胡波，杜惠良，郝世峰，俞燎霓，滕代高

（浙江省氣象臺，浙江杭州310017）

1 引言

浙江地理位置優(yōu)越，東臨東海，毗鄰臺灣海峽和日本海域，對內(nèi)是江海聯(lián)運樞紐，對外是遠(yuǎn)東國際航線要沖，隨著外貿(mào)經(jīng)濟的快速發(fā)展，浙江已將海洋開發(fā)上升為國家戰(zhàn)略。春夏之交，東海大霧頻發(fā)，其持續(xù)時間可達(dá)數(shù)天之久,影響范圍至數(shù)十萬平方公里，對浙江沿海航運、海上貿(mào)易等造成不利影響，迫切需要氣象部門開展專門的海上大霧精細(xì)化預(yù)報技術(shù)，為區(qū)域經(jīng)濟發(fā)展保駕護(hù)航。

針對大霧發(fā)生發(fā)展規(guī)律的研究工作已經(jīng)得到了廣泛開展，預(yù)報員往往基于天氣學(xué)原理，查找與大霧關(guān)聯(lián)的宏觀因子（如溫、濕、風(fēng)、層結(jié)穩(wěn)定度等要素），利用回歸等方法開展預(yù)報[1-4]，這些預(yù)報方法沒有考慮大霧微物理過程，結(jié)果不能滿足精細(xì)化預(yù)報需要。大量觀測事實表明，大霧能見度與微觀因子直接關(guān)聯(lián)性，如屈鳳秋[5]等對一次華南海霧過程分別從宏觀和微觀角度對大霧機理進(jìn)行剖析，李曉娜等[6]則對海霧中的液態(tài)含水量演變特征進(jìn)行探討，這些研究均闡述了大霧的微觀特征。一些研究利用微觀因子建立了大氣能見度經(jīng)驗預(yù)報模型，如Stoelinga 等[7]利用液態(tài)含水量來估算大氣消光系數(shù)，從而獲得大氣能見度，該預(yù)報模型被后來的數(shù)值預(yù)報工作普遍采用，并在實際業(yè)務(wù)中使用[8]，該方法只使用了一個微觀特征量，預(yù)報效果還有進(jìn)一步提高的空間；Gultepe 等[9]根據(jù)觀測事實又提出了一種新的能見度估算方法，方法使用了液態(tài)水含量和云滴粒子密度作為模型因子，對比試驗表明，其估算的能見度準(zhǔn)確率較以往方法提高了20%—50%，但由于云滴粒子密度參數(shù)在數(shù)值模式中還不能直接輸出，如果采用固定值則不能反映大霧的地域特征，則預(yù)報效果受到了限制，因此直接在業(yè)務(wù)中應(yīng)用還有一定難度，本文通過結(jié)合數(shù)值模式輸出和歷史相似個例分析的方法，提出一種基于經(jīng)驗相似原理的動態(tài)云滴粒子密度計算方案，在模式參數(shù)化水平不斷提高的前提下，使Gultepe等提出的基于微物理因子的能見度預(yù)報方法投入實時業(yè)務(wù)應(yīng)用成為可能。

2 方法

2.1 近地面要素相似

本文根據(jù)鐘元等[10]提出的相似預(yù)報方法，對近地面要素場進(jìn)行相似比較，首先，為了避免不同要素的數(shù)據(jù)量級不一致可能導(dǎo)致的問題，需預(yù)先對各站觀測要素時間序列進(jìn)行標(biāo)準(zhǔn)化處理，某個要素處理后的數(shù)據(jù)時間序列表示為xt，數(shù)值預(yù)報數(shù)據(jù)記為f ，兩者距離Dt(f,x)表示為：

為了對多個要素場的相似結(jié)果進(jìn)行綜合評估，需對各要素的Dt(f,x)進(jìn)行評分。首先確定相似距離最大值Max(Dt(f,x)) 與最小值Min(Dt(f,x))，并將極差進(jìn)行N 等分處理：

歷史個例與界限值C 的絕對距離表示為：

由此定義某要素i 的相似指數(shù)SIt為：

式中,a 為評分放大系數(shù)，其值越大就越能有效的拉大相似個例之間的評分，a 取為1.3。最后多個要素場的綜合相似指數(shù)SITt為：

式中,I 為要素總數(shù)，t 為歷史個例時次。

2.2 Gultepe能見度估算業(yè)務(wù)化方法

2.2.1 Gultepe能見度參數(shù)化方法

2007年Gultepe 等[9]提出了針對氣溫在0℃以上、相對濕度接近100%的暖霧能見度的參數(shù)化估算方案，該方案將能見度作為液態(tài)水含量和云滴粒子數(shù)密度兩者的函數(shù)，公式表示為：

Visobs為能見度，LWC 液態(tài)水含量，Nd為云滴粒子數(shù)密度，可見，能見度與液態(tài)水含量和云滴粒子數(shù)密度呈反比，指出在海洋的環(huán)境下Nd可以固定為100 cmˉ3，在陸地的環(huán)境下可以固定為200 cmˉ3，并進(jìn)一步說明這些固定的Nd值并不總是有效的，不能完全反映各地的區(qū)域特征。

2.2.2 LWC 和Nd計算

液態(tài)水含量參數(shù)可以直接利用WRF 模式輸出的物理量進(jìn)行計算，見公式8—10。

式中，QVAPOR 為水汽含量，QCLOUD 為云水含量，PRES 為氣壓，TC 為氣溫，tv 為虛溫，ρ 為大氣密度，LWC 為最終得到的液態(tài)水含量。

由于云滴粒子數(shù)密度在云參數(shù)化方案中沒有考慮，故數(shù)值模式還不能實現(xiàn)直接輸出，本文考慮使用歷史經(jīng)驗統(tǒng)計的方法加以解決。對于沿海海霧來說，影響云滴粒子數(shù)的因子主要包括人類活動造成的氣溶膠顆粒物和海面上的微細(xì)鹽粒等吸濕性微粒，這兩者均有典型的地域特征。

首先根據(jù)多要素的綜合相似指SITt確定相似歷史個例，然后根據(jù)（7）式的反推運算得到云滴粒子數(shù)密度（Nd），見公式（11）：

式中：

式中，VisObs為相似個例的能見度，然后根據(jù)（7）式計算預(yù)報能見度。

2.2.3 實驗方案

為了充分利用有限的歷史數(shù)據(jù)庫信息，采用因子循環(huán)方式查找相似個例，即對每個歷史個例均進(jìn)行輪流試報，在試報某個個例時，其余個例均作為歷史相似查找?guī)?，換另外個例試報時，前一個試報個例將重新進(jìn)入歷史相似查找?guī)欤瑥亩畲笙薅劝l(fā)揮了歷史個例數(shù)據(jù)庫的信息。

2.2.4 評估方案

為了對Gultepe 業(yè)務(wù)預(yù)報結(jié)果進(jìn)行簡單有效評估，本文對計算結(jié)果進(jìn)行了分類，分為總的報對站次，包括有霧和無霧的個例、單獨大霧報對站次以及大霧誤報和漏報的站次，并得到了大霧報對準(zhǔn)確率和有無大霧預(yù)報準(zhǔn)確率。

另外，為了與其他能見度預(yù)報方法比較，本文計算了目前數(shù)值研究工作普遍采用的Stoelinga等[7]的能見度預(yù)報結(jié)果，其根據(jù)消光系數(shù)來計算大氣的水平能見度：

式中，Vis 是水平能見度, β 為消光系數(shù)。根據(jù)Kunkel[11]研究，云水消光系數(shù)β 可采用的經(jīng)驗公式為:

式中，LWC 為液態(tài)水含量，計算見公式（10）。

3 業(yè)務(wù)預(yù)報流程

詳細(xì)的預(yù)報模型流程見圖1，首先利用近地面要素數(shù)值預(yù)報資料計算液態(tài)水含量（LWC），然后結(jié)合根據(jù)歷史站點資料，計算歷史個例的綜合相似指數(shù)，得到最佳歷史相似個例，從而得到歷史相似個例的云滴粒子數(shù)密度（Nd），最后利用Gultepe 能見度估算公式得到能見度預(yù)報。

4 計算數(shù)據(jù)

本文利用由浙江省信息網(wǎng)絡(luò)中心提供的浙江沿海海島14 個氣象站資料，要素包括能見度、相對濕度、比濕、風(fēng)、水汽壓、飽和水汽壓、溫度露點差，時間跨度選為2010—2013年的3—6月,時次選擇為11 時和23 時，其地理分布見圖2。此外總體上來看，歷史沿海海霧個例相對較少，為了更好的判斷模式大霧預(yù)報效果，選取站點個例的能見度在5000 m以下,得到304站次個例。

為了比較好的評估模型預(yù)報效果，考慮到模式啟動后需要點時間對云水參數(shù)化方案進(jìn)行融合，因此使用WRF模式3 h輸出作為試驗使用的近地面要素場數(shù)據(jù)，從而盡可能保障預(yù)報數(shù)據(jù)穩(wěn)定性，資料的時間跨度為2010—2013年的3—6月，模式起報時次為08時和20時，空間分辨率為5 km×5 km。最后利用雙線性插值法將模式輸出插值到浙江沿海海島氣象站點上。

5 實驗結(jié)果

對所有歷史個例都進(jìn)行了循環(huán)試報，結(jié)果見表1，可見Gultepe 方法無論是從有無大霧的預(yù)報準(zhǔn)確率，還是大霧報對次數(shù)均比Stoelinga 方法表現(xiàn)要好，有無大霧準(zhǔn)確率從71%（216/304）提高到79%（243/304），大霧報對準(zhǔn)確率也從61%（136/224）提高到73%（167/228）。說明Gultepe 方法同時考慮LWC 和Nd參數(shù)的計算方法優(yōu)于僅考慮LWC 參數(shù)的Stoelinga方法，Gultepe方法在微物理解釋更加符合大霧實際發(fā)生規(guī)律。結(jié)果也同時說明了基于經(jīng)驗相似統(tǒng)計技術(shù)和模式輸出的Gultepe 能見度預(yù)報方法有較好的實際業(yè)務(wù)應(yīng)用價值。

圖1 基于經(jīng)驗相似統(tǒng)計技術(shù)和模式輸出的Gultepe能見度預(yù)報業(yè)務(wù)系統(tǒng)框圖

圖2 浙江省沿海海面大霧試驗站點分布

表1 Stoelinga方法和Gultepe方法大霧預(yù)報準(zhǔn)確率對比

6 結(jié)論和討論

已有的研究結(jié)果表明，同時考慮大氣中的液態(tài)水含量和云滴粒子數(shù)密度兩個參數(shù)的Gultepe 大霧估算方法具有優(yōu)勢，但由于其所涉及的參數(shù)還不能直接從現(xiàn)有模式中提取，因此在實際業(yè)務(wù)中應(yīng)用存在困難。本文提出了一種利用歷史相似個例查詢技術(shù)，結(jié)合WRF 模式輸出釋用的Gultepe 沿海大霧預(yù)報方法，實現(xiàn)LWC 和Nd參數(shù)的業(yè)務(wù)計算。

通過對2011—2013年的3—6月的浙江沿海海霧歷史個例進(jìn)行試報，并同Stoelinga預(yù)報方法的結(jié)果進(jìn)行對比分析，結(jié)果表明，恰當(dāng)?shù)慕Y(jié)合統(tǒng)計方法和動力模式輸出可以一定程度上可以克服目前數(shù)值模式不成熟的缺陷，得到較準(zhǔn)確的大氣微物理參數(shù)，使Gultepe 方法在實際業(yè)務(wù)中應(yīng)用存在可能，提高了WRF 模式大霧預(yù)報的釋用水平。同時也再次證明了同時考慮LWC 和Nd參數(shù)的Gultepe 方法優(yōu)于僅考慮LWC 參數(shù)的Stoelinga方法。

[1]黃輝軍,黃健,劉春霞,等.用GRAPES模式輸出變量因子作廣東沿海海霧預(yù)報[J].熱帶氣象學(xué)報,2010,(1):31-39.

[2]吳洪,柳崇健,邵潔,等.北京地區(qū)大霧形成的分析和預(yù)報[J].應(yīng)用氣象學(xué)報,2000,11(1):123-127.

[3]郝家學(xué), 張洪衛(wèi), 張經(jīng)珍, 等. 東營市秋冬季大霧客觀預(yù)報系統(tǒng)[J].山東氣象,2000,20(79):55-57.

[4]任正理, 張冬梅. 輻射災(zāi)害霧的分析與預(yù)報[J]. 河南氣象, 2005(1):14-16.

[5]屈鳳秋,劉壽東,易燕明,等.一次華南海霧過程的觀測分析[J].熱帶氣象學(xué)報,2008,24(5):490-496.

[6]李曉娜,黃健,申雙和,等.一次高壓型海霧中的液態(tài)含水量演變特征[J].熱帶氣象學(xué)報,2010,26(1):79-85.

[7]Stoelinga M T, Warner T T. Nonhydrost et al. mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event[J].J Appl Meteor,1999,38:385-404.

[8]傅剛, 李曉嵐, 魏娜. 大氣能見度研究[J]. 中國海洋大學(xué)學(xué)報,2009,39(5):855-862.

[9]Gultepe I, Mller M D, Boybeyi Z. A new warm fog parameterization scheme for numerical weather prediction models[J].J Appl Meteor,2006a,45:1469-1480.

[10]鐘元,潘勁松,朱紅,等.一種臺風(fēng)過程雨量的相似預(yù)報方法[J].熱帶氣象學(xué)報,2009,25(6):681-191.

[11]Kunkel B A. Parameterization of droplet terminal velocity and extinct ion coefficient in fog models[J]. J Climate Appl Meteor,1984,23:34-41.