職 慧 王培星

（1.民航山東空管分局,山東 濟南 250000；2.中國東方航空股份有限公司 西北運控分中心,陜西 西安 710000）

1 緒論

1.1 研究背景和意義

上海是中國最大的城市、經濟中心和交通樞紐，2018年上海機場集團旗下浦東和虹橋兩大機場年起降航班771957架次（浦東機場504972架次，虹橋機場266985架次），完成年旅客吞吐量11769.97 萬人次（浦東機場7405.42 萬人次，虹橋機場4364.55 萬人次），完成年貨郵吞吐量416.94 萬噸（浦東機場376.19 萬噸，虹橋機場40.75 萬噸），客運量同比增長5.20%，作為全國最大的航空樞紐港客流再創(chuàng)歷史新高。

1.2 國內外研究進展

王楠等人利用1997 年到2013 年烏魯木齊機場每年11月至次年3 月的地面觀測資料，研究了烏魯木齊機場跑道視程與低能見度天氣對比的特征，得到以下結論：不同級別的能見度對應的跑道視程數(shù)值日變化特征不同；每個月出現(xiàn)跑道視程小于或等于能見度這種情況的概率的變化規(guī)律基本一致，日變化幅度極大。

趙建偉等人利用對2007 年至2009 年大理機場地面觀測資料和大理站歷年降水資料統(tǒng)計分析，研究了影響大理機場低能見度天氣過程氣象要素特征，得到下列結論：連續(xù)的陰雨天降水過程是造成大理機場低能見度天氣的主要因素，霧是造成大理機場低能見度天氣過程的次要因素。大理機場霧天的特征：局地性強，范圍和厚度小，變化較快。

陸方甲等人利用杭州蕭山機場2001 年到2006 年的地面氣象觀測數(shù)據(jù)研究了蕭山機場低能見度天氣的規(guī)律和特點，蕭山機場低能見度主要由輻射霧、平流霧等冷卻霧造成，同時兼有雨霧，低能見度是蕭山機場的氣候性天氣，逐年變化不明顯，年分布相對均勻，總體上11—5 月是低能見度頻發(fā)月份，也就是說冬春季節(jié)更容易產生低能見度天氣過程。

魯鵬飛利用湖北襄陽機場2001 年到2017 年的能見度資料，分析了襄陽機場能見度的年際變化、季節(jié)變化和日變化特征及其對飛行的影響。結果表明：季節(jié)變化上，夏季和秋季的能見度好于冬季和春季，日變化總體上中午和下午的能見度好于早晚。造成襄陽機場能見度<1km 的天氣現(xiàn)象主要是輻射霧和雨，其中霧為主要因素，降水為次要因素。

佘星源等利用南京氣象觀測臺逐小時的觀測數(shù)據(jù)、中國環(huán)境保護部的大氣質量檢測數(shù)據(jù)、南京國家基準氣候站的雨滴譜儀測量數(shù)據(jù)，利用相關分析的方法，做出了南京祿口機場低能見度天氣的擬合預測模型，結論如下：相對濕度對能見度的相關關系最明顯，其次是風速，氣壓以及溫度和能見度相關關系較小。直接影響能見度大小的只有濕度和污染物，風速間接影響能見度數(shù)值，溫度和氣壓對能見度的作用不明顯。降水時能見度主要受降水強度影響，降水強度和能見度呈冪函數(shù)關系，通過曲線擬合得到了擬合效果較好的降水強度-能見度關系式：

其中VSB 為能見度，r 為降水強度，擬合方程的復相關系數(shù)R2=0.96，擬合效果很好。

管翔等通過對1986 年到1995 年武宿機場霧天的各項氣象要素進行統(tǒng)計分析，找出造成武宿機場低能見度天氣的主要原因并分析其低能見度天氣過程，結論如下：霧是造成本場低能見度的最主要天氣現(xiàn)象,其次是煙和霆、揚沙、浮塵和降水。大霧產生之前低空的風場總有一段時期風向風速較為穩(wěn)定沒有什么大的變化。大霧前的北風分量的水平混合作用加速了水汽的凝結。低空有暖濕氣流向本地輸送。大霧產生的前一天本場溫度露點差會有一個明顯的突然降低的過程。

蔡明驕等利用長春龍嘉機場2006～2017 年以來的地面觀測資料，對龍嘉機場低能見度天氣過程中的氣象要素的特征進行了統(tǒng)計分析，結論如下：長春龍嘉機場低能見度天氣集中發(fā)生在冬半年，其中1 月是出現(xiàn)此種天氣最頻繁的月份，出現(xiàn)低能見度最低的月份是5 月。影響長春龍嘉機場低能見度的天氣主要是霧（包括輕霧和凍霧），其次為降水（降雨和降雪），其他天氣（煙、塵、霾等）影響低能見度的天數(shù)最少。對低能見度天氣過程中風速和風向特征的統(tǒng)計分析表明，低能見度天氣下風速普遍較小。

郭新華等利用1986～1995 年鄭州機場的氣象資料,分析了鄭州機場低能見度的天氣特征及成因。得到以下結論：鄭州機場能見度受溫度影響最大，溫度低能見度差，溫度高能見度好，濕度相同的前提下，冬季能見度最差。

吳波等通過對2018 年3 月30 日浦東機場出現(xiàn)的一次較長時間的低云低能見度天氣過程進行觀察，研究了浦東機場低能見度天氣形勢變化和對機場運行的影響，得到如下結論：本次低云低能見度天氣的發(fā)生主要是因為環(huán)流形勢把海上的水汽輸送到機場上空，其消散主要是因為風向的突轉，使水汽的輸送中斷。

胡伯彥等利用上海虹橋機場1986 年到2014 年地面例行觀測報告結果對機場低能見度天氣下的多種氣象要素特征進行了統(tǒng)計和分析。研究發(fā)現(xiàn)：虹橋機場低能見度天氣下氣溫處于10℃到15℃之間的概率最高，低能見度天氣下機場主導風向在近年來以偏北風和西南風為主。機場低能見度天氣下相對濕度為90%到95%的出現(xiàn)比率最高。

徐元魁等通過對2016 年12 月12 日至13 日浦東機場出現(xiàn)的一次較長時間的低云低能見度天氣過程進行觀察分析，研究了浦東機場低能見度天氣形勢變化和對機場運行的影響，最終得到如下結論：2016 年12 月12 日至13 日，浦東機場先后出現(xiàn)了兩次低云低能見度天氣，第一次過程為受偏東氣流與海上高濕區(qū)影響的平流霧天氣，第二次過程為輻射冷卻和輻合引起的輻射霧。

傅毅等通過對2018 年5 月1 日浦東機場的一次低云低能見度天氣過程進行觀察分析，得到以下結論：平流低云低能見度天氣的形成與水汽條件密切相關，同時還與大氣環(huán)流場有關，環(huán)流場一旦發(fā)生變化，比如地面風速加大、風向改變等破壞了水汽的儲存條件和輸送條件，導致近地面層溫度升高，迫使水汽抬升，云底高抬高，便會終止低云低能見度天氣。

易軍等通過對2004 年1 月1 日至2014 年12 月31 日十年間上海虹橋機場75 個低能見度天氣過程進行分析，得到以下結論：虹橋機場低能見度天氣消散速度比生成速度更快；低能見度發(fā)生前靜風會突然增多、氣溫逐步降低、氣壓振蕩走低，低能見度消散的時候往往伴隨風速增大、氣溫快速上升、氣壓升高，相對濕度與氣溫呈負相關走勢，即溫度與相對濕度變化方向相反,它們的消散過程比生成過程變化得要快。

吳妍等通過對比分析上海虹橋和浦東機場在2000 年到2012 年之間的能見度變化特征發(fā)現(xiàn)：浦東機場能見度整體高于虹橋機場，兩個機場的能見度變化季節(jié)特征明顯且相似，均為夏季好，冬季差，而能見度日變化均為白天好，夜間差，且浦東機場每天能見度上升時間比虹橋機場更早。

劉東等通過對上海浦東機場2016 年3 月7 日的一次低云低能見度天氣過程的觀察，利用浦東機場天氣實況報文、江蘇氣象信息共享平臺、華東地區(qū)民航數(shù)字預報系統(tǒng)和長江三角洲短時預報系統(tǒng)觀測發(fā)布的氣象數(shù)據(jù)，分析了此次低云低能見度天氣過程中上述預報系統(tǒng)對浦東國際機場低云低能見度天氣過程的預測能力，并建立了一套能夠為浦東國際機場低云低能見度天氣提供預警的模型。

2 資料來源與方法分析

2.1 數(shù)據(jù)來源

本文采用2018年3月1日00:00到2019年2月28日23:30一年內虹橋和浦東兩個機場的Metar 報文收集所需的氣象數(shù)據(jù)，通過對兩個機場氣象要素的分析，研究上海兩場低能見度天氣過程的特征和規(guī)律。由于本文所選擇的數(shù)據(jù)來自Metar 報文，時間間隔為30 分鐘，所以可以研究兩機場低能見度天氣的月變化、日變化和時變化的特征。

2.2 報文解析示例

201902282330METARZSPD282330Z05005MPS010V0708 000NSC08/06Q1023NOSIG=

從報文中我們可以得到一個機場某一時刻的以下實況信息：

METAR：日常航空天氣報告識別碼

ZSPD：機場四字代碼（浦東機場）

282330Z：觀測時間28 日23:30（UTC）

05005MPS010V070：風向50°，風速5m/s，風向變化范圍為10°到70°之間

8000：能見度8000m

NSC：無重要云

08/06：溫度8℃，露點溫度6℃

Q1023：修正海平面氣壓（QNH）為1023hPa

NOSIG：無其他重要天氣現(xiàn)象

2.3 數(shù)據(jù)處理方法

將每三十分鐘一次的觀測數(shù)據(jù)求平均得到每天、每月的平均數(shù)據(jù)，對比兩機場能見度等各項天氣要素的日變化和月變化趨勢，求出各項氣象要素數(shù)值的相關系數(shù)，利用相關性檢驗的方法找出兩場低能見度天氣各種氣象特征的異同，并對其進行顯著性檢驗，同時統(tǒng)計低能見度天氣出現(xiàn)的頻次，分析低能見度天氣出現(xiàn)時的氣象特征，進而發(fā)現(xiàn)上海兩場低能見度天氣產生前后氣象要素的變化規(guī)律。

2.3.1 散點圖和折線圖

排列在工作表的列或行中的數(shù)據(jù)可以繪制到散點圖和折線圖中。散點圖和折線圖可以顯示一組或多組變量隨另一組變量的變化而變化的過程，因此非常適用于顯示一組或多組變量在某一自變量的相等數(shù)據(jù)間隔下變化的趨勢。在散點圖和折線圖中，類別變量的數(shù)據(jù)沿水平軸（x 軸）均勻分布，所有值變量的數(shù)據(jù)沿垂直軸（y 軸）均勻分布。通過散點圖和折線圖可以較為直觀的得出兩組變量間的相關關系。但是不能定量分析變量間的相關性，還需要使用Pearson 相關系數(shù)分析法來定量研究變量間的相關關系并進行顯著性檢驗。

2.3.2 風向玫瑰圖

風玫瑰圖分為風向玫瑰圖和風速玫瑰圖兩種。風向玫瑰圖表示風向和風向的頻率。風向頻率是在一定時間內各種風向（已統(tǒng)計到16 個風向）出現(xiàn)的次數(shù)占所有觀察次數(shù)的百分比。根據(jù)各方向風的出現(xiàn)頻率，以相應的比例長度（即極坐標系中的半徑）表示，按風向從外向中心吹，描在用8個或16 個方位（本文使用16 個方位）所表示的極坐標圖上，然后將各相鄰方向的端點用直線連接起來，繪成一個形式宛如玫瑰的閉合折線，就是風向玫瑰圖。

2.3.3 Pearson 相關系數(shù)分析法

通過上述折線圖，我們大致可以得到變量之間相關性的強弱，但是無法得到確定的相關程度，為了能夠精確地了解變量之間的相關程度，需要求出相關系數(shù)r。Pearson相關性系數(shù)分析法可以求得一個準確的相關系數(shù)來反映變量間的相關性，Pearson 相關系數(shù)r 的取值范圍在-1 到1 之間，正負方向反映其相關方向，絕對值反映其相關程度，相關關系與相關性對應表如表1 所示。

表1 相關關系與相關系數(shù)對應表

3 結果分析

3.1 年變化特征分析

先利用每半小時一次的數(shù)據(jù)求出日平均能見度，進一步求得月平均能見度如表2。

表2 浦東機場與虹橋機場月平均能見度及其相關系數(shù)

兩個機場能見度均有明顯的季節(jié)性變化特征，其原因可能是：上海地區(qū)受副熱帶高壓氣候和季風氣候的影響，夏秋季節(jié)晴天較多、日照時間更長、降水量大一點，大氣能見度較冬春季節(jié)更好，而冬春季節(jié)晴天較少、日照時間較短、降水量偏小一點，大氣層結相對穩(wěn)定，空氣污染物較難清除，底層大氣中的氣溶膠顆粒容易富集，這些條件均有利于霧天和霾天氣的形成，因此能見度會受到很大影響。浦東和虹橋兩機場的能見度雖然變化趨勢大致相同，但是也存在一些細微的差異，從每個月的日平均能見度相關系數(shù)上可以看到，2018 年的3、4 月份和7、8 月份兩機場的能見度相關系數(shù)很小，而2018 年11 月到2019 年2 月的相關系數(shù)很大。所以在研究兩機場能見度差異時應當著重考慮3、4月份和7、8 月份。

從地圖上我們可以看到，兩機場距離很近，所以能見度變化趨勢大致相同，產生這種細微差異的原因可能是兩機場地理位置和周圍環(huán)境的不同。浦東機場臨海而建，并且遠離市中心，而虹橋機場相對于浦東機場遠離海邊，距離上海市中心也更近，而且上海市中心介于虹橋機場和東海之間，市區(qū)的建筑物等障礙物在一定程度上阻擋了來自西太平洋高壓西部的平流霧。

3.2 季節(jié)變化特征分析

這一年內上海兩場日平均能見度的變化趨勢圖，按季節(jié)分為四部分：

從日平均能見度變化曲線可以清楚的看到，夏季和秋季兩機場能見度變化趨勢基本相同，浦東機場能見度變化一般比虹橋機場稍早一點，兩機場能見度的差別主要出現(xiàn)在3 月22 日到4 月5 日之間，這段時間也是虹橋機場低能見度天氣集中出現(xiàn)的時間，其中3 月31 日浦東機場低能見度只有3098 米，虹橋機場低能見度高達9582 米。

3.3 低能見度時刻特征分析

由于Ⅰ類精密進近能見度最低標準為800 米，所以篩選出兩機場能見度低于800 米的時刻進行分析。

統(tǒng)計上海兩機場每個月出現(xiàn)低能見度天氣的次數(shù)見表3。

表3 浦東機場和虹橋機場每月能見度低于800 米的次數(shù)統(tǒng)計

（1）從表中我們可以清楚的看到浦東機場低能見度天氣出現(xiàn)的頻率遠遠大于虹橋機場，而且浦東機場低能見度天氣主要出現(xiàn)在3 月份，虹橋機場的低能見度天氣主要出現(xiàn)在12 月。

統(tǒng)計上海兩場低能見度天氣出現(xiàn)的主要時間段見表4。

表4 浦東機場和虹橋機場能見度低于800 米在各時間段內出現(xiàn)的次數(shù)統(tǒng)計

（2）從表中我們可以看出上海兩場低能見度天氣主要出現(xiàn)在夜間。

（3）上海兩場低能見度天氣發(fā)生時的風向和風速統(tǒng)計：

通過Metar 報文發(fā)現(xiàn)上海兩場低能見度天氣過程中發(fā)生風向變化不定和靜風的情況幾乎為0，可以忽略。將風向大致分為北（N，348.76°-11.25°）、北東北（NNE，11.26°-33.75°）、東北（NE，33.76°-56.25°）、東東北（ENE，56.26°-78.75°）、東（E，78.76°-101.25°）、東東南（ESE，101.26°-123.75°）、東南（SE，123.76°-146.25°）、南東南（SSE，146.26°-168.75°）、南（E，168.76°-191.25°）、南西南（SSW，191.26 °-213.75 °）、西 南（SW，213.76 °-236.25 °）、西西南（WSW，236.26°-258.75°）、西（W，258.76°-281.25°）、西西北（WNW，281.26°-303.75°）、西北（NW，303.76°-326.25°）、北西北（NNW，326.26°-348.75°）共16 個方向，對這16 個風向的風進行統(tǒng)計，結果顯示低能見度天氣過程中，浦東機場的風向主要為東南風、南東南風和東風，虹橋機場的風向主要為北西北風。浦東機場風向偏西北和虹橋機場風向偏東南時均很少出現(xiàn)低能見度天氣。

浦東機場3 月低能見度天氣各風速出現(xiàn)次數(shù)見表5。

表5 浦東機場3 月低能見度天氣過程各風速出現(xiàn)的次數(shù)統(tǒng)計

（4）上海兩場低能見度天氣現(xiàn)象過程中的相對濕度

空氣中水汽含量不變且氣壓一定時，氣溫降低到使空氣達到飽和時的溫度，稱為露點溫度，簡稱露點，氣壓一定時，露點的高低只與空氣中水汽含量多少有關，水汽含量越多，露點溫度越高，露點溫度的高低反映了空氣中水汽含量的多少，當空氣處于未飽和狀態(tài)時，其露點溫度低于氣溫，只有在空氣達到飽和時，露點才和氣溫相等，所以可以用溫度露點差來判斷空氣的飽和程度，溫度露點差越小，空氣越潮濕。通過計算發(fā)現(xiàn)兩機場能見度小于800 米時的溫度露點差均小于2，如表6 所示，空氣接近飽和，濕度較大，滿足霧的產生條件。

表6 浦東機場3 月低能見度天氣各氣象要素統(tǒng)計

綜上所述，3 月進入春季，氣溫回升，暖濕空氣與冷地表溫差顯著，風速集中在2m/s-7m/s 范圍內，暖濕空氣相對濕度較大，這些均符合平流霧產生的條件，加上適宜的風向，西南風在適宜的風速下，將海面上的暖濕空氣吹到陸地，與冷地表接觸逐漸冷卻形成平流霧，最終使浦東機場形成低能見度天氣現(xiàn)象。12 月進入冬季，氣溫降低，夜間或凌晨近地面水汽充沛，地表面輻射冷卻強，近地面氣溫下降迅速，容易形成逆溫層，有利于水汽的凝結，從而在虹橋機場形成輻射霧，使虹橋機場產生低能見度天氣現(xiàn)象。

4 相關性分析

從前文所述我們發(fā)現(xiàn)浦東機場的低能見度天氣主要出現(xiàn)在2018 年的3 月份，虹橋機場的低能見度天氣主要出現(xiàn)在2018 年的12 月，所以選擇浦東機場3 月的一次低能見度天氣過程和虹橋機場12 月的一次低能見度天氣過程，分析其能見度和風速、溫度、露點溫度、溫度露點差的相關性。由于相關性分析所用到的變量來自于抽樣，所以可能存在誤差，還需進行顯著性檢驗，利用SPSS 軟件進行相關性分析及顯著性檢驗。

4.1 兩機場低能見度天氣過程分析

選擇浦東機場2018 年3 月3 日09:00 到3 月4 日02:00的數(shù)據(jù)進行分析，這段時間內浦東機場的能見度經歷了一次由好轉差再轉好的變化。

浦東機場此次低能見度天氣過程各項氣象要素統(tǒng)計如表7 所示。

表7 浦東機場3 月3 日一次低能見度天氣過程各項氣象要素統(tǒng)計

浦東機場2018 年3 月2 日9 點之前能見度大于10 千米，9 時30 分開始降低，10 時30 分降低至6000 米，持續(xù)大約半小時，11 時30 分回升至8000 米之后繼續(xù)降低，到下午14 時整降低至2000 米，下午19 時降低至1000 米以下，一直持續(xù)到晚上23 時，之后開始轉好，能見度小于1000 米的過程持續(xù)了4 個小時。

4.1.1 浦東機場能見度與風速的相關性分析

從散點圖中幾乎很難看出能見度與風速的關系，所以要先假設低能見度天氣過程中能見度和風速相關性較差。

表8 和表7 是通過SPSS 軟件利用Pearson 相關性分析法得到的浦東機場2018 年3 月3 日到4 日一次低能見度天氣過程能見度和風的相關性檢驗的描述統(tǒng)計量（表8）和相關性分析（表9）。

表8 描述統(tǒng)計量

表9 相關性

從表8 可以看出此次低能見度天氣過程中能見度的樣本容量為35，極小值為500，極大值為9999，均值為3637，標準差為3390，風速極小值為3，極大值為7，均值為4.54，標準差為1.094。

從表9 中可以看到，顯著性（雙側）P 值為0.145>0.01，所以不拒絕零假設，在置信度99%的水平上，相關系數(shù)為r=0.251，由于r 為正，所以能見度和風速成正相關關系，0<0.251<0.3，所以能見度和風速微弱相關，綜上所述，浦東機場低能見度天氣過程中能見度和風速相關性較差，成正相關關系。

4.1.2 浦東機場能見度與溫度的相關性分析

假設溫度和能見度相關性較差。

使用SPSS 利用Pearson 相關性分析法得到浦東機場2018 年3 月3 日到4 日一次低能見度天氣過程中溫度與能見度的相關性檢驗如表10（描述統(tǒng)計量）和表11（相關性分析）所示。

從表10 可以看出此次低能見度天氣過程中溫度極小值為12，極大值為17，均值為12.69，標準差為1.345。

從表11 中可以看到，顯著性（雙側）P 值為0.04<0.05，所以拒絕零假設，兩變量極顯著相關，在置信度95%的水平上，相關系數(shù)為r=0.348，由于r 為正，所以能見度和溫度成正相關關系，0.3<0.348<0.5，所以能見度和風速低度相關，綜上所述，浦東機場低能見度天氣過程中能見度和溫度低度相關，成正相關關系。

表11 相關性

4.1.3 浦東機場能見度與溫度露點差的相關性分析

假設溫度露點差和能見度相關性較強。

使用SPSS 利用Pearson 相關性分析法得到浦東機場2018 年3 月3 日到4 日一次低能見度天氣過程中溫度露點差與能見度的相關性檢驗如表12（描述統(tǒng)計量）和表13（相關性分析）所示。

從表12 可以看出此次低能見度天氣過程中溫度露點差極小值為0，極大值為3，均值為0.83，標準差為0.707。

表12 描述統(tǒng)計量

從表13 中可以看到，顯著性（雙側）P 值為0.000<0.01，所以拒絕零假設，在置信度99%的水平上顯著相關，相關系數(shù)為r=0.601，由于r 為正，所以能見度和溫度露點差成正相關關系，0.5<0.601<0.8，所以能見度和溫度露點差顯著相關，綜上所述，浦東機場低能見度天氣過程中能見度和溫度露點差顯著相關，成正相關關系。

表13 相關性

4.2 虹橋機場一次低能見度天氣過程分析

選擇虹橋機場2018 年12 月2 日15:00 到12 月3 日05:00 的數(shù)據(jù)進行分析，這段時間內虹橋機場的能見度經歷了一次由好轉差再轉好的變化。

上海虹橋機場2018 年12 月2 日14:30 之前的能見度為7000 米，從14:30 開始降低，15:00 降低至5000 米，持續(xù)兩個小時后，17:00 開始繼續(xù)降低，20:30 降低至最低500 米之后開始轉好，22:00 到達6000 米，隨后再次下降，23:00 降至5000 米后開始轉好，于次日00:00 達到7000 米，能見度低于1000 米的過程持續(xù)了1 小時左右。

虹橋機場此次低能見度天氣過程各氣象要素統(tǒng)計如表14 所示。

表14 虹橋機場12 月2 日一次低能見度天氣過程中各氣象要素統(tǒng)計

4.2.1 虹橋機場能見度與風速的關系

先假設能見度與風速相關性較差。

通過SPSS 軟件利用Pearson 相關性分析法得到的虹橋機場2018 年12 月2 日到3 日一次低能見度天氣過程能見度和風的相關性檢驗的描述統(tǒng)計量（表15）和相關性分析（表16）。

從表15 可以看出此次低能見度天氣過程中能見度的樣本容量為35，極小值為500，極大值為8000，均值為5382.86，標準差2303.895，風速極小值為0，極大值為4，均值為1.86，標準差為0.879。

表15 描述統(tǒng)計量

從表16 中可以看到，顯著性（雙側）P 值為0.081>0.01，所以不拒絕零假設，在置信度99%的水平上，相關系數(shù)為r=0.299，由于r 為正，所以能見度和風速成正相關關系，0<0.299<0.3，所以能見度和風速微弱相關。綜上所述，虹橋機場低能見度天氣過程中能見度和風速相關性較差，成正相關關系。

表16 相關性

4.2.2 虹橋機場能見度與溫度的相關性分析

先假設能見度與溫度不相關。

使用SPSS 利用Pearson 相關性分析法得到虹橋機場2018 年12 月2 日到3 日一次低能見度天氣過程中溫度與能見度的相關性檢驗如表17（描述統(tǒng)計量）和表18（相關性分析）所示：

從表17 可以看出此次低能見度天氣過程中溫度極小值為17，極大值為20，均值為17.60，標準差為0.976。

表17 描述統(tǒng)計量

從表18 中可以看到，顯著性（雙側）P 值為0.005<0.01，所以拒絕零假設，兩變量極顯著相關，在置信度99%的水平上，相關系數(shù)為r=0.468，由于r 為正，所以能見度和溫度成正相關關系，0.3<0.468<0.5，所以能見度和風速低度相關，綜上所述，浦東機場低能見度天氣過程中能見度和溫度低度相關，成正相關關系。

表18 相關性

4.2.3 虹橋機場能見度與溫度露點差的相關性分析

能見度與溫度露點差成正相關關系，相關性較好。

使用SPSS 利用Pearson 相關性分析法得到虹橋機場2018 年12 月2 日到3 日一次低能見度天氣過程中溫度露點差與能見度的相關性檢驗如表19（描述統(tǒng)計量）所示。

從表19 可以看出此次低能見度天氣過程中溫度露點差極小值為0，極大值為3，均值為0.69，標準差為0.963。

表19 描述統(tǒng)計量

顯著性（雙側）P 值為0.001<0.01，所以拒絕零假設，在置信度99%的水平上顯著相關，相關系數(shù)為r=0.534，由于r 為正，所以能見度和溫度露點差成正相關關系，0.5<0.534<0.8，所以能見度和溫度露點差顯著相關，綜上所述，虹橋機場低能見度天氣過程中能見度和溫度露點差顯著相關，成正相關關系。

4.3 小結

通過對浦東機場和虹橋機場各自的一次低能見度天氣過程中能見度和各氣象要素的相關性分析，我們可以發(fā)現(xiàn)，兩機場能見度和風速、溫度的相關性類似，能見度與風速微弱相關，與溫度低度相關，且都為正相關，兩機場低能見度天氣過程中能見度與溫度露點差顯著相關成正相關關系，所以上海兩場低能見度天氣主要受到空氣濕度影響，能見度與溫度露點差成正相關，即溫度露點差越大，空氣濕度越低，能見度越好，反之，溫度露點差越小，空氣越飽和，能見度越差。

5 總論

本文通過參考大量國內外關于機場低能見度天氣的文獻，使用作圖和Pearson 相關系數(shù)分析法等多種方法，對上海兩場2018 年3 月1 日00:00 起到2019 年2 月28 日23:30這一年內的能見度和風向、風速、溫度、露點溫度、溫度露點差之間的關系進行了分析，并著重對兩場低能見度天氣過程中能見度和風速、溫度之間分別進行了Pearson 相關性分析。

通過上述分析，最終得到如下結論：虹橋和浦東機場能見度均表現(xiàn)出明顯的季節(jié)變化特征，夏季能見度最佳，冬季最差，這與上海地區(qū)的副熱帶高壓氣候和季風氣候的特征有關，且兩場的低能見度天氣大多由霧造成，浦東機場的霧主要是因東南風從海上帶來的平流霧，虹橋機場的霧則是來自內陸的輻射霧。兩機場低能見度天氣多發(fā)生于夜晚和凌晨，因為這段時間內最容易滿足霧的產生條件，如適宜的風速風向、暖濕空氣適宜的相對濕度、暖濕空氣與冷地表顯著的溫差等等。通過對比虹橋和浦東機場能見度的日變化特征，能夠發(fā)現(xiàn)兩個機場在能見度上升時間上的細微差別，浦東機場比虹橋機場的能見度早一個時次開始上升，這對機場能見度的預報具有重要的指示意義。