2020 年伊春秋冬季風趨勢預報統計分析

王璞瑛

（黑龍江省機場管理集團有限公司，黑龍江 哈爾濱 150000）

1 引言

目前國內航班大部分航時在2 h 以內，而趨勢預報是加在觀測報文后,對未來2 h 風、能見度、天氣現象和云的重要變化做出預測的預報， 對航班的正常保障決策有著重要的參考作用[1]。 相關研究已有開展，例如能見度、低云等的機場數據分析[2-3]。 但由于空間尺度小和局地差異大， 趨勢預報在實際預報工作中一般難以準確預測。

伊春機場地處山區，風的變化很快，趨勢預報較難把握。 在實際工作過程中發現伊春機場秋冬季以風和能見度的趨勢為主，其中風的趨勢占比70%。 在預報質量上，研究選取的9 月、10 月漏報率為100%，11 月、12 月漏報率分別為93%和74%， 漏報率有了明顯降低。 本文希望通過統計數據總結規律最終得到預報指標， 指導未來該地該季節風趨勢預報的加發，提升趨勢預報質量。

2 方法與資料

圖1 為風趨勢預報發生次數的日變化。0-2 時出現風趨勢的次數較多，其中01 時最多為17 次，分析原因是日出時刻太陽升起， 溫度升高， 動量交換變強，風速開始突增[4]。

圖1 各時刻（世界時）風趨勢發生次數

本文使用資料為伊春市2020 年9-12 月的機場觀測報文、2019-2020 年月報和預報中心發布的趨勢預報。風的趨勢預報要求指明未來2 h 地面風向和風速的大幅變化，是對未來的推測，因此在選取相關研究要素時需考慮是否能和已知數據進行對比[5]。 最終本文選取氣溫和氣壓進行指標運算， 風向風速和強風持續時間作為規律參考， 形勢場作項為預報分析。

具體原因如下：風一般由太陽輻射引起，是因氣壓分布不均勻而產生的空氣流動現象， 因此首先將氣溫和氣壓納入統計， 綜合比較后選擇采用氣溫和氣壓的變差（當前時次與之前時次之差）來分析，同時將氣溫和氣壓的月變化分析作為總結規律的輔助；風向風速主要受天氣系統影響，單純發報時刻的風方向和大小無指示意義， 因此本次選擇統計當日風速最大值和強風的持續時間與風趨勢的關系，同時總結易發生趨勢的盛行風向作為概率項參考；地面天氣形勢場關系到系統未來的移動，即風的變化，雖無法得出具體指標但對當前形勢的掌握可以影響后續推斷，故也納入分析。

3 要素數據和分析

3.1 氣溫與風的趨勢

9-12 月氣溫、氣壓和風趨勢的變化情況見表1。第2 列數據可看出9-12 月處于氣溫年周期中的下降階段， 而風的趨勢9 月、11 月較少，10 月、12 月較多，與氣溫下降無明顯關系。

表1 氣溫、氣壓和風趨勢的月變化

圖2、3 橫坐標分別為1 h 變溫（當前時次氣溫與前一時次氣溫之差）和3 h 變溫（當前時次氣溫與前三時次氣溫之差）， 單位℃； 縱坐標為該變溫出現次數。圖2 中可見1 h 變溫為4 ℃時發生趨勢次數最多為15 次，其次為3 ℃為11 次。 觀察圖2 和圖3 可明顯發現變溫為正值即當前溫度較之前升高時趨勢發生概率大，分析原因為溫度升高，動量下傳變強，地面風速隨之增大， 且由前文風趨勢次數的日變化可知風趨勢多發于午間溫度較高時，變溫為正居多。

圖2 1 h 變溫與風趨勢

圖3 3 h 變溫與風趨勢

3.2 氣壓與風的趨勢

表1 中氣壓由于溫度降低使空氣密度變大而增大，和風趨勢相關性不明顯。 圖4、5 中高值均在-1、0 和1 hPa，即氣壓差值不大時，由于相對氣溫來說，氣壓的日變化比較穩定，故變差也不大。

圖4 1 h 變壓與風趨勢

圖5 3 h 變壓與風趨勢

3.3 風速風向與風的趨勢

3.3.1 風速與風的趨勢

當日最大風速<5 m/s 時不評定趨勢預報， 因此從5 m/s 開始計數，概率為已知當日最大風速時風趨勢的發生概率（表2）。可以發現當日最大風速5 m/s-8 m/s 時概率是逐漸升高的， 當日最大風速為8 m/s時發生風趨勢的概率高達80%， 分析是由于風速越大， 滿足趨勢預報條件的可能性就越高；9 m/s 及以上概率突然下降考慮是數據太少造成的，9-12 月最大風速在9 m/s 及以上的只有4 d。

表2 當日最大風速和風趨勢發生概率

3.3.2 強風持續與風的趨勢

對比多組數據后， 發現將強風定為6 m/s 及以上時和風的趨勢相關度最大，因此選取當日風速≥6 m/s的不同持續時間計算概率。 表3 中可見，當持續時間超過3 h，時間越長概率越小，分析是由于大風系統較穩定，傾向于維持現狀不產生趨勢波動；而持續時間短則說明大氣穩定度差， 易發生風向風速變化進而產生趨勢。

表3 強風持續時間和風趨勢發生概率

3.3.3 風向與風的趨勢

東、南、西、北風分別取70 °-110 °、160 °-200 °、250 °-290 °、340 °-020 °（不含邊界）；東南、東北、西南、西北風取上述的間值（含邊界）；VRB 計作風向不定；00000 為靜風。

圖6 中可以明顯看出， 風向不定時次數最高占44%，幾乎一半。 這與趨勢預報評分軟件的算法有一定的關系， 此外前文數據也表明在日出時刻易從凌晨的小風速風向不定變為大風速形勢風場； 其次為黑龍江秋冬季盛行風西風，占比16%。 另外吹北風、東風、南風、東北風時概率極小，低于3%，可以作為不加發趨勢的參考。

圖6 各風向的風趨勢發生次數

4 形勢場和分析

4.1 地面形勢場與風的趨勢

本文將趨勢發生當天的地面形勢場分為兩類（高壓、低壓控制）具體八種（前、后、頂、底）。 圖7 中可以看到當地面處于低壓控制時發生52 次，高壓控制時發生30 次，氣壓偏差時的低壓系統更易發生趨勢。

圖7 不同形勢場與風趨勢發生次數

4.2 850 hPa 溫度平流與風的趨勢

為了數據分析的全面， 同樣統計了發生趨勢當天的850 hPa 溫壓場，將其分為冷平流、暖平流和冷暖平流不明顯三種。 統計后的數據并未呈現一定規律性， 故僅展示結論。 圖8 可以看出數據分布較平均，冷平流稍多，但無較大實際參考意義。

圖8 不同溫度平流與風趨勢發生次數

4.3 地面形勢個例分析

選取了2020 年10 月27-28 日的低值系統過境過程進行具體風趨勢分析，本次過程共計漏報4 份，兩日漏報均發生在北京時8 時和9 時， 均為小風速到大風速的漏報。

27 日地面天氣圖（圖略）中地面低壓中心位于黑龍江省西北部，冷鋒自中心向東南延伸，處于伊春所在位置， 分析風速變大趨勢為冷鋒過境帶來的地面大風[6]；28 日低壓中心移至黑龍江省北部，冷鋒移出，伊春無明顯系統影響， 考慮風速變大趨勢為日出增溫動量下傳造成的。 上述兩種不同原因帶來了相同的趨勢漏報，系統過境和日變化的影響同樣重要，在未來趨勢加發過程中應該綜合考慮。

5 結論

本次通過針對地方性特征明顯的伊春機場入手，從氣溫、氣壓、地面形勢等方面進行分析，發現了秋冬季風趨勢發生的規律：

(1)日出時和中午溫度較高時最容易發生趨勢；

(2)1 h 變溫為4 ℃時發生趨勢次數最多，且變溫為正值時趨勢發生概率大，變壓與趨勢關系不明顯；

(3)以下特征更易發生趨勢：當日最大風速較大，強風持續時間在3 h 及以下或風向為VRB 和靜風；

(4)當地面受低值系統控制時更容易發生趨勢，且對于趨勢預報的加發應綜合考慮日變化和天氣系統等多種要素。

本文趨勢預報數據統計分析還存在諸多不足，例如數據量較少和要素對比不夠全面等問題， 隨著預報中心的運行， 數據存儲的完善， 經驗知識的積累，未來一定能做出更全面具體的分析總結。