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。