道路結冰的溫度預報方法研究進展

胡繼超， 林子靜， 成 添

(南京信息工程大學氣象災害預報預警與評估協同創新中心,江蘇省農業氣象重點實驗室,南京 210044)

道路結冰后濕滑對城市道路和高速公路交通安全構成威脅,會影響人們正常出行并增加交通事故發生概率而導致巨大的經濟損失,因此被中國氣象局列為第一批發布預警信號的突發氣象災害之一[1]。路面能否結冰與地表溫度變化密切相關,隨著中國社會經濟的迅速發展,高速公路建設發展迅猛[2],截至2018年底,總通車里程已突破14萬公里,迫切需要提高路面溫度的精準預報能力和道路管控預警服務。因此,考慮道路下墊面狀況的改變,研制微小尺度范圍溫度精細化預報一直是待攻克的難題和研究熱點。準確預報路面溫度變化,可提供及時的交通氣象服務信息,為道路維護(如除雪、撒鹽融冰融雪等)和實施交通管制提供可靠決策信息依據,促進對冰凍天氣的快速響應和及時處置,對保障交通出行安全、減少交通事故發生和引起的財產損失具有重要意義。

影響路面溫度變化的因素很多。除去季節差異,可以概括為以下三方面:地理條件、天氣條件、下墊面狀況等[3-4]。地理條件主要包括緯度、海拔高度和地形條件(山坡的坡向、坡度、地形形態),其對溫度的影響是確定的。就溫度的日變化預報而言,易受天氣條件[5](風速、天空云況)和下墊面狀況變化的影響,其中以下墊面狀況改變(表面材料、干濕狀況的時空異質性)的影響最為復雜[6],從而增加了溫度預報的難度。盡管如此,隨著氣象觀測自動化的發展,溫度觀測的時空密度增加,為提高溫度預報精細預報的水平提供了條件和可能。關于溫度預報方法的研究已有大量報道。基于此，將溫度預報方法分類,分別綜述其近年來的研究進展。

1 道路溫度預報方法

1.1 應用統計方法建立的溫度預測模型

利用多元統計方法預報路面溫度是比較常用的方法之一。該類方法基于歷史數據建立地表溫度與其他氣象因子(氣溫、太陽輻射、總云量、低云量、露點溫度、能見度和相對濕度等)以及其他相關要素之間的關系,從而達到預報地表溫度的目的,此類方法優點是模型簡單、參數和資料易于獲取、便于工程應用,主要缺點在于模型缺乏機理性,影響預報準確性,不易推廣。

此外,統計方法在確定路面溫度預報模型中的局地地理(地形、開闊度、土地利用等)和路面建筑材質(熱擴散率、反射率)參數時具有重要作用[3,15]。Marchetti等[16-17]應用主成分分析法研究路面特征和下墊面形態性質來分析其對地表溫度的影響。

1.2 利用數值方法的預報模型

該類方法是以數值天氣預報模式為基礎,利用MOS方法加上滾動訂正進行網格預報,它基于數值天氣預報模式背景場和站點預報的溫濕度等要素網格預報技術,應用精細化地理信息訂正處理,得到降尺度過程中預報要素的局地化值[18],該方法較早的報道見Sass[19-20]的研究。基于Grapes數值模型預測,羅聰等[21]利用卡爾曼濾波方法做初步溫度預報,然后將模式統計輸出方法應用于卡爾曼濾波結果,得到逐時滾動溫度預報,最后通過站點網格映射方法將站點預測誤差反饋到最匹配的網格點,以實現精細的逐時滾動溫度預測(seamless hourly updated forecast for temperature,SHUF)。王秋云等[22]利用中尺度天氣預報模式(the weather research and forecasting model,WRF)模式結合路面參數方案對滬寧高速公路的一次高溫過程進行了對比模擬分析。該方法是將數值天氣預報的溫度精細化預報方法應用到路面溫度預報上，其優點是可以提供宏觀氣象要素預報場,特別是有平流引起的大范圍內溫度變化時,該方法能起到非常重要的作用。但也存在不足:無法考慮道路局地下墊面特性的精細溫度變化差異(如微小尺度地形、地表粗糙度、路橋建筑變化等引起的溫度變化差異),格點的精細溫度預報值與實際路面溫度仍存在明顯可提高的誤差。因此,采用上述兩種途徑提高路面溫度預報能力的關鍵在于：一是提高采取集合預報方法提高路面溫度數值產品的預報準確性[23]；二是融合更多的實時路面監測信息訂正數值預報產品[24-27]。Bouris等[24]將路面熱影像與數值天氣預報模型得到的路面預報結合起來進行分析。

1.3 基于地表能量平衡法的溫度預測模型

目前,基于地表能量平衡法的溫度預測模型是高速公路溫度預報使用最多的方法,它利用高速公路沿線交通氣象站的觀測數據,其溫度場算法以路面輻射能量平衡為基礎并同化各種有效的參量,此類方法優點是模型有較強機理性,但是模型中需要確定的參數和變量較多[28-31],系統計算復雜。目前歐美國家使用的道路結冰預報模型多偏向于此類方法。

2001年,加拿大科學家就研發出一種高速公路路面溫度的預測模型(model of the environment and temperature of roads,METRo)[32],模型使用道路氣象觀測站資料以全球環境多尺度數值預報模型(geospace environmental modeling,GEM)的產生氣象預報信息得到初始和邊界條件。METRo能考慮路面液體和固體形式的道路積水,應用路面能量平衡和道路材料的熱傳導公式,計算出溫度變化。到達道路表面的輻射通量可以在自動模式下從GEM模型獲取,或者在手動模式下運行時參數化為云層和溫度的函數。METRo由三個模塊組成:路面的能量平衡(中心部分)，道路材料的導熱模塊,以及處理道路上積水、積雪和積冰的模塊。這里主要介紹路面的能量平衡模塊:

Rn=(1-αs)Q+εI-εσT4-H-LE±LfP+A

(1)

式(1)中:Rn是太陽的凈輻射通量；Q是入射太陽輻射通量；αs是路面反照率；ε是史蒂芬-玻爾茲曼常數；εI是入射的紅外輻射通量；Ts是道路溫度；H是感熱通量；LE是潛熱通量；Lf是水的融化熱；P是降水速率；A是人為熱通量。該模型系統在較多的國家和地區進行了推廣應用[33-34]。

Bouilloud等[35-36]設計了適用于整個法國的路面溫度預報模型(ISBA-Route/crocus耦合模型),它依靠短期氣象預報和路面氣象要素的長期模擬,利用空間化氣象數據提供初始條件。使用來自綜合實驗場的氣象數據在實驗現場對路面狀況(路面溫度和道路上積雪)進行預測。其能量平衡方程為

Fadv+Fsol)+G

(2)

式(2)中：Ct是路面層的熱容量；Pt表示時間步長內積雪的存在時間比例；Fcond是雪與道路之間的熱傳導通量；Fadv是積雪徑流的熱平流通量；Fsol是積雪底部的太陽輻射通量；G土壤熱通量。相比加拿大的METRo模型,該模型考慮了積雪層,但沒有考慮人為熱排放影響,更適用于積雪存在的情況。

劉熙明等[37]應用能量平衡公式[式(3)]計算水泥路面溫度,綜合考慮大氣與地面之間的長波輻射、太陽短波輻射、感熱和潛熱之間的能量平衡關系,并考慮水汽、氣溶膠、浮塵以及云等多種要素對太陽短波輻射的吸收和散射,建立了一種較實用的路面溫度預報模型。

G(t)=(1-αs)S↓+L↑-L↓-H-LE

(3)

式(3)中：S↓為太陽短波輻射；L↑-L↓為凈長波輻射。

驗證表明該模型在晴好天氣溫度預報精度較高,但當出現陰雨天時,結果仍有待提高。

Feng等[38]根據路表能量平衡,建立了高速公路路面溫度預測模式,并將預測結果與路面氣象站的實測值進行了對比。

針對道路交通下墊面的特點,2017年，Meng[39]利用高速公路氣象監測站數據以及北京市精細下墊面數據,以通用陸面模式(common land model,CoLM)為基礎,開發了適用于城市街道以及公路路面的路面參數數值預報模型BJ-ROME。模型采用由BJ-RUC產生的氣象強迫場驅動,其預報時間跨度可達到24 h,做到3 h更新。

BJ-ROME基于路面模式CoLM構建。其能量平衡方程可表示如下：

(4)

驗證結果表明,BJ-ROME可以模擬路面溫度的日變化,特別是在晴空條件下。對于下雨的情況,如果道路水深不為0,則可以將路面視為淺湖,簡化CoLM中的湖泊模型以計算道路水溫,模型可以很好地模擬水澇時間。如果考慮人工除水,也可以模擬道路水深。對于雪情,BJ-ROME可以很好地模擬積雪時間。如果考慮人工除雪,BJ-ROME也可以很好地模擬積雪的深度。敏感性分析結果表明,太陽輻射校正系數,瀝青深度和瀝青熱導率是RIT模擬的重要參數。

應用能量平衡法,計算得到儲熱通量后,路面溫度采用強迫恢復法計算。該方法是由Bhumralkar[40]首先提出,并由Lin[41]和Dickinson[42]改進和發展的計算表面溫度的經驗方法。溫度變化計算公式為

(5)

劉冬韡等[43-44]利用該方法計算了上海市城市地表溫度的分布,考慮了城市下墊面覆蓋類型變化對地表溫度的影響。馮蕾等[18]以數值天氣預報結果為氣象強迫場,驅動路面溫度預報模型METRo,對江蘇省高速公路夏季路面高溫進行了預報試驗,較常規業務預報方法提高了溫度預報的精細水平。

1.4 基于GIS的地溫預測模型

GIS能考慮路面狀況的空間差異性,將GIS與相關溫度預報模型結合進行地表溫度預報,能提高路面溫度預報進度,從20世紀90年代就將GIS技術應用到路面溫度的研究,且不斷深入[45-52]。Chapman等[46]將基本空間數據集與測量技術的協同作用相結合,以產生驅動道路天氣預報模型的空間分量的地理參數數據庫。通過測量和建模諸如高度、土地利用、道路建設和天空視野因子之類的地理參數,可以將道路冰預測系統的預先存在的組件聯合起來以提供動態道路冰預測系統。

為了改進道路天氣系統(road weather information systems，RWIS)模型,伯明翰大學于2005年綜合地理信息學、計算機處理能力,通信和互聯網的最新發展成果,開發出新一代道路天氣信息系統(neXt generation road weather information systems,XRWIS)[47],系統利用經緯度、海拔高度、天空視角因子、每隔20～200 m(取決于地形)的地理數據庫、熱圖殘差、坡向,坡度,冷空氣排水,道路建設,交通,土地利用等,為工程師提供基于道路的天氣預報。結果表明,使用地理測量和IceMiser模型XRWIS能夠以高精度預測波蘭研究路線的路面地表溫度,該模型預測路面地表溫度(road surface temperature, RST)的準確率達到98%,平均誤差僅0.15 ℃。

為了解決道路結冰災害風險評估中致災因子的精細化問題,吉辰[49]引入天氣預報模型/非穩態拉格朗日煙團模型中網格化風場模塊(the weather research and forecasting mode/california meteorological model,WRF/CALMET)動態降尺度方案,利用GIS技術建立健全危險因子精細化模型,為完善道路結冰災害風險評估中災害風險評估提供了新思路。

1.5 基于機器學習算法的道路溫度預測模型

近來,隨著人工智能的快速發展,機器學習也開始逐步應用于地表溫度的預測。與統計方法相同,機器學習算法也利用歷史觀測資料來預測地表溫度,但它可以近似化更復雜的函數。為了取得更好的效果,統計方法通常需要大量的數據和準確的特征選擇,而機器學習算法只需要有限的特征選擇和相對較少的數據也可以取得良好的效果,同時機器學習算法的參數很容易通過優化原理獲得。近幾年來,道路溫度預測方面常用的機器學習算法有支持向量機、神經網絡和決策樹等[53-61]。

劉梅等[53]利用支持向量機方法探索了南京地區道路結冰的預報方法。雷建軍等[54]利用遺傳微粒群算法的全局搜索能力選擇合適的組合及對應的最優支持向量機參數,提高道路預測模型的模擬準確率。Xu等[58]在改進的BP神經網絡模型的基礎上,提出了動態預測模型和靜態預測模型。通過重置訓練程序,固定訓練樣本的大小以及更新實際溫度訓練樣本來建立動態預測模型,由于能將最新時刻的溫度數據更新到訓練樣本中,故可以達到提高地溫預報準確性的目的。Liu[59]利用極限學習機(extreme learning machine,ELM)的機器學習算法預測路面溫度,將梯度增強到ELM來有效地降低隨機性,結合ML方法與BJ-RUC,可以取得良好預報溫度的效果。陳凱等[61]將是否有可能發生結冰現象抽象成一個二元分類問題,利用數據挖掘中C4.5決策樹算法做分類分析,得到易于使用的預報道路結冰規則集。

2 結論

通過綜述中外關于地表溫度預測方法,分析各種研究方法的優勢和不足,并詳細闡述該方面研究進展得出以下結論。①統計分析方法簡單但缺少機理性,推廣到其他地方誤差大,且需要大量實測數據,因此,其未來發展受到限制；②能量平衡法機理性較強,但是參數復雜,歐美運用廣泛,也是近年來中國研究和應用的主流方法；③GIS和數值天氣預報多是作為工具以輔助路面溫度預報,以達到提高預報精度的目的,可以預見學科間交叉將會越來越多,適用性也會越來越強；④數據挖掘方法具有數據選擇的兼容性、模型構建的準確性、參數設置的便捷性等優勢。綜上所述,將能量平衡方法與數據挖掘方法結合起來,使優勢互補,是未來具有生命力的發展趨勢。