一種統(tǒng)計技術結合動力釋用的沿海海霧預報方法

胡波，杜惠良，郝世峰，俞燎霓，滕代高

（浙江省氣象臺，浙江杭州310017）

1 引言

浙江地理位置優(yōu)越，東臨東海，毗鄰臺灣海峽和日本海域，對內是江海聯(lián)運樞紐，對外是遠東國際航線要沖，隨著外貿經濟的快速發(fā)展，浙江已將海洋開發(fā)上升為國家戰(zhàn)略。春夏之交，東海大霧頻發(fā)，其持續(xù)時間可達數天之久,影響范圍至數十萬平方公里，對浙江沿海航運、海上貿易等造成不利影響，迫切需要氣象部門開展專門的海上大霧精細化預報技術，為區(qū)域經濟發(fā)展保駕護航。

針對大霧發(fā)生發(fā)展規(guī)律的研究工作已經得到了廣泛開展，預報員往往基于天氣學原理，查找與大霧關聯(lián)的宏觀因子（如溫、濕、風、層結穩(wěn)定度等要素），利用回歸等方法開展預報[1-4]，這些預報方法沒有考慮大霧微物理過程，結果不能滿足精細化預報需要。大量觀測事實表明，大霧能見度與微觀因子直接關聯(lián)性，如屈鳳秋[5]等對一次華南海霧過程分別從宏觀和微觀角度對大霧機理進行剖析，李曉娜等[6]則對海霧中的液態(tài)含水量演變特征進行探討，這些研究均闡述了大霧的微觀特征。一些研究利用微觀因子建立了大氣能見度經驗預報模型，如Stoelinga 等[7]利用液態(tài)含水量來估算大氣消光系數，從而獲得大氣能見度，該預報模型被后來的數值預報工作普遍采用，并在實際業(yè)務中使用[8]，該方法只使用了一個微觀特征量，預報效果還有進一步提高的空間；Gultepe 等[9]根據觀測事實又提出了一種新的能見度估算方法，方法使用了液態(tài)水含量和云滴粒子密度作為模型因子，對比試驗表明，其估算的能見度準確率較以往方法提高了20%—50%，但由于云滴粒子密度參數在數值模式中還不能直接輸出，如果采用固定值則不能反映大霧的地域特征，則預報效果受到了限制，因此直接在業(yè)務中應用還有一定難度，本文通過結合數值模式輸出和歷史相似個例分析的方法，提出一種基于經驗相似原理的動態(tài)云滴粒子密度計算方案，在模式參數化水平不斷提高的前提下，使Gultepe等提出的基于微物理因子的能見度預報方法投入實時業(yè)務應用成為可能。

2 方法

2.1 近地面要素相似

本文根據鐘元等[10]提出的相似預報方法，對近地面要素場進行相似比較，首先，為了避免不同要素的數據量級不一致可能導致的問題，需預先對各站觀測要素時間序列進行標準化處理，某個要素處理后的數據時間序列表示為xt，數值預報數據記為f ，兩者距離Dt(f,x)表示為：

為了對多個要素場的相似結果進行綜合評估，需對各要素的Dt(f,x)進行評分。首先確定相似距離最大值Max(Dt(f,x)) 與最小值Min(Dt(f,x))，并將極差進行N 等分處理：

歷史個例與界限值C 的絕對距離表示為：

由此定義某要素i 的相似指數SIt為：

式中,a 為評分放大系數，其值越大就越能有效的拉大相似個例之間的評分，a 取為1.3。最后多個要素場的綜合相似指數SITt為：

式中,I 為要素總數，t 為歷史個例時次。

2.2 Gultepe能見度估算業(yè)務化方法

2.2.1 Gultepe能見度參數化方法

2007年Gultepe 等[9]提出了針對氣溫在0℃以上、相對濕度接近100%的暖霧能見度的參數化估算方案，該方案將能見度作為液態(tài)水含量和云滴粒子數密度兩者的函數，公式表示為：

Visobs為能見度，LWC 液態(tài)水含量，Nd為云滴粒子數密度，可見，能見度與液態(tài)水含量和云滴粒子數密度呈反比，指出在海洋的環(huán)境下Nd可以固定為100 cmˉ3，在陸地的環(huán)境下可以固定為200 cmˉ3，并進一步說明這些固定的Nd值并不總是有效的，不能完全反映各地的區(qū)域特征。

2.2.2 LWC 和Nd計算

液態(tài)水含量參數可以直接利用WRF 模式輸出的物理量進行計算，見公式8—10。

式中，QVAPOR 為水汽含量，QCLOUD 為云水含量，PRES 為氣壓，TC 為氣溫，tv 為虛溫，ρ 為大氣密度，LWC 為最終得到的液態(tài)水含量。

由于云滴粒子數密度在云參數化方案中沒有考慮，故數值模式還不能實現(xiàn)直接輸出，本文考慮使用歷史經驗統(tǒng)計的方法加以解決。對于沿海海霧來說，影響云滴粒子數的因子主要包括人類活動造成的氣溶膠顆粒物和海面上的微細鹽粒等吸濕性微粒，這兩者均有典型的地域特征。

首先根據多要素的綜合相似指SITt確定相似歷史個例，然后根據（7）式的反推運算得到云滴粒子數密度（Nd），見公式（11）：

式中：

式中，VisObs為相似個例的能見度，然后根據（7）式計算預報能見度。

2.2.3 實驗方案

為了充分利用有限的歷史數據庫信息，采用因子循環(huán)方式查找相似個例，即對每個歷史個例均進行輪流試報，在試報某個個例時，其余個例均作為歷史相似查找?guī)欤瑩Q另外個例試報時，前一個試報個例將重新進入歷史相似查找?guī)欤瑥亩畲笙薅劝l(fā)揮了歷史個例數據庫的信息。

2.2.4 評估方案

為了對Gultepe 業(yè)務預報結果進行簡單有效評估，本文對計算結果進行了分類，分為總的報對站次，包括有霧和無霧的個例、單獨大霧報對站次以及大霧誤報和漏報的站次，并得到了大霧報對準確率和有無大霧預報準確率。

另外，為了與其他能見度預報方法比較，本文計算了目前數值研究工作普遍采用的Stoelinga等[7]的能見度預報結果，其根據消光系數來計算大氣的水平能見度：

式中，Vis 是水平能見度, β 為消光系數。根據Kunkel[11]研究，云水消光系數β 可采用的經驗公式為:

式中，LWC 為液態(tài)水含量，計算見公式（10）。

3 業(yè)務預報流程

詳細的預報模型流程見圖1，首先利用近地面要素數值預報資料計算液態(tài)水含量（LWC），然后結合根據歷史站點資料，計算歷史個例的綜合相似指數，得到最佳歷史相似個例，從而得到歷史相似個例的云滴粒子數密度（Nd），最后利用Gultepe 能見度估算公式得到能見度預報。

4 計算數據

本文利用由浙江省信息網絡中心提供的浙江沿海海島14 個氣象站資料，要素包括能見度、相對濕度、比濕、風、水汽壓、飽和水汽壓、溫度露點差，時間跨度選為2010—2013年的3—6月,時次選擇為11 時和23 時，其地理分布見圖2。此外總體上來看，歷史沿海海霧個例相對較少，為了更好的判斷模式大霧預報效果，選取站點個例的能見度在5000 m以下,得到304站次個例。

為了比較好的評估模型預報效果，考慮到模式啟動后需要點時間對云水參數化方案進行融合，因此使用WRF模式3 h輸出作為試驗使用的近地面要素場數據，從而盡可能保障預報數據穩(wěn)定性，資料的時間跨度為2010—2013年的3—6月，模式起報時次為08時和20時，空間分辨率為5 km×5 km。最后利用雙線性插值法將模式輸出插值到浙江沿海海島氣象站點上。

5 實驗結果

對所有歷史個例都進行了循環(huán)試報，結果見表1，可見Gultepe 方法無論是從有無大霧的預報準確率，還是大霧報對次數均比Stoelinga 方法表現(xiàn)要好，有無大霧準確率從71%（216/304）提高到79%（243/304），大霧報對準確率也從61%（136/224）提高到73%（167/228）。說明Gultepe 方法同時考慮LWC 和Nd參數的計算方法優(yōu)于僅考慮LWC 參數的Stoelinga方法，Gultepe方法在微物理解釋更加符合大霧實際發(fā)生規(guī)律。結果也同時說明了基于經驗相似統(tǒng)計技術和模式輸出的Gultepe 能見度預報方法有較好的實際業(yè)務應用價值。

圖1 基于經驗相似統(tǒng)計技術和模式輸出的Gultepe能見度預報業(yè)務系統(tǒng)框圖

圖2 浙江省沿海海面大霧試驗站點分布

表1 Stoelinga方法和Gultepe方法大霧預報準確率對比

6 結論和討論

已有的研究結果表明，同時考慮大氣中的液態(tài)水含量和云滴粒子數密度兩個參數的Gultepe 大霧估算方法具有優(yōu)勢，但由于其所涉及的參數還不能直接從現(xiàn)有模式中提取，因此在實際業(yè)務中應用存在困難。本文提出了一種利用歷史相似個例查詢技術，結合WRF 模式輸出釋用的Gultepe 沿海大霧預報方法，實現(xiàn)LWC 和Nd參數的業(yè)務計算。

通過對2011—2013年的3—6月的浙江沿海海霧歷史個例進行試報，并同Stoelinga預報方法的結果進行對比分析，結果表明，恰當的結合統(tǒng)計方法和動力模式輸出可以一定程度上可以克服目前數值模式不成熟的缺陷，得到較準確的大氣微物理參數，使Gultepe 方法在實際業(yè)務中應用存在可能，提高了WRF 模式大霧預報的釋用水平。同時也再次證明了同時考慮LWC 和Nd參數的Gultepe 方法優(yōu)于僅考慮LWC 參數的Stoelinga方法。

[1]黃輝軍,黃健,劉春霞,等.用GRAPES模式輸出變量因子作廣東沿海海霧預報[J].熱帶氣象學報,2010,(1):31-39.

[2]吳洪,柳崇健,邵潔,等.北京地區(qū)大霧形成的分析和預報[J].應用氣象學報,2000,11(1):123-127.

[3]郝家學, 張洪衛(wèi), 張經珍, 等. 東營市秋冬季大霧客觀預報系統(tǒng)[J].山東氣象,2000,20(79):55-57.

[4]任正理, 張冬梅. 輻射災害霧的分析與預報[J]. 河南氣象, 2005(1):14-16.

[5]屈鳳秋,劉壽東,易燕明,等.一次華南海霧過程的觀測分析[J].熱帶氣象學報,2008,24(5):490-496.

[6]李曉娜,黃健,申雙和,等.一次高壓型海霧中的液態(tài)含水量演變特征[J].熱帶氣象學報,2010,26(1):79-85.

[7]Stoelinga M T, Warner T T. Nonhydrost et al. mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event[J].J Appl Meteor,1999,38:385-404.

[8]傅剛, 李曉嵐, 魏娜. 大氣能見度研究[J]. 中國海洋大學學報,2009,39(5):855-862.

[9]Gultepe I, Mller M D, Boybeyi Z. A new warm fog parameterization scheme for numerical weather prediction models[J].J Appl Meteor,2006a,45:1469-1480.

[10]鐘元,潘勁松,朱紅,等.一種臺風過程雨量的相似預報方法[J].熱帶氣象學報,2009,25(6):681-191.

[11]Kunkel B A. Parameterization of droplet terminal velocity and extinct ion coefficient in fog models[J]. J Climate Appl Meteor,1984,23:34-41.