王繼康，謝超，張?zhí)旌剑瑥埍梯x，張恒德，饒曉琴

國(guó)家氣象中心

能見(jiàn)度表征大氣透明度，與交通安全等社會(huì)生活關(guān)系密切。能見(jiàn)度受多種因素影響，在清潔地區(qū)，霧是影響能見(jiàn)度的主要因素。隨著工業(yè)化和城市化的發(fā)展，氣溶膠粒子濃度水平增高，霾成為影響能見(jiàn)度的重要因素[1]。尤其是我國(guó)中東部城市群，重污染天氣頻發(fā)[2-3]，隨著經(jīng)濟(jì)的發(fā)展該地區(qū)能見(jiàn)度呈下降趨勢(shì)[4-7]。因此對(duì)能見(jiàn)度的預(yù)報(bào)是重污染天氣預(yù)報(bào)的重要組成部分。

研究人員開(kāi)發(fā)了多種對(duì)大氣能見(jiàn)度的預(yù)報(bào)方法，主要分為統(tǒng)計(jì)建模預(yù)報(bào)和數(shù)值模式參數(shù)化預(yù)報(bào)2類。統(tǒng)計(jì)建模預(yù)報(bào)主要是利用能見(jiàn)度及與其相關(guān)的氣象要素建立數(shù)學(xué)模型，對(duì)其進(jìn)行預(yù)報(bào)[8-9]。建立能見(jiàn)度與氣象要素?cái)?shù)學(xué)模型的方法有很多，應(yīng)用較多的為基于神經(jīng)網(wǎng)絡(luò)的方法[10-11]。數(shù)值模式參數(shù)化預(yù)報(bào)主要基于大氣化學(xué)模式對(duì)顆粒物成分或濃度的預(yù)報(bào)，根據(jù)顆粒物的消光特性建立參數(shù)化方案，對(duì)能見(jiàn)度進(jìn)行預(yù)報(bào)[12-13]，其關(guān)鍵是建立氣溶膠消光系數(shù)的計(jì)算方法。目前，應(yīng)用較多的為由美國(guó)IMPROVE(interagency monitoring of projected visual environments)發(fā)起的大氣能見(jiàn)度觀測(cè)項(xiàng)目建立的IMPROVE經(jīng)驗(yàn)公式[12]。IMPROVE經(jīng)驗(yàn)公式是利用不同粒徑的顆粒物中不同化學(xué)組分的消光特性建立的各化學(xué)組分質(zhì)量濃度與消光系數(shù)的定量關(guān)系。在國(guó)內(nèi)應(yīng)用的評(píng)估結(jié)果表明[13-14]，該公式對(duì)較低能見(jiàn)度存在高估。Chen等[15]利用氣溶膠體積濃度和相對(duì)濕度建立了氣溶膠消光系數(shù)計(jì)算方案。胡俊等[16]基于Mie理論建立了不同粒徑段下的顆粒物數(shù)濃度和氣體分子散射特性的消光系數(shù)計(jì)算方案。趙秀娟等[17]利用氣溶膠質(zhì)量濃度和相對(duì)濕度建立回歸方程計(jì)算氣溶膠消光系數(shù)。胡俊等[16]對(duì)比IMPROVE方案、Chen等[15]方案及Mie理論方案對(duì)南京地區(qū)能見(jiàn)度的預(yù)報(bào)結(jié)果，發(fā)現(xiàn)IMPROVE方案相關(guān)系數(shù)最高，但是平均偏差最大，Mie理論方案平均偏差最小。趙秀娟等[17]對(duì)比改進(jìn)的Chen等[15]方案、基于顆粒物質(zhì)量濃度的方案和Mie理論方案對(duì)北京地區(qū)能見(jiàn)度的預(yù)報(bào)結(jié)果，發(fā)現(xiàn)3種方案對(duì)高能見(jiàn)度都存在低估，對(duì)于低能見(jiàn)度Chen等[15]方案預(yù)報(bào)效果最好。不同能見(jiàn)度參數(shù)化方案之間存在一定的差異，但是由于模式對(duì)于高濕條件下氣溶膠模擬存在較大不確定性等原因，均出現(xiàn)了對(duì)低能見(jiàn)度高估，對(duì)高能見(jiàn)度低估的現(xiàn)象。

隨著大氣化學(xué)模式預(yù)報(bào)訂正技術(shù)的發(fā)展，PM2.5濃度的預(yù)報(bào)準(zhǔn)確率顯著提升[18-21]。呂夢(mèng)瑤等[18]采用非線性動(dòng)力統(tǒng)計(jì)-訂正方法對(duì)空氣質(zhì)量模式CUACE(China meteorological administration unified atmospheric chemistry environment for aerosols)的預(yù)報(bào)結(jié)果進(jìn)行訂正，結(jié)果表明訂正后的PM2.5濃度更接近于實(shí)測(cè)值，誤差明顯減小，相關(guān)系數(shù)明顯提高。張偉等[21]利用后向傳播(back-propagation，BP)神經(jīng)網(wǎng)絡(luò)方法集成多模式預(yù)報(bào)北京市PM2.5濃度，發(fā)現(xiàn)可以顯著降低誤差。張?zhí)旌降萚22]利用多模式最優(yōu)集成方法預(yù)報(bào)我國(guó)中東部地區(qū)PM2.5濃度，結(jié)果表明最優(yōu)集成方法較其他訂正方法能顯著降低誤差。但是大氣化學(xué)模式訂正后的PM2.5濃度預(yù)報(bào)結(jié)果難以應(yīng)用到現(xiàn)有能見(jiàn)度參數(shù)化方案中，并對(duì)能見(jiàn)度進(jìn)行預(yù)報(bào)。

針對(duì)目前能見(jiàn)度參數(shù)化方案存在一定的差異和訂正后PM2.5濃度預(yù)報(bào)結(jié)果不能應(yīng)用到能見(jiàn)度預(yù)報(bào)中的問(wèn)題，筆者基于PM2.5濃度和相對(duì)濕度建立了能見(jiàn)度參數(shù)化方案，根據(jù)多模式最優(yōu)集成方法預(yù)報(bào)的PM2.5濃度對(duì)北京市2019-02-18—03-05能見(jiàn)度進(jìn)行預(yù)報(bào)，對(duì)比了IMPROVE參數(shù)化方案和基于神經(jīng)網(wǎng)絡(luò)的預(yù)報(bào)方案對(duì)能見(jiàn)度的預(yù)報(bào)效果，并分析能見(jiàn)度預(yù)報(bào)的主要影響因素，以期為建立可以利用訂正PM2.5濃度預(yù)報(bào)的本地化能見(jiàn)度預(yù)報(bào)方案提供參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 能見(jiàn)度預(yù)報(bào)方法

1.1.1不同相對(duì)濕度下PM2.5濃度參數(shù)化方案

王繼康等[23]對(duì)全國(guó)范圍內(nèi)氣象站點(diǎn)能見(jiàn)度和相鄰站點(diǎn)PM2.5濃度分析發(fā)現(xiàn)，我國(guó)中東部大部分站點(diǎn)的消光系數(shù)和PM2.5濃度在不同相對(duì)濕度下均呈很好的線性關(guān)系。尤其是北京市，在相對(duì)濕度為20%～90%時(shí)，消光系數(shù)與PM2.5濃度的相關(guān)系數(shù)始終在0.90上下波動(dòng)。PM2.5濃度與消光系數(shù)的關(guān)系式如下：

δext=a(RH)[PM2.5]+b

(1)

式中：δext為消光系數(shù)，m-1；a(RH)為不同相對(duì)濕度下PM2.5產(chǎn)生的氣溶膠消光效率，m2/μg，包括干物質(zhì)的消光效率和光學(xué)吸濕增長(zhǎng)因子；[PM2.5]為PM2.5濃度，μg/m3；b為瑞利散射和氣體吸光產(chǎn)生的其他消光系數(shù)，m-1。由于本方案中相對(duì)濕度高于93%和低于10%的情況下沒(méi)有對(duì)應(yīng)的參考值(圖1)，規(guī)定相對(duì)濕度大于93%的情況下能見(jiàn)度預(yù)報(bào)為1 km，對(duì)小于10%的情況下能見(jiàn)度預(yù)報(bào)為30 km。該方案實(shí)質(zhì)上是在缺少PM2.5組分的情況下對(duì)IMPROVE參數(shù)方案的本地化改進(jìn)，記作S1方案。

圖1 不同相對(duì)濕度下氣溶膠消光效率和 其他消光系數(shù)的分布Fig.1 Distribution of aerosol extinction efficiency and extinction coefficient of others (b) at different RH

1.1.2IMPROVE參數(shù)化方案

基于美國(guó)IMPROVE項(xiàng)目的研究結(jié)果,消光系數(shù)與PM2.5組分間的關(guān)系為[12]：

δext≈2.2fS(RH)SS+4.8fL(RH)SL+2.4fS(RH)NS+5.1fL(RH)NL+2.8OS+6.1OL+[FS]+

0.6[CM]+10[EC]+1.7fSS(RH)[SS]+

δRS+0.33[NO2]

(2)

式中：fL(RH)和fS(RH)分別為大、小粒徑PM2.5組分的光學(xué)吸濕增長(zhǎng)因子;fSS(RH)為海鹽粒子的濕度矯正因子;SS、NS、OS分別為小粒徑PM2.5中的硫酸銨、硝酸銨、有機(jī)氣溶膠的濃度，μg/m3;SL、NL、OL為大粒徑PM2.5中的硫酸銨、硝酸銨、有機(jī)氣溶膠的濃度，μg/m3;[EC]為吸光性含碳物質(zhì)的濃度，μg/m3;[FS]和[CM]為土壤粒子和粗粒子的濃度，μg/m3;[SS]為海鹽粒子的濃度μg/m3;δRS為氣體的瑞利散射產(chǎn)生的消光系數(shù)，m-1;[NO2]為NO2的單位體積分?jǐn)?shù)，10-9。該方案記作S2方案。

1.1.3基于神經(jīng)網(wǎng)絡(luò)的能見(jiàn)度預(yù)報(bào)方案

Xie等[10]利用神經(jīng)網(wǎng)絡(luò)的方法和2000—2017年氣象數(shù)據(jù)構(gòu)建了針對(duì)全國(guó)氣象站點(diǎn)的小時(shí)能見(jiàn)度預(yù)報(bào)。該方案輸入的觀測(cè)資料和預(yù)報(bào)資料包括地面實(shí)況監(jiān)測(cè)的氣象溫度、壓力、濕度、風(fēng)速等數(shù)據(jù)和中期天氣預(yù)報(bào)中心(ECMWF)確定性預(yù)報(bào)模式的高空?qǐng)鰸穸?、風(fēng)速等數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)參數(shù)和具體氣象因子的選取參照文獻(xiàn)[10]。該方案記作S3方案。

1.2 數(shù)據(jù)資料

PM2.5濃度實(shí)況資料來(lái)自于中國(guó)環(huán)境監(jiān)測(cè)總站，驗(yàn)證數(shù)據(jù)為北京市監(jiān)測(cè)站點(diǎn)平均逐小時(shí)濃度，相對(duì)濕度和能見(jiàn)度實(shí)況數(shù)據(jù)來(lái)自于中國(guó)氣象局北京觀象臺(tái)(54511)觀測(cè)數(shù)據(jù)。由于能見(jiàn)度最大觀測(cè)值為30 km，對(duì)預(yù)報(bào)值超過(guò)30 km的統(tǒng)一處理為30 km。

PM2.5濃度和NO2濃度預(yù)報(bào)數(shù)據(jù)為基于多模式最優(yōu)集成方法的預(yù)報(bào)結(jié)果。該方法基于中國(guó)氣象局業(yè)務(wù)預(yù)報(bào)大氣化學(xué)模式[22]，利用均值集成、權(quán)重集成、多元線性回歸集成和BP神經(jīng)網(wǎng)絡(luò)方法集成建成集成預(yù)報(bào)，然后基于各集成方法對(duì)前50 d的預(yù)報(bào)效果進(jìn)行評(píng)估，選取最優(yōu)集成方法預(yù)報(bào)的結(jié)果為最終預(yù)報(bào)結(jié)果。大氣化學(xué)模式的信息和最優(yōu)集成方法選取參照文獻(xiàn)[22,24]。相對(duì)濕度的預(yù)報(bào)數(shù)據(jù)來(lái)自于WRF4.0模式的預(yù)報(bào)結(jié)果。由于S3方案利用ECMWF確定性預(yù)報(bào)場(chǎng)數(shù)據(jù)，因此采用ECMWF全球確定性預(yù)報(bào)場(chǎng)為WRF模式提供初始場(chǎng)和邊界場(chǎng)，并采用WRF模式中的四維變分同化(FDDA)對(duì)ECMWF預(yù)報(bào)場(chǎng)進(jìn)行同化[25]，以使WRF模式氣象場(chǎng)與EC預(yù)報(bào)場(chǎng)一致。WRF模式采用雙層嵌套，水平分辨率分別為24和8 km，第一層覆蓋中國(guó)區(qū)域，第二層覆蓋華北地區(qū)。模式垂直方向分為35層，采用下密上疏的分布方式。PM2.5組分?jǐn)?shù)據(jù)來(lái)源于WRF模式驅(qū)動(dòng)的CAMx6.2 (comprehensive air quality model and extensions)模式[26]，該模式基于2016年0.25°分辨率的MEIC排放源清單(http://www.meicmodel.org)模擬各組分占PM2.5的比例，對(duì)多模式最優(yōu)集成預(yù)報(bào)的PM2.5濃度進(jìn)行劃分，得到新的PM2.5濃度。WRF模式和CAMx模式的設(shè)置參照文獻(xiàn)[27]。本研究均使用24 h預(yù)報(bào)結(jié)果對(duì)能見(jiàn)度進(jìn)行預(yù)報(bào)和檢驗(yàn)。

PM2.5濃度、相對(duì)濕度和能見(jiàn)度預(yù)報(bào)結(jié)果與監(jiān)測(cè)結(jié)果的對(duì)比驗(yàn)證選用的統(tǒng)計(jì)量包括平均偏差(ME)、標(biāo)準(zhǔn)化平均偏差(NME)、均方根誤差(RMSE)和相關(guān)系數(shù)(R)，計(jì)算公式如下：

(3)

(4)

(5)

(6)

1.3 過(guò)程概述

2019-02-18—03-05，北京市發(fā)生了2次較強(qiáng)的重污染天氣過(guò)程，分別為2月19—25日和2月28日—3月5日，該過(guò)程能見(jiàn)度和PM2.5濃度的變化趨勢(shì)見(jiàn)圖2。從圖2可以看出，2次重污染天氣過(guò)程的PM2.5濃度峰值均超過(guò)了200 μg/m3，能見(jiàn)度最低達(dá)0.4 km。第一次重污染天氣過(guò)程PM2.5濃度峰值超過(guò)300 μg/m3，并在2月20日、21日和22日出現(xiàn)了劇烈波動(dòng)，對(duì)應(yīng)的能見(jiàn)度也產(chǎn)生劇烈波動(dòng)；第二次重污染天氣過(guò)程污染程度低于第一次，而且PM2.5濃度和能見(jiàn)度變化較為平穩(wěn)，能見(jiàn)度大部分在1～4 km。選取這一時(shí)間段的數(shù)據(jù)對(duì)能見(jiàn)度預(yù)報(bào)方案進(jìn)行檢驗(yàn)，可以較好地體現(xiàn)預(yù)報(bào)方案對(duì)不同情況下能見(jiàn)度變化的預(yù)報(bào)能力。

2 結(jié)果與討論

2.1 相對(duì)濕度和PM2.5濃度預(yù)報(bào)數(shù)據(jù)驗(yàn)證

WRF模式對(duì)選取時(shí)段相對(duì)濕度的模擬效果較好〔圖3(a)〕，能反映出相對(duì)濕度的變化趨勢(shì)，相關(guān)系數(shù)可達(dá)0.95。但是仍存在一定的偏差，平均偏差為7.5%，均方根誤差為10.8%(表1)。對(duì)于部分高濕時(shí)段的相對(duì)濕度存在低估，如對(duì)于22日凌晨89%的相對(duì)濕度低估10個(gè)百分點(diǎn)；對(duì)低濕時(shí)段存在一定的高估，最高可達(dá)10個(gè)百分點(diǎn)。

圖3 2019-02-18—03-05北京市相對(duì)濕度和PM2.5濃度的預(yù)報(bào)值和觀測(cè)值對(duì)比Fig.3 Comparison of the forecasted and observed relative humidity and PM2.5 concentrations of Beijing from Feb.18 to Mar.5 in 2019

表1 相對(duì)濕度和PM2.5濃度預(yù)報(bào)值與觀測(cè)值統(tǒng)計(jì)對(duì)比

Table 1 Statistics of forecasted and observed relative humidity and PM2.5concentrations

項(xiàng)目觀測(cè)平均值預(yù)報(bào)平均值平均偏差標(biāo)準(zhǔn)化平均偏差均方根誤差相關(guān)系數(shù)2)相對(duì)濕度∕%40.047.57.53310.80.95PM2.5濃度∕(μg∕m3)95.985.2-10.7 31)34.40.90

1)單位為%；2)無(wú)量綱。

基于多模式最優(yōu)集成方法對(duì)選取時(shí)段的PM2.5濃度有較好的模擬效果〔圖3(b)〕，且對(duì)2月21日和22日PM2.5濃度的劇烈變化也有較好的模擬，相關(guān)系數(shù)為0.90。但是仍然存在一定的偏差，平均偏差為-10.7 μg/m3，均方根誤差為34.4 μg/m3(表1)，本研究評(píng)估結(jié)果與其他訂正后的預(yù)報(bào)結(jié)果相當(dāng)[18,21]。對(duì)于部分PM2.5峰值濃度存在一定的低估，如對(duì)2月23日PM2.5濃度下降過(guò)程存在明顯的低估；對(duì)PM2.5濃度快速增長(zhǎng)階段的預(yù)報(bào)存在一定的延遲，滯后1～2 h。

2.2 3種預(yù)報(bào)方案效果評(píng)估

3種預(yù)報(bào)方案能見(jiàn)度預(yù)報(bào)值與觀測(cè)值的統(tǒng)計(jì)結(jié)果及對(duì)比見(jiàn)表2和圖4。從表2可以看出，3種方案基本上均能反映出能見(jiàn)度的變化趨勢(shì)，其中S1方案相關(guān)系數(shù)最高，為0.85；S2方案的相關(guān)系數(shù)與S1方案基本接近，主要是由于S1方案和S2方案使用相同的相對(duì)濕度和PM2.5濃度預(yù)報(bào)數(shù)據(jù)；S3方案的相關(guān)系數(shù)最低，為0.68。S1方案平均偏差和均方根誤差最小，分別為2.3和6.3 km，對(duì)能見(jiàn)度存在一定的高估；S2方案平均偏差最大，為5.8 km，預(yù)報(bào)能見(jiàn)度較S1方案平均高3.6 km；S3方案雖然平均偏差為-3.1 km，但均方根誤差最大，為8.5 km，主要由于S3方案基本沒(méi)有產(chǎn)生20 km以上能見(jiàn)度預(yù)報(bào)值，導(dǎo)致平均預(yù)報(bào)值偏低。由于對(duì)PM2.5濃度快速增長(zhǎng)階段的預(yù)報(bào)存在延遲，導(dǎo)致S1和S2方案對(duì)能見(jiàn)度快速下降階段的預(yù)報(bào)也存在一定的延遲；對(duì)2月23日PM2.5濃度波動(dòng)階段的低估，導(dǎo)致對(duì)該時(shí)段能見(jiàn)度預(yù)報(bào)明顯偏高。

表2 3種預(yù)報(bào)方案能見(jiàn)度預(yù)報(bào)值與觀測(cè)值的統(tǒng)計(jì)結(jié)果

圖4 3種預(yù)報(bào)方案能見(jiàn)度預(yù)報(bào)值與觀測(cè)值對(duì)比Fig.4 Comparison of forecasted and observed visibility of three schemes

為進(jìn)一步分析不同預(yù)報(bào)方案對(duì)能見(jiàn)度的預(yù)報(bào)性能，對(duì)比了不同能見(jiàn)度和不同相對(duì)濕度區(qū)間下各預(yù)報(bào)方案能見(jiàn)度預(yù)報(bào)值相對(duì)觀測(cè)值的平均偏差，結(jié)果見(jiàn)圖5。由于1 km以下能見(jiàn)度出現(xiàn)時(shí)次較少，因此沒(méi)有單獨(dú)對(duì)1 km以下的能見(jiàn)度預(yù)報(bào)效果進(jìn)行評(píng)估，但是根據(jù)其他研究結(jié)果，S1方案對(duì)于1 km以下的能見(jiàn)度預(yù)報(bào)效果較好[10,28]。從圖5(a)可以看出，對(duì)于5 km以下的能見(jiàn)度范圍，S1方案與S3方案預(yù)報(bào)效果相當(dāng)，平均偏差在2 km左右，S2方案平均偏差為5.5 km；對(duì)于5～10 km能見(jiàn)度范圍，S3方案平均偏差最小，為0.7 km，S1方案平均偏差為3.9 km，S2方案平均偏差最高，為9.6 km。S1和S2方案對(duì)能見(jiàn)度的明顯高估與本次模擬過(guò)程中2種方案對(duì)能見(jiàn)度下降階段預(yù)報(bào)延遲有關(guān)。對(duì)于大于10 km的能見(jiàn)度范圍，S1方案平均偏差最小，為1.5 km，S2方案平均偏差為4.7 km，S3方案平均偏差為-11.3 km，出現(xiàn)了明顯的低估，這主要與S3方案對(duì)高能見(jiàn)度預(yù)報(bào)結(jié)果偏低有關(guān)。

圖5 3種預(yù)報(bào)方案在不同能見(jiàn)度等級(jí)和相對(duì)濕度 范圍內(nèi)對(duì)能見(jiàn)度預(yù)報(bào)結(jié)果的平均偏差Fig.5 Mean deviation of forecasted visibility of three schemes in different visibility levels and RH ranges

從圖5(b)可以看出，在不同相對(duì)濕度區(qū)間內(nèi)，各預(yù)報(bào)方案對(duì)能見(jiàn)度的預(yù)報(bào)效果也存在差異。在低濕區(qū)間(相對(duì)濕度小于50%)，S1方案的平均偏差最小，S3方案預(yù)報(bào)結(jié)果呈現(xiàn)低估；相對(duì)濕度為50%～70%時(shí)，S3方案平均偏差最小，S2方案平均偏差最大；相對(duì)濕度大于70%時(shí)，S3方案平均偏差大于S1方案。整體來(lái)看，各方案在相對(duì)濕度為40%～80%時(shí)，平均偏差較小，S1和S3方案平均偏差基本低于1 km，S2方案平均偏差在3 km左右。由于氣象模式對(duì)相對(duì)濕度在高濕區(qū)的低估和低濕區(qū)的高估，使預(yù)報(bào)方案對(duì)能見(jiàn)度在高濕區(qū)和低濕區(qū)的預(yù)報(bào)結(jié)果也存在較大偏差。

由于PM2.5組分?jǐn)?shù)據(jù)來(lái)自于CAMx模式的模擬結(jié)果，存在一定的誤差。尤其是在PM2.5濃度較高的情況下，大氣化學(xué)模式對(duì)二次無(wú)機(jī)鹽的生成存在低估[29-30]。而由式(2)可知，無(wú)機(jī)鹽是影響能見(jiàn)度的重要組分，其消光性大于有機(jī)組分。因此，對(duì)于PM2.5化學(xué)組分模擬的不確定性是導(dǎo)致S2方案存在高估的原因之一。

綜上所述，3種方案對(duì)能見(jiàn)度的預(yù)報(bào)效果，S1方案最好，相關(guān)系數(shù)最高，平均偏差和均方根誤差最??；S2方案呈現(xiàn)明顯的高估，S2方案較S1方案的平均偏差偏高3.4 km，均方根誤差高2.1 km；S3方案相關(guān)系數(shù)最低，在10 km以下能見(jiàn)度和50%～70%相對(duì)濕度區(qū)間預(yù)報(bào)平均偏差較小，但是對(duì)高能見(jiàn)度范圍預(yù)報(bào)結(jié)果存在明顯的低估。

2.3 影響預(yù)報(bào)效果的因素

為進(jìn)一步分析S1方案預(yù)報(bào)效果的影響因素，利用觀測(cè)值替代預(yù)報(bào)值對(duì)能見(jiàn)度進(jìn)行擬合評(píng)估，替代方案包括PM2.5濃度預(yù)報(bào)值和相對(duì)濕度觀測(cè)值(S1FO方案)、PM2.5濃度觀測(cè)值和相對(duì)濕度預(yù)報(bào)值(S1OF方案)、PM2.5濃度觀測(cè)值和相對(duì)濕度觀測(cè)值(S1OO方案)，結(jié)果見(jiàn)表3。

表3 S1方案和替代方案對(duì)能見(jiàn)度預(yù)報(bào)值和觀測(cè)值的統(tǒng)計(jì)結(jié)果

從表3可以看出，替代方案對(duì)能見(jiàn)度的預(yù)報(bào)效果均有提升。S1OO方案表現(xiàn)最好，相關(guān)系數(shù)為0.95，平均偏差為1.0 km，說(shuō)明S1參數(shù)化方案可以很好地反映PM2.5濃度、相對(duì)濕度和能見(jiàn)度的相關(guān)關(guān)系，這與Zhou等[19]的研究結(jié)果一致。S1OF方案將S1方案的相關(guān)系數(shù)由0.85提升至0.92，平均偏差由2.3 km降至1.3 km。S1OF方案表現(xiàn)優(yōu)于S1FO方案，更接近于基于觀測(cè)值的S1OO方案，這表明提升PM2.5濃度的預(yù)報(bào)效果對(duì)提高能見(jiàn)度的預(yù)報(bào)效果優(yōu)于相對(duì)濕度。

圖6對(duì)比了替代方案不同能見(jiàn)度和相對(duì)濕度范圍預(yù)報(bào)能見(jiàn)度的平均偏差。從圖6(a)可以看出，能見(jiàn)度在5 km以下，S1OF方案較S1方案平均偏差降低明顯，由2.3 km降至0.8 km，S1FO方案較S1方案降低不明顯。能見(jiàn)度為5～10 km與5 km以下表現(xiàn)一致，S1OF方案平均偏差較S1方案降低明顯，由3.9 km降至1.5 km，S1FO方案較S1方案降低0.4 km。能見(jiàn)度為10～30 km時(shí)，S1FO方案較S1方案平均偏差顯著降低，由1.5 km降至0.5 km，S1OF方案平均偏差增大。以上結(jié)果表明，能見(jiàn)度為10 km以下時(shí)，利用PM2.5濃度觀測(cè)值可以顯著提高對(duì)能見(jiàn)度的預(yù)報(bào)效果，但是利用相對(duì)濕度觀測(cè)值提高不明顯。

圖6 S1方案和替代方案在不同能見(jiàn)度等級(jí)和相對(duì)濕度 范圍內(nèi)對(duì)能見(jiàn)度預(yù)報(bào)結(jié)果的平均偏差Fig.6 Mean deviation of forecasted results of S1 and alternative schemes in different visibility levels and RH ranges

從圖6(a)可以看出，在低于70%的相對(duì)濕度范圍內(nèi)，S1OF方案均較S1方案有較大的改進(jìn)，平均偏差顯著降低，尤其是相對(duì)濕度為50%～60%時(shí)，平均偏差降至0.1 km；S1FO方案相較S1方案沒(méi)有明顯的改進(jìn)，甚至相對(duì)濕度為40%～60%時(shí)，平均偏差增大。在高于70%的相對(duì)濕度范圍內(nèi)，S1OF方案對(duì)S1方案的改進(jìn)效果差于S1FO方案，尤其是相對(duì)濕度為80%～90%時(shí)，S1OF方案較S1方案平均偏差降低了0.9 km，但S1FO方案較S1方案增加了0.9 km。以上結(jié)果表明，在低濕(相對(duì)濕度低于70%)范圍內(nèi)，使用PM2.5濃度觀測(cè)值可以顯著提高對(duì)能見(jiàn)度的預(yù)報(bào)效果；在高濕(相對(duì)濕度大于70%)范圍內(nèi)，使用相對(duì)濕度觀測(cè)值可以顯著提高預(yù)報(bào)效果。這與在低濕范圍內(nèi)PM2.5是影響能見(jiàn)度的主要因素，高濕范圍內(nèi)相對(duì)濕度是影響能見(jiàn)度的主要因素相一致。

綜上所述，提高PM2.5濃度的預(yù)報(bào)效果是提升能見(jiàn)度預(yù)報(bào)效果的關(guān)鍵，尤其是對(duì)能見(jiàn)度低于10 km的情況下提升效果更明顯，但在高濕范圍內(nèi)，提高相對(duì)濕度的預(yù)報(bào)效果對(duì)能見(jiàn)度預(yù)報(bào)效果的改善更明顯。

3 結(jié)論

(1)基于多模式最優(yōu)集成方法對(duì)PM2.5濃度和WRF4.0模式對(duì)相對(duì)濕度的預(yù)報(bào)效果均較好，相關(guān)系數(shù)分別可達(dá)0.90和0.95。但對(duì)PM2.5濃度預(yù)報(bào)仍然存在一定的低估，對(duì)相對(duì)濕度在高濕范圍內(nèi)的預(yù)報(bào)存在一定的低估。

(2)3種能見(jiàn)度參數(shù)化方案均能較好地反映能見(jiàn)度的變化趨勢(shì)，其中S1方案表現(xiàn)最好，相關(guān)系數(shù)最高，為0.85，平均偏差和均方根誤差最低，分別為2.3和6.3 km。

(3)S1方案可以顯著改進(jìn)S2方案對(duì)能見(jiàn)度的高估問(wèn)題，較S2方案平均偏差低3.6 km；S1方案較S3方案相關(guān)系數(shù)提高了0.17，主要是因?yàn)镾1方案對(duì)10 km以上能見(jiàn)度范圍預(yù)報(bào)效果較S3方案改進(jìn)明顯。

(4)提高PM2.5濃度的預(yù)報(bào)效果是提升能見(jiàn)度預(yù)報(bào)效果的關(guān)鍵，尤其是能見(jiàn)度低于10 km時(shí)效果更明顯，但是在高濕(相對(duì)濕度大于70%)范圍內(nèi)，提高相對(duì)濕度的預(yù)報(bào)效果對(duì)能見(jiàn)度預(yù)報(bào)效果改善更明顯。