmental aspects of one of the worst national air pollution episodes (January, 2004) in Logan, Cache Valley, Utah, USA[J]. Atmospheric Research, 79(2): 108-122.

DOI

[34]
YANG YINSHAN, NI CHANGJIAN, JIANG MENGJIAO, et al, 2021. Effects of aerosols on the atmospheric boundary layer temperature inversion over the Sichuan Basin, China[J]. Atmospheric Environment, 262: 118647.

DOI

Options
Outlines

/

〈 〉