2014—2016年珠海能见度的模式预报检验

杨巧兰，夏冬，王静

（珠海市公共气象服务中心，广东珠海 519000）

能见度是衡量大气透明度状况的一个重要气象指标，与大气的清洁程度有密切关系，能反映出大气的环境质量。对海、陆、空交通以及人类的生产生活有重大影响。随着经济的发展，恶劣的能见度对航海、航空以及城市交通造成的影响越来越显著，人们对能见度的关注日益提高。以往能见度的观测均为人工观测，国内大气能见度的研究多集中在时间变化趋势及影响因子上。张利等［1］指出经过多年浮动变化之后，我国能见度变化在1980年后趋于平缓，并有明显的季节和月变化；王威等［2］则指出，1980年后我国能见度呈缓慢下降趋势，气候湿润或人口密度较高的东部能见度逐年下降趋势明显；黄健等［3］和Deng等［4］均对珠江三角洲地区多年的能见度变化特征进行了分析；吴兑等［5］指出珠江三角洲能见度的恶化与细粒子有关。很多学者对珠三角地区部分城市能见度的变化特征及影响因子也进行了研究［6－8］，童志明等［9］指出近34年来珠海能见度呈先下降后上升趋势。随着自动观测兴起，由于自动观测仪器存在一定误差，很多学者开展了对自动观测能见度数据的评估分析及订正［10－11］。

随着数值预报模式产品在气象预报业务中的重要参考作用，很多学者逐渐开展了数值模式预报效果检验研究［12－14］。但是对广东省精细化业务系统（GIFT）订正产品的能见度预报效果进行检验分析的并不多。对GIFT产品进行检验和分析，可以使预报员能够更有根据地对数值预报产品加以订正。为了更好的开展珠海的能见度预报服务，本研究利用珠海2014—2016年自动观测数据对GIFT的能见度产品进行检验。

1 数据与方法

1.1 数据

广东省能见度自动观测仪器统一选用美国Bel－fort公司的M6000前向散射式能见度仪。能见度的观测值是仪器的发射器通过发光管发出光束入射到大气中，接收器将大气前向散射光束汇集到光电传感器的接受面上，将其转换为与消光系数成正比关系的电信号，再将电信号从背景噪声中分离计算得到［10］。本研究主要利用珠海市2个能见度自动观测站（斗门站和珠海站）2014年1月1日到2016年12月31日的资料。

检验的模式产品为广东省精细化业务系统（GIFT）的订正产品。GIFT基于GRAPES模式预报产品，预报员根据实况在数值预报产品格点数据的基础上进行修改，可精细到逐时预报，能更直观的表现出对于转折性天气的预报，同时通过各个台站预报员在系统反馈预报结果，实现上下联动、交互订正。采用的模式数据为与观测数据对应的每天20：00（北京时，下同）起报的时间分辨率均为3 h的能见度数据，本研究分别对24、48和72 h预报时效的产品进行检验。

1.2 检验方法

选取时间变化特征模拟和统计检验方法对珠海能见度的预报进行检验，统计检验方法又分为相关系数分析和误差分析。相关系数分析主要反映预报值与实测值的线性相关程度。误差分析包括平均误差（ME）、平均偏差（MD）、平均平方根误差（RMSE）和正态平均偏差（NMD）（见公式（1）－（4）），其中平均误差和平均偏差主要反映预报值与观测值的差值情况，平均平方根误差主要反映预报值与观测值的离散程度，正态平均偏差主要反映预报值的可靠程度，正态平均偏差值越小，表示预报值的可靠程度越高。

其中，Pi，Oi分别为模式预报和观测值；N为数据样本总量。

2 检验结果分析

2.1 时间变化特征模拟

图1为2014—2016年珠海站和斗门站不同预报时效的能见度值与观测值的对比。从图1的观测值可以看出，一年中能见度呈现明显的先增加后减少的变化趋势，其中1—4月能见度呈波动性增大，5—9月是能见度的大值区，10—12月能见度呈波动性减小。能见度的这种月变化可能有3方面原因：一是珠海的大雾天气主要出现在春冬季节，大雾导致冬春季节能见度偏低；二是1—3、11—12月盛行偏北及东北风，高频率的偏北、东北风使珠海处于下风向，容易受到上游污染物影响；三是1—3、11—12月受干冷气团影响，大气层结较稳定，不利于污染物的扩散。5—9月是珠海的汛期，受高空槽、副热带高压等天气系统影响，对流活跃，有利于污染物的扩散，能见度转好，而4和10月是过渡季节。

图1 珠海站（a）、斗门站（b）能见度不同时效预报值日变化特征模拟

2个站点的不同时效的预报值均能较好的模拟出能见度的这种时间变化趋势。但对于能见度数值的预报仍存在一定的偏差，其中较低能见度阶段，不同时效的模式预报值均与实测值接近，较高能见度阶段，不同预报时效的值均明显小于观测值，因此模式值与实测值的偏差主要出现在能见度的峰值区。

图2是2014—2016年珠海站和斗门站能见度不同时效的预报值与观测值的日变化特征对比。从图2中的观测值可以看出，2个站的能见度均有非常明显的日变化特征。对于珠海站，02：00—05：00能见度波动性下降，05：00能见度最低，随后逐渐上升，峰值出现在15：00—18：00，随后逐渐下降。对于斗门站，02：00—07：00能见度逐渐下降，07：00能见度最低，随后逐渐上升，峰值出现在15：00，随后逐渐下降。早晨能见度最低可能有两方面原因：一是早晨大气层结较稳定，近地层容易出现逆温现象，不利于污染物的扩散；二是清晨前后珠海风速最小，同时相对湿度较大，有利于辐射雾的生成，这与王威等［2］所指出的我国东部大部分地区，在小风和弱风天气条件下，能见度偏低，而华南地区能见度受风速影响最显著的结论一致。而白天风速较夜间大，太阳辐射加强，相对湿度减小，同时大气的对流活动加强，逆温现象逐渐消失，污染物容易扩散，因此白天能见度转好，午后能见度最好。

图2 珠海站（a）、斗门站（b）能见度不同时效预报值日变化特征模拟

模式不同时效的预报均基本能模拟出能见度变化曲线的峰值，但不能模拟出能见度在02：00—07：00的下降的趋势，而且没有模拟出于珠海站15：00—18：00的持续峰值。此外，模式值比观测值明显偏低。

2.2 相关性及误差分析

表1列出了研究时段各时效2个站点能见度预报值与观测值的统计参数评估结果，可以看出各时效能见度的预报值与实测值的相关系数均通过了0.01的显著性检验，表明各时效的预报值均能较好的反映能见度的变化特征，其中24 h时效的预报值与实测值的相关系数最大。从表1中还可以看出，24、48、72 h时效的预报值与实测值的平均误差分别为8.56、8.88、8.97，平均偏差分别为－5.37、－5.37、－5.31，表明各时效的预报值与实测值均较为接近，但数值偏低，结合正态平均偏差值可以看出，各时效的预报值均存在28%的低估。而平均平方根误差分别为12.06、12.36、12.43，说明预报值与实测值的离散程度随着预报时效的增加略有增大。

表1 珠海站和斗门站能见度模式预报年值偏差及相关系数

斗门站各时效能见度预报值与实测值的统计参数评估结果与珠海站相差不大，各时效能见度的预报值与实测值的相关系数均通过了0.01的显著性检验，24 h时效的预报值与实测值的相关系数最大，各时效的预报值与实测值均较为接近，但均存在31%的低估，预报值与实测值的离散程度也随着预报时效的增加而略有增大。

另外，从表1还可以看出2014—2016年不同月份各预报时效珠海站能见度模式值与观测值的统计参数评估的情况，对于不同月份，随着预报时效越长，相关系数越小；平均误差、平均偏差、平均平方根误差及正态平均偏差越大。

此外还可以看出，1—6、11－12月预报值与观测值的相关性较高，说明这几个月的预报值能够较好的反映能见度实况的变化特征，而7—10月的相关性则明显偏差。从平均偏差上看，1—3、12月的平均偏差较小且为正值，5—9月为明显的负值，而4、10、11月为转折时期，平均偏差为较小的负值，表明1—3和12月模式的预报值与实况基本接近，略高于观测值，4月起预报值开始逐渐偏低，5—9月各时效的预报值均明显低于实况，10—11月预报值又逐渐接近观测值。平均平方根误差从5—9月明显偏大，表明5—9月预报值与实测值的离散程度偏大，而其他月份预报值与实测值的离散程度则有明显改善。而从正态平均偏差来看，5—9月不同时效能见度的预报值均低估，且低估程度较高，其中6月份预报偏差幅度最大，达到56%；10—11和1月的预报值的偏差幅度较小，其中，10—11月存在10%左右的低估，而1月存在20%左右的高估；2—4和12月正态平均偏差值最小，预报值的偏差幅度均小于10%，表明2—4和12月不同时效能见度预报值的可靠性最好。

斗门站2014—2016年不同月份各预报时效能见度模式值与实测值的统计参数评估结果与珠海站基本一致。随着预报时效越长，各月份的相关系数越小，平均误差、平均偏差、平均平方根误差及正态平均偏差越大。1—6、11—12月预报值与实测值的相关性较其他月份高。1—3、12月模式的预报值与实况基本接近，略高于实测值，4月起预报值开始逐渐偏低，5—9月各时效的预报值均明显低于实况，10—11月预报值又逐渐接近观测值。5—9月预报值与观测值的离散程度偏大。5—9月不同时效能见度的预报值均低估，且低估程度较高，其中6月份预报偏差幅度最大，达到56%；10—11月及1月的预报值的偏差幅度较小，其中，10—11月存在10%左右的低估，而1月存在20%左右的高估；2—4、12月正态平均偏差值最小，预报值的偏差幅度均小于10%，表明2—4、12月不同时效能见度预报值的可靠性最好。

3 结论

1）对于珠海站和斗门站，模式均能够较好的模拟出能见度的时间变化趋势。对于较低的能见度，不同时效的模式值均与观测值接近。模式值与观测值的偏差主要出现在能见度的峰值，不同预报时效模拟的峰值均明显小于观测值。

2）从整个研究时段来看，模式模拟的能见度值总体上处于低估的水平，对珠海站各时效均存在28%的低估，而斗门站则均存在31%的低估。从预报值与观测值的相关性来看，2个站点各时效的预报值与实测值的相关系数均通过了0.01的显著性检验，24 h时效的相关性最好，预报值与观测值的相关性随着时效变长略有降低。预报值与实测值的离散程度也随着预报时效的增加而变大。

3）从不同月份模式值与实测值统计参数评估可以看出，对于不同月份，随着预报时效越长，相关系数越小；平均误差、平均偏差、平均平方根误差及正态平均偏差越大。从相关系数来看，1—6、11—12月预报值与观测值的相关性较高，而7—10月的相关性则明显变差。1—3、12月模式的预报值与观测值基本接近，5—9月各时效的预报值均明显低于观测值，其中6月份预报低估达到56%。