伊犁州气象台，新疆 伊宁

收稿日期：2021年9月22日；录用日期：2021年10月21日；发布日期：2021年10月28日

摘要

利用2016~2020年逐日伊宁站雾观测数据、地面常规气象资料，对大雾天气进行分级统计，采用统计法分析伊宁市大雾的时间变化特征，通过相关分析法找出与大雾生消有密切关系的气象因子；用ECMWF细网格模式资料，利用等级分类和逐步回归法建立大雾预报模型。结果表明：1) 伊宁市大雾天气集中出现的月份是11月至次年2月，多发时段是21:00至次日12:00。2) 与大雾相关性高的因子为T₈₅₀、T₉₂₅、T_925-2m和T_2m及T_d；地面相对湿度 < 87%、露点温度差T-T_d > 4℃和地面风速 > 3.2 m/s不宜出现大雾天气。3) 用建立的伊宁市24 h大雾预报的多元回归方程，对2021年1月~3月大雾过程进行预报效果检验，0~2级雾的预报正确率 > 66%，预报正确率远高于空报率，3级的正确率为0、空报率为100%，级别越低正确率越高；各级雾的漏报率均 < 34%。检验效果较理想，具有较好的预报水平和较高的业务应用价值。

关键词

大雾，预报因子，预报模型，大雾等级划分，ECMWF细网格模式预报

Research on Fog Forecast Method of Yining City Based on ECMWF Fine Grid Model

Baheti Maheba, Xiaomei Zhu, Xiaohui Shen

Yili Meteorological Observatory, Yining Xinjiang

Received: Sep. 22^nd, 2021; accepted: Oct. 21^st, 2021; published: Oct. 28^th, 2021

ABSTRACT

Based on the daily fog observation data and ground routine meteorological data of Yining station from 2016 to 2020, the classification statistics of heavy fog weather were carried out. The temporal variation characteristics of heavy fog in Yining were analyzed by statistical method, and the meteorological factors closely related to the occurrence and elimination of heavy fog were found by correlation analysis method. Using ECMWF fine grid model data, the fog prediction model is established by hierarchical classification and stepwise regression method. The results showed that: 1) The fog weather in Yining City concentrated from November to February of the following year, and the frequent occurrence period was from 21:00 to 12:00 of the next day. 2) The factors highly correlated with fog were T₈₅₀, T₉₂₅, T_925-2m, T_2m and T_d; Ground relative humidity < 87%, dew point temperature difference T-T_d > 4˚C and surface wind speed > 3.2 m/s were not suitable for foggy weather. 3) The multiple regression equation of 24-hour heavy fog forecast in Yining City was used to test the prediction effect of heavy fog from January to March in 2021. The prediction accuracy of class 0 to class 2 fog forecast is more than 66%, and the accuracy is much higher than the empty forecast rate. The accuracy of class 3 fog forecast is 0 and the absent forecast rate is 100%, and the lower the class is, the higher the accuracy is. The missing rate of fog at all classes was less than 34%. The test effect is ideal, and it has better prediction level and higher operational application value.

Keywords:Fog, Forecast Factor, Forecast Model, Fog Classification of Grades, ECMWF Fine Grid Model Forecast

Copyright © 2021 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

大雾属于比较常见的灾害性天气之一，一年四季均可出现，但集中在冬半年 [1]，且具有明显的年变化、周期变化 [2]，多集中在夜间至早晨。由于大雾发生具有不确定性，预测难度相对较大，实际工作中预报员对雾的天气形势的掌握和适宜条件的认知，多是基于探空观测数据、加密自动站数据，对预报雾有一定的指导作用。但对雾的生消精细化预报的前瞻性不够，提前准确发布预警有一定的难度 [3] [4]。为减少大雾天气给陆、空交通运输、电力部门供电及人们健康等造成严重的影响和经济损失，故而加强高时空分辨率的数值预报产品对伊宁市大雾预报方法研究，满足时间尺度和准确性的双重要求显得极为迫切。随着预报技术的不断发展，国内外的天气数值预报水平得以提升，数值预报产品已成为预报员预报天气的主要参考依据 [5] [6]。针对所研究区域的大雾天气特征，选择合适的影响因子和建模方法成为影响模式预测准确度的关键因素。如毛程燕等 [7] 用ECMWF细网格模式预报资料，采用统计法和逐步回归法建立了雾的潜势预报模型；邓小丽等 [8] 用PP法建立了大雾预报方程，利用数值预报产品制作出未来24 h大雾预报；王楠等 [9] 采用SVM方法，分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型，很好地实现了ECMWF细网格产品在乌鲁木齐机场低能见度预测中的释用；李云泉等 [10] 建立天气学概念模型，采用逐步回归方法建立嘉兴市冬季大雾预报方程，通过检验均取得不错的效果。因此本文在统计分析伊宁市大雾的时间变化特征和物理过程并找出预报着眼点的基础上，利用2016~2020年伊宁站最小水平能见度资料，采用大雾等级分类法进行大雾等级的划分，选取与大雾出现前相关性好的气象因子，利用ECMWF细网格模式资料与大雾等级采用多元回归建立伊宁市24 h大雾预报模型。

2. 资料及说明

2.1. 资料来源

本文所采用的资料为伊宁市气象台站：1) 2016~2020年逐日雾观测资料(剔除因降水造成低能见度数据)；2) 同期逐日08时或20时(北京时，下同)时探空资料；3) 同期逐日08时或20时气温、风、相对湿度和温度露点差等地面常规气象资料；4) 2016~2021年ECMWF细网格数值预报产品(0.25˚ × 0.25˚)，时间间隔为3 h。

2.2. 大雾等级划分

气象上，大雾一般采用水平能见度(VIS)来描述，因此本文按最小水平能见度大小进行大雾等级的划分，划分为4个等级：3级大雾，VIS < 50 m；2级大雾，50 m ≤ VIS < 200 m；1级大雾，200 m ≤ VIS < 500 m；0级大雾，500 m ≤ VIS < 1000 m。能见度越低，级别越高。

3. 伊宁市大雾时间变化特征

3.1. 伊宁市大雾逐月分布特征

根据2016~2020年伊宁市大雾天气累计出现时次的逐月分布(图1)可知，伊宁市雾天日数有显著的月际变化特征，大雾天气10月开始出现，11月至次年2月最多，占雾天总日数的96.0%，其次是3月和10月，均占总日数的2.0%；而4~9月则很少出现。出现最多的月份是12月和次年1月，分别54 d和55 d，最少的是3月和10月，只有3 d。这与伊宁市所处的地理环境以及气候背景有很大的关系。因此本文应用上述11月至次年2月的4个月的数据来表征伊宁市大雾天气的特点，并建立大雾预报模型。

图1. 伊宁市2016~2020年雾日的月累积分布特征

3.2. 伊宁市大雾日变化特征

由图2可知，伊宁市1 d内大部时次均可出现雾，但雾的多发时段是21:00至次日12:00，占总发生几率的97.4%，13:00以后雾出现的频率很低，13:00~20:00生成仅为2.6%，峰值出现在01:00，发生的频率占21.2%。由于夜间持续降温、气温的降低有利于近地层的水汽凝结达到饱和从而形成雾；白天随着太阳辐射升温，湍流加强，稳定层结破坏，雾逐渐消散。

图2. 2016~2020年水平能见度小于1000 m的累计次数随时间的演变

4. 雾的预报方法

4.1. 大雾天气相关气象因子特征分析

大雾形成所需的低层大气垂直分布状态和地面气象要素分布与静稳结构有关，因此预报因子的选取是大雾预报的关键。通过参考以往大雾天气气候特征的研究成果，从2016~2020年高空探空资料中，选取伊宁站大雾出现前08时或20时925 hPa温度(T₉₂₅)、850 hPa的温度(T₈₅₀)、925 hPa相对湿度(RH₉₂₅)、850 hPa的相对湿度(RH₈₅₀)、700 hPa相对湿度(RH₇₀₀)等5个物理量，以及同时次2 m温度(T_2m)、露点温度(T_d)、相对湿度及风速表征近地面的4个气象因子。经统计，雾发生时各物理量累积分布特征较明显的因子，如图3所示。相对湿度的分布特征：80%的雾发生时对应的相对湿度分别在87%、64%、30%以上，即相应的阈值分别为87%、64%、30%；雾发生时温度和近地层一般都有逆温出现，分别由对应时次T_2m、T₉₂₅和T₈₅₀逆温分布可知，T₉₂₅和T_2m的逆温较集中出现在−1.1℃~5.1℃之间，雾发生时未出现逆温的概率 ≤ 22.8%；T₈₅₀和T_2m的逆温集中在−0.4℃~7.5℃之间，雾发生时未出现逆温的概率 ≤ 28.1%，说明雾出现时，伊宁市普遍出现较强的逆温或接近等温；雾发生时地面风速往往较小，风速 ≤ 1.6 m/s时98%以上有雾出现，风速 > 3.2 m/s时雾出现的概率只有2%以下。因此地面风速为≤3.2 m/s，是雾出现时的阈值；露点温度差T-T_d ≤ 4℃时，雾发生时的概率93%，因此T-T_d ≤ 4℃，是雾出现时的阈值。经过分析，选定相对较好的消空指标为:地面相对湿度 < 87%、露点温度差T-T_d > 4℃和地面风速 > 3.2 m/s。以上的筛选，基本上可以提前将无雾日滤掉，来提高预报准确率。所选取的消空指标虽然滤掉了大部分无雾日，但由于大雾形成的原因比较复杂，在没有考虑到地面有效辐射、暖湿平流、空气质量状况以及局地地理条件等因素的情况下，可能会造成漏报和空报。

4.2. 预报因子选取

根据大雾天气相关气象因子的分析，选取影响伊宁市大雾天气较明显的17个因子(表1)，从中选定相关系数绝对值 ≥ 0.3，通过显著性检验的为高影响因子。由于伊宁市出雾的最佳时段一般为21:00至次日12:00时，故利用大雾日出现时间前02、05、08、11、20和23时ECMWF细网格模式预报资料用距离插值法插值到伊宁站上，分区时采用的大雾等级分类进行相关分析，最终确定相关性高、物理意义好、独立性强的因子为7个，结合实际工作和数值预报产品类型，最终确定表征低层气象要素的因子，为T₉₂₅、T₈₅₀、T₉₂₅-T_{2 m}、T₈₅₀-T_2m，共计4个气象因子；表征地面气象要素因子为T_{2 m}温度和T_d，共计2个气象因子，进入模型。

图3. 2016~2020年雾发生时各预报因子累积频次分布；(a) 地面相对湿度；(b) 925 hPa相对湿度；(c) 850 hPa相对湿度；(d) 925 hPa与地面温差；(e) 850 hPa与地面温差；(f) 露点温度差；(g) 地面风速

表1. 伊宁市大雾有关高影响的气象因子及相关系数

4.3. 预报模型建立

用大雾等级分类法和逐步回归法建立24 h大雾预报方程，共有5个高影响因子进入模型。伊宁市24 h大雾预报回归方程为：

Y = 2.203 + 0.167X₁ − 0.155X₂ + 0.103X₃ − 0.010X₄ + 0.099X ₅.

其中Y：大雾等级、X₁：T₈₅₀ (℃)、X₂：T₉₂₅ (℃)、X₃：T₉₂₅和T_{2 m}温度差(℃)、X₄：T_{2 m} (℃)、X₅：T_d (℃)。最后用ECMWF细网格模式预报逐3 h预报因子，实现逐日雾潜势预报自动化。

5. 预报系统应用

伊宁市大雾预报系统(图4)主要通过把伊宁站ECMWF细网格物理量格点输出产品与预报模型对接，在考虑到消空指标和回归结果的阈值情况下，每日定时输入伊宁站大雾预报格点产品。若能见度VIS < 500 m，则格点值取3；若500 m ≤ V < 200 m，则取2；若200 < VIS ≤ 500 m，则取1，若500 < VIS ≤ 1000 m，则取0，方便预报员调用并提早发布预警。

图4. 伊宁市大雾天气预报系统

6. 预报模型检验

取2021年1~3月伊宁市11个大雾日，逐日08时起报的20时至次日20时逐3 h的ECMWF细网格模式预报资料代入回归方程，其分级预报结果与实况进行对比检验，详见表2。伊宁市0~2级雾的预报正确率都大于66%，预报正确率都远高于空报率，3级的正确率为0、空报率为100%，级别越低正确率越高；各级雾的漏报率均小于34%。综合分析检验预报准确样本和漏报样本可知，模型对于实况为200 m < VIS ≤ 500 m的1级雾、50 m < VIS ≤ 200 m的2级及500 m < VIS ≤ 1000 m的0级雾范围内的大雾的天气检验效果相对平稳，对于实况为VIS ≤ 50 m³级雾的大雾天气基本没有报出来。分析原因：可能与检验个例数太少有关，3级雾只有1次个例。考虑到预报值若在大雾等级四个值给出的范围之内，认为将出现大雾天气，否则将以不会出现大雾天气处理。当水平能见度VIS ≤ 500 m时，气象台需要及时向公众和相关部门发布大雾预警信号，因此检验结果较好的1、2级大雾等级范围均在预警发布阀值内，表明该预报方法在业务应用中具有一定的参考价值。但在后期预报、业务运行中还待我们通过更多的个例继续做好ECMWF细网格模式预报产品预报准确率的检验。

表2. 各级雾的检验结果

7. 结论

1) 伊宁市雾的月际差异较明显，雾集中出现的月份是11月至次2月，其中以12月和次年1月出现次数最多；1 d内雾多发时段是21:00至次日12:00，峰值出现在01:00。

2) 雾的形成与相对湿度、气温和风速关系密切。潮湿的空气(相对湿度为87%~100%)、微弱的风速(风速 ≤ 3.2 m/s)和温度与近地层有逆温出现有利于大雾的形成。地面相对湿度 < 87%、露点温度差T-T_d > 4℃和地面风速 > 3.2 m/s不宜出现大雾天气。

3) 可用于伊宁市大雾预报方程的相关性高、物理意义好、独立性强的因子包括：表征低层气象要素的因子的T₉₂₅、T₈₅₀、T₉₂₅-T_2m (温差表示逆温)；表征地面气象要素因子的2 m温度和露点温度。

4) 通过EC数值预报产品的释用，建立伊宁市雾的分级定量化客观预报模型，在实际业务中可得以应用。通过对2021年1月~3月预报检验，伊宁市0~2级雾的预报正确率都大于66%，预报正确率都远高于空报率，级别越低正确率越高；各级雾的漏报率均小于34%，具有较好的预报水平和较高的业务应用价值。

虽然ECMWF细网格模式预报产品释用方法在伊宁市大雾预报业务中有较好的预报指示意义，但模式输出产品相对于实况存在误差，释用方法无法摆脱统计本身的缺陷，提高预报模型的准确率，需要长期的、稳定的历史数据。以后随着ECMWF细网格模式预报产品准确性的不断提高，伊宁市大雾的预报预警能力也将得到进一步提高。

文章引用

玛合巴•巴合提,祝小梅,沈晓辉. 基于ECMWF细网格模式的伊宁市大雾预报方法研究
Research on Fog Forecast Method of Yining City Based on ECMWF Fine Grid Model[J]. 气候变化研究快报, 2021, 10(06): 563-569. https://doi.org/10.12677/CCRL.2021.106066

参考文献