大足區霧的天氣特征分析及預報方法研究

韋憲容

【摘要】：本文通過分析大足區霧的天氣特征和預報方法，對于大足區霧的不同參數進行了研究。將大足區關于霧的觀測資料作為主要的依舊，利用人工神經網絡對于大足區的霧進行了預報實驗研究。具體結果表明了大足區在一段時間以來，發生霧這種天氣現象的總體日數是逐年下降的趨勢。與此同時，濃霧的天數逐漸下降，這有可能與城市發展和空氣污染等現象有一定的關系。另外輻射霧大部分具有逆溫的穩定結構。本文利用人工神經網絡模型對于重慶市區的霧進行了預報，其本身的預報準確率比較高，而且學習性也比較強，預報能力值得肯定。通過對于本文的研究，希望能夠給業界帶來一定的參考價值。

【關鍵詞】：大足區；霧；天氣特征；預報方法

重慶市作為中國的“霧都”而聞名，重慶市本身的地形地貌加上云霧繚繞的天氣，形成了獨特的山城景觀，大足區是重慶西部最易出現霧的地區，霧也給大足區的人們帶來了一定的負面影響，比如濃霧造成的堵車和機場航班取消的情況也比比皆是。霧本身是一種天氣狀況，但是一定情況下也可能給人們的生命安全和財產安全帶來一定的威脅。酸霧的出現成為影響人們正常生活的一大難題。對于霧的研究和相關的預報手段已經成為人們必須引起重視的問題，下面筆者將從幾個角度來分析大足區霧的天氣特征和預報方法。

1、 研究背景分析

從上個世紀九十年代以來，我國的學者對于霧的研究腳步就從來沒有停止過，尤其是對于霧的形成原因、各種參數的研究和數值的模擬活動等都有了一定的成果。結果發現，霧這種自然天氣現象實際上越來越受到人類活動的影響，與空氣質量和自然環境有必不可分的關系。另外當前對于霧的預報工作來說還有一定的難度。當前隨著人工神經網絡的發展，其在氣象學界的應用也越來越頻繁。人工神經網絡本身有強大的理論基礎作為支撐，有較高的學習能力。與其他的預報方法相比，有其自身的優勢，錯誤率也更低。通常情況下，對于霧的預報，人工神經網絡要首先參考這個地區的往年歷史報告，經過復雜的計算和預測過程，所以通過人工神經網絡方式得到的預測數據會體現當地的特色，受到當地具體情況的影響。在全國范圍內，湖州等地區曾經使用之一預測方式來預測霧的形成時間和形成程度，實施證明，有一定的成效。本文將從一段時間以來大足區的霧相關觀測數據出發，作為本文研究的基礎，使用人工神經網絡的方式進行霧的預報實驗。利用人工神經網絡的方式對于大足區的霧進行預測，會考慮其環境的因素和霧的演變情況等等。

2、 霧的天氣特征分析

2.1重慶大足區霧的類型

大足區位于東經105°28′—106°02′，北緯29°23′—29°52′，處于四川盆地東部和重慶市西部交接地帶。大足境內地勢由西北向東南傾斜，東南邊緣翹起，中部及東北部寬緩，最高點在巴岳山南段云臺寺山峰，海拔934.7米，最低點在雍溪玉峽河堤，海拔267.5米，大足的氣候屬亞熱帶溫暖濕潤季風氣候。以上氣候類型造成了大足地區的霧相對其他地區來說比較多。另外丘陵地形的晝夜溫差比較大，所以當空氣冷卻到露點溫度的時候，大足城區兩山一河流的地理環境，造成了這個地區的霧天比較多，80%的霧屬于輻射霧。

與此同時，大足區的發展速度在最近幾年比較快。城市的發展勢必會帶來能源的消耗，汽車尾氣、工廠廢氣和燃料燃燒的氣體排放到空氣當中，對于霧的產生也形成了一定的影響。

2.2中、低空大氣層結特征

在低層比較穩定的大氣層，會有利于水汽在近地層堆積并通過輻射降溫凝結成霧。霧有的時候從地面開始生成，也有的霧在離地面幾十米和幾百米的地方開始生成。另外，輻射霧形成階段溫度隨高度先是超絕熱遞減，霧層中上部為逆溫。發展階段霧底層超絕熱遞減，中上部近似等溫，逆溫層移到霧頂。此后的成熟階段，霧層內溫度逐漸服從濕絕熱遞減率。

2.3濕度

對于霧的濕度，一般來說，在近地層的初始濕度越大，霧形成的時間會更早，濃度也會更大。在霧形成的時候，地面的溫度露點差一般會低于2攝氏度，相對濕度會超過百分之九十。霧層的內部濕度會隨著高度的升高而逐漸變小，并且在升高到一定高度的時候，相對濕度會越來越小，遞減的速度比較快。這是因為霧本身頂部的逆溫蓋現象，其穩定層結阻礙了水汽的垂直輸送。另外霧層內相對濕度的分布還存在震蕩現象。

在霧的形成和持續過程中，地面的濕度越高，在高空的濕度則會變低，高空開始變得比較干燥。在大氣層上部比較干燥，下部比較濕潤的情況下，很容易出現大霧天氣。

3、 重慶市大足區霧的預報方法研究

3.1給予人工神經網絡模型的預報方式

在對于大足區霧的預報方法進行模擬與實驗之前，先要篩選相關的診斷因子，因為這一篩選過程對于人工神經網絡的工作有重要的基礎支撐作用。但是實際上并不是越多的診斷因子其結果就越準確，需要采取一定的方式來選擇合適的診斷因子，選擇與霧的相關系數比較高的參數。其中對于數據的數據處理需要對其本身的基本物理特征進行分析與研究。通過相關的實驗可以得知，對樣本數據的技術處理， 明顯增強了模式對霧的分辨能力。人工神經網絡模型的建立，BP 算法神經網絡實際上是采用了優化計算中的梯度下降法， 應用誤差反傳原理不斷調整網絡權值，使網絡輸出值與期望值之間的誤差平方和達到最小。

3.2基于MM5模式的預報方式

研究表明，利用MM5模式輸出產品制作大霧預報是可行的。從大足區大霧預報方法看，首先我們用地面和高空天氣圖對大霧的形成進行天氣學分型，找出各型預報大霧的因子和判別指標，建立起天氣學概念模型，初步判別大足區次日有無大霧。如果無霧則預報次日無霧。如果有霧，我們再將進行08時500hPa、700hPa、850hPa3層曲面擬合物理量計算，結合本站地面實況資料，運用MM5預報產品，用統計-動力學方法建立12-24小時大足區客觀定性大霧的預報方程作大霧的預報。

4、 討論分析

一段時間以來，重慶大足區發生霧這種天氣現象次數呈現逐年減少的趨勢。這一現象與大氣污染和城市人類活動有密切的關聯。另外發展成熟的輻射霧一般情況下都有逆溫結構。其次是霧的預報難度是比較大，所以在相關的預測過程中，可以通過人工神經網絡來建立霧的預測模式。

【參考文獻】：

[1]何立富，李峰，李澤椿.華北平原一次持續性大霧過程的動力和熱力特征[J].應用氣象學報. 2006（02）

[2]董劍希，雷恒池，胡朝霞，肖穩安，張曉慶.北京及其周邊地區一次大霧的數值模擬及診斷分析[J].氣候與環境研究. 2006（02）

[3]李法然，周之栩，陳衛鋒，朱紅，陳世春.湖州市大霧天氣的成因分析及預報研究[J].應用氣象學報. 2005（06）endprint