湖南地区夏季中尺度对流系统特征分析以及恶劣天气规避区的划设*

路东林 段 炼 张 杨 赵 芮 赵 志 邱 雪

（中国民用航空飞行学院 广汉 618300）

1 引言

对于空域来说，除了空域本身因素的限制以外，还有诸多因素限制着空域的运行和发展，其中天气因素就是较为重要的一项。《2021 年民航行业发展统计公报》显示，2021 年我国平均航班不正常率11.92%，其中天气原因导致航班不正常占到了总不正常因素的59.56%［1］，呈增长状态。大气状态的任何一次变化都会对航空器飞行活动造成一定影响，严重时甚至危及飞行安全，使空域通行能力降至零。

中尺度天气系统是一种常见系统，通常表现为中尺度大小的云团，水平尺度2km～2000km，主要包括中低压、中气旋、雷暴群和飑线等，受其影响通常会出现雷暴、冰雹、暴雨等恶劣的天气现象［2］。中尺度对流系统（Mesoscale Convective System，MCS）的概念最早可追溯到20世纪50年代，后来在Maddox［3］于1980 年提出的中尺度对流复合体（MCC）的定义中形成。

之前己经有不少学者对出现在我国及周边地区的中尺度对流系统［4］进行了统计分析，但主要集中在某一次MCS 的统计分析上，并没有对某地区某时段多云团的发展特性、移动特性结合空域结构进行的规律统计。湖南地处云贵高原向江南丘陵和南岭山脉向江汉平原过渡的地带，全省东、西、南三面山地环绕，呈朝北偏东开口的不对称马蹄形地貌。统计结果表明，特殊的山地环境导致湖南省内强对流天气频繁发生，且多在夏季出现，常伴随冰雹和短时强降水［5］，例如2016年7月17日副高控制下的湘西北暖区暴雨［6］、2019 年8 月21 日，受东风波准正压系统影响出现的区域性强对流天气［7］、2020 年1 月6 日斜压锋生型区域强对流天气［8］等等，这些对流天气突发性强、破坏力大，对空域通行影响极深。

关于恶劣天气规避区的划设以及空域通行能力分析，叶志坚［9］等在2014年对对流天气下的空域通行能力梳理了国内外的研究现状，建议综合分析对流天气对空域的影响。毛永庆［10］等研究了组合反射率数据和危险天气规避区生成算法，并设计了辅助系统。此外，魏凡等开展了利用气象雷达信息划设雷暴飞行限制区的研究［11］等。

故本文针对湖南地区夏季的中尺度对流系统进行数据统计和可视化处理，从对流云团的水平尺度、面积大小、高度分布、时空位置分布等特征展开分析，研究中尺度对流系统的移动变化特性，并划设恶劣天气规避区，为空中交通流量管理制定管制预案提供依据。

2 资料来源

本文所使用的云图资料和亮温资料来源于向日葵8 号气象卫星（Himawari-8 卫星）的数据集。选取Himawari-8 卫星红外7（10.4um）通道的HDF（Hierarchical Data Format）数值资料，经过可视化处理提取红外卫星云图，经过定标转化提取格点的红外亮温数据，空间分辨率2km×2km，时间分辨率10min，资料的时间范围是2019 年5 月至7 月，覆盖范围为北纬23°～32°，东经107°～116°。Himawari-8卫星，是世界首颗可拍摄彩色图像的静止气象卫星［12］，搭载可见光和红外扫描辐射计（AHI），可得到包括可见光和红外的16 个通道数据，完成一次全圆盘图的时间少于10min，还可以在选定时间对特定的区域进行扫描。

本文所使用的温度气压层资料是来自欧洲天气预报中心第五代大气再分析资料（ERA5）。选取ERA5 在2019 年5 月至7 月的逐小时温度气压层数据，向上划分为37 个气压层，最高1hpa，最低1000hpa，水平分辨率0.25°×0.25°，时间分辨率1h。ERA5 再分析资料以30km×30km 的网格覆盖全球，拥有先进的资料同化系统，可将模型数据与各地观测数据形成一个完整一致的数据集。

本文所使用的空域资料来源于全国航路图，选取北纬24°～31°，东经107°～116°范围，得到湖南全空域的简化资料，包括A461航路、R343航路、A581航路、H10 航路、W46 航路等8 条主要航路、长沙黄花机场、张家界荷花机场等7 个主要机场以及导航点的精确经纬度坐标。

3 数据处理及可视化过程

目前国内外气象学者已对中尺度对流系统进行了大量研究，形成了较为成熟的理论和方法。关于中尺度对流系统的识别判定，束宇和潘益农［13］致力于基于静止卫星红外云图的MCS 计算机识别方法的开发。费增坪［14］等根据造成我国剧烈灾害性天气的对流系统的空间尺度特征，修订了MCS 的最小尺度标准，由此确定本文识别与判定MCS 的依据，即亮温（TBB）≤-52 ℃的连续冷云区面积≥6400km2，持续时间≥1h，最大尺度椭圆率≥0.5。综合考量，本文首先采用引导滤波方法对红外卫星云图进行降噪处理，消除接收数据过程中因受到电波干扰而出现在云图上的噪点，实现云图边缘平滑，吴一全［15］等通过大量实验确定了引导滤波后的增强图像I，线性简化公式为

其中，Ia是原红外图像，Ib是输出图像，δ是最佳增强因子，是图像的全局灰度均值；随后对所选区域内的云团进行二值化阈值处理和面积筛选，把-52℃的亮温阈值作为二值化的依据，将TBB≤-52℃的像素点标记为“1”，TBB＞-52℃的像素点标记为“0”，同时设置1600 为像素点面积最低阈值（由于Himawari-8 卫星红外7 通道的分辨率为2km×2km，且MCS 云团要求连续冷云区面积≥6400 km2，所以最低阈值取1600）判断并剔除像素点总数小于1600的区域，面积S的计算公式如下：

其中X 是分辨率，N 是像素点总数；然后采用Canny检测算子对目标云团进行边缘检测提取轮廓，Canny算子出现早、误判率低、定位精度高，能够对所有边缘进行检测提取，而且能够抑制虚假边缘［16］，算子公式如下：

其中，∇2f(x,y)是像素(x,y)处的灰度值，f(x,y)表示具有整数像素坐标的输入图像；最后筛选目标云团的椭圆率，得到符合条件的MCS云团。

对于目标中尺度对流云团云顶高度的反演过程，李五生［17］等基于红外亮温法计算云顶高度，探究了云位置偏差及几何校正问题；王根［18］等开展了基于Himawari-8 卫星AHI 资料的反演降水初步应用研究。本文选择单通道云顶红外亮温与ERA5再分析资料反演云顶高度。假设云发射率为1，将云视作黑体，利用普朗克公式将辐射亮度转为云顶亮温从而得到云顶高度。资料使用Himawari-8 卫星10.4 um 通道数据，将等效黑体亮温与大气温度廓线直接插值转化为气压和云顶高度。卫星资料获取红外亮温T0，假设T0位于两个气压温度（T1，T2）间，（T1，T2）对应的气压高度层为（P1，P2）。若相邻气压层间温度近似线性变化，则通过线性插值计算卫星红外亮温T0对应的大气压值P0，公式如下：

最后，依据标准大气模型计算出云顶高度H，公式为

湖南的简化空域，利用Arcgis10.8 软件绘制。首先在ArcCatalog 平台指定数据库中创建新的shapefile线要素图层并在Arcmap中加载出来，同时在Arcmap 中添加gadm36_CHN 中国省级行政区划图数据，选取研究范围导出数据生成研究范围图层；然后借助EXCEL 对导航点、机场的点坐标经纬度、名称等属性进行赋值，并转换成导航点、机场Table表，以X为经度，Y为纬度显示生成图层；最后“捕捉”导航点，在新建的线要素图层绘制航路，并把四个图层及标注放置在一张图中可视化显示，如图1所示。

图1 湖南空域简化航路

4 MCS云团统计及特征分析

2019年5 月至7月，湖南地区总共有96个MCS样本，其中5 月14 个，6 月52 个，7 月30 个。计数规则为第一类是在湖南界内初生发展的MCS 云团；第二类是在湖南边界初生发展的MCS 云团，要求在湖南地区的云区面积≥6400km2且持续时间≥1h；第三类是穿过湖南的MCS，同样要求在湖南地区的云区面积≥6400km2且持续时间≥1h；同时，若云团一分为二，且都符合MCS 判据，记为2个，若多云团合而为一，且符合MCS判据，记为1个。

4.1 水平尺度与面积特征

依据Orlanski［19］对α-中尺度（200km～20000km）和β-中尺度（20km～200km）的划分标准和本文的判定标准，通过普查与统计MCS 可以得到每个月属于α和β中尺度的成熟期云团频数以及每月成熟期MCS的最大和最小面积，如图2所示。其中，5月中下旬开始出现MCS 对流天气，频次不高；6 月的MCS 频次最高，且α和β中尺度云团均最多，分别达15 次和37 次；7 月相对6 月来说，云团频次降低。总体来说，β-中尺度云团出现频率较高，占总次数的76%，面积大小不一，最小面积是5 月26 日一次云团10 时50 分的6800km2；α-中尺度云团虽然频次不高，但尺度大，像6 月28 日的一次云团，在20点50 分发展到234024km2，对空域影响很大；夏季MCS 多发且涉及广泛，应注意防范MCS 对空域的影响。

图2 尺度与面积特征

4.2 云顶高度特征与飞行高度层

通过对样本进行亮温筛选，将筛选的最大降温值线插入ERA5 数据中，得出相应的云顶高度，进而讨论样本云团的高度分布状况。图3 为每月中成熟期云团的最高云顶、最低云顶、平均云顶高度分布，每月的平均云顶高度分别为13262m、13410m、13407m。依据我国飞行高度层配备原则和实情表现，民用航空器的飞行高度一般不会超过12500m，云团均在航路之上，因此，当满足本文判定标准的MCS 出现时，航空器的飞行会很大可能受到恶劣天气影响，空域通行能力会降低。

图3 云顶高度特征

4.3 时空特征与空域结构

上述统计是针对MCS 成熟期的特征角度出发，下面将从相同的样本中以动态变化过程着手分析样本的时空特征与空域结构的关系。湖南空域简化航路如图1 所示，假设以老粮仓导航点为中点，依据R343 航路和H24-W46 航路将湖南空域划分为东、西、南、北四部分空域来分析样本云团的空间特征。据统计，就云团初生位置（如图4（a））而言，南部空域出现MCS 最多，达38 次，其次是西部空域，有26 次MCS，相对来说出现最少的为东部空域，这主要是受大部分南部云团和东行天气系统影响；其次，就云团移动路径（如图4（b））而言，样本云团受气流影响，基本上以西-东走向初生发展，少部分云团以西北-东南和西南-东北走向移动，还有少部分云团受气旋影响，自东北向西南方向缓慢变化，且持续时间较长；此外，对各样本云团的持续时间分1h～2h、2h～4h、4h～6h、6h～12h、≥12h 四个阶段左闭右开进行频数统计，结果如图4（c）所示，发现云团持续时间主要集中在1h～4h 范围内，仅1h～2h 时间段内的云团就占到总数的44%，持续时间超过6h的频次很低，不常发生。

图4 时空特征

5 算例分析与MCS天气规避区的划设

选取6 月8 日14 时22 时的MCS 样本展开特例分析，MCS云团在14时30分左右初生，从湖南中部开始自西向东发展成熟，21 时左右离开湖南省内，移动到江西，并逐渐消亡，持续7h 以上。如图5 所示，本文基于Anaconda 的Python 环境处理云图，选取16：40、18：40、20：40 三个时间点直观表示出MCS 的判定过程和MCS 从初生到成熟再到消亡的过程，图5（a）为引导滤波消除噪点后的红外云图，图5（b）为二值化处理及面积筛选后的云图，图5（c）为椭圆率计算后目标云团的提取轮廓图，即判定后的MCS云团轮廓。

图5 云团的判定过程

云团面积及反演云顶高度的逐小时变化态势如图6 所示，可以发现此云团达到MCS 标准后，云顶高度均在12000m 以上，面积均在7000km2～90000km2范围。此云团云顶高度变化态势不稳定，在14 时至16 时是初生阶段，分布在12035m 左右，从16 时至18 时呈上升趋势，达到18 时的12232m，此后开始降低；云团面积变化态势比较稳定，随着时间的推移，从14时开始逐渐发展扩大，达到21时的90152km2。21 时至22 时，云团逐渐离开湖南省内，部分云团不计入内，且又激增了新的MCS 云团，故出现云团面积数值降低，云顶高度数值升高的现象。

图6 云团面积及云顶高度的逐小时变化态势

MCS引起的强对流天气，会使空域利用率大大降低，单纯的地面等待、备降返航或空中盘旋效果不显，有必要划设天气规避区为航班绕飞以及空中交通管制提供态势判断。因此，本文提出MCS 天气规避区，以TBB ≤-52℃的云团轮廓作为对流强度较大的区域进行安全飞行条件外扩，并叠加空域分析具体影响。

具体方案是：首先，以上述18 时40 分MCS 云团为例，提取出云团轮廓线，依此对轮廓化曲为直，形成呈凸多边形的MCS 强对流危险区（如图7（a））；然后，依据通告AC-91-FS-2014-20（《航空器驾驶员指南：雷暴、晴空颠簸和低空风切变》）［20］中航空器在遇到雷暴需要绕飞或需要在两个云团之间穿越时应保证航空器与云团边界至少30km距离的规定，对危险区边界进行外扩缓冲区，划设出MCS 天气规避区（如图7（b））；最后将规避区与湖南空域叠加显示（如图7（c）），可直观地看到对相关航路的阻塞情况，得到对相关空域通行能力的判断。

图7 恶劣天气规避区的划设

据图1和图7（c）分析，此MCS云团由西向东运动发展，对湖南东部和南部空域产生较大影响，在18 时40 分左右，航路R343 龙口-老粮仓段、航路A461 龙口-黄花-英德段、航路W46 等均受到不同程度的阻塞。根据云团运动趋势和规避区可进行类似调整：由于龙口-老粮仓段以及龙口-黄花段均受到阻塞，则龙口方向的航空器可以向西（云团行进反方向）绕飞，并结合空中等待策略，匹配适宜时间着陆。相关航路的航空器可根据规避区范围选择适宜的改航策略，空中交通管制单位也可以根据云团的发展趋势和规避区的划设为空中交通提供流量管理措施，提高空域通行能力。

6 结语

本文对湖南地区夏季的MCS 做了识别判定、普查统计与特性分析，并结合一次MCS 特例叙述了MCS 天气规避区的划设，此研究体现出湖南地区夏季MCS 的主要发展情况，可以为空中交通管理决策者提供辅助决策信息。但是，本文实践发现MCS的变化是迅速且多样的，在移动变化过程中可能会逐渐消亡，也可能会激发新的对流，因此仍需要对MCS 深入研究，探讨中尺度对流旋涡与深对流中心之间的关系；同时，MCS 天气规避区的划设应考虑多云团规避区的边界融合问题，此后需要对此综合考虑，进行优化改进，并将云团运动发展趋势与规避区的划设作为容量预测的影响因子和优化权值因素加入动态容量评估模型中。