朱國棟，牟 歡

（1.南京大學(xué)大氣科學(xué)學(xué)院，江蘇 南京 210093；2.民航新疆空管局氣象中心，新疆 烏魯木齊 830016；3.新疆氣象臺(tái)，新疆 烏魯木齊 830002）

隨著民用航空業(yè)的不斷發(fā)展，航空公司、機(jī)場等民航部門對機(jī)場氣象要素的預(yù)報(bào)準(zhǔn)確性要求不斷提高，相應(yīng)地對民航氣象人員的預(yù)報(bào)水平也有了更高的要求。為了改善機(jī)場要素預(yù)報(bào)水平，加強(qiáng)數(shù)值預(yù)報(bào)的釋用，烏魯木齊機(jī)場于2011年開始嘗試進(jìn)行基于MOS 方法的機(jī)場客觀要素預(yù)報(bào)的應(yīng)用。

機(jī)場客觀要素預(yù)報(bào)就是定時(shí)、定點(diǎn)、定量的預(yù)報(bào)，在精確的數(shù)值預(yù)報(bào)還沒有出現(xiàn)之前，通過MOS方法釋用數(shù)值預(yù)報(bào)輸出產(chǎn)品仍然是達(dá)到定時(shí)、定點(diǎn)、定量預(yù)報(bào)的必要手段[1]。目前國內(nèi)已有相關(guān)研究MOS方法進(jìn)行溫度、降水、相對濕度等要素的預(yù)報(bào)，檢驗(yàn)結(jié)果表明MOS 方法的預(yù)報(bào)結(jié)果較模式直接輸出結(jié)果有明顯提高，并能自動(dòng)訂正數(shù)值預(yù)報(bào)的系統(tǒng)性誤差[2-3]，因此在國家級和各省市氣象業(yè)務(wù)中得到廣泛的應(yīng)用[4-7]。本文介紹了烏魯木齊機(jī)場基于WRF 中尺度數(shù)值模式產(chǎn)品，使用MOS 方法制作機(jī)場氣象要素客觀預(yù)報(bào)，通過應(yīng)用該方法，提高機(jī)場氣象要素預(yù)報(bào)的準(zhǔn)確性，豐富航空氣象預(yù)報(bào)產(chǎn)品的種類，進(jìn)而更好地為民用航空的安全和效益服務(wù)。

1 MOS 方法簡介

隨著數(shù)值預(yù)報(bào)模式的發(fā)展，在統(tǒng)計(jì)預(yù)報(bào)的預(yù)報(bào)因子中，引入動(dòng)力學(xué)數(shù)值模式運(yùn)算得到的變量，這樣就構(gòu)成動(dòng)力學(xué)與統(tǒng)計(jì)相結(jié)合的預(yù)報(bào)模式。模式輸出統(tǒng)計(jì)（MOS）方法就是利用預(yù)報(bào)對象和數(shù)值模式中輸出的相應(yīng)時(shí)次變量之間的統(tǒng)計(jì)關(guān)系，然后使用統(tǒng)計(jì)預(yù)報(bào)模型，計(jì)算得到預(yù)報(bào)對象的結(jié)果。

支持向量機(jī)（SVM）方法在20世紀(jì)90年代逐漸發(fā)展成熟，近年在氣象領(lǐng)域得到較多應(yīng)用，該方法適用于小樣本資料的統(tǒng)計(jì)建模，并具有能夠自動(dòng)識(shí)別、提取關(guān)鍵信息特點(diǎn)[8-9]。目前，MOS 方法常使用多元線性回歸、逐步回歸等方法進(jìn)行統(tǒng)計(jì)建模，但是考慮到烏魯木齊機(jī)場數(shù)值預(yù)報(bào)模式運(yùn)行時(shí)間較短，且模式輸出變量的種類有限，為了盡可能發(fā)掘歷史數(shù)據(jù)中的有效信息，本文采用SVM 方法進(jìn)行統(tǒng)計(jì)建模，以期彌補(bǔ)烏魯木齊機(jī)場歷史數(shù)值預(yù)報(bào)數(shù)據(jù)時(shí)間序列較短和因子數(shù)目有限的問題。

2 預(yù)報(bào)模型的建立

2.1 數(shù)值模式輸出資料及其處理

烏魯木齊機(jī)場于2009年開始進(jìn)行基于WRF中尺度數(shù)值模式的新疆區(qū)域航空氣象數(shù)值預(yù)報(bào)試驗(yàn)項(xiàng)目，該系統(tǒng)采用三重嵌套、垂直27 層的WRF V3版本，水平方向采用Arakawa-C 坐標(biāo)，垂直方向選用地形追隨質(zhì)量坐標(biāo)，使用三階精度的Rung-Kutta時(shí)間積分方案。模式的三重嵌套區(qū)域的水平網(wǎng)格格距分別為：45、15、5 km。模式從每日的20:00 起積分60 h 后結(jié)束，輸出常規(guī)層次的風(fēng)、溫度、濕度、高度等氣象要素，并通過插值得到機(jī)場溫度、風(fēng)、降水量、海平面氣壓、相對濕度等氣象要素。

2.2 預(yù)報(bào)對象

針對民用航空氣象關(guān)注的氣象要素，本文選定1—12月逐時(shí)溫度、相對濕度作為回歸預(yù)報(bào)對象；結(jié)合低能見度、低云天氣出現(xiàn)特征，將12月—翌年2月主導(dǎo)能見度是否低于800 m、總云量、低云量是否大于5分量作為分類預(yù)報(bào)對象，共計(jì)36個(gè)預(yù)報(bào)對象。分類預(yù)報(bào)對象見表1。

表1 分類預(yù)報(bào)對象

2.3 預(yù)報(bào)因子

本文使用WRF 數(shù)值模式第3 層嵌套12～35 h輸出的逐時(shí)結(jié)果進(jìn)行預(yù)報(bào)因子的構(gòu)建，即使用烏魯木齊機(jī)場溫度、風(fēng)、海平面氣壓、相對濕度以及降水量作為預(yù)報(bào)因子。在考慮烏魯木齊機(jī)場氣象要素的季節(jié)性變化的基礎(chǔ)上，整理制作逐月樣本數(shù)據(jù)集，在剔除有問題的數(shù)據(jù)后，將樣本數(shù)據(jù)集中的70%作為訓(xùn)練樣本，其余部分作為檢驗(yàn)樣本。具體樣本數(shù)量見表2。

表2 逐月訓(xùn)練樣本和檢驗(yàn)樣本數(shù)量

2.4 預(yù)報(bào)模型構(gòu)建

使用支持向量機(jī)（SVM）方法作為MOS 預(yù)報(bào)的統(tǒng)計(jì)方法，通過參數(shù)尋優(yōu)，即給定SVM 方法中參數(shù)（C，g）的取值范圍和步長，經(jīng)過循環(huán)計(jì)算，確定參數(shù)的最優(yōu)值，進(jìn)而得到最終的統(tǒng)計(jì)預(yù)報(bào)模型。其中分類預(yù)報(bào)對象采用分類正確率作為參數(shù)擇優(yōu)條件，并綜合分析正樣本TS 評分、預(yù)測成功率及預(yù)測概括率的結(jié)果；回歸預(yù)報(bào)對象則采用絕對差作為擇優(yōu)條件，并計(jì)算輸出均方差和相關(guān)系數(shù)。本文針對上述預(yù)報(bào)對象，通過參數(shù)尋優(yōu)，完成上述36個(gè)預(yù)報(bào)對象最優(yōu)模型的構(gòu)建。參數(shù)尋優(yōu)相關(guān)變量的計(jì)算公式為：

3 預(yù)報(bào)效果檢驗(yàn)

3.1 溫度與相對濕度的回歸預(yù)報(bào)

使用參數(shù)尋優(yōu)建立的模型，對檢驗(yàn)樣本進(jìn)行預(yù)報(bào)，經(jīng)過統(tǒng)計(jì)分析預(yù)報(bào)和實(shí)況之間的差異，并比對WRF 的預(yù)報(bào)能力后發(fā)現(xiàn)，該方法對逐時(shí)氣溫、相對濕度有較強(qiáng)的預(yù)報(bào)能力，且預(yù)報(bào)水平較WRF 模式有顯著的提高。

溫度的高低直接影響航空器的起飛著落性能和載重量，因此準(zhǔn)確的溫度預(yù)報(bào)對飛行活動(dòng)至關(guān)重要。從圖1a 看到：WRF 模式輸出的溫度預(yù)報(bào)在1—3月、11—12月平均絕對差較大，均超過3 ℃，尤其是1月和12月絕對差超過5 ℃，模式輸出的溫度預(yù)報(bào)在冬季可用性很差。而MOS 逐時(shí)溫度預(yù)報(bào)的平均絕對差基本控制在1.09～2.33 ℃之間，其中只有1月、12月的平均絕對差超過2 ℃，并且1—12月逐時(shí)溫度預(yù)報(bào)結(jié)果較為穩(wěn)定。通過對比MOS 溫度預(yù)報(bào)和WRF 模式輸出發(fā)現(xiàn)，MOS 溫度預(yù)報(bào)整體預(yù)報(bào)效果要優(yōu)于WRF 數(shù)值模式輸出的溫度預(yù)報(bào)，且逐月溫度預(yù)報(bào)結(jié)果較為穩(wěn)定，可以作為逐時(shí)溫度預(yù)報(bào)的指導(dǎo)產(chǎn)品。

圖1 MOS 預(yù)報(bào)與WRF 預(yù)報(bào)的平均絕對差和均方差

夏季降水、冬季大霧等天氣的出現(xiàn)與相對濕度的高低有直接的關(guān)系，準(zhǔn)確預(yù)報(bào)能夠較好地指導(dǎo)預(yù)報(bào)員判斷降水系統(tǒng)的移動(dòng)、大霧的消散。從圖1b 可以看到，WRF 模式輸出的相對濕度平均絕對誤差為9.69%～20.74%，4—10月的誤差明顯大于其他月份，全年相對濕度預(yù)報(bào)平均誤差有明顯的季節(jié)性變化；MOS 逐時(shí)相對濕度預(yù)報(bào)的平均絕對差則較為穩(wěn)定，且預(yù)報(bào)誤差較WRF 模式輸出有明顯的提高，基本控制在4.71%～9.58%。誤差分析結(jié)果表明：MOS 方法能夠較好地改善4—10月相對濕度的預(yù)報(bào)結(jié)果，并且保證了相對濕度預(yù)報(bào)結(jié)果的穩(wěn)定性。

3.2 低能見度、低云量、總云量的分類預(yù)報(bào)

航空器能否安全起降，就氣象條件來說，主要取決于云和能見度。為了保證航空器的安全和航空公司的效益，及時(shí)制作發(fā)布的有關(guān)低云、低能見度的天氣預(yù)報(bào)產(chǎn)品對航空公司、機(jī)組顯得尤為重要。目前烏魯木齊機(jī)場的低云、低能見度天氣主要依賴于預(yù)報(bào)員的主觀經(jīng)驗(yàn)預(yù)報(bào)，本文嘗試?yán)肳RF 模式輸出的常規(guī)氣象要素，建立烏魯木齊機(jī)場冬季（12月—翌年2月）低能見度、云量等天氣現(xiàn)象的分類預(yù)報(bào)模型，并對檢驗(yàn)樣本進(jìn)行預(yù)測分析，得到低能見度、總云量以及低云量的分類預(yù)報(bào)結(jié)果（表3）。

分析MOS 方法的分類預(yù)報(bào)準(zhǔn)確率可以看到：MOS 方法的低能見度預(yù)報(bào)模型的分類準(zhǔn)確率達(dá)到89%以上，主導(dǎo)能見度≤800 m（正樣本）的TS 評分在29.09%～46.05%，預(yù)報(bào)成功率為61.11%～76.19%；總云量預(yù)報(bào)模型的分類準(zhǔn)確率維持在73%以上，總云量＞5分量（正樣本）的TS 評分維持在62.06%～70.69%，預(yù)報(bào)成功率為73.36%～83.93%；低云量預(yù)報(bào)模型的分類準(zhǔn)確率維持在72%以上，低云量＞5分量（正樣本）的TS 評分維持在54.27%～66.50%，預(yù)報(bào)成功率為72.57%～79.88%。

表3 分類預(yù)報(bào)結(jié)果的準(zhǔn)確率分析/%

統(tǒng)計(jì)數(shù)據(jù)分析表明，主導(dǎo)能見度≤800 m 事件占總樣本的10%左右，總云量或低云量＞5分量事件占總樣本的30%以上，而MOS 方法對低能見度、云量等要素的預(yù)報(bào)TS 評分均達(dá)到30%以上，即TS 評分高于正樣本在樣本出現(xiàn)的頻率，具有正的預(yù)報(bào)技巧，說明MOS 預(yù)報(bào)模型對上述預(yù)報(bào)對象有一定的預(yù)測推理能力。

4 小結(jié)

（1）通過支持向量機(jī)（SVM）方法建立的MOS 預(yù)報(bào)方程，對逐時(shí)溫度、相對濕度的預(yù)報(bào)準(zhǔn)確性較WRF 模式直接輸出的預(yù)報(bào)結(jié)果有明顯的提高。

（2）目前烏魯木齊機(jī)場運(yùn)行的WRF數(shù)值模式在不同月份的預(yù)報(bào)誤差變化劇烈，基于模式輸出的統(tǒng)計(jì)模型則具有較好的穩(wěn)定性，逐月誤差變化較小。

（3）利用WRF 數(shù)值模式輸出結(jié)果與低能見度、云量等天氣現(xiàn)象建立統(tǒng)計(jì)預(yù)報(bào)模型，對低能見度、低云等影響飛行的重要天氣進(jìn)行預(yù)測，為航空氣象人員預(yù)測影響飛行的復(fù)雜天氣提供了新的方法和思路。

（4）本方法僅使用WRF 數(shù)值模式的地面氣象要素輸出，造成實(shí)際應(yīng)用中預(yù)報(bào)準(zhǔn)確性和穩(wěn)定性仍有待提高，為了充分發(fā)揮WRF 數(shù)值模式的優(yōu)勢，同時(shí)充分考慮天氣系統(tǒng)中不同層次氣象要素的分布，今后在預(yù)報(bào)因子的構(gòu)建應(yīng)考慮使用更多具有天氣學(xué)意義和物理意義的因子。

（5）MOS 預(yù)報(bào)結(jié)果依賴于WRF 數(shù)值模式的準(zhǔn)確性。隨著烏魯木齊機(jī)場WRF 數(shù)值模式本地化研究工作的開展，通過增加數(shù)值模式的數(shù)據(jù)同化，并擇優(yōu)選擇參數(shù)化方案，進(jìn)而提高模式輸出的準(zhǔn)確率，MOS 方法在航空氣象預(yù)報(bào)中的預(yù)報(bào)水平還會(huì)有所提高。

[1]劉還珠，趙聲蓉，陸志善，等.國家氣象中心客觀要素預(yù)報(bào)——MOS 系統(tǒng)[J].新疆氣象，2004，27（3）：4-7，13.

[2]陳豫英，陳曉光，馬金仁，等.基于MM5 模式的精細(xì)化MOS 溫度預(yù)報(bào)[J].干旱氣象，2005，23（4）：52-56.

[3]陳豫英，陳曉光，馬篩艷，等.精細(xì)化MOS 相對濕度預(yù)報(bào)方法研究[J].氣象科技，2006，34（2）：143-146.

[4]辜旭贊.湖北分縣MOS 預(yù)報(bào)系統(tǒng)建立與評分[J].氣象，2008，34（2）：43-51.

[5]程戴暉，楊美川.上海浦西地區(qū)霧持續(xù)時(shí)間的統(tǒng)計(jì)釋用預(yù)報(bào)[J].氣象，2001，27（7）：16-19.

[6]趙俊榮，晉綠生，吳小龍，等.石河子地區(qū)中量以上降水預(yù)報(bào)業(yè)務(wù)系統(tǒng)[J].新疆氣象，2005，28（增刊）：19-21.

[7]寗春蓉，馮漢中.基于卡爾曼濾波方法的MOS 與PP 法在德陽溫度預(yù)報(bào)中的效果評價(jià)[J].四川氣象，2005，25（3）：12-13.

[8]朱國棟.基于SVM 方法的烏魯木齊國際機(jī)場多要素預(yù)測[J].沙漠與綠洲氣象，2011，5（4）：40-43.

[9]LIBSVM：a Library for support Vector Machines[OL].Chih_Chung，http://www.csie.ntu.edu.tw