基于CFSv2.0西南地區機場10～30 d延伸期預報產品設計與實現

劉輝權，張軍輝，林 莉，褚蕓欣，王凌云

（民航西南空管局氣象中心，四川 成都 610202）

隨著民航事業的快速發展，天氣對航空運行的影響越來越大，因天氣原因造成航班延誤的事件頻繁發生。通過對航班延誤事件的分析發現，天氣預報準確率不高、發布預警不及時、預報的提前量不夠是主要原因。目前民航氣象部門主要提供的是短臨預報服務，受預報時效限制，民航氣象部門無法為遠期航班運行規劃提供氣象支持，導致遠期航班規劃不合理，降低了運行效率，增加了運行成本。民航氣象部門需提供更長時效的延伸期預報服務以應對民航發展的需求。

延伸期天氣預報是介于中期天氣預報和短期氣候預測的新興氣象預報，長期以來對地方氣象部門有廣泛的服務需求[1]。在開展延伸期天氣預報方面，地方氣象部門積累了許多經驗，并取得了較好的預報效果，尤其是對10～30 d強降水、強降溫的預報預警能力有了顯著提升。隨著航班量的增加，10～30 d的航班運行規劃、空域流量計劃越來越詳細，對航空氣象的預報時效要求越來越長。目前民航氣象主要集中在短期預報和中期預報，暫未開展延伸期預報，在延伸期預報方面，民航氣象部門可學習地方氣象部門豐富的經驗，開展適用于民航部門的延伸期預報服務。

延伸期預報的困難在于大氣可預報性理論上限為21 d，傳統的主流數值預報模式最多只能達到10 d的預報水平，因此基于傳統數值預報無法開展延伸期預報，難以提供10～30 d逐日預報產品。隨著氣候預測模式的發展，為延伸期逐日預報提供可能。在2014年，國家氣候中心推出了基于第二代全球大氣譜 模 式BCC_AGCM2.2（Beijing Climate Center Atmosphere General Circulation Model version 2.2）的第二代月動力延伸預報模式DERF 2.0[2]（Dynamic Extended Range Forecast operational system），其氣溫和降水預測效果得到了廣泛認可，由于數據的開放性有限，不適合民航氣象部門延伸期預報試驗工作。目前，美國NCEP推出的第二代氣候預測系統CSFv2.0（Climate Forecast System version 2.0）[3]的逐日預報，具有較好的穩定性和高度的開放性，因而成為民航氣象部門開展延伸期預報的首選氣候預測模式。CFSv2.0的分辨率為0.937°×0.937°，提供29 a（1982—2010年）的歷史回報，于2011年3月提供業務化預報，具有3種不同預報時效的時間分辨率為6 h的業務化預報產品：4個時次（00：00、06：00、12：00和18：00 UTC）預報時效為9個月的預報；1個時次（00：00 UTC）預報時效為1個季節的預報（大 概123 d）；3個 時 次（06：00、12：00和18：00 UTC）預報時效為45 d的預報[4]。

在民航運行中，飛機載量與溫度有關，在高原機場，航空簽派員常常根據溫度計算出飛機載量。在提前規劃載客量和油量方面，溫度預報可以提供一定的幫助，提高運行效率，節約運行成本。在冬季，根據溫度可以預報降溫過程和伴隨的顛簸、積冰等危險天氣；在夏季，局地強對流天氣和溫度也有一定的關系，局地異常升溫伴隨劇烈的上升運動，在一定的擾動下，很容易產生對流天氣。在飛機起降方面，風的作用至關重要，過大的順風能導致飛機滑行距離變長，飛機有沖出跑道的危險，而合適的逆風能使飛機起降平穩，升力穩定，縮短滑行距離。根據風的預報，塔臺管制員不僅能提前規劃飛機跑道起降運行方向，在跑道上空發生風切變與顛簸時，還能提前制定應急方案。降水預報在民航運行保障中不可或缺，對飛行安全影響較大。準確的強降水預報，對合理規劃飛行航線與管制扇區流量有較好的支持作用，不僅能減少大面積航班延誤，提高航班運行準點率，還能大大提高管制運行效率，減輕因容量過大造成的運行壓力。民航氣象延伸期預報服務可以結合溫度、降水和風在民航運行中的作用，借鑒地方氣象部門的經驗，設計出適合民航氣象服務的延伸期預報產品。根據該延伸期預報產品，民航氣象預報員可為繞飛航線規劃、跑道起降運行方向、飛機油量和載量計劃提供未來10～30 d的強降水、強降溫、地面風向風速、地面溫度、顛簸、積冰和其他影響飛行的相關重要天氣預報服務。

本文基于美國NCEP推出的第二代氣候預測系統CSFv2.0逐日預報產品，根據民航運行對氣象要素預報的實際需求，選取溫度、風和降水3個要素來設計機場的延伸期逐日預報產品，詳細闡述了產品設計思路、預報方案，并結合個例分析應用，初步探討民航氣象開展延伸期預報的方向，提出問題和不足，為未來民航氣象更成熟的延伸期預報提供參考依據。

1 資料介紹

CFSv2.0是美國NCEP推出的第二代氣候預測系統，其逐日預報數據可從網站（https：//nomads.ncep.noaa.gov/pub/data/nccf/com/cfs/prod/cfs/）獲取，數據格式為grib2。CFSv2.0每日提供4個時次的逐日預報數據產品[5]，分別為00：00、06：00、12：00和18：00 UTC，每個時次有4個不同預報樣本數據，分別 為time_grib_01、time_grib_02、time_grib_03和time_grib_04。每個預報樣本下有風溫濕、物理診斷量等預報產品。根據機場逐日延伸期預報產品設計需求，本文選擇2 m最高溫度（Tmax）、2 m最低溫度（Tmin）、10 m風（WND10m）、大尺度降水（PRATE）和對流性降水（CPRAT）5個預報要素，每天共80個數據文件進行下載。

西南地區機場METAR（Meteorological Terminal Aviation Routine Weather Report，航空例行天氣報告）報文可通過互聯網實時獲取，1 h 1份，每日24份。報文包含地面風向風速、能見度、天氣現象、云、溫度和修正海平面氣壓。

2 延伸期預報產品設計與實現

根據民航運行對氣象要素預報的實際需求，本文選取溫度、風和降水3個要素來設計機場的延伸期逐日預報產品。

2.1 設計思路與框架

本文選擇CFSv2.0逐日預報數據，利用Python腳本自動實時下載00：00、06：00、12：00和18：00 UTC 4個 時 次 的Tmax、Tmin、WND10m、PRATE和CPRAY要素，分別提取未來35 d數據，將每個時次的4個不同預報樣本數據集合平均，再根據過去5 d滑動平均預報方案生成各要素的未來30 d預報場，最后將CFSv2.0的預報結果采用雙線性插值方案插值到西南地區各機場，形成各機場站點的要素預報數據。利用Python下載的各機場實時METAR報文對溫度、降水預報進行訂正與驗證，形成最終預報結果。利用Meteoinfo（GIS Software for Meteorological Data Visualization and Analysis，氣象數據圖像分析系統）腳本繪制逐日最高、最低溫度曲線和降水柱狀綜合圖，將風分解成風向和風速，繪制風速曲線和風向柱狀綜合圖。具體的設計框架流程如圖1。

圖1 設計框架流程

2.2 預報方案

2.2.1 5 d預報樣本集合滑動平均

氣候模式的多樣本為預報提供更多的使用選擇，但經過研究和應用檢驗表明，多樣本集合平均預報常常比單樣本預報要更穩定，預報效果更好[6-9]。因此本文選擇采用樣本集合平均的方案來進行延伸期逐日預報。結合氣候模式的特點與實際業務運行的經驗，選擇5 d預報樣本集合滑動平均方案來得到氣候模式預報初始場。具體的處理方案如下：

（1）同一預報時次4個不同預報樣本集合平均。

式中，F1、F2、F3和F4分別表示CFSv2.0氣候模式的同一預報時次的4個不同預報樣本數據（time_grib_01、time_grib_02、time_grib_03和time_grib_04），F表示同一時次的4個預報樣本集合平均后的預報數據。

（2）5 d滑動平均。

選取通過預報樣本集合平均處理后的連同今日與過去連續4 d的同一預報時次的CFSv2.0未來35 d預報數據，進行5 d滑動平均計算：

式中，Fe表示經過5 d滑動平均后的預報數據，Ft表示當日同時次預報樣本集合平均數據，Ft1表示前1 d的當日同時次預報樣本集合平均數據，Ft2表示前2 d的當日同時次預報樣本集合平均數據，Ft3表示前3 d的當日同時次預報樣本集合平均數據，Ft4表示前4 d的當日同時次預報樣本集合平均數據。

2.2.2 報文訂正溫度預報

CFSv2.0逐日預報產品，通過5 d預報樣本集合滑動平均之后形成初始預報數據，再利用雙線性插值法生成機場站點日最高溫度與最低溫度產品。利用Python腳本處理西南地區各機場METAR報文，解析出溫度數據，計算日最高溫度與最低溫度數據。根據歷史日最高溫度與最低溫度數據計算過去5 d的平均預報誤差進行溫度預報訂正，這種訂正方式不僅能降低預報誤差，還能平滑掉異常數據[10-13]。具體的誤差訂正步驟如下：

（1）日最高溫度誤差計算。

式中，A為預報的日最高溫度誤差，Tm為模式預報的日最高溫度，Tmr為機場實況METAR報文解析計算的日最高溫度。

（2）日最低溫度誤差計算。

式中，B為預報的日最低溫度誤差，Tn為模式預報的日最低溫度，Tnr為機場實況METAR報文解析計算的日最低溫度。

（3）過去5 d的日最高溫度與最低溫度平均誤差計算。

式中，Em和En分別為過去5 d的日最高溫度和日最低溫度的滑動平均誤差，At和Bt分別表示當日的日最高溫度與日最低溫度預報誤差，At1和Bt1分別表示前1 d當日的日最高溫度與日最低溫度預報誤差，At2和Bt2分別表示前2 d當日的日最高溫度與日最低溫度預報誤差，At3和Bt3分別表示前3 d當日的日最高溫度與日最低溫度預報誤差，At4和Bt4分別表示前4 d當日的日最高溫度與日最低溫度預報誤差。

（4）日最高溫度與最低溫度預報誤差訂正。

式中，Tmax為最終訂正后的日最高預報溫度，Tmin為最終訂正后的日最低預報溫度。

本文選取2021年2月13日—3月14日雙流機場的日最高溫度（圖2）和日最低溫度（圖3）進行訂正效果檢驗，結果表明：訂正前，模式預報的溫度偏低，預報誤差較大，但變化趨勢與實況溫度基本一致。通過溫度訂正之后，預報誤差明顯減小，更接近于實況，預報效果明顯好于訂正前。

圖2 日最高溫度訂正對比

圖3 日最低溫度訂正對比

2.3 產品顯示與釋用

本文使用Meteoinfo腳本繪制機場延伸期逐日預報產品圖，以時間序列曲線顯示日最高溫度與最低溫度。由于弱擾動的影響，在無明顯降水時仍然會出現＞0.0 mm的降水量，為了過濾不明顯的降水過程，本文選擇將＜5.0 mm的降水過濾掉，并以柱狀圖的方式顯示。降水數據包含大尺度降水和對流性降水，在夏季對流性降水對應著對流天氣過程，對強對流天氣預報有一定的參考意義。由于西南地區各機場跑道方向各不相同，用風桿顯示跑道風并不合適，不方便快速分辨逆風和順風狀態。因此，本文選擇將跑道風以風向和風速分別顯示，風向以柱狀顯示，風速以時序曲線顯示，這樣不僅能使航空氣象預報員快速分辨出逆風和順風狀態，還能判斷出風速的大小。

以2021年3月1日00：00 UTC的未來30 d機場延伸期逐日預報產品釋用分析為例（圖4、圖5），雙流機場未來30 d，溫度逐漸抬升，降水過程逐漸增加，上旬以弱降水為主，中下旬開始出現對流性降水。上旬以南風為主，風速在3日和4日＞3 m/s，不適合飛機向北起降，上旬其余時間可選擇向北起降，中下旬北風日數較少，平均風速＜3 m/s，中下旬仍可選擇向北起降。由圖6、圖7可知，3月拉薩機場無降溫、無降水或明顯降水天氣過程，溫度變化平穩，且略有抬升，早晚溫差較大，日平均最高溫度維持在20 °C左右。由于溫度變化趨勢平穩，飛機日載量計劃變化不大。中旬風速較大，風向變化頻繁，需關注顛簸和風切變對飛行的影響。

圖4 雙流機場溫度降水綜合預報

圖5 雙流機場風向風速綜合預報

圖6 拉薩機場溫度降水綜合預報

圖7 拉薩機場風向風速綜合預報

結合各個機場的氣候特點，航空氣象預報員還可以挖掘出更多機場延伸期逐日預報產品的釋用技巧。例如冬季的強降溫過程，往往伴隨著顛簸和積冰天氣，夏季高原機場的高溫預報與載重和油量計劃有關，夏季對流降水與強對流天氣或強降水天氣有關。用好機場站點延伸期逐日預報產品對提升民航運行的效率，節約運行成本有較大的幫助，同時能較大地提升航空氣象預報員的延伸期預報水平，提升預報服務技能，為飛行安全保障提供助力。

3 個例對比分析

為檢驗延伸期預報產品對強降溫過程的預報效果，本文選取2020年冬季雙流機場（ZUUU）和貴陽機場（ZUGY）對運行有重大影響的強降溫過程進行統計分析，統計結果如表1。對于雙流機場與貴陽機場的4次強降溫過程，模式能夠平均提前16 d預報強降溫過程；實況平均降溫幅度為9.75℃，預報平均降溫幅度為8.25℃，預報降溫幅度比實況降溫幅度低1.5℃；預報降溫時段較實況降溫時段長1～2 d。從這幾次強降溫過程來看，延伸期預報產品表現出較好的預報性能，對降溫時段與降溫強度有一定的預報預警能力[14]。

表1 雙流和貴陽機場降溫過程評估

由于缺乏降水量數據，本文選擇利用雙流機場實況METAR報文的降水持續時次數（1個時次表示降水持續半小時）來代表降水過程。經統計發現，2020年12月雙流機場的持續性降水過程主要集中在12月1—8日，13—17日（圖8）。延伸期逐日預報產品（圖9）最早在2020年11月18日預報出這兩次主要的降水過程，其中2020年11月26日的延伸期逐日預報產品（圖10）結果與實況最為接近，第一次降水過程最早提前12 d預報，第二次過程最早提前27 d預報。2021年1月雙流機場的持續性降水過程集中在6—9日和24—26日（圖11），延伸期逐日預報產品（圖12）最早在2020年12月13日預報出6—9日的降水過程，提前23 d預報；延伸期逐日預報產品（圖13）最早在2021年1月4日預報出1月24—26日的降水過程，提前20 d預報。

圖8 雙流機場2020年12月降水實況

圖9 雙流機場11月18日降水預報產品

圖10 雙流機場11月26日降水預報產品

圖11 雙流機場2021年1月降水實況對比

圖12 雙流機場12月13日降水預報產品

圖13 雙流機場1月4日降水預報產品

通過2020年12月與2021年1月雙流機場的降水持續時次與雙流機場的延伸期逐日降水預報產品對比分析表明，機場延伸期逐日預報產品能平均提前20 d預報出持續性降水過程，過程起始日期略有偏差，但偏差不大，趨勢預報效果較好。延伸期預報產品與短期預報不同，不宜與天氣實況逐日一一對比，延伸期預報產品旨在提取明顯降水過程、降溫過程或其他重要天氣可能發生的時段與變化趨勢，對危害航班正常運行的極端天氣氣候事件有著早期預警的作用。

4 結論與討論

本文詳細介紹了基于CFSv2.0氣候模式設計開發的西南地區各機場的10～30 d延伸期逐日預報產品的設計思路、產品框架和預報訂正方案。選取2020年冬季雙流機場和貴陽機場強降溫和持續性降水過程對產品進行預報效果檢驗，得到以下結論：

（1）延伸期預報產品在強降溫與持續性降水預報方面表現出較好的預報性能，能平均提前16 d預報強降溫過程，提前20 d預報持續性降水過程。

（2）與實況數據相比，預報降溫幅度比實況降溫幅度低1.5℃，預報降溫時段較實況降溫時段長1～2 d。強降溫與持續性降水預報起始日期和強度略有偏差，但偏差不大，與實際的強降溫和持續性降水過程變化趨勢基本一致，趨勢預報效果較好。

由于CFSv2.0氣候模式資料空間和時間分辨率不夠高，隨著預報時效的延長，不可避免地會使誤差越來越大。本文選取的實況報文訂正方案固然能提高預報準確率，但只能在一定程度上減小誤差，存在一定的局限性，隨著預報時效的延長，誤差仍然會變大。運用數值預報集合技術，加入分辨率更高的DERF2.0氣候模式資料開展延伸期逐日集合平均預報或許可以進一步提高預報準確率，減小誤差[15-18]。另外，機器學習歷史氣候資料，結合EC等數值模式進行建模，也有相當的應用潛力。