严重的沙尘暴在缺席10多年后，于2021年再次侵袭中国华北地区，在3月15日与3月27日前后出现两次强沙尘暴，北京、宁夏、内蒙古等地均受到强沙尘暴影响。2021年3月14—16日，乌兰察布、呼和浩特等城市部分站点的可吸入颗粒物（PM₁₀）浓度超过了仪器监测阈值（>9 985 μg·m^-3），在沙尘路径上的北京和天津等城市的PM₁₀浓度也都达到了非常高的数值。

这几次强沙尘暴不仅带来了巨大的影响，也受到了极大的关注。2021年3月15日影响蒙古国、中国北部和亚洲其他地区的沙尘暴是近几十年来最严重的一次，造成了重大的环境和经济损失^［1］。蒙古国降水稀少、气温偏暖等因素导致地表干燥裸露，为沙尘天气提供了充足的物质基础^［2］。同时，地表气温和降水的变化导致冻土和积雪融化加剧，春季植被覆盖差，进一步造成地面裸露和疏松，为2021年春季沙尘暴的提前发生提供了有利的沙尘源。准确的沙尘预报对于防护措施的制定、减少财产损失以及保护公众生命安全至关重要。

在沙尘的预报过程中，精确模拟沙尘起沙是关键。其中，风速和土壤湿度是影响沙尘起沙的两个重要因素^［3-4］。沙尘排放主要通过3个过程实现^［5-6］：①空气动力学的直接抬升；②撞击跃移颗粒引发的土团中沙尘气溶胶喷射；③参与跃移的土团中沙尘粒子喷射。后两个过程是由于跃移撞击，即跃移粒子对土壤的冲击，导致大量沙尘气溶胶从跃移粒子或被跃移粒子撞击的土团中释放进入大气^［7］。这一沙尘气溶胶排放过程需要风速超过跃移发生的流体阈值才能引发^［6，8］。由于湿度增强了土壤的黏性力，此跃移阈值也与土壤湿度紧密相关。因此，提高土壤湿度能够增强沙粒之间的相互作用力，有效地抑制跃移的发生^［9］。

虽然土壤湿度对起沙有着非常重要的影响，但是在沙漠地区，由于人口稀少，土壤湿度数据整体较缺乏，尤其是连续的观测数据。尽管卫星观测数据能在一定程度上弥补这一不足，但其在沙漠地区的误差较大^［10］。相比之下，模式模拟的土壤湿度会受到模型物理过程参数化方案、输入的土壤参数以及计算误差等因素的影响，这些不确定性最终都会成为制约沙尘暴预报准确率的因素^［11-14］。虽然目前有大量的研究对各种土壤湿度产品进行了评估^［15-16］，但是缺乏对戈壁沙漠地区土壤湿度数据集的对比和验证。

近年来，随着沙尘起沙机制的不断完善，以及在空气质量数值模型中的广泛应用，许多研究开始利用数值模型研究沙尘暴形成的物理机制和长距离传输过程。刘冲等^［17］利用CAM5.1模型分析了全球主要沙漠上沙尘气溶胶的排放，Yu等^［18］利用WRF-Chem模型模拟了2010年3月在东亚发生的严重沙尘暴事件。此外还有很多模拟研究通过对比不同的起沙机制来评估各种起沙方案在空气质量模型中的表现^［19-22］。但是目前针对公开的多种土壤湿度数据集对沙尘模拟影响的研究还不多见。

因此，本文将选择10款公开的土壤湿度产品，对比它们在中国和蒙古国主要沙漠地区的分布特征，并评估其在2021年3月7日至3月31日期间两次强沙尘暴发源地——戈壁沙漠地区的数据质量。同时，我们将评估不同数据集之间的差异，并使用其中4款产品的土壤湿度数据，结合WRF-CMAQ模型，研究其对2021年3月华北两次强沙尘暴过程的模拟结果的影响。

本研究从可以通过公开数据网站获得，且在持续更新中的土壤湿度产品中，排除了ESA-CCI等2021年3月数据大量缺失的产品，最终选择了10款土壤湿度产品。根据Beck等^［15］对土壤湿度产品的研究，可以将这10款产品分为3类，包括4个基于卫星反演的产品，2个基于未经卫星数据同化的模型（以下简称“开放环”模型，Open-loop Models）产品，以及4个基于卫星土壤湿度或亮温数据同化的模型产品。下载各土壤湿度产品2021年3月7日至3月31日的数据集^［23-30］（表1）。

自2013年起，中国生态环境部（环境保护部）开始在全国范围内建设环境监测站点，以测量包括PM₁₀在内的6种常规大气污染物。2021年两次强沙尘暴的影响区域主要包括东部的华北平原，内蒙古、山西、陕西、宁夏、青海和甘肃西部，以及新疆东部等地区。本研究选取这些省份内110座城市（图1）的PM₁₀浓度观测数据，用于沙尘暴模拟结果的对比和验证。在此基础上，本研究进一步选择了16座城市，详细比较了两次沙尘事件中基于不同土壤湿度数据集的PM₁₀模拟值与观测结果的时间演变特征。

本研究采用WRF-CMAQ模型模拟了不同土壤湿度条件下的沙尘气溶胶浓度。WRF模型（版本：4.3.3）被用于模拟2021年3月两次严重沙尘暴事件的气象场，以驱动空气质量模型CMAQ。模型模拟区域的中心点位于蒙古国戈壁沙漠，中心点经纬度为43°N、105°E，水平网格数为380×280，网格间距为15 km×15 km，有34个垂直sigma层。模拟时间从2021年3月7日00:00到2021年3月31日00:00（UTC），共24天，初始条件和边界条件来自NCEP的0.25°网格间距的全球再分析（FNL）数据。

CMAQ模型（版本：5.3.2）用于模拟沙尘气溶胶，其网格设置与WRF模型相同。CMAQ模型包含沙尘模块，可以用于模拟沙尘暴过程，模型中的沙尘起沙机制可在线计算沙尘排放^［31］。该模型采用了CB6气相化学机制和AERO7的3模态气溶胶方案。CMAQ模拟的初始条件和边界条件来自全大气公众气候模型（WACCM）的预测。

中国的人为排放源来自以2017年为基准的中国多尺度排放清单（MEIC），中国以外区域的人为排放源来自以2010年为基准的MIX排放清单^［32］。生物源排放则由自然气体和气溶胶排放模型2.1版（MEGAN v2.1）生成^［33］。

为了全面地量化评估4款产品土壤湿度数据模拟两次沙尘暴结果的可靠性和准确性，本文选用的评价指标包括相关系数（R）、偏差（Bias）、均方根误差（RMSE）、归一化均值偏差（NMB）和分数总误差（FGE）。O为PM₁₀浓度（μg·m^-3）观测值，M为PM₁₀浓度模式模拟结果，各评价指标计算公式如下：

相关系数（R）指的是模拟结果和实际观测值之间线性相关的程度，R值的范围在-1到1之间，接近1表示正相关，接近-1表示负相关，接近0表示无关联。

偏差（Bias）反映模拟结果与实际观测值之间的平均偏差，正偏差表示模拟结果高估了PM₁₀的浓度，负偏差则表示模拟结果低估了PM₁₀的浓度，Bias越接近0，表示模型预测的准确性越高。

均方根误差（RMSE）衡量了模式模拟结果与实际观测值之间的差距，它将所有误差的平方加在一起，这意味着较大的误差将产生较大的影响，因此RMSE对于识别模型预测中存在的较大误差非常敏感。RMSE值越小说明模式模拟结果的准确性越高^［34］。

归一化均值偏差（NMB）同样衡量了模拟结果与实际观测值之间的平均偏差，但由于采用相对差异归一化方法，具有避免值膨胀的优点。NMB的值以百分比形式表示，正值表示模式模拟结果倾向于高估PM₁₀的浓度，负值则表示模式模拟结果倾向于低估PM₁₀的浓度。NMB的绝对值越小，说明模式模拟结果的准确性越高^［35］。

分数总误差（FGE）^［36］是一个基于绝对值的归一化平均误差（不同于归一化均方误差，归一化均方误差是基于平方值的）。FGE取值0~2。FGE值越接近0，说明模式模拟结果的效果越好。

综合来说，较大的R值、较接近0（绝对值较小）的Bias、RMSE、NMB和FGE值的组合，说明该土壤湿度数据集模拟沙尘暴的结果与实际观测值拟合较好。

对10款产品中的土壤湿度数据进行时间平均计算。对于区分升轨与降轨数据的产品，升轨与降轨数据被视作两个观测时间点并纳入平均计算。本文选取了包括中国华北地区与蒙古国的区域，绘制土壤湿度数据空间分布对比图（图2）。

Wu等^［37］研究显示，可能由于JAXA的反演算法选固定值293K作为地表低温建立查找表，因此导致AMSR2-JAXA产品的土壤湿度数据有明显低估倾向。而 AMSR2-LPRM产品的反演算法中使用37 GHz V极化亮温计算，其土壤湿度数据有明显高估倾向^［38］。图2中的产品土壤湿度分布对比与前述研究结果基本一致，AMSR2-JAXA产品的土壤湿度数据明显低于其他产品（图2A），而AMSR2-LPRM整体土壤湿度数据较其他产品确有偏高的倾向（图2B）。在戈壁沙漠地区，虽然AMSR2-LPRM能清晰展示局部区域的土壤湿度差异，但整体数值较其他产品偏高；在其他非沙漠地区如中国四川盆地、东北三省和朝鲜半岛地区，AMSR2-LPRM相对其他产品则给了最高的土壤湿度值。

此外，SMOS产品的土壤湿度数据表现（图2D）与AMSR2-JAXA产品类似，数值整体相较其他产品显著偏低，且未能很好地反映戈壁沙漠地区在相应时段的土壤湿度情况。这主要是因为SMOS产品的空间分辨率最低（表1），且其还明显存在大量缺测区域，尤其在50°N附近，包括蒙古国北部小部分属于戈壁沙漠的地区，以及75°E附近。

SMAP L3产品土壤湿度数据（图2C）的时段平均空间分布表现相对较好，基本能清晰体现相应时段内戈壁沙漠地区土壤湿度的分布，以及戈壁沙漠区域内土壤湿度的差异。然而，SMAP L3产品的缺测区域相比SMOS产品更大，缺测的戈壁沙漠地区不仅包括蒙古国北部，还包括内蒙古西南部的小部分区域。

上述4个土壤湿度产品属于仅基于卫星反演的产品。图2显示，这类产品均存在缺测区域，且部分产品的缺测区域较大。此外，该类产品中的土壤湿度数据表现普遍较差，可能出现对土壤湿度高估或低估的倾向。

SMAP L4产品（图2J）与SMAP L3产品在算法上有显著差异，因此其土壤湿度数据表现与SMAP L3相似性不强。与图2中其他产品相比，SMAP L4产品的土壤湿度数据在50°N以北整体偏低，在本文重点研究的戈壁沙漠区域，其土壤湿度数据表现情况较好，数据的空间分辨率较高。相比其他产品，SMAP的L3与L4在戈壁沙漠地区东西方向上给出了更大的土壤湿度低值（<0.1 m³·m^-3）区域，其范围延伸至戈壁沙漠地区范围的最东端，而其他数据集在该地区105°E左右以东的范围并未出现此类低土壤湿度值区域。

与SMAP的两款产品不同，ERA5和ERA5-Land这两款产品的土壤湿度数据体现出较高的相似性^［39］。如图2E、图2G所示，两款产品中的土壤湿度数据空间分布基本一致，整体表现情况较好。在包括戈壁沙漠、新疆和青藏高原等土壤湿度较低的区域，由于ERA5-Land的空间分辨率更高，数据丢失的细节较少。此外，这两款产品的土壤湿度数据与其他产品相比偏低。

GLEAM产品（图2H）在图2所示所有数据产品中较为均衡，表现出较为合理的土壤湿度分布情况，戈壁沙漠区域给出的土壤湿度在本次研究的所有产品中属于中等水平。

GLDAS（图2F）与NCEP/FNL（图2I）产品土壤湿度数据在中高纬度地区（除青藏高原地区外）空间分布相似度较高，在戈壁沙漠地区都呈现出偏高的土壤湿度，没有体现出该时段内戈壁沙漠地区土壤较干的现象，因此使用GLDAS与NCEP/FNL产品进行沙尘模拟可能导致模拟结果低估沙尘的规模和影响范围。

综上所述，“开放环”模型产品和有卫星数据同化的模型产品整体表现优于仅基于卫星反演的产品，而“开放环”模型产品和有卫星数据同化的模型产品之间在该对比环境下无显著差异。需要注意的是，上述关于这两类产品土壤湿度数据偏高或偏低的评价仅为产品间比较的结果，其相对实际观测值是否有高估或低估的倾向仍需结合地面称重法测量和数值模拟等方式进一步研究。

2021年3月华北强沙尘暴的尘源主要为蒙古国和中国内蒙古的戈壁沙漠地区，其中大量的沙尘气溶胶最初起源于蒙古国^［40］。参考Kong等^［41］与McCarthy等^［42］对戈壁沙漠地区的研究，分别选择蒙古国境内42.77°—45.37°N、96.44°—111.23°E，中国内蒙古38.53°—41.50°N、100.98°—105.00°E作为蒙古国、中国内蒙古戈壁沙漠地区的研究区域， 38.53°—45.37°N、96.44°—111.23°E作为包含中国内蒙古、蒙古国戈壁沙漠地区在内的整体研究区域（图1）^［43］，以研究土壤湿度数据在戈壁沙漠地区的表现。

对各产品2021年3月7日至3月31日在上述各研究区域内的所有土壤湿度数据求平均值，结果如图3所示。AMSR2-LPRM产品在该区域的土壤湿度相对其他产品明显偏高，其给出的内蒙古戈壁沙漠区域的土壤湿度月平均达到了0.195 m³·m^-3，而SMOS产品则相对偏低，其给出的整体戈壁沙漠地区的土壤湿度月平均仅0.037 m³·m^-3。相反，AMSR2-JAXA产品在该区域表现中等。整体而言，ERA5、ERA5-Land和SMAP L3产品中的土壤湿度数据整体均值分布在0.05 m³·m^-3附近，而AMSR2-JAXA、GLDAS、GLEAM、NCEP/FNL和SMAP L4产品中的土壤湿度数据整体均值分布在0.1 m³·m^-3附近。

在不同的研究区域之间，各产品的土壤湿度表现存在显著差异。例如，各产品在蒙古国戈壁沙漠地区的湿度为0.031~0.169 m³·m^-3，在内蒙古戈壁沙漠地区为0.013~0.195 m³·m^-3，在整体戈壁沙漠区域则为0.037~0.181 m³·m^-3。此外，某些产品在特定区域可能存在显著异常值，如ERA5给出的内蒙古戈壁沙漠湿度为0.013 m³·m^-3，远低于其他区域的相应值。这种差异可能会对沙尘暴数值模拟产生潜在的影响。

2021年3月，中国华北地区经历了两次强沙尘暴。第一次沙尘暴源自蒙古国，并于3月15日凌晨进入中国内蒙古中部（图4），首先影响了锡林浩特和呼和浩特等城市。到3月15日中午，呼和浩特观测站记录的PM₁₀浓度达到了9 985 μg·m^-³，这一高浓度状态持续了数小时。随后，沙尘暴继续向东南方向扩散，强度逐渐减弱，至3月16日下午基本结束。这次沙尘暴影响范围较广，整个中国北部，东至东北三省，西至新疆，南至安徽、江苏一带都在其影响范围内。第二次沙尘暴同样源自蒙古国南部的戈壁沙漠，于3月27日夜间至3月29日凌晨进入中国境内（图5），呼和浩特再次观测到超过阈值的PM₁₀浓度。随后，沙尘暴向东南方向扩散，并于3月28日中午基本结束。相较于第一次，第二次沙尘暴的持续时间更短，影响范围主要覆盖中国中东部至东北部。

根据对各产品土壤湿度数据集的研究与质量评估，从基于卫星反演的产品和“开放环”模型产品中分别选择了SMAP L3与GLDAS，并从经过卫星数据同化的模型产品中选择了被广泛应用于沙尘天气模拟的NCEP/FNL与ERA5，共使用4款产品的土壤湿度数据集进行WRF-CMAQ模式模拟研究。其中，WRF模式使用NCEP/FNL的气象场和土壤湿度进行驱动，随后将SMAP L3、GLDAS和ERA5的土壤湿度数据在空间上插值到WRF-CMAQ模式中15 km × 15 km分辨率的网格上，将时间插值为逐小时分辨率，并用这3款产品替换了WRF模式基于NCEP/FNL模拟的土壤湿度结果，最后用4款产品提供的土壤湿度数据，结合WRF模拟的其他气象要素，一起驱动CMAQ模式。图4与图5展示了CMAQ模式基于上述4款土壤湿度数据集对两沙尘过程PM₁₀浓度分布的模拟结果。

对比2021年3月15日08:00的模拟结果（图4），基于4款土壤湿度数据集的PM₁₀模拟结果在浓度和空间分布上均有显著差异。其中，ERA5（图4A）与SMAP L3（图4D）的模拟结果较为相近，PM₁₀浓度较高，沙尘的在空间上影响范围较广。相比之下GLDAS模拟结果（图4B）的PM₁₀浓度略低，在空间上沙尘的覆盖范围也较小。NCEP/FNL模拟结果（图4C）给出了最低的PM₁₀浓度和最小的沙尘影响区域。对比传播路径上站点观测的PM₁₀浓度值，不同站点上模拟结果与观测值的差异较大，如ERA5在内蒙古、甘肃和陕西的部分站点上模拟结果与实际观测到的PM₁₀浓度基本在同一个数量级，但在北京、宁夏等地区的站点位置上对PM₁₀的浓度有明显高估的倾向。相反NCEP/FNL的PM₁₀模拟结果在河北和陕西的部分站点上表现较好，在内蒙古和陕西的部分站点上有低估的倾向，而在北京却依然给出了高出实际观测值的结果。3月28日05:00的模拟结果（图5）显示，不同土壤湿度数据集对PM₁₀空间分布与强度的影响与第一次过程类似。上述对单一时刻模拟结果的分析初步显示了4款土壤湿度数据集在沙尘模拟结果上的差异和可能存在的误差。

如表2所列，通过对图4与图5中110座城市4款土壤湿度产品的PM₁₀模拟结果与观测值对比发现，在第一次沙尘暴过程中，SMAP L3表现最佳，有最大的R值，最小的Bias、NMB和FGE，RMSE也仅次于GLDAS，说明SMAP L3的模拟结果与真实过程相关性最强、误差基本最小。NCEP/FNL的模拟结果在此次过程中效果最差，显著地低估了沙尘暴的强度，这可能与其较高的土壤湿度有关。综合各评价指标来看，第一次沙尘过程中SMAP L3的结果表现最好，ERA5次之，NCEP/FNL的结果最差。

在第二次沙尘暴过程中，4款产品的R值几乎一致，说明它们均较好地模拟出了此次沙尘过程的演变特征。Bias和NMB显示ERA5略微高估了PM₁₀浓度，NCEP/FNL的结果依然呈现明显低估。4款产品的RMSE相差不大，ERA5的FEG最小，NCEP/FNL的FEG最高。综合来看，第二次沙尘过程中ERA5产品的表现最好，与SMAP L3相当，NCEP/FNL产品结果最差。

为了进一步对比4款产品对沙尘暴期间各城市PM₁₀浓度变化的模拟效果，本研究选择了锡林浩特、张家口、呼和浩特、大同、北京、嘉峪关、朔州、天津、保定、阿拉善左旗、银川、榆林、石家庄、太原、邯郸和菏泽等16个沙尘传播路径上的城市，进一步对比模拟与观测的PM₁₀浓度变化（图6）。

第一次沙尘过程中，从对沙尘暴发生时间的模拟结果来看，部分城市如北京、石家庄、太原、大同的模拟结果与实际观测高度一致，尤其是对沙尘暴开始时间的预测有较为优秀的表现，这对沙尘预报预警工作有积极的意义，准确地预测沙尘暴开始的时间可以在很大程度上减少灾害天气造成的人员伤亡和财产损失。然而，在预测沙尘暴峰值和结束时间上，部分城市如石家庄、保定、天津、银川出现提前的趋势。此外，呼和浩特、张家口等地可能因PM₁₀浓度超过测量上限，导致数据缺失。整体来说，模式较为准确地模拟出了此次沙尘暴过程，但某些城市在PM₁₀峰值浓度和峰值出现时间上存在一定偏差。4次模拟结果在沙尘暴发生时间上并无明显差异。

从对沙尘暴强度的模拟结果来看，对于沙尘暴过程中PM₁₀最大浓度的预测，GLDAS在朔州、银川、石家庄和太原都有较好的表现，ERA5和SMAP L3在锡林浩特、邯郸和北京模拟出了较为准确的结果，而NCEP/FNL在多数研究城市出现误差，只有在大同略好一些。

对于第二次强沙尘暴过程，为与第一次沙尘暴过程研究时间长度以及空间范围保持一致，以3月26日12:00至29日12:00作为研究时间段，并选择同样的16座城市进行研究（图7）。嘉峪关不在本次沙尘暴的传输路径上，PM₁₀浓度的观测值在研究时间范围内没有出现显著的变化。

从对沙尘暴过程发生时间的模拟结果来看，整体上准确性略高于第一次强沙尘暴过程。除了对阿拉善左旗的沙尘暴模拟结果在时间上出现明显偏差外，大部分城市对沙尘暴开始时间的预测较为准确，仅在对北京、天津、保定和太原的预测略有提前。在对沙尘暴结束时间的预测上，多数城市也表现出提前的趋势，但并不显著，只有在邯郸和菏泽预测结束时间明显早于实际观测结果。

从对沙尘暴强度的模拟结果来看，对于沙尘暴过程中PM₁₀最大浓度的预测，SMAP L3与ERA5在张家口、阿拉善左旗、银川、榆林和菏泽的预测结果较为准确，GLDAS与NCEP/FNL在大同和太原都有较好的表现；在朔州、石家庄和邯郸，实际观测到的PM₁₀最大浓度介于SMAP L3与ERA5、GLDAS与NCEP/FNL之间；然而，在锡林浩特、天津和保定，4款产品预测的PM₁₀最大浓度较实际观测值都有较为显著的高估趋势。

通过对16个城市的观测值与模拟结果进行时间序列比较，发现模拟的PM₁₀峰值往往比实际观测提前或滞后数个小时，这种现象在银川、保定和石家庄等城市的第一次过程中尤为明显，尽管其PM₁₀浓度模拟结果时序曲线与观测值较为吻合，但模拟结果与实际过程在时间上存在差异。由于沙尘过境时PM₁₀浓度往往达到数千μg·m^-3，这种峰值的偏移可能会显著增加Bias和RMSE。为消除该差异对模拟结果评估的影响，通过同步两次过程模拟结果与观测值的时间序列的峰值位置，重新评估同步峰值后的数据（表3）。

在同步峰值后，第一次沙尘过程中4款产品的Bias和RMSE明显下降，而第二次沙尘过程中的Bias和RMSE并无明显改善。这是因为第一次沙尘过程中PM₁₀峰值出现偏移的城市较多，而第二次沙尘过程中各城市模拟与观测的峰值基本一致。

本文针对2021年3月华北两次强沙尘暴过程，对比了AMSR2-JAXA、AMSR2-LPRM、ERA5、ERA5-Land、GLDAS、GLEAM、NCEP/FNL、SMAP L3、SMAP L4和SMOS共10款土壤湿度产品在沙尘源地（戈壁沙漠地区）土壤湿度大小及空间分布的差异，并选择了其中4款（ERA5、GLDAS、NCEP/FNL和SMAP L3）驱动WRF-CMAQ模式对两次沙尘暴过程进行模拟。最后利用110座受沙尘影响城市的PM₁₀观测结果，验证并评估了4款产品对两次沙尘过程的模拟效果。

仅基于卫星反演的产品由于没有经过模式同化，普遍存在缺测区域，且空间分布的异质性较强，其中AMSR2-JAXA和SMOS土壤湿度值相对较低，AMSR-LPRM则相对较高，仅SMAP L3表现较好。相比之下，“开放环”模型产品和经过卫星数据同化的模型产品在空间分布上均一性较强，没有出现显著的低质量产品。

在沙尘源地（戈壁沙漠地区），ERA5、ERA5-Land和SMAP L3中的土壤湿度数据相对较低，整体均值分布在0.05 m³·m^-3附近。GLDAS、GLEAM、NCEP/FNL和SMAP L4中的土壤湿度数据相对较高，整体均值分布在0.1 m³·m^-3附近，AMSR2-LPRM中的土壤湿度数据偏高，接近0.2 m³·m^-3。

综合两次沙尘暴过程的模拟结果，SMAP L3和ERA5两款产品土壤湿度在4款产品中相对较低， PM₁₀的模拟结果与观测较为接近；GLDAS土壤湿度相对前两款较高，对PM₁₀的模拟存在一定低估；而NCEP/FNL土壤湿度明显偏高是其严重低估沙尘排放的主要原因。通过多个城市观测值与模拟结果时间序列比较发现，虽然部分城市模拟的PM₁₀峰值与观测值存在数个小时的偏差，但是模式基本上能够较为准确地模拟出沙尘的强度和演变特征。

本文的不足之处在于缺乏对土壤湿度数据集与地面站点观测数据的广泛验证。此外，本研究仅讨论了这两次沙尘过程，未来考虑通过更多土壤湿度数据集，进行更多沙尘个例的模拟，进而对各土壤湿度数据集的表现进行系统性的评价。