2018 年2 月瓊州海峽持續性海霧過程的數值模擬分析

王慧 林建 馬占山 劉達 吳曉京

1 國家氣象中心, 北京 100081

2 中國氣象局地球系統數值預報中心, 北京 100081

3 國家衛星氣象中心, 北京 100081

1 引言

海霧是指發生在海上、岸邊和島嶼上空低層大氣中，由于水汽凝結而產生的大量水滴或冰晶使得水平能見度低于1 km 的一種重要天氣現象（王彬華, 1983）。海霧導致的低能見度現象往往造成航行的客輪、商船和艦艇等看不見航標，極易發生偏航、觸礁、擱淺，甚至相撞引發海難事故。但是由于海霧成因復雜，其形成的物理機制尚不清楚，對海霧的數值預報也存在諸多不足，因此，海霧預報已成為目前海上氣象預報的難點之一。

眾多學者通過診斷分析結合數值模式模擬，研究海霧過程中海溫、氣溫、風、濕度等不同氣象和海洋要素對海霧生成的影響（胡瑞金和周發琇,1997; 傅剛等, 2002; 程相坤等, 2013）。隨著數值模式的不斷發展，用于海霧模擬的數值模式不斷更新換代。傅剛等（2002）首次利用三維海霧模式（大氣邊界層模式）成功模擬了黃海海霧生消過程以及物理量的三維變化，之后研究者們逐步利用RAMS（Regional Atmospheric Modeling System）、MM5（ Mesoscale Model 5）、 WRF（ Weather Research and Forecast Model）等多種數值模式針對海霧過程進行深入模擬，進一步探討復雜的物理過程（傅剛等, 2004; Fu et al., 2006, 2008; Gao et al.,2007; 黃 翊 和 彭 新 東, 2017）。 例 如 以YSU（Yonsei University）邊界層方案為主，應用WRF模式研究海霧（張蘇平和鮑獻文, 2008; 張蘇平和任兆 鵬, 2010; 高 山 紅 等, 2010, 2014；崔 馳 瀟 等,2018）。陸雪等（2014）基于WRF 模式通過多個黃海海霧個例開展參數化方案敏感性研究，發現邊界層方案對WRF 模式霧區模擬起決定性作用，且在大多數海霧個例中YSU 方案效果最優。近年來，隨著我國自主研發的中尺度數值模式CMAMESO（原GRAPES-MESO，Global and Regional Assimilation and Prediction System）的不斷發展，很多學者利用該模式對降水（聶皓浩等, 2016; 陳靜等, 2022）、臺風（戴光豐和陳子通, 2013）、強對流天氣（萬子為和劉鑫華, 2018）等進行數值模擬分析。Huang et al.（2019）利用CMA-MESO 數值模式，采用YSU 邊界層方案，針對華南沿海海霧個例進行模擬，并發現CMA-MESO 能夠大體上預報出典型海霧過程的形成、演變和消散過程。

學者們也通過數值試驗發現海霧落區的分布與模式垂直分辨率，尤其是邊界層內的垂直分辨率關系密切。提高分辨率能夠較好地描述垂直方向上的中尺度特征（鞠永茂等, 2006），造成邊界層內熱通量和低層水汽通量增大以及高低層的垂直運動加強（李靖等, 2013），利于觸發空間點上的凝結和蒸發（Zhang and Wang, 2003）。Gao et al.（2007）用MM5 模式模擬黃海海霧過程發現粗分辨率模擬出的霧區嚴重偏小，但是加密后能夠真實的再現觀測霧區。楊悅和高山紅（2016）利用WRF 模式探討了不同垂直分辨率下模式對黃海海霧過程的模擬表現，得出垂直分辨率提高能顯著改進水平霧區的模擬效果的結論。Yang et al.（2019）發現模式第一層高度（Z1）的設置也非常重要，當Z1為8 m時對海霧發生時間和海霧范圍模擬效果最好，低于（高于）8 m 時海霧發生時間偏早（偏晚），海霧范圍也有不確定性。黃輝軍等（2015）基于WRF模擬了2011 年3 月一次華南平流冷卻霧過程，發現大氣邊界層的加密，在一定程度上可以改善海霧垂直結構的模擬效果。

與此同時，海霧及能見度預報的準確性除了取決于數值模式對影響海霧生消的氣象和海洋要素的預報準確性，還取決于基于相關要素的能見度算法。目前，最常用的算法是基于液態水含量計算得到的能見 度公式（Kunkel, 1984; Stoelinga and Warner,1999; Gultepe et al., 2001）。此外，還有基于相對濕度（Smirnova et al., 2000）或者相對濕度與溫度露點差（Doran et al., 1999）等計算能見度。高榮珍等（2018）基于WRF 模式采用三種能見度算法對青島近海站點的能見度進行比較，發現不同的站點能見度算法其預報準確率不同。

2018 年2 月15～25 日春節期間，瓊州海峽出現罕見的連續多日的大霧天氣，導致瓊州海峽多次大面積停航，出島車輛嚴重滯留，10 余萬人被堵在海南島，影響已經上升到公共安全事件，其中18～20 日海霧出現時間最長。相對于南部海霧，北部海霧尤其是黃海海霧發生頻次高、持續時間長，因而在實況分析、可預報性及數值模擬等方面的研究也比較多。為了更清晰地了解CMA-MESO 高分辨率數值模式對南部海域的海霧是否有更好的模擬能力，本文基于該模式對18～20 日瓊州海峽海霧過程進行數值模擬，主要針對邊界層方案、邊界層垂直層次加密及能見度診斷方案三個方面進行對比分析，以便為海霧數值模式預報的改進提供理論支撐和依據。

2 數據和模式設置

2.1 數據

本文所用數據包括由美國國家環境預報中 心NCEP（ National Centers for Environmental Prediction）提供的水平分辨率為1°×1°、31 層等壓面、6 h 間隔的FNL（Final Analysis）客觀分析資料，3 h 和1 h 間隔的瓊州海峽南北兩岸的海口站和徐聞站實況觀測，以及日本葵花8 號衛星反演海霧數據。本文描述所用時間均為北京時。

2.2 數值模式設置

本研究所采用的中尺度數值模式為中國氣象局地球系統數值預報中心全國區CMA-MESO 高分辨率區域業務模式4.3 版本，關于CMA-MESO 區域模式主要特征已有較多介紹（黃麗萍等, 2017; 馬占山等, 2021），不再贅述。試驗模擬范圍選擇覆蓋海南島瓊州海峽及周邊區域，東西方向為1501 個格點、南北方向為1401 個格點，模擬中心點坐標為（21.0°N，112.5°E）。模式起報時間為2018 年2 月18 日08:00（本文時間如無特殊標記均為北京時），模式積分48 h，時間步長為30 s，每3 h 輸出一次積分結果。CMA-MESO 所有試驗均用NCEP/GFS 的預報場作為模式的初值，采用松弛邊界方案做側邊界的處理，不考慮針對雷達資料的云分析和常規資料的同化分析。CMA-MESO 控制試驗模式層數為50 層，為研究模式低層加密分層對海霧預報的影響，在模式低層1000 m 范圍內增加了8 層，共58 層，模式頂高度均為10 hPa。除邊界層方案分辨選用MRF 和YSU 外，其他物理過程選項均與業務保持一致，即輻射方案采用RRTM 方案（Mlawer et al., 1997），云微物理方案選用WSM6 方案（Ma et al., 2021），陸面方案選用NOAH 方案（Chen and Dudhia, 2001），不采用對流方案。

2.3 數值模擬試驗設計

2.3.1 模式低層垂直加密試驗設計

由于大霧屬于邊界層內的天氣現象，前人研究已經發現數值模式低層加密對海霧的生成時間和海霧范圍均有較大影響，因此本研究針對CMAMESO 模式1000 m 以下的垂直分層進行加密，總層數由原來的50 層加密到58 層（圖1a）。圖1b是加密后模式2 km 以下的垂直分層放大，可以看到1 km 以下增加了8 層。模式低層加密有利于對比分析加密后對海霧預報效果是否有改進。

圖1 CMA-MESO 模式垂直分層加密前（紅色線條）后（藍色線條）高度對比：（a）加密前后所有層次對比；（b）加密后2 km 以下垂直分層放大。黑色縱坐標為垂直高度（單位：km），紅色縱坐標為原始模式垂直層次，藍色縱坐標為加密后模式垂直層次Fig. 1 Height of the vertical levels in CMA-MESO model, where the red line represents the initial layers of the model, and the blue line represents the increased model layers: (a) Comparison of all levels before and after increased model layers; (b) vertical stratification amplification below 2 km after increased model layers. The black vertical level is the vertical height (units: km), the red vertical level is the original mode vertical level, and the blue vertical level is the increased mode vertical level

2.3.2 模式的邊界層參數化方案對比試驗設計

目前業務中的CMA-MESO 模式的邊界層參數化方案是MRF（Medium Range Forecast Model）方案，為了分析邊界層方案對海霧預報影響的敏感性，選取YSU 邊界層方案與MRF 方案進行對比。YSU方案是一種修正過的邊界層中非局地湍流混合的垂直分布項，通過影響地面熱量和水汽通量而生成更接近真實的邊界層。同MRF 邊界層方案相比，YSU 邊界層方案增加了熱力誘發自由對流邊界層內的混合，減少了動力誘發的強迫對流邊界內的混合，這緩解了MRF 方案中眾所周知的問題（Hong et al., 2006）。本文CMA-MESO 原始方案采用的是MRF 方案，加密后分別采用MRF 方案和YSU方案。文中將幾種方案分別簡稱為MESO_MRF、MESO_MRF_HR 和MESO_YSU_HR。國家氣象中心海霧數值預報系統是基于CMA-TYM 模式，邊界層方案是MRF 方案，簡稱TYM。后面的對比分析結果主要針對這兩個模式共四種方案進行（表1）。

表1 數值模擬方案對比Table 1 1 Comparison of the numerical simulation scheme

2.3.3 能見度算法對比試驗設計

為了對比不同能見度算法的可用性，本文中采用了三種能見度算法，包括：SW99、FSL、CV?S算法。具體能見度算法如下。

（1）Steolinga and Warner（SW99）算法

SW99 算法（Stoelinga and Warner, 1999）是基于液態水含量計算得出，綜合考慮了多種水凝物質對消光系數的影響，公式如下：

其中，β是水凝物的消光系數，包括云水（cw）、雨水（rw）、云冰（ci）、雪水（sn）。SW99 算法定義了當能見度大于28 km 時，設定能見度取值為28，是為了區分CMA-TYM 業務模式中定義的當計算能見度大于30 km 時，設定能見度取值為30，后文圖8 中為了區分三種方案，MRF-SW99方案能見度取值設定為29。

（2）Forecast Systems Laboratory（FSL）算法

FSL 算法是由美國NOAA（National Oceanic& Atmospheric Administration）預報系統實驗室（FSL）研發的（Doran et al., 1999），計算方法見公式（3）：

其中，RH 是相對濕度，T-Td是溫度露點差。

（3）Combined Visbility（CV?S）算法

CV?S 算法是基于SW99 算法和FSL 算法的混合算法（Bang et al., 2009）。計算兩種能見度，選擇最低能見度，見公式（4）：

3 2018 年2 月18～20 日海霧實況及環流形勢

2018 年2 月15～25 日，瓊州海峽出現了持續性大霧天氣，這次海霧過程持續時間長、霧日比較集中，大霧出現的時間主要集中在夜間至上午。其中，18～20 日出現了階段性低能見度的大霧。從衛星反演海霧（圖略）可以看到，廣東近海、瓊州海峽和北部灣一帶均出現了大霧天氣。由于瓊州海峽實況觀測資料缺乏，文中采用海峽南北兩岸的海口站和徐聞站作為瓊州海峽實況觀測的代表站。由圖2 中站點能見度觀測可見，17 日夜間能見度開始降低，以輕霧為主，而能見度低于1 km 的大霧主要出現在兩個時間段：19 日00:00～09:00 和19日23:00 至20 日09:00，最低能見度僅為200 m，20 日11:00 能見度從0.1 km 快速升高到17 km，能見度轉好。大霧期間存在貼地逆溫，大氣層結穩定。近地層風向以弱偏東風為主，風速多為1～3 m s-1（圖3）。此次華南沿海大范圍的大霧伴隨明顯的海氣溫差，具有平流霧的特征，而沿岸站點的大霧還有明顯的日變化特征（圖2），為平流霧和輻射霧的混合霧。

圖2 2018 年2 月17 日02:00 至20 日20:00 徐聞站（紅色實線）和海口站（藍色實線）能見度（單位：km）觀測，圖中綠色方框表示能見度低于1 km 的大霧時段Fig. 2 Visibility observations (units: km) of Xuwen station (red line) and Haikou station (blue line) from 0200 BJT (Beijing time) 17 February to 2000 BJT 20 February in 2018. The period of dense fog with visibility less than 1 km is highlighted by the green box

圖3 2018 年2 月18 日02:00 至20 日11:00 徐聞站（59754）觀測的氣壓（黑色實線，單位：hPa）、2 m 溫度（紅色實線，單位：°C）、2 m 露點溫度（藍色實線，單位：°C）、10 m 風（藍色風向桿）、能見度（藍色數字，單位：km）以及天氣現象（藍色天氣符號）Fig. 3 Observed pressure (black line, units: hPa), 2 m temperature (red line, units: °C), 2 m dew-point temperature (blue line, units: °C), 10 m wind(blue wind barb, units: m s-1), visibility (blue numbers, units: km), and weather phenomena (blue symbols) of Xuwen station (No. 59754) from 0200 BJT 18 February to 1100 BJT 20 2018

2 月18～20 日，500 hPa 西太平洋副高西伸北抬，控制北部灣至華南沿海一帶。18 日，江南大部（湖南、江西一帶）受地面低壓控制，地面冷高壓中心位于黃海附近，瓊州海峽附近海域處于冷高壓東側補充下來的弱冷空氣影響。19～20 日地面低壓東移進入東海，弱冷空氣從我國東南沿海南下持續影響華南沿海，瓊州海峽附近海域處于偏東到東南風的影響，利于東部海域水汽輸送（圖4a）。

從圖4b 可以看到，瓊州海峽17～21 日近地層相對濕度有明顯的日變化。同17 日夜間相比，18日夜間開始濕層進一步加厚，925 hPa 以下相對濕度均在90%以上，最大超過95%，隨著濕層加厚并接地，地面能見度降低，并達到大霧強度。19日白天，隨氣溫升高，近地層相對濕度降低。出霧期間，濕層主要集中在850 hPa 以下邊界層內；850 hPa 以上均為干層，為典型的上干下濕的大氣層結，這為海霧的形成、發展和維持提供有利條件。由低層（975～1000 hPa）風場變化（圖4c）可以看出，瓊州海峽白天風向以東北到偏東風為主，夜間風向轉為東南風，風向的轉變也使得夜間能夠從南海帶來更多的水汽，有利于水汽的積累和發展，因此，風向的變化也同大霧的發展和減弱相一致。

圖4 （a）2018 年2 月19 日08:00 海平面氣壓場（紅色等值線，單位：hPa）、10 m 風場（風向桿，單位：m s-1）及500 hPa 高度場588 hPa 等高線（藍色等值線，單位：dagpm）；（b）2 月17 日14:00 至22 日14:00 瓊州海峽單點（20°N，110°E）相對濕度（等值線和陰影）和風場（風向桿）時間—垂直剖面Fig. 4 (a) Sea level pressure (red contours, units: hPa), 10 m wind (wind barb, units: m s-1), and 500 hPa geopotential height 588 hPa contour lines(blue contours, units: dagpm) at 0800 BJT 19 February 2018; (b) vertical profiles of relative humidity (contour and shaded) and wind (wind bard, units:m s-1) of one point (20°N, 110°E) in Qiongzhou Strait from 1400 BJT 17 February to 1400 BJT 22 February

海氣溫差對海霧的生成及維持均有較大影響。2018 年2 月上半月（1～14 日）華南近海受兩次冷空氣過程影響，氣溫較低，平均氣溫在14°C～17°C 左右（圖略）。冷空氣過后，15～25 日受南海偏東暖濕氣流影響，氣溫迅速回升到20°C～21°C 左右（圖略）。2018 年2 月華南近海（包括瓊州海峽）的海溫較常年異常偏低1°C～2°C，這種情況非常有利于大霧的生成和維持（周發琇等,2004）。近海岸海溫低于20°C（圖5a），使得低層大氣邊界層穩定度增強，垂直混合減弱，而且近岸附近海溫梯度比較大，氣溫高于海溫0.5°C～1°C（圖5b），導致暖濕氣流流經冷海面，與海面相互作用失去熱量而降溫，迅速凝結成霧。

圖5 2018 年2 月19 日（a）海表溫度距平（單位：°C）和（b）02:00 氣海溫差（單位：°C）分布Fig. 5 Distributions of (a) sea surface temperature anomalies on February 19, 2018 and (b) distributions of air–sea temperature differences at 0200 BJT on February 19, 2018. Units: °C

由上可見，大霧期間華南沿海海溫偏低，受地面冷高壓南下補充的弱冷空氣影響，偏東風帶來的暖濕氣流流經冷海面快速冷卻凝結成霧。

4 海霧模擬的敏感性試驗結果對比與分析

本文是針對2018 年2 月18～20 日（18 日夜間至19 日早晨）的大霧過程進行數值模擬，主要從模式、邊界層方案、能見度算法及垂直高度加密等幾個方面進行對比分析。所有模擬分析均針對2018 年2 月18 日08:00 起報的模式模擬回報結果。

4.1 海霧空間分布對比

目前中國氣象局地球系統數值預報中心的海霧（能見度）數值預報系統，是基于CMA-TYM 模式輸出的物理量，能見度算法是SW99 方法。因此，為了對比不同模式和邊界層方案對海霧預報的能力，圖6 中各個模式輸出的能見度預報均采用SW99 方法計算。CMA-MESO 的三種對比方案均為模式第一層的結果。

結合沿岸實況觀測（圖2）和葵花8 號衛星反演產品（圖6a–c）看到，18 日20:00（圖6 第一列）華南近海有大霧出現，瓊州海峽、北部灣均是能見度2～3 km 的輕霧。對比幾個模式能見度預報結果，TYM 預報華南近岸海域有輕霧，瓊州海峽東部和海南東北部近岸海域有大霧。MESO_MRF 模式幾乎沒有預報出有霧，MESO_MRF_HR 僅預報北部灣西北部近岸有小范圍大霧，MESO_YSU_HR 除預報北部灣小范圍大霧外，在海南東部近岸預報有大霧。所有的模式對瓊州海峽的輕霧都沒有預報能力。

19 日02:00（圖6 第二列），由衛星反演產品可以看到，除瓊州海峽外，北部灣的大霧范圍明顯增大，同時從實況觀測也可以看到，瓊州海峽此時已經出現能見度低于1 km 的大霧。TYM 此時預報雷州半島東部和北部灣中部小范圍海域有大霧，MESO_MRF 僅在海南東北部近岸海域預報有大霧；MESO_MRF_HR 的大霧預報范圍較20:00 有所增大，包括瓊州海峽東部和海南東北部近岸、北部灣部分海域；MESO_YSU_HR 的大霧預報范圍則明顯增大，雷州半島東南部、瓊州海峽東部、至海南東部和南部近岸均有大霧，北部灣的大霧更明顯。通過對比分析發現，YSU 方案對大霧的預報更敏感、更接近實況。

19 日08:00（圖6 第三列），廣東西南部近岸海域、瓊州海峽大霧持續，北部灣也有霧（衛星反演產品缺測，實際上有霧）。TYM 此時預報雷州半島東部大霧完全消散，北部灣僅有零星的霧。MESO_MRF 預報瓊州海峽東部和北部灣中部南北向狹長的大霧，MESO_MRF_HR 預報雷州半島東南部至海南東南部一帶有大霧，北部灣中部有較大范圍的大霧，MESO_YSU_HR 能夠預報瓊州海峽北岸東西向狹長帶狀的大霧，也是唯一對海峽內部大霧有預報能力的邊界層方案，主要是因為該方案能夠預報出瓊州海峽北岸狹長帶狀的低層云水含量分布（圖略）。

衛星反演產品顯示，在19 日凌晨05:00～06:00 左右大霧最強、范圍最廣，雷州半島東部近岸、瓊州海峽和北部灣都出現大霧，各個模式、不同邊界層方案預報有所不同。TYM 模式在18 日20:00 之前預報大霧，但是到了夜間，大霧趨于減弱，同反演產品偏差較大。MESO_MRF 對該過程的生消趨勢預報同反演產品相似，但是大霧范圍明顯偏小，預報大霧最濃時間是19 日08:00 左右，比實況偏晚。MESO_MRF_HR 和MESO_YSU_HR均對該次過程的預報效果較好，提高垂直分辨率后改進了水平霧區的模擬效果。但是兩個方案略有些不同，MESO_MRF_HR 預報大霧最濃的時間大概在19 日08:00 左右，MESO_YSU_HR 預報最濃時間是19 日05:00 左右，同實況比較接近，而且對瓊州海峽內的大霧預報更準確。垂直分辨率提高能更好地模擬近海面層的云水含量，YSU 邊界層方案也對近海面的云水含量有更好的模擬，MESO_YSU_HR 云水含量的水平分布和垂直分布效果均較好（圖略），因而霧（能見度）預報效果也更好。

4.2 海霧預報因子模擬結果對比

為深入了解不同模式、不同邊界層方案對海霧預報的影響，進一步對比10 m 風、2 m 溫度和溫度露點、相對濕度等對海霧預報影響較大的幾個預報因子，圖7 給出了四種方案對徐聞站的預報和實況對比情況。從風速對比（圖7a）來看，實況風速較小，甚至在霧最濃時為靜風。四種方案對風速預報的整體趨勢與實況比較一致，但是風速均比實況觀測偏大3～5 m s-1，白天風速加大，夜間風速減小，但是預報的波峰、波谷略滯后于實況，TYM 預報風速同實況風速最接近，均方根誤差（RMSE，Root Mean Square Error）為3.63 m s-1，區域模式均在4 m s-1以上（表2）。站點實況以東偏北風為主，各個預報多為偏東到東南風（圖7b），風向偏差是MESO_YSU_HR 最小（均方根誤差為60.52°），TYM 風向偏差最大（均方根誤差為73.19°）。相對濕度和氣溫均存在明顯的日變化，白天氣溫升高，空氣飽和度增大，相對濕度降低，能見度轉好。從相對濕度的演變（圖7c）可以看到，MESO_YSU_HR 相對濕度的變化趨勢及減弱的時間同實況最接近，均方根誤差為5.0%，預報效果最好，這同圖6 中大霧趨勢預報的結論是相符的。19 日凌晨，TYM 和MESO_MRF 兩種方案的相對濕度降低的時間偏早，從而導致整個瓊州海峽大霧消散時間偏早。與風速預報類似，四種方案均能預報出氣溫的日變化趨勢，但整體預報明顯高于實況。19 日早晨，TYM 的氣溫升高太快，相比MESO_MRF 模式系列方案誤差明顯偏大，MESO_YSU_HR 預報的氣溫同實況最接近，均方根誤差為1.23°C，效果最優。氣溫日變化非常明顯，露點無明顯的日變化，因此溫度露點差具有明顯的日變化，即水汽飽和度變化大，這也說明海口的大霧具有輻射霧的特征。露點溫度和溫度露點差的預報基本上也都高于實況，但MESO_YSU_HR 預報與實況最接近，露點溫度和溫度露點差的均方根誤差分別為0.92°C 和0.9°C。綜合來看，各模式、各方案風速的預報均比實況偏大，風向預報與實況也有一定偏差，預報多為東南風，但實況以東偏北為主，濕度的預報又略低于實況，在早晨溫度升高后濕度減小的時間偏早，這也導致大霧濃度降低的時間偏早。相比較而言，MESO_YSU_HR 方案的預報效果更優。海口站的結論同徐聞站相近（圖略）。

圖6 2018 年2 月18 日20:00（左列）、19 日02:00（中間列）和19 日08:00（右列）的各模式能見度預報（單位：km）對比：（a–c）HW8 衛星反演海霧（深灰色為海霧，灰色為疑似海霧）；（d–f）TYM 模式；（g–i）MESO_MRF 模式；（j–l）MESO_MRF_HR 模式；（m–o）MESO_YSU_HR 模式Fig. 6 The predictions Predictions of visibility (units: km) at 2000 BJT 18 February (left column), 0200 BJT 19 February (middle column), and 0800 BJT February (right column) in 2018: (a–c) Himawari-8 (dark gray is for sea fog, gray is for suspected sea fog); (d–f) TYM model; (g–i) MESO_MRF model; (j–l) MESO_MRF_HR model; (m–o) MESO_YSU_HR model

圖7 2018 年2 月18 日14:00 至20 日08:00 徐聞站各模式預報因子對比：（a）10 m 風速（單位：m s-1）；（b）10 m 風向；（c）2 m 相對濕度；（d）2 m 溫度（單位：°C）；（e）2 m 露點溫度（單位：°C）；（f）溫度露點差（單位：°C）Fig. 7 Comparison of the predicting factors of the models from 1400 BJT 18 February to 0800 BJT 20 February 2018: (a) 10 m wind speed (units: m s-1), (b) 10 m wind direction, (c) 2 m relative humidity, (d) 2 m temperature (units: °C), (e) 2 m dew-point temperature (units: °C), and (f) dew-point depression (units: °C)

表2 各模式預報因子均方根誤差對比Table 2 Comparison for the RSME of models

4.3 能見度算法結果對比

2.3.3 節中我們提到了三種能見度算法，經過對海口和徐聞兩個站點進行對比分析發現，由于CV?S 方法是選取SW99 和FSL 算法的最小值，但是SW99 算法對站點能見度沒有預報能力（見圖8），CV?S 等于FSL 的算法，因此，圖8 中略去CV?S算法的能見度等值線。基于4.1 節中的結論，加密后的MRF 和YSU 方案對海霧預報效果更優，因此圖8 中只對比分析了TYM 和加密后的兩種方案。

從圖8 可以看出，無論是TYM 還是加密后的MRF 和YSU 方案，基于SW99 算法（為了區別YSU-SW99 和MRF-SW99，把能見度輸出值分別定為28 和29）對低能見度全部漏報，但是FSL 算法的能見度預報效果非常好，對能見度的增大和減小的趨勢預報比較準確。18 日夜間至19 日早晨徐聞站大霧期間能見度在0.2～0.5 km 之間（圖8a），基于MRF 方案的FSL 算法（簡稱MRF_FSL）能見度預報為2 km 左右，YSU 方案FSL 算法（ 簡稱YSU_FSL）能見度預報為1 km 左右，同實況觀測更接近，能見度降低的時間也比較一致。19 日11:00 徐聞的能見度達到5 km，但此時相對濕度（大于80%）還在繼續減小中，MESO_MRF_HR模式預報的相對濕度已經降低到75%以下，MRF_FSL 算法預報的能見度大于10 km，而MESO_YSU_HR 模式預報的相對濕度85%以上，YSU_FSL 算法預報的能見度小于5 km。可以看出，能見度的變化與相對濕度的變化幾乎是同步的，這反過來也說明依賴于地面相對濕度的FSL 算法是合理的。針對19 日夜間徐聞的大霧，兩種方案的FSL 算法能見度預報均在2～4 km 之間，比前一天預報值更高，同相對濕度的預報比較一致，水汽含量減小，在溫度露點差比前一天大的情況下，凝結成霧的條件更差，導致能見度預報誤差更大。MRF_FSL 算法的RMSE 為4.79，YSU_FSL 的RMSE 為3.56，對于徐聞站，YSU 方案預報更優，而基于云水含量計算的SW99 算法完全漏報，這也可能跟目前數值模式普遍對溫度濕度的預報效果優于云水等要素有關（Gultepe et al., 2006）。由此得出，邊界層方案對海霧預報有明顯影響，而后期的能見度診斷公式也決定了預報的準確性。海口站的結論同徐聞站相似，基于YSU 邊界層方案的FSL 算法更優（圖8b）。

圖8 基于TYM 和加密模式的徐聞站（a）和海口站（b）的能見度算法對比，圖中標值為均方根誤差（單位：km）Fig. 8 Comparison of the visibility of (a) Xuwen station and (b) Haikou station using multiple algorithms of visibility based on TYM and increased model of vertical levels (units: km); the values in the figure are RMSE

通過前文的分析發現，對于站點預報FSL 算法最優。圖9 給出了FSL 算法計算的能見度空間分布對比圖，與SW99 算法的能見度（圖6）對比可以看到，FSL 算法預報霧的范圍比SW99 算法更大，能見度的值相對更高，最低能見度基本上在0.5～1.0 km 之間。FSL 算法對能見度的預報有一定的預報梯度，能見度的跨度更大，SW99 算法對能見度的預報幾乎沒有梯度，基本上都在0.5 km以下。對于瓊州海峽的大霧，基于SW99 算法，僅有YSU 方案預報出一條東西向狹長的霧區，而FSL 算法，尤其是YSU 方案的FSL 算法對瓊州海峽的大霧落區預報效果非常好，并且在19 日02:00 和08:00，對北部灣和廣東西部沿岸附近霧的落區也有較好的預報。通過對比分析發現，對于同一海霧數值模式，不同的能見度算法其預報結果有較大差別，因此，在對數值模式產品釋用時可以參考不同的方案。

圖9 同圖6，但為FSL 算法的能見度預報（單位：km），去掉了TYM 模式預報（第二行）Fig. 9 Same as Figure 6, but for predictions of visibility (units: km) using the FSL method except for the results of TYM (the second row in Figure 6)

5 結論與討論

針對2018 年春節期間發生在瓊州海峽的一次持續性大霧個例，在天氣學成因分析基礎上，基于CMA-MESO 區域高分辨率數值模式，從邊界層方案、模式垂直分層以及海霧能見度算法三個方面進行數值模式敏感性試驗，得到如下結論：

（1）2018 年2 月18～20 日大霧期間華南沿海海溫偏低，地面冷高壓南下補充的弱冷空氣為大霧的生成和維持提供了大尺度背景條件。來自南海的偏東暖濕氣流流經冷海面快速凝結形成平流冷卻霧，沿岸站點有明顯的日變化特征，為平流和輻射霧的混合霧。持續不斷的暖濕氣流帶來充足的水汽，為海霧的生成和維持提供了重要的物理基礎。

（2）對比不同邊界層方案的數值模擬結果發現，基于CMA-MESO 模式低層垂直層次加密的YSU 方案的模擬效果最優，對于10 m 風、2 m 溫度和溫度露點差、相對濕度等對海霧預報影響較大的預報因子的模擬效果更好，因此無論是大霧的預報范圍，還是大霧最濃的時間預報均是最好。

（3）相同的模式、不同的能見度算法對大霧的預報會產生較大的影響。依賴云水含量的SW99算法雖然對北部灣和雷州半島東部的大霧預報有體現，但是對瓊州海峽內的大霧過程出現漏報現象，而FSL 算法對大霧的范圍以及瓊州海峽內的大霧過程均有更好的效果。這也說明模式對低層云的預報仍存在不足，而對相對濕度和溫度場的預報效果較好。

上述敏感性試驗的結論僅是對本次海霧過程的模擬分析結果，今后還需要利用多個例海霧試驗來獲得更為普遍性的結論。另外，目前國際上通用的能見度算法非常多，每種算法均有自己的優勢和特點，需要在以后的工作中繼續研究，找到適合業務模式和我國近海海域的計算方法。