大足区雾的天气特征分析及预报方法研究

韦宪容

【摘要】：本文通过分析大足区雾的天气特征和预报方法，对于大足区雾的不同参数进行了研究。将大足区关于雾的观测资料作为主要的依旧，利用人工神经网络对于大足区的雾进行了预报实验研究。具体结果表明了大足区在一段时间以来，发生雾这种天气现象的总体日数是逐年下降的趋势。与此同时，浓雾的天数逐渐下降，这有可能与城市发展和空气污染等现象有一定的关系。另外辐射雾大部分具有逆温的稳定结构。本文利用人工神经网络模型对于重庆市区的雾进行了预报，其本身的预报准确率比较高，而且学习性也比较强，预报能力值得肯定。通过对于本文的研究，希望能够给业界带来一定的参考价值。

【关键词】：大足区；雾；天气特征；预报方法

重庆市作为中国的“雾都”而闻名，重庆市本身的地形地貌加上云雾缭绕的天气，形成了独特的山城景观，大足区是重庆西部最易出现雾的地区，雾也给大足区的人们带来了一定的负面影响，比如浓雾造成的堵车和机场航班取消的情况也比比皆是。雾本身是一种天气状况，但是一定情况下也可能给人们的生命安全和财产安全带来一定的威胁。酸雾的出现成为影响人们正常生活的一大难题。对于雾的研究和相关的预报手段已经成为人们必须引起重视的问题，下面笔者将从几个角度来分析大足区雾的天气特征和预报方法。

1、 研究背景分析

从上个世纪九十年代以来，我国的学者对于雾的研究脚步就从来没有停止过，尤其是对于雾的形成原因、各种参数的研究和数值的模拟活动等都有了一定的成果。结果发现，雾这种自然天气现象实际上越来越受到人类活动的影响，与空气质量和自然环境有必不可分的关系。另外当前对于雾的预报工作来说还有一定的难度。当前随着人工神经网络的发展，其在气象学界的应用也越来越频繁。人工神经网络本身有强大的理论基础作为支撑，有较高的学习能力。与其他的预报方法相比，有其自身的优势，错误率也更低。通常情况下，对于雾的预报，人工神经网络要首先参考这个地区的往年历史报告，经过复杂的计算和预测过程，所以通过人工神经网络方式得到的预测数据会体现当地的特色，受到当地具体情况的影响。在全国范围内，湖州等地区曾经使用之一预测方式来预测雾的形成时间和形成程度，实施证明，有一定的成效。本文将从一段时间以来大足区的雾相关观测数据出发，作为本文研究的基础，使用人工神经网络的方式进行雾的预报实验。利用人工神经网络的方式对于大足区的雾进行预测，会考虑其环境的因素和雾的演变情况等等。

2、 雾的天气特征分析

2.1重庆大足区雾的类型

大足区位于东经105°28′—106°02′，北纬29°23′—29°52′，处于四川盆地东部和重庆市西部交接地带。大足境内地势由西北向东南倾斜，东南边缘翘起，中部及东北部宽缓，最高点在巴岳山南段云台寺山峰，海拔934.7米，最低点在雍溪玉峡河堤，海拔267.5米，大足的气候属亚热带温暖湿润季风气候。以上气候类型造成了大足地区的雾相对其他地区来说比较多。另外丘陵地形的昼夜温差比较大，所以当空气冷却到露点温度的时候，大足城区两山一河流的地理环境，造成了这个地区的雾天比较多，80%的雾属于辐射雾。

与此同时，大足区的发展速度在最近几年比较快。城市的发展势必会带来能源的消耗，汽车尾气、工厂废气和燃料燃烧的气体排放到空气当中，对于雾的产生也形成了一定的影响。

2.2中、低空大气层结特征

在低层比较稳定的大气层，会有利于水汽在近地层堆积并通过辐射降温凝结成雾。雾有的时候从地面开始生成，也有的雾在离地面几十米和几百米的地方开始生成。另外，辐射雾形成阶段温度随高度先是超绝热递减，雾层中上部为逆温。发展阶段雾底层超绝热递减，中上部近似等温，逆温层移到雾顶。此后的成熟阶段，雾层内温度逐渐服从湿绝热递减率。

2.3湿度

对于雾的湿度，一般来说，在近地层的初始湿度越大，雾形成的时间会更早，浓度也会更大。在雾形成的时候，地面的温度露点差一般会低于2摄氏度，相对湿度会超过百分之九十。雾层的内部湿度会随着高度的升高而逐渐变小，并且在升高到一定高度的时候，相对湿度会越来越小，递减的速度比较快。这是因为雾本身顶部的逆温盖现象，其稳定层结阻碍了水汽的垂直输送。另外雾层内相对湿度的分布还存在震荡现象。

在雾的形成和持续过程中，地面的湿度越高，在高空的湿度则会变低，高空开始变得比較干燥。在大气层上部比较干燥，下部比较湿润的情况下，很容易出现大雾天气。

3、 重庆市大足区雾的预报方法研究

3.1给予人工神经网络模型的预报方式

在对于大足区雾的预报方法进行模拟与实验之前，先要筛选相关的诊断因子，因为这一筛选过程对于人工神经网络的工作有重要的基础支撑作用。但是实际上并不是越多的诊断因子其结果就越准确，需要采取一定的方式来选择合适的诊断因子，选择与雾的相关系数比较高的参数。其中对于数据的数据处理需要对其本身的基本物理特征进行分析与研究。通过相关的实验可以得知，对样本数据的技术处理， 明显增强了模式对雾的分辨能力。人工神经网络模型的建立，BP 算法神经网络实际上是采用了优化计算中的梯度下降法， 应用误差反传原理不断调整网络权值，使网络输出值与期望值之间的误差平方和达到最小。

3.2基于MM5模式的预报方式

研究表明，利用MM5模式输出产品制作大雾预报是可行的。从大足区大雾预报方法看，首先我们用地面和高空天气图对大雾的形成进行天气学分型，找出各型预报大雾的因子和判别指标，建立起天气学概念模型，初步判别大足区次日有无大雾。如果无雾则预报次日无雾。如果有雾，我们再将进行08时500hPa、700hPa、850hPa3层曲面拟合物理量计算，结合本站地面实况资料，运用MM5预报产品，用统计-动力学方法建立12-24小时大足区客观定性大雾的预报方程作大雾的预报。

4、 讨论分析

一段时间以来，重庆大足区发生雾这种天气现象次数呈现逐年减少的趋势。这一现象与大气污染和城市人类活动有密切的关联。另外发展成熟的辐射雾一般情况下都有逆温结构。其次是雾的预报难度是比较大，所以在相关的预测过程中，可以通过人工神经网络来建立雾的预测模式。

【参考文献】：

[1]何立富，李峰，李泽椿.华北平原一次持续性大雾过程的动力和热力特征[J].应用气象学报. 2006（02）

[2]董剑希，雷恒池，胡朝霞，肖稳安，张晓庆.北京及其周边地区一次大雾的数值模拟及诊断分析[J].气候与环境研究. 2006（02）

[3]李法然，周之栩，陈卫锋，朱红，陈世春.湖州市大雾天气的成因分析及预报研究[J].应用气象学报. 2005（06）endprint