准确表征边界层仍是气象和空气质量模型中最困难和最具有不确定性的部分。特别是空气质量模型对边界层的高度和混合速率的改变是十分敏感的。尽管我们不能减少边界层模拟的不确定性，但是有必要用不同的方案进行模型测试，以便用户充分理解这种重要大气现象的模型响应范围。将气象参数（特别是温度）及污染物浓度的垂直廓线模拟值和垂直测量值进行比较，由此我们可以选择一种拟合度最高的方案。然而，这样的垂直测量值通常是零散的或是不可用的。这就是为什么减少大气边界层模拟的误差仍是困难的，因为从测量值中，我们几乎没有证据表明这种误差到底是什么。
 
CAMx中的边界层混合值取决于两个输入值：一是由气象模型（如天气研究和预测气象模型，简称WRF）模拟得到的边界层厚度和相关的稳定性；二是来自WRF边界层的湍流交换系数（“垂直扩散系数”或“Kv”）。我们发现在气象模型中使用不同的边界层选项，可能导致非常不同的混合厚度和稳定性结果。通常，使用湍流动能（TKE）的气象模型方案（Mellow-Yamada-Janic）会得出较浅的和湍流程度较小的边界层，而使用非局部不对称对流模型（ACM2）会得出较厚的和稳定性较差的边界层。延世大学（YSU）的边界层方案通常能实现在夜间和日间都良好平衡的边界层高度和混合速率。类似地，计算CAMx的湍流交换系数（Kv）也具备了同样的特点。其中，湍流动能（TKE）方法的结果湍流程度较小，ACM2方法的结果湍流程度较大，采用延世大学的方法得出的结果介于二者之间。值得注意的是，湍流交换系数（Kv）是扩散理论（或“K-theory”）的参数化构造，在实际的大气中并没有这样的可测量参数。除此之外，我们必须知道，污染物浓度的测量值和模拟值之间的良好拟合度，并不能表明边界层得到了很好的模拟，因为其他的误差（例如对排放量预测不准确）可能造成边界层混合的误差，这使得模型性能评估变得复杂，因此不同输入值的敏感度测试对于深入了解驱动模型结果的过程非常重要。