安徽亳州地區大霧預報模型研究

黃利萍+李佳耘+董凌+孫道東+馬魁俠

摘 要：該文根據2002-2012年亳州地區大霧資料，統計了大霧的時空分布特征和環流形勢。結果表明：年平均大霧日數最多的地區集中在亳州中北部，東南部最少。近11a來大霧日數總體上呈減少趨勢，但2010年后霧日有所增加，其中水平能見度在50～200m的濃霧出現頻次最多。霧日有明顯的季節變化，冬季最多、秋季次之、夏季最少；大霧持續時間大多在1～14h。根據2013年亳州市探空觀測、地面觀測資料以及EC細網格、T639、日本細網格、GRAPES數值模式產品，選取了87種預報因子，使用支持向量機方法（SVM）和中國氣象局CMSVM應用軟件平臺，通過對訓練樣本進行交叉驗證和模型核參數的逐漸逼近，建立了亳州市24h大霧支持向量機預報模型。

關鍵詞：大霧；時空特征；預報模型；亳州

中圖分類號 P426.4；P457.7 文獻標識碼 A 文章編號 1007-7731（2016）01-81-04

Research on the Fog Forecast Model in Bozhou Area

Huang Liping1 et al.

（Bozhou Municipal Meteorological Bureau，Bozhou 236800，China）

Abstract：In this paper，the temporal and spatial characteristics of fog and the atmospheric circulation were analyzed by using the fog data in Bozhou from year 2002 to 2012. The results showed that，the most of the annual average fog areas were concentrated in the north and central of Bozhou，and the southeast area was the least. Generally，the fog days decreased in the past 11 years，but it increased after 2010 year. The frequency of the visibility from 50 to 200 meters had the maximum occurrence. The fog days had significant seasonal variation characteristics，that the winter maximum，autumn second，and summer minimum. The fog mostly lasted 1 to 14 hours. According to the radiosonde data，observation data and EC fine mesh，T639，Japan fine mesh，GRAPES numerical model products of Bozhou City in year 2013，87 predictors were selected. By using Support Vector Machines（SVM）and CMSVM application software platform，and through the cross-validation of the training samples and gradually approaching model nuclear parameters，the 24 hour forecasting model of fog by Support Vector Machine in Bozhou was established.

Key words：Fog；Temporal and spatial characteristics；Prediction model；Bozhou area

霧是指大量微小的水滴懸浮于空中，使得水平能見度低于1km的天氣現象。根據水平能見度可將霧分為4類：霧（500m<能見度≤1 000m）、大霧（200m<能見度≤500m）、濃霧（50m<能見度≤200m）和強濃霧（能見度≤50m）。大霧天氣是安徽淮北地區秋冬季常見的災害性天氣現象之一，頻繁出現的大霧天氣不僅會對交通、航運等造成嚴重影響，而且其伴隨的穩定層結大氣使城市污染加重，給經濟建設和人民生活帶來重大損失。隨著城市規模的不斷擴大，霧、霾及其兩者的結合物已成為城市發展過程中影響城市環境的重要因素，因此開展亳州市大霧的客觀預報方法研究具有十分重要的意義。目前霧的預報已經成為一項常規預報項目，預報方法多采用經驗法和外推法，但預報主觀性較大、準確率較低、預報時效較短，且僅限于定性預報，無法滿足社會對預報的要求。因此，加強大霧的成因和預報技巧研究極為重要。隨著高分辨的數值天氣預報模式的發展，在數值模式產品的釋用方法方面研究成果顯著，總體來看數值產品解釋預報技術大致可分為4類：天氣學釋用、統計學釋用、相似預報釋用和人工神經網絡方法。近年來國內很多學者對不同地區的大霧都作了大量的研究，并且在大霧預報方法方面取得了可喜的成績。如吳彬貴[1]、李江波[2]研究了華北平原持續性濃霧過程的水汽輸送和逆溫特征，給出了大霧的環流背景、成因及霧區分布的天氣概念模型；賀皓[3]提出了基于支持向量機模式識別的大霧預報方法；馬學款等[4]采用動態學習率BP算法的人工神經網絡建立了重慶市大霧的預報模式，并對模式擬合及預報結果進行了檢驗分析，TS評分達到68.6%；陳曉紅等[5]通過分析安徽多年大霧的天氣氣候特征和形成的天氣學條件，建立了安徽省縣級大霧預報業務系統。本研究將利用地面觀測資料和4家高分辨率的數值預報產品資料，采用支持向量機方法篩選優質的預報因子建立了亳州地區大霧預報模型，并在實際工作中進行了試用檢驗和推廣使用。

1 資料方法及背景

亳州市地處安徽省淮北地區西北部，全市轄譙城區、渦陽縣、蒙城縣、利辛縣4個區域，地形以平原為主。亳州市常見的霧主要有輻射霧、平流霧、鋒面霧和平流輻射霧，多發生在大氣層結穩定、低層水汽充沛、風力較弱的天氣條件下，或者是降水過后夜間近地面有強烈的輻射降溫時。本研究首先利用2002-2012年亳州市4個國家觀測站（亳州、渦陽、蒙城、利辛）11a的地面觀測資料，統計分析亳州地區大霧的時空變化特征和大霧發生的環流形勢，在此基礎上確定與能見度變化有關的預報因子。同時提取4家數值預報產品（T639分辨率為0.28°×0.28°、EC細網格分辨率為0.25°×0.25°、日本細網格分辨率為0.50°×0.50°、GRAPES_meso分辨率為0.15°×0.15°）、研究區域內高密度自動站氣象要素數據，采用相關性計算挑選出與能見度相關的預報因子，包括天氣系統相關因子（氣壓場、風場、變溫、變壓）、中低層大氣層結特征（逆溫層）、近地層濕度（地面溫度露點差、850hPa相對濕度）、地面輻射因素（總云量、低云量）等物理量因子。將4家數值模式預報的相關產品采用支持向量機（SVM：Support Vector Machine）方法建立大霧預測模型，進行24h預報建立大霧精細化預報模型。本研究的關鍵技術是采用支持向量機方法建立預報模型，該方法是一種新穎的小樣本機器學習方法，該方法建模不必知道因變量和自變量之間的關系，通過對樣本的學習即可獲得因變量和自變量之間非常復雜的映射關系，它具有從海量的信息中自動識別并提取關鍵信息的特點，適合處理本質上的非線性問題。因此，把SVM方法用于大霧預報，是提高大霧預報準確率的一個新途徑，并且這種預報系統也易于推廣使用，對現代化預報業務的發展有現實的使用價值。

本文所用資料為安徽省氣象信息中心提供的2002-2012年亳州地區4站地面觀測資料（包括能見度、大霧的起止時間、總云量、地面氣壓場、10m風、溫度、露點）、NCEP1°×1°逐日再分析資料（包括海平面氣壓場、500hPa高度場、700hPa和850hPa風場）以及2013年亳州市探空、地面氣象資料以及EC細網格、T639、日本細網格、GRAPES數值模式產品。當某站天氣現象欄記錄霧或6h地面觀測中有一次能見度≤1km，則記為一個大霧日[6]。

2 亳州市大霧SVM預報模型的建立

2.1 亳州市大霧的氣候變化特征 根據2002-2012年亳州地區的大霧資料，統計了近11a來大霧的時空分布特征（圖1）。全市年平均大霧日數為27d，最多的地區集中在亳州市中北部（31d），東南部最少（24d）；霧日有明顯的季節和月際變化，霧日為冬季最多（10d）、春秋季次之（6～7d）、夏季最少（4d）；月平均霧日呈“兩峰一谷”型分布，即1月和12月最多（4d）、8月最少（1d），總體上自1月開始至8月呈遞減趨勢，8月之后呈遞增趨勢。大霧出現時間通常始于夜間20時至次日8時（以5～6時最多），大霧結束于7～13時（以9～10時最多），持續時間大多在1～14h，其中持續1～3h的大霧出現頻次最高。近11a來亳州市大霧日數總體上呈下降趨勢，2010年降到最小值（4站平均日數9d）后有所增加。統計不同能見度的霧日可知：50～200m的濃霧出現頻次最多（107d）、500～1 000m的霧和能見度低于50m的強濃霧次之（69d、66d）、200～500m的大霧出現最少（51d）。

2.2 大霧發生的環流形勢分析 大霧發生的天氣形勢受到大范圍氣象條件的限制，根據2002-2012年亳州出現的大霧分布和相應的地面、500hPa、700hPa及850hPa天氣圖，統計分析了亳州地區大霧出現的環流特征。以地面天氣形勢為主要依據，綜合考慮500hPa、700hPa及850hPa的環流特征，將亳州地區的大霧流型分為均壓型和鋒前型兩種。均壓型主要以輻射霧為主，而鋒前型則與平流霧相聯系。二者的高低空系統配置分別如下：（1）均壓型：霧區處在地面高壓或低壓系統附近均壓場中或者地面無明顯高低壓系統；500hPa處于西北氣流、偏西氣流或西南偏西氣流中；850hPa處于低渦或低槽前西南氣流中或弱高壓脊前西北氣流中（圖2a）。（2）鋒前型：霧區處于冷高壓或者地面冷鋒前部；500hPa處于槽前西南氣流或西北偏西氣流中；850hPa處在高壓脊區均壓場中或低渦（槽區）前西南氣流中（圖2b）。

2.3 挑選預報因子 由于SVM的最終決策函數只由支持向量來確定，本文盡量選取較多的預報因子，以達到充分描述大氣的空間變化的目的。針對上文的基本天氣氣候條件和環流特征分析，利用亳州市探空和地面氣象要素資料以及4種數值模式產品，構造了87個預報因子，以期能夠充分描述因子群與預報對象（大霧）的關系。資料長度為2013年，具體資料包括：（1）08時和20時的有關探空資料，包括500、700、850、925、1 000hPa的高度、溫度、露點、風速；（2）地面常規觀測資料，包括08、20時的風速、云量、能見度、相對濕度、溫度、24小時變壓、24小時變溫等；（3）EC細網格、T639、日本細網格、GRAPES數值模式的高空和地面預報場，包括500、700、850、925、1 000hPa的高度、溫度、露點、風速以及地面風速、相對濕度、溫度等。

2.4 確立預報對象和預報模型 預報對象為亳州市未來24h有無大霧。若有大霧發生，歸為1，無大霧發生，歸為-1。由于大霧的正樣本數少，未進行分季節建模，共有64個正樣本。采用中國氣象局培訓中心SVM應用研究小組開發的CMSVM應用軟件，建立SVM預報模型，對所有樣本進行了歸一化處理，采用徑向基函數作為基本函數建立SVM模型。把處理好的數據集（2013年1～12月）分為訓練樣本（占總樣本數的70%）、測試樣本（占總樣本數的20%）、檢驗樣本（占總樣本數的5%）3個部分。通過訓練樣本建立模型，再利用測試樣本優化模型，最后利用檢驗樣本進行試報。

圖3 使用CMSVM平臺對2013年1～12月的730個樣本進行訓練后得到的預報模型

3 亳州市大霧SVM預報模型的效果檢驗

3.1 正樣本TS評分 利用預報模型對2014年1～5月數據進行了預報檢驗，對大霧預報準確率采用正樣本Ts評分。正樣本Ts評分計算公式為：Ts（%）=Na/（Na+Nb+Nc）×100，式中Na為預報正確次數，Nb為空報次數，Nc為漏報次數。若沒有預報大霧，也沒有出現大霧，不參加質量評定。2014年1～5月亳州市共出現了7次大霧，該模型僅僅做出1次正確預報，出現6次漏報，未出現空報，Ts評分為14.3%。結果表明，該預報模型的預報能力一般，并未達到預期標準。

3.2 存在問題及改進 對于建立的大霧SVM模型Ts評分值較低的問題進行了思考，可能是所使用的（下轉107頁）（上接83頁）實況資料和預報資料都是20時和08時，而大霧主要出現在20～08時之間，各種預報因子的代表性不夠。于是進一步采用數值預報05時的預報產品對模型進行改進，以驗證模型的預報效果。結果發現：進行改進之后，該模型作出了5次正確預報，僅出現2次漏報，未出現空報，Ts評分為71.4%，預報效果較好。

4 結論

本文應用2002-2012年地面觀測資料，分析了11a來亳州地區大霧的時空分布特征和環流形勢，并采用支持向量機方法建立了亳州市大霧精細化預報模型，結果顯示：

（1）亳州地區年平均大霧最多的地區在中北部，東南部最少；霧日呈明顯的季節和月際變化，冬季最多、春秋季次之、夏季最少；月平均霧日呈“兩峰一谷”型分布，即1月和12月最多、8月最少。大霧出現時間通常始于夜間20時至次日8時（以5～6時最多），結束于7～13時（以9～10時最多），持續時間大多在1～14h，其中持續1～3h的大霧出現頻次最高。近11a來大霧日數總體上呈減少趨勢，但2010年后霧日有所增加；能見度在50～200m的濃霧出現頻次最多、能見度低于50m的強濃霧和能見度在500～1 000m的霧次之、能見度在200～500m的大霧出現最少。

（2）根據地面天氣形勢，將亳州地區大霧發生的天氣形勢分為均壓型和鋒前型2類，其中均壓型主要為輻射霧，鋒前型主要為平流霧。

（3）根據2013年亳州市探空、地面氣象資料以及EC細網格、T639、日本細網格、GRAPES模式產品，共選取87種預報因子，使用支持向量機方法（SVM）和CMSVM應用軟件平臺，通過對訓練樣本進行交叉驗證和模型核參數的逐漸逼近，建立了亳州市24h大霧支持向量機預報模型。通過對2014年1～5月大霧試報發現，預報模型的Ts評分為71.4%，達到了預期效果。

參考文獻

[1]吳彬貴，張宏升，汪靖，等.一次持續性濃霧天氣過程的水汽輸送及逆溫特征分析[J].高原氣象，2009，28（2）28：258-267.

[2]李江波，趙玉廣，孔凡超，等.華北平原連續性大霧的特征分析[J].中國海洋大學學報，2010，40（7）：15-23.

[3]陳曉紅，方翀.安徽省縣級大霧預報業務系統[J].氣象，2005，31（4）：61-64.

[4]趙玉廣，李江波，康錫言.用PP方法做河北省霧的分縣預報[J].氣象，2004，30（6）：43-47.

[5]程戴暉，楊美川.上海浦西地區霧持續時間的統計釋用預報[J].氣象，2001，27（7）：16-20.

[6]林建，楊貴名，毛冬艷.我國大霧的時空分布特征及其發生的環流形勢[J].氣候與環境研究，2008，13（2）：171-181.

（責編：張宏民）