长春龙嘉机场冬季烟雾预报分析

长春龙嘉机场冬季烟雾预报分析

这项工作的数据选择于2008年至2011年2月之间。选定的第一个样本是长春龙嘉机场的每年1、2、11和12点之前的1000m能见度的数据。第二类样本是随机选择第一个样本系数的三倍，测量1000m的气象观测数据。此外，选择了长春站（54161）的高山气象数据。本文件使用的时间是北京时间。检验资料则是长春龙嘉机场及长春站在2012年11月至2013年2月的部分高空资料。1原因分析1.1聚类分析的方法学模型从低能见度的成因来看,对于长春龙嘉机场区域内烟雾形成的气象条件有利的三个物理意义条件是水汽、动力和热力。由低能见度所形成的复杂性可知,其形成不是由单个因子所决定的,故而要对以上的三个方面因子进行选择性的组合,用聚类分析的方法进行预报相关性试验,找出具有一定预报能力的因子。因此,以临近预报的角度可知,能见度预测中存在的本身演变的资料也是其重要的物理量。1.2冬季低清晰度分析因子1中RH5,RH6,RH7分别为当天中的5~7时的相对湿度,也是机场当时地面的含水量。其中预报日前一天中的19时和20时的露点分别是Td19、Td20,而预报发布当天清晨前后的最低气温则是Tmin,经验系数是7/6(图1)。根据天气形势环流的特点进行分析可知,促使长春龙嘉机场冬季能见度有大陆性高压本身系统所决定的下沉性气流天气,也有地面静止时锋前部弱西南气流下的低能见度天气,还有鞍形场的天气形势影响,而这些的共同点则是夜间湿度大,辐射降温。分析长春机场的冬季低能见度大多数为辐射雾性质。于是在考虑有利的天气形势引发低能见度的同时,把辐射凝结条件放在重要地位,着眼于热力条件判断早晨的气温是否低于20时的露点,如果低于,表明夜间有足够充分的凝结条件产生。1.3天57时温度特征及预报作用因子2:中(T5-Td5)、(T6-Td6)、(T7-Td7)是预报当天5~7时的温度露点差,F5+F6+F7是预报当天的5~7时的风速之和,它们反映了在本场飞行活动之前确保有足够的地面水汽,而且风力不致于将水汽吹散,将水汽条件和反映动力条件的风组合在一起,从地面湍流条件成因上起到对雾的识别作用(图2)。1.4f、f6、f9、f9和fps因子3中,(T-Td)、(T9-Td9)、(T8-Td8)分别是前一日20时地面、850hpa和925hpa的温度露点差,F、F3、F6、F9和F15分别是地面和距地面300m、600m、925m和1500m的风速。根据文献结论,冬季辐射雾主发生在近地面400m的浅层内,于是距离地面900m的大气磨擦层及低层大气的状态成为不可不考虑成雾因素,因子3选取地面925hpa、850hpa高层的温度露点差,并且加入了1500m以下共4层的风速和,利用空间的水汽分布和动力条件来判别雾的成因(图3)。1.5动力、热力、蒸汽条件综合反应因子4中V5、V6、V7分别是当天早上5时、6时和7时的有效能见度。本场观测的能见度演变,是动力、热力、水汽条件的综合反应,将预报时效缩短,把预报员的外推思维数字模式化,得到(图4),作为因子4。由于资料的原因,各类不同的因子样本数都不一样,有的甚至差的较多,分析过程中同时选取了相应的第2类样本资料(≥1000m)各因子样本识别率结果如(表1)。2评估函数的配置2.1判别时间及判别+x、0将4个判别因子所含要素资料全部找齐,样本总数218个。其中1类样本数51个;2类样本数167个。各个判别因子分别进行0、1判别。将自变量和因变量都分为0、1两类,建立判别方程。即规定,例:若因子1判别当日能见度为小于1000m时,该因子X1为1;反之,X1为0。其它因子与此相同。最后因子X1、X2、X3、X4都以0、1形式出现。计算判别因子X1、X2、X3、X4识别率,建立判别函数。判别临近值指标:Yc=0.50。当Y>Yc时,预报能见度小于1000m;Y<Yc时,预报能见度大于等于1000m。2.2样本分辨率的函数2.3评估权限函数用2012年11月1日至2013年2月28日的资料对以上成果进行了检验,检验情况见(表3)。3低清晰度在机场中的实现形式长春龙嘉机场冬季低能见度预报判别函数,具有较强的针对性和实用性,预报准确率比以前有了一定的提高,预报制作的劳动强度比以前有所降低,研制的主要特点有以下三条。(1)针对本机场实际预报的难点,解决问题的出发点是首先分析成因。长春龙嘉机场冬季低能见度成因以动力条件、热力条件和水汽条件为主要条件。(2)长春龙