溫新龍,徐衛(wèi)民,沈 競

(江西省氣象科學研究所,江西 南昌 330096)

0 引言

航空安全與氣象條件密切相關,隨著航空業(yè)的快速發(fā)展,不利氣象條件對飛行造成的影響日益突出。統(tǒng)計顯示,2021年由于天氣原因導致的航班不正常比例高達59.56%,比2020年增加2.25%[1]。對影響航空安全的惡劣天氣的研究主要集中在強對流、能見度、積冰等[2-4],針對不同機場獨特的地理位置和氣候特征,通常采用典型歷史天氣個例分析[5-6]、數(shù)值模擬[7-8]和氣候統(tǒng)計[9-10]等方法進行研究。氣溫作為表示大氣冷熱程度的物理量,與飛行的關系十分密切。氣溫對飛機高度表、空速表、載重量、升限及最大平飛速度和滑跑距離等許多性能指標均有影響,是民航機場選址報告中明確規(guī)定需要統(tǒng)計調查的氣象要素之一。研究表明,夏季日最高氣溫是影響飛機最大起飛重量的主要氣象要素,限重天數(shù)是量化氣候增暖對飛機起飛影響的重要指標[11]。我國是全球氣候變化的敏感區(qū)和影響顯著區(qū),升溫速率明顯高于同期全球平均水平,極端高溫事件自20世紀90年代中期以來明顯增多,氣候風險水平趨于上升[12]。

南昌昌北機場(以下簡稱昌北機場)位于江西省南昌市,地處東亞中低緯度,屬中亞熱帶濕潤性季風氣候。昌北機場夏季悶熱,冬季濕冷,受全球氣候變化和城市化等影響,高溫熱浪和低溫雨雪冰凍等災害性天氣時有發(fā)生。當前對昌北機場區(qū)域強降水、大霧等天氣特征已有相關研究[13-14],但對不同重現(xiàn)期極端氣溫的研究鮮有涉及。本文利用選取參證氣象站的技術思路,通過建立機場站與參證站實測年極端氣溫的回歸模型,構建機場站長年代年極端氣溫序列,再利用2種極值概率分布模型,對參證站(永修站)實測序列和機場站構建序列進行擬合和擬合效果檢驗。結合年極端氣溫序列樣本特征,確定昌北機場不同重現(xiàn)期的極端氣溫,對保障機場安全運行、除冰防凍作業(yè)、油管道等基礎設施維護具有重要意義。

1 昌北機場概況

昌北機場位于江西省南昌市正北方向21 km處的丘陵地帶,其東面北面有鄱陽湖及長江水系,西南26 km處有高約841 m的楊梅山,整個地勢呈“西高東低,南江北湖”格局(圖1)。昌北機場于1999年9月投入運營,是江西省聯(lián)動各地的重要交通樞紐,現(xiàn)有長3400 m、寬45 m的主跑道一條,跑道坡度為0.24%,呈023°～203°真方向。隨著經(jīng)濟發(fā)展和城市規(guī)模不斷擴大,航空運輸量持續(xù)增長,昌北機場啟動了三期擴建工程。

圖1 昌北機場周邊地形及氣象站分布

2 資料與方法

2.1 參證氣象站選擇

參證氣象站是指氣象分析計算所參照的具有長年代氣象數(shù)據(jù)的國家氣象觀測站。按照《氣候可行性論證規(guī)范機場工程氣象參數(shù)統(tǒng)計》《機場工程選址氣候可行性論證技術指南(第1版)》要求,應利用參證氣象站30 a以上歷史氣象要素序列進行極值估算。昌北機場氣象觀測站(簡稱機場站)于1999年9月啟用,觀測資料尚不足30 a,因此從周邊選擇與機場地理、地形、氣候條件相似的國家氣象站作為參證氣象站,并從其可靠性、代表性和一致性三方面綜合分析后確定。

昌北機場周邊分布有南昌站、新建站和永修站3個國家氣象站(圖1),各氣象站信息如表1所示。從可靠性看,3個站均為標準的國家氣象站,在基礎建設、觀測儀器選型和安裝、觀測方法和觀測管理方面,均按照《地面氣象觀測規(guī)范》執(zhí)行,觀測資料具有很高的可靠性。南昌站位于南昌市城南的青云譜區(qū),距離機場31 km,與機場橫跨了南昌市區(qū)及贛江;新建站位于南昌市城西的新建區(qū),距離機場21 km,受城市化影響,周邊高樓林立,探測環(huán)境較差;永修站位于永修橋南建設村郊外的丘陵地帶,距離機場20 km,周邊開闊,探測環(huán)境良好,自1955年5月啟用,現(xiàn)址于1975年1月1日開始工作,觀測資料長年代一致性好。因此,從地理、地形條件和探測環(huán)境看,永修站對機場氣候具有更好的代表性。為進一步論證永修站氣溫的代表性,對永修站和機場站2016—2019年逐時氣溫進行相關分析,由結果可知(圖2),2站氣溫相關系數(shù)達0.99,p<0.01,相關性顯著。綜上所述,選擇永修站作為參證氣象站。

表1 昌北機場周邊3個氣象站信息

圖2 永修站和機場站2016—2019年逐時氣溫線性回歸圖

從全年實測逐日氣溫中選出最大(最小)值,作為該年年極端最高(最低)氣溫,永修站年極端氣溫資料從1956—2019年共64 a,機場站從2000—2019年共20 a。

2.2 機場站長年代極端氣溫序列構建

機場站和永修站實測年極端最高、最低氣溫年際變化如圖3所示。從圖3a看出,近20 a 2站年極端最高氣溫最大值均出現(xiàn)在2003年,機場站為41.3 ℃,略高于永修站的41.1 ℃,除2006年、2009年、2010年和2013年外,機場站年極端最高氣溫均高于同年的永修站,年極端最高氣溫均呈下降趨勢且下降速率相近;圖3c則顯示,永修站近64 a極端最高氣溫呈升高趨勢(0.3 ℃/10 a),其變化趨勢與近20 a不一致。由圖3b可知,近20 a 2站年極端最低氣溫最小值均出現(xiàn)在2016年,機場站為-7.2 ℃,低于永修站的-6 ℃,機場站年極端最低氣溫均低于或等于同年的永修站,年極端最低氣溫均呈上升趨勢且上升速率相近(0.5 ℃/10 a),圖3d則顯示,永修站近64 a極端最低氣溫最小值出現(xiàn)在1972年,為-11.9 ℃,比近20 a的最小值低5.9 ℃,年極端最低氣溫亦呈升高趨勢(0.8 ℃/10 a),升溫速率大于年極端最高氣溫。

圖3 機場站和永修站年極端最高氣溫(a、c)和最低氣溫(b、d)年際變化曲線及線性趨勢

由以上分析發(fā)現(xiàn),若直接采用永修站資料進行機場極端氣溫估算,勢必存在誤差。因此先利用2000—2019年機場站與永修站的極端氣溫序列進行回歸分析,得到2站極端氣溫的關系模型(圖4),再將1956—1999年永修站的實測資料代入模型,得到1956—1999年機場站極端氣溫數(shù)據(jù),最終建立機場站1956—2019年長年代極端氣溫序列。

圖4 2000—2019年機場站與永修站年極端氣溫回歸分析圖

2.3 極值估算方法

從統(tǒng)計意義上說,氣溫本身就是一個隨機變量,而其極值乃是這些隨機變量的某種函數(shù),氣溫極值估算就是用已有歷史觀測的有限樣本去擬合某種概率分布模型并估計其參數(shù)[15]。常用的經(jīng)典極值概率分布模型有極值Ⅰ型(Gumbel)分布和皮爾遜Ⅲ型(P-Ⅲ型)分布等。極值Ⅰ型(Gumbel)分布又稱雙指數(shù)分布,是一種正態(tài)分布,是一個較完全的極值理論分布,常用參數(shù)估計方法有矩法、耿貝爾法、極大似然法和最小二乘法等。皮爾遜Ⅲ型(P-Ⅲ型)分布是偏態(tài)鈴形分布,常用參數(shù)估算方法有矩法、線性矩法,極大似然法、適線法等。不同參數(shù)估計方法的適用性有所差異,結合文獻[16]對參數(shù)估計方法的比較研究,本文對極值Ⅰ型和皮爾遜Ⅲ型分布分別采用耿貝爾法和適線法進行參數(shù)估計,對于模型的擬合優(yōu)度,則采用柯爾莫哥洛夫指標和擬合均方差進行檢驗。

3 結果分析

采用極值Ⅰ型分布和皮爾遜Ⅲ型分布分別對參證站(永修站)1956—2019年實測年極端氣溫序列(以下簡稱“參證站實測序列”)和通過與參證站回歸分析構建的機場站近64 a年極端氣溫序列(以下簡稱“機場站構建序列”)進行擬合和參數(shù)計算,對于皮爾遜Ⅲ型曲線,一般通過反復調整參數(shù)CV和CS以使理論曲線與經(jīng)驗曲線盡量接近(應滿足CS≥2CV),從而保證小概率計算值不至于偏小。2種模型推算結果及擬合優(yōu)度見表2,可以看出,由于模型和參數(shù)估計方法的不同,2種模型對相同重現(xiàn)期的溫度擬合結果不一致,差異在0.1～1.1 ℃。對參證站實測以及機場站構建的年極端最高氣溫序列、參證站實測的年極端最低氣溫序列的擬合,極值Ⅰ型分布的結果大于皮爾遜Ⅲ型,而對機場站構建的年極端最低氣溫序列的擬合,極值Ⅰ型分布的結果小于皮爾遜Ⅲ型。就擬合優(yōu)度而言,對年極端最高氣溫的擬合,參證站實測序列和機場站構建序列均以皮爾遜Ⅲ型分布的效果更好(柯爾莫哥洛夫檢驗指標和擬合均方差同時最小,下同);對年極端最低氣溫的擬合,參證站實測序列和機場站構建序列均以極值Ⅰ型分布的效果更好。

表2 各重現(xiàn)期極端最高和最低氣溫推算結果(單位:℃)

為確定昌北機場不同重現(xiàn)期的氣溫極值,應根據(jù)參證站實測序列和機場站構建序列的樣本特征,并結合2種模型的擬合優(yōu)度進行綜合考慮。由表3可知,對年極端最高氣溫而言,2個序列的平均值、最大值分別只相差0.4 ℃和0.2 ℃,再對比各重現(xiàn)期擬合值與2個序列的最大值和標準差,宜選擇皮爾遜Ⅲ型分布擬合參證站實測年極端最高氣溫序列的結果作為昌北機場不同重現(xiàn)期年極端最高氣溫的推算值;同理,宜選擇極值Ⅰ型分布擬合機場站構建年極端最低氣溫序列的結果作為昌北機場不同重現(xiàn)期年極端最低氣溫的推算值。昌北機場10、30、50和100 a重現(xiàn)期的年極端最高氣溫分別是39.6、40.5、40.9和41.4 ℃,年極端最低氣溫分別是-9.5、-12.0、-13.1和-14.6 ℃。

表3 兩種年極端氣溫序列的參數(shù)

4 結論和討論

(1)從可靠性、代表性和一致性三方面對比昌北機場周邊的南昌站、新建站和永修站3個國家氣象站,并對永修站和機場站2016—2019年逐時氣溫進行相關分析,選擇永修站作為參證氣象站。在分析機場站與永修站實測年極端氣溫特征的基礎上,構建了機場站1956—2019年長年代年極端氣溫序列。

(2)采用極值Ⅰ型和皮爾遜Ⅲ型分布分別對參證站(永修站)實測序列和機場站構建序列進行擬合和參數(shù)計算,結果表明:2種模型對相同重現(xiàn)期的溫度擬合結果不一致,差異在0.1～1.1 ℃。對年極端最高氣溫的擬合,2個序列均以皮爾遜Ⅲ型分布的效果更好;對年極端最低氣溫的擬合,2個序列均以極值Ⅰ型分布的效果更好。

(3)綜合考慮參證站實測序列和機場站構建序列的樣本特征,結合2種模型的擬合優(yōu)度,以皮爾遜Ⅲ型分布擬合參證站實測年極端最高氣溫序列的結果作為昌北機場不同重現(xiàn)期年極端最高氣溫的推算值,極值Ⅰ型分布擬合機場站構建年極端最低氣溫序列的結果作為昌北機場不同重現(xiàn)期年極端最低氣溫的推算值。昌北機場10、30、50和100 a重現(xiàn)期的年極端最高氣溫分別是39.6、40.5、40.9和41.4 ℃,年極端最低氣溫分別是-9.5、-12.0、-13.1和-14.6 ℃。

氣候概率分布模式往往是由實測資料所得頻率分布(樣本分布)在足夠長時間所測得的大樣本資料條件下的一種(極限)理論分布。對于特定序列的極端氣溫的擬合,不同概率分布模型的適應性和擬合效果存在差異,本文及文獻[17-18]關于陜西和廣西等地極端氣溫重現(xiàn)期的研究均體現(xiàn)了這一特點,這與特定極值序列的樣本分布特征有密切關系。另外,未來的氣候極值是一種不穩(wěn)定的、難以預報的復雜隨機變量,加之全球變暖、極端天氣氣候事件多發(fā)、頻發(fā)的新常態(tài),對于某地(或建設項目)氣候要素極值的推算,在準確選取參證氣象站的同時,應該充分考慮當?shù)氐膶崪y資料。