高榮珍，李　欣，任兆鵬，王建林（青島市氣象局，山東青島266003）

青島沿海海霧決策樹預(yù)報模型研究

高榮珍，李欣，任兆鵬，王建林
（青島市氣象局，山東青島266003）

利用青島2006—2013年4—8月地面觀測資料以及FNL再分析資料，采用分類與回歸樹（CART）方法建立了青島沿海海霧決策樹預(yù)報模型，并根據(jù)2014年4—8月海霧預(yù)報空報情況，調(diào)整了預(yù)報模型中部分判別流程及預(yù)報指標(biāo)閾值。2015年5月預(yù)報結(jié)果表明：修訂后的青島沿海海霧決策樹預(yù)報模型72 h內(nèi)海霧預(yù)報準(zhǔn)確率可達(dá)70%—75%左右，表明修訂后的海霧決策樹預(yù)報模型可基本滿足常規(guī)業(yè)務(wù)預(yù)報需求。青島沿海海霧決策樹預(yù)報模型中2 m相對濕度和海表溫度最為關(guān)鍵，另外850 hPa風(fēng)向在海霧判別中也很重要，而且隨著季節(jié)的不同判別閾值也明顯不同。

CART；決策樹預(yù)報模型；海霧；青島沿海

1　引言

海霧是青島沿海地區(qū)主要災(zāi)害性天氣之一。隨著社會的不斷發(fā)展，海霧對人們?nèi)粘Ｉ畹挠绊懭遮吤黠@，不僅直接影響海上的各類活動，而且對沿海地區(qū)交通的正常運行、空氣質(zhì)量、人類健康等均有重要影響。與其他災(zāi)害性天氣相比，海霧的業(yè)務(wù)預(yù)報水平還遠(yuǎn)不能滿足業(yè)務(wù)需求［1］。

海霧的預(yù)報方法主要有天氣學(xué)方法、數(shù)值預(yù)報方法以及統(tǒng)計預(yù)報方法。天氣學(xué)方法即基于天氣形勢利用天氣學(xué)原理做出的天氣預(yù)報方法，是目前沿海海霧預(yù)報的主要方法之一。近年來，海霧數(shù)值預(yù)報研究成果豐碩，部分成果進(jìn)行了業(yè)務(wù)轉(zhuǎn)化［2-3］。使用結(jié)果表明，數(shù)值預(yù)報對大范圍海霧預(yù)報效果較好，對于局地性的、小范圍海霧預(yù)報效果稍差［3］。統(tǒng)計預(yù)報方法在我國沿海地區(qū)海霧的業(yè)務(wù)預(yù)報中也取得了一定成效［4-7］，常見的建模方法有逐步回歸、模糊和神經(jīng)網(wǎng)絡(luò)、支持向量機（Support Vector Machine，SVM）以及分類與回歸樹（Classification and regression tree，CART）等，可實現(xiàn)未來是否有霧的判別。關(guān)于青島沿海海霧有模式輸出（Model Output Statistic，MOS）統(tǒng)計預(yù)報方法［4］、SVM統(tǒng)計預(yù)報方法［6］，由于建?；跀?shù)值預(yù)報產(chǎn)品，所以隨著數(shù)值預(yù)報模式的更新?lián)Q代，上述預(yù)報方法已不在業(yè)務(wù)中使用。為此，需要重新建模。在統(tǒng)計預(yù)報方法中，分類與回歸樹方法是近年來普遍采用的一種數(shù)據(jù)分類方法［8］，在醫(yī)療判斷、氣象預(yù)測等方面得到了很好的應(yīng)用［8-11］。

本文旨在采用CART方法建立青島沿海海霧預(yù)報模型，為海霧預(yù)報提供新方法。利用2006—2013年4—8月青島沿海觀測站（54857）地面觀測資料，以及同期FNL再分析（Final Operational Global Analysis）資料，采用CART方法建立海霧決策樹預(yù)報模型，并依據(jù)2014年4—8月空報情況對其進(jìn)行修訂，獲得最終的青島沿海海霧預(yù)報模型。

2　資料與方法

2.1資料

本文所用資料包括2006—2013年每年4—8月每天02、08、14、20時（北京時，下同）54857站地面人工觀測資料和2014—2015年能見度儀觀測資料。54857站為國家氣象基本觀測站，位于36.1°N、120.3°E，海拔76 m，距離海邊2 km左右。本文以2006—2013年能見度、地面風(fēng)向和天氣現(xiàn)象作為挑選海霧記錄的依據(jù)，并以“0、1”二元變量表示無霧和有霧。當(dāng)能見度低于1 km、且天氣現(xiàn)象記錄為霧時，記為1；當(dāng)能見度大于1 km，或能見度小于1 km，但天氣現(xiàn)象為降水時記為0。另外，由于沿海地區(qū)的霧有可能混雜了輻射霧等其他不同性質(zhì)的霧，考慮到青島沿海海霧多出現(xiàn)在偏南風(fēng)情況下，因此刪除了在上述大霧記錄中地面風(fēng)向范圍為270°—360°以及0°—90°記錄。經(jīng)上述預(yù)處理后，54857分類記錄數(shù)3 462組，其中海霧記錄291組。由于中國氣象局2014年起取消了人工夜間觀測，所以2014—2015年海霧日以能見度儀監(jiān)測為準(zhǔn)。

圖1　地面觀測站（*，54857站，36.1°N、120.3°E）與預(yù)報參考點（*，35.5°N、120.5°E）地理位置（文中預(yù)報參考點

表1　用于CART方法的預(yù)報變量

另外，本文使用FNL再分析資料作為分析青島沿海海霧與海洋氣象條件關(guān)系的預(yù)報變量。FNL資料空間分辨率為0.5°×0.5°，時間分辨率為逐6 h。預(yù)報參考點的位置選在54857站正南方海上一點（見圖1），資料為周圍四點平均。在預(yù)報變量的選擇上，考慮到海霧發(fā)生條件，選取了海上低層大氣風(fēng)溫濕要素以及海表溫度、近海面層氣溫與海溫差作為預(yù)報變量，共計52個（見表1），包括海表溫度、2 m氣溫、海氣溫差、2 m相對濕度、行星邊界層厚度（PBL）、2 m比濕、10 m風(fēng)向風(fēng)速和U、V分量，1 000—850 hPa各層相對濕度、云水、氣溫、U、V、風(fēng)向、風(fēng)速。

本文以實測海霧記錄作為分類分析的目標(biāo)變量，1為有霧，0為無霧，上述FNL資料中要素為預(yù)報變量。在分類記錄構(gòu)成上，海洋氣象要素時間與海霧記錄同時，因此將數(shù)值預(yù)報產(chǎn)品直接代進(jìn)預(yù)報模型，即可預(yù)報未來是否有霧。

2.2 CART方法

CART方法是對數(shù)據(jù)進(jìn)行分類，分類結(jié)果表現(xiàn)為結(jié)構(gòu)簡潔的二叉樹（見圖2），可以揭示數(shù)據(jù)中的結(jié)構(gòu)化信息。決策樹由節(jié)點和連線組成，每個節(jié)點會分成2個子節(jié)點，在樹形結(jié)構(gòu)末端的節(jié)點為終節(jié)點。CART算法核心是根據(jù)目標(biāo)變量（本文中即有霧/無霧變量）從眾多的預(yù)報變量中選擇一個當(dāng)前的最佳分支變量，從當(dāng)前分支變量的眾多取值中找到一個當(dāng)前的最佳分割閾值，將數(shù)據(jù)分為兩部分，重復(fù)這個過程，直到數(shù)據(jù)不可再分或人為指定結(jié)束。對于數(shù)值型預(yù)報變量，將記錄的值從小到大排序，計算每個值作為臨界點產(chǎn)生的子節(jié)點的Gini系數(shù)［8-9］，最小的Gini系數(shù)即是最佳的劃分點。通過比較每個預(yù)報變量的最小Gini指數(shù)值，確定最后的分類及閾值，使在該閾值下的分裂能最大化的將節(jié)點上的樣本分類。Gini指數(shù)表示一個隨機選中的樣本在子集中被分錯的可能性，即為這個樣本被選中的概率乘以它被分錯的概率［8-9］。

2.3決策樹預(yù)報模型修訂方法

基于CART方法建立的海霧預(yù)報模型，采用2014年4—8月FNL資料，即可實現(xiàn)青島54857站海霧有無的預(yù)報。根據(jù)空報情況，對該模型的部分判別流程和閾值進(jìn)行調(diào)整，以減少模型的空報率。首先確定空報時次以及預(yù)報有霧正確時次的終節(jié)點，對同一終節(jié)點的記錄進(jìn)行匯總；根據(jù)該終節(jié)點的判別流程，分析其中判別變量空報時次以及預(yù)報有霧正確時次的取值分布，以不影響無霧預(yù)報準(zhǔn)確率、少增加漏報率為前提，對該判別變量的閾值進(jìn)行調(diào)整，達(dá)到減少模型空報率的目的。另外，結(jié)合空報時次、預(yù)報有霧正確時次氣象要素取值以及海霧形成氣象條件（如海霧形成時風(fēng)速不能太大、風(fēng)向分布等），在部分終節(jié)點的判別流程中增加了相應(yīng)的判別流程。

3　結(jié)果與分析

3.1海霧預(yù)報決策樹的建立

以54857站海霧記錄作為目標(biāo)變量，以預(yù)報參考點上52個海洋氣象要素作為預(yù)報變量，采用CART方法進(jìn)行分類分析，得到誤分率最小的分類樹含有9個終節(jié)點（見圖2）。圖中最上端為節(jié)點1（根節(jié)點），紅色框為終節(jié)點。每個節(jié)點框內(nèi)信息依次為節(jié)點名稱、類名稱、分類變量及閾值、當(dāng)前節(jié)點下0/1類別記錄數(shù)及所占比例以及總記錄數(shù)，其中某節(jié)點類名稱取決于0/1類記錄百分比。節(jié)點1類名稱為0（表示無霧類），包含全部樣本共3 462個記錄，其中無霧記錄數(shù)為3 171，占當(dāng)前節(jié)點樣本數(shù)的91.6%，有霧樣本記錄數(shù)為291，占8.4%。分類變量為2 m相對濕度，分裂閾值為88.5%，依據(jù)節(jié)點1的判別條件（左側(cè)為是，右側(cè)為否）分裂出節(jié)點2和節(jié)點6。其中節(jié)點2表示當(dāng)2 m相對濕度小于等于88.5%時，包含樣本2 437個記錄，其中無霧記錄數(shù)為2 343，占當(dāng)前節(jié)點樣本數(shù)的96.1%，有霧樣本記錄數(shù)為94，占3.9%，節(jié)點2類名稱也為0；節(jié)點6表示當(dāng)2 m相對濕度大于88.5%時，包含樣本1 025個記錄，其中無霧記錄數(shù)為828，占當(dāng)前節(jié)點樣本數(shù)的80.8%，有霧樣本記錄數(shù)為197，占19.2%，類名稱為1（表示有霧類）。以此類推，終節(jié)點類別為0的均可作為無霧判別，類別為1的則可作為有霧判別。

圖2　青島沿海海霧決策樹模型

該決策樹預(yù)報模型中，終節(jié)點2、終節(jié)點7以及終節(jié)點9為預(yù)報有霧分支。終節(jié)點2分支是當(dāng)2 m相對濕度在77.5%—88.5%時，海表溫度低于22.52℃，900 hPa相對濕度≤46.5%，若850 hPa風(fēng)向＜225.5°，則判斷有霧。終節(jié)點7分支是當(dāng)2 m相對濕度＞88.5%時，海表溫度低于23.67℃，若1000 hPa U風(fēng)速＞-6.21 m/s，則判斷有霧。終節(jié)點9分支同樣是在2 m相對濕度＞88.5%條件下，但海表溫度高于23.67℃時，若850 hPa風(fēng)向＞205.5°則判斷有霧。以往研究表明，青島沿海的海霧多出現(xiàn)在地面偏南風(fēng)流場下［5］，海霧與850 hPa風(fēng)向的關(guān)系研究較少，而本文通過分類回歸獲得的決策樹預(yù)報模型中，終節(jié)點2和終節(jié)點9兩個海霧預(yù)報分支均與850 hPa風(fēng)向有關(guān)，2 m相對濕度相對低、海表溫度相對低時要求850 hPa風(fēng)向＜225.5°，而高溫高濕情況則要求850 hPa風(fēng)向＞205.5°，這還需要進(jìn)一步驗證，表明今后分析青島沿海海霧不僅要考慮地面風(fēng)還需要考慮到850 hPa風(fēng)。

如上所述，與青島沿海海霧相關(guān)性較大的預(yù)報變量有2 m相對濕度、海表溫度、900 hPa相對濕度、850 hPa風(fēng)向、1000 hPa U，這與廣東沿海海霧以及韓國Kunsan附近海霧預(yù)報變量均有所不同［10-11］。對于決策樹而言，高層節(jié)點上的判別變量和閾值比低層節(jié)點上的判別變量和閾值更有價值［8］?？梢?，2 m相對濕度以及海表溫度在青島沿海海霧預(yù)報中最為關(guān)鍵，強調(diào)了水汽以及海溫在海霧形成中的重要性。

3.2修訂決策樹預(yù)報模型

為檢驗該模型的預(yù)報準(zhǔn)確性，本文利用2014年4—8月153 d資料進(jìn)行了檢驗。預(yù)報模型基于圖1預(yù)報參考點上GFS每日20時起報預(yù)報結(jié)果，時間間隔逐6 h，預(yù)報時效72 h。每日20—次日20時5個時次，一個時次判別有霧則預(yù)報當(dāng)日有霧。2014年4—8月，54857站能見度儀監(jiān)測霧日35 d，預(yù)報員主觀預(yù)報以及決策樹客觀預(yù)報結(jié)果見表2。其中，主觀預(yù)報有霧正確19 d，漏報16 d，空報12 d，預(yù)報無霧正確81 d，預(yù)報準(zhǔn)確率為78%，TS評分為0.4；決策樹預(yù)報TS評分0.43，預(yù)報準(zhǔn)確率為70%。兩者TS評分相當(dāng)，決策樹預(yù)報略好于主觀預(yù)報，但由于決策樹空報較多，漏報較主觀預(yù)報明顯偏少，所以對決策樹預(yù)報模型進(jìn)行消空是非常必要的。

表2　2014年4—8月海霧預(yù)報結(jié)果對比

為解決決策樹空報問題，本文對空報記錄進(jìn)行了詳細(xì)分析，其中終節(jié)點2分支空報12次，終節(jié)點7分支空報21次，終節(jié)點9分支空報2次。通過對空報記錄氣象要素的分析對該預(yù)報模型進(jìn)行了修訂。

由圖2可見，終節(jié)點2預(yù)報有霧流程中900 hPa濕度限制條件是小于等于46.5%，但對于下限沒有要求。圖3為終節(jié)點2分支空報時次以及預(yù)報有霧正確時次900 hPa相對濕度，一天當(dāng)中多個空報時次或預(yù)報有霧時次選取最小相對濕度。分析后發(fā)現(xiàn)900 hPa相對濕度基本＞20%，只有3 d是＜20%的，其中2 d屬于空報日，1 d屬于預(yù)報有霧正確，在終節(jié)點2流程中將RH900 hPa≤46.5增加下限改為20%≤RH900 hPa≤46.5%條件，可以減少空報2 d，由終節(jié)點4分支可知也不會影響無霧預(yù)報準(zhǔn)確結(jié)果，但有可能導(dǎo)致漏報，由圖3中黑線右側(cè)有1 d 900 hPa相對濕度＜20%卻是有霧的，就2014年情況而言更改條件后增加1 d漏報，即2014年4月8日。

圖3　900 hPa相對濕度

另外，終節(jié)點2流程中最后一步對850 hPa風(fēng)向的限定條件也是沒有下限。圖4給出了終節(jié)點2空報有霧時次以及預(yù)報有霧正確時次850 hPa風(fēng)向分布，可見850 hPa風(fēng)向多處于一、四象限，其中空報中部分時次850 hPa風(fēng)向為東北向；對于預(yù)報有霧正確情況，其中4 d里有3 d是部分時次為東北風(fēng)部分時次偏南風(fēng)，所以若去除850 hPa東北風(fēng)預(yù)報有霧時次并不影響模型預(yù)報當(dāng)天有霧，但有1 d是完全東北風(fēng)，所以這天會漏報。漏報的這一天與上述900 hPa濕度增加限制條件下的漏報日相同，2014年4月8日，850 hPa為東北風(fēng)，地面為偏南風(fēng)，當(dāng)天20時探空曲線上濕層非常淺?。▓D略），表明海霧厚度較薄?？偠灾?，從終節(jié)點2這個分支來看，850 hPa為東到東北風(fēng)情況出現(xiàn)的海霧一般持續(xù)時間不長，海霧強度不大，如圖5所示。由此，在流程中增加對850 hPa風(fēng)向的限定，即東到東北風(fēng)不考慮海霧，105°≤wd 850≤225.5°，這樣可減少空報3 d，增加漏報1 d，且不影響預(yù)報無霧正確日數(shù)。

圖4　終節(jié)點2空報時次（）以及預(yù)報有霧正確時次

圖5　不同日期下54857站能見度演變

圖6　54857站2014年4月8日20時—10日20時天空狀況、能見度、地面風(fēng)以及850 hPa高空風(fēng)演變

另外，在空報時次中，有兩天東南風(fēng)情況下，分別為2014年4月25日和2014年5月10日，地面處于倒槽或江淮氣旋前部，1000 hPa U分量風(fēng)速達(dá)到了-7到-10 m/s。黃斌等［10］指出黃海海霧形成時風(fēng)速增強到10 m/s以上時，海面的動量交換增強，混合層增厚，水汽不能聚積在近水面，海霧易于消散或抬升為低云。結(jié)合終節(jié)點7限定條件，考慮在該流程中增加1000 hPa U分量風(fēng)速限制即u1000＞-7.0 m/s，東風(fēng)分量不能太大。本文中為U分量，并非為全風(fēng)速，所以CART方法確定的U分量閾值要略小于全風(fēng)速。這樣通過修訂終節(jié)點2流程中部分判別條件可減少空報6次，僅增加漏報1次，即近地層比較薄的海霧過程被漏掉。

終節(jié)點7流程基本是指2 m濕度＞88.5%、海表溫度低于23.67℃時，以1000 hPa U分量風(fēng)速來判斷是否有霧。借鑒終節(jié)點2流程，考慮增加850 hPa風(fēng)向限定條件，即90°＜wd850＜360°，對850 hPa東北風(fēng)時次模型預(yù)報有霧情況進(jìn)行消空，可減少空報9 d，而且沒有增加漏報、也不影響無霧預(yù)報準(zhǔn)確（圖略）。與終節(jié)點2稍有不同的是，終節(jié)點7中850 hPa西北風(fēng)時次預(yù)報有霧時次有所增多，所以風(fēng)向上限設(shè)為360°。這種情況多為850 hPa低槽剛過境，西南風(fēng)轉(zhuǎn)西北風(fēng)，而地面仍為偏南風(fēng)，前期海霧形勢以及海霧仍存在，待地面冷空氣下來后，北風(fēng)逐漸加大，海霧逐漸消散，2014年4月10日即為這樣的情況。圖6為54857站2014年4月8日20時—4月10日20時天空狀況、能見度、地面風(fēng)的演變以及850 hPa高空單站圖演變。為此，保留了850 hPa西北風(fēng)時次預(yù)報的海霧情況，這也是符合天氣學(xué)原理的。

終節(jié)點9流程為高溫高濕條件下，依據(jù)850 hPa風(fēng)向預(yù)報是否有霧。就終節(jié)點8、9而言，850 hPa風(fēng)向均為西南到西北風(fēng)向（圖略），根據(jù)風(fēng)向分布情況若將流程中850 hPa風(fēng)向閾值稍微調(diào)整到210°，則可減少空報1 d，不增加漏報。由此可見，850 hPa風(fēng)向與青島沿海海霧的關(guān)系還是比較復(fù)雜的，還有待于今后進(jìn)一步研究。

修訂后的決策樹預(yù)報模型流程圖如圖7所示?；贕FS數(shù)據(jù)，利用修訂后模型做2015年5月海霧預(yù)報，24 h、48 h、72 h海霧預(yù)報準(zhǔn)確率分別為70%、69%和76%，高于預(yù)報員主觀預(yù)報準(zhǔn)確率66%，基本可以滿足海霧日常業(yè)務(wù)預(yù)報的需求。

圖7　修訂后的青島沿海決策樹預(yù)報流程

4　結(jié)果與討論

本文利用2006—2013年4—8月青島沿海觀測站（54857）地面觀測資料，以及同期FNL再分析資料，探討了采用CART方法建立青島沿海海霧預(yù)報模型的可行性，并依據(jù)2014年4—8月試報及空漏報情況，結(jié)合海霧形成時氣象條件，調(diào)整了流程中部分判別條件和閾值，顯著的減少了模型的空報率，從而提高了模型的預(yù)報準(zhǔn)確率。修訂后的預(yù)報模型對2015年5月的預(yù)報結(jié)果表明，72 h內(nèi)海霧預(yù)報準(zhǔn)確率最高可達(dá)76%，與采用MOS方法作青島海霧判別預(yù)報的預(yù)報準(zhǔn)確率基本相當(dāng)，表明CART方法對于海霧預(yù)報是切實可行的方法。當(dāng)然，不同海域海霧的判別條件是不同的，韓國西海岸Kunsan附近海霧預(yù)報判別變量主要為露點與海表溫度之差、海表溫度以及850 hPa溫度［10］，同屬廣東沿岸的3個站海霧判別條件也是存在較大差異的［11］，因此，將CART方法推廣使用到其他海域仍需要重新建立模型。

青島沿海海霧決策樹預(yù)報模型中2 m相對濕度和海表溫度最為關(guān)鍵，基本反映了青島沿海海霧形成的水汽條件和下墊面條件，物理意義比較明確。另外，850 hPa風(fēng)向在青島沿海海霧決策樹預(yù)報模型中也很關(guān)鍵，而且隨著季節(jié)的不同判別閾值也明顯不同，這是以往研究中尚未提及的，今后需要加強這方面的研究。

［1］張?zhí)K平，鮑獻(xiàn)文.近十年中國海霧研究進(jìn)展［J］.中國海洋大學(xué)學(xué)報，2008，38（3）:359-366.

［2］高山紅，齊伊玲，張守寶，等.利用循環(huán)3DVAR改進(jìn)黃海海霧數(shù)值模擬初始場Ⅰ:WRF數(shù)值試驗［J］.中國海洋大學(xué)學(xué)報，2010，40（10）:1-9.

［3］黃彬，陳濤，陳炯，等.黃渤海海霧數(shù)值預(yù)報系統(tǒng)及檢驗方法研究［J］.氣象科技，2009，37（3）:271-275.

［4］胡基福，郭可采，鄢利農(nóng).應(yīng)用模式輸出統(tǒng)計作海霧出現(xiàn)判別預(yù)報［J］.青島海洋大學(xué)學(xué)報，1996，36（4）:439-445.

［5］王厚廣，曲維政.青島地區(qū)的海霧預(yù)報［J］.海洋預(yù)報，1997，14（3）: 52-57.

［6］江敦雙，張?zhí)K平，陸惟松.青島海霧的氣候特征和預(yù)測研究［J］.海洋湖沼通報，2008，（3）:7-12.

［7］胡波，杜惠良，郝世峰，等.一種統(tǒng)計技術(shù)結(jié)合動力釋用的沿海海霧預(yù)報方法［J］.海洋預(yù)報，2014，31（5）:82-86.

［8］Breiman L，F(xiàn)riedman J H，Olshen R A，et al.Classification and regression trees［M］.Wadsworth，Belmont，CA，1984:358.

［9］Benz R F.Data mining atmospheric/oceanic parameters in the design of a long-range Nephelometric forecast tool［D］.Dayton:Air Force Institute of Technology，2003:42-47.

［10］Lewis D M.Forecasting advective sea fog with the use of classification and regression tree analyses for Kunsan air base［R］. AFIT/GM/ENP/04-08，2004.

［11］黃健，黃輝軍，黃敏輝，等.廣東沿岸海霧決策樹預(yù)報模型［J］.應(yīng)用氣象學(xué)報，2011，22（1）:107-114.

［12］黃彬，毛冬艷，康志明，等.黃海海霧天氣氣候特征及其成因分析［J］.熱帶氣象學(xué)報，2011，27（6）:920-929.

Study of the sea fog prediction by classification and regression tree（CART）analyses in Qingdao coastal area

GAO Rong-zhen，LI Xin，REN Zhao-peng，WANG Jian-lin
（Qingdao Meteorological Bureau，Qingdao 266003 China）

Using surface observation data and FNL reanalysis data during the period from April to August in 2006—2013，a forecast decision tree for sea fog in Qingdao coastal area was produced based on the CART tree method.The flow path and threshold were adjusted partly based on the sea fog forecasting results from April to August，2014.A final sea fog forecast tree for Qingdao coastal area was developed.The final forecast decision tree produced an accuracy rating of about 70—75%for application in real-time sea fog forecasting 72 h in advance in May，2015.Relative humidity at 2 m and sea surface temperature were considered important predictors in the forecast decision tree model of Qingdao coastal sea fog.Moreover，850 hPa wind direction also had a close relation with Qingdao coastal sea fog，and the threshold changed with the seasons.

CART；forecast decision tree；sea fog；Qingdao coastal area

P732

A

1003-0239（2016）04-0080-00

10.11737/j.issn.1003-0239.2016.04.010

2015-10-12

山東省氣象局氣象科學(xué)技術(shù)研究項目青島專項課題“青島沿海海霧及能見度精細(xì)化預(yù)報技術(shù)研究”（sdqd2013-03）。

高榮珍（1974-），女，高級工程師，博士，從事中短期預(yù)報業(yè)務(wù)以及海霧研究。E-mail∶gaorz0@163.com