孫燕玲　張寧瑾　王健　張兵

摘要通過對高青單站2007-2016年大霧觀測資料進行統(tǒng)計分析，發(fā)現高青單站大霧季節(jié)變化和日變化明顯。大霧發(fā)生期間隨著大霧強度的增加，相對濕度增大，溫度3h變化量減小，溫度露點差減小，氣壓3h變化量減小，風速減小。通過回歸方程找出不同強度等級大霧的預報因子，霧的預報因子為相對濕度、溫度露點差;濃霧的預報因子為相對濕度、溫度、溫度露點差;強濃霧的預報因子為溫度3h變化量、氣壓3h變化量。根據各預報因子建立不同強度等級大霧的預報模型。

關鍵詞 大霧;相關性;氣象要素;精細化分級預報;山東高青

中圖分類號 P426.4

文獻標識碼 A

文章編號 1007-5739（2019）05-0179-05

隨著社會經濟的快速發(fā)展、城市化和工業(yè)化程度不斷提升、交通運輸業(yè)的不斷壯大，作為災害性天氣之一的大霧越來越受到社會各界的關注。山東省高青縣處于淄博市的北部，毗鄰濱博高速公路，大霧天氣給交通運輸、生活、生產等帶來重大影響。因此，尋找局地與大霧發(fā)生相關的各氣象要素、提高高青縣大霧預報水平、更加準確地發(fā)布大霧預警，可為車輛安全出行提供建議。相關應急部門也可以提前做好準備，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報進行比較驗證。大霧是局地性強的天氣過程，各地區(qū)因自身環(huán)境特點，影響因子有所不同，各因子的重要性也存在差異。針對高青縣大霧預報需要建立獨特的預報方法，通過統(tǒng)計和分析，在此基礎上形成預報模型，提高大霧精細化預報水平，解決氣象服務問題。

近年來，為了加強對大霧的預報，許多學者進行了大霧分析和預報研究工作。對持續(xù)性大霧天氣過程的成因進行分析發(fā)現，大霧發(fā)生主要由地表輻射降溫引起并加強，大氣有穩(wěn)定層結建立，低層暖平流的輸人和邊界層淺層抬升延長了大霧時間，最終又由偏北大風驅散。李江波等對華北連續(xù)大霧的特征進行統(tǒng)計分析發(fā)現，連續(xù)性大霧通常有深厚逆溫層，大多呈“上干下濕”特點;通常因為強冷空氣人侵破壞逆溫層結束，少數因為較強降水所致;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行相關分析發(fā)現，能見度與相對濕度成明顯負相關，與風速和氣壓成正相關，高濕和小風是低能見度的主要氣象條件。王瑜8對棗莊大霧氣候特征及形成條件進行分析發(fā)現，1971-2000年大霧日數呈減少的趨勢，年平均氣溫和霧日數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報指標，對2006年進行了檢驗，效果良好。張婉瑩等采用REOF法對1961-2014年遼寧地區(qū)霧日進行了分區(qū)，并對不同分區(qū)霧日數的年際及年代際變化特征進行了分析，研究區(qū)域霧日數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行分析，找到有利于大霧發(fā)生的預報因子，并用神經網絡方法進行預報，建立預報模型，業(yè)務應用效果明顯。齊建華等叫研究池州大霧特征及預警服務系統(tǒng)，通過分析1959-2007年大霧資料，找到了大霧出現時溫度、濕度、風向、風速、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次霧天氣個例進行預報試驗，得知FSL方案更適合作為WRF-RUC模式業(yè)務中霧天氣的預報產品。張慶奎等3對大霧發(fā)生時各預報因子進行閾值和消空指標的確定，建立基于PP法思想和指標疊套方法的阜陽市大霧天氣潛勢預報模型。在充分考慮池州特殊地理環(huán)境的基礎上，通過相關分析，找到影響當地大霧的關鍵因子，利用二級判別法和時間概率回歸法建立預報模型。

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系，采用一元線性趨勢方程和多元線性趨勢方程，進行2007-2016年各要素的趨勢傾向分析，形成大霧預報模型。

為了準確統(tǒng)計大霧的相關數據，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年共出現霧日數234d，每年平均23.4d，出現大霧日數最多的年份是2016年，為60d，占25.6%，最少的年份是2010年，為6d，占2.6%。近10年高青站大霧日數呈增加趨勢（圖1）。進一步分析霧、濃霧、強濃霧的年際變化發(fā)現，濃霧出現的日數最多，強濃霧出現的日數最少，霧與濃霧的年際變化與大霧變化趨勢一致，而強濃霧呈波動性變化（圖2）。

2.2大霧月變化特征

從2007-2016年高青站各大霧日數月變化圖（圖3）可以看出，大霧日數月變化明顯，主要出現在9月至翌年2月，共199d，占85%，其中以12月最多，為45次，占19%，這主要因為冬季夜間因輻射冷卻而產生輻射霧。進一步分析霧、濃霧、強濃霧的月變化發(fā)現，霧、濃霧、強濃霧的月變化與大霧月變化趨勢基本一致，但霧、濃霧、強濃霧分別在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果，各氣象要素在不同量值范圍導致大霧發(fā)生的強度和概率不同。本文對不同強度等級的大霧發(fā)生時各氣象要素的分布區(qū)間進行了統(tǒng)計（表1）。從表1可以看出，隨著大霧的強度越強，相對濕度越高，溫度露點差越小，有水汽輸送，接近飽和凝結狀態(tài);溫度3h變化量越小，氣壓3h變化量越小，大氣層結穩(wěn)定;風速越小。

3.2各要素頻率的分布特征

為找到與大霧有關的基本氣象要素，分別統(tǒng)計霧（500～1000m）、濃霧（50～500m）.強濃霧（0-50m）、大霧（0～1000m）4個區(qū)間內的頻率分布。相對濕度、溫度露點差、氣壓3h變化量的頻率分布較為相似（圖6）。各要素出現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、溫度露點差的頻率均呈“單峰"分布，相對濕度在95%頻率最高，溫度露點差在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，且不同大霧強度反映不同，大霧強度越強，溫度越低，可以作為預報因子。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，中間頻率高，兩邊頻率低。大霧強度越強，變化區(qū)間越小，可以作為預報因子。由圖6（g）.圖6（h）可知，風向、風速頻率分布除強濃霧外在各大霧強度中保持一致，風向在偏東風頻率高，風速在1m/s附近頻率最高，可以作為預報因子。雖然大霧發(fā)生時的氣象要素變化基本一致，但強濃霧的發(fā)生條件更為嚴格，可以分別建立能見度預報模型。

3.3大霧與各要素的相關分析

為進一步考量各基本氣象要素與能見度的相關性，計算各氣象要素與大霧級別的同期線性相關系數。

從表2可以看出，考慮所有樣本時，風速對大霧級別影響顯著（P<0.05），相對濕度、溫度溫度露點差、氣壓、氣壓3h變化量對大霧級別影響達到了0.01的極顯著水平。氣壓3h變化量和風速均與能見度成負相關，這反映了當處于低能見度天氣時，氣壓變化小，大氣層結穩(wěn)定，風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相關，這是因為大霧是水汽在凝結核上凝結，空氣溫度的降低，使空氣中水汽達到或近似飽和，產生凝結，有利于大霧產生凹。相對濕度、溫度露點差相關系數絕對值均>0.18，是較為理想的預報因子。強濃霧條件下，各基本氣象要素相關系數絕對值均>0.1，相關性最好。大霧條件下，相對濕度、溫度、溫度露點差、氣壓、氣壓3h變化量相關系數絕對值均>0.1，相關性較好。霧條件下，除氣壓3h變化量、風向外，其他要素相關系數絕對值均>0.1，相關性也較好。濃霧條件下，只有相對濕度、溫度、溫度露點差、氣壓的相關系數絕對值>0.1，相關性較差。

結合3.2發(fā)現，大霧的強度與各基本氣象要素關系復雜，不同級別大霧的相關因子有所不同，但相對濕度和溫度露點差關系最穩(wěn)定。

4大霧預報模型的建立

4.1各基本氣象要素與大霧預報模型建立

建立各基本氣象要素與大霧、霧、濃霧、強濃霧的一元回歸方程（表3、4、5.6），從表3可知，溫度溫度露點差、風向與能見度成正比，相對濕度氣壓3h變化量、風速與能見度成反比。因與F對應的概率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、溫度露點差、風向的回歸模型成立，其他不成立。發(fā)生濃霧時，相對濕度溫度、溫度露點差的回歸模型成立且相關性好（表5）。

發(fā)生強濃霧時，溫度3h變化量、氣壓3h變化量相關性最好，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系最為密切，其次是溫度露點差。

結合與F對應的概率P能更好地檢驗模型是否成立。

4.2大霧預報模型建立

根據大霧與各基本氣象要素的相關系數和一元回歸方程可知，大霧主要與相對濕度、溫度、溫度露點差、氣壓、氣.壓3h變化量、風速6個氣象要素有關;霧主要與相對濕度、溫度露點差2個氣象要素有關;濃霧主要與相對濕度、溫度、溫度露點差3個氣象要素有關;強濃霧與溫度3h變化量、氣壓3h變化量有關。由于各級別大霧與各氣象要素的關系差異較大，為了達到精細化預報的要求，分別建立預報模型，得到表7的4個多元逐步回歸方程。

5結論與討論

通過對高青單站2007-2016年大霧觀測資料統(tǒng)計分析，選取預報因子利用逐步線性回歸建立預報模型，得到如下結論。

（1）高青站2007-2016年出現霧日234d，以濃霧日數最多，呈增加趨勢，2016年是大霧日數最多年份。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值區(qū)間及頻率分布，大霧出現時，相對濕度增加，在95%頻率最高，溫度3h變化量減小，溫度露點差減小，氣壓3h變化量減小，風速減小，以東北風微風為主。隨著大霧強度的增加，溫度3h變化量、溫度露點差、氣壓3h變化量、風速變化更小，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系數發(fā)現，能見度與相對濕度和溫度露點差的相關性較好，相關系數絕對值均超過0.18;與風向的相關性較差，相關系數絕對值最小為0.0022。比較不同強度等級大霧的相關系數發(fā)現，各基本氣象要素與大霧的相關性最好，而與霧的相關性最差。

（4）通過回歸方程找出大霧的預報因子為相對濕度、溫度、溫度露點差、氣壓、氣壓3h變化量、風速;霧的預報因子相對濕度溫度露點差;濃霧的預報因子相對濕度、溫度、溫度露點差;強濃霧的預報因子為溫度3h變化量、氣壓3h變化量根據預報因子建立不同強度等級的大霧預報模型。