新疆博斯腾湖湖陆风效应为主导的地面弱风预报方法

苗青建，矫东霖，陈江云，徐 唱，吴思江，罗 超，刘 杰，武 越，严 鹏

（西北核技术研究所，新疆 乌鲁木齐841700）

新疆博斯腾湖地处焉耆盆地，其东面和南面均为沙漠和戈壁滩，西面和北面为平原地带，植被丰富且有大面积农田，靠近湖边为稠密的红柳、骆驼刺等植被，四周地势向湖区倾斜，复杂的地形地貌是导致局地小气候的主要因素。湖陆风是热力作用下的中尺度环流系统，湖面与陆面显著的温度差异是湖陆风主要的形成原因[1-6]。一般离湖越近，湖陆风越明显，研究地面弱风预报对认识局地天气特征和大气循环规律有一定的帮助，同时对国防科研飞行器飞行试验关心的弱风环境的短临预报具有重要的意义[7]。

国内对博斯腾湖区域风场的研究文献相对较少，特别是湖区周边地面风的预报更是少见，王蓉等[8]、刘电英等[9]分别利用博斯腾湖和鄱阳湖多个气象观测站资料讨论了湖陆风特征，发现博斯腾湖湖区、鄱阳湖湖陆风现象明显，博斯腾湖冬季湖面结冰，冬季与陆面温差小于夏季与陆面温差，导致湖陆风夏半年强，而冬半年弱，夏半年的持续时间也长于冬半年。吴增福等[10]分析了高邮湖湖陆风的气候特点，探讨了不同天气系统影响时湖陆风速的差异，应用线性分析的统计学理论建立湖上风速的预报方程，历史拟合率和试报结果表明不同天气系统影响时，是预报湖面风速的较好工具。强冷空气过程打破了湖陆风影响机制，陆鸿宾等[11]采用滤去大尺度系统的影响的方法计算了风向频率和风速，得出了较好的结论。本文利用博斯腾湖东南陆地2017年5—9月6套自动观测站风场资料，只研究夏半年晴好天气下的湖陆风效应问题，计算区域风向一致性和概率密度，分析和探讨地面弱风（本文定义风速≤3 m/s为弱风）的预报问题。

1 博斯腾湖地形及自动站位置

博斯腾湖是我国最大的内陆淡水湖，东西长55 km，南北宽25 km，湖区水域面积约1228 km2，湖面海拔高度约1048 m，周边地形地貌详见图1。图1中矩形框线内为6套自动观测站架设区域，中部架设2套自动观测站，四周各架设1套自动观测站，北面湖边站距湖岸约0.2 km，南边站距湖岸约12 km，各站于2016年7月开始观测。

图1 博斯腾湖地形及自动观测站分布

2 数据计算

2.1 风场日变化

图2是2017年7月湖边自动观测站风向风速日变化图。可以看出，博斯腾湖东南区域夜间以偏南风为主，风向由陆地吹向湖面，白天盛行西北风，风向由湖面吹向陆地，风向转换时间在08—10时和21时前后，白天风速大于夜间，湖风强盛时间在15—18时，风速较小时段与风向转换时段基本吻合。通过以上分析发现，博斯腾湖东南湖陆风现象明显，湖风强于陆风。

2.2 数据甄选

（1）计算机初选

所用资料为2017年5—9月每10 s采集一组的温度、湿度、风向、风速和气压自动观测站数据。根据本地气候特征，夏半年日温差范围一般出现在8~20℃，本文选取10℃以上日温差，主要考虑一是可以剔除冷空气影响的天气过程，二是兼顾湖边自动观测站（距离湖体较近导致日温差小于其他站点）以免漏掉数据。

（2）人工精选

计算机初选只考虑了日温差因素，对短时强对流天气下而日温差又较大的数据文件无法有效甄别，因此，再利用天气图和显示软件对初选数据逐一普查，可精准判别符合湖陆风特征的数据文件，最终选取晴好天气下的风场数据形成资料库。

2.3 区域一致性系数

计算一致性系数时，选取所有测站各时刻最大风向差作为边界输入条件。最大风向差太小，容易滤掉由于地形原因导致的正常风向偏差数据；最大风向差太大，就失去了研究意义[12]，所以本文选取最大风向差在30°~90°并以10°间隔逐一计算。一致性系数计算主要公式如式（1）所示。

其中，N为区域内总的测站数，Σxi为区域内测站风向在（ρ1，ρ2）之间的测站数，（ρ2-ρ1）为设定的扇形区域角度，一般情况下为一个给定的值。ρ1，ρ2∈（0，360），ρ为ρ1、ρ2在整个360°区域内变化得到的最大值。

计算方法是按月计算，把甄选后的数据文件分别放在对应月的文件夹中，利用程序读出所有站点相同日期相同时刻的风向数据进行比较计算，最后得出按日期和时间排列的一致性系数数据文件。

2.4 概率密度

利用2.3中的计算结果统计各月一致性系数的概率密度，方法是逐小时计算[13-14]，如0—1时的数据统一计算在0时，以此类推。根据风场日变化规律，风向、风速的稳定性一般持续2 h左右，对概率密度数据的计算无需按分钟给出，这样得出的结果为24个数据。概率密度通用计算公式如（2）所示：

其中，ai，bi为风向区间，j为风向分割点数，如0°~180°范围 10°为间隔的 ai=20、bi=30， 则 j=18，n 为站点数。

图2 2017年7月博斯腾湖东南湖岸风场日变化分布（a为风速；b为风向）

试验方法：对2.3中最大扇形风向差为30°、40°、50°、60°、70°、80°、90°的数据分别求概率密度，得出出现在该角度差内以时间为序列的最大概率密度对应的站点比例，即为各时间段区域风向的稳定性，然后对不同角度差内区域风向稳定性结合风速规律进行日变化模式比较，最终选取以60°最大风向差作为模式输入边界条件。

以2017年8月17—18时为例说明选取60°为控制条件的原因。由表1可以看出，从60°开始增大控制条件后得出概率密度的数据非常接近，30°和40°角度差的概率密度有分散的趋势，50°次之。另外，上文2.2中所述的角度差选取原则，在17—18时的扇形角度差选取60°比较合适。通过计算其他时间的角度差选取与上述结果比较一致，因此，以60°作为数据计算控制条件。

表1 2017年8月17—18时各扇形角度差概率密度对应测站数量

2.5 建立模型

对2.4中得出的各月各时段最大概率密度分别对应的一致性系数进行选取，形成以时间变化的数据序列，用傅里叶变换方程进行拟合，得出各月区域一致性系数日变化模型（图3）。

由图3可知，5—9月区域一致性系数日变化趋势基本一致。区域一致性系数较小的时间一般出现在08—10时和21时前后，较大的时间出现在23时至次日03时和15—18时，各月均出现了清晨、午后、傍晚和夜间4个特征时段。

根据图3和表2可以确定夏半年区域一致性系数日变化模型的4个典型时间段指标值，分别为＜60、≥80、50~70、50~80。 各月相同时间区域一致性系数（或系数区间）略有差别，主要原因是季节太阳辐照度、日出日落时间的不同，其次是使用的历史样本较少。

表2 5—9月典型时间段区域一致性系数分布

3 地面弱风预报方法

3.1 区域一致性系数方程

表3为各月以时间为变量的区域一致性系数方程，通过时间输入可以得出对应时间的区域一致性系数，由于区域一致性系数的大小和风场有一个很好的对应关系，再结合大背景环流形势和局地观测数据进行弱风时段预报。

图3 2017年5—9月区域一致性系数日变化曲线（a~e分别代表 5、6、7、8、9 月）

表3 5—9月区域一致性系数方程

3.2 模式检验

为避开模式计算所用数据来验证模型本身的问题，本文选用符合条件的2016年7月12日、8月3日和9月3日以及2018年5月17日、6月2日风场数据分别代表5—9月。对表3中各月方程以0.5 h为间隔代入，求出逐时刻一致性系数，与风场数据绘制在同一张图上进行对比验证。

3.2.1 区域一致性检验

由图4可以看出，6套自动观测站实测风速日变化均与区域一致性系数日变化趋势基本一致，即风速较大时区域一致性系数较大，风速较小时区域一致性系数通常较小。

由图5可以看出，6套自动观测站风向也在区域一致性系数较大时段较为一致，6站之间风向变化范围基本在90°以内，在湖风强盛时风向差在60°以内，而区域一致性系数较小的时段，风向变化幅度在120°~180°。检验结果可以说明区域一致性系数与风场变化有较好的相关性。

表4是上述各单日风向风速数据与模型数据相关系数计算结果。可以得出，2018年5月17日相关系数达到了0.5以上中等相关，其次为2016年9月3日和2018年6月2日，2016年8月3日相关性最差，而且风向出现了负相关，原因是8月3日05—09时各自动观测站均出现了较为一致的偏南风，导致夜间风向一致性系数较大，与本文2.5中8月模型特征相反。本文只选择了1日进行对应月模型相关性检验，具有个例现象，但整体来说，风速相关性好于风向。

表4 单日风向风速数据与模式数据的相关系数

图4 5—9月风速与区域一致性系数（a~e分别代表 5、6、7、8、9 月）

3.2.2 冷空气影响下的模型分析

为进一步确认以湖陆风效应为主导的区域一致性系数日变化模型的独特性，现对冷空气影响下的风场数据以同样的方法进行计算，得出冷空气影响下的各月区域一致性系数日变化模型。

图6是冷空气影响下各月区域一致性系数日变化曲线。可以看出，冷空气影响下的区域风向稳定且一致，打破了由湖、陆温度差引起的局地风场变化机制，与本文2.5中模型数据特征不符，不存在湖陆风效应下特有的典型弱风时段。

3.2.3 结果

通过对比分析发现，区域一致性系数的大小可以反映区域风场的稳定性，一致性系数较大说明区域风向较一致，风速较大，反之说明区域风向较乱，风速较小。由此可以推断，在天气系统稳定的情况下，博斯腾湖东南区域一致性系数和风场变化具有较好的对应关系。

区域一致性系数方程以时间作为变量，基本揭示了以湖陆风效应为主导的风场基本规律，但具体到特定日的区域风速震荡就有一个偏差问题，主要原因可能是6套自动观测站海拔高度、周边地理环境和距离湖岸有较大差异引起的[15]，不能简单判断区域一致性系数大风速就一定大，如在弱冷空气东灌时，区域一致性系数也较大，而风速较小，这就需要预报员进行综合分析和技术订正，做出预报。

图5 5—9月风向与区域一致性系数

图6 冷空气影响下2017年5—9月区域一致性系数日变化曲线（a~e分别代表 5、6、7、8、9 月）

3.3 弱风预报方法

弱风预报思路见图7。首先确认大背景环流形势为脊或浅脊控制，新疆大部地区特别是南疆无明显冷空气活动；其次用月预报方程进行一致性系数计算，得出未来24 h内特定时段的区域一致性系数；然后分析区域一致性系数对应风速区间，结合月或旬的风场规律给出对应时段风速值（或风速区间）；最后综合判断可能影响局地天气的短时中小尺度因素，如周边中低云的发展移向、温度平流等进行必要的订正，进而得出预报结论。对弱风时段预报来说，时间相对固定，即08—10时和20—22时弱风出现的概率最大，但预报时还要充分考虑各种影响因素，进行弱风时段提前或推后预报。

图7 弱风时段预报思路

以7月为例得出弱风预报参考指标（表5）：一致性系数＜50出现弱风的概率较大，风速一般在3 m/s以下。另外，根据区域一致性系数的日变化模式，特别是夜间一致性系数是一个震荡变小的趋势，抓住局地天气变化过程中的高影响因素，也可预报弱风在夜间的出现时段。该模型能够揭示以湖陆风效应为主导的地面风场变化规律，但需要特定的环流形势等作为前提条件。

表5 7月弱风时段预报参考指标

4 结论与讨论

本文通过对2017年5—9月博斯腾湖东南自动观测站区域风场一致性系数计算和分析，得到主要结论如下：

（1）博斯腾湖东南陆地湖陆风现象明显，弱风时段一般出现在06—10时和21时前后，基本确定了弱风预报参考指标，初步提出了弱风时段的预报思路。

（2）以湖陆风效应为主导的5—9月区域风向一致性系数模型能够较好地反映区域风场变化特点，一致性系数＜50说明区域风向较乱，风速较小；一致性系数＞80说明区域风向一致，风速一般较大。

（3）5—9月一致性系数预报方程是以时间作为变量进行使用，在高压脊或浅脊大背景下，综合考虑局地高影响因素，参考弱风预报指标进行弱风时段的具体预报。

湖陆风效应对博斯腾湖流域地面风影响显著，以此为基础得出的预报模式能够较好地反映风场特点，但由于使用资料时间长度较短，还不能精细说明风场变化，如风速大到什么程度一致性系数趋于明显增大，建立旬或候的模型是否更精确等等，都需要今后做大量的研究工作进一步验证。另外，本文使用的资料仅为2017年数据，不具有普遍性，在应用时需要注意资料的局限性。

致谢：本文得到了宁辉研究员、王雷高级工程师的指导和帮助，在此表示感谢！