引言

雾常常因其带来的低能见度天气导致水、陆、空安全事故频繁发生，据估计，由雾造成的经济损失和人身伤亡与台风、雷暴等剧烈天气过程相当(Gultepe et al，2007)。因此，提高雾的预报能力对国民经济发展及人民生产生活有重要意义。早期雾的预报以预报员的主观判断为主，预报准确率建立在预报员对雾生消机制及预报区域的天气、气候形势的充分认识和准确分析上(滕华超等，2014; 王博妮等，2016)。随着计算水平的提高，客观预报中的数值模式预报逐渐成为雾的主要预报方法之一(Gultepe et al，2007)。但由于一维雾模式无法考虑环流背景场的变化对雾的影响，同时又依赖于反映大气层结信息的探空资料，中尺度数值模式已逐渐体现其优势并在科研和业务中得到广泛应用。

目前，国内外已有不少学者使用中尺度模式进行雾的模拟和预报研究(Van der veled et al，2010；万小雁等，2010；包云轩等，2013；王益柏等，2014；Steeneveld et al，2015；何心河等，2016)，并取得了大量研究成果。但是，由于雾的形成、发展和消散过程受各种微物理结构、动力及热力过程的综合影响(Duynkerke，1999)，中尺度模式中垂直分辨率和大量参数化方案的使用对雾发生过程的模拟和预报有一定的限制。Van der veled等(2010)利用中尺度模式WRF和HIRLAM对霜冻天气条件下的辐射雾过程进行了数值模拟试验，认为模式垂直分辨率对雾发展过程的模拟有重要影响。万小雁等(2010)比较了WRF模式中不同陆面方案对沪宁高速公路团雾的模拟效果，得出SLAB方案对团雾过程中水汽参量及长波辐射变化率的模拟效果最优。陆雪等(2014)对2005—2011年10次春季黄海海雾过程进行了WRF模式参数化方案敏感性研究，发现边界层方案与微物理方案的最佳组合为YSU与Lin方案，最差为MYJ与WSM5方案。而Steeneveld等(2015)在对英国一次强浓雾过程的模拟中，得出微物理双参数方案WDM6要优于单参数方案WSM6和WSM5，与陆雪等(2014)不同的是，作者认为YSU边界层方案对雾的模拟效果并不理想。

从以上研究可以看出，虽然中尺度模式对雾的模拟展现出一定的能力，但要精确模拟雾的发生过程还需要有更高的垂直分辨率，而且不同区域适用的参数化方案也不同。然而，由于现有计算成本和计算资源的限制，在现有业务预报上要大幅度提高垂直分辨率暂时还无法实现。因此，为提高江苏省境内雾的预报能力，本文利用WRF模式对2011—2013年21场大雾过程进行数值模拟，在不大量增加垂直分辨率的基础上，研究不同参数化方案对雾发生动力、热力和水汽条件模拟的效果，确定适合于模拟江苏省雾发生过程的最优方案组合。同时，为了弥补有时因垂直分辨率不足而无法模拟出地面雾(Zhou et al，2010)的缺陷，研究还基于模式模拟数据确定了江苏省成雾的判别指标，以提高江苏雾的预报能力。

1 资料与方法 1.1 资料来源

本文研究所用资料包括：

(1) 由江苏省70个能见度自动观测站提供的2011—2013年逐小时观测资料，包括2 m温度、2 m湿度、2 m露点温度、10 m风速、地表温度及能见度等要素。

(2) 由江苏省三个探空站(徐州站、射阳站、南京站)提供的2011—2013年每日2次(08和20时)各气压层的探空资料。

(3) 由美国国家环境预报中心提供的2011—2013年每日4次的1°×1°的FNL全球气象再分析资料。

1.2 模式试验设计

本文采用WRF3.6.1版本，使用两重双向嵌套，模拟中心位于(32°N、117°E)，模拟区域如图 1所示。d01区域格距为9 km，格点数为241×241，覆盖整个中国东部地区；d02区域格距为3 km，格点数为241×241，覆盖江苏全省。地表类型均采用目前江苏省气象业务上使用的土地利用分类，该分类与WRF模式自带的1997年全球土地利用分类体系相比，扩大了江苏地、县级市的城市覆盖面积，而相应的城市周边植被面积有所缩小。综合考虑模式垂直层数对雾模拟效果的影响及江苏省气象业务上现有大型计算机资源，按照上疏下密的原则，垂直层数由原来的27层增加到35层，其中1 km以下12层，第一层(σ=0.998) 厚度为30~40 m。模式以FNL资料作为初始场，积分步长50 s，每1 h输出一次结果。

目前，WRF模式的参数化方案主要包括微物理方案、长波辐射方案、短波辐射方案、近地层方案、陆面方案、边界层方案和积云对流方案。虽然积云对流方案对10 km以下的模拟影响很小，但在高分辨率下使用对模式仍然有益(Narita et al，2007)，本文选用Kain-Fritsch方案。长波辐射方案选择在模拟雾过程中常用的RRTM方案，短波辐射方案选用Dudhia方案(万小雁等，2010；彭双姿等，2012；包云轩等，2013；荣昕，2013；王益柏等，2014；石春娥等，2015)，城市下垫面方案选用UCM方案。由于雾是贴近地面的水汽凝结物(Gultepe et al，2007)，且它主要发生在稳定的边界层中，并对下垫面性质极为敏感(周旺等，2008)，因此本文主要研究微物理方案、边界层方案和陆面方案对雾模拟效果的影响。在利用模式模拟雾的研究中，经常被采用且模拟效果较好的陆面方案有SLAB方案(5-layer thermal diffusion)和Noah方案(Noah Land Surface Model)；边界层方案主要有YSU方案(Yonsei University scheme)、MYJ方案(Mellor-Yamada-Janjic scheme)和QNSE方案(Quasi-Normal Scale Elimination PBL)，与之对应的近地层方案分别是MM5 similarity方案、Eta similarity方案和QNSE surface layer方案；主要运用的微物理方案有Lin方案(Lin et al scheme)、WSM6方案(WRF Single-Moment 6-class scheme)和WDM6方案(WRF Double-Moment 6-class scheme)。其中，WDM6方案是在WSM6方案的基础上，考虑了云滴数浓度并诊断了云凝结核数浓度。因此，本文只考察Lin方案和WDM6方案。为了比较不同方案对雾模拟的影响效果，并找出最适合于模拟雾过程的参数化方案组合，本文将不同参数化方案进行排列组合，得到12套试验方案。另外，荣昕(2013)在其研究中提到，当微物理方案选择Morrison方案(Morrison double-moment scheme)、积云对流方案选择G3方案(Grell 3d ensemble cumulus scheme)、陆面方案选择SLAB方案、边界层方案选择QNSE方案时，对雾的模拟有较好的效果，因此本文将单独考虑这套组合方案的模拟效果。综上所述，本文共设计了13套试验方案(表 1)，先通过对3场具有代表性的典型大雾过程中的地面气象要素、高空温度及雾区分布等要素的数值模拟，选出3套较优的试验方案，再用这3套较优试验方案模拟2011—2013年江苏省发生的21场大雾过程，比较模拟效果，确定出最适合于模拟江苏省大雾过程的参数化方案组合。

1.3 评估方法

为了定量评价不同参数化方案对气象要素模拟的效果，本文选用的统计参数有：平均误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE)。其具体算法如下：

$ 平均误差:{X_{{\rm{ME}}}} = \frac{1}{{MN}}\sum\limits_{i = 1}^M {\sum\limits_{j = 1}^N {\left({X_{i, j}^m - X_{i, j}^n} \right)} } $

(1)

$平均绝对误差 :{X_{{\rm{MAE}}}} = \frac{1}{{MN}}\sum\limits_{i = 1}^M {\sum\limits_{j = 1}^N {\left| {\left({X_{i, j}^m - X_{i, j}^n} \right)} \right|} } $

(2)

$ 均方根误差:{X_{{\rm{RMAE}}}} = \sqrt {\frac{1}{{MN}}\sum\limits_{i = 1}^M {\sum\limits_{j = 1}^N {\left({X_{i, j}^m - X_{i, j}^n} \right)} } } $

(3)

式中，X^m是模式模拟值，Xⁿ是气象要素观测值，M是参与统计的气象站点总数，N为参与统计的时次总数，i为气象站点数编号，j为时次数编号。

根据《中短期天气预报质量检验办法(试行)》(中国气象局，2005)中对雾天落区预报的规定，雾区预报效果的评估方法为：

TS评分(threat score)：

$ TS = \frac{{NA}}{{NA + NB + NC}} \times 100\% $

(4)

漏报率(missing rate，MR)：

$ MR = \frac{{NC}}{{NA + NC}} \times 100\% $

(5)

空报率(false alarm rate，FAR)：

$ FAR = \frac{{NB}}{{NA + NB}} \times 100\% $

(6)

式中，NA为预报正确站(次)数，NB为空报站(次)数，NC为漏报站(次)数。

2 个例选取及天气背景 2.1 个例选取

本文研究的21次大雾过程在爆发时期都出现了5站以上能见度小于50 m的特强浓雾，并且能见度小于500 m的大雾过程覆盖江苏省20站以上，持续时间5~38 h不等。其中，冬季发生12次，春季发生3次，秋季发生6次。由于雾的种类(如辐射雾、平流雾、锋面雾等)及发生机制不同，且不同季节雾发生时的气象要素场差异较大，为了筛选出适合于各种雾发生过程的试验方案，本文选取了不同季节、不同天气背景下发生的3次大雾过程，它们的发生时间分别为2011年11月27日19时至28日11时、2012年5月21日01—08时、2013年2月23日01—11时，它们在爆发时期的能见度分布如图 2所示。

2.2 天气背景

3次大雾个例发生于三个不同季节，其天气背景也不相同：

2011年的大雾过程主要是以平流雾为主，伴随有辐射雾过程。在11月27日20时的500 hPa高度场和温度场(图 3a)上，东亚中高纬地区为一槽一脊型，高压脊位于乌拉尔山上空，低压槽位于贝加尔湖以东至内蒙古北部地区。江苏省位于小槽槽前，受西南暖湿气流的影响，各站点24 h变温均为正。在850 hPa高空图(图略)上，江苏省西部有一弱暖脊，各站点受暖平流影响，盛行西南风或偏南风，24 h变温均为正，温度露点差较小，成雾水汽条件较好。

2012年的大雾过程主要以辐射雾为主。5月20日20时至21日08时的500 hPa高度场及温度场(图 3b)上均显示江苏省高空处在槽后弱高压脊控制下，受冷平流影响，盛行偏西北气流，24 h变温为负。从850 hPa高度场及温度场(图略)中可以看出，江苏省主要盛行偏东气流，有利于海上水汽向该地区输送，湿度加大，并伴随辐射降温。21日02—05时全省处于入海高压后部，盛行偏东风，地面图(图略)中显示天空云量较少，辐射条件好，等压线稀疏，风速小，温度露点差小于2.0℃，空气中水汽含量接近饱和状态，有利于成雾，到了08时，随着云量的增加和太阳辐射的增强，雾渐渐消散。

2013年的大雾过程也以辐射雾为主，但水汽来源与2012年不同。从2月22日20时的500 hPa高度场及温度场(图 3c)分布来看，江苏省高空有一弱的冷槽过境，20时之前出现了少量降水，为雾的发生提供了较好的水汽条件。23日08时，偏西气流转为西北气流，24 h变温为负。在850 hPa天气图(图略)显示，22日20时江苏省位于冷槽底端，23日08时冷槽北退，温度回升。成雾时，全省受弱高压控制，辐射降温作用明显。

3 不同参数化方案模拟效果比较

雾的形成通常是因为暖湿空气受降温增湿作用使其温度达到露点温度或以下，空气中的水汽达到饱和或过饱和状态(Steeneveld et al, 2015)。因此，本文主要考察不同参数化方案对地表温度、2 m气温、2 m相对湿度、10 m风速以及高空(925、850、700、500、400、300和200 hPa)温度的影响；同时考察他们对雾区分布的预报效果，从而确定在江苏省雾的发生数值预报中应采用的参数化方案。

3.1 地面气象要素模拟效果比较

基于江苏省70个自动观测站的常规观测资料，本文利用式(1)~式(3) 分别计算了不同试验方案对3次大雾个例中各地面气象要素场的模拟值与实测值的误差。从模拟值与实测值对比的结果来看，所有方案都能够模拟出大雾发生过程中低温、高湿、微风的情景，模拟的2 m气温、地表温度平均误差均为负值，平均绝对误差分别为1.3~2.7、1.7~3.2℃，2 m相对湿度平均误差均为正值，变化范围4%~9%，模拟的10 m风速略大于实况值，平均绝对误差为0.8~1.2 m·s^-1。不同方案对露点温度的模拟结果不同，SLAB方案模拟的露点温度高于实测值，而Noah方案相反，表明SLAB方案比Noah方案更容易使水汽达到露点温度并产生凝结。陆面方案和边界层参数化方案对各要素的模拟结果有较大影响，而微物理方案的影响极小，其均方根误差如表 2所示。在其他方案相同的情况下，Lin方案和WDM6方案对温度、相对湿度和风速的模拟误差差异分别在0.1℃、0.1%、0.1 m·s^-1以内，这说明在地面气象要素的模拟中，这两种方案的结果基本一致，WDM6方案在温度的模拟上要略好于Lin方案。而陆面方案和边界层方案的配合作用明显，不同组合对各地面气象要素的模拟差别较大，其中以SLAB+MYJ方案和SLAB+QNSE方案较好，其次是SLAB+YSU方案和Noah+QNSE方案，Noah+MYJ和Noah+YSU方案误差最大。总体看来，SLAB方案对地面气象要素的模拟效果要好于Noah方案，而边界层方案对地面气象要素的模拟受陆面方案的影响较大，当陆面方案为SLAB方案时，MYJ方案和QNSE方案均优于YSU方案。

3.2 高空温度模拟效果比较

由于雾发生时一般都伴随有低层逆温(曹伟华等，2013；马翠平等，2014)，因此本文比较了不同参数化方案对各高度层(925、850、700、500、400、300和200 hPa)温度的模拟效果。结合3个个例在徐州、南京、射阳三个探空站每日08和20两个时次的成雾实况，共筛选出6组探空数据，分别是2011年11月27日20时徐州站和28日08时徐州、南京、射阳三站4组探空数据及2013年2月22日08时徐州、南京两站2组探空数据。两个大雾个例的高空温度模拟值与观测值的平均绝对误差如图 4所示。

从图 4中可以看出，各参数化方案对高空温度的模拟结果较近地层温度模拟值而言，与实测值的误差差异更小，可能是由于在有雾存在的夜间，大气层结稳定，边界层高度低，925 hPa(750 m左右)以上基本已经超出了边界层高度，导致边界层参数化方案和陆面方案对气温的模拟效果影响变小，主要受微物理方案影响，而Lin方案和WDM6方案差异很小，Morrison方案稍大，但基本维持在0.3℃以内。另外，模式对不同个例的温度模拟效果在各高度层不相同，如925 hPa高度上，2011年个例的平均绝对误差在1.6~2.2℃，2013年个例在0.1~0.2℃，而在700 hPa高度，前者的平均绝对误差在0.7~0.8℃，后者在3.2~3.4℃，这可能是模式使用的初始场资料与实际大气背景本身的误差所造成的。

3.3 雾区的模拟比较

由于WRF模式中本身没有对能见度的直接模拟，目前，绝大多数模式研究中都用模式最低层输出的液态含水量(LWC)来推算成雾能见度，其成雾临界阈值一般由能见度(Vis)与LWC的经验关系式确定(Kunkel，1984)：

$ Vis = 0.027LW{C^{ - 0.88}} $

(7)

当LWC>0.015 g·kg^-1时，Vis < 1000 m。因此，本文取模式最低层(30~40 m)LWC>0.015 g·kg^-1作为成雾的判别指标。为比较各参数化方案对雾区模拟的影响，利用式(4)~式(6) 计算结果评价了3个个例的雾区模拟效果，雾区预报评分见表 3。

从表 3中可以看出，不同参数化方案对不同个例的模拟效果基本一致。微物理方案对雾区的模拟效果差异较小，而陆面方案和边界层方案的模拟结果有较大差异。以2011年个例为例，在其他方案相同的情况下，方案3(Lin方案)、方案9(WDM6方案)和方案13(Morrison方案)三种不同微物理方案的TS评分分别为61.4%、62.6%、58.5%，差异并不明显；而陆面方案中方案9(SLAB方案)与方案12(Noah方案)的TS评分分别为62.6%和31.1%，SLAB方案较Noah方案表现出了更好的模拟效果。边界层方案中的方案9(QNSE方案)模拟效果最佳，其次是方案8(MYJ方案)，方案7(YSU方案)模拟效果最差，TS评分分别为62.6%、45.0%、38.7%。

通过比较13套试验方案模拟3个大雾个例的效果可知，不同微物理方案对各物理量及雾区模拟效果影响不大，且WDM6方案与Lin方案的模拟效果基本一致，但在计算成本近似的情况下，WDM6方案能提供云凝结核数浓度和云滴数浓度，展现出了更好的计算能力。陆面方案中SLAB方案无论在地面气象要素还是对雾区的模拟上都要好于Noah方案。边界层方案中YSU方案对地面气象要素和雾区的模拟效果都不好，而MYJ方案和QNSE方案对地面气象要素的模拟效果较好，且MYJ方案要略好于QNSE方案，但在雾区的模拟上，QNSE方案更好。试验方案13对雾区的模拟效果较好，对各气象要素的模拟也表现出了不错的模拟能力。综合考虑，我们选出了3套较优的参数化方案组合，分别是试验方案8、试验方案9和试验方案13。

4 最优参数化方案组合及雾预报指标的确定 4.1 最优参数化方案的确定

为了确定江苏省大雾过程数值模拟的最优参数化方案，本文用3套较优参数化方案模拟了2011—2013年发生的21场大雾过程，检验3套方案对江苏省大雾过程雾区分布的预报效果。预报结果如表 4所示。

从表 4中可以看出，方案9和方案13对雾区的预报效果相似，TS评分和漏报率相差都在1%以内，但方案9要略好于方案13，主要是方案9的空报率(34.9%)要略低于方案13(37.0%)。另外，从方案8和方案9可以看出，QNSE方案比MYJ方案的TS评分要高12.5%，表现出了更好的模拟效果。综上所述，在对江苏省大雾发生过程进行数值模拟时，微物理方案选择WDM6方案，边界层方案选择QNSE方案，陆面方案选择SLAB方案时，能够表现出最优的模拟效果。

4.2 成雾预报指标的确定

从表 3中可以看出，模式对2012年大雾个例的雾区模拟效果要远低于2011、2013年的两个个例，可能是单一利用模式最低层液态含水量来反映成雾过程有时并不能够达到很好的预报效果。原因有两点：一是模式本身并没有专门针对近地层雾模拟而设计的参数化方案，目前业务上所用的参数化方案都是针对降水或高空云设计；二是业务上由于计算资源和成本的限制，模式分辨率并不能如个例分析一样选择很细的垂直分辨率，对小于模式最低层高度的地面雾模拟有很大困难。

因此，为了提高雾的预报能力，尤其是对地面雾的预报能力，基于模式对地面气象要素较好的预报效果，我们引入了2 m相对湿度和10 m风速来确定成雾指标。通常预报员把2 m相对湿度大于90%，10 m风速小于2 m·s^-1作为雾的发生指标(Gultepe et al，2007)，但地面雾与下垫面性质密切相关，具有很强的局地性，找出适合江苏省本地的相对湿度和风速成雾指标十分必要。

表 5是在用LWC>0.015 g·kg^-1的基础上，增加了2 m相对湿度和10 m风速不同阈值后的雾区预报TS评分。从表 5可以看出，在相同风速下，随着相对湿度的增大(100%除外)，TS评分差别很小，处于1%左右，这表明模式对成雾过程中相对湿度的模拟值基本上都在95%~100%，而小于95%的相对湿度指标对雾的判别贡献不大。但是，当相对湿度以100%为指标时，TS评分会降低到47.5%(或47.6%)，等同于此时仅LWC在发挥判别作用，表明在实际成雾过程中，模式模拟的相对湿度在还未达到饱和(100%)时大雾过程就已经发生，这与有些学者研究结果相符(Zhou et al，2010)。在相对湿度相同的情况下，以相对湿度等于80%为例，风速从1 m·s^-1增大到3 m·s^-1，TS评分会由48.1%升高到52.5%，但随着风速的继续升高，TS评分稳定在52.0%~52.5%，表明模式对21场大雾过程的风速模拟值基本都 < 3 m·s^-1。而相对湿度 < 95%，风速>3 m·s^-1的其他指标对大雾过程的模拟效果提升并不显著。考虑到业务上的预报是每天循环预报，如果指标选得过于宽泛，对雾的预报可能导致出现频繁的空报现象(如高湿、大风天气或低湿、微风的霾过程)。因此，在不大量降低TS评分的基础上，我们应选取阈值范围较小的预报指标。综上所述，基于WRF模式输出资料的江苏省成雾判别标准应为：模式最低层液态含水量>0.015 g·kg^-1，或2 m相对湿度>95%，且10 m风速 < 3 m·s^-1。

5 结论与讨论 5.1 结论

本文通过利用WRF模式对江苏省2011—2013年21场大雾过程进行数值模拟后得到如下结论：

(1) 通过不同微物理方案、边界层方案和陆面方案对地面气象要素、高空不同层次温度及雾区模拟效果影响的对比试验发现，微物理方案选择WDM6方案、边界层方案选择QNSE方案、陆面方案选择SLAB方案时模拟效果最优，其中陆面方案和边界层方案对模拟结果的影响较大，微物理方案影响较小。

(2) 考虑到业务预报中模式垂直分辨率不高的限制，通过对江苏省2011—2013年21场大雾过程的模拟分析得到，江苏省境内成雾预报宜采用多指标判别：模式最低层(30~40 m高度)液态含水量>0.015 g·kg^-1，或2 m相对湿度>95%且10 m风速 < 3 m·s^-1时可预报有雾形成。利用这一成雾综合指标，TS评分由使用单一的液态含水量指标的47.5%提高到了52.2%。

5.2 讨论

(1) 三种微物理方案都是从不同相态水的角度研究水汽、云水、云冰、雨滴、雪以及霰这六种水相在大气中的模拟及相互转化。与Lin方案相比，WDM6方案的差别主要是通过预测雨滴数浓度进而改变雨滴大小分布，从而对少量降水过程的模拟有更好的效果，Morrison方案则主要是通过改变层状降水区的雨水蒸发率进而提高雨水混合比以及降水概率，并促进了中层大气中云冰的增长过程。而江苏省多以辐射雾过程为主，其生消的微物理过程主要是水汽和云水两个相态的相互转化，三种微物理方案对云水混合比的模拟方法大致相似，仅在碰并过程和一些经验参数的选择上有所不同，因此不同微物理方案对雾的模拟影响较小。而WDM6方案和Morrison方案作为双参数方案，不仅能够预报六种水物质，还增加了云滴数浓度和云凝结核数浓度的预报，同时减少了方案对模式时间步长的敏感性，三者计算成本近似，因此选择双参数方案更为适合，其中WDM6方案更优。

(2) 陆面方案主要为边界层方案提供相应的感热、潜热及辐射通量。SLAB方案是根据土地利用类型及季节变化考虑能量收支，对其他因素考虑较为简单，而Noah方案充分考虑了城市下垫面及植被的影响，并通过诊断方案预报地表变量，但并没有表现出对成雾过程预报的优势，这可能是由于WRF模式中对不同下垫面类型的属性(如城市下垫面地表反射率、地表热容量、植被叶面积指数、粗糙层高度等)设置与江苏省本地的实际属性差别较大，而Noah方案再对这些要素进行较复杂的考虑，导致模拟误差进一步增大。

(3) 不同边界层方案的模拟误差主要是由各方案对边界层中垂直混合强度及边界层上层夹卷作用的考虑程度不同引起的。YSU方案详细考虑了夹卷层作用及湍流扩散方程中的“反向梯度输送项”，但为了更好地模拟降水过程，加大了近地面层临界理查森数的设定，导致边界层混合作用加强，不利于水汽的聚集，同时，较强的湍流混合也会破坏辐射雾赖以发展和维持的逆温层结构，因此YSU方案对雾的模拟效果较差。而MYJ方案和QNSE方案并没有增强边界层内的湍流混合作用，更容易模拟出辐射雾发生时的低温、高湿、近地层逆温等天气条件。另外，QNSE方案在稳定层结下摒弃了其他边界层方案中以预先设定的临界理查森数来判断湍流混合作用是否发生的假设，它通过考虑湍流与波的共同作用，针对不同的边界层特征计算出不同的临界理查森数，对稳定层结下的大气重要特性描述更为实际、精确，因此，对江苏省雾的模拟QNSE方案要优于MYJ方案。

由于江苏省地势低平、河网密布且东邻黄海，大雾过程多以辐射雾为主、平流雾为次，而辐射雾本身具有很强的局地性，因此，研究中所得的最优参数化方案组合及成雾判别综合指标主要针对江苏区域的大雾数值模拟，是否适用于其他地区还有待于进一步探讨。