多元?jiǎng)討B(tài)逐步回歸方法在北京地區(qū)能見度預(yù)報(bào)中的應(yīng)用

邢 楠，趙 瑋，付宗鈺，王媛媛，亢妍妍

(1.北京城市氣象研究院，北京 100089；2.北京市氣象臺(tái)，北京 100089)

引 言

近年來，我國霧、霾等低能見度天氣頻發(fā)，大部分嚴(yán)重霧、霾天氣過程往往持續(xù)較長(zhǎng)時(shí)間[1-2]，日益影響交通安全和群眾生活。北京作為政治和文化中心，霧、霾等低能見度事件受到更為廣泛的關(guān)注。此外，由于北京地處華北平原西北邊緣，特殊地理位置和氣象條件使得北京秋冬季經(jīng)常發(fā)生低能見度事件[3]，復(fù)雜的影響因素使得相關(guān)預(yù)報(bào)具有較大難度。能見度是霧、霾天氣的重要參考指標(biāo)，對(duì)北京地區(qū)能見度預(yù)報(bào)技術(shù)的研究在保障城市交通安全、防災(zāi)減災(zāi)、提高人民生活質(zhì)量等方面具有重要的實(shí)際意義和應(yīng)用價(jià)值。

能見度受區(qū)域天氣條件影響顯著[4-5]。當(dāng)華北處于冷高壓前側(cè)時(shí)，北京受偏北風(fēng)影響，地面風(fēng)速較大，大氣擴(kuò)散條件好，能見度高[6]。當(dāng)高空由經(jīng)向環(huán)流轉(zhuǎn)為緯向環(huán)流或者處于脊后槽前時(shí)，地面多受高壓后部、均壓場(chǎng)等形勢(shì)控制，北京地區(qū)的大氣擴(kuò)散條件轉(zhuǎn)差，能見度較低[7-8]。因而，能見度與表征天氣形勢(shì)的氣象要素關(guān)系密切[9-12]。有研究表明影響北京冬季能見度的主要因素為空氣濕度、風(fēng)速、PM10等，高濕、小風(fēng)等氣象條件不利于大氣的擴(kuò)散[13]。除水汽條件和水平動(dòng)力因素外，能見度也與垂直速度、溫度等大氣垂直動(dòng)力及層結(jié)因素密切相關(guān)[8,14-15]。

在能見度成因分析基礎(chǔ)上，利用數(shù)值模式[16-17]、數(shù)理統(tǒng)計(jì)方法[18-19]、主客觀結(jié)合方法[20-22]等，可以對(duì)能見度進(jìn)行預(yù)報(bào)。在數(shù)值模式方面，全球模式的中期能見度產(chǎn)品的準(zhǔn)確率相對(duì)不高；區(qū)域模式通過經(jīng)驗(yàn)參數(shù)化公式能直接預(yù)報(bào)能見度[17,23]，產(chǎn)品有一定準(zhǔn)確度但主要是短期時(shí)效。趙秀娟等[17]建立的區(qū)域模式較好地模擬了北京地區(qū)短期能見度，>10 km能見度產(chǎn)品預(yù)報(bào)準(zhǔn)確率可達(dá)80%，<10 km的預(yù)報(bào)準(zhǔn)確率有所下降，其中<2 km的預(yù)報(bào)準(zhǔn)確率為40.7%?；谀芤姸扰c氣象要素間的定量關(guān)系建立的統(tǒng)計(jì)模型[24-27]，也取得了較好的預(yù)報(bào)效果。如張德山等[25]基于能見度與相對(duì)濕度關(guān)系得到2008年奧運(yùn)會(huì)期間北京交通路段的短期能見度產(chǎn)品，其預(yù)報(bào)準(zhǔn)確率為73%左右。周須文等[14]采用多元回歸方程得到北京、石家莊高速公路沿線低能見度霧的分級(jí)預(yù)報(bào)產(chǎn)品，預(yù)報(bào)準(zhǔn)確率為38%～67%。有研究通過采用多元逐步回歸篩選最優(yōu)因子，建立的預(yù)報(bào)方程對(duì)北京站霾的準(zhǔn)報(bào)率也在50%以上[24]。張自銀等[27]采用多元?jiǎng)討B(tài)回歸方法也得到效果較好的北京站能見度產(chǎn)品，從檢驗(yàn)結(jié)果看，該統(tǒng)計(jì)預(yù)報(bào)模型在短期時(shí)段與區(qū)域模式的預(yù)報(bào)效果較為接近，同時(shí)其在中期時(shí)段的預(yù)報(bào)效果優(yōu)于全球模式?？偟膩碚f，多元回歸、多元?jiǎng)討B(tài)逐步回歸方法在能見度的客觀預(yù)報(bào)中應(yīng)用廣泛，相較于數(shù)值模式，采用基于ECMWF產(chǎn)品的回歸方法，能更簡(jiǎn)單、快速地構(gòu)建未來10 d的定量預(yù)報(bào)，且該統(tǒng)計(jì)方法預(yù)報(bào)北京能見度的可靠性較高[27]。

影響北京地區(qū)能見度的因素在不同季節(jié)、區(qū)域均存在差異[3,28-29]。有研究表明能見度與風(fēng)速呈正相關(guān)[9,30]，也有研究則表明兩者無顯著相關(guān)，即能見度與風(fēng)速的相關(guān)關(guān)系并不穩(wěn)定[6,13]。因此，僅采用統(tǒng)一固定的多元回歸模型預(yù)報(bào)不同時(shí)間、空間的能見度時(shí)可能存在一定的局限性?；趯?shí)時(shí)滾動(dòng)數(shù)據(jù)的多元?jiǎng)討B(tài)回歸方法，建立站點(diǎn)能見度預(yù)報(bào)模型，則能在一定程度上避免預(yù)報(bào)因子不穩(wěn)定的問題[27]。采用多元?jiǎng)討B(tài)逐步回歸方法可挑選更有效的預(yù)報(bào)因子，建立最優(yōu)的預(yù)報(bào)模型[24]。因此，本文擬基于北京地區(qū)能見度和氣象要素的觀測(cè)數(shù)據(jù)，采用多元?jiǎng)討B(tài)逐步回歸方法，從與能見度變化相關(guān)的水汽、動(dòng)力、熱力等氣象因子[31-33]中篩選因子，得到最優(yōu)的能見度動(dòng)態(tài)預(yù)報(bào)模型。然后將ECMWF細(xì)網(wǎng)格預(yù)報(bào)數(shù)據(jù)代入預(yù)報(bào)模型即可得到未來240 h能見度預(yù)報(bào)產(chǎn)品，之后對(duì)預(yù)報(bào)效果進(jìn)行評(píng)估。

1 研究區(qū)域、數(shù)據(jù)和方法

1.1 研究區(qū)域和數(shù)據(jù)

根據(jù)前人研究成果[14,27]，選擇10個(gè)氣象因子，包括水汽因素：1000 hPa相對(duì)濕度；動(dòng)力因素：500 hPa高度場(chǎng)、850 hPa緯向風(fēng)和經(jīng)向風(fēng)、925 hPa垂直速度、海平面氣壓、地面10 m緯向風(fēng)、經(jīng)向風(fēng)以及風(fēng)速；熱力因素：850 hPa溫度。觀測(cè)資料包括地面氣象站、自動(dòng)站的常規(guī)地面和高空數(shù)據(jù)。模式資料選用2016年12月1日至2017年2月28日每日08:00(北京時(shí)，下同)和20:00起報(bào)的ECMWF細(xì)網(wǎng)格(0.25°×0.25°)數(shù)值預(yù)報(bào)產(chǎn)品，預(yù)報(bào)時(shí)效為0～240 h，時(shí)間分辨率為6 h，為了實(shí)現(xiàn)觀測(cè)和模式資料的時(shí)空統(tǒng)一，將格點(diǎn)資料轉(zhuǎn)換到北京20個(gè)氣象站點(diǎn)(圖1)。觀測(cè)資料數(shù)據(jù)整體長(zhǎng)度為2016年10月1日至2017年3月10日，預(yù)報(bào)模型檢驗(yàn)時(shí)段為2016年12月1日至2017年3月10日。2016年冬季定義為2016年12月和2017年1—2月。

圖1 北京地區(qū)20個(gè)氣象觀測(cè)站點(diǎn)的空間分布Fig.1 The spatial distribution of 20 meteorological stations in Beijing

1.2 方 法

多元逐步回歸的基本思路如下：假設(shè)隨機(jī)變量Y受到m個(gè)因子x1，x2，…，xm的影響，對(duì)一定時(shí)段的Y與因子做統(tǒng)計(jì)分析，將因子逐個(gè)引入回歸方程并通過F檢驗(yàn)(0.05顯著性水平)篩選因子，得到最優(yōu)的回歸方程如下：

Yi=a0+a1x1i+a2x2i+…+akxki+ε

(i=1，2，…，N)

(1)

式中：N為樣本數(shù)量；k為入選方程的因子個(gè)數(shù)(k≤m)；a1，a2，…，ak為回歸系數(shù)；ε為殘差。

利用該方法并基于能見度和氣象因子的觀測(cè)數(shù)據(jù)分別建立20站的能見度預(yù)報(bào)模型。然后，將預(yù)報(bào)日當(dāng)天的ECMWF細(xì)網(wǎng)格相關(guān)氣象要素資料帶入預(yù)報(bào)模型中即可得到各站未來240 h能見度預(yù)報(bào)產(chǎn)品。

考慮到影響能見度的因素隨時(shí)間變化[3,25]，預(yù)報(bào)模型建立階段基于滑動(dòng)窗口進(jìn)行樣本選擇，即取每個(gè)預(yù)報(bào)日之前一定時(shí)段的觀測(cè)樣本，隨著預(yù)報(bào)日滑動(dòng)取樣。此外，公式(1)中樣本量也會(huì)影響模型效果。為了得到較好效果的預(yù)報(bào)模型，本文設(shè)定滑動(dòng)窗口為3～60 d，根據(jù)預(yù)報(bào)效果選定一個(gè)最優(yōu)的窗口大小，以滑動(dòng)建模時(shí)間長(zhǎng)度表征。建立各站最優(yōu)能見度滾動(dòng)預(yù)報(bào)模型。

1.3 檢驗(yàn)標(biāo)準(zhǔn)和方法

作為霧霾預(yù)報(bào)的一項(xiàng)重要參考指標(biāo)，能見度預(yù)報(bào)主要用于北京地區(qū)的霧霾天氣預(yù)報(bào)。因此，根據(jù)霧霾相關(guān)定義中能見度的標(biāo)準(zhǔn)[34]，將能見度分為3個(gè)等級(jí)進(jìn)行預(yù)報(bào)效果評(píng)估，即低能見度(<1 km、1～10 km)和≥10 km。

為定量檢驗(yàn)預(yù)報(bào)效果，采用氣象預(yù)報(bào)檢驗(yàn)中常用的相關(guān)系數(shù)和技巧評(píng)分方法進(jìn)行檢驗(yàn)，其中TS評(píng)分公式如下：

(2)

式中：NA、NB和NC分別代表預(yù)報(bào)正確、空?qǐng)?bào)和漏報(bào)的次數(shù)。

2 結(jié)果分析

2.1 能見度空間分布

圖2為北京地區(qū)2016年冬季平均能見度以及≥10 km、1～10 km和<1 km能見度出現(xiàn)頻率空間分布?？梢钥闯觯?016年冬季平均能見度為10～25 km，整體從東南向西北遞增[31,35]?！?0 km能見度出現(xiàn)頻率為35%～80%，從東南向西北遞增；1～10 km和<1 km能見度出現(xiàn)頻率空間分布則相反，均由東南向西北遞減。<10 km能見度高發(fā)區(qū)位于房山、大興、通州、平谷等東南部平原一帶，出現(xiàn)頻率約為65%，其中1～10 km出現(xiàn)頻率占75%，<1 km占25%。2016年冬季能見度及各等級(jí)能見度出現(xiàn)頻率的空間分布特征與氣候態(tài)類似，但低能見度出現(xiàn)頻率較歷史平均偏高[36]。

2.2 能見度預(yù)報(bào)等級(jí)檢驗(yàn)

為選定最優(yōu)滑動(dòng)建模時(shí)長(zhǎng)、建立最優(yōu)的能見度滾動(dòng)預(yù)報(bào)模型，圖3給出不同建模時(shí)間長(zhǎng)度下2016年冬季北京地區(qū)20站能見度分級(jí)預(yù)報(bào)的平均TS評(píng)分。可以看出，平均TS評(píng)分隨建模時(shí)長(zhǎng)的增加而快速增高，且在建模時(shí)間長(zhǎng)度為20 d時(shí)達(dá)最高為56.1%，之后隨建模時(shí)間長(zhǎng)度的增加而緩慢降低并趨于平穩(wěn)。這表明選用預(yù)報(bào)日之前20 d的觀測(cè)數(shù)據(jù)建立的能見度預(yù)報(bào)模型的預(yù)報(bào)效果最好。因此，文中滑動(dòng)建模時(shí)間長(zhǎng)度選為20 d。

圖2 北京地區(qū)2016年冬季平均能見度 (a，單位：km)以及≥10 km (b)、1～10 km (c)和<1 km (d)能見度出現(xiàn)頻率(單位：%)空間分布Fig.2 Spatial distribution of averaged visibility (a, Unit: km) and occurrence frequency (Unit: %) of visibility higher than or equal to 10 km (b), 1-10 km (c) and lower than 1 km (d) in winter 2016 in Beijing

圖3 不同建模時(shí)間長(zhǎng)度下2016年冬季北京地區(qū)20站能見度分級(jí)預(yù)報(bào)的平均TS評(píng)分Fig.3 Averaged threat score of different visibility grades forecast with different modeling time span for 20 stations in Beijing in winter 2016

圖4為基于預(yù)報(bào)模型和ECMWF的北京地區(qū)2016年冬季20站平均能見度TS評(píng)分及其分別與觀測(cè)值相關(guān)系數(shù)隨預(yù)報(bào)時(shí)效的變化?？梢钥闯觯煌燃?jí)能見度預(yù)報(bào)效果有一定差異，并且隨預(yù)報(bào)時(shí)效的延長(zhǎng)其變化呈現(xiàn)不同?！?0 km能見度，模型預(yù)報(bào)TS評(píng)分為59%～72%；能見度預(yù)報(bào)效果在臨近時(shí)效最好，隨預(yù)報(bào)時(shí)效延長(zhǎng)略有下降。0～10kmTS評(píng)分為68%～80%，隨預(yù)報(bào)時(shí)效的延長(zhǎng)先略微增高后小幅降低，其中，1～10 km的TS評(píng)分為51%～56%，預(yù)報(bào)效果較為穩(wěn)定；<1 km的TS評(píng)分前6 d均為50%～57%，第7天降至46%左右，隨后又上升。對(duì)比低能見度等級(jí)預(yù)報(bào)效果，0～10 km總體預(yù)報(bào)效果優(yōu)于1～10 km和0～1 km，這表明該方法預(yù)報(bào)的低能見度較實(shí)況有一定程度的偏低，但整體上對(duì)低能見度事件有一定的預(yù)報(bào)能力。從各等級(jí)平均效果來看，能見度≥10 km等級(jí)的預(yù)報(bào)效果最好(64.2%)，其次是1～10 km(53.1%)，最后是<1 km(51.3%)。預(yù)報(bào)模型預(yù)報(bào)結(jié)果與觀測(cè)值相關(guān)系數(shù)隨著預(yù)報(bào)時(shí)效的增加呈現(xiàn)下降趨勢(shì)，但除了第8天外均通過了0.01的顯著性檢驗(yàn)。表明該模型預(yù)報(bào)的北京地區(qū)能見度變化趨勢(shì)與實(shí)況具有很好的一致性。

ECMWF細(xì)網(wǎng)格能見度產(chǎn)品，≥10 km能見度的TS評(píng)分接近100%，而<10 km的TS評(píng)分最高在2%左右；說明ECMWF對(duì)低能見度幾乎沒有預(yù)報(bào)能力。相關(guān)系數(shù)整體隨預(yù)報(bào)時(shí)效延長(zhǎng)而減小且均低于0.2，未通過0.05的顯著性檢驗(yàn)，這表明ECMWF也不能預(yù)報(bào)能見度的變化趨勢(shì)?？梢姡珽CMWF對(duì)能見度的預(yù)報(bào)能力較差。

圖4 基于預(yù)報(bào)模型(a、c)和ECMWF(b、d)的北京地區(qū)2016年冬季20站能見度平均TS評(píng)分(a、b)及其預(yù)報(bào)值分別與觀測(cè)值相關(guān)系數(shù)(c、d)隨預(yù)報(bào)時(shí)效的變化Fig.4 The variation of averaged threat score of forecasted visibility (a, b) and correlation coefficients between visibility observed and predicted by model(c,d) with forecast leading time for 20 stations in Beijing in winter 2016 based on forecast model (a, c) and ECMWF (b, d)

08:00起報(bào)的預(yù)報(bào)效果與20:00起報(bào)的預(yù)報(bào)效果類似。通過對(duì)比ECMWF細(xì)網(wǎng)格能見度產(chǎn)品和基于預(yù)報(bào)模型得到的能見度產(chǎn)品檢驗(yàn)結(jié)果，可以看出，多元?jiǎng)討B(tài)逐步回歸方法對(duì)能見度的預(yù)報(bào)效果比較穩(wěn)定，其對(duì)北京地區(qū)2016年冬季能見度整體上具有較好的模擬能力，尤其對(duì)低能見度等級(jí)的預(yù)報(bào)能力較ECMWF有較大幅度提升。

圖5為北京地區(qū)≥10 km、0～10 km、1～10 km和<1 km能見度模型預(yù)報(bào)的10 d平均TS評(píng)分空間分布?！?0 km能見度，北京東南部TS評(píng)分相對(duì)較低，整體呈現(xiàn)從東南向西北遞增特征；城區(qū)及沿山一帶效果較好，TS評(píng)分在70%以上，最高可達(dá)90%左右；0～10 km能見度的預(yù)報(bào)效果與≥10 km的相反，整體表現(xiàn)為從東南向西北遞減，預(yù)報(bào)效果最好的區(qū)域位于東南部，其次是城區(qū)，TS評(píng)分為70%～90%；1～10 km能見度 TS評(píng)分也表現(xiàn)為自東南向西北遞減的特征，TS評(píng)分在東南部及城區(qū)約為55%，沿山一帶為30%左右，區(qū)域差異相對(duì)較??；<1 km能見度的TS評(píng)分在東南部較高，而在沿山一帶特別低，TS評(píng)分空間差異較大，為5%～70%。2016年冬季<1 km能見度出現(xiàn)頻率在山區(qū)低于5%，并且延慶、齋堂和霞云嶺三站未出現(xiàn)<1 km低能見度事件；山區(qū)低能見度出現(xiàn)次數(shù)少，且復(fù)雜的地形可能導(dǎo)致ECMWF細(xì)網(wǎng)格相關(guān)氣象要素的模擬效果較城區(qū)差，這些因素均可能影響模型在山區(qū)的預(yù)報(bào)效果。

綜上所述，能見度預(yù)報(bào)效果存在空間差異，多元?jiǎng)討B(tài)逐步回歸方法能較好地預(yù)報(bào)北京東南部及城區(qū)的低能見度事件，而對(duì)沿山一帶低能見度事件的預(yù)報(bào)能力相對(duì)較弱。

2.3 3次低能見度過程的預(yù)報(bào)效果檢驗(yàn)

為檢驗(yàn)?zāi)Ｐ蛯?duì)低能見度過程的預(yù)報(bào)效果，本文篩選出北京地區(qū)2017年1月23—26日、1月27—29日和2月1—4日3次低能見度過程進(jìn)行個(gè)例檢驗(yàn)。

圖5 預(yù)報(bào)模型預(yù)報(bào)的2016年12月1日至2017年3月10日北京地區(qū)≥10 km(a)、0～10 km(b)、1～10 km(c)和<1 km(d)能見度的10 d平均TS評(píng)分空間分布(單位：%)Fig.5 The spatial distribution of 10-day averaged threat score of forecasted visibility higher than or equal to 10 km (a), 0-10 km (b), 1-10 km (c) and lower than 1 km (d) in Beijing based on model from 1 December 2016 to 10 March 2017 (Unit: %)

北京地區(qū)自1月22日起高空轉(zhuǎn)受緯向環(huán)流控制，大氣擴(kuò)散條件開始轉(zhuǎn)差[7-8]，26日之后冷空氣南下影響北京地區(qū)，大氣擴(kuò)散條件轉(zhuǎn)好[6](圖略)。受此影響，能見度自22日14:00呈快速下降，26日08:00降至最低。其中，能見度在23日14:00至24日20:00為5～10 km，并于25日02:00至26日08:00降至1～2 km；之后隨著冷空氣南下，能見度快速好轉(zhuǎn)至30 km以上?；?月19日20:00起報(bào)的ECMWF數(shù)據(jù)，模型能較好預(yù)報(bào)能見度逐漸下降的特征，25日02:00至26日02:00能見度相對(duì)較低時(shí)段的預(yù)報(bào)效果更好。但也可以看到，24日08:00至25日20:00的能見度預(yù)報(bào)值較觀測(cè)值偏低(圖6)。

1月27—29日，北京地區(qū)高空以緯向環(huán)流為主，地面由高壓后部弱氣壓場(chǎng)逐漸轉(zhuǎn)為低壓輻合區(qū)，靜穩(wěn)天氣形勢(shì)再次建立(圖略)。受此影響，能見度在27日20:00急劇下降至10 km以下，29日08:00起隨著冷空氣南下又快速好轉(zhuǎn)。將1月22日20:00起報(bào)的ECMWF數(shù)據(jù)代入統(tǒng)計(jì)模型，得到的預(yù)報(bào)結(jié)果和觀測(cè)的能見度變化特征比較吻合。該模型能較好預(yù)報(bào)低能見度的發(fā)生時(shí)段，以及在26日早晨低于1 km的能見度值。但也可以看到該統(tǒng)計(jì)模型預(yù)報(bào)的28日02:00—14:00低能見度值較實(shí)況略微偏低，且好轉(zhuǎn)時(shí)間較實(shí)況偏快(圖7)。

圖6 2017年1月19—29日北京觀象臺(tái)觀測(cè)的能見度以及模型預(yù)報(bào)的能見度變化Fig.6 The variation of visibility observed and predicted by model at Beijing observatory from 19 to 29 Jan 2017

圖7 2017年1月22日至2月1日北京觀象臺(tái)觀測(cè)的能見度以及模型預(yù)報(bào)的能見度變化Fig.7 The variation of visibility observed and predicted by model at Beijing observatory from 22 Jan to 1 Feb 2017

與1月23—26日霧霾過程的大氣環(huán)流形勢(shì)類似，2月1日夜間起北京地區(qū)高空轉(zhuǎn)受緯向環(huán)流控制，地面處于弱氣壓場(chǎng)中；大氣層結(jié)趨于穩(wěn)定，擴(kuò)散條件逐步變差(圖略)。能見度在2月1日20:00急速下降至10 km左右，2日20:00至4日20:00維持在1～2 km；隨后受冷空氣影響，能見度在5日02:00快速好轉(zhuǎn)到30 km以上?；?月27日20:00起報(bào)的ECMWF數(shù)據(jù)，模型能夠預(yù)報(bào)出1—4日能見度的變化趨勢(shì)。但也存在不足，4日20:00之后預(yù)報(bào)的能見度好轉(zhuǎn)程度較實(shí)況偏弱(圖8)。

圖8 2017年1月27日至2月6日北京觀象臺(tái)觀測(cè)的能見度及模型預(yù)報(bào)的能見度變化Fig.8 The variation of visibility observed and predicted by model at Beijing observatory from 27 Jan to 6 Feb 2017

3次低能見度事件均發(fā)生在高空緯向環(huán)流、地面弱氣壓場(chǎng)或低壓輻合區(qū)的環(huán)流背景下。其中，1月23—26日高空環(huán)流緩慢轉(zhuǎn)平，地面由高壓底部逐漸轉(zhuǎn)為低壓輻合區(qū)控制，這種天氣形勢(shì)會(huì)引起能見度緩慢下降，預(yù)報(bào)模型能較好地模擬出這種緩變特征。1月27—29日和2月1—4日兩次過程高空形勢(shì)從經(jīng)向到緯向調(diào)整較快，地面也迅速由高壓轉(zhuǎn)為弱氣壓場(chǎng)控制，能見度均呈現(xiàn)快速下降、快速好轉(zhuǎn)的特征。模型能預(yù)報(bào)出2月1—4日(尤其3—4日)能見度下降的趨勢(shì)，但不能很好描述2月1—2日能見度快速變化的特征；另外，模型對(duì)能見度快速變化起止時(shí)間的預(yù)報(bào)略有偏差。綜上所述，該預(yù)報(bào)模型對(duì)霧霾過程均有一定預(yù)報(bào)能力，特別是對(duì)能見度緩慢變化過程的預(yù)報(bào)效果更好。

3 結(jié)論和討論

(1)從北京區(qū)域平均來看，多元?jiǎng)討B(tài)逐步回歸方法預(yù)報(bào)的能見度TS評(píng)分整體在50%以上，對(duì)<1 km和1～10 km低能見度預(yù)報(bào)效果相當(dāng)；觀測(cè)與預(yù)報(bào)的能見度相關(guān)性分析也證實(shí)了該模型能較好地預(yù)報(bào)北京地區(qū)能見度變化趨勢(shì)。相較于ECMWF能見度產(chǎn)品，該能見度預(yù)報(bào)方法有較好效果并且相對(duì)穩(wěn)定，尤其對(duì)低能見度及能見度變化趨勢(shì)的預(yù)報(bào)能力有明顯提升。能見度≥10 km的預(yù)報(bào)效果TS評(píng)分為64.2%，優(yōu)于能見度1～10 km預(yù)報(bào)效果(TS評(píng)分為53.1%)，<1 km能見度TS評(píng)分為51.3%。

(2)低能見度(<10 km)的兩個(gè)等級(jí)預(yù)報(bào)效果分布相似，TS評(píng)分在東南及城區(qū)相對(duì)較高，而在山區(qū)較低，整體呈現(xiàn)從東南向西北遞減特征；而≥10 km的預(yù)報(bào)效果表現(xiàn)為從東南向西北遞增。表明多元?jiǎng)討B(tài)逐步回歸方法對(duì)能見度的預(yù)報(bào)效果存在區(qū)域性差異，其對(duì)北京東南部及城區(qū)低能見度事件預(yù)報(bào)效果較好，而對(duì)沿山一帶的預(yù)報(bào)能力相對(duì)較弱。

(3)從北京地區(qū)3次霧霾過程個(gè)例的預(yù)報(bào)效果來看，模型能夠提前3～5 d預(yù)報(bào)出低能見度過程，并且對(duì)<1 km低能見度過程有一定預(yù)報(bào)能力；表明此方法能夠較好預(yù)報(bào)北京地區(qū)持續(xù)性霧或霾過程，相比較于能見度快速變化的過程，模型對(duì)能見度緩慢變化過程的預(yù)報(bào)效果更好。盡管統(tǒng)計(jì)模型在某些時(shí)次預(yù)報(bào)的低能見度比實(shí)況略偏低，或者預(yù)報(bào)的低能見度過程起止時(shí)間略有偏差，但其能夠預(yù)報(bào)能見度的變化趨勢(shì)，這對(duì)實(shí)際預(yù)報(bào)業(yè)務(wù)具有較好的指導(dǎo)意義。

由于模式資料的限制，本研究只對(duì)2016年冬季的能見度進(jìn)行了回報(bào)試驗(yàn)，今后還會(huì)結(jié)合更多的模式資料進(jìn)一步驗(yàn)證模型的預(yù)報(bào)能力。另外，從低能見度預(yù)報(bào)效果檢驗(yàn)以及北京站低能見度個(gè)例分析可見，該模型盡管能預(yù)報(bào)能見度的變化趨勢(shì)，但也存在對(duì)能見度值的低估，這與已有的研究結(jié)果類似[27]。相關(guān)原因及改進(jìn)方法有待于進(jìn)一步的研究。