220 likes | 368 Views
能è§åº¦ä¸Žæ°”象è¦ç´ 的关系åŠé¢„报方法. 第二å一届民航气象技术论文交æµä¼š. æŠ¥å‘Šäººï¼šæ¨ æ˜Ž 民航安徽空ä¸äº¤é€šç®¡ç†åˆ†å±€. 内容概è¦. 一〠引言. 二ã€èµ„æ–™åŠè®¡ç®—方法. 三ã€èƒ½è§åº¦ä¸Žåœ°é¢æ°”象è¦ç´ 相关性. å››ã€èƒ½è§åº¦é¢„报方程建立. 五ã€ç»“论. 一ã€å¼• 言. 能è§åº¦çš„预报是航空气象预报的主è¦æ–¹é¢ä¹‹ä¸€ï¼Œå…¶çŸæ—¶ã€ä¸´è¿‘预报是é‡ç‚¹ä¹Ÿæ˜¯éš¾ç‚¹ã€‚ 近些年,对交通气象能è§åº¦çš„ç ”ç©¶å¾ˆå¤šï¼Œç›®å‰çš„ç ”ç©¶å¤šé›†ä¸å¦‚ä¸‹å‡ ä¸ªæ–¹é¢ï¼š 1 )能è§åº¦æ—¶é—´ä¸Žç©ºé—´å˜åŒ–ç‰¹å¾ 2 )能è§åº¦å˜åŒ–与气象è¦ç´ åŠå¤©æ°”的关系 3 )低能è§åº¦æ—¥çš„定性预报
E N D
能见度与气象要素的关系及预报方法 第二十一届民航气象技术论文交流会 报告人:杨 明 民航安徽空中交通管理分局
内容概要 一、引言 二、资料及计算方法 三、能见度与地面气象要素相关性 四、能见度预报方程建立 五、结论
一、引 言 • 能见度的预报是航空气象预报的主要方面之一,其短时、临近预报是重点也是难点。 • 近些年,对交通气象能见度的研究很多,目前的研究多集中如下几个方面: • 1)能见度时间与空间变化特征 • 2)能见度变化与气象要素及天气的关系 • 3)低能见度日的定性预报 • 基于航空飞行短时的特点,目前研究对短时能见度持续定量预报和变化趋势预报还较少。 • 本文研究了同期与前期气象要素与能见度变化的关系,通过不断改变样本建立对能见度的动态预报方程。
二、资料及方法 1.资料 2012年合肥机场逐小时观测资料 2.方法 (1)相关分析:分析气象要素与能见度关系; (2)多元线性回归:构建能见度与气象要素方程; (3)概率密度匹配(PDF):应用于偏差非独立特性的误差订正上,消除多元回归值与实况值的非独立系统误差。
三、能见度与地面气象要素相关性 1.能见度与同期气象要素对应关系 当能见度≤1000m时,所对应的风速一般≤4m/s 当能见度≤1000m时,所对应的温度一般≤20℃
当能见度≤1000m时,所对应的湿度一般>90% 当能见度≤1000m时,所对应的气压一般>1010hPa
2012年能见度≤1000时(共计98个时次)对应各要素区间频率分布2012年能见度≤1000时(共计98个时次)对应各要素区间频率分布
2.能见度与前期3小时各气象要素相关性 本文主要研究能见度与其前期3小时的气象要素的关系,选取要素为: 风速 温度 湿度 气压 3小时温度趋势 3小时湿度趋势 3小时气压趋势 其中3小时要素趋势定义如下: y=ax+b(其中x为时间;y为 要素值,为得到稳定的趋势,取预报点前3-6小时的值,a为 趋势系数。)
各月能见度与前期3小时各类气象要素相关关系各月能见度与前期3小时各类气象要素相关关系
趋势相关的意义 1)正相关,增长型 趋势为负值,程度减弱;趋势为正值,程度增大。 2)正相关,减小型 趋势为正值,程度减弱;趋势为负值,程度增大。 3)负相关,增长型 趋势为正值,程度减弱;趋势为负值,程度增大。 4)负相关,减小型 趋势为负值,程度减弱;趋势为正值,程度增大。 其体现了要素变化过程及程度对因变量的影响。
2012年1月21-22日能见度与前期3小时温度及温度趋势变化2012年1月21-22日能见度与前期3小时温度及温度趋势变化
为了整体评估前期各气象要素对能见度影响,将各要素12个月相关系数进行平方后求和,得到一个描述各要素影响能力的指数 。 各要素与能见度相关的影响指数
四、能见度预报方法建立 本文选取了上述分析的7个因子作为多元线性回归的自变量,同时样本数量必须要达到一定的数目,因为这样才能模拟出天气或季节时段内能见度受要素影响后变化的特点。 回归方程建立如下: 其中X是自变量矩阵(结构为N×7),Y为因变量矩阵(结构为N×1),A为方程系数矩阵(结构为7×1),根据最小二乘法原理的出系数A。
考虑到时段内的预报值与真实值存在一定非独立偏差,因此采用概率密度匹配的方法对预测值进行订正。其订正方案如下:考虑到时段内的预报值与真实值存在一定非独立偏差,因此采用概率密度匹配的方法对预测值进行订正。其订正方案如下: 1)选取该动态方程的训练样本作为建立累计概率密度的样本。 2)分别计算出样本值和样本预报值的稳定累计概率密度分布(为建立稳定分布,样本容量至少为300时次以上,本文建立了从0米-30000米,共23个区间分布)。 3)订正预报值,将预报值所对应的累计概率密度匹配到样本值中相同概率的区间值内,选取区间值内的平均值(或代表值)作为最终的预报值。
例如:预报值为2000米,其预报样本出现2000米的概率为3%,则搜索实况值为2000米及其左右各两个区间内,选取各区间累计概率值与3%最接近的实况值作为最后预报值。例如:预报值为2000米,其预报样本出现2000米的概率为3%,则搜索实况值为2000米及其左右各两个区间内,选取各区间累计概率值与3%最接近的实况值作为最后预报值。
实例1:2012年2月29日01点-3月1日00时(北京时) 预报的24小时逐小时对比趋势正确率为73%,实况与预测的相关系数为0.892,48小时为60%,相关系数为0.915 预报方程: Y=434.20*X1-321.75*X2-122.08*X3+81.94*X4+983.98*X5 - 3.50*X6+189.51*X7-69982.59
实例2:2012年10月30日17点-11月1日16点(北京时)实例2:2012年10月30日17点-11月1日16点(北京时) 预报的24小时逐小时对比趋势正确率为76%,实况与预测的相关系数为0.951,48小时为64%,相关系数为0.939 预报方程: Y= 227.86*X1-256.75*X2-148.42*X3-15.75*X4+1915.98*X5 +251.50*X6+1022.65*X7+36001.24
预报结果统计: 通过随机对50次能见度过程进行模拟24小时预报,其预报逐小时趋势对比准确率平均为67%、最高为81%、最低为54%;实况值与预报值的相关系数平均为0.852、最高为0.971、最低为0.551。 预报的准确率随着时效的增长而误差偏大。因此在实际预报中当预报时效超过48小时后就最好要重新加入训练样本,建立新的预报方程,完成动态预测。
五、结论 1)气象要素对能见度的影响是多元的,能见度的变化是气象要素间相互调配共同作用的结果;低能见度天气所对应的气象要素有着明显的分布值域,以合肥机场为例,低能见度天气所伴有的气象条件主要为:风速≤4m/s;温度≤20℃;湿度>90%;气压>1010hPa。 2)从能见度变化前期3小时气象要素分析来看,各要素与能见度有着稳定的相关关系,按影响作用的显著性由大到小排序为:湿度、温度、湿度趋势、风速、温度趋势、气压、气压趋势。同时这种影响顺序也有着明显的季节性差异。 3)通过对能见度与影响因子的预报方程建模,并随机对50次能见度过程进行预报,其24小时预报逐小时趋势对比准确率为67%,预报值与实况值的相关系数平均为0.852,因此预报效果较好,能够反映出时间段内的趋势变化并给出相应的能见度参考值。