能見(jiàn)度與氣象要素的關(guān)系與預(yù)報(bào)方法研究

1、作者簡(jiǎn)介：楊明，1988.8，男，助工，從事民用航空氣象研究 能見(jiàn)度與氣象要素的關(guān)系與預(yù)報(bào)方法研究 楊 明[1] 汪國(guó)平[1] 吳華龍[1] 季峰杰[2] （民航安徽空管分局，合肥 230051；民航溫州空管站，溫州 325024） 摘要 摘要： 根據(jù)合肥駱崗機(jī)場(chǎng)自動(dòng)觀測(cè)系統(tǒng)提供的逐時(shí)氣象要素及人工觀測(cè)的能見(jiàn)度， 對(duì)能見(jiàn)度的影響因子進(jìn)行了分析， 同時(shí)結(jié)合前期影響因子用多元線性回歸和概率密度匹配法建立了短時(shí)能見(jiàn)度預(yù)測(cè)方程， 其不僅能夠提前

2、 3 小時(shí)預(yù)報(bào)能見(jiàn)度的變化趨勢(shì)及數(shù)值， 同時(shí)可以根據(jù)樣本的季節(jié)性和時(shí)效性建立預(yù)報(bào)誤差最小化的動(dòng)態(tài)方程， 在業(yè)務(wù)上對(duì)能見(jiàn)度進(jìn)行實(shí)時(shí)預(yù)測(cè)， 對(duì)本場(chǎng)趨勢(shì)預(yù)報(bào)具有一定的參考價(jià)值。 關(guān)鍵詞 關(guān)鍵詞：能見(jiàn)度 氣象要素 多元回歸 概率密度匹配 1. 引言 引言 航空飛行屬于對(duì)氣象條件較敏感的行業(yè)之一， 其在安全、 高效上很大程度上受到氣象因素的影響。其中大氣能見(jiàn)度對(duì)航空飛行有著重要的影響，低能見(jiàn)度條件對(duì)航班到達(dá)準(zhǔn)點(diǎn)率、起降安全性有著直接而重要的

3、影響。 大霧是低能見(jiàn)度的代表天氣， 其使得飛行員無(wú)法看清跑道標(biāo)識(shí)或跑道燈，從而無(wú)法確定跑道位置，其最終結(jié)果是不得不返航、備降或取消；大面積的低能見(jiàn)度天氣更使得機(jī)場(chǎng)關(guān)閉，影響時(shí)間范圍內(nèi)的航班全部取消，其造成的經(jīng)濟(jì)損失，無(wú)論對(duì)機(jī)場(chǎng)還是對(duì)旅客來(lái)說(shuō)都是巨大的。 因此研究和掌握機(jī)場(chǎng)能見(jiàn)度的變化規(guī)律、 定性和定量預(yù)報(bào)能見(jiàn)度的變化趨勢(shì)和變化量級(jí)對(duì)航空飛行有著重要的意義，其不僅能夠確保飛行安全，同時(shí)能夠讓有關(guān)方面合理安排航班計(jì)劃，避免不必要的經(jīng)濟(jì)損失。

4、 近些年，已有不少學(xué)者展開(kāi)了對(duì)交通氣象能見(jiàn)度方面的研究， 其中文獻(xiàn)[1]~[2]研究了北京機(jī)場(chǎng)高速公路大氣能見(jiàn)度的特征； 王淑英等[3]~[6]對(duì)能見(jiàn)度的影響因子及不同氣象條件下能見(jiàn)度的變化做了研究， 表明了能見(jiàn)度的變化是氣象要素共同作用的結(jié)果； 李秀蓮等[7]~[9]通過(guò)對(duì)機(jī)場(chǎng)大霧的研究，從天氣及氣候?qū)W角度研究了低能見(jiàn)度天氣特征及規(guī)律；文獻(xiàn)[10]~[14]研究了當(dāng)前大霧天氣的預(yù)報(bào)預(yù)警技術(shù)?；诤娇诊w行業(yè)務(wù)的特點(diǎn)，其對(duì)臨近、短時(shí)能見(jiàn)度

5、預(yù)報(bào)要求較高， 然而現(xiàn)在預(yù)報(bào)研究多集中在低能見(jiàn)度日的定性預(yù)報(bào)， 對(duì)短時(shí)能見(jiàn)度的持續(xù)定量預(yù)報(bào)和變化趨勢(shì)預(yù)報(bào)的研究還很少， 本文以合肥機(jī)場(chǎng)天氣與氣候特征為背景， 研究了前期氣象要素如風(fēng)、壓、溫、濕與能見(jiàn)度的影響關(guān)系，并以此來(lái)構(gòu)造動(dòng)態(tài)多元回歸預(yù)報(bào)方程，最后通過(guò)對(duì)樣本預(yù)報(bào)值與樣本真實(shí)值的概率密度匹配來(lái)修訂能見(jiàn)度的預(yù)報(bào)數(shù)值， 從而對(duì)能見(jiàn)度的變化趨勢(shì)及數(shù)值進(jìn)行短時(shí)動(dòng)態(tài)預(yù)報(bào)。 2．資料及計(jì)算方法 ．資料及計(jì)算方法 2.1.資料 本文所用資料為 20

6、12 年合肥駱崗機(jī)場(chǎng)自動(dòng)觀測(cè)系統(tǒng)（Vaisala MIDAS IV）逐時(shí)氣象觀測(cè)要素，包括：溫度、濕度、修正海平面氣壓、風(fēng)向、風(fēng)速；以及逐時(shí)人工觀測(cè)的能見(jiàn)度數(shù)值。下文中所示的氣壓均為修正海平面氣壓。 2.2.計(jì)算方法 本文的主要計(jì)算方法包括： 相關(guān)分析用于分析氣象因子與能見(jiàn)度的關(guān)系； 多元線性回歸用于對(duì)樣本的能見(jiàn)度數(shù)值（因變量）與相關(guān)的氣象要素（自變量）構(gòu)建預(yù)報(bào)方程；概率密度匹配(PDF)方法曾被廣泛用于具有偏差非獨(dú)立特性（即誤差隨著資

7、料的大小、時(shí)間及區(qū)域的不同而變化） 的衛(wèi)星資料的誤差訂正上[15-17]， 其主要是為了盡量消除多元線性回歸值與實(shí)況值的非獨(dú)立系統(tǒng)誤差。 表 1. 2012 年能見(jiàn)度≤1000 時(shí)(共計(jì) 98 個(gè)時(shí)次)對(duì)應(yīng)各要素區(qū)間頻率分布 要素及值域 能見(jiàn)度≤1000m 時(shí)的頻率 風(fēng)速 ＞4m/s 10% ≤4m/s 90% 氣溫 ＞20℃ 10% ≤20℃ 90% 濕度 ＞90% 94% ≤90% 6% 氣壓 ＞1010hPa 92

8、% ≤1010 hPa 8% 3.2 能見(jiàn)度與前期 3 小時(shí)各類(lèi)氣象要素相關(guān)性 為了建立能見(jiàn)度的預(yù)報(bào)方程就必須要研究能見(jiàn)度變化前期各氣象要素對(duì)其的影響， 針對(duì)航空氣象預(yù)報(bào)發(fā)布特點(diǎn)， 并做到能夠及時(shí)訂正預(yù)報(bào)結(jié)果， 本文主要研究預(yù)報(bào)點(diǎn)前期 3 小時(shí)的氣象要素特點(diǎn)。文中選取 3 小時(shí)前的風(fēng)速、溫度、濕度、氣壓、3 小時(shí)溫度趨勢(shì)、3 小時(shí)濕度趨勢(shì)、3 小時(shí)氣壓趨勢(shì)，其中 3 小時(shí)要素趨勢(shì)定義如下： y=ax+b

9、 公式（1） （其中 x 為時(shí)間；y 為要素值，為得到穩(wěn)定的趨勢(shì)，取預(yù)報(bào)點(diǎn)前 3-6 小時(shí)的值，a 為趨勢(shì)系數(shù)。 ） 表 2. 各月能見(jiàn)度與前期 3 小時(shí)各類(lèi)氣象要素相關(guān)關(guān)系 要素 月份 風(fēng)速 溫度 濕度 氣壓 溫度 3hr趨勢(shì) 濕度 3hr趨勢(shì) 氣壓 3hr趨勢(shì) 1 月 0.220.017*** -0.51 0.255 0.26 -0.271 -0.143 2 月 0.278 -0.255

10、-0.771 0.663 0.2 -0.277 -0.081** 3 月 0.252 0.441 -0.755 0.457 0.313 -0.334 -0.135 4 月 0.387 0.345 -0.493 -0.167 0.33 -0.326 -0.125 5 月 0.29 0.44 -0.593 0.096* 0.471 -0.465 -0.156 6 月 0.423 0.37

11、9 -0.504 0.112* 0.356 -0.378 -0.202 7 月 0.469 0.68 -0.545 -0.136 0.3 -0.312 -0.168 8 月 0.376 0.158 -0.565 0.083** 0.222 -0.252 -0.119* 9 月 0.341 0.2 -0.664 0.442 0.347 -0.416 -0.091** 10 月 0.27

12、5 0.4 -0.629 0.041*** 0.377 -0.379 -0.24 11 月 0.336 0.129 -0.574 0.192 0.215 -0.293 -0.05*** 12 月 0.067*** -0.143 -0.667 0.252 0.157 -0.195 -0.249 ***未通過(guò)顯著性水平 0.05 的檢驗(yàn)，**未通過(guò)顯著性水平 0.01 的檢驗(yàn)，*未通過(guò)顯著性水平 0.