长春机场冬季低能见度成因分析及预报
**** Hidden Message ***** 1<BR>长春机场冬季低能见度成因分析及预报<BR>孙进勇刘敏<BR>(民航长春空管站,长春工程师130111)(吉林省气象台,长春工程师130062)<BR>提要:本文从长春机场冬季低能见度的成因分析出发,选择4 个组合因子,制作了<BR>判别函数,用独立资料检验预报机场能见度的综合识别率达90%。<BR>Abstract<BR>This paper has selected 4 combinational predictor and maked decision function from the<BR>cause analysis of winter low-visibility of Changchun Airport. The visibility accuracy is reached<BR>90% by independent data checking.<BR>关键词:机场能见度判别函数预报<BR>1 引言<BR>机场能见度是决定机场飞行活动能否正常进行的重要指标之一。长春机场地处欧亚<BR>大陆东端,冬季以大陆高压气团控制为主,早晚多有烟雾,形成低能见度,对飞行活动<BR>影响大。本文利用长春机场1991 年至2002 年的气象观测资料,分析造成长春机场早晚<BR>低能见度的气象因子,以及它们和低能见度的关系,以提高预报能力为目的,在众多的<BR>气象要素中选若干个预报因子,用统计分析的方法形成判别函数,用来预报低能见度的<BR>发生,实现了多因子预报集成。<BR>本文资料的选取:在1991 年至2002 年2 月之间,选取了长春机场每年的1、2 月和<BR>11、12 月的7 时-12 时能见度小于1000 米的资料,为第一类样本。随机选择了相应第一<BR>类样本次数的3 倍大于等于1000 米的气象观测资料,作为第二类样本;选取了长春站<BR>(54161)的相应的高空气象资料。本文所用时间均为北京时。<BR>检验资料:2003 年11 月至2004 年2 月的长春机场及长春站的部分高空资料。<BR>2 成因分析<BR>2.1 因子的选择<BR>从低能见度的成因来看,有利于长春机场区域烟雾形成的气象条件的物理意义有三<BR>个方面:动力条件、热力条件、水汽条件。低能见度成因的复杂性表明,低能见度的形<BR>成不是由单个因子决定的,所以我们对以上三个方面的因子进行选择组合,用聚类分析<BR>的方法进行预报相关性试验,找出具有一定预报能力的因子。此外从临近预报的角度出<BR>发,能见度本身的演变资料也是进行能见度预测的重要物理量。<BR>经过计算历史准确率和T 检验选择的因子见表1。<BR>表1 1000 米预报因子及样本数<BR>因子序号因子1 类样本数2 类样本数<BR>X1 (Td19+Td20-2Tmin)*7/6 与U5+U6+U7 89 290<BR>X2 (T5-Td5)+(T6-Td6)+(T7-Td7)与(F5+F6+F7) 99 328<BR>X3<BR>(T-Td)+1/3*(T9-Td9)+1/4*(T8-Td8)与<BR>F15-F9+F6+F3+F<BR>54 175<BR>X4 V7 与(V7+V6)/2-V5 107 294<BR>2<BR>2.2 因子1(X1):辐射降温引起的水汽凝结分析<BR>因子1 中u5,u6,u7 分别是预报日当天5-7 时的相对湿度,代表当时机场的地面含水<BR>量。Td19 和Td20 分别是预报日前一天19 时和20 时的露点,Tmin 是预报发布当天清晨<BR>前后的最低气温,7/6 是经验系数。<BR>0<BR>50<BR>100<BR>150<BR>200<BR>250<BR>300<BR>350<BR>-60 -50 -40 -30 -20 -10 0 10 20 30 40<BR>7/6<BR>u5+u6+u7<BR>>=1000<BR><1000<BR>图1 因子1 聚类分析图<BR>如果就其天气形势环流特点来分析,造成长春机场的冬季的能见度,既有大陆性高<BR>压本身系统决定的下沉性气流天气,也有地面静止锋前部弱西南气流下的低能见度天气,<BR>也有鞍形场天气形势的影响,这些天气系统的共同点是夜间辐射降温,湿度增大。分析<BR>长春机场的冬季低能见度大多数为辐射雾性质。于是在考虑有利的天气形势引发低能见<BR>度的同时,把辐射凝结条件放在重要地位,着眼于热力条件判断早晨的气温是否低于20<BR>时的露点,如果低于,表明夜间有足够充分的凝结条件产生。<BR>2.3 因子2(X2):动力因子和地面水汽分析<BR>因子2 中(t5-td5)、(t6-td6)、(t7-td7)是预报当天5-7 时的温度露点差,f5+f6+f7<BR>是预报当天的5-7 时的风速之和,它们反映了在本场飞行活动之前确保有足够的地面水<BR>汽,而且风力不致于将水汽吹散,将水汽条件和反映动力条件的风组合在一起,从地面<BR>湍流条件成因上起到对雾的识别作用。<BR>图2 因子2 聚类分析图<BR>2.4 因子3(X3):雾的垂直结构和低层大气动力条件分析<BR>因子3 中,(t-td)、(t9-td9)、(t8-td8)分别是前一日20 时地面、850hpa 和925hpa<BR>0<BR>5<BR>10<BR>15<BR>20<BR>25<BR>30<BR>0 5 10 15 20 25 30 35 40 45 50<BR>(t5-td5)+(t6-td6)+(t7-td7)<BR>f5+f6+f7<BR>>=1000<BR><1000<BR>3<BR>的温度露点差,f、f3、f6、f9 和f15 分别是地面和距地面300 米、600 米、925 米和1500<BR>米的风速。根据文献结论,冬季辐射雾主发生在近地面400 米的浅层内,于是距离地面<BR>900 米的大气磨擦层及低层大气的状态成为不可不考虑成雾因素,因子3 选取地面<BR>925hpa、850hpa 高层的温度露点差,并且加入了1500 米以下共4 层的风速和,利用空<BR>间的水汽分布和动力条件来判别雾的成因。<BR>图3 因子3 聚类分析图<BR>2.5 因子4(X4):连续演变分析<BR>因子4 中v5、v6、v7 分别是当天早上5 时、6 时和7 时的有效能见度。本场观测的<BR>能见度演变,是动力、热力、水汽条件的综合反应,将预报时效缩短,把预报员的外推<BR>思维数字模式化,得到图4,作为因子4。<BR>-12000<BR>-10000<BR>-8000<BR>-6000<BR>-4000<BR>-2000<BR>0<BR>2000<BR>4000<BR>6000<BR>8000<BR>0 2000 4000 6000 8000 10000 12000<BR>v7<BR>(v7+v6)/2-v5<BR><1000<BR>>=1000<BR>>=1<BR>图4 因子4 聚类分析图<BR>由于资料的原因,各类不同的因子样本数都不一样,有的甚至差的较多,分析过程<BR>中同时选取了相应的第2 类样本资料(≥1000 米)各因子样本识别率结果如下(表2)。<BR>表2 1000 米预报因子样本识别率<BR>因子序号<BR>1 类识别率<BR>(%)<BR>2 类识别率<BR>(%)<BR>空报率(%) 漏报率(%)<BR>综合识别率<BR>(%)<BR>X1 73.0 66.9 22.3 6.3 68.3<BR>X2 85.6 63.7 27.9 3.3 68.9<BR>X3 66.7 82.9 13.1 7.9 79<BR>X4 86.9 80.6 14.2 3.5 82.3<BR>0<BR>10<BR>20<BR>30<BR>40<BR>50<BR>60<BR>0 50 100 150 200 250 300 350<BR>(t-td)+1/3(t9-td9)+1/4(t8-td8)<BR>f15-f9+f6+f3+f<BR>>=1000<BR><1000<BR>4<BR>3 判别函数的建立<BR>3.1 判别函数的建立<BR>将4 个判别因子所含要素资料全部找齐,样本总数218 个。其中1 类样本数51 个;<BR>2 类样本数167 个。各个判别因子分别进行0、1 判别。将自变量和因变量都分为0、1<BR>两类,建立判别方程。即规定,例:若因子1 判别当日能见度为小于1000 米时,该因子<BR>X1 为1;反之,X1 为0。其它因子与此相同。最后因子X1、X2、X3、X4 都以0、1 形<BR>式出现。计算判别因子X1、X2、X3、X4 识别率,建立判别函数。<BR>Y=0.03634X1+0.08238X2+0.20398X3+0.47232X4<BR>判别临近值指标:Yc=0.50。<BR>当Y>Yc 时,预报能见度小于1000 米;Y<Yc 时,预报能见度大于等于1000 米。<BR>3.2 判别函数的样本准确率:<BR>表3 判别函数的样本准确率<BR>1 类识别率<BR>(%)<BR>2 类识别率<BR>(%)<BR>空报率(%) 漏报率(%)<BR>综合识别率<BR>(%)<BR>判别函数80.4 91.6 6.42 4.59 89.0<BR>3.3 判别函数的检验<BR>用2002 年11 月1 日至2003 年2 月28 日的资料对以上成果进行了检验,检验情况<BR>见表4。<BR>表4 2002 年11 月1 日至2003 年2 月28 日检验情况<BR>1 类识别率<BR>(%)<BR>2 类识别率<BR>(%)<BR>空报率(%) 漏报率(%)<BR>综合识别率<BR>(%)<BR>判别函数50.0 96.4 3.3 4.2 92.5<BR>4 结束语<BR>长春机场冬季低能见度预报判别函数,具有较强的针对性和实用性,预报准确率比<BR>以前有了一定的提高,预报制作的劳动强度比以前有所降低,研制的主要特点有以下三<BR>条:<BR>4.1 针对本机场实际预报的难点,解决问题的出发点是首先分析成因。长春机场冬季<BR>低能见度成因以动力条件、热力条件和水汽条件为主要条件。<BR>4.2 长春机场冬季低能见度预报因子的筛选选择上注重物理含义,选择4 个因子内容<BR>见正文表1。<BR>4.3 长春机场冬季低能见度由4 个组合因子制作判别函数实现了多因子预报集成,历<BR>史样本准确率为89.0%,一个冬季检验准确率为92.5%。<BR>参考文献(略)
页:
[1]