能见度参数化方案优化及在北京地区的应用评估

为了利用订正后PM2.5浓度预报结果提高能见度预报准确性,根据不同相对湿度下能见度与PM2.5浓度的相关关系,提出了一种改进的能见度参数化方案(S1).为了评估该方案的预报性能,利用基于最优多模式集成方法预报的PM2.5浓度对北京市2019-02-18—03-05污染过程的能见度进行预报,并对比评估了利用美国大气能见度观测项目建立的经验参数化方案(IMPROVE,S2)和基于神经网络(S3)的能见度预报效果.结果表明:基于多模式最优集成方法对PM2.5浓度和WRF4.0模式对相对湿度的预报效果均较好,相关系数达0.90.3种方案都对选取时段能见度的变化趋势有较好的预报,其中S1方案相关系数最高(0.85),均方根误差最小,预报效果最好;S1方案较S2方案平均偏差降低3.6 km;S1方案较S3方案预报效果的提升主要是在能见度大于10 km的范围内.PM2.5浓度预报效果对能见度预报效果的影响高于相对湿度,但在相对湿度大于70％的情况下,其预报效果对能见度预报效果的影响更大.