黄利萍+李佳耘+董凌+孙道东+马魁侠

摘 要：该文根据2002-2012年亳州地区大雾资料，统计了大雾的时空分布特征和环流形势。结果表明：年平均大雾日数最多的地区集中在亳州中北部，东南部最少。近11a来大雾日数总体上呈减少趋势，但2010年后雾日有所增加，其中水平能见度在50～200m的浓雾出现频次最多。雾日有明显的季节变化，冬季最多、秋季次之、夏季最少；大雾持续时间大多在1～14h。根据2013年亳州市探空观测、地面观测资料以及EC细网格、T639、日本细网格、GRAPES数值模式产品，选取了87种预报因子，使用支持向量机方法（SVM）和中国气象局CMSVM应用软件平台，通过对训练样本进行交叉验证和模型核参数的逐渐逼近，建立了亳州市24h大雾支持向量机预报模型。

关键词：大雾；时空特征；预报模型；亳州

中图分类号 P426.4；P457.7 文献标识码 A 文章编号 1007-7731（2016）01-81-04

Research on the Fog Forecast Model in Bozhou Area

Huang Liping1 et al.

（Bozhou Municipal Meteorological Bureau，Bozhou 236800，China）

Abstract：In this paper，the temporal and spatial characteristics of fog and the atmospheric circulation were analyzed by using the fog data in Bozhou from year 2002 to 2012. The results showed that，the most of the annual average fog areas were concentrated in the north and central of Bozhou，and the southeast area was the least. Generally，the fog days decreased in the past 11 years，but it increased after 2010 year. The frequency of the visibility from 50 to 200 meters had the maximum occurrence. The fog days had significant seasonal variation characteristics，that the winter maximum，autumn second，and summer minimum. The fog mostly lasted 1 to 14 hours. According to the radiosonde data，observation data and EC fine mesh，T639，Japan fine mesh，GRAPES numerical model products of Bozhou City in year 2013，87 predictors were selected. By using Support Vector Machines（SVM）and CMSVM application software platform，and through the cross-validation of the training samples and gradually approaching model nuclear parameters，the 24 hour forecasting model of fog by Support Vector Machine in Bozhou was established.

Key words：Fog；Temporal and spatial characteristics；Prediction model；Bozhou area

雾是指大量微小的水滴悬浮于空中，使得水平能见度低于1km的天气现象。根据水平能见度可将雾分为4类：雾（500m<能见度≤1 000m）、大雾（200m<能见度≤500m）、浓雾（50m<能见度≤200m）和强浓雾（能见度≤50m）。大雾天气是安徽淮北地区秋冬季常见的灾害性天气现象之一，频繁出现的大雾天气不仅会对交通、航运等造成严重影响，而且其伴随的稳定层结大气使城市污染加重，给经济建设和人民生活带来重大损失。随着城市规模的不断扩大，雾、霾及其两者的结合物已成为城市发展过程中影响城市环境的重要因素，因此开展亳州市大雾的客观预报方法研究具有十分重要的意义。目前雾的预报已经成为一项常规预报项目，预报方法多采用经验法和外推法，但预报主观性较大、准确率较低、预报时效较短，且仅限于定性预报，无法满足社会对预报的要求。因此，加强大雾的成因和预报技巧研究极为重要。随着高分辨的数值天气预报模式的发展，在数值模式产品的释用方法方面研究成果显著，总体来看数值产品解释预报技术大致可分为4类：天气学释用、统计学释用、相似预报释用和人工神经网络方法。近年来国内很多学者对不同地区的大雾都作了大量的研究，并且在大雾预报方法方面取得了可喜的成绩。如吴彬贵[1]、李江波[2]研究了华北平原持续性浓雾过程的水汽输送和逆温特征，给出了大雾的环流背景、成因及雾区分布的天气概念模型；贺皓[3]提出了基于支持向量机模式识别的大雾预报方法；马学款等[4]采用动态学习率BP算法的人工神经网络建立了重庆市大雾的预报模式，并对模式拟合及预报结果进行了检验分析，TS评分达到68.6%；陈晓红等[5]通过分析安徽多年大雾的天气气候特征和形成的天气学条件，建立了安徽省县级大雾预报业务系统。本研究将利用地面观测资料和4家高分辨率的数值预报产品资料，采用支持向量机方法筛选优质的预报因子建立了亳州地区大雾预报模型，并在实际工作中进行了试用检验和推广使用。

1 资料方法及背景

亳州市地处安徽省淮北地区西北部，全市辖谯城区、涡阳县、蒙城县、利辛县4个区域，地形以平原为主。亳州市常见的雾主要有辐射雾、平流雾、锋面雾和平流辐射雾，多发生在大气层结稳定、低层水汽充沛、风力较弱的天气条件下，或者是降水过后夜间近地面有强烈的辐射降温时。本研究首先利用2002-2012年亳州市4个国家观测站（亳州、涡阳、蒙城、利辛）11a的地面观测资料，统计分析亳州地区大雾的时空变化特征和大雾发生的环流形势，在此基础上确定与能见度变化有关的预报因子。同时提取4家数值预报产品（T639分辨率为0.28°×0.28°、EC细网格分辨率为0.25°×0.25°、日本细网格分辨率为0.50°×0.50°、GRAPES_meso分辨率为0.15°×0.15°）、研究区域内高密度自动站气象要素数据，采用相关性计算挑选出与能见度相关的预报因子，包括天气系统相关因子（气压场、风场、变温、变压）、中低层大气层结特征（逆温层）、近地层湿度（地面温度露点差、850hPa相对湿度）、地面辐射因素（总云量、低云量）等物理量因子。将4家数值模式预报的相关产品采用支持向量机（SVM：Support Vector Machine）方法建立大雾预测模型，进行24h预报建立大雾精细化预报模型。本研究的关键技术是采用支持向量机方法建立预报模型，该方法是一种新颖的小样本机器学习方法，该方法建模不必知道因变量和自变量之间的关系，通过对样本的学习即可获得因变量和自变量之间非常复杂的映射关系，它具有从海量的信息中自动识别并提取关键信息的特点，适合处理本质上的非线性问题。因此，把SVM方法用于大雾预报，是提高大雾预报准确率的一个新途径，并且这种预报系统也易于推广使用，对现代化预报业务的发展有现实的使用价值。

本文所用资料为安徽省气象信息中心提供的2002-2012年亳州地区4站地面观测资料（包括能见度、大雾的起止时间、总云量、地面气压场、10m风、温度、露点）、NCEP1°×1°逐日再分析资料（包括海平面气压场、500hPa高度场、700hPa和850hPa风场）以及2013年亳州市探空、地面气象资料以及EC细网格、T639、日本细网格、GRAPES数值模式产品。当某站天气现象栏记录雾或6h地面观测中有一次能见度≤1km，则记为一个大雾日[6]。

2 亳州市大雾SVM预报模型的建立

2.1 亳州市大雾的气候变化特征 根据2002-2012年亳州地区的大雾资料，统计了近11a来大雾的时空分布特征（图1）。全市年平均大雾日数为27d，最多的地区集中在亳州市中北部（31d），东南部最少（24d）；雾日有明显的季节和月际变化，雾日为冬季最多（10d）、春秋季次之（6～7d）、夏季最少（4d）；月平均雾日呈“两峰一谷”型分布，即1月和12月最多（4d）、8月最少（1d），总体上自1月开始至8月呈递减趋势，8月之后呈递增趋势。大雾出现时间通常始于夜间20时至次日8时（以5～6时最多），大雾结束于7～13时（以9～10时最多），持续时间大多在1～14h，其中持续1～3h的大雾出现频次最高。近11a来亳州市大雾日数总体上呈下降趋势，2010年降到最小值（4站平均日数9d）后有所增加。统计不同能见度的雾日可知：50～200m的浓雾出现频次最多（107d）、500～1 000m的雾和能见度低于50m的强浓雾次之（69d、66d）、200～500m的大雾出现最少（51d）。

2.2 大雾发生的环流形势分析 大雾发生的天气形势受到大范围气象条件的限制，根据2002-2012年亳州出现的大雾分布和相应的地面、500hPa、700hPa及850hPa天气图，统计分析了亳州地区大雾出现的环流特征。以地面天气形势为主要依据，综合考虑500hPa、700hPa及850hPa的环流特征，将亳州地区的大雾流型分为均压型和锋前型两种。均压型主要以辐射雾为主，而锋前型则与平流雾相联系。二者的高低空系统配置分别如下：（1）均压型：雾区处在地面高压或低压系统附近均压场中或者地面无明显高低压系统；500hPa处于西北气流、偏西气流或西南偏西气流中；850hPa处于低涡或低槽前西南气流中或弱高压脊前西北气流中（图2a）。（2）锋前型：雾区处于冷高压或者地面冷锋前部；500hPa处于槽前西南气流或西北偏西气流中；850hPa处在高压脊区均压场中或低涡（槽区）前西南气流中（图2b）。

2.3 挑选预报因子 由于SVM的最终决策函数只由支持向量来确定，本文尽量选取较多的预报因子，以达到充分描述大气的空间变化的目的。针对上文的基本天气气候条件和环流特征分析，利用亳州市探空和地面气象要素资料以及4种数值模式产品，构造了87个预报因子，以期能够充分描述因子群与预报对象（大雾）的关系。资料长度为2013年，具体资料包括：（1）08时和20时的有关探空资料，包括500、700、850、925、1 000hPa的高度、温度、露点、风速；（2）地面常规观测资料，包括08、20时的风速、云量、能见度、相对湿度、温度、24小时变压、24小时变温等；（3）EC细网格、T639、日本细网格、GRAPES数值模式的高空和地面预报场，包括500、700、850、925、1 000hPa的高度、温度、露点、风速以及地面风速、相对湿度、温度等。

2.4 确立预报对象和预报模型 预报对象为亳州市未来24h有无大雾。若有大雾发生，归为1，无大雾发生，归为-1。由于大雾的正样本数少，未进行分季节建模，共有64个正样本。采用中国气象局培训中心SVM应用研究小组开发的CMSVM应用软件，建立SVM预报模型，对所有样本进行了归一化处理，采用径向基函数作为基本函数建立SVM模型。把处理好的数据集（2013年1～12月）分为训练样本（占总样本数的70%）、测试样本（占总样本数的20%）、检验样本（占总样本数的5%）3个部分。通过训练样本建立模型，再利用测试样本优化模型，最后利用检验样本进行试报。

图3 使用CMSVM平台对2013年1～12月的730个样本进行训练后得到的预报模型

3 亳州市大雾SVM预报模型的效果检验

3.1 正样本TS评分 利用预报模型对2014年1～5月数据进行了预报检验，对大雾预报准确率采用正样本Ts评分。正样本Ts评分计算公式为：Ts（%）=Na/（Na+Nb+Nc）×100，式中Na为预报正确次数，Nb为空报次数，Nc为漏报次数。若没有预报大雾，也没有出现大雾，不参加质量评定。2014年1～5月亳州市共出现了7次大雾，该模型仅仅做出1次正确预报，出现6次漏报，未出现空报，Ts评分为14.3%。结果表明，该预报模型的预报能力一般，并未达到预期标准。

3.2 存在问题及改进 对于建立的大雾SVM模型Ts评分值较低的问题进行了思考，可能是所使用的（下转107页）（上接83页）实况资料和预报资料都是20时和08时，而大雾主要出现在20～08时之间，各种预报因子的代表性不够。于是进一步采用数值预报05时的预报产品对模型进行改进，以验证模型的预报效果。结果发现：进行改进之后，该模型作出了5次正确预报，仅出现2次漏报，未出现空报，Ts评分为71.4%，预报效果较好。

4 结论

本文应用2002-2012年地面观测资料，分析了11a来亳州地区大雾的时空分布特征和环流形势，并采用支持向量机方法建立了亳州市大雾精细化预报模型，结果显示：

（1）亳州地区年平均大雾最多的地区在中北部，东南部最少；雾日呈明显的季节和月际变化，冬季最多、春秋季次之、夏季最少；月平均雾日呈“两峰一谷”型分布，即1月和12月最多、8月最少。大雾出现时间通常始于夜间20时至次日8时（以5～6时最多），结束于7～13时（以9～10时最多），持续时间大多在1～14h，其中持续1～3h的大雾出现频次最高。近11a来大雾日数总体上呈减少趋势，但2010年后雾日有所增加；能见度在50～200m的浓雾出现频次最多、能见度低于50m的强浓雾和能见度在500～1 000m的雾次之、能见度在200～500m的大雾出现最少。

（2）根据地面天气形势，将亳州地区大雾发生的天气形势分为均压型和锋前型2类，其中均压型主要为辐射雾，锋前型主要为平流雾。

（3）根据2013年亳州市探空、地面气象资料以及EC细网格、T639、日本细网格、GRAPES模式产品，共选取87种预报因子，使用支持向量机方法（SVM）和CMSVM应用软件平台，通过对训练样本进行交叉验证和模型核参数的逐渐逼近，建立了亳州市24h大雾支持向量机预报模型。通过对2014年1～5月大雾试报发现，预报模型的Ts评分为71.4%，达到了预期效果。

参考文献

[1]吴彬贵，张宏升，汪靖，等.一次持续性浓雾天气过程的水汽输送及逆温特征分析[J].高原气象，2009，28（2）28：258-267.

[2]李江波，赵玉广，孔凡超，等.华北平原连续性大雾的特征分析[J].中国海洋大学学报，2010，40（7）：15-23.

[3]陈晓红，方翀.安徽省县级大雾预报业务系统[J].气象，2005，31（4）：61-64.

[4]赵玉广，李江波，康锡言.用PP方法做河北省雾的分县预报[J].气象，2004，30（6）：43-47.

[5]程戴晖，杨美川.上海浦西地区雾持续时间的统计释用预报[J].气象，2001，27（7）：16-20.

[6]林建，杨贵名，毛冬艳.我国大雾的时空分布特征及其发生的环流形势[J].气候与环境研究，2008，13（2）：171-181.

（责编：张宏民）