太原大氣能見度影響因子分析及能見度預(yù)報(bào)

盧盛棟，陳立瑾，趙桂香，張澤秀，段鵬飛

（1.山西省氣象災(zāi)害防御技術(shù)中心，山西 太原030012；2.太原理工大學(xué)，山西 太原030024；3.山西省氣象臺(tái)，山西 太原030006；4.太原市氣象局，太原030082；5.太原市尖草坪區(qū)氣象局，山西 太原030023）

大氣能見度與人們生產(chǎn)生活密切相關(guān)，低能見度容易導(dǎo)致交通事故、飛機(jī)延誤等。近年來大氣能見度問題，特別是低能見度問題，受到我國學(xué)者的廣泛關(guān)注，并開展了大量研究[1-8]。李瀟瀟等[5]利用大連地區(qū)大氣能見度與相對(duì)濕度、風(fēng)速、氣溫、氣壓的關(guān)系，分析了大連地區(qū)大氣能見度與氣象要素的相關(guān)性。姜江等[6]研究了北京大氣能見度與相對(duì)濕度、風(fēng)速、PM2.5的關(guān)系，發(fā)現(xiàn)當(dāng)相對(duì)濕度增加至80%時(shí)，能見度受PM2.5濃度的影響下降、受相對(duì)濕度的影響增加。吳兌等[7]發(fā)現(xiàn)人類活動(dòng)產(chǎn)生的細(xì)粒子是造成廣州低能見度的主要原因。李良玉等[8]研究表明石家莊地區(qū)特有的地形地貌導(dǎo)致了該地區(qū)低能見度頻發(fā)。由此可見，能見度影響因素復(fù)雜，不僅與氣象條件有關(guān)，還受當(dāng)?shù)卮髿獬煞?、地形條件和人類活動(dòng)等因素影響。

分析影響能見度成因的同時(shí)，廣大學(xué)者也展開了能見度預(yù)報(bào)模型的探討。倪江波等[9]利用數(shù)學(xué)建模的方法構(gòu)建了華北地區(qū)的能見度預(yù)報(bào)模型。白永清等[10]研究了在不同相對(duì)濕度條件下武漢地區(qū)大氣能見度與PM2.5濃度的定量關(guān)系。胡海川[11]、梁之彥[12]利用神經(jīng)網(wǎng)絡(luò)的方法分別對(duì)環(huán)渤海地區(qū)、廣州地區(qū)的能見度進(jìn)行了預(yù)報(bào)研究。

太原是山西省省會(huì)，三面環(huán)山，處于山西中部盆地，大氣常處于靜穩(wěn)狀態(tài)，不利于污染物的擴(kuò)散，低能見度現(xiàn)象頻繁發(fā)生。管琴等[13]利用2009年太原地區(qū)日平均能見度、日平均相對(duì)濕度及空氣污染指數(shù)進(jìn)行擬合，建立了能見度預(yù)報(bào)模型，該模型對(duì)太原地區(qū)能見度預(yù)報(bào)具有一定的適用性。但隨著近幾年太原市城市規(guī)模的擴(kuò)大，都市圈區(qū)域逐漸南移，且隨著山西省資源轉(zhuǎn)型發(fā)展，太原周邊企業(yè)污染物排放已發(fā)生了變化，影響能見度的因素更加復(fù)雜。文章利用2017—2019年太原地區(qū)逐時(shí)能見度、相對(duì)濕度、風(fēng)速、氣溫、PM2.5濃度和PM10濃度觀測(cè)數(shù)據(jù)，定量分析了天氣環(huán)境因素對(duì)能見度的影響，并以兩次典型霾過程詳細(xì)分析了低能見度的演變特征，最后采用神經(jīng)網(wǎng)絡(luò)方法構(gòu)建了能見度預(yù)報(bào)模型，為太原地區(qū)能見度預(yù)報(bào)提供科學(xué)參考。

1 資料與方法

1.1 資料來源

選擇太原市大氣能見度、相對(duì)濕度、風(fēng)速、氣溫、PM2.5濃度和PM10濃度資料開展分析，氣象數(shù)據(jù)和污染物濃度數(shù)據(jù)均由山西省氣象信息中心提供，資料序列為2017—2019年逐時(shí)數(shù)據(jù)（其中去掉了受降水影響的樣本），經(jīng)質(zhì)量控制去掉奇異值，所有時(shí)刻均為北京時(shí)。

1.2 方法簡(jiǎn)介

參照中國氣象局發(fā)布的《霾的觀測(cè)和預(yù)報(bào)等級(jí)》標(biāo)準(zhǔn)[14]對(duì)霾進(jìn)行判別：排除時(shí)段內(nèi)降水等天氣造成的低能見度，即當(dāng)能見度V＜10 km且相對(duì)濕度RH＜80%時(shí)，或相對(duì)濕度滿足80%≤RH＜95%且PM2.5＞75μg/m3時(shí)，統(tǒng)計(jì)為霾；當(dāng)能見度V≥10 km時(shí)，統(tǒng)計(jì)為非霾。當(dāng)判斷為霾時(shí)，可根據(jù)能見度（V）將霾劃分等級(jí)：輕微（5 km≤V＜10 km）、輕度（3 km≤V＜5 km）、中度（2 km≤V＜3 km）和重度（V＜2 km）。

BP神經(jīng)網(wǎng)絡(luò)是一種前饋性神經(jīng)網(wǎng)絡(luò)，有信號(hào)前向傳遞，誤差反向傳播的特點(diǎn)。在前向傳遞中，輸入信號(hào)從輸入層、隱含層逐層處理直至輸出層，如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使預(yù)測(cè)輸出不斷逼近期望輸出。

采用神經(jīng)網(wǎng)絡(luò)方法建立大氣能見度預(yù)報(bào)模型，主要用到TS評(píng)分、均方根誤差（ERMS）、平均絕對(duì)百分誤差（EMAP），檢驗(yàn)方法如下：

式（1）～（3）中，NA代表預(yù)報(bào)正確樣本數(shù)，NB代表空?qǐng)?bào)樣本數(shù)，NC代表漏報(bào)樣本數(shù)，P代表預(yù)報(bào)值，O代表觀測(cè)值，N代表檢驗(yàn)樣本個(gè)數(shù)。預(yù)報(bào)正確指預(yù)報(bào)等級(jí)與實(shí)況等級(jí)相同；空?qǐng)?bào)指預(yù)報(bào)出現(xiàn)在等級(jí)內(nèi)而實(shí)況沒有出現(xiàn)在等級(jí)內(nèi)；漏報(bào)指預(yù)報(bào)沒有出現(xiàn)在等級(jí)內(nèi)而實(shí)況出現(xiàn)在等級(jí)內(nèi)。

2 結(jié)果與分析

2.1 太原地區(qū)大氣能見度及主要影響因子時(shí)空分布特征

基于2017—2019年氣象資料統(tǒng)計(jì)結(jié)果，太原年平均能見度為18.24 km。從空間分布看（圖1），東南部分能見度較低，北部能見度最高，太原大氣能見度表現(xiàn)為由南向北逐漸好轉(zhuǎn)的分布特征。

圖1 太原地區(qū)平均能見度空間分布

從時(shí)間變化看（圖2），2017—2019年太原地區(qū)平均能見度最大值出現(xiàn)在5月，平均能見度超過20 km，最小值出現(xiàn)在1月，平均能見度不足10 km，這與姜江等[6]研究得出的北京最低能見度在夏季7月份，結(jié)果截然不同，表現(xiàn)出地域性差異，這可能與太原及周邊地區(qū)污染物輸送有關(guān)，并且太原三面環(huán)山的地形不利于污染物排放也有影響。能見度的波峰（谷）與風(fēng)速的波峰（谷）及濕度的波谷（峰）基本一致。PM2.5濃度在1月過后大幅下降，在4—10月平均濃度均低于50μg/m3，10月開始回升；而平均能見度在5月出現(xiàn)最高值，6月開始下降，這時(shí)氣溫上升顯著，這與夏季較高的氣溫有利于消光特性的氣溶膠的增長(zhǎng)有關(guān)。PM10濃度較PM2.5濃度變化幅度較大，但二者增減趨勢(shì)基本一致。

依據(jù)氣候?qū)W常用方法對(duì)季節(jié)進(jìn)行劃分：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12—次年2月），對(duì)各要素按季分類統(tǒng)計(jì)，得出日變化特征（圖3）。能見度最低值出現(xiàn)在06時(shí)（北京時(shí)，下同）左右，冬季出現(xiàn)在09時(shí)左右，能見度最高值出現(xiàn)在15時(shí)前后。能見度的波峰（谷）較好的對(duì)應(yīng)于相對(duì)濕度波谷（峰）、風(fēng)速波峰（谷）。氣溫在每日06時(shí)前后達(dá)到最低，15時(shí)達(dá)到最高，與能見度變化也較為一致。對(duì)于PM2.5濃度與PM10濃度，春夏變化規(guī)律較為一致，09時(shí)達(dá)到波峰，15時(shí)達(dá)到波谷，秋冬季節(jié)06時(shí)前后出現(xiàn)波谷，然后遞增，09時(shí)出現(xiàn)波峰，之后由于熱力擴(kuò)散條件逐漸好轉(zhuǎn)，風(fēng)速增大，有利于擴(kuò)散，開始降低，15時(shí)達(dá)到波谷，此時(shí)顆粒物濃度最小，濕度最低，能見度處于最高值，之后風(fēng)速下降，顆粒物濃度逐漸增加，能見度開始下降，且秋冬季下降更明顯，21：00前后逆溫層形成，顆粒物濃度達(dá)到最高峰，能見度處于波谷。就平均狀態(tài)而言，逐時(shí)能見度周期變化規(guī)律與氣象因子變化一致，且與顆粒物濃度有關(guān)。

圖2 2017—2019年月平均能見度（a）、風(fēng)速（b）、PM2.5濃度（c）及PM10濃度（d）

圖3 2017—2019年季平均能見度（a）、濕度（b）、PM2.5濃度（c），PM10濃度（d）日變化特征

2.2 低能見度與氣象要素變化特征

圖4為太原地區(qū)2017—2019年低能見度（V＜10 km）分布圖。太原地區(qū)低能見度事件1月最多，5月最少；1月低能見度分別出現(xiàn)17、13、14 d，5月低能見度分別出現(xiàn)3、1、3 d。2017、2018、2019年太原低能見度分別出現(xiàn)93、84、79 d，年平均發(fā)生頻率分別為25.48%、23.01%、21.64%。

圖4 2017—2019年太原地區(qū)低能見度月變化

為分析相對(duì)濕度、顆粒物濃度、風(fēng)速等對(duì)能見度的影響，本文統(tǒng)計(jì)分析了在不同低能見度等級(jí)下各影響因子的均值變化情況（表1）。隨著能見度降低，PM2.5濃度、PM10濃度、相對(duì)濕度增加，氣溫及風(fēng)速減小。低能見度現(xiàn)象出現(xiàn)時(shí)，發(fā)生頻率最高的是輕微級(jí)（49.83%），發(fā)生頻率最低的是重度級(jí)（12.1%）。

表1 不同低能見度等級(jí)下的影響因子

相關(guān)研究表明[15-16]，隨著相對(duì)濕度及顆粒物濃度的增加，能見度下降明顯，且在高濕環(huán)境下，相對(duì)濕度對(duì)能見度的影響更大，原因在于空氣中水分達(dá)到一定含量時(shí)，相對(duì)濕度對(duì)大氣中可溶性氣溶膠的消光系數(shù)影響很大，導(dǎo)致折射指數(shù)發(fā)生改變，消光能力顯著增強(qiáng)，能見度惡化顯著。參照姜江等[7]對(duì)北京大氣能見度研究的方法，本文將相對(duì)濕度＜80%的霾稱為干霾，相對(duì)濕度≥80%的霾稱為濕霾，對(duì)干霾和濕霾分別進(jìn)行統(tǒng)計(jì)。

2017—2019年太原地區(qū)低能見度事件發(fā)生時(shí)，干霾發(fā)生頻率占59.27%，濕霾發(fā)生頻率為40.73%。由表2、表3可知，在同一霾等級(jí)下，濕霾發(fā)生時(shí)的能見度、風(fēng)速、顆粒物濃度明顯低于干霾發(fā)生時(shí)，而氣溫比干霾發(fā)生時(shí)高。在濕霾情況下，4個(gè)等級(jí)對(duì)應(yīng)的風(fēng)速差別不大，輕微級(jí)與輕度級(jí)對(duì)應(yīng)的風(fēng)速基本相同，風(fēng)速與霾的等級(jí)一致性不強(qiáng)，因?yàn)轹铂F(xiàn)象發(fā)生時(shí)，平均風(fēng)速在微風(fēng)狀態(tài)，導(dǎo)致霧粒的碰并增長(zhǎng)，將底層水汽輸送到較高層形成霧，導(dǎo)致能見度下降，風(fēng)速只有達(dá)到一定程度才能破壞霧的出現(xiàn)，使污染物有效擴(kuò)散。

從發(fā)生頻率看，太原地區(qū)低能見度事件多由干霾造成，而濕霾比干霾造成的能見度惡化得更加明顯。干霾事件發(fā)生時(shí)，發(fā)生頻率最高的是輕微級(jí)（62.29%），發(fā)生頻率最低的是重度級(jí)（3.98%）；濕霾發(fā)生時(shí)，發(fā)生頻率最高的是輕微級(jí)（31.69%），其次是重度級(jí)（28.47%），發(fā)生頻率最低的是中度級(jí)（17.11%），可見濕霾現(xiàn)象發(fā)生時(shí)，重度級(jí)能見度發(fā)生率較高。

表2 干霾不同等級(jí)下的能見度及其影響因子

表3 濕霾不同等級(jí)下的能見度及其影響因子

2.3 典型霾事件過程中能見度及各影響因子變化

選擇太原兩次典型的低能見度事件，對(duì)相對(duì)濕度、風(fēng)速、氣溫、PM2.5濃度及PM10濃度對(duì)能見度的影響進(jìn)行分析。

2018年12月13日15：00—12月16日15時(shí)太原出現(xiàn)一次低能見度天氣過程，相對(duì)濕度在整個(gè)日變化過程中均在80%以下，是典型的干霾過程。由圖5可知，2018年12月13日15時(shí)，太原大氣能見度為24.1 km，相對(duì)濕度為16%，PM2.5濃度及PM10濃度分別為63.9μg/m3、96μg/m3。隨著相對(duì)濕度、PM2.5濃度、PM10濃度逐漸遞增，能見度開始下降，在12月14日09時(shí)，能見度降至4.4 km。隨后相對(duì)濕度、PM2.5濃度、PM10濃度開始降低，隨著氣溫升高以及午后局地對(duì)流加強(qiáng)，13時(shí)PM2.5濃度、PM10濃度降到24.8μg/m3、49.5μg/m3，能見度短暫恢復(fù)至10.5 km，之后隨著顆粒物濃度再次升高，能見度出現(xiàn)波動(dòng)性降低。直到12月15日09時(shí)，PM2.5濃度、PM10濃度分別增加到260.1μg/m3、374.8μg/m3，能見度降到最低為2.4 km。在12月15日19時(shí)PM2.5濃度、PM10濃度快速下降到11.6、47.2μg/m3，風(fēng)速增加到3.9 m/s，能見度迅速回升至22.5 km，之后隨著風(fēng)速下降，顆粒物濃度升高，能見度降低至4.2 km。12月16日09時(shí)起，顆粒物濃度降低，能見度轉(zhuǎn)好，15時(shí)能見度增加到23.9 km，此次干霾過程結(jié)束。整個(gè)過程PM2.5濃度與PM10濃度變化趨勢(shì)一致，相對(duì)濕度日變化特征明顯，PM2.5濃度及PM10濃度對(duì)能見度變化影響顯著。

2018年1月13日15時(shí)太原地區(qū)能見度＞20 km，只有城區(qū)小部分區(qū)域＜20 km。12月14日17時(shí)能見度降到10 km左右，且能見度由北向南逐漸減弱。至12月15日09時(shí)，由于顆粒物濃度達(dá)到峰值，能見度降到最低，太原城區(qū)（東南部分）低于5 km。隨著顆粒物濃度減弱，能見度開始轉(zhuǎn)好，至12月16日15時(shí)，太原大部分地區(qū)能見度恢復(fù)到20 km以上。

另選取2020年1月9—10日太原地區(qū)經(jīng)歷的一次低能見度事件，太原市在此期間實(shí)行了交通管制。在此次事件中，相對(duì)濕度除自身的日變化規(guī)律外均＞80%，是一次典型的濕霾過程。由圖6可知，2020年1月9日11時(shí)太原大氣能見度為12.22 km，隨著相對(duì)濕度、PM2.5濃度及PM10濃度的持續(xù)增加，能見度持續(xù)下降，9日13時(shí)雖然風(fēng)速持續(xù)增加，但由于相對(duì)濕度在高值區(qū)維持阻礙了能見度的好轉(zhuǎn)；9日19時(shí)相對(duì)濕度達(dá)到最高值為89%，PM2.5濃度達(dá)到峰值為243μg/m3，PM10濃度達(dá)到峰值為302μg/m3，此時(shí)能見度降到最低為3.6 km。之后隨著相對(duì)濕度、PM2.5濃度、PM10濃度逐漸降低，大氣能見度波動(dòng)性增加，1月10日01時(shí)，能見度出現(xiàn)短暫回升（6.63 km），之后隨著相對(duì)濕度及顆粒物濃度增大，能見度降至5.2 km（1月10日09時(shí)）。1月10日12時(shí)起，伴隨著氣溫回升及相對(duì)濕度、顆粒物濃度的快速下降，能見度迅速回升至25.88 km（1月10日15時(shí)），此次濕霾天氣過程結(jié)束。與2018年12月的干霾過程比較，此次濕霾過程中，相對(duì)濕度對(duì)能見度變化影響較大。

圖5 2018年12月13日15時(shí)—12月16日15時(shí)霾天氣過程能見度（a）、相對(duì)濕度（b）、PM2.5濃度（c）、PM10濃度變化特征（d）

2020年1月9日11時(shí)，太原地區(qū)能見度在10 km左右，北部區(qū)域比南部區(qū)域高，隨著相對(duì)濕度增大，1月9日19時(shí)，能見度降到最低，整個(gè)太原地區(qū)能見度不足5 km，隨著相對(duì)濕度開始降低，能見度出現(xiàn)回升，至1月10日11時(shí)，大部分能見度恢復(fù)至6 km左右，直至1月10日14時(shí)，太原地區(qū)大部分區(qū)域能見度恢復(fù)至10 km以上，只有南部城區(qū)恢復(fù)較慢。

2.4 能見度預(yù)報(bào)模型初探

太原地區(qū)相對(duì)濕度、溫度、風(fēng)速、PM2.5濃度和PM10濃度與能見度的相關(guān)系數(shù)分別為-0.414、0.221、0.257、-0.113、-0.203，都達(dá)到了0.01的顯著性水平（表4），但大量研究表明大氣能見度與顆粒物濃度、相對(duì)濕度、風(fēng)速等影響因子為非線性關(guān)系[17-21]，因此不能以簡(jiǎn)單線性回歸方法建立能見度預(yù)報(bào)模型。

表4 能見度影響因子相關(guān)性分析

神經(jīng)網(wǎng)絡(luò)方法具有很好的處理非線性問題的能力，采用神經(jīng)網(wǎng)絡(luò)方法建立能見度預(yù)報(bào)模型，一般確定隱含層節(jié)點(diǎn)數(shù)為10。隱含層節(jié)點(diǎn)數(shù)的確定直接關(guān)系到模型構(gòu)建的合理性，一般來說，增加隱含層節(jié)點(diǎn)數(shù)可以提高網(wǎng)絡(luò)收斂精度，但隱含層過多，會(huì)使網(wǎng)絡(luò)對(duì)樣本識(shí)別能力下降，出現(xiàn)過擬合現(xiàn)象。通過Matlab軟件編程來實(shí)現(xiàn)建模。

選用BP神經(jīng)網(wǎng)絡(luò)算法，將相對(duì)濕度、風(fēng)速、氣溫、PM2.5濃度和PM10濃度5個(gè)預(yù)報(bào)因子作為網(wǎng)絡(luò)學(xué)習(xí)的矩陣輸入端，能見度預(yù)報(bào)值作為網(wǎng)絡(luò)的期望輸出端。將太原市2019年1—12月逐時(shí)數(shù)據(jù)分為兩段，前3/4長(zhǎng)度為訓(xùn)練期，后1/4作為預(yù)報(bào)期，構(gòu)建神經(jīng)網(wǎng)絡(luò)大氣能見度預(yù)報(bào)模型，并采用公式（1）～（3）對(duì)預(yù)報(bào)模型的效果進(jìn)行檢驗(yàn)。

圖6 2020年1月9日11時(shí)—1月10日15時(shí)霾天氣過程能見度（a）、相對(duì)濕度（b）、PM2.5濃度（c）、PM10濃度變化特征（d）

圖7給出了訓(xùn)練后的大氣能見度預(yù)報(bào)模型在預(yù)報(bào)期內(nèi)模擬值與實(shí)況值的對(duì)比。模擬值與實(shí)況值的變化趨勢(shì)基本一致，但對(duì)于20 km以上能見度隨實(shí)況值增大模擬略偏低，但整體預(yù)報(bào)與實(shí)況基本吻合，對(duì)低能見度樣本模擬效果更佳。神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)初期模擬預(yù)報(bào)值的準(zhǔn)確度高于預(yù)報(bào)后期，實(shí)際業(yè)務(wù)應(yīng)用中可不斷更新訓(xùn)練樣本，以提高后期預(yù)報(bào)效果。

均方根誤差反映模擬值與觀測(cè)值之間的偏差，平均絕對(duì)百分誤差反映誤差占觀測(cè)值的比例大小，這兩個(gè)指標(biāo)常用來判斷模型的模擬效果。對(duì)神經(jīng)網(wǎng)絡(luò)構(gòu)建的大氣能見度預(yù)報(bào)模型進(jìn)行檢驗(yàn)，均方根為4.43 km，平均絕對(duì)誤差為17.39%。由表5可知，神經(jīng)網(wǎng)絡(luò)構(gòu)建的能見度模型預(yù)報(bào)效果良好，對(duì)輕微級(jí)能見度的TS評(píng)分為0.87，具有較高準(zhǔn)確性。隨著能見度的降低，TS評(píng)分逐漸降低，模擬值略偏大。

圖7 神經(jīng)網(wǎng)絡(luò)模型預(yù)報(bào)期內(nèi)能見度預(yù)報(bào)與實(shí)況對(duì)比

表5 能見度分級(jí)檢驗(yàn)評(píng)分指標(biāo)

3 結(jié)論

本文利用2017—2019年太原地區(qū)逐時(shí)氣象觀測(cè)資料，分析了能見度及其主要影響因子的變化特征，并對(duì)兩次低能見度過程進(jìn)行深入分析，利用神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了能見度預(yù)報(bào)模型，并進(jìn)行了檢驗(yàn)，得到如下結(jié)論：

（1）太原地區(qū)月平均能見度最大值出現(xiàn)在5月，最小值出現(xiàn)在12月和1月。春、夏、秋平均能見度日間最低值出現(xiàn)在06時(shí)前后，冬季出現(xiàn)在09時(shí)前后，最高值都出現(xiàn)在15時(shí)前后；能見度的波峰（谷）較好的對(duì)應(yīng)于相對(duì)濕度波谷（峰）、風(fēng)速波峰（谷）；能見度周期變化規(guī)律與氣象條件非常一致，且與顆粒物濃度有關(guān)。

（2）2017—2019年太原低能見度分別出現(xiàn)93、84、79 d，年平均發(fā)生頻率分別為25.48%、23.01%、21.64%。低能見度現(xiàn)象出現(xiàn)時(shí)，發(fā)生頻率最高的是輕微級(jí)（49.83%），發(fā)生頻率最低的是重度級(jí)（12.1%）。太原地區(qū)低能見度天氣現(xiàn)象多由干霾天氣造成，但濕霾天氣發(fā)生時(shí)，能見度惡化得更加明顯。干霾事件發(fā)生時(shí)，發(fā)生頻率最高的是輕微級(jí)（62.29%），發(fā)生頻率最低的是重度級(jí)（3.98%）；濕霾發(fā)生時(shí)，發(fā)生頻率最高的是輕微級(jí)（31.69%），其次是重度級(jí)（28.47%），發(fā)生頻率最低的是中度級(jí)（17.11%）。

（3）根據(jù)兩次典型的低能見度分析結(jié)果，能見度均隨相對(duì)濕度、風(fēng)速、氣溫、PM2.5濃度及PM10濃度的變化有所起伏；PM2.5濃度和PM10濃度變化趨勢(shì)基本一致，但PM2.5濃度對(duì)能見度的影響更大；濕霾過程中，大氣能見度與相對(duì)濕度變化特征更為一致；干霾天氣過程中，大氣能見度與PM2.5濃度及PM10濃度變化特征更為相關(guān)。濕霾的發(fā)生、發(fā)展到結(jié)束，能見度在空間上表現(xiàn)為由北向南逐漸減弱，由南向北逐漸好轉(zhuǎn)的變化規(guī)律，且城區(qū)區(qū)域能見度低于郊區(qū)。

（4）神經(jīng)網(wǎng)絡(luò)構(gòu)建的大氣能見度預(yù)報(bào)模型預(yù)報(bào)性能良好，經(jīng)檢驗(yàn)，相關(guān)系數(shù)為0.81，均方根為4.43 km，平均絕對(duì)誤差為17.39%，輕微級(jí)能見度的TS評(píng)分為0.87，具有較高準(zhǔn)確性。