利用雷暴识别与追踪技术优化航班延误预警初探

周佐欢，张超，刘佳，唐小新，张莉，胡霄，陈元昭，5

（1.深圳市气象局，广东深圳 518040；2.深圳市气象服务中心，广东深圳 518040；3.深圳市国家气候观象台，广东深圳 518040；4.深圳市突发事件预警信息发布中心，广东深圳 518040；5.深圳南方强天气研究重点实验室，广东深圳 518040）

据2018年民航行业发展统计公报，全国客运航空公司共执行航班434.58万班次，其中非正常航班86.34万班次，平均航班非正常率仍达19.87%。航班延误问题不仅会打乱旅客的时间安排，还会影响航空公司的运营和形象。因此，提前发布航班延误预警提示信息，就可以及时采取措施从而大幅减少负面影响。许多学者已对航班延误预测进行了相关研究，刘中祥等［1］利用随机森林回归算法，得到航班到港延误预测的平均绝对误差为10.56 min；程华等［2］提出了基于决策树算法的航班到港延误预测，结果表明基于C4.5决策树的预测模型正确率趋近于80%。统计公报表明，天气因素是造成航班延误的最主要原因，占比达到47.46%。在气象上，雷暴对航班的影响非常突出，广东省是一个受雷暴影响非常频繁的地区，通过雷暴识别与追踪技术提前发布航班延误预警信息就显得尤为重要［3-6］。目前雷暴的识别和追踪总体上已经取得了长足进步［7-10］。兰红平等［11］开发了利用模式识别技术建立云团生命时序和族谱关系，并在此基础上进行雷暴云团外推；周康辉等［12］基于地闪数据，利用密度极大值快速搜索聚类算法实现雷暴的识别，采用Kalman滤波算法实现雷暴的追踪与外推。然而，由于雷暴云特征指标与强对流雷达三维观测数据之间存在非线性关系，在实际业务应用时仍然存在较多的空报、漏报现象。因此，在雷暴识别和跟踪预报这一科学领域仍然存在提升空间。

本研究将以强对流识别模型为基础，利用光流法外推预报技术对雷暴云进行追踪；并基于地理信息系统，将雷暴追踪结果与珠三角主要机场进行空间叠加分析，得出航班延误预警提示信息；最后通过机场航班延误数据验证航班延误提示预警的准确性和提前量。以期提高雷暴的临近预报预警水平，从而提升区域防灾减灾能力和促进地方航空气象服务。

1 资料和前处理

为了建立影响航班安全的雷暴云识别模型，本研究利用广东12部S波段多普勒天气雷达（广州、深圳、韶关、珠海、清远、阳江、河源、汕尾、梅州、湛江、肇庆、连州）0.5～20 km高度20层的反射率因子拼图资料。基于雷达资料三维体扫描原始数据，利用最近邻居法和垂直方向线性内插法相结合的方法插值到三维笛卡尔坐标系中［13］，形成三维雷达回波网格数据集，选取5.0 km高度的雷达CAPPI拼图数据作为雷达回波场。

在三维雷达回波网格数据集基础上再处理，获取雷暴云的几个特征向量，分别是雷达反射率因子（RRF）、回波顶高（ET）、垂直积分液态含水量（VIL）、组合反射率（CR）和固定高度回波强度（CAPPI），其中VIL通过吴书君［14］的方法计算得到，定义为单位面积上垂直柱体中的总含水量。

除雷达数据外，为验证对雷暴云识别追踪的准确性，雷雨大风的实况数据取自广东省气象业务网。通过移动互联网获取珠三角主要机场航班延误数据资料。本研究所使用资料均为北京时。

2 总体技术路线

2.1 建立强对流天气识别模型

雷达反射率因子是描述对流程度最直观的参量之一，回波顶高是衡量对流强烈程度的重要物理量，垂直积分液态含水量是判别强降水的有效参数之一。当雷达反射率因子、回波顶高和垂直积分液态水含量满足一定条件时，就可能有雷暴云产生。

本研究使用广东12部S波段多普勒雷达资料，提取5.0 km高度CAPPI拼图进行图像识别，获得反射率因子、回波顶高和垂直积分液态水含量，按照式（1）计算该样本对应的强对流指数G，结合自动站的风、雨实况资料，采用相关分析方法，总结得出强对流指数的经验值阈值G为30。当G＞30时，可认为是强对流发生的高风险点（图1）。当一张图上存在连续若干个相邻的G＞30的格点时，这组格点群被识别为雷暴高风险区域，以此将降雨云团中的强回波识别出来。

其中，VIL为垂直积分液态水含量（kg／m2）；CAPPI为5 km高度的反射率因子（dBz）；ET为回波顶高（km）。

图1 雷暴识别技术路线示意图

2.2 利用光流法对雷暴云团进行追踪

光流法的本质是从连续的图像系列中计算光流场，而光流场可以简单地理解为物体的速度矢量场。包含两个分量：在x轴方向的分量u和y轴方向的分量v。假设t时刻图像点（x，y）的灰度为I（x，y，t），对x和y在单位时间内求偏导。根据计算光流的条件

其中，式（2）为光流约束方程，∇I＝（Ix，Iy）t为图像灰度的空间梯度；v＝（u，v）t为光流矢量。

在气象领域，把雷达回波当作移动的物体，那么I（x，y，t）就是雷达图像中的某点（x，y）在t时刻所对应的反射率因子［15］。此外，由于雷达探测数据本身的真实性和容易受噪声干扰等因素对光流算法有很大的影响，因此曹春燕等［16］通过中值滤波法和剔除矢量值离散程度偏离一定值的点等方法对上述问题进行了一定的优化研究，有效地抑制了噪声的影响，得到了较平滑、真实的雷达回波。本研究在此基础上对雷暴云团进行追踪。

2.3 雷暴追踪结果与雷雨大风实况对比

选取2010—2018年1—6月份时间段内的138个深圳市出现全市大雨以上量级的降雨过程，反演雷暴识别和光流法1 h外推预报。将追踪结果和实况资料进行对比分析，结果表明光流法1 h外推预报平均偏差10～20 km，在业务上具有一定实用价值。

2.4 雷暴追踪结果与机场地理位置叠加

Overlay空间叠加分析法是指在同一个空间坐标系内，将2个或多个不同种类的数据叠加，通过一定的逻辑运算，进行分析判定，进而得出该空间区域内多种数据之间的空间关系。

基于地理信息系统通过空间分析工具将雷暴的追踪结果与珠三角主要机场地理位置进行空间叠加分析，根据当前实况利用光流法进行1 h外推，雷暴首次到达机场位置时，即发布航班延误预警提示信息。

2.5 利用机场延误信息判别航班延误预警提示的

通过移动互联网技术收集的珠三角主要机场航班延误数据，对上述航班延误预警提示信息加以验证，从而判断通过光流法1 h外推预报进行航班延误预警提示的准确性和提前量。

3 结果验证

3.1 评分检验

选取2017—2019年12个雷暴天气案例（表1），规定如果航班延误预警提示时间与航班延误公告时间相比提前量达到30 min以上，判断为成功；如果预报机场不会出现延误，而实际发布了延误公告，判断为漏报；如果预报机场出现延误，而实际没有发布延误公告，判断为空报。

表1 2017—2019年深圳宝安、广州白云机场雷暴过程案例

检验结果表明：通过雷达识别和追踪技术来判别航班受到影响的准确率达到83%，延误预警提示信息比延误预警实况平均提前约62 min。

3.2 个例分析

为直观地说明雷达识别追踪技术判别航空延误预警的准确性，筛选了2个案例进行详细说明。

1）2019年4月19日西南急流影响。

2019年4月19日12：00开始深圳市自北向南先后出现强降水、雷暴和短时大风，降水持续到19日18：00趋于结束。全市有5个自动站录到特大暴雨，132个自动站录到暴雨，有18个自动站录到8级以上阵风，最大阵风10级。利用光流法进行1 h外推反演，对该次飑线过程进行航班延误预警提示。

深圳机场地理坐标为东经113°49′、北纬22°36′，属于宝安区福永街道。回波向偏东方向移动，从12：00的实况开始进行1 h外推（图2a），未来1 h内，12：36深圳机场强对流指数最大，但仍小于30。从12：06的实况开始外推（图2b），12：30深圳机场位置的强对流指数为35，那么12：06为航班延误预警提示时间，而深圳机场在13：00正式发布航班延误预警，可见该次过程中航班延误预警提示时间比延误预警实况时间提前54 min，具备较高的预警提前量。

2）2019年4月27日切变线过程。

2019年4月27日广东省珠三角地区出现强降雨天气。15：00开始深圳市受自西向东移动的强雷暴影响，至18：30强降雨结束，全市有29个自动站记录到大雨，大梧桐站出现最大阵风9级。

从14：36的实况开始进行1 h外推（图3a），15：36的预报结果为深圳机场位置强对流指数小于30，外推1 h内强雷暴未到达深圳机场。以14：42的实况为起点进行外推（图3b），15：42深圳机场位置强对流指数高达37，那么14：42为航班延误预警提示时间。而深圳机场在16：00发布航班延误预警，可见航班延误预警提示时间比延误预警实况时间提前78 min，具有较好的预警提示效果。

图2 2019年4月19日外推预报图

图3 2019年4月27日外推预报图

4 结论

1）光流法1 h外推预报与实况的位置偏差基本在10～20 km，具有业务使用价值。

2）在本研究案例中通过其来判别航班受到影响的准确率达到了83%，延误预警提示信息比延误预警实况平均提前约62 min。可以在雷暴天气过程业务工作中为决策部门提供一定判断依据，为公众提供出行参考，从而提升区域防灾减灾能力和促进地方航空气象服务。

3）光流法立足于变化，在运动的雷暴动态追踪中有较好的效果，但目前雷暴追踪技术还无法从物理机制上判别雷暴的增强和消亡，光流法在准静止型局地加强型雷暴追踪中仍有一定的局限性，即使在华南前汛期的大范围降雨过程中也有一定的不足。因此造成部分案例失败，这也是今后需要进一步提高的地方。

此外，在雷达识别与追踪技术领域仍然有可以继续深入的地方，尤其当前人工智能（AI）技术发展迅速，在天气预报领域拥有广阔的前景。今后可以探索利用机器学习方法找出珠江三角洲地区雷暴云的内在规律、特征，建立智能化的雷暴识别追踪机器人，寻找新的雷达导出变量来更加准确刻画雷暴云的特征，进一步提高航班延误预警的准确率。