能见度是气象观测的常规气象要素，是影响航空、航海和城市交通最重要的因素之一，能直观反映城市空气质量，直接对居民日常生活造成影响^[1]。能见度过低会引发城市道路交通事故，给人身安全和社会经济造成严重危害。因此对能见度的实时监测和及时发布，特别是对低能见度的准确预报显得极其重要。当前中国不少台站还是以人工目测获取能见度资料，但人工观测的时次较少，无法监控能见度连续变化的情况，且人工观测常因各种主客观因素造成误差^[2]。随着中国气象业务现代化的推进，为满足当前业务需求，各级气象台站逐步建设地面自动观测系统，能见度开始从人工观测向自动监测网转换。由于两种观测方式的原理不同，且不同能见度观测仪器之间也存在差别，这必然造成不同观测方式及不同观测仪器之间的差异^[3-8]。

近年来有不少国内外学者对能见度器测与目测数据进行对比分析，其结果均表明两种观测资料存在差异。张慧婵等^[9]分析广州新白云机场的两种观测资料发现：当能见度较低（Vis＜800 m）时二者差距较大，能见度较好（5 km＜vis＜10 km）时二者最接近；两种观测方式的差异在不同云量、不同天气现象情况下是不同的。顾荆奕等^[10]对CJY-1A能见度仪、PWD20型能见度仪与人工目测三种方式获取的能见度资料进行对比表明：器测与目测能见度资料具有一定相关性；当0＜Vis＜10 km时，器测比目测数据更客观、精确；当Vis＞10 km时二者的差异稍大。侯忠新等^[11]对青岛能见度FD12观测仪器与人工观测数据进行分析发现：当Vis＜2 km时二者较接近，Vis＞5 km时二者差距较大。Baumer等^[12]分析了德国西南部的数字能见度仪和后向散射能见度仪数据发现，两种观测数据有显著相关性，当多数气溶胶粒子粒径增至可见光波长时相关性更好。

随着气象观测自动化的推进以及环境气象预报对能见度产品的需求，如何客观地理解和评估现有能见度自动观测数据的准确性，建立具有一定代表性的能见度预报方法是十分必要的。虽然已有一些针对其它地区的能见度观测数据的评估工作，但广州地处珠江三角洲地区，受特殊的海岸带地形和大城市化进程的影响，对广州站能见度的自动化观测评估及预报方法还鲜见报道。为此，本文将利用广州站人工观测与自动观测的能见度数据，通过对能见度仪数据评估及参数化预报方法的研究，以提高对广州站能见度观测和预报准确度，为广州能见度实时观测以及城市交通、沿海港口航运服务提供参考依据。

广州地面观测站已安装两种大气能见度监测设备。2013年开始使用洛阳凯迈（环测）公司生产的CJY-1G能见度仪（简称凯迈能见度仪），观测距离为50 km；2014年开始使用美国Belfort仪器公司生产的Model 6000能见度仪（简称Belfort能见度仪），观测距离为80 km。两种仪器的测量精度为±10%，时间分辨率为1 min，均属于前向散射能见度仪^[13-15]。同时每天定时5个时次（08:00、11:00、14:00、17:00、20:00，北京时，下同）进行人工能见度观测。取2014年1月1日—2015年12月31日广州站正点5个时次能见度人工观测资料以及凯迈和Belfort能见度仪的上述5个时次的数据，经过对能见度资料10 min滑动平均并去除缺测数据后，得到3 074组样本数。

另外，广州站自2011年已成为大气成分观测站，使用德国GRIMM公司生产的GRIMM180颗粒物在线监测仪。该仪器是基于激光散射测量单粒子原理来进行观测的，实时采集31个粒径通道（0.25 ~32 μm）的气溶胶数浓度，时间分辨率为5 min。

本文使用以下4个统计量来描述器测与目测能见度数据的相关性。

（1）一致率：反映了能见度仪与目测数据的一致程度，即一致率=$\frac{{N\left( {\left| {{A_i}-\bar A} \right| < 2\sigma } \right)}}{n}$×100%，其中A_i为对比差值，σ为标准差，n为观测次数。

（2）相关系数：反映能见度仪与目测数据之间相关关系密切程度的统计指标。

（3）平均相对误差：反映了当以人工值为基准时，能见度仪测值的偏差情况，即$\frac{{{\rm{人工值}}-{\rm{自动值}}}}{{{\rm{人工值}}}}$×100%，10%以内认为正常，大于20%则认为超出仪器指标。

（4）粗差率：粗差即目测与器测数据之间的对比差值与其平均值之差的绝对值大于3倍标准差的数据，对被剔除的粗差数据进行记数，即为粗差次数。粗差率=$\frac{{{\rm{粗差次数}}}}{{{\rm{观测次数}}}}$×100%，粗差率反映了自动观测数据以人工为标准所产生异常值出现次数的多少，一般应小于2%。

广州站的两种能见度仪均为前向散射型能见度仪，仪器在同一观测场开展同步观测，在对自动能见度仪观测数据进行评估前，有必要对两种型号仪器的观测数据与人工观测数据一致性进行探讨。为此，将能见度划分为5个范围：＜1 km、1~3 km、3~5 km、5~10 km、10~30 km；同时，依据人工观测的5个时次分析不同时次的人工观测与自动观测数据的异同。

按照能见度人工观测的业务规范每天进行5次人工观测，两种能见度仪与人工观测的一致率较好（图 1a），均大于90%，器测与目测的一致率较高，自动观测效果较好，具有较好的代替作用。图 1b给出了不同能见度范围的两种仪器与目测数据的一致率分布。可见，能见度在3 km以下及10 km以上时，两种仪器与目测值一致率均在90%以上，其中小于1 km的一致率达到100%，而5~10 km的一致率最低，3~5 km次之。说明在视程障碍和高能见度下，器测与目测的一致程度较高，代表性较好。

图 1

图 1 不同时次（a）、不同能见度范围（b）的两种仪器数据分别与目测的能见度一致率分布

表 1给出了不同能见度范围的两种仪器与人工观测数据的相关系数、平均相对误差和粗差率。（1）两种能见度仪器测值和人工观测值均为正相关。在1 km以下和10 km以上，两种能见度仪与人工观测值相关系数均较高，在3~5 km范围内相关系数均最低。在5~10 km、10~30 km范围内，两种能见度仪与目测值的相关性都达到显著水平，Belfort能见度仪与人工观测值在小于1 km范围内也达到显著水平。（2）平均相对误差都大于0，即目测值比器测值偏大，除10~30 km范围内，能见度仪与人工相对误差低于10%外，其余范围的相对误差均大于20%，其中5~10 km的误差最大，分别为46.8%和43.6%。在1~3 km、3~5 km和5~10 km三个范围内，随着能见度的增大相对误差也增大。虽然器测与目测的误差较大，但从这5组误差数据中可以看出，两种仪器相对于目测的相对误差较接近，说明两种仪器的数据有一定可信度。造成这么大的误差主要是由于器测与目测的两种观测方式的原理不同：两种能见度仪是利用散射原理，通过一小块空气测量大气对入射光的散射情况来确定散射系数，观测的局部性较强；目测是利用透射原理，关注的是一个面，范围较广，存在一定的主观性，随意性大，视野内各方向能见度不尽相同，选取的目标物有限，且目标物之间的距离间隔较大，可对照的目标物空档也较大。（3）在能见度小于3 km和大于10 km的情况下，粗差率均小于2%，与标准相符，说明在这两个范围内，两种仪器以人工观测数据为标准时出现异常差值次数较少，能见度仪资料有较好的可替代性，其中3 km以下的粗差率均为0，5~10 km的粗差率最大，分别为19.5%和16.7%。

表 1

表 1 不同能见度范围的器测与目测值的相关性分析 范围/km 相关系数 平均相对误差/ % 粗差率/ % Belfort 凯迈 Belfort 凯迈 Belfort 凯迈 ＜1 0.971** 0.777 38.9 32.7 0.0 0.0 1~3 0.383 0.307 28.7 25.3 0.0 0.0 3~5 0.248 0.226 45.6 40.4 3.2 1.9 5~10 0.526** 0.509** 46.8 43.6 19.5 16.7 10~30 0.810** 0.831** 4.0 5.6 1.7 1.4 注：**代表在0.01水平（双侧）上显著相关，下同。

表 1 不同能见度范围的器测与目测值的相关性分析

能见度按不同范围的对比分析发现，低于3 km视程障碍的情况下，器测与目测粗差率低，一致率高，器测效果好，具有很好的代替作用。当能见度在1~10 km范围内，随着能见度增大，器测与目测的平均相对误差增大，一致率降低，仪器粗差率增大，数据的离散程度增大。即当能见度在1~10 km时，能见度越好，器测数据代表性越差；在10~30 km范围内，器测与目测相关系数高、一致率高，平均相对误差和粗差率低。

表 2给出了不同观测时次两种能见度仪与目测数据的相关系数、平均相对误差和粗差率。（1）5个时次的器测与目测均为正相关，且都达到显著水平，只有20时器测与目测值的相关系数较低，分别为0.706、0.645，其余时次器测与目测相关系数均大于0.8，说明器测与目测数据的相关程度较高。各时次相关系数小于1主要是由于当能见度在1~5 km范围内时相关系数较低，即二者相关性低的样本主要集中在能见度为1~5 km范围内，这与表 1结论一致。（2）各时次的目测与器测能见度平均相对误差均大于0，即人工观测值比仪器测量值偏大，两种观测资料平均相对误差的日变化显著，即11、14、17时的器测与目测平均相对误差较小，均低于10%，14时的相对误差最小，分别为2.3%和4.3%；而08、20时的目测与器测平均相对误差较大，分别为20.1%和22.7%。（3）各时次仪器粗差率均小于2%，出现异常差值次数少，符合标准，自动观测数据可代表性好。

表 2

表 2 不同时次器测与目测值相关性分析 时次 相关系数 平均相对误差/ % 粗差率/ % Belfort 凯迈 Belfort 凯迈 Belfort 凯迈 08 0.834** 0.851** 16.3% 21.2 1.20 1.6 11 0.825** 0.856** 7.0% 8.2 1.80 1.2 14 0.809** 0.833** 2.3% 4.3 1.80 1.2 17 0.837** 0.865** 3.5% 6.5 0.98 1.5 20 0.706** 0.645** 20.1% 22.7 1.70 1.3

表 2 不同时次器测与目测值相关性分析

图 2给出了两种能见度仪的测量值（24个时次/d）与目测能见度（5个时次/d）对比的日变化。两种能见度仪数据的变化趋势基本一致，在11—15时两种仪器的测值有1~2 km的差异，其中Belfort能见度仪的测值接近于目测，其余时次两种能见度仪的测值相差不大，但与目测值偏差较大，与表 2结论一致。两种仪器数据的日变化均呈现单峰、谷型分布特征：能见度在06时最低，此后逐步转好，在14时左右达到最高值，之后又逐步转差。即在清晨和夜间能见度较低，上午和傍晚居中，午后达到最高值。这种日变化分布特征与刘宁微等^[7]对辽宁中部地区大气能见度的研究结果近似。目测能见度的分布显示，08时(清晨)和20时(夜间)较低，11时(上午)和17时(傍晚)较高，能见度在14时(午后)最高。可见两种观测方式的能见度日变化趋势基本相同。

图 2

图 2 器测与目测能见度的日变化比较

前人已经开展了大量影响大气能见度因子的研究，能见度数值模拟多是与雾相关的参数化模型^[17-22]。Gultepe等^[17-19]提出的大气能见度经验方程，既考虑了大气中的水汽对能见度的影响，还将云滴粒子数浓度引入，将能见度近似模拟为二者的函数，结果发现该方法计算出的能见度与实况更接近。在近地面，能见度变化与大气消光系数密切相关，而气溶胶粒子对大气消光的影响占很大比例。所以除了大气中的水汽，空气污染程度也会影响低层能见度。管琴等^[22]分别用相对湿度以及相对湿度与空气污染指数的乘积两种模型来拟合能见度的变化，结果表明考虑了空气质量的模型比单一采用相对湿度的计算更接近实况。本文对广州站能见度仪的数据与自动站相对湿度、大气成分站Grimm180的颗粒物数浓度进行相关性分析^[22]，相关系数见表 3。可见，两者均与能见度呈显著负相关关系，相关系数较高。

表 3

表 3 能见度与相对湿度、颗粒物数浓度相关性分析 能见度(Vis) 相对湿度(RH) 颗粒物数浓度(N) 皮尔逊相关系数 -0.94** -0.702**

表 3 能见度与相对湿度、颗粒物数浓度相关性分析

为构建能见度数值客观预报方法，在借鉴以往研究工作的基础上^[23-26]，将影响能见度的两个基本指标（近地面相对湿度、粒子数浓度）作为模拟能见度的预报因子。数据选用2015年广州站的Belfort能见度仪数据，考虑用相对湿度（RH）和颗粒物数浓度（N）的乘积（RH×N）来构建能见度估算关系模型^[22]，得出适合广州本地的能见度模型。从散点图可以近似得出曲线（图 4），从而得出广州站的能见度估算方程：Vis=258.632(RH×N)^-0.583。

图 4

图 4 能见度与相对湿度和颗粒物数浓度乘积的关系

在实际业务中，以广州站能见度参数化公式模拟2016年的三次天气过程。分别选取三种不同的能见度类型：能见度波动较大、能见度较好和能见度差来模拟能见度变化，以评价上述的估算模型。选用：2月20日，天气多云到晴，吹轻微至和缓的偏北风；3月11日，阴天为主，吹轻微的东北风；3月30日—4月1日，多云转阴天，间中伴有灰霾，吹轻微东南风。模拟曲线与能见度仪测量曲线如图 5所示。可见，广州站能见度参数化模型Vis-RH×N模拟出的能见度变化趋势与实况相似，特别是图 5c，误差大部分小于1.5 km。因此，该模型可以预报广州站能见度，为准确判断广州市的能见度变化提供参考依据。从模式预报的能见度和目测的对比发现，在天气较好、能见度较高水平的情况下，模式预报偏低，比器测值低，比实况更低；而在灰霾天气情况下，模拟值比器测值高，与实况接近；在能见度转好、转差的过程中模拟值较准确。

图 5

图 5 2016年广州站能见度参数化预报与测量值的比较 a. 2月20日；b. 3月11日；c. 3月30日—4月1日。

（1）能见度在3 km以下及10 km以上的器测与目测的粗差率低，一致率高。说明在视程障碍和高能见度下，自动观测效果好，具有很好的代替作用。除10~30 km范围内，器测与目测的相对误差低于10%外，其余范围内的相对误差均大于20%。的当能见度在1~10 km范围时，随着能见度增大，器测与目测相对误差增大，数据的离散程度增大。

（2）在5个正点时次的两种观测方法的测值均为显著正相关关系，一致率在90%以上，粗差率低于2%，平均相对误差在11、14和17时低于10%，08和20时的相对误差较高。说明在光照较好的情况下，能见度仪与人工观测数据较接近。

（3）器测与目测数据具有明显的日变化特征，且变化趋势基本一致，均呈现单峰、谷型分布，在06时能见度最低，此后逐步转好，在14时左右达到最高，之后又逐步转差。

（4）基于大气相对湿度、颗粒物数浓度，建立广州站能见度参数化模型，其模拟出的能见度变化趋势与实况相近。因此，该模型可以预报广州站的能见度，为准确判断广州市能见度变化提供一定的参考依据。

需要指出的是，影响能见度的气象因素十分复杂，除了与大气相对湿度、颗粒物浓度有关外，还与风速、降水等气象条件相关，不同天气背景下存在很大差异。同时大气稳定度以及气溶胶微物理过程的影响也不可忽略。因此，有关能见度的客观预报模型的研究和改进工作还需要进一步的探讨。