能见度与气象要素的关系与预报方法研究

作者简介：杨明，1988.8，男，助工，从事民用航空气象研究能见度与气象要素的关系与预报方法研究杨明[1]汪国平[1]吴华龙[1]季峰杰[2]（民航安徽空管分局，合肥230051；民航温州空管站，温州325024）摘要：根据合肥骆岗机场自动观测系统提供的逐时气象要素及人工观测的能见度，对能见度的影响因子进行了分析，同时结合前期影响因子用多元线性回归和概率密度匹配法建立了短时能见度预测方程，其不仅能够提前3小时预报能见度的变化趋势及数值，同时可以根据样本的季节性和时效性建立预报误差最小化的动态方程，在业务上对能见度进行实时预测，对本场趋势预报具有一定的参考价值。关键词：能见度气象要素多元回归概率密度匹配1.引言航空飞行属于对气象条件较敏感的行业之一，其在安全、高效上很大程度上受到气象因素的影响。其中大气能见度对航空飞行有着重要的影响，低能见度条件对航班到达准点率、起降安全性有着直接而重要的影响。大雾是低能见度的代表天气，其使得飞行员无法看清跑道标识或跑道灯，从而无法确定跑道位置，其最终结果是不得不返航、备降或取消；大面积的低能见度天气更使得机场关闭，影响时间范围内的航班全部取消，其造成的经济损失，无论对机场还是对旅客来说都是巨大的。因此研究和掌握机场能见度的变化规律、定性和定量预报能见度的变化趋势和变化量级对航空飞行有着重要的意义，其不仅能够确保飞行安全，同时能够让有关方面合理安排航班计划，避免不必要的经济损失。近些年，已有不少学者展开了对交通气象能见度方面的研究，其中文献[1]~[2]研究了北京机场高速公路大气能见度的特征；王淑英等[3]~[6]对能见度的影响因子及不同气象条件下能见度的变化做了研究，表明了能见度的变化是气象要素共同作用的结果；李秀莲等[7]~[9]通过对机场大雾的研究，从天气及气候学角度研究了低能见度天气特征及规律；文献[10]~[14]研究了当前大雾天气的预报预警技术。基于航空飞行业务的特点，其对临近、短时能见度预报要求较高，然而现在预报研究多集中在低能见度日的定性预报，对短时能见度的持续定量预报和变化趋势预报的研究还很少，本文以合肥机场天气与气候特征为背景，研究了前期气象要素如风、压、温、湿与能见度的影响关系，并以此来构造动态多元回归预报方程，最后通过对样本预报值与样本真实值的概率密度匹配来修订能见度的预报数值，从而对能见度的变化趋势及数值进行短时动态预报。2．资料及计算方法2.1.资料本文所用资料为2012年合肥骆岗机场自动观测系统（VaisalaMIDASIV）逐时气象观测要素，包括：温度、湿度、修正海平面气压、风向、风速；以及逐时人工观测的能见度数值。下文中所示的气压均为修正海平面气压。2.2.计算方法本文的主要计算方法包括：相关分析用于分析气象因子与能见度的关系；多元线性回归用于对样本的能见度数值（因变量）与相关的气象要素（自变量）构建预报方程；概率密度匹配(PDF)方法曾被广泛用于具有偏差非独立特性（即误差随着资料的大小、时间及区域的不同而变化）的卫星资料的误差订正上[15-17]，其主要是为了尽量消除多元线性回归值与实况值的非独立系统误差。3．能见度与各类地面气象要素相关性研究由于大气能见度是受到湿度、温度、大气中的颗粒物等共同影响，因此研究各类气象要素与能见度的相关性对建立能见度的预报方法有着重要的意义。3.1能见度与其当时各类气象要素分布型从图1可以看出能见度越大，其所对应的各类气象要素分布值域越大，而能见度越小，其对应的气象要素值域也越小，其中黑框区域为1000m(含)以下的要素分布情况。当处于低能见度时，其对应的要素值区间大多都有着明确的范围，如图1a中风速≤4m/s；1b中温度≤20℃；1c中湿度＞90%；1d中气压＞1010hPa。然而也会出现特殊天气条件影响能见度变化，如夏季低压降水（气压在1000hPa）、低湿度的霾天气等。同时我们还可以看出，即便能见度在2000m-3000m，其对应单个要素值也有与1000m以下时对应的相同，如图1c能见度3000m与1000m，都有对应湿度为＞95%。因此表明能见度的变化并不是单个要素作用的结果，其是多要素共同作用的结果，这与文献[2]的结果相一致，所以夏季高湿、小风速，冬季低温、高压并不一定会产生低能见度天气。图1.2012年合肥机场逐时能见度与各气象要素的散点分布(a.能见度与风速；b.能见度与温度；c.能见度与相对湿度；d.能见度与修正海平面气压)表1为1000m以下(含)时所对应的各要素区间频率分布，从中可以判断出低能见度时所对应的各气象要素大致值域分布。根据概率统计的原则，可以此作为低能见度预报的消空判据。(a)(c)(d)(b)表1.2012年能见度≤1000时(共计98个时次)对应各要素区间频率分布要素及值域能见度≤1000m时的频率风速＞4m/s10%≤4m/s90%气温＞20℃10%≤20℃90%湿度＞90%94%≤90%6%气压＞1010hPa92%≤1010hPa8%3.2能见度与前期3小时各类气象要素相关性为了建立能见度的预报方程就必须要研究能见度变化前期各气象要素对其的影响，针对航空气象预报发布特点，并做到能够及时订正预报结果，本文主要研究预报点前期3小时的气象要素特点。文中选取3小时前的风速、温度、湿度、气压、3小时温度趋势、3小时湿度趋势、3小时气压趋势，其中3小时要素趋势定义如下：y=ax+b公式（1）（其中x为时间；y为要素值，为得到稳定的趋势，取预报点前3-6小时的值，a为趋势系数。）表2.各月能见度与前期3小时各类气象要素相关关系要素月份风速温度湿度气压温度3hr趋势湿度3hr趋势气压3hr趋势1月0.220.017***-0.510.2550.26-0.271-0.1432月0.278-0.255-0.7710.6630.2-0.277-0.081**3月0.2520.441-0.7550.4570.313-0.334-0.1354月0.3870.345-0.493-0.1670.33-0.326-0.1255月0.290.44-0.5930.096*0.471-0.465-0.1566月0.4230.379-0.5040.112*0.356-0.378-0.2027月0.4690.68-0.545-0.1360.3-0.312-0.1688月0.3760.158-0.5650.083**0.222-0.252-0.119*9月0.3410.2-0.6640.4420.347-0.416-0.091**10月0.2750.4-0.6290.041***0.377-0.379-0.2411月0.3360.129-0.5740.1920.215-0.293-0.05***12月0.067***-0.143-0.6670.2520.157-0.195-0.249***未通过显著性水平0.05的检验，**未通过显著性水平0.01的检验，*未通过显著性水平0.001的检验无标识表示通过0.001的显著性水平检验表2计算了各月逐小时（样本容量均在600个以上）能见度与前期3小时各类要素的相关关系，可以清晰的看出各要素与能见度的相关系数各月都存在正负一致性，因此表明它们之间的关系是相对较稳定的。其中风速与能见度12个月均为正相关，即前期风速增加，会使后期能见度也增加，这种关系在6、7月份最为明显；温度主要表现为正相关，而在12~2月转为负相关，同时冬季相关性相对于其他月份较小，因此冬季温度变化对能见度的影响并不是主要因子，同时还会出现温度降低能见度转好或者温度升高能见度转差的情况，如图2所示，其是2012年1月21-22日(图2a)和2月15日(图2b)两次能见度与温度的反相关变化，这种现象多是由冷空气过境或降水蒸发导致。02000400060008000100001200001-21-1301-21-1701-21-2101-22-0101-22-05时间(北京时)能见度(单位:m)-4-3-2-10123温度(单位:℃)能见度温度01000200030004000500002-15-0702-15-1002-15-1302-15-16时间(北京时)能见度(单位:m)012345温度(单位:℃)能见度温度图2.2012年冬季两次能见度与前期3小时温度变化关系（图中时间与能见度相互对应，而温度是3小时前的值）湿度与能见度的关系为一致的负相关，即前期湿度增加，能见度会减小，而且在秋冬季节表现的最为明显。气压表现为正相关性，并在冬季和春初表现明显，这种关系表现出气压增强对能见度转好有着积极作用。从前期3小时趋势来看，湿度和气压趋势与能见度存在一致的负相关，而温度与其呈现一致正相关，说明能见度不仅受前期要素变化影响，同时还受要素变化强弱程度的影响，图3同样为前述1月21-22日，能见度与前期3小时温度趋势变化有着明显的正相关，但却与温度变化呈现负相关。02000400060008000100001200001-21-1301-21-1701-21-2101-22-0101-22-05时间(北京时)能见度(单位:m)-0.8-0.6-0.4-0.200.20.4温度趋势能见度温度趋势图3.2012年冬季能见度与前期3小时温度趋势的变化关系为了整体评估各气象要素对能见度影响，采用将各要素12个月相关系数进行平方后求和，得出如图4所示的影响指数图，从中可以看出，前期要素中对能见度影响最大的是相对湿度，然后依次是温度、湿度趋势、风速、温度趋势、气压、气压趋势（要素趋势均指前期3小时要素趋势）。同时根据影响指数选取了四个季节影响前3位的因子，见表3，其中湿度对能见度的影响是主要因子，四季皆排第一位，而二、三序列表明了影响因子的季节特点，冬季前期气压和湿度趋势对能见度影响较大，从合肥机场的观测来看，冬季早上湿度不断增大是当地的日变化规律，而“爆发性”湿度增大才常常会产生能见度急剧降低；而春、夏季则为温度、湿度趋势和风速，由于春、夏季早上的增温较为明显，因此对能见度的影响较为显著；秋季表现为湿度趋势和温度趋势对能见度的影响。(a)(b)1.27261.44054.50041.08591.13571.32850.29877012345风速温度湿度气压温度趋势湿度趋势气压趋势图4.各要素与能见度相关的影响指数表3.四季影响指数前三位排序第一第二第三冬季湿度气压湿度趋势春季湿度温度温度趋势夏季湿度温度风速秋季湿度湿度趋势温度趋势4．能见度预报方法建立本文选取了上述分析的7个因子作为多元线性回归的自变量，为了得到时段内稳定的预报方程，样本的数量必须要达到一定的数目，因为这样才能模拟出天气或季节时段内能见度受要素影响后变化的特点。文中采用动态递增的加入样本数量，通过对比样本预报值与实况值的总偏差大小来确定该时段内最终的训练样本容量大小，从而得到该时段的一个动态预报方程。回归方程建立如下：XAY公式（2）其中X是自变量矩阵(结构为N×7)，Y为因变量矩阵(结构为N×1)，A为方程系数矩阵(结构为7×1)，根据最小二乘法原理的出系数A：YXXXATT1)(公式（3）考虑到时段内的预报值与真实值存在一定非独立偏差，因此采用概率密度匹配的方法对预测值进行订正。其订正方案如下：（1）选取该动态方程的训练样本作为建立累计概率密度的样本。（2）分别计算出样本值和样本预报值的稳定累计概率密度分布（为建立稳定分布，样本容量至少为300时次以上，本文建立了从0米-30000米，共23个区间分布）。（3）订正预报值，将预报值所对应的累计概率密度匹配到样本值中相同概率的区间值内，选取区间值内的平均值（或代表值）作为最终的预报值。为了确保预报值的可靠性，在预报未来三小时数值时最好提前8小时开始逐小时预报（设做预报时间是5点，预报点为8点），并通过预报3-5点的实况对比来修正这一时段预报值与实况值的偏差。从而再次订正8点预报的偏差，同时在预测出低能见度时要根据前述的消空依据来做进一步订正。通过随机对50次能见度过程进行模拟24小时预报，其预报逐小时