孫燕玲 張寧瑾 王健 張兵
摘要通過對高青單站2007-2016年大霧觀測資料進(jìn)行統(tǒng)計分析,發(fā)現(xiàn)高青單站大霧季節(jié)變化和日變化明顯。大霧發(fā)生期間隨著大霧強(qiáng)度的增加,相對濕度增大,溫度3h變化量減小,溫度露點(diǎn)差減小,氣壓3h變化量減小,風(fēng)速減小。通過回歸方程找出不同強(qiáng)度等級大霧的預(yù)報因子,霧的預(yù)報因子為相對濕度、溫度露點(diǎn)差;濃霧的預(yù)報因子為相對濕度、溫度、溫度露點(diǎn)差;強(qiáng)濃霧的預(yù)報因子為溫度3h變化量、氣壓3h變化量。根據(jù)各預(yù)報因子建立不同強(qiáng)度等級大霧的預(yù)報模型。
關(guān)鍵詞 大霧;相關(guān)性;氣象要素;精細(xì)化分級預(yù)報;山東高青
中圖分類號 P426.4
文獻(xiàn)標(biāo)識碼 A
文章編號 1007-5739(2019)05-0179-05
隨著社會經(jīng)濟(jì)的快速發(fā)展、城市化和工業(yè)化程度不斷提升、交通運(yùn)輸業(yè)的不斷壯大,作為災(zāi)害性天氣之一的大霧越來越受到社會各界的關(guān)注。山東省高青縣處于淄博市的北部,毗鄰濱博高速公路,大霧天氣給交通運(yùn)輸、生活、生產(chǎn)等帶來重大影響。因此,尋找局地與大霧發(fā)生相關(guān)的各氣象要素、提高高青縣大霧預(yù)報水平、更加準(zhǔn)確地發(fā)布大霧預(yù)警,可為車輛安全出行提供建議。相關(guān)應(yīng)急部門也可以提前做好準(zhǔn)備,減少不必要的損失。高青縣位于濱州和淄博2個城市之間,雖然自身城市化水平較低,但也可與城市大霧預(yù)報進(jìn)行比較驗(yàn)證。大霧是局地性強(qiáng)的天氣過程,各地區(qū)因自身環(huán)境特點(diǎn),影響因子有所不同,各因子的重要性也存在差異。針對高青縣大霧預(yù)報需要建立獨(dú)特的預(yù)報方法,通過統(tǒng)計和分析,在此基礎(chǔ)上形成預(yù)報模型,提高大霧精細(xì)化預(yù)報水平,解決氣象服務(wù)問題。
近年來,為了加強(qiáng)對大霧的預(yù)報,許多學(xué)者進(jìn)行了大霧分析和預(yù)報研究工作。對持續(xù)性大霧天氣過程的成因進(jìn)行分析發(fā)現(xiàn),大霧發(fā)生主要由地表輻射降溫引起并加強(qiáng),大氣有穩(wěn)定層結(jié)建立,低層暖平流的輸人和邊界層淺層抬升延長了大霧時間,最終又由偏北大風(fēng)驅(qū)散。李江波等對華北連續(xù)大霧的特征進(jìn)行統(tǒng)計分析發(fā)現(xiàn),連續(xù)性大霧通常有深厚逆溫層,大多呈“上干下濕”特點(diǎn);通常因?yàn)閺?qiáng)冷空氣人侵破壞逆溫層結(jié)束,少數(shù)因?yàn)檩^強(qiáng)降水所致;氣壓場分為高壓前部型、鋒前低壓型均壓場型。王淑英等對北京高速公路大氣能見度和氣象條件進(jìn)行相關(guān)分析發(fā)現(xiàn),能見度與相對濕度成明顯負(fù)相關(guān),與風(fēng)速和氣壓成正相關(guān),高濕和小風(fēng)是低能見度的主要?dú)庀髼l件。王瑜8對棗莊大霧氣候特征及形成條件進(jìn)行分析發(fā)現(xiàn),1971-2000年大霧日數(shù)呈減少的趨勢,年平均氣溫和霧日數(shù)的逐年變化呈反位相,得到大霧形成前地面形勢的3種天氣形勢典型場及單站要素預(yù)報指標(biāo),對2006年進(jìn)行了檢驗(yàn),效果良好。張婉瑩等采用REOF法對1961-2014年遼寧地區(qū)霧日進(jìn)行了分區(qū),并對不同分區(qū)霧日數(shù)的年際及年代際變化特征進(jìn)行了分析,研究區(qū)域霧日數(shù)多時間尺度的變化特征。李法然等1對湖州大霧天氣成因進(jìn)行分析,找到有利于大霧發(fā)生的預(yù)報因子,并用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)報,建立預(yù)報模型,業(yè)務(wù)應(yīng)用效果明顯。齊建華等叫研究池州大霧特征及預(yù)警服務(wù)系統(tǒng),通過分析1959-2007年大霧資料,找到了大霧出現(xiàn)時溫度、濕度、風(fēng)向、風(fēng)速、氣壓等氣象要素變化的一般規(guī)律,建立了池州大霧出現(xiàn)時高空、地面形勢的概念模型。夏凡等凹利用中尺度天氣研究與預(yù)報快速更新循環(huán)模式系統(tǒng)中SW方案、RUC方案和FSL方案,對2015年10月至2016年3月山東地區(qū)的25次霧天氣個例進(jìn)行預(yù)報試驗(yàn),得知FSL方案更適合作為WRF-RUC模式業(yè)務(wù)中霧天氣的預(yù)報產(chǎn)品。張慶奎等3對大霧發(fā)生時各預(yù)報因子進(jìn)行閾值和消空指標(biāo)的確定,建立基于PP法思想和指標(biāo)疊套方法的阜陽市大霧天氣潛勢預(yù)報模型。在充分考慮池州特殊地理環(huán)境的基礎(chǔ)上,通過相關(guān)分析,找到影響當(dāng)?shù)卮箪F的關(guān)鍵因子,利用二級判別法和時間概率回歸法建立預(yù)報模型。
1資料來源與方法
本文使用淄博高青國家一般氣象站2007-2016年地面常規(guī)觀測資料,對大霧存在的時段進(jìn)行統(tǒng)計(高青夜間不觀測,20:00至翌日8:00作為1個時段進(jìn)行統(tǒng)計);同時,利用同時段的氣象觀測資料分析大霧與各氣象要素的關(guān)系,采用一元線性趨勢方程和多元線性趨勢方程,進(jìn)行2007-2016年各要素的趨勢傾向分析,形成大霧預(yù)報模型。
為了準(zhǔn)確統(tǒng)計大霧的相關(guān)數(shù)據(jù),本文將能見度(V為有效水平氣象能見度)分為3個等級:V<50m稱為強(qiáng)濃霧,50≤V<500m稱為濃霧,500m≤V<1000m稱為霧。同時規(guī)定,將0≤V<1000m統(tǒng)稱為大霧。
2大霧氣候特征
2.1大霧年際變化特征
統(tǒng)計表明,高青站2007-2016年共出現(xiàn)霧日數(shù)234d,每年平均23.4d,出現(xiàn)大霧日數(shù)最多的年份是2016年,為60d,占25.6%,最少的年份是2010年,為6d,占2.6%。近10年高青站大霧日數(shù)呈增加趨勢(圖1)。進(jìn)一步分析霧、濃霧、強(qiáng)濃霧的年際變化發(fā)現(xiàn),濃霧出現(xiàn)的日數(shù)最多,強(qiáng)濃霧出現(xiàn)的日數(shù)最少,霧與濃霧的年際變化與大霧變化趨勢一致,而強(qiáng)濃霧呈波動性變化(圖2)。
2.2大霧月變化特征
從2007-2016年高青站各大霧日數(shù)月變化圖(圖3)可以看出,大霧日數(shù)月變化明顯,主要出現(xiàn)在9月至翌年2月,共199d,占85%,其中以12月最多,為45次,占19%,這主要因?yàn)槎疽归g因輻射冷卻而產(chǎn)生輻射霧。進(jìn)一步分析霧、濃霧、強(qiáng)濃霧的月變化發(fā)現(xiàn),霧、濃霧、強(qiáng)濃霧的月變化與大霧月變化趨勢基本一致,但霧、濃霧、強(qiáng)濃霧分別在11月、10月、12月驟減。對于高青地區(qū),秋、冬季為大霧的多發(fā)期,且以輻射霧為主(圖4)。
2.3大霧的日變化特征
2007-2016年高青共發(fā)生大霧234d,其中夜間發(fā)生223d,約占95%.8:00(北京時間,下同)前消散的約占33%;8:00-10:00消散的約占32%;10:00-12:00消散的約占16%;一直持續(xù)到12:00后消散的約占20%。不同的是,有2次大霧是午后才出現(xiàn)并一直延續(xù)到夜間,約占1%(圖5)。研究表明,大霧天氣在夜間輻射降溫,日出后隨著地面溫度上升,空氣又恢復(fù)到未飽和狀態(tài),霧滴也就立即蒸發(fā)消散I59。因此,高青縣大霧以輻射霧為主。
3大霧與各氣象要素的關(guān)系
3.1各要素的分布區(qū)間
大霧的發(fā)生是多種因素共同作用的結(jié)果,各氣象要素在不同量值范圍導(dǎo)致大霧發(fā)生的強(qiáng)度和概率不同。本文對不同強(qiáng)度等級的大霧發(fā)生時各氣象要素的分布區(qū)間進(jìn)行了統(tǒng)計(表1)。從表1可以看出,隨著大霧的強(qiáng)度越強(qiáng),相對濕度越高,溫度露點(diǎn)差越小,有水汽輸送,接近飽和凝結(jié)狀態(tài);溫度3h變化量越小,氣壓3h變化量越小,大氣層結(jié)穩(wěn)定;風(fēng)速越小。
3.2各要素頻率的分布特征
為找到與大霧有關(guān)的基本氣象要素,分別統(tǒng)計霧(500~1000m)、濃霧(50~500m).強(qiáng)濃霧(0-50m)、大霧(0~1000m)4個區(qū)間內(nèi)的頻率分布。相對濕度、溫度露點(diǎn)差、氣壓3h變化量的頻率分布較為相似(圖6)。各要素出現(xiàn)頻率的計算公式如下:
式中,N;≤x
從圖6(a)、圖6(d)可知,相對濕度、溫度露點(diǎn)差的頻率均呈“單峰"分布,相對濕度在95%頻率最高,溫度露點(diǎn)差在0.5C頻率最高,大霧是在一定溫度及濕度條件下形成,低層近地層高濕為大霧提供充沛的水汽條件16,可以作為適合的預(yù)報因子。由圖6(b)圖6(e)可知,溫度、氣壓頻率分布顯示了不同月份霧日的溫度、氣壓差異,且不同大霧強(qiáng)度反映不同,大霧強(qiáng)度越強(qiáng),溫度越低,可以作為預(yù)報因子。由圖6(c)、圖6(f)可知,溫度3h變化量、氣壓3h變化量變化區(qū)間小,以“0”為中心點(diǎn),中間頻率高,兩邊頻率低。大霧強(qiáng)度越強(qiáng),變化區(qū)間越小,可以作為預(yù)報因子。由圖6(g).圖6(h)可知,風(fēng)向、風(fēng)速頻率分布除強(qiáng)濃霧外在各大霧強(qiáng)度中保持一致,風(fēng)向在偏東風(fēng)頻率高,風(fēng)速在1m/s附近頻率最高,可以作為預(yù)報因子。雖然大霧發(fā)生時的氣象要素變化基本一致,但強(qiáng)濃霧的發(fā)生條件更為嚴(yán)格,可以分別建立能見度預(yù)報模型。
3.3大霧與各要素的相關(guān)分析
為進(jìn)一步考量各基本氣象要素與能見度的相關(guān)性,計算各氣象要素與大霧級別的同期線性相關(guān)系數(shù)。
從表2可以看出,考慮所有樣本時,風(fēng)速對大霧級別影響顯著(P<0.05),相對濕度、溫度溫度露點(diǎn)差、氣壓、氣壓3h變化量對大霧級別影響達(dá)到了0.01的極顯著水平。氣壓3h變化量和風(fēng)速均與能見度成負(fù)相關(guān),這反映了當(dāng)處于低能見度天氣時,氣壓變化小,大氣層結(jié)穩(wěn)定,風(fēng)速減弱有利于大霧天氣的生成。溫度3h變化量與能見度成負(fù)相關(guān),這是因?yàn)榇箪F是水汽在凝結(jié)核上凝結(jié),空氣溫度的降低,使空氣中水汽達(dá)到或近似飽和,產(chǎn)生凝結(jié),有利于大霧產(chǎn)生凹。相對濕度、溫度露點(diǎn)差相關(guān)系數(shù)絕對值均>0.18,是較為理想的預(yù)報因子。強(qiáng)濃霧條件下,各基本氣象要素相關(guān)系數(shù)絕對值均>0.1,相關(guān)性最好。大霧條件下,相對濕度、溫度、溫度露點(diǎn)差、氣壓、氣壓3h變化量相關(guān)系數(shù)絕對值均>0.1,相關(guān)性較好。霧條件下,除氣壓3h變化量、風(fēng)向外,其他要素相關(guān)系數(shù)絕對值均>0.1,相關(guān)性也較好。濃霧條件下,只有相對濕度、溫度、溫度露點(diǎn)差、氣壓的相關(guān)系數(shù)絕對值>0.1,相關(guān)性較差。
結(jié)合3.2發(fā)現(xiàn),大霧的強(qiáng)度與各基本氣象要素關(guān)系復(fù)雜,不同級別大霧的相關(guān)因子有所不同,但相對濕度和溫度露點(diǎn)差關(guān)系最穩(wěn)定。
4大霧預(yù)報模型的建立
4.1各基本氣象要素與大霧預(yù)報模型建立
建立各基本氣象要素與大霧、霧、濃霧、強(qiáng)濃霧的一元回歸方程(表3、4、5.6),從表3可知,溫度溫度露點(diǎn)差、風(fēng)向與能見度成正比,相對濕度氣壓3h變化量、風(fēng)速與能見度成反比。因與F對應(yīng)的概率P<0.05時,方程成立,所以溫度3h變化量的回歸模型不成立。表4中的相對濕度、溫度露點(diǎn)差、風(fēng)向的回歸模型成立,其他不成立。發(fā)生濃霧時,相對濕度溫度、溫度露點(diǎn)差的回歸模型成立且相關(guān)性好(表5)。
發(fā)生強(qiáng)濃霧時,溫度3h變化量、氣壓3h變化量相關(guān)性最好,回歸模型成立(表6)。從回歸方程和R2可得出,大霧期間的相對濕度與能見度關(guān)系最為密切,其次是溫度露點(diǎn)差。
結(jié)合與F對應(yīng)的概率P能更好地檢驗(yàn)?zāi)P褪欠癯闪ⅰ?/p>
4.2大霧預(yù)報模型建立
根據(jù)大霧與各基本氣象要素的相關(guān)系數(shù)和一元回歸方程可知,大霧主要與相對濕度、溫度、溫度露點(diǎn)差、氣壓、氣.壓3h變化量、風(fēng)速6個氣象要素有關(guān);霧主要與相對濕度、溫度露點(diǎn)差2個氣象要素有關(guān);濃霧主要與相對濕度、溫度、溫度露點(diǎn)差3個氣象要素有關(guān);強(qiáng)濃霧與溫度3h變化量、氣壓3h變化量有關(guān)。由于各級別大霧與各氣象要素的關(guān)系差異較大,為了達(dá)到精細(xì)化預(yù)報的要求,分別建立預(yù)報模型,得到表7的4個多元逐步回歸方程。
5結(jié)論與討論
通過對高青單站2007-2016年大霧觀測資料統(tǒng)計分析,選取預(yù)報因子利用逐步線性回歸建立預(yù)報模型,得到如下結(jié)論。
(1)高青站2007-2016年出現(xiàn)霧日234d,以濃霧日數(shù)最多,呈增加趨勢,2016年是大霧日數(shù)最多年份。大霧主要發(fā)生在9月至翌年2月,以12月最多。大霧大多在夜間生成,第2天上午逐漸消散。
(2)分析大霧期間各基本氣象要素的數(shù)值區(qū)間及頻率分布,大霧出現(xiàn)時,相對濕度增加,在95%頻率最高,溫度3h變化量減小,溫度露點(diǎn)差減小,氣壓3h變化量減小,風(fēng)速減小,以東北風(fēng)微風(fēng)為主。隨著大霧強(qiáng)度的增加,溫度3h變化量、溫度露點(diǎn)差、氣壓3h變化量、風(fēng)速變化更小,降溫增濕過程更明顯。
(3)通過計算分析各基本氣象要素和能見度的相關(guān)系數(shù)發(fā)現(xiàn),能見度與相對濕度和溫度露點(diǎn)差的相關(guān)性較好,相關(guān)系數(shù)絕對值均超過0.18;與風(fēng)向的相關(guān)性較差,相關(guān)系數(shù)絕對值最小為0.0022。比較不同強(qiáng)度等級大霧的相關(guān)系數(shù)發(fā)現(xiàn),各基本氣象要素與大霧的相關(guān)性最好,而與霧的相關(guān)性最差。
(4)通過回歸方程找出大霧的預(yù)報因子為相對濕度、溫度、溫度露點(diǎn)差、氣壓、氣壓3h變化量、風(fēng)速;霧的預(yù)報因子相對濕度溫度露點(diǎn)差;濃霧的預(yù)報因子相對濕度、溫度、溫度露點(diǎn)差;強(qiáng)濃霧的預(yù)報因子為溫度3h變化量、氣壓3h變化量根據(jù)預(yù)報因子建立不同強(qiáng)度等級的大霧預(yù)報模型。