引言

海雾是一种发生在海上及其沿岸地区的低层水汽凝结现象，其伴随的低能见度特征对海上交通、港口调度、渔业生产等造成极其不利的影响(Bergot and Koracin, 2021)。黄渤海区域西邻欧亚大陆，东邻太平洋，其特殊的地理位置和气候特征使得这一区域的海雾天气高发(Zhang et al, 2009)，严重影响了沿岸港口航运(曹越男等, 2020)。因此，海雾精准预报的社会需求较大。

在以往海雾研究中，常使用浮标、船舶、海岛以及近岸观测资料分析海雾发生发展的天气气候规律(Fernando et al, 2021; 胡树贞等, 2022)。卫星观测的出现，一定程度上弥补了海上观测资料稀少的不足(张伟等, 2021)。随着高精度卫星遥感图像和各类先进融合算法发展，海雾的空间结构和时间演化特征研究取得了显著成果(Yang et al, 2021)。数值模式问世后，海雾的数值模拟和预报成为研究新热点(Fisher and Caplan, 1963; Li et al, 1997)，MM5、WRF等中尺度模式被用于黄渤海海雾个例的诊断分析(Gao et al, 2007)，极大助力了海雾中小尺度特征研究。在海雾数值模拟取得长足进步的同时，更多影响海雾数值模拟性能的敏感要素被发现，如初始场资料和物理参数化方案等。鉴于海雾是发生在边界层内近海面的天气现象，边界层内要素模拟性能必将显著影响海雾模拟效果。已有研究表明海雾模拟对边界层参数化方案选取较为敏感(Lin et al, 2017)。模式边界层内的垂直分层设置(杨悦和高山红, 2016; 王慧等, 2022)以及雾顶辐射选项(Yang and Gao, 2020)等均显著影响海雾模拟性能。

在影响海雾数值模拟的众多要素中，海面温度因能持续影响海气界面湍流通量，而在海雾数值模拟中体现出重要作用(张苏平和任兆鹏, 2010)。目前，常用的海温资料包括美国国家环境预报中心全球再分析数据的海面温度(Zhang et al, 2009; 张苏平和任兆鹏, 2010; Lin et al, 2017)、美国国家海洋和大气管理局逐日最优插值海表面温度(Lee et al, 2021)、东北亚区域全球海洋观测系统海温数据(Yang and Gao, 2020)、中国气象局全球海面温度融合分析系统(CMA Ocean Data Analysis System-SST，CODAS-SST)海温数据(Qu et al, 2021)。由于海温资料的时空分辨率不同，其在黄渤海区域的代表性和准确性存在一定差距。尤其是CODAS海温资料业务化以后，其在区域数值模式改进方面的研究还较少，同时其对海雾模拟效果的影响也需要进一步关注。

近年来，FY-4A携带的干涉式大气垂直探测仪(geostationary interferometric infrared sounder, GIIRS)资料，为获取高分辨率海洋上空大气观测数据带来了便利(Xian et al, 2021)。这些最新的海洋实况资料是否可以改善黄渤海区域雾的数值模拟性能需要进行定量评估。为此，本文基于WRF模式开展CODAS实况融合海温和FY-4A垂直探测资料协同同化试验，研究了其对海雾数值模拟效果的改进程度。

1 资料与方法 1.1 主要资料来源 1.1.1 CODAS海温资料

CODAS海温资料来自于国家气象信息中心的海面温度融合分析系统(师春香等, 2019)。该系统融合了全球浮标和船只、ECMWF模式SST产品以及多颗极轨卫星反演海温资料，采用多重网格变分融合方法实现了多源海温资料的实时融合(徐宾等, 2018)。CODAS海温有1 d和6 h的2种时间分辨率产品，对应空间分辨率分别为0.25°和0.1°。本文重点考虑高时空分辨率的CODAS 6 h海温数据对海雾模拟性能的影响。

1.1.2 FY-4A垂直廓线资料

FY-4A发射于2016年底，其携带的干涉式大气垂直红外探测仪(GIIRS)拥有1650个光谱探测通道，涵盖了4.44~6.06 μm的中波波段以及8.85~ 14.29 μm的长波波段。国家卫星气象中心基于自身静止轨道算法试验平台，采用多类反演和订正算法相融合，制作发布了空间水平分辨率16 km，垂直达到101层的大气温度廓线产品(Min et al, 2017)。该产品已业务化并经过相关研究验证(杜明斌等, 2023)，晴空下反演偏差在-1 K左右，均方根误差在2 K上下；云区误差有所增大，但多体现在中上层，600 hPa及以下反演均方根误差仍控制在3 K以下。尽管红外通道大气垂直廓线的反演精度已经有了显著提升，但多限于无云区，对于雾和低云区域的研究还有待加强(Menzel et al, 2018)。因此，本研究将质量较优的云区卫星反演数据同化到模式初始场中，探求云区反演资料在雾模拟中的可用性。

1.2 数值模拟方案

由于黄渤海在4个季节中对雾形成的作用不同，因此需要考虑不同季节的CODAS实况融合海温和FY-4A温度廓线资料对海雾模拟的影响。数值模拟试验选取了2019年7月和10月与2020年2月和4月的4次雾过程，分别代表夏、秋、冬、春4个不同季节的海雾(表 1)。WRF模式(V4.1.2) 选用单层方案，水平分辨率为5 km，垂直方向51层，区域中心为(40°N、115°E)，网格点数439个×368个。参照Yang and Gao(2020)，海雾模拟中微物理过程选用Lin方案，边界层取YSU方案，陆面过程取Noah方案，积云参数化选用KF方案，长波和短波辐射均选用RRTMG方案。

模式大气初始场和边界场条件采用NCEP/NCAR每日4次的全球再分析资料(FNL)。模式下边界的海温约束资料分别选用了FNL初始时刻定常海温和逐6 h更新的CODAS-SST产品，并且在6 h CODAS-SST约束下同化了FY-4A温度廓线数据，文中分别称其为FNL、CODAS、FY-4A方案(表 1)。其中CODAS方案以CODAS-SST为模式的下边界驱动场，FY-4A方案则更进一步，采用GSI-3DVAR V3.5系统同化FY-4A温度廓线资料。考虑到云区反演的廓线产品质量不稳定，同化前根据产品自带的质量控制码(0，1，2，3, …)对质量较差部分进行剔除，并在云覆盖区采用最优(质量控制码为0)部分，预处理后作为新型探空资料参加同化。

因CODAS海温融合产品中未使用FY-4A卫星数据，其与FY-4A反演的温度廓线资料间相互独立，所以设计了2种比较方式。第一种方式是以CODAS方案结果减去FNL方案结果，体现海温资料差异对雾模拟结果的影响；第二种方式是以FY-4A方案结果减去CODAS方案结果，体现CODAS-SST约束条件下的FY-4A温度廓线资料对雾模拟结果的影响。为便于对比，全文均采用北京时。

1.3 其他资料与检验方法

海雾模拟效果检验采用定性评估(卢绪兰和彭新东, 2021)与定量分析相结合的方式。海雾实况资料选取了海雾个例模拟时段(表 1)国家卫星气象中心的卫星反演海雾图(吴晓京等, 2017)，以及黄渤海区域地面国家站逐时能见度资料。选取54730、54660、54579及54861共4个近岸地面国家级气象观测站(图 1) 分别作为渤海内、渤海海峡、黄海北部和西部代表站，用站点逐时观测能见度体现海雾变化。以上午雾区较强时刻作为代表时刻(表 1)，对4个海雾模拟效果进行定性评估。定量分析以均方根误差为统计指标，选取54558、54748、54762及54772共4个海上浮标站(图 1)在海雾模拟时段逐时海温、2 m气温及相对湿度数据，用于评估不同资料对海雾模拟的改进效果。将相对湿度数据在分析中统一换算为比湿。同时，采用山东荣成54778探空站(图 1)在2019年7月25日20时至28日08时的逐12 h探空资料，对比分析边界层内要素模拟结果。

2 模拟结果与实况资料的对比分析 2.1 海雾演变过程实况分析

图 2给出了4个海雾代表时刻卫星反演海雾分布和地面观测站能见度情况，图 3是每个海雾过程的近岸站点能见度变化趋势。依据观测资料分析获得4个海雾过程的实况特征: (1)2019年7月夏季大雾个例自25日夜间在渤海海峡及其以东海域形成(图 2a, 2b)，27日范围收缩，28日白天逐步消散(图 3a)；(2)2019年10月秋季大雾个例自21日夜间在山东半岛、辽东半岛及其近海形成(图 2c, 2d)，其中辽东半岛东南海域雾区较弱，23日雾区减弱消散(图 3b)；(3)2020年2月冬季大雾个例自2月19日渤海湾沿岸开始出现，20日上午雾区覆盖渤海西部、黄海北部及山东半岛东西两侧(图 2e, 2f)，随后陆上雾区消散，海上雾区也随之减弱(图 3c)；(4)2020年4月春季大雾个例自16日夜间开始形成并向东移动，17日白天向黄海东南部收缩(图 2g, 2h), 18日显著减弱(图 3d)。

在地面天气图上(图略)，夏、秋、冬季3次海雾个例均是在弱气压场环境下形成发展的，并在低压东移过境后减弱消散，均维持较长时间。春季个例则是在低压东移入海后的槽前偏南暖湿气流下形成，随着低压槽东移减弱。春、夏季海雾个例主体均位于海上，属于平流冷却雾；秋、冬季海雾个例多是陆海相连的辐射雾，其本质上是陆地雾向海上的延伸。

2.2 海雾个例的对比分析

在海雾模拟结果分析中，雾区确定原则是模式最底层液态水含量超过0.016 g·kg^-1，雾顶高度低于400 m的区域(Wang et al, 2014)。图 2a卫星反演雾区中的区域A(37°~40°N、121°~124°E)存在大范围海雾，而图 2g的区域B(32.5°~34.5°N、122.5°~124.5°E)则以晴空海表为主，雾区范围较小。区域A和B的海雾分布存在显著差异，用其可以更好地讨论FNL、CODAS、FY-4A 3种模拟方案的差异(图 4)。

4次雾过程的对比分析表明：(1)在夏季过程中，CODAS方案相对FNL方案能模拟出渤海海峡及其以东雾区(区域A)，FY-4A方案则进一步突出该雾区，整体抑制了CODAS方案在渤海内的虚假雾区(图 4a~4c)；(2)在秋季过程中，CODAS方案抑制了FNL方案中辽东半岛东南侧近岸过强雾区，同化FY-4A卫星资料后则消除了山东半岛北岸虚假雾区(图 4d~4f)；(3)在冬季过程中，CODAS方案相对FNL方案模拟的渤海中东部及黄海东北部雾区偏小、偏弱，FY-4A方案消除了山东半岛北岸虚假雾区，增大南岸雾区，使得模拟结果同实况雾区更接近(图 4g~4i)；(4)在春季过程中，相对于FNL方案，CODAS方案在黄海南部雾区强度和高度上均偏弱(区域B), FY-4A方案进一步减弱黄海南部的虚假雾区，与卫星反演雾区分布更为贴近(图 4j~4l)。

统计分析4个浮标站的实况资料发现(表 2)，除54748站CODAS融合海温均方根误差略大于FNL资料外，其余3个站点CODAS海温资料的均方根误差均显著低于FNL海温。4个浮标站全部观测样本的综合统计结果表明，CODAS海温的检验均方根误差平均为2.02℃，相较FNL海温误差降低17%；CODAS方案2 m气温和比湿均方根误差分别为1.61℃和1.14 g·kg^-1, 相比FNL方案模拟误差分别降低了9%和17%。这表明更精确的CODAS海温显著改善了2 m温、湿度的模拟效果。然而，同化FY-4A温度廓线对模式的2 m温、湿度影响不明显。

上述分析表明，CODAS方案相对FNL方案显著改善了海雾大尺度空间分布模拟效果，FY-4A方案则在CODAS方案基础上进一步优化了模拟雾区中小尺度空间分布特征。因CODAS方案中高分辨率海温及其模拟的2 m温、湿度更为精确，模拟雾区范围和强度比FNL海温的模拟结果更加合理(Qu et al, 2021)，而且其对春、夏季大范围平流冷却雾的模拟效果改进明显，体现出海温在平流冷却型海雾模拟中的重要性。同化FY-4A卫星温度廓线数据可进一步提升WRF模式对雾区中小尺度特征的模拟能力。

3 实况融合海温资料对WRF模式的海雾模拟影响 3.1 海温对海雾模拟效果影响的定性分析

讨论海温对模式底层气象要素的影响，有助于了解海温资料在WRF模式模拟海雾中的作用。CODAS海温对气象要素的模拟影响采用了FNL和CODAS 2种方案模拟结果的对比分析方法。鉴于海洋有热容量大和海温变化缓慢的特性，海温一般在海雾发生前后的空间分布特征相对稳定，因而对海雾有一个稳定的持续影响。海温资料间比较结果亦表明，海雾代表时刻CODAS与FNL的海温差异显著，平均温差达到0.88℃，部分海域相差超过2℃(图 5a，5e, 5i，5m)，有助于开展进一步对比分析。

图 5的4次海雾个例的海温变化与水汽通量及比湿变化关系表明，黄渤海区域海气界面水汽通量与较大尺度海温变化表现出一定的正相关性，但其相关程度受季节及自身量值影响显著。2 m比湿在春、夏季个例中与海温异常有一定正相关性，但是秋、冬季变化不明显，推论可能是春、夏季近饱和空气中气态与液态水相互转化形成了这种差异。

液态水含量在大雾过程中降低能见度的作用很大，分析液态水含量的变化可以更好地理解海温对海雾模拟的影响。结合FNL和CODAS方案中海温及液态水含量(雾区)差异分析可知，雾区液态水含量与海温变化在空间上呈现出显著负相关性，偏暖(偏冷)海温对应液态水含量降低(增加)，使得低能见度雾区范围减小(扩大)、雾强度削弱(增强)。液态水含量对海温差异较为敏感，且在春、夏季大范围平流冷却雾中更明显。

3.2 海温对海雾模拟效果影响的定量分析

为了量化海雾模拟中各要素对海温变化的响应程度，选取FNL及CODAS方案在4个海雾代表时刻模拟输出的2 m气温和比湿、10 m风速，以及海气界面感热、潜热和水汽通量等要素，分析其对海温数据的敏感度。令FNL及CODAS方案在共同模拟海雾区域单位格点i上要素值分别为X_{fnl, i}及X_{codas, i}, 可根据式(1)得到2种方案海上模拟雾区要素差值与海温差值之比的区域平均Y_codas-fnl，称Y_codas-fnl为要素敏感度，并以此表征海温差异对海雾模拟中各气象要素的局地影响。

$ Y_{\text {codas }-\mathrm{fnl}}=\frac{1}{n} \sum\limits_{i=1}^n \frac{X_{\text {codas }, i}-X_{\mathrm{fnl}, i}}{\mathrm{SST}_{\text {codas }, i}-\mathrm{SST}_{\mathrm{fnl}, i}} $

(1)

式中: SST_{fnl, i}和SST_{codas, i}分别为FNL及CODAS方案在海雾代表时刻第i格点上的海温，n为海雾区域所有格点数。

分析式(1)计算结果(表 3)可知，海温变化对海气界面热通量、水汽通量、2 m温、湿度以及液态水含量均有一定影响，但风速整体变化小。液态水含量与海温呈现显著负相关性，其敏感度均值可达-0.090 g·kg^-1·℃^-1；其余要素与海温均呈一定正相关性。其中，2 m气温相对海温变化比值达到0.69 ℃·℃^-1，表明近海面气温对海温变化极为敏感，但敏感度的幅度小于1。因FNL及CODAS方案间海表风速差异不明显，海气界面中潜热输送主要受水汽通量影响，而感热输送则基本受制于海气温差。因此，潜热和水汽通量在空间变化上有较强的一致性，且均与海温关系密切，而感热通量则因受海气温差影响，敏感度值偏弱，仅为2.47 W·m^-2·℃^-1。

各要素对海温变化的响应程度与自身量值有关，因而呈现出显著季节差异。潜热和水汽通量在夏、秋季对海温变化最敏感，感热通量则是在夏季对海温变化敏感。尽管秋、冬季个例中大部分海域2 m比湿无明显变化规律，但雾区比湿与海温之间仍存在一定的正相关性(表 3)，表明海温可影响雾区的2 m比湿。这种影响的机制可能是春、夏季个例的雾区分布较广，大部分区域水汽近饱和，比湿受气温及对应饱和水汽压影响更明显，而秋、冬季个例中大部分海域水汽欠饱和，比湿对气温变化不敏感，在风速及对应水平方向水汽输送无显著变化时，比湿变化不明显(Huang and Jou, 2006)。此外，海温对春、夏季平流冷却雾的模拟影响最为明显，液态水含量的敏感度值超过0.1 g·kg^-1·℃^-1。

在黄渤海区域，不论是偏南暖湿气流与本地冷海面相互作用形成的平流冷却雾(Zhang et al, 2015)，还是在辐射冷却作用下形成的辐射雾(王彬华, 1983)，都需要相对偏冷的下垫面，以利于底层大气中的水汽凝结形成雾区(Lewis et al, 2004)。偏暖海温在使底层大气显著增温的同时，也增大了其饱和水汽压。这种变化会抑制水汽的凝结，其作用效果超过了海表蒸发增强带来的比湿增加效应，因而使得液态水含量减少，雾区强度和范围减弱。

4 CODAS海温与FY-4A温度廓线资料协同同化的影响

CODAS实况融合海温和FY-4A温度廓线资料都是中国气象局业务化的新型观测资料，均有效增强了黄渤海区域的海洋大气信息的获取能力。然而，二者对海上天气预报的影响需要进行评估。因此，增加CODAS海温与FY-4A资料协同同化研究，可以反映2种资料在数值预报模式中的综合作用。

4.1 海温与卫星资料协同同化对边界层内要素模拟影响

为了探究CODAS海温与FY-4A资料协同同化对WRF模式中海雾模拟的影响，分析了表 1中3种方案在图 4中的区域A(对应2019年7月夏季个例)和区域B(对应2020年4月春季个例)中边界层要素的模拟差异(图 6, 图 7)。通过对比FNL及CODAS方案中边界层内要素分布及其变化可知，2个代表区域内2种方案的液态水含量差异均表现出由近海面向高层递减，且100 m以下的温、湿度差异明显。6 h CODAS海温具有显著日变化特征，其在区域A中2019年7月26日02—07时以及27日03—14时的海温显著偏低(图略)，对应底层温、湿度明显下降，液态水含量增多，与实况雾区更为吻合，体现出高时间精度海温资料在海雾模拟中的作用。此外，FNL与CODAS方案在整个边界层内水汽水平输入(水汽通量散度)差异较小，可能与底层风场对海温异常响应较弱有关。

FY-4A方案相比单纯的CODAS方案，模式在整个边界层内的液态水含量均有所改变(图 6)。在FY-4A方案中，2019年7月26日06—10时以及27日02—08时，区域A中水汽输入偏强并向高层扩展，使得雾区液态水含量增多，其高度也有提升；2020年4月17日14时前，区域B的水汽输入减少，但是14时后水汽输出增多，对应的液态水含量减少而且高度有所下降。由于水汽输送在平流冷却雾发展中具有重要作用(Huang and Jou, 2006)，2种方案中液态水含量和水汽通量散度间有较好对应关系，表明同化卫星廓线资料可改变水汽输送强度并影响雾区模拟结果。此外，卫星资料也一定程度上改变了温、湿度层结分布，图 7b和7c中的26日20时以及图 7e和7f中17日11时前后, 模式结果的逆温层强度都调整了，验证了FY-4A协同同化对海雾模拟有一定影响。

4.2 海温与卫星资料协同同化对雾区影响的时间序列分析

用区域A中54772鸡鸣岛浮标站在2019年夏季个例期间的观测资料，分析3种方案的气象要素模拟结果随时间的演变。由于浮标站缺乏能见度观测资料，根据站点温、湿度信息估算能见度(田云菲等, 2019)，并在图中标示出有雾时段(图 8)。结果显示6 h CODAS海温同其对应气温及比湿关系，能较好地反映出实况海温及气温、比湿日内变化特征，但存在3 h左右滞后性。CODAS方案中海温及模拟气温、比湿误差相对FNL方案分别下降了66%、53%、24%，有明显的改善效果。FY-4A方案相对CODAS方案的2 m比湿和风速差异较小，但在有雾时段2 m气温同实况更接近。高时间分辨率的CODAS海温和FY-4A温度廓线有效改善了雾区模式底层温、湿度模拟效果。

4.3 海温与卫星资料协同同化对雾区影响的垂直结构分析

选取区域A中54778山东荣成站探空资料，分析3种方案的雾区边界层气象要素的模拟效果。图 9表明2019年7月26日08时荣成站呈现上干下湿结构，500 m高度存在逆温结构，风力微弱。受邻近海域海温偏低影响, CODAS方案模拟底层气温偏低，其上部逆温增强，结果与实况分布更为一致。FY-4A方案则略微改善了雾区中上部400 m高度温度露点差。

26日20时该站地面最小能见度达到1000 m左右，200 m以下湿层明显，以上则呈现显著逆温结构，200~400 m的风速较小。CODAS方案对最底层温、湿度略有改进，FY-4A方案则较好地模拟出底层近饱和湿区和逆温结构以及弱风速。弱风速使得南侧水汽输入减弱，对应了区域A同时刻500 m以下逆温增强、水汽输出增加(图 6b，6c及图 7b，7c)。

27日08时该站呈现上干中湿下干结构，500 m以上有较高的逆温层，400 m以上风速有所增大。3种方案对温、湿度廓线模拟均存在一定偏差，但FY-4A方案较好地模拟出400 m以上风力增大的现象，加强了区域A南侧水汽输入，对应了图 6区域A该时刻400 m以上水汽输送增强，水汽通量散度减小的现象(图 6b，6c)。

统计分析整个海雾过程中3种方案对荣成探空站温、湿、风3个要素模拟效果可知，高精度CODAS海温有效降低了底层大气温、湿度模拟误差，而FY-4A廓线资料改进了边界层比湿和风速的模拟效果，对应模拟误差分别为1.42 g·kg^-1和1.02 m·s^-1，相对CODAS方案分别下降了8%和32%，对模拟效果改进明显。

综上所述，模式底层海雾分布对海温具有较高的敏感性，其中雾区底层液态水含量与海温之间的敏感度均值将近0.1 g·kg^-1·℃^-1，体现出海温在海雾模拟中的重要性。海雾上层的液态水含量和雾顶高度等要素受海温差异影响较小，这与平流冷却雾发展主要受长波辐射冷却机制主导以及湍流交换作用偏弱有关(胡瑞金等, 2006)。海雾天气与海温间存在复杂的相互作用机制，除高精度海温资料的影响外，模式的物理参数化方案也是影响海雾数值模拟准确性的重要因素。

5 结论与讨论

本文分析了CODAS-SST和FY-4A温度廓线资料的协同同化对黄渤海大雾模拟性能的改进效果，明确了实况资料对海雾模拟过程相关要素的影响并得到如下结论:

(1) 6 h CODAS实况融合海温资料的日变化信息，有效改善WRF模式底层大气的温、湿度分布，使得雾区强度和范围与实况更为接近，提升了底层雾区模拟效果。

(2) 雾区各类要素相对海温变化的敏感度分析表明，海温差异改变了雾区海气界面热通量、水汽通量及2 m温、湿度等气象要素的分布，上述要素与海温变化间呈现不同程度的正相关性。海温与气象要素相关性具有明显季节变化，夏季平流冷却雾中气象要素对海温变化最为敏感。

(3) 海温变化显著影响雾区模式底层大气中气态与液态水的模拟值，其中液态水含量与海温间存在较强负相关性，敏感度值可达-0.09 g·kg^-1·℃^-1。偏暖海温在增强底层大气温、湿度的同时，会增大空气饱和水汽压，抑制水汽向液态水转化。液态水含量是影响低能见度的重要因素，因此液态水含量减小会使得雾区强度偏弱和范围偏小。

(4) 同化FY-4A温度廓线产品能够优化雾区中尺度空间分布特征。FY-4A廓线资料改进了雾区边界层内湿度及风速的垂直分布，优化了雾区液态水含量模拟效果。

当前，有云条件下卫星探空资料的反演仍是研究难点(Menzel et al, 2018)，相关的反演算法需要持续优化。此外，卫星红外通道定标误差本身也在一定程度上影响FY-4A温度廓线资料准确性，进而影响海雾的数值模拟效果。尽管云区的红外大气要素反演存在一些缺陷，但是在薄的低云条件下, 部分FY-4A的反演廓线完整并可以反映出雾区的一些逆温特征(Wang et al, 2022)。而且，文中的数值模拟研究亦表明预先做好廓线的质量控制筛选，卫星反演温度廓线资料可在一定程度上改进海雾模拟性能。随着融合算法的持续改进和FY-4B的业务化，新实况资料特别是云区廓线资料对海雾数值模拟的改善效果还需要进一步研究。此外，本研究工作仅选取了4个海雾个例作为代表，海雾过程的研究个例数量相对偏少，需要更多个例的研究结果增强结论的普适性。

致谢：感谢国家卫星气象中心吴晓京研究员提供的静止卫星反演海雾产品。