湖南地區夏季中尺度對流系統特征分析以及惡劣天氣規避區的劃設*

路東林 段 煉 張 楊 趙 芮 趙 志 邱 雪

（中國民用航空飛行學院 廣漢 618300）

1 引言

對于空域來說，除了空域本身因素的限制以外，還有諸多因素限制著空域的運行和發展，其中天氣因素就是較為重要的一項。《2021 年民航行業發展統計公報》顯示，2021 年我國平均航班不正常率11.92%，其中天氣原因導致航班不正常占到了總不正常因素的59.56%［1］，呈增長狀態。大氣狀態的任何一次變化都會對航空器飛行活動造成一定影響，嚴重時甚至危及飛行安全，使空域通行能力降至零。

中尺度天氣系統是一種常見系統，通常表現為中尺度大小的云團，水平尺度2km～2000km，主要包括中低壓、中氣旋、雷暴群和颮線等，受其影響通常會出現雷暴、冰雹、暴雨等惡劣的天氣現象［2］。中尺度對流系統（Mesoscale Convective System，MCS）的概念最早可追溯到20世紀50年代，后來在Maddox［3］于1980 年提出的中尺度對流復合體（MCC）的定義中形成。

之前己經有不少學者對出現在我國及周邊地區的中尺度對流系統［4］進行了統計分析，但主要集中在某一次MCS 的統計分析上，并沒有對某地區某時段多云團的發展特性、移動特性結合空域結構進行的規律統計。湖南地處云貴高原向江南丘陵和南嶺山脈向江漢平原過渡的地帶，全省東、西、南三面山地環繞，呈朝北偏東開口的不對稱馬蹄形地貌。統計結果表明，特殊的山地環境導致湖南省內強對流天氣頻繁發生，且多在夏季出現，常伴隨冰雹和短時強降水［5］，例如2016年7月17日副高控制下的湘西北暖區暴雨［6］、2019 年8 月21 日，受東風波準正壓系統影響出現的區域性強對流天氣［7］、2020 年1 月6 日斜壓鋒生型區域強對流天氣［8］等等，這些對流天氣突發性強、破壞力大，對空域通行影響極深。

關于惡劣天氣規避區的劃設以及空域通行能力分析，葉志堅［9］等在2014年對對流天氣下的空域通行能力梳理了國內外的研究現狀，建議綜合分析對流天氣對空域的影響。毛永慶［10］等研究了組合反射率數據和危險天氣規避區生成算法，并設計了輔助系統。此外，魏凡等開展了利用氣象雷達信息劃設雷暴飛行限制區的研究［11］等。

故本文針對湖南地區夏季的中尺度對流系統進行數據統計和可視化處理，從對流云團的水平尺度、面積大小、高度分布、時空位置分布等特征展開分析，研究中尺度對流系統的移動變化特性，并劃設惡劣天氣規避區，為空中交通流量管理制定管制預案提供依據。

2 資料來源

本文所使用的云圖資料和亮溫資料來源于向日葵8 號氣象衛星（Himawari-8 衛星）的數據集。選取Himawari-8 衛星紅外7（10.4um）通道的HDF（Hierarchical Data Format）數值資料，經過可視化處理提取紅外衛星云圖，經過定標轉化提取格點的紅外亮溫數據，空間分辨率2km×2km，時間分辨率10min，資料的時間范圍是2019 年5 月至7 月，覆蓋范圍為北緯23°～32°，東經107°～116°。Himawari-8衛星，是世界首顆可拍攝彩色圖像的靜止氣象衛星［12］，搭載可見光和紅外掃描輻射計（AHI），可得到包括可見光和紅外的16 個通道數據，完成一次全圓盤圖的時間少于10min，還可以在選定時間對特定的區域進行掃描。

本文所使用的溫度氣壓層資料是來自歐洲天氣預報中心第五代大氣再分析資料（ERA5）。選取ERA5 在2019 年5 月至7 月的逐小時溫度氣壓層數據，向上劃分為37 個氣壓層，最高1hpa，最低1000hpa，水平分辨率0.25°×0.25°，時間分辨率1h。ERA5 再分析資料以30km×30km 的網格覆蓋全球，擁有先進的資料同化系統，可將模型數據與各地觀測數據形成一個完整一致的數據集。

本文所使用的空域資料來源于全國航路圖，選取北緯24°～31°，東經107°～116°范圍，得到湖南全空域的簡化資料，包括A461航路、R343航路、A581航路、H10 航路、W46 航路等8 條主要航路、長沙黃花機場、張家界荷花機場等7 個主要機場以及導航點的精確經緯度坐標。

3 數據處理及可視化過程

目前國內外氣象學者已對中尺度對流系統進行了大量研究，形成了較為成熟的理論和方法。關于中尺度對流系統的識別判定，束宇和潘益農［13］致力于基于靜止衛星紅外云圖的MCS 計算機識別方法的開發。費增坪［14］等根據造成我國劇烈災害性天氣的對流系統的空間尺度特征，修訂了MCS 的最小尺度標準，由此確定本文識別與判定MCS 的依據，即亮溫（TBB）≤-52 ℃的連續冷云區面積≥6400km2，持續時間≥1h，最大尺度橢圓率≥0.5。綜合考量，本文首先采用引導濾波方法對紅外衛星云圖進行降噪處理，消除接收數據過程中因受到電波干擾而出現在云圖上的噪點，實現云圖邊緣平滑，吳一全［15］等通過大量實驗確定了引導濾波后的增強圖像I，線性簡化公式為

其中，Ia是原紅外圖像，Ib是輸出圖像，δ是最佳增強因子，是圖像的全局灰度均值；隨后對所選區域內的云團進行二值化閾值處理和面積篩選，把-52℃的亮溫閾值作為二值化的依據，將TBB≤-52℃的像素點標記為“1”，TBB＞-52℃的像素點標記為“0”，同時設置1600 為像素點面積最低閾值（由于Himawari-8 衛星紅外7 通道的分辨率為2km×2km，且MCS 云團要求連續冷云區面積≥6400 km2，所以最低閾值取1600）判斷并剔除像素點總數小于1600的區域，面積S的計算公式如下：

其中X 是分辨率，N 是像素點總數；然后采用Canny檢測算子對目標云團進行邊緣檢測提取輪廓，Canny算子出現早、誤判率低、定位精度高，能夠對所有邊緣進行檢測提取，而且能夠抑制虛假邊緣［16］，算子公式如下：

其中，?2f(x,y)是像素(x,y)處的灰度值，f(x,y)表示具有整數像素坐標的輸入圖像；最后篩選目標云團的橢圓率，得到符合條件的MCS云團。

對于目標中尺度對流云團云頂高度的反演過程，李五生［17］等基于紅外亮溫法計算云頂高度，探究了云位置偏差及幾何校正問題；王根［18］等開展了基于Himawari-8 衛星AHI 資料的反演降水初步應用研究。本文選擇單通道云頂紅外亮溫與ERA5再分析資料反演云頂高度。假設云發射率為1，將云視作黑體，利用普朗克公式將輻射亮度轉為云頂亮溫從而得到云頂高度。資料使用Himawari-8 衛星10.4 um 通道數據，將等效黑體亮溫與大氣溫度廓線直接插值轉化為氣壓和云頂高度。衛星資料獲取紅外亮溫T0，假設T0位于兩個氣壓溫度（T1，T2）間，（T1，T2）對應的氣壓高度層為（P1，P2）。若相鄰氣壓層間溫度近似線性變化，則通過線性插值計算衛星紅外亮溫T0對應的大氣壓值P0，公式如下：

最后，依據標準大氣模型計算出云頂高度H，公式為

湖南的簡化空域，利用Arcgis10.8 軟件繪制。首先在ArcCatalog 平臺指定數據庫中創建新的shapefile線要素圖層并在Arcmap中加載出來，同時在Arcmap 中添加gadm36_CHN 中國省級行政區劃圖數據，選取研究范圍導出數據生成研究范圍圖層；然后借助EXCEL 對導航點、機場的點坐標經緯度、名稱等屬性進行賦值，并轉換成導航點、機場Table表，以X為經度，Y為緯度顯示生成圖層；最后“捕捉”導航點，在新建的線要素圖層繪制航路，并把四個圖層及標注放置在一張圖中可視化顯示，如圖1所示。

圖1 湖南空域簡化航路

4 MCS云團統計及特征分析

2019年5 月至7月，湖南地區總共有96個MCS樣本，其中5 月14 個，6 月52 個，7 月30 個。計數規則為第一類是在湖南界內初生發展的MCS 云團；第二類是在湖南邊界初生發展的MCS 云團，要求在湖南地區的云區面積≥6400km2且持續時間≥1h；第三類是穿過湖南的MCS，同樣要求在湖南地區的云區面積≥6400km2且持續時間≥1h；同時，若云團一分為二，且都符合MCS 判據，記為2個，若多云團合而為一，且符合MCS判據，記為1個。

4.1 水平尺度與面積特征

依據Orlanski［19］對α-中尺度（200km～20000km）和β-中尺度（20km～200km）的劃分標準和本文的判定標準，通過普查與統計MCS 可以得到每個月屬于α和β中尺度的成熟期云團頻數以及每月成熟期MCS的最大和最小面積，如圖2所示。其中，5月中下旬開始出現MCS 對流天氣，頻次不高；6 月的MCS 頻次最高，且α和β中尺度云團均最多，分別達15 次和37 次；7 月相對6 月來說，云團頻次降低。總體來說，β-中尺度云團出現頻率較高，占總次數的76%，面積大小不一，最小面積是5 月26 日一次云團10 時50 分的6800km2；α-中尺度云團雖然頻次不高，但尺度大，像6 月28 日的一次云團，在20點50 分發展到234024km2，對空域影響很大；夏季MCS 多發且涉及廣泛，應注意防范MCS 對空域的影響。

圖2 尺度與面積特征

4.2 云頂高度特征與飛行高度層

通過對樣本進行亮溫篩選，將篩選的最大降溫值線插入ERA5 數據中，得出相應的云頂高度，進而討論樣本云團的高度分布狀況。圖3 為每月中成熟期云團的最高云頂、最低云頂、平均云頂高度分布，每月的平均云頂高度分別為13262m、13410m、13407m。依據我國飛行高度層配備原則和實情表現，民用航空器的飛行高度一般不會超過12500m，云團均在航路之上，因此，當滿足本文判定標準的MCS 出現時，航空器的飛行會很大可能受到惡劣天氣影響，空域通行能力會降低。

圖3 云頂高度特征

4.3 時空特征與空域結構

上述統計是針對MCS 成熟期的特征角度出發，下面將從相同的樣本中以動態變化過程著手分析樣本的時空特征與空域結構的關系。湖南空域簡化航路如圖1 所示，假設以老糧倉導航點為中點，依據R343 航路和H24-W46 航路將湖南空域劃分為東、西、南、北四部分空域來分析樣本云團的空間特征。據統計，就云團初生位置（如圖4（a））而言，南部空域出現MCS 最多，達38 次，其次是西部空域，有26 次MCS，相對來說出現最少的為東部空域，這主要是受大部分南部云團和東行天氣系統影響；其次，就云團移動路徑（如圖4（b））而言，樣本云團受氣流影響，基本上以西-東走向初生發展，少部分云團以西北-東南和西南-東北走向移動，還有少部分云團受氣旋影響，自東北向西南方向緩慢變化，且持續時間較長；此外，對各樣本云團的持續時間分1h～2h、2h～4h、4h～6h、6h～12h、≥12h 四個階段左閉右開進行頻數統計，結果如圖4（c）所示，發現云團持續時間主要集中在1h～4h 范圍內，僅1h～2h 時間段內的云團就占到總數的44%，持續時間超過6h的頻次很低，不常發生。

圖4 時空特征

5 算例分析與MCS天氣規避區的劃設

選取6 月8 日14 時22 時的MCS 樣本展開特例分析，MCS云團在14時30分左右初生，從湖南中部開始自西向東發展成熟，21 時左右離開湖南省內，移動到江西，并逐漸消亡，持續7h 以上。如圖5 所示，本文基于Anaconda 的Python 環境處理云圖，選取16：40、18：40、20：40 三個時間點直觀表示出MCS 的判定過程和MCS 從初生到成熟再到消亡的過程，圖5（a）為引導濾波消除噪點后的紅外云圖，圖5（b）為二值化處理及面積篩選后的云圖，圖5（c）為橢圓率計算后目標云團的提取輪廓圖，即判定后的MCS云團輪廓。

圖5 云團的判定過程

云團面積及反演云頂高度的逐小時變化態勢如圖6 所示，可以發現此云團達到MCS 標準后，云頂高度均在12000m 以上，面積均在7000km2～90000km2范圍。此云團云頂高度變化態勢不穩定，在14 時至16 時是初生階段，分布在12035m 左右，從16 時至18 時呈上升趨勢，達到18 時的12232m，此后開始降低；云團面積變化態勢比較穩定，隨著時間的推移，從14時開始逐漸發展擴大，達到21時的90152km2。21 時至22 時，云團逐漸離開湖南省內，部分云團不計入內，且又激增了新的MCS 云團，故出現云團面積數值降低，云頂高度數值升高的現象。

圖6 云團面積及云頂高度的逐小時變化態勢

MCS引起的強對流天氣，會使空域利用率大大降低，單純的地面等待、備降返航或空中盤旋效果不顯，有必要劃設天氣規避區為航班繞飛以及空中交通管制提供態勢判斷。因此，本文提出MCS 天氣規避區，以TBB ≤-52℃的云團輪廓作為對流強度較大的區域進行安全飛行條件外擴，并疊加空域分析具體影響。

具體方案是：首先，以上述18 時40 分MCS 云團為例，提取出云團輪廓線，依此對輪廓化曲為直，形成呈凸多邊形的MCS 強對流危險區（如圖7（a））；然后，依據通告AC-91-FS-2014-20（《航空器駕駛員指南：雷暴、晴空顛簸和低空風切變》）［20］中航空器在遇到雷暴需要繞飛或需要在兩個云團之間穿越時應保證航空器與云團邊界至少30km距離的規定，對危險區邊界進行外擴緩沖區，劃設出MCS 天氣規避區（如圖7（b））；最后將規避區與湖南空域疊加顯示（如圖7（c）），可直觀地看到對相關航路的阻塞情況，得到對相關空域通行能力的判斷。

圖7 惡劣天氣規避區的劃設

據圖1和圖7（c）分析，此MCS云團由西向東運動發展，對湖南東部和南部空域產生較大影響，在18 時40 分左右，航路R343 龍口-老糧倉段、航路A461 龍口-黃花-英德段、航路W46 等均受到不同程度的阻塞。根據云團運動趨勢和規避區可進行類似調整：由于龍口-老糧倉段以及龍口-黃花段均受到阻塞，則龍口方向的航空器可以向西（云團行進反方向）繞飛，并結合空中等待策略，匹配適宜時間著陸。相關航路的航空器可根據規避區范圍選擇適宜的改航策略，空中交通管制單位也可以根據云團的發展趨勢和規避區的劃設為空中交通提供流量管理措施，提高空域通行能力。

6 結語

本文對湖南地區夏季的MCS 做了識別判定、普查統計與特性分析，并結合一次MCS 特例敘述了MCS 天氣規避區的劃設，此研究體現出湖南地區夏季MCS 的主要發展情況，可以為空中交通管理決策者提供輔助決策信息。但是，本文實踐發現MCS的變化是迅速且多樣的，在移動變化過程中可能會逐漸消亡，也可能會激發新的對流，因此仍需要對MCS 深入研究，探討中尺度對流旋渦與深對流中心之間的關系；同時，MCS 天氣規避區的劃設應考慮多云團規避區的邊界融合問題，此后需要對此綜合考慮，進行優化改進，并將云團運動發展趨勢與規避區的劃設作為容量預測的影響因子和優化權值因素加入動態容量評估模型中。