太平機場春季偏南大風統計定量預報

劉昌澤，任正理

(1.民航黑龍江空管分局氣象臺，黑龍江 哈爾濱 150079；2.民航黑河機場集團公司，黑龍江黑河164300)

太平機場春季偏南大風統計定量預報

劉昌澤1，任正理2

(1.民航黑龍江空管分局氣象臺，黑龍江 哈爾濱 150079；2.民航黑河機場集團公司，黑龍江黑河164300)

∶春季經常因大風給飛機起飛著陸造成嚴重影響,所以準確預報出風速大小對保障飛行安全非常重要。本文根據多年實踐經驗，利用哈爾濱太平機場6 a的氣象歷史資料，通過逐步回歸法建立春季偏南大風風速的線性回歸預報方程，對哈爾濱太平機場春季偏南大風做出客觀、定量、快速的預報，為預報員在實際工作中預報春季偏南大風提供了重要參考。

大風；逐步回歸法；定量預報

1 引言

春季，黑龍江地區經常出現偏南大風，根據哈爾濱太平機場氣候志統計顯示，春季大風日數占全年大風日數的67.9%。多大風是由春季黑龍江地區的冷暖空氣相對活躍，暖空氣勢力逐漸增強，東北低壓頻繁出沒造成的。偏南大風分兩種形式：西南大風和東南大風，對應的氣壓場為南高北低和東高西低。根據多年的實踐工作經驗發現，風速大小和某些氣象要素間有很好的線性關系，因此，通過統計分析，可以用逐步回歸法建立起對風速的線性回歸預報方程，對風速做出快速的定量預報，為預報員在日常工作中預報風速提供參考。

2 資料的選取

本文將最大平均風速達到8 m/s和最大陣風達到13 m/s的偏南風定義為偏南大風。利用2003-2008年3-5月共18個月的風資料，共有119 d出現偏南大風，獲得119個樣本。

3 最大平均風速的預報

3.1 預報對象——最大平均風速

最大平均風速是指當日所有觀測時次的風中，平均風速的最大值（本文取兩個觀測時次風速最大值的平均值）。

3.2 預報因子

依據天氣學原理[1]和實際工作經驗，春季偏南大風風速大小主要受下列因素的影響:(1)地面氣壓梯度；(2)上下層空氣動量傳遞：本站上空低層大氣的平均風速，本文選850 hPa為參考層，本站上空低層大氣（850 hPa）的低空急流，如無急流則用本站附近的最大風速代替；（3）低壓發展狀況：本站氣壓場過去3 h的氣壓變量；（4）本站風速初始場：本站和風來向上游3個指標站05時風速；（5）影響本站風的低壓深度；（6）暖區暖平流強度。依據這些基本氣象要素，設置以下8個預報因子和7個預報組合因子，且預報因子處理成與預報對象同量級，其值在0～30；同位象，預報因子越大則風速越大。

X1:氣壓梯度，X1=5［(P外-P中)/A經距］(P外：低壓最外層氣壓，P中：低壓中心氣壓，A經距:氣壓中心到最外層的經度);X2:V本850(本站20時850 hPa上的風速);X3:VM850(本站20時850 hPa上的低空急流平均最大風速，取急流上5個最大風速平均值);X4:V05(本站05時觀測風速);X5:V標05(本站風來向3個指標站05 時風速平均值);X6:ΔP=(P外-P中)+（1002.5-P中）(反映氣旋深度);X7:ΔP3*(-5)(低壓中心到最外圍3個最大3 h變壓平均值);X8:ΔT=T暖區-T槽(20時850 hPa槽前暖區最高溫度與槽區最低溫度的差值);X9=(X1+X2)/2;X10=(X1+X2+X3)/3;X11=(X1+X2+X3+X4)/4;X12=(X1+X2+X3+X4+X5)/5;X13=(X1+X2+X3+X4+X5+X6)/6;X14=(X1+X2+X3+X4+X5+X6+X7)/7;X15=(X1+X2+X3+X4+X5+X6+X7+X8)/8。

3.3 最大平均風速預報方程的建立

3.3.1 預報對象數列

取最大平均風速為預報對象Y，樣本容量n為119，得預報對象數列 Y1，Y2，……Y119。

3.3.2 預報因子數列

根據當日氣象資料，計算出 X1，X2，……X119，各預報因子的119次對應值，得預報因子數列：

從而構成預報因子與預報對象的119次一一對應關系。

3.3.3 信度的確定

取信度α=0.05，Fα=1.85作為衡量每個預報因子方差貢獻是否顯著的統計量F檢驗標準[2]。

3.3.4 方程的建立

應用最小二乘法數學原理，用逐步回歸法選擇方差貢獻能達到顯著標準的因子，去掉方差貢獻不能達到顯著標準、因新因子引進而方差貢獻達不到顯著標準的因子，計算被引進方程的各因子的系數及常數，解得回歸方程：Y=0.675X4+0.314X5+0.071X7+0.028X8+0.134X11+1.007，復相關系數 C=0.81，剩余方差QY=1.55，該方程已通過統計量檢驗，故稱最優預報方程。

3.4 最大平均風速回歸方程的效果檢驗

3.4.1 效果檢驗

利用最大平均風速預報方程對2009-2010年3-5月出現在哈爾濱太平機場的偏南大風做模擬預報，檢驗結果見表1和表2。

3.4.2 模擬預報結果分析

表1 2009年最大平均風速回歸預報檢驗統計表

表2 2010年最大平均風速回歸預報檢驗統計表

預報值取到小數點后一位，允許誤差±2 m/s，模擬結果：錯報4次，準確22次，準確率84.6%。

4 最大陣風預報

4.1 預報對象——最大陣風

最大陣風是指當日所有觀測時次風中陣風風速最大值。若無陣風出現，則取當日所有觀測時次風中最大平均風速+3 m/s代替。

4.2 方程的建立

仍用上文的15個預報因子和119次偏南大風實例，取信度α=0.05，Fα=1.8作為衡量每個預報因子方差貢獻是否顯著的統計量F檢驗標準。同理得到最大陣風回歸預報方程為YM=0.176X1+0.937X4+0.668X5+0.104X7+3.188

復相關系數C=0.76，剩余方差QY=2.65，該方程已通過統計量檢驗，故稱最優預報方程。

4.3 最大陣風回歸方程的效果檢驗

4.3.1 效果檢驗

利用最大陣風回歸方程對2009-2010年3-5月出現的偏南大風做模擬預報，結果如表3和表4。

表3 最大陣風回歸預報檢驗統計表

表4 最大陣風回歸預報檢驗統計表

4.3.2 模擬預報結果分析

預報值取到小數點后一位，允許誤差20%，模擬預報結果是：錯報7次，準確預報19次，預報準確率73.1%。從預報準確率看，最大陣風的模擬預報結果準確性不夠高，達不到民航總局空管局對氣象預報準確率78%的要求。這也說明陣風大小受地形及繞動氣流和亂流的影響更明顯，與這些基本氣象要素線性相關較差。

5 小結

兩個回歸方程模式的建立，其依據來源于2003-2008年共6 a的春季偏南大風實例，應用最小二乘法數學原理，建立起最大平均風速及最大陣風的線性回歸預報方程，實現了哈爾濱太平機場春季偏南大風客觀定量預報，為預報員在實際工作中預報春季偏南大風提供了重要參考依據，同時也為傳統的經驗預報向客觀定量預報模式過渡做了鋪墊。模式通過連機，通過人機對話和計算機實現對初始數據的快速讀入，預報結果具有快速、客觀、定量的優點，能更好滿足日益發展的航空飛行需要。

[1]朱乾根，林錦瑞，壽紹文，等.天氣學原理方法[M].北京：氣象出版社，2000:248-252.

[2]屠其璞,王俊德,丁裕國，等.氣象應用概率統計學[M].北京:氣象出版社,1984.

P457.5

A

1002-252X(2012)02-0019-02

2012-2-1

劉昌澤（1965-），男，四川省中江縣人，成都氣象學院，本科生，高級工程師.