中國霧的業務預報和應用

章國材

（中國氣象局，北京 100081）

中國霧的業務預報和應用

章國材

（中國氣象局，北京 100081）

回顧了我國霧業務預報發展的三個階段（經驗預報、主客觀相結合的霧預報和精細霧監測預報）的情況及進展，并指出霧預報的發展方向是建立包含先進資料同化系統的高分辨率區域模式系統，在近期仍然需要發展數值預報產品解釋應用技術，預報員的經驗在提高對大霧這種災害性天氣的預報準確率方面仍然有用武之地。

中國，霧，預報

0　引言

濃霧是一種發生在近地面層的災害性天氣現象，嚴重的視程障礙威脅著城市道路系統、高速公路、航空港和海港航道等的安全。隨著我國國民經濟的快速發展，現代化交通工具在我國日益普及，高速公路、機場、航道對能見度的依賴日趨突出。世界航空史上曾發生過飛機在大霧中滑行相撞而造成嚴重后果的事故。霧對公路交通的影響是個很復雜的問題，因為車輛制動后滑行的距離與車速、車重及路面等許多因素有關，在一條公路行駛的車輛種類繁多，只要有一輛車出事故，就可能造成全路交通中斷。有霧時如能見度低于200m，高速公路應實行限速管制；能見度低于50m，則司機分辨不清車距而易發生汽車追尾事故，高速公路應當關閉。近年來高速公路的惡性交通事故時有發生，嚴重的甚至造成數十甚至百余輛汽車追尾相撞，人員傷亡的慘劇。因此，對濃霧等低能見度天氣的監測預報已經成為當前氣象預報的重要課題。

我國霧的業務預報大約經歷了經驗預報、主客觀相結合的霧預報以及精細化霧監測預報三個階段。本文重點回顧了中國霧業務預報的歷程和取得的進展，對未來霧預報也做了一些展望。

1　經驗預報

在沒有數值天氣預報的時代，預報員主要根據天氣學原理，依靠天氣圖及輔助圖表的分析和預報經驗做霧的預報。由于觀測資料的限制，這個階段預報員只可能開展輻射霧、鋒面霧和平流霧的預報，不可能開展由局地環境引起的霧（蒸發霧、上坡霧等）的預報。

輻射霧主要是因為夜間地面輻射冷卻，當近地表的氣溫降低到露點或露點以下達到飽和，水汽凝結而形成霧。預報員根據輻射霧的形成原理，尋找有利于輻射降溫的天氣形勢，例如高壓楔、高壓帶、高壓中心、高壓后部等高壓系統，弱氣壓場，低壓系統等，分析地面水汽、風、變溫、變壓、穩定度等氣象條件；在冬半年，當地面濕度較大和微風時，天空晴朗，夜晚由于輻射降溫，通常預報第二天早晨會出現霧。

平流霧是暖濕空氣移到較冷的陸地或水面時，因下部空氣冷卻而達到飽和，水汽凝結而形成的。因此，預報員通常關注有利于平流霧形成的三種天氣形勢：入海變性高壓的西部、太平洋高壓西部以及氣旋和低槽的東部。在這三種地面形勢下，著重分析近地面層的溫濕和亂流條件，比較本站和上游站的天氣要素，依靠經驗做出霧的預報。

鋒面霧則根據預報區未來24h為鋒前或鋒后（暖鋒前后發生概率更大），當預報地面風速較小，濕度較大，近地層接近飽和并伴有逆溫層時，則預報有霧。

最常見的海霧是由于暖空氣平流到冷海面上形成的，因此，關注海面溫度和暖空氣向海面的輸送是海霧預報的著眼點。

在這個階段，無論是天氣形勢預報還是氣象要素預報都是依靠預報員的經驗外推得到的，因此這個階段一般只能做24h內霧的定性預報，霧的預報準確率較低，在預報中很難區分輕霧和濃霧，更無法預報不同能見度的霧。且只有國家基本氣象站有霧的24h人工觀測，一般氣象站只在白天進行霧的人工觀測，因此，這個階段霧預報的空間分辨率也很低。

2　主客觀相結合的霧預報

20世紀80-90年代，由于我國高速公路和機場的快速發展，對提高霧預報準確率提出了迫切的需求，全國各級氣象臺站大大加強了霧預報的統計研究工作。在許多省20世紀90年代出版的天氣預報手冊中都可以看到大霧預報的方法，其基本思路是：根據歷史大霧觀測記錄，統計分析大霧生成的氣候概況和天氣形勢，研究大霧發生的氣象條件，計算分析大霧形成前各種物理量場的分布，提出各種預報大霧的方法。與此同時，由于經費的限制，這個階段尚沒有能力大規模建設高速公路氣象監測系統，因此不能開展精細的霧預報。

2.1霧生成條件的研究和客觀預報方法的建立

濃霧的形成涉及到四個基本因素：水汽、降溫、風和凝結核。在這個階段，預報員仍然不考慮凝結核問題，而是先驗地認為凝結核的條件總是被滿足的。很多人研究了霧生成的氣象條件[1-3]。第一，對于水汽條件，很顯然濃霧只有在相對濕度大的條件下才能形成，前期根據氣象站霧和相對濕度觀測資料的統計分析，認為地面相對濕度至少≥80%才有可能形成霧[2]；后來根據外場試驗精細的觀測數據分析進一步得出結論，出現霧時極端最小相對濕度是91%[4-5]。第二，只有當氣溫降低到露點或露點以下，空氣達到飽和凝結條件時才能形成霧，因此降溫預報是預報員需要考慮的第二個因素。第三，風速對霧的形成也有一定影響。如果沒有風，就不會使上、下層空氣發生交換，冷卻效應只發生在貼近地面的氣層中，只能生成一層薄薄的淺霧。如風太大，上下層空氣交換很快，流動也大，氣溫不易降低很多，則難以達到水汽過飽和狀態。統計表明：輻射霧和平流霧的地面風速分別以1～3和3～6m/s為宜。第四，925與1000hPa這一較薄氣層穩定或弱不穩定有利于霧的形成，Δθse值在-2～6℃為宜。由此，各級氣象臺站發展了霧預報的指標法[1-2]，例如，張德山等[3]通過分析影響首都機場高速公路能見度的6種典型地面天氣形勢場，確定將大氣穩定度、低層水汽含量和低空大氣中懸浮顆粒物3個基本氣象要素作為預報因子，得出各月的日能見度預報指標，制作首都高速公路（不分區段）能見度等級（5個等級：≥10km、4～9km、2～4km、1～2km、＜1km）24h預報，凡首都高速公路出現與預報相同等級的能見度則評定為準確，2000—2001年預報準確率為70%左右。

海洋平流冷卻霧是由于暖濕氣流輸送到冷水面上，低層空氣溫度下降至露點而成霧，因此，適宜成霧的海面條件主要包括一定的海表面水溫(Tw)，適宜的海氣溫差（Tw-Ta）。王彬華[6]給出了平流冷卻霧成霧的海氣溫差范圍為-3℃≤（Tw-Ta）≤-0.5℃，而最高海水溫界限為Tw≤25℃。以后許多作者根據新的資料統計了當地海霧發生的海洋—大氣界面熱力學條件，這些統計結果一般都沒有突破文獻[6]的范圍，但要比文獻[6]更具體。適宜的風向和風速將暖濕氣流向冷水面輸送是海霧產生的重要條件，海霧出現時的具體風向、風速，因不同海區和地形而有差異。

隨著20世紀80年代初我國數值天氣預報業務的建立，特別是數值天氣形勢預報質量超過預報員的經驗外推預報之后，霧預報進入基于數值天氣分析預報的新階段。無論是客觀預報方法還是主觀預報，可以用于霧預報的產品不僅有實況觀測資料，而且還有上述霧生成氣象條件的數值預報產品，除此之外，還有更豐富的與霧生成有關的其他物理量產品，例如垂直速度、散度、渦度、混合層高度、穩定度參數及垂直交換系數等產品。因此，各種數值預報產品解釋應用的方法應運而生：1）完全預報（perfect prediction，PP）方法[7-8]，這種統計模型是使用歷史資料建模，而實際預報時，預報因子的值僅來自數值預報模式輸出產品，這種方法的準確率不僅取決于用歷史資料建立的統計模型的準確性，還取決于數值模式氣象要素預報的準確度。2）模式輸出統計（model output statistics，MOS）法[9-13]，這種預報方法的預報因子來自數值預報產品、氣象觀測數據以及氣候數據。建模和預報都使用數值預報產品，在建模時已考慮了數值預報的誤差和不確定性。因此，模式輸出統計法可看作是用觀測值不斷糾正模式輸出結果誤差的過程。3）基于支持向量機（support vector machine，SVM）方法[14-15]是一種以統計學習理論為基礎的非線性小樣本學習方法，SVM的最終決策函數只由少數的支持向量所確定，計算的復雜性取決于支持向量的數目，而不是樣本空間的維數，非常適于處理非線性物理問題。4）神經元網絡方法[16-19]是指由大量類似于生物神經細胞的處理單元（神經元）相互連接而成的，具有一定智能功能的網絡。根據神經元在網絡中的連接方式、學習方式和信息傳遞方向的不同而衍生出不同的網絡類型。氣象上經常采用的網絡類型是應用最為廣泛的基于誤差反向傳播（error back propagation，BP）學習算法的人工神經網絡。例如，王雷等[17]選取1980—1992年蕪湖機場氣象臺地面觀測資料，包括風向、風速、能見度、天氣現象、溫度、露點溫度、相對濕度、水汽壓、本站氣壓和海平面氣壓共10項。還采用了蕪湖鄰近的南京、安慶、上海和杭州站同時段的地面氣象資料。利用BP人工神經網絡方法制作蕪湖機場霧的預報，用1991—1992年的資料進行蕪湖機場霧的試報，霧日報對次數為55，漏報次數為4，空報次數109，命中率為33.5%，空報率為66.59%，漏報率為6.8%，臨界成功指數為32.7%。需要指出的是，無論是MOS、SVM還是神經元網方法等統計方法，當數值預報模式升級時，都需要使用新的數值預報產品重新建模；而且對不同的氣候區都需要建立不同的統計模型，工作量大，這是統計預報的一大缺點。

2.2霧數值模式的研發

這個階段我國也研發了一維霧模式。一維霧模式最基本的假設是熱力學變量在水平方向上具有均一性，因此，霧的演變主要由大氣輻射場、湍流混合以及地表的水汽和熱量通量驅動，不考慮水平平流或大尺度沉降等動力過程。周斌斌[20]在Brown等的霧模式的基礎上做了改進，考慮了風溫廓線隨時間的變化，湍流交換系數由風溫廓線計算，分析了輻射霧的形成過程。尹球等[21-22]對輻射過程、微物理過程和大氣湍流交換過程進行了適當的參數化處理，建立了一個一維輻射霧數值模式，并用于霧整個生消過程的模擬。

李子華[23]系統回顧了我國二維和三維霧模式的研發歷程，指出：20世紀80年代末和90年代初，中國開始研究二維輻射霧模式，模式包括大氣長波輻射冷卻、地表能量收支、液態水重力沉降等影響霧的形成和發展的主要因子，并采用了一個高度變換坐標系，有效而簡便地將長江兩岸的復雜地形引入模式。接著在對重慶霧綜合觀測試驗之后，又發展了復雜地形二維非定常霧模式，以實測資料為初始場，研究了一次重慶霧的形成和發展過程，對江河、城市熱島、重慶地形，以及長波輻射冷卻等對霧的影響分別做了模擬試驗，得到一些符合觀測事實的結論。其中城市熱島對霧的影響有二重性：一方面熱島環流可以增強市中心與長江之間的氣流輻合上升，把水汽從低層帶入高層，有利于霧的垂直發展；另一方面，城市的高溫又不利于霧的形成，這一重要結論可以解釋重慶霧為什么隨著城市發展而逐漸減少，有霧時霧頂很高，霧層很厚等問題。由于重慶霧分布不均勻，具有明顯的三維結構特征，且地形復雜而又不對稱，二維模式具有明顯的不足。由此發展了復雜地形上霧的三維數值模式。用這個模式模擬重慶的山地、河流和城市熱島而引起的局地環流，模擬冬季一次霧的生消過程、空間分布特征與實況接近。后來利用這個模式對西雙版納地區的輻射霧研究也獲得成功。但是這些霧數值模式都沒有應用于霧的業務預報。

3　精細霧的監測和預報

21世紀，我國高速公路氣象監測系統的建設大大促進了霧的精細監測和預報業務的發展。表現在以下幾個方面。

3.1霧形成條件的精細分析

霧形成條件的精細分析是霧精細監測預報的基礎。高速公路精細的能見度觀測系統為霧形成條件的精細分析提供了基礎資料。根據南京交通氣象研究所[4]的統計，出現霧時，極端最小相對濕度是91%，也就是說相對濕度至少要達到90%以上，才能使霧穩定存在。濃霧形成前最大相對濕度為93%～98%的幾率達94.6%。他們還分析了局地“團霧”的生成條件：1）1.5h降溫幅度可達1℃，且隨能見度波動而波動；2）風速在0.8m/s以上，甚至達到2.0～2.4m/s，兩者都比成片霧大。

馮民學等[5]經眾多濃霧形成的物理過程的歷史樣本分析研究后，得出滬寧高速公路有利于近地層成霧的條件為：

1）具有維持晴空、微風的低層均壓場和高層高壓脊（有暖平流）的大尺度天氣形勢。

2）具有穩定的大氣層結，貼近地面和低空存在逆溫層。逆溫層的平均強度：?T/?H=（1.5～2.5）℃/100gpm。逆溫層愈厚愈強則霧愈濃。

3）具有良好的晴空長波輻射條件。輻射降溫率在02-04時（1.0～1.8）℃/h最有利于霧的形成。且近地層空氣凈輻射處于負值時間愈長愈有利于輻射霧的形成。

4）風的脈動作用。經研究分析，風的脈動有利于霧滴的增長而使能見度降低。因為能見度（式中，ni為第i組的霧滴數，ri為第i組的霧滴半徑），能見度距離與霧滴的數量和霧滴的半徑的平方成反比。在風的作用下，因碰并形成霧滴半徑的變異，而使大霧滴迅速形成和增多，造成能見度急劇下降。從近兩年的濃霧監測中也證實了2min平均風速在0.4～1.8m/s時最有利于霧的形成。

張利娜等[24]通過對首都國際機場高速公路21個月中能見度最低月資料的分析表明，大氣能見度與濕度間呈明顯的冪指數分布關系，其與氣溫呈U型相關。但在月平均能見度最大月，能見度則與濕度呈指數關系。200m以下的低能見度基本上是濕度在100%的情況下發生的，即都是大霧天氣影響的直接結果，但對200m以上的低能見度則不同，200～1000m能見度只有一半是因為霧，而1～4km的能見度中不到1/3是因為霧，其他主要是由灰霾、沙塵暴等天氣現象造成。從物理上來看，大氣能見度與濕度的關系，主要通過水汽分子的瑞利散射和霧的米氏散射兩個方面來表現；風速則是由于壓力阻力卷起大氣氣溶膠來影響大氣能見度的。

吳兌等[25]分析南嶺山區濃霧發生同時段內的周邊區域的探空觀測資料，發現形成濃霧的大氣結構的主要或關鍵性特征有：1）近地面至925hPa（約900m）高度，大氣層結呈中性狀態，而925hPa以上高度層結為穩定狀態；2）從地面至400或300hPa，大氣相對濕度較大，接近準飽和狀態；3）風速的垂直分布為：①700hPa以下為偏西北或偏北風，其上為西南風；②700hPa以下為偏西南或偏南或偏東南風，500hPa以上為偏西南風，而700和500hPa上為偏西北風。低層的風速一般都在16m/s以下。若大氣運動的結構同時滿足以上3點特征，則南嶺山區一定有濃霧。在此基礎上，建立了南嶺山地霧的結構預測方法。將能見度（V）分為5個等級（V≥1000m，500m≤V＜1000m，200m≤V＜500m，50m≤V＜200m，V＜50m），規定預測能見度等級與實測等級一致，得100分；預測的能見度等級與實測等級相差一級，得50分；預測能見度等級與實測等級相差兩級或以上，得0分。則2003年12月、2004年1—3月和2004年11月南嶺山區能見度預報準確率為81.1%。

這些研究成果不僅豐富了霧客觀預報的氣象因子，也成為霧業務預報的重要指導。

針對氣溶膠對霧的形成與發展的作用也進行了一些研究。施曉暉等[26]指出：北京及周邊地區冬季霧日數和氣溶膠光學厚度則呈正相關，并具有“同位相”的年際變化趨勢。石春娥等[27]在三維霧模式中，對增加氣溶膠粒子與不考慮氣溶膠兩種情況下霧的形成與發展過程進行了研究，結果表明：氣溶膠粒子的存在，由于其溫度效應的存在，使地面霧形成時間推遲，低層霧含水量普遍減小；適量的氣溶膠粒子有利于重慶霧向高處發展，當氣溶膠粒子成倍增加后，對霧的形成與發展有阻礙作用。但是，在霧預報中如何考慮氣溶膠濃度的影響，還沒有得到可以應用的成果。

3.2霧精細化監測和臨近預報

3.2.1霧的監測

進入21世紀，霧的監測業務大大加強。一是國家氣象站全部安裝了自動化能見度觀測設備，實現了每分鐘能見度的自動觀測，觀測精度達到米級。二是高速公路安裝了大量能見度的觀測設備。滬寧高速公路、京津唐高速公路、沈大高速公路、成渝高速公路和京珠高速公路粵境北段都安裝了比較密集的能見度觀測設備[4,28-29]。南京交通氣象研究所[4]根據滬寧高速公路多年霧的觀測研究，提出了高速公路霧監測的布點方案：1）在濃霧多發的山地、水汽和冷空氣容易積聚的低谷、易發團霧的河網地區，監測站的密度要大一些，間距3～5km為宜。2）在季節性濃霧多發地區，監測站間距以10km左右為宜。3）在低能見度濃霧偶發地區，監測站間距可增大到20～50km。三是建立了衛星反演霧的業務。國家氣象站能見度觀測是“點”觀測，高速公路能見度觀測也僅是“線”觀測，實現能見度“面”觀測的手段只有氣象衛星，用氣象衛星反演和監測霧已有很多研究成果[30-33]，國家衛星氣象中心在研究成果的基礎上，既用靜止氣象衛星（風云二號、MTSET），也用極軌氣象衛星（風云三號、NOAA極軌衛星）反演霧，通過中國氣象局廣播系統（CMACAST）分發霧衛星監測產品，各級臺站都能實時接收到這些產品。

海洋霧的監測主要依靠氣象衛星。由于霧的高度接近或貼近地面，所以它們的溫度和周圍環境場的溫度十分接近，在紅外衛星云圖中很難被識別，而在可見光云圖上由于其反照率與周圍環境場存在較大的差別，霧區較容易辨認，但是無法識別云下的海霧。20世紀90年代以來，通過衛星觀測定量反演霧形態以及水平能見度的工作逐步開展，Minnis等[34]提出了使用光學厚度定量反演霧頂高度的經驗方法。Heidinger等[35]對此方法進行了修正。Bendix[36]和Bendix等[37]使用可見光反照率資料建立了反演光學厚度的方法。朱小祥等[38]采用F1-D多通道綜合判別海霧，能夠確定圖像上每個像素點上是否有霧，監測產品的空間分辨率可達0.01°×0.01°。但是，當上空有云層覆蓋時，無法識別云層覆蓋下的近海面的霧。

3.2.2 霧的臨近預報

以往對濃霧的形成，尤其是低能見度濃霧的形成，由于缺少觀測資料，很難做到“定時”。只能在有利于形成霧的天氣背景下，從經驗和成霧要素指標分析，預報“凌晨”或“下半夜起”有無濃霧（僅指能見度小于1000m），不可能預報濃霧的起始時間和變化。有了每分鐘的能見度觀測資料，我們對濃霧形成的突發性以及波動性有了新的認識。馮民學等[5]根據高速公路氣象監測站的連續自動監測資料指出：水平能見度的變化并不是一個漸變的過程，監測到的能見度從1000m以上降至100 m以下，一般為25～30min，但有時只有5～10min。能見度的演變也不一定是穩定下降或穩定上升，而可能是反復在1～2km和100～200m波動，這種波動時段少則40min～1h，最長一次達165min。可以根據環境溫、濕度條件和霧的波動特征做出霧的臨近預報。但是，以上霧的變化特征與局地環境關系很大，需要逐地進行分析。

李永平等[39]將氣象衛星云圖霧監測和中尺度數值預報產品相結合制作大霧臨近預報，其基本思路是：應用云霧光譜特征和結構特征進行霧區的動態檢測和提取，利用地面自動氣象站資料，分析霧區變化與多氣象要素的關系，然后利用經修正的中尺度數值天氣預報模式輸出的氣象要素產品，對衛星遙感霧區進行0～2h預報，對2009和2010年1—4月的多霧季節的大霧過程應用統計結果表明，該方法對大霧臨近預報具有一定的效果。

3.3霧短期預報

目前霧短期預報有統計預報、數值預報和預報員在此基礎上的業務預報三種。

3.3.1統計預報

數值預報產品的統計釋用方法在霧預報業務中得到廣泛應用。王在文等[14]發展了基于SVM的霧精細化預報方法。在MM5 V3模式3km預報范圍內，選取預報站點（北京市五元橋）周圍4個網格點上975，925，850，500和200hPa的u，v，T，H，RH，CLW（云水）以及PSEA，RT（RC+RNC）共128個數值天氣預報因子，以及預報當天預報初始時刻的10m風向和風速、24h累計降水、本站氣壓、3h變壓和總云量共6個實況因子，經歸一化處理后的因子值形成符合SVM方法所需要的固定樣本集（2006年春季182個理想樣本)，對3～48h各預報時次（3，6，9，12，…，48h）進行建模，用2007年春季五元橋能見度觀測資料進行預報檢驗，40%的大氣能見度等級預報與觀測一致，90%以上預報的等級偏差在一級之內（含等級相同)，在未來3～48h各種預報時效，大氣能見度等級預報效果穩定。

3.3.2數值預報

我國在2000年以后開始較多地使用中尺度模式進行霧的模擬研究[40-43]，取得了許多成果，認為好的中尺度數值模式（例如WRF）可以較好模擬霧的生成條件，但也存在不少問題，并揭示出模式物理過程和初始資料對霧預報的敏感性。但是，目前業務數值預報模式的直接輸出產品中都沒有霧的產品，提供業務使用的霧客觀預報產品都是數值天氣預報解釋應用產品。雖然中國氣象科學研究院的CUACE模式、北京市氣象局的BREMPS模式、廣東省氣象局的CMAQ模式和上海市氣象局的大氣化學模式都在業務運行，并根據氣象能見度距離與消光系數反比關系（Koschmieder能見度公式）和模式預報的氣溶膠的質量濃度，預報能見度，但是并非真正的霧預報。

我國對海霧的數值模擬開展較晚[44-50]，主要使用區域模式（如MM5、RAMS、COAMPS、WRF和GRAPES等）對霧的三維結構以及霧對能見度的影響進行了一系列研究，并對其機制進行了探討。但是，對各種物理因素，如平流、輻射、湍流和SST等如何相互作用，如何影響海霧的水平和垂直發展，以及海霧和陸地輻射霧相比有什么異同，不同海霧之間的異同，仍然缺乏深入和全面的認識。

國家氣象中心基于PSU/NCAR的WRF模式2.2版本，優選模式微物理過程和邊界層方案，采用Stoelinga能見度計算方程[51]，建立了黃渤海海霧數值預報系統[52]。選取2007年3—6月的海上大霧（能見度小于lkm）進行數值預報回算試驗，利用沿海站點能見度的大霧觀測資料進行點對點檢驗（數值預報的格點能見度預報用雙線性內插法內插到沿海站點上），正確率達到80%，說明此海霧數值預報系統對海上大霧有較好的預報能力。

3.3.3業務預報

預報員的霧預報思路主要采取從大（天氣背景場）到小（所在地域范圍），從遠到近的跟蹤判斷預報法。短期霧預報既有落區預報也有單點（例如機場）預報，霧的臨近預報業務主要在機場、高速公路和大城市開展。

目前國家氣象中心每日08和20時提供2次24h全國霧的落區預報。省和省以下業務單位在上級指導產品的基礎上，制作轄區內短期霧的預報產品。霧短期預報流程：預報員分析實時能見度觀測資料、成霧的天氣形勢和數值預報解釋應用產品→分析數值預報產品中有關霧生成的氣象要素誤差并訂正之→做出霧的落區預報。

霧臨近預報只在省級及以下業務單位開展。霧臨近預報流程：分析跟蹤每小時衛星云圖→根據自動監測系統的能見度、溫濕度和風向風速的演變規律→做出濃霧變化的臨近預報。

3.4高速公路霧監測預警服務系統

21世紀，我國已經在多條高速公路上建立了霧監測預警系統[4,28-29]，而且已經成為霧業務預報的重要組成部分，為高速公路的管理、減少交通事故發揮了重要作用。高速公路霧監測預警服務系統主要由環境氣象自動監測系統、通信傳輸系統、霧預報系統、運營決策管理支持系統和信息發布系統等組成。

高速公路自動環境氣象監測系統按3.2節指出的布局原則建設能見度、溫度、濕度和風等觀測設備，實現每分鐘霧的監測。各類環境氣象要素監測資料利用公網的GPRS（通用分組無線業務）及時傳送到監控中心。根據3.1節獲得的知識，利用現代化氣象裝備（氣象衛星云圖、氣象雷達、各類氣象地面及探空觀測站、高速公路沿線布設的環境氣象監測站）和氣象信息綜合分析處理系統（MICAPS），建立高速公路低能見度監測預警、預報模型。在滬寧高速公路的霧季，每年10月—次年4月，監測預報人員實行24h值班，如判斷午夜后有小于500m的大霧，即在22時發布第一次預警。以后提前1h預測能見度小于200m出現的大致時間，當能見度小于200m時，判斷未來能見度變化趨勢（維持、加濃、減弱、消散），做出濃霧變化的臨近預報，特別是提前預測能見度大于200 m的濃霧消散時段，以便及時恢復公路的正常運行，發揮最大的社會經濟效益。高速公路運營管理決策支持系統包括高速公路沿線布設的環境氣象監測站的實時監測信息、全省和全國的各類氣象信息、高速公路低能見度預報系統制作的預警和預報產品、高速公路路況信息以及交通運營管理規則等。本系統是實現智能交通管理的一個重要子系統，目的是為高速公路提供氣象保障信息，并結合公路運營規則，供指揮調度人員制定運營決策提供依據，實現高速公路的科學安全運行。

4　展望

進入21世紀，霧的監測和預報雖然取得了較大進展，但是對霧的時間、空間和量級精細化預報能力和準確率仍然不足，與保障交通安全和提高效益的需求存在明顯差距。

由于霧發生、發展過程的復雜性，對不同時間和空間尺度上霧過程的不完全理解，仍存在不少認識上的必然王國，是制約霧準確預報的重要因素。盡管一維霧模式具有詳細的霧物理過程，其與中尺度數值模式的耦合在一定程度上提高了霧的預報能力，在霧的定量預報中已經展示出一定的優勢[53-54]。然而，一維霧模式動力方面明顯不足，它需要非常準確的初始和邊界條件。在實際應用中常與三維中尺度模式配合，由中尺度模式提供這些條件。三維霧模式也只是為研究霧而設計的，沒有考慮大尺度環境因素對霧的生成和消散的影響，因此只有研究價值。目前通常還是用常規的三維中尺度模式來進行霧的模擬和預報。常用的中尺度模式有目前流行的WRF模式和我囯自主研發的GRAPES-meso模式。目前中尺度業務模式的地面溫、濕度都存在偏差（Bias），在很多情況下霧不能從中尺度模式中產生。這時怎樣預報霧，對不完美的中尺度業務模式來說是一種挑戰。Zhou等[55]用“Rulebased”的方法在模式后處理器中進行霧的再診斷是一種嘗試。該方法盡管不能預報霧的強度，但對霧是否發生的預報比通常用的中尺度模式（如WRF）有明顯的提高。

在中尺度數值模式中，有關霧的微物理過程、湍流過程、輻射過程、邊界層結構等的合理描述，對霧的預報至關重要。例如，湍流和輻射過程對霧的形成、發展和消亡具有非常重要的影響，但這些過程具有很大的不確定性，由于模式物理參數化過程的不確定性，模擬有時會得到與觀測完全相反的結果[53]。因此，要更好地進行物理參數化，發展精細化的數值預報系統，需要不同條件下大霧的細致觀測，需要加強關于湍流作用、大氣與復雜下墊面相互作用的基礎研究。

初始條件的準確性在很大程度上會影響模式的預報效果[54,56]，提高模式初始條件的質量對于準確預報霧的形成和演變具有重要的意義。資料同化技術的研究和新數據源的應用可以提供更好的初始條件，從而使得霧的預報更準確。但是，關于霧的資料同化研究還非常少。Wang等[57]，應用三維資料同化方法利用從多功能傳輸衛星（MTSAT）的紅外和可見云圖反演得到的相對濕度分布對WRF模式的初始場進行訂正，表明可以改善黃海海霧的臨近預報。隨著觀測資料的不斷豐富，采用先進的資料同化技術獲得精確的模式初值將是大霧預報中一項迫切任務。

由于霧的數值預報對初值和物理過程都很敏感，因此，發展多初值和多物理過程的霧的集合預報系統很有必要[55,58]。Zhou等[55]的研究表明集合預報技術的應用對霧的可預報性確實有明顯的提高。

即使未來建立了包含先進資料同化系統的高分辨率區域模式，但是數值預報誤差仍然存在，因此仍然需要發展數值預報產品解釋應用技術和集合預報系統。與此同時，預報員的經驗在提高大霧這種災害性天氣的預報準確率方面仍然有用武之地。

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

［2］毛冬艷， 楊貴名. 華北平原霧發生的氣象條件. 氣象， 2006， 32（1）：78-83.

［3］張德山， 魏建明， 陳廷良， 等. 首都機場高速公路能見度預報方法.氣象科技， 2002（6）：358-361.

［4］田小毅， 吳建軍， 嚴明良， 等. 高速公路低能見度濃霧監測預報中的幾點新進展. 氣象科學， 2009， 29（3）： 414-420.

［5］馮民學， 顧松山， 卞光輝. 高速公路濃霧監測預警系統. 中國公路學報， 2004， 17（3）： 92-97.

［6］王彬華. 海霧. 北京： 海洋出版社， 1983.

［7］趙玉廣， 李江波， 康錫言. 用PP方法做河北省霧的分縣預報. 氣象，2004， 30（6）： 43-47.

［8］孔璐， 劉承光. 氣象數據管理與共享技術研究//第七屆長三角科技論壇能源分論壇——長三角氣象科技論壇論文集， 2010： 405-408.［9］郭秀英， 糜若夫. 華南沿海春季海霧與天氣型關系的統計分析及預報. 廣東氣象， 1991， 13（1）：25-27.

［10］胡基福， 郭可彩， 鄢利農. 應用模式輸出統計作海霧出現判別預報. 青島海洋大學學報， 1996（4）：53-59.

［11］李法然， 周之栩， 陳衛鋒， 等. 湖州市大霧天氣的成因分析及預報研究. 應用氣象學報， 2005， 16（6）：794-803.

［12］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. 熱帶氣象學報，2010， 26（1）： 31-39.

［13］賀皓， 姜創業， 徐旭然. 利用MM5模式輸出產品制作霧的客觀預報. 氣象， 2002， 28（9）：41-43.

［14］王在文， 張朝林， 蘇晨，等. 基于非線性支持向量機的大氣能見度等級預報方法研究// 能見度預報經驗交流研討會暨青年科技工作者論壇. 2009.

［15］賀皓， 羅慧. 基于支持向量機模式識別的大霧預報方法. 氣象科技， 2009， 37（2）： 149-151.

［16］梅玨. 人工神經元網絡在輻射霧預報中的應用. 應用氣象學報，1999， 10（4）： 511-512.

［17］王雷， 黃培強. 利用人工神經網絡預報蕪湖的霧. 氣象科學，2001， 21（2）： 200-205.

［18］袁志康， 張韌， 周樹道， 等. 基于人工神經網絡算法的某機場霧的模式識別預報. 解放軍理工大學學報（自然科學版）， 2002， 3（4）： 82-86.

［19］王彥磊， 曹炳偉， 黃兵， 等. 基于神經網絡的單站霧預報試驗. 應用氣象學報， 2010， 21（1）：110-114.

［20］周斌斌. 輻射霧的數值模擬. 氣象學報， 1987， 45（1）： 21-29.

［21］尹球， 許紹祖. 輻射霧生消的數值研究（Ⅰ）： 數值模式. 氣象學報，1993， 51（3）： 351-360.

［22］尹球， 許紹祖. 輻射霧生消的數值研究（Ⅱ）： 生消機制. 氣象學報，1994， 52（1）： 60-67.

［23］李子華. 中國近40年來霧的研究. 氣象學報， 2001， 39（5）： 616-624.［24］張利娜， 張朝林， 王必正， 等. 北京高速公路大氣能見度演變特征及其物理分析. 大氣科學， 2008， 32（6）： 1229-1240.

［25］吳兌， 鄧雪嬌， 游積平， 等. 南嶺山地高速公路霧區能見度預報系統. 熱帶氣象學報， 2006， 22（5）： 417-422.

［26］施曉暉， 徐祥德. 北京及周邊氣溶膠區域影響與大霧相關特征的研究進展. 地球物理學報， 2012， 55（10）： 3230-3239.

［27］石春娥， 姚克亞， 馬力. 氣溶膠粒子對城市霧影響的模擬研究. 氣候與環境研究， 2001， 6（4）： 485-492.

［28］張金滿， 趙娜， 馬翠平， 等. 基于GIS技術的智能化交通氣象服務系統的開發研制. 山東氣象， 2014， 34（1）： 68-73.

［29］黎穎智， 鄧英姿， 劉世學， 等. 廣西高速公路霧預報系統設計與實現. 氣象研究與應用， 2013， 34（3）： 43-46.

［30］李亞春， 孫涵， 徐萌. 衛星遙感在大霧生消動態監測中的應用. 災害學， 2001， 16（1）： 45-49.

［31］張順謙， 楊秀蓉. 基于神經網絡和分形紋理的夜間濃霧遙感監測技術. 應用氣象學報， 2005，16（6）：804-810.

［32］樊建勇， 黃玲， 祝必琴， 等. NOAA/AVHRR遙感數據在夜間霧監測中的應用. 江西農業大學學報，2011， 33（1）： 189-193.

［33］周小珂， 嚴衛， 白衡， 等. 基于DMSP/OLS數據的夜間低云大霧監測技術研究. 遙感信息， 2012， 27（6）： 86-90.

［34］Minnis P， Heck P W， Young D F， et al. Stratocumulus cloud properties derived from simultaneous satellite andisland-based instrumentation during FIRE. J Appl Meteor， 1992， 31（4）： 317-339.

［35］Heidinger A K， Stephens G L. Molecular line absorption in a scattering atmosphere. Part II： Application to remote sensing in the O2 A band. J Atmos Sci， 2000， 57（10）：1615-1634.

［36］Bendix J. A case study on the determination of fog optical depth and liquid water path using AVHRR data and relations to fog liquid water content and horizontal visibility. Int J Remote Sens，1995， 16（3）： 515-530.

［37］Bendix J， Thies B， Cermak J， et al. Ground fog detection from space based on MODIS daytime data-a feasibility study. Wea Forecasting， 2005， 20（6）： 989-1005.

［38］朱小祥， 吳曉京， 李三妹. 海霧判識條件. 中國氣象局海洋氣象預報警報項目技術報告. 北京： 國家衛星氣象中心， 2007.

［39］李永平， 劉曉波， 葛偉強， 等. 一種基于衛星遙感和數值預報產品的霧預報方法. 應用氣象學報， 2012， 23（3）： 340-347.

［40］董劍希， 雷恒池， 胡朝霞， 等. 北京及其周邊地區一次大霧的數值模擬及診斷分析. 氣候與環境研究， 2006， 11（2）： 175-184.

［41］梁愛民， 張慶紅， 劉開宇， 等. 華北地區一次大霧過程的三維變分同化試驗. 氣象學報， 2007， 65（5）： 792-804.

［42］梁愛民， 張慶紅， 劉開宇， 等. 華北地區一次大霧過程的三維變分同化試驗. 氣象學報， 2007， 65（5）： 792-804.

［43］劉漢衛， 潘曉濱， 臧增亮， 等. 華東地區一次輻射霧的數值模擬分析. 干旱氣象， 2011， 29（2）： 174-181.

［44］ 傅剛， 張濤， 周文琇. 一次黃海海霧的三維數值模擬研究. 青島海洋大學學報（自然科學版）， 2002， 32（6）： 859-867.

［45］傅剛， 王菁茜， 張美根， 等. 一次黃海海霧事件的觀測與數值模擬研究： 以2004年4月11日為例. 中國海洋大學學報（自然科學版），2004， 34（5）： 720-726.

［46］ 胡瑞金， 董克慧， 周發琇. 海霧生成過程中平流、湍流和輻射效應的數值試驗. 海洋科學進展， 2006， 24（2）： 156-165.

［47］Fu G， Guo J， Xie S P， et al. Analysis and high-resolution modeling of a dense sea fog event over the Yellow Sea. Atmospheric Research， 2006， 81（4）： 293-303.

［48］Fu G， Guo J， Angeline P， et al. An Analysis and modeling study of a sea fog event over the Yellow and Bohai Sea. J Ocean Univ Chin，2008，7（1）： 27-34.

［49］Gao S， Lin H， Shen B， et al. A heavy sea fog event over the Yellow Sea in March 2005： Analysis and numerical modeling. Adv Atmos Sci， 2007， 24（1）： 65-81.

［50］Gao S， Wei W U， Zhu L， et al. Detection of nighttime sea fog/ stratus over the Huanghai Sea using MTSAT-1R IRdata. Acta Oceanologica Sinica， 2009， 28（2）：23-35.

［51］Stoelinga M T， Warner T T. Nonhydrostatic， mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event. J Appl Meteor， 1999， 38（4）： 385-404.

［52］黃彬， 陳濤， 陳炯， 等. 黃渤海海霧數值預報系統及檢驗方法研究. 氣象科技， 2009， 37（3）： 271-275.

［53］Gultepe I. Fog and boundary layer clouds： introduction. Pure Appl Geophys， 2007， 164（6/7）：1115-1116.

［54］Stolaki S， Pytharoulis I， Karacostas T. A study of fog characteristics using a coupled WRF-COBEL modelover Thessaloniki Airport，Greece. Pure Appl Geophys， 2012（5）： 961-981.

［55］Zhou B， Du J. Fog prediction from a multimodel mesoscale ensemble prediction system. Wea Forecasting， 2010， 25（1）： 303-322.

［56］Shi C E， Wang L， Zhang H， et al. Fog simulations based on multi-model system： a feasibility study. Pure Appl Geophys，2012，169（5/6）： 941-960.

［57］Wang Y， Gao S， Fu G， et al. Assimilating MTSAT-derived humidity in now-forecasting sea fog over the Yellow Sea. Wea Forecasting， 2014， 29（2）： 205-225.

［58］Niu S J， Lu C S， Yu H Y， et al. Fog research in China： an overview. Adv Atmos Sci， 2010， 27（3）： 639-662.

The Progress of Fog Forecast Operation in China

Zhang Guocai
（China Meteorological Administration， Beijing 100081）

This paper recalls the situation and progress of fog forecasting operation in China. Three stages are experienced: the experiential forecast stage， the subjective forecast combined with the objective prediction stage， and the fne fog monitoring and forecasting stage. It points out that the developmental direction of fog forecast is to establish a regional mode in high resolution system containing advanced data assimilation. At present, it still needs to be developed the explained application method to the numerical prediction products. The experiences of forecasters still play an important role on improving the forecasts of some disastrously heavy fog events.

China, fog, forecast

10.3969/j.issn.2095-1973.2016.02.004

2015年1月14日，

2015年4月20日

作者：章國材（1945—），Email: zhanggc@cma.gov.cn