合肥市大雾预报方法的建立与应用

陈 健，周后福，周文鳞，方 茸，赵 倩

（1.合肥市气象局，安徽 合肥230041；2.安徽省气象科学研究所，安徽 合肥230031；3.江苏理工学院化学与环境工程学院，江苏 常州213001）

能见度是反映大气透明度的一个指标， 大雾是影响能见度的主要天气现象，根据中国气象局《地面气象观测规范》[1]规定：大雾是指大量微小水滴浮游在空中，使水平能见度＜1.0 km 的天气现象。 大雾对交通安全影响非常大， 导致地方政府对大雾预报的气象服务需求不断提升。 经过前期对合肥市大雾时空特征统计发现， 大雾是每年秋冬季节合肥市最常见的灾害性天气。

大雾预报常用的方法主要有天气学和数值模式产品释用方法[2]。 早期以主观判断为主，预报准确率建立在生消机制及天气气候形势的充分认识之上，查找与大雾关联的宏观因子， 利用统计方法开展预报[3-4]。 后来数值模式模拟是大雾的主要研究手段之一，体现出模式的高时空分辨率的优势，近年来则尝试使用集合预报的方式进行雾的预报[5-6]。 业务数值预报模式直接输出的产品中没有大雾的预报， 有些中尺度数值天气模式依托云水、云冰、霰等水凝物的消光性质来反算能见度， 类似于对大雾进行预报。 这种方式的缺点是没考虑气溶胶变化的影响，对非过饱和条件下的低能见度天气几乎无预报能力[7-8]，故现阶段大雾预报大多数还是采用数值模式的释用技术[8-11]。

目前对影响合肥市城市交通的大雾客观预报方法和数值预报产品释用技术研究相对较少， 预报员大多通过天气分析后的主观方法来判别大雾， 大雾预报还没有特定的客观预报产品。 本文首先利用主成分分析方法对合肥市县观测站点进行大雾区域划分，再基于PP 法建立预报模型，形成合肥市大雾预报业务系统，实时输出大雾格点产品。预报系统的空间格距约在13 km， 于2015 年1 月投入业务运行，解决了基层台站大雾预报的实际业务需求。

1 原理和方法

区域划分：利用主成分分析方法[12-13]，将m 个变量组合成P 个公因子， 并研究公因子的荷载阵，根据m 个点的空间位置了解m 个变量的相互关系或对m 个变量进行分类；其主要思路是利用从因子群中提取共性因子的方法，绘制因子荷载点聚图，根据点聚图上观测站点的分布情况进行区域划分。

预报模型思路：PP 法[14-15]是根据预报量和预报因子的同时性（或近于同时性）的加权组合，利用历史观测资料来确定局地天气要素， 其推导方程的函数关系为：Y0=F（X0），其中X0、Y0分别表示T0时刻的因子向量和预报量；为了用导出的方程制作预报，用模拟的数值预报模式的输出结果XT代入方程而求得YT，即YT=F（XT）。 本文基于PP 法统计模式输出产品与大雾之间的相关性， 找出有较好指示意义的预报因子，建立预报模型，再利用Fortran 编制计算代码，基于Visual BASIC 开发大雾天气精细化预报系统，形成合肥市大雾预报格点产品。总体技术流程见图1。

图1 总体技术流程

2 区域划分

合肥市辖范围涉及到主城区和5 个县市， 所辖区域南北距离相对较长， 大雾发生的区域特点有所不同，因此有必要进行区域划分[16-18]。 ECMWF 细网格资料于2011 年下半年开始下发到省级气象部门，故本文选取2012—2014 年ECMWF 细网格资料；再根据合肥主城区及5 个县市65 个交通气象站3 a日最低能见度资料，得到87 个大雾观测样本。 采用大雾等级分类法进行大雾强度的划分， 若某个区域出现水平能见度V＜500 m 的站点，则其大雾强度取值为2；若500 m≤V＜1000 m，则取值为1；若V≥1000 m，则取值为0。

2.1 特征值

合肥主城区及5 个县市大雾观测样本组成矩阵mXn，其中m=6， n=87，对其进行因子处理。 表1 说明前5 个特征值的累积百分率， 可以看出取前5 个特征值时精确度达93.35%。

2.2 因子荷载阵和区域分布

表1 特征值和累积百分率（前5 个）

因子荷载阵6A5中第i 列元素的平方和为λi，它表示第i 个公因子对6 个原变量所提供的方差之和。 而6A5中第i 行元素的平方和称为共同度，它表示这5 个公因子对原变量Xi的总方差作的贡献。取2 个公因子， 则可以用6A5中的左边两列的荷载值点图，这两列分别表示6 个因子在第一、第二个公因子上的投影。

因子荷载点聚图：将第一、第二个公因子取为坐标轴F1、F2。 将荷载值（Ai1，Ai2），（i=1，2，3，4，5，6）同时扩大10 倍。则变量可分成2 类：X1（6.99，-2.83），X2（7.05，-1.25），X3（5.53，-4.85），X5（7.83， 2.59），X6（7.26，1.78）成一类；X4（2.68，8.31）成一类。这样可将合肥市县大雾划分为2 个区，分别称之为中南区、北区（表2）。

表2 合肥市大雾区划

2.3 共同度

在因子荷载阵6A5中， 用5 个主因子计算6 个变量的共同度。 可以看出，对X1，X2，X3，X5，X6这一类，=0.9997 为最大， 表示用X2代表X1，X2，X3，X5，X6比较好， 也就是中南区中， 肥东站代表性最好；北区中长丰=0.993 7。

3 预报模型构建

3.1 预报因子选取

一般04—08 时（北京时，下同）为安徽省出雾的最佳时段[16-18]，故将大雾日05 时ECMWF 细网格物理量预报资料用距离插值法插值到全市和分片的代表区域站上， 选取和大雾密切相关的气象因子与分区时采用的大雾等级分类进行相关分析，确定8、8、7 个相关系数绝对值≥0.3 为高影响因子，它们均通过α=0.05 显著性检验（表3）。 所选取的高影响因子以大气低层的物理量为主，包括近地层逆温条件、湿度条件和风速大小，上干下湿配置以及云量等[19-20]。

表3 对全市和分片大雾有高影响的气象因子及相关系数

3.2 预报模型的建立

把全市和分片所选取的高影响因子， 利用大雾等级分类和逐步回归分别建立全市、 中南区和北区24 h 大雾预报模型，它们都通过α=0.05 显著性水平检验。 如对全市大雾有8 个高影响的气象因子，在0.05 显著性水平检验标准约束时进入模型的气象因子有4 个， 分别是T3：925 hPa 和2 m 温度差，R2：925 hPa 相对湿度，R6：1000 hPa 和850 hPa 相对湿度差，V1：10 m 风速。 故24 h 大雾预报方程为Y=2.301+0.028T3-0.376R2+0.313R6-0.203V1。

当水平能见度V＜500 m 时，即会对交通造成影响， 气象部门就需要及时向公众和相关部门发布大雾预警信号， 因此本文主要针对水平能见度V＜500 m的大雾天气开展预报[21]。利用2012—2014 年大雾日05 时有高影响的气象因子值代入模型，其结果与实测值进行拟合， 确定全市和分片出现大雾时回归结果的阈值均为1.5，拟合准确率分别为100%、93%和92%； 出现能见度V＜1000 m 的雾时回归结果的阈值均为1.2，拟合准确率分别为98%、92%和90%。

3.3 消空指标的确定

安徽省的雾形成主要以辐射冷却为主因， 但有时也有平流的作用，就合肥地区而言，辐射雾和平流辐射雾占九成以上[16-18]。 吴洪等[22]认为若有大雾生成，须在前期（前一日20：00 或当日08：00）满足大气层结稳定、850 hPa 以下存在逆温层或等温层、地面较湿和地面风速＜4 m/s 等条件； 结合前期对大量大雾个例的分析及高影响因子的选取表明： 近地层湿度、风速和逆温条件可以作为大雾的判定条件，故通过对87 个大雾观测样本与代表区域站大雾日05时1000 hPa 相对湿度、10 m 风速及925 hPa 和2 m温差进行对比分析，得到1000 hPa 相对湿度＜50%、10 m 风速≥4 m/s 及925 hPa 和2 m 温差＜-1 ℃是不考虑出大雾的消空指标，其中全市、中南区和北区的漏报率仅为1.8%、1.8%和5.3%；雾的消空指标与大雾相同，漏报率分别为3.5%、5.8%和9.3%。 经过以上的筛选，基本上可以提前将无雾日滤掉，借以提高预报准确率。 所选取的消空指标虽然滤掉了大部分无雾日，但由于大雾形成的原因比较复杂，在没有考虑到暖湿平流、地面有效辐射、空气质量状况以及局地地理条件等因素的情况下， 可能会造成漏报和空报。

4 预报系统应用

大雾预报系统（图2） 主要通过把全市范围内（116.5°～118°E，31°～32.75°N）、中南区（116.5°～118°E，31°～32.25°N）和北区（116.5°～118°E，32°～32.75°N）ECMWF 细网格物理量格点输出产品与预报模型对接，在考虑到消空指标和回归结果的阈值情况下，每日定时输出合肥市大雾预报格点产品。若能见度V＜500 m，则格点值取2；若500 m≤V＜1000 m，则取1；若V≥1000 m，则取0，方便预报员调用。

图2 大雾天气预报系统

5 预报效果检验

分为2015—2017 年冬半年大雾预报统计检验和2 类典型大雾天气过程检验。

5.1 大雾预报统计检验

针对2015—2017 年冬半年的日最低能见度，以500 m 为分界线对全市和分片大雾预报进行检验，为期18 个月547 d。 大雾的预报效果检验采用预报值与日最低能见度观测资料的比较[7]，选取距离代表区域站最近的格点预报值与该区域交通气象站日最低能见度资料进行对比检验。TS 技巧评分结果见表4。 对于＜500 m 的日最低能见度预报，全市和分片数值模式产品释用方法的技巧评分分别为92%、83%和76%，参照WRF 模式每日输出的辐射雾能见度预报技巧评分68%、59%和51%，表明数值模式产品释用方法在有无大雾预报技巧方面明显占优，技巧评分大幅提升。

表4 2015—2017 年数值模式产品释用方法、WRF 模式预报TS 评分

5.2 两类典型大雾过程预报效果检验

本文根据不同环流形势将影响安徽的大雾天气主要分为两类， 分别为Ⅰ类槽后西北气流型和Ⅱ类西风气流型[16，23]。 选取2017 年11 月15 日和2018年9 月22 日分属Ⅰ类、Ⅱ类环流形势下典型大雾天气过程进行预报效果检验， 可以更直观地看出数值模式产品释用的预报方法效果更好。

5.2.1 槽后西北气流型（I 类）

2017 年11 月14 日20 时500 hPa 亚欧大陆为两槽一脊，低槽快速经过安徽，安徽大部由槽前西南气流影响转为槽后西北气流控制，天气形势由不稳定转为稳定，天空状况转好；同时伴随低槽过境，降水过程结束初期底层相对湿度仍然较大（图3a），符合Ⅰ类环流形势特征。此次大雾过程发生时段合肥市晴天少云，辐射降温明显，且近地层相对湿度大、风速较小、存在逆温层，满足辐射雾的形成条件。

11 月15 日早晨安徽省沿淮到沿江一带出现分布不均的大雾天气， 合肥市中北部大部分地区最低能见度不足200 m， 而南部和东南部部分地区则＞1000 m（图4a），由于全省受槽后西北气流控制，天气较好，气温回升迅速，9：00 后能见度已经转好。11 月14 日数值模式产品释用的预报方法显示（图5a），除西南部局部地区以外，合肥市其他地区均有大雾； 和实况对比发现仅东南部和南部部分地区预报偏强外，其他地区与实况一致。模式预报15 日05时全市925 hPa 和2 m 温度差为0～2 ℃，1000 hPa相对湿度为70%～80%，1000 hPa 和850 hPa 相对湿度差为30%～40%，10 m 风速2 m/s 左右， 无低云，进入预报模型的近地层逆温条件、 湿度条件和风速大小，上干下湿以及云量等气象因子基本符合Ⅰ类大雾中的物理量配置特征。WRF 模式输出的能见度预报依托对影响能见度的各因子（云水、云冰、霰和气溶胶等）消光特征的反演，模式预报（图5b）合肥市有零散的大雾天气，大部分区域能见度＞1000 m，和实况对比发现中北部大片区域被漏报。

5.2.2 西风气流型（II 类）

2018 年9 月21 日20 时500 hPa 亚欧大陆亦为两槽一脊， 受东北冷涡影响， 中高纬为宽广的槽区，安徽位于槽区底部西风气流中（图3b），符合Ⅱ类环流形势特征。 此次大雾过程满足平流辐射雾的形成条件，21 日白天受切变线影响， 江淮之间南部到江南有小到中雨，夜里切变线南压，江南部分地区仍有小雨， 而江北转为多云天气为主， 天空逐渐打开，有一定的辐射降温，而且降水过程结束初期底层相对湿度较大； 从22 日08 时阜阳站和南京站温度对数压力图来看，1000~925 hPa 有明显逆温存在，且风向顺转，有弱暖平流。

图3 2017 年11 月14 日20 时（a）和2018 年9 月21 日20 时（b）500 hPa 环流形势

图4 2017 年11 月15 日（a）、2018 年9 月22 日（b）合肥市日最低能见度（km）实况

图5 数值模式产品释用方法（a、c）和WRF 模式（b、d）分别输出的2017 年11 月15 日05 时（a、b）、2018 年9 月22 日05 时（c、d）能见度预报结果

9 月22 日早晨安徽省江淮之间部分地区、沿淮淮北及江南局部地区出现大雾天气，合肥市东北部最低能见度普遍不足500 m， 部分地区＜200 m，其他地区大部分在1000 m 以下， 局部不足500 m（图4b），全省位于槽区底部西风气流中，以多云到晴天气为主，辐射降温有利于大雾的形成，但同时也存在暖湿平流作用， 因此直到11：00 后能见度才明显转好。 9 月21 日数值模式产品释用的预报方法表明（图5c） 合肥市中北部大部分地区能见度＜500 m，而南部大部分地区＞1000 m；和实况对比发现，除市区及西北部预报偏强外，其他地区与实况一致； 模式预报22 日05 时全市925 hPa 和2 m温度差为0～1 ℃，1000 hPa 相对湿度为75%～85%，1000 hPa 和850 hPa 相对湿度差为20%～30%，10 m风速为2～3 m/s，低云量20%左右，进入预报模型的气象因子没有考虑到暖湿平流的作用，其他基本符合Ⅱ类大雾中的物理量配置特征。 WRF 模式预报（图5d）合肥市能见度普遍在1000 m 以上，大雾过程完全被漏报。

6 结论

本文利用主成分分析方法对合肥市县观测站点进行大雾区域划分，再基于PP 法建立预报模型，形成合肥市大雾预报业务系统，结论如下：

（1）合肥市县大雾划分可为两个区，分别称之为中南区、北区，其中肥东、长丰可以作为它们的代表区域站。

（2）基于PP 法统计ECMWF 模式输出资料与大雾之间的相关性， 全市和分片分别确定8、8、7 个与大雾密切相关的高影响因子， 再利用等级分类和逐步回归建立24 h 大雾预报模型，其中全市和分片出现大雾时回归结果的判定阈值为1.5，出现雾时为1.2。 同时在1000 hPa 相对湿度＜50%、10 m 风速≥4 m/s 及925 hPa 和2 m 温差＜-1 ℃等消空指标选定的情况下，基本上可以提前将无雾日滤掉，以提高预报准确率。

（3）研发的大雾天气精细化预报系统把ECMWF细网格物理量格点输出产品与全市和分片大雾预报模型对接，每日定时输出合肥市大雾预报格点产品。前期业务化运行和预报效果检验表明： 数值模式产品释用方法在有无大雾预报技巧方面较WRF 模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。

大雾具有突发性、局地性、频次少和持续时间短等特点， 在实际业务中强度和落区预报方面难度较大。 虽然数值模式产品释用方法已经应用在合肥市大雾预报业务中， 但模式输出产品相对于实况存在误差，释用方法无法摆脱统计本身的缺陷，缺乏对大雾过程物理规律的描述， 预报模型的建立需要长期的、稳定的历史数据，很多原因都可能影响大雾预报质量。 因此， 随着模式分辨率和预报性能的不断提高，能够挑选出反映大雾微物理过程、热力和动力过程的预报因子，且随着模式参数化方案、预报模型的不断改进， 大雾的预报预警能力将会上一个新的台阶。