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。
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)。
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)。
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
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
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。
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)
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。