基于云診斷算法的中國十大機場云預報對比分析

徐記亮 張偉 蘇艷華 顧雷

(中國民用航空局空中交通管理局航空氣象中心，北京 100018)

引言

低云是危及飛行安全的危險性天氣之一。在低云覆蓋機場的情況下著陸，如果飛機出云后離地面的高度較低，且又未對準跑道，往往來不及修正，容易造成復飛。有時，由于指揮或操作不當，還可能造成飛機與地面障礙物相撞或失速的事故[1]。因此，云的觀測預報是機場天氣報告中必須包含的氣象要素，云高、云量更是關注的重點。

目前，云觀測主要為地面人工觀測、飛機探測和衛星遙感等，每種觀測方式只能反映云的一部分信息[2]。綜合利用各類觀測及模式輸出結果的云分析方法，可以獲取云量、云狀、云高等信息，是云預報和分析的基礎[3]。其中，探空識別法可以利用相對濕度確定云的垂直分層。Wang和Rossow[4]利用相對濕度廓線提出具體的閾值標準，稱為WR95算法。趙仕偉等[5]將WR95算法運用到數值模式中，以模式輸出的數據代替探空數據判定云底高，結果表明該方法對中低云較為適用。蔡淼等[6]在WR95基礎上對相對濕度閾值進行了優化，優化后的準確率和TS評分略有提高。以上探空識別方法可以識別云的垂直分層，但無法確定云量。衛星遙感可以檢測云并通過反演獲取云量[7- 9]。但衛星產品中的云量是天空中的總云量，與地面觀測總云量具有不同的物理意義[8]，且與地面觀測云量存在一定偏差[9]，就地面觀測點的總云量而言，地面觀測值的可靠性相對較高[8]。在開展的云量診斷預報研究中[10-14]， Xu和Randall[15]基于CRM模擬結果提出云量診斷方法，此云量診斷方法被應用于NCEP GFS模式中計算云量[16-17]。

目前，中國氣象局建立了三維云融合分析業務系統[18]，生成云底、云頂、云量等三維產品，用于天氣分析。但機場云高、云量的預報還不能從數值模式中直接獲得，更多地依靠經驗進行預報[19]，部分機場建立了MOS系統預報云量[20]，但仍無法達到定量計算、準確預報的水平，且針對機場云的預報診斷研究仍較少。

根據2019年中國大陸地區機場航班量統計，最繁忙的前十大機場分別為北京首都、上海浦東、廣州白云、成都雙流、深圳寶安、昆明長水、西安咸陽、上海虹橋、重慶江北和杭州蕭山機場。十大機場的云診斷預報分析可增強民航氣象部門對航班運行的保障能力，提高航班正常率和航空服務質量，對于民航部門來說非常重要。本文基于數值模式的云高、云量診斷算法，對比分析云診斷方法在中國十大機場的應用情況，以探討適用于某一機場的云診斷算法，為中國機場的云預報提供參考。

1 資料與方法

1.1 資料來源

民航機場云的觀測以人工目測方式進行，云量采用八分量制(中國民用航空局空管行業管理辦公室.《民用航空飛行氣象情報發布與交換辦法》，2012)：1—2個八分量為少云(FEW)，3—4個八分量為疏云(SCT)，5—7個八分量為多云(BKN)，8個八分量為滿天云(OVC)。民航機場氣象臺按規定每日24 h于整點或半點連續發布機場例行天氣報告(METAR報)(中國民用航空局空管行業管理辦公室，中國民用航空局空中交通管理局.《民用航空飛行氣象情報發布與交換辦法》，2009)。METAR報中，云高以30 m為增量等級編報。

民航運行中，對飛行有重要影響的云是指云底高為1500 m的云，或最高的最低扇區高度(兩者取其大)以下的云，或任何高度的積雨云、濃積云。另外，距離機場更近的最低層的云層或云塊對飛機的正常起降影響更大。

選取2016年5月至2019年4月共3 a的NCEP再分析資料FNL(0.25°×0.25°)世界時每天00時、06時、12時、18時的6 h數值預報資料及相應時次的METAR報資料，分析云底、云高在1500 m以下最低層云的情況。

1.2 研究方法

1.2.1 探空識別方法

1.2.1.1 云高計算

WR95算法[4-5]計算云底高方法：從地表向上，當相對濕度(RH)≥87%時即為入云，以此判斷為第一個云層的云底。當84%≤RH<87%且高度層RH的變化大于3%時，也判斷為第一個云層的云底。當RH<84%即為出云，以此判斷為第一個云層的云頂。第N(N≥2)個云層的相對濕度閾值為84%，當RH≥84%時即為入云，以此判斷為云底；當RH<84%時即為出云，以此判斷為云頂。

優化的WR95方法(簡稱WR95opt)各高度相對濕度閾值與高度的關系見式(1)[6]。

(1)

式(1)中，Hr為相對濕度閾值；H為高度，單位為km。同時參考Zhang等[21]的方法，考慮了云層數量優化。

1.2.1.2 云高推算云量

以上探空識別方法可以識別云的垂直分層，但無法確定云的云量。本文設計的由云高推算云量的模型，具體算法如下：

在得出云底高h后，首先計算在機場A處，觀測者觀測到高度為h的視場范圍，即半徑為r的圓形區域；再計算此圓形區域內包含的網格點數，此網格點數同一高度h處有云的比例即為機場A處觀測到的云底高為h的云的云量。示意如圖1。

R為地球平均半徑；r為觀測視場半徑；h為云高度圖1 機場A處觀測到云的視場范圍示意Fig.1 Schematic diagram of the field of view of the cloud observed at the airport A

1.2.2 云量診斷方法

NCEP GFS模式中診斷云量的計算方法[15-16]見式(2)～式(4)，為C云量診斷法(簡稱C方法)。

(2)

(3)

(4)

式(2)～式(4)中，C為云量(成);RH為相對濕度(%);q*為飽和比濕(kg/kg);qc為云水/云冰混合比(kg/kg)；e為水汽壓(Pa)；p為氣壓(Pa)；T為溫度(K)。

計算出各高度上的云量，可以推算不同云量的云底高。

1.2.3 診斷效果檢驗

參考晴雨預報的混淆(誤差)矩陣分別計算十大機場診斷云的準確率、漏報率及TS評分，見表1。

表1 云診斷的混淆(誤差)矩陣Table 1 Confusion (error) matrix for cloud diagnostics

準確率=TP/(TP+FP)，漏報率=FN/(TP+FN)，TS評分=TP/(TP+FN+FP)。

準確率是相對預報而言的，數值越大表示預報可信度越高。漏報率是相對實況而言的，數值越大表示出現漏報的可能性越大。TS評分綜合考慮了準確率和漏報率，數值越大表示預報效果越好。云底高的診斷效果根據診斷的云的平均云底高與相應時次機場觀測的平均云底高的相對誤差來檢驗。

2 結果分析

2.1 不分云量

不分云量時， 2016年5月至2019年4月中國十大機場利用C、WR95、WR95opt方法計算的1500 m以下6 h預報出現最低層云的準確率、漏報率及TS評分見表2。由表2可知，在廣州、成都、深圳、昆明、重慶、杭州機場，C方法云量計算結果的準確率均較高，為0.60以上，其中昆明最高，為0.85；北京和西安機場較低，為0.30以下。成都、重慶、西安、杭州、昆明、廣州機場WR95和WR95opt方法云量計算結果的準確率較高，為0.80以上，北京最低。所有機場WR95opt的準確率均比WR95稍高。除昆明機場

表2 2016年5月至2019年4月中國十大機場1500 m以下不分云量時6 h預報出現最低層云的準確率、漏報率、TS評分Table 2 The accuracy rate,miss rate,and TS scores of the lowest stratified cloud forecasted at 6 h below 1500 m regardless of cloud cover in the top ten airports in China form May of 2016 to April of 2019

的WR95和WR95opt方法準確率比C方法稍低外，其他機場WR95和WR95opt方法的準確率均比C方法高。

C方法云量計算的漏報率，昆明最高，為0.99，其他機場相對較低，為0.30以下。西安機場WR95和WR95opt方法的漏報率最高，為0.70以上，上海虹橋最低。所有機場WR95opt方法的漏報率均比WR95方法稍高。除昆明WR95和WR95opt方法計算的漏報率比C方法低以外，其他機場WR95和WR95opt方法計算的漏報率均比C方法高。

成都、杭州機場C方法云量計算結果的TS評分較高，分別為0.65和0.60；西安、北京、昆明機場較低，其值均小于0.30，其中昆明最低，只有0.01。廣州、上海虹橋、杭州機場WR95和WR95opt方法云量計算結果的TS評分較高，為0.60左右；西安最低，只有0.26。北京WR95方法云量計算結果TS評分比WR95opt方法稍低，其他機場的WR95方法比WR95opt方法稍高。北京、上海浦東、昆明、上海虹橋機場WR95和WR95opt方法云量計算結果的TS評分稍高于C方法；成都、西安、重慶機場的TS評分低于C方法；廣州、深圳、杭州機場C方法云量計算結果TS評分介于WR95方法與WR95opt方法之間。

值得注意的是，昆明機場C方法云量計算結果的漏報率為0.99、TS評分為0.01，明顯與其他機場及WR95和WR95opt方法差異較大，其結果基本均為無云的情況。這可能與昆明機場特殊地形有關，昆明機場選址處于山腰，海拔為2103.37 m，機場東西兩側為山嶺，南北為低洼地，位于一條東南—西北向的通道中，南部開闊，北部稍窄，容易形成山谷風。同時計算另外兩個高海拔機場——西寧曹家堡機場、拉薩貢嘎機場的準確率、漏報率、TS評分，其值分別為N、1.00、0.00，即兩個機場均沒有診斷出云，診斷效果均極差。由此可以大致推斷，C方法在高原機場的診斷效果很差，原因可能是該方法受到高原等復雜地形或海拔高度的影響較大。

2.2 少云(FEW)

當少云量時， 2016年5月至2019年4月中國十大機場利用C、WR95、WR95opt方法計算的1500 m以下6 h預報出現最低層云的準確率、漏報率及TS評分見表3。由表3可知，各機場不同方法的計算結果均明顯變差。FEW少云時，各機場準確率、TS評分明顯減小，漏報率增大，尤其WR95及WR95opt方法的漏報率明顯增大。

除杭州外，其他機場WR95和WR95opt方法云量計算結果的準確率均比C方法高。成都、重慶三種方法云量計算結果的準確率最高，北京、上海虹橋、杭州機場最低。

表3 2016年5月至2019年4月中國十大機場1500 m以下FEW少云時6 h預報出現最低層云的準確率、漏報率、TS評分Table 3 The accuracy rate,miss rate,and TS scores of the lowest stratified cloud forecasted at 6 h below 1500 m when clouds are few in the top ten airports in China from May of 2016 to April of 2019

除昆明機場外，其他機場WR95和WR95opt方法云量計算結果的漏報率均高于C方法，為0.84以上。各機場WR95opt方法云量計算結果的漏報率稍低于WR95方法。昆明機場三種方法云量計算結果的漏報率最高，為0.96以上，尤其是C方法云量計算結果均高于其他機場。

北京、昆明、上海虹橋機場C方法云量計算結果的TS評分稍低于或與WR95和WR95opt方法相當，其他機場C方法云量計算結果的TS評分高于WR95和WR95opt方法。WR95和WR95opt方法計算結果的TS評分均較小，為0.10以下。成都、重慶、深圳機場C方法云量計算結果的TS評分稍高于其他機場。

2.3 疏云(SCT)

疏云時， 2016年5月至2019年4月中國十大機場利用C、WR95、WR95opt方法計算的1500 m以下6 h預報出現最低層云的準確率、漏報率及TS評分見表4。由表4可知，除杭州外，其他機場C方法計算結果的準確率均低于WR95和WR95opt方法。北京首都機場C方法云量計算結果準確率為0.00，或者診斷無SCT疏云。成都機場的WR95方法云量計算結果準確率高于WR95opt方法。成都機場WR95方法云量計算結果準確率最高，而昆明機場WR95opt方法最高。

C方法計算結果的漏報率均為1.00，WR95和WR95opt方法的漏報率也較高，均為0.79以上。北京機場WR95方法云量計算結果漏報率低于WR95opt方法，其他機場WR95方法云量計算結果漏報率高于WR95opt方法，或兩者相當。

C方法云量計算結果的TS評分均為0。WR95方法云量計算結果的TS評分稍低于WR95opt方法。廣州機場WR95和WR95opt計算結果的TS評分最高，為0.14，其他機場均為0.10以下。

2.4 多云(BKN)

多云時， 2016年5月至2019年4月中國十大機場利用C、WR95、WR95opt方法計算的1500 m以下6 h預報出現最低層云的準確率、漏報率及TS評分見表5。由表5可知，除上海虹橋、杭州機場外，其他機場C方法未診斷出BKN云量。西安WR95方法云量計算結果的準確率高于WR95opt方法，其他機場兩種方法計算結果相當，或WR95方法云量計算結果低于WR95opt方法。上海虹橋機場WR95和WR95opt方法云量計算結果的準確率最高，分別為0.45和0.56。

C方法云量計算結果的漏報率均為1.00。WR95和WR95opt方法云量計算結果的漏報率，除深圳機場稍低外，其他機場均較高，為0.60以上。上海浦東、上海虹橋、杭州機場WR95方法云量計算結果的漏報率高于WR95opt方法，其他機場WR95方法計算結果低于WR95opt方法，或者二者相當。

表4 2016年5月至2019年4月中國十大機場1500 m以下SCT疏云時6 h預報出現最低層云的準確率、漏報率、TS評分Table 4 The accuracy rate,miss rate,and TS scores of the lowest stratified cloud forecasted at 6 h below 1500 m when clouds are sparse in the top ten airports in China from May of 2016 to April of 2019

表5 2016年5月至2019年4月中國十大機場1500 m以下BKN多云時6 h預報出現最低層云的準確率、漏報率、TS評分Table 5 The accuracy rate,miss rate,and TS scores of the lowest stratified cloud forecasted at 6 h below 1500 m when clouds are broken in the top ten airports in China from May of 2016 to April of 2019

C方法云量計算結果的TS評分均為0.00。成都、西安機場WR95方法云量計算結果的TS評分稍高于WR95opt方法，其他機場兩者相等，或WR95方法計算結果稍低于WR95opt方法。上海浦東、深圳、上海虹橋、杭州機場WR95和WR95opt方法計算結果的TS評分高于其他機場，均為0.20以上；北京、成都、昆明、西安、重慶的TS評分均為0.10以下。

2.5 滿天云(OVC)

滿天云時，2016年5月至2019年4月中國十大機場利用C、WR95、WR95opt方法計算的1500 m以下6 h預報出現最低層云的準確率、漏報率及TS評分見表6。由表6可知，各機場C方法云量計算結果的準確率均為0.00，或者未診斷出OVC云量。西安、重慶機場WR95方法云量計算結果的準確率高于WR95opt方法，其他機場兩者相當，或WR95方法云量計算結果的準確率低于WR95opt方法。廣州機場WR95和WR95opt方法計算結果的準確率最高，其值分別為0.13和0.17，其次為北京機場，其他機場均低于0.10。

表6 2016年5月至2019年4月中國十大機場1500 m以下OVC滿天云時6 h預報出現最低層云的準確率、漏報率、TS評分Table 6 The accuracy rate,miss rate,and TS scores of the lowest stratified cloud forecasted at 6 h below 1500 m when clouds are overcast in the top ten airports in China from May of 2016 to April of 2019

各機場C方法云量計算結果的漏報率均為1.00。成都、杭州機場WR95和WR95opt的漏報率均為1.00，其他機場WR95方法計算結果的漏報率低于WR95opt方法。

各機場C方法云量計算結果的TS評分均為0.00。各機場WR95和WR95opt方法云量計算結果的TS評分均為0.10以下，廣州機場最高，分別為0.08、0.07，成都、昆明、重慶、杭州機場均為0.00。北京、廣州、西安機場WR95方法計算結果的TS評分高于WR95opt方法，深圳機場低于WR95opt方法，其他機場兩者相當。

2.6 診斷云高相對誤差

2016年5月至2019年4月中國十大機場各方法計算的1500 m以下最低層云平均云底高與METAR的相對誤差見圖2。由圖2可知，各方法診斷云高相對誤差差別較大，相對誤差有正有負。昆明機場C方法云高計算結果的相對誤差為正值，且誤差較大，為163%，表明昆明機場C方法云高的計算結果遠高于METAR；其余機場的相對誤差均為負值，表明其云高計算結果低于METAR。其中重慶機場相對誤差最小，為-19%；杭州、深圳、上海虹橋、北京、上海浦東、成都機場較大，其相對誤差分別為-73%、-67%、-64%、-61%、-59%、-51%。

成都、西安、重慶機場WR95方法云高計算結果的相對誤差為正值，分別為13%、63%、51%，其他機場的相對誤差為負，其中昆明機場最大，為-93%，北京、廣州、深圳機場較小，其值分別為-17%、-17%、-12%。

正值為高于METAR，負值為低于METAR圖2 2016年5月至2019年4月中國十大機場1500 m以下最低層云平均云底高與METAR的相對誤差Fig.2 Relative error between METAR and average cloud base height of the lowest layer clouds below 1500 m in top ten airports in China from May of 2016 to April of 2019

上海浦東、昆明、上海虹橋機場WR95opt方法云高的計算結果相對誤差為負，其中上海浦東、上海虹橋機場較小，其值均為-10%，昆明機場較大，為-43%。其他機場的相對誤差為正，其中北京、廣州、深圳、杭州機場較小，分別為5%、8%、7%、0%；重慶、西安、成都機場較大，分別為111%、106%、43%。

從相對誤差絕對值來看，北京、上海浦東、廣州、成都、深圳、昆明、上海虹橋、杭州機場WR95和WR95opt方法云高的計算結果好于C方法，西安、重慶機場的C方法計算結果較好。WR95與WR95opt方法比較，北京、上海浦東、廣州、深圳、昆明、上海虹橋、杭州機場WR95opt方法的云高計算結果好于WR95方法，其相對誤差絕對值均在10%或以下，其中杭州為0%；成都、西安、重慶機場WR95方法較好，成都機場的相對誤差絕對值為13%。西安、重慶機場的C方法云高計算結果較好，其相對誤差的絕對值相對較大，分別為31%、19%。

3 結論與討論

(1)不分云量時，除昆明機場外，其他機場C方法云量計算結果的準確率低于WR95和WR95opt方法。除昆明、廣州機場外，其他機場C方法云量計算結果的漏報率均低于WR95和WR95opt方法。北京、上海浦東、昆明、上海虹橋機場WR95和WR95opt方法云量計算結果的TS評分稍高于C方法，成都、西安、重慶機場低于C方法。所有機場WR95opt方法云量計算結果的準確率、漏報率均稍高于WR95方法；除北京機場外，其他機場WR95方法云量計算結果的TS評分均稍高于WR95opt方法。

(2)分云量時，各方法的診斷效果明顯變差，準確率、TS評分明顯減小，漏報率明顯增大。各機場C方法在SCT、BKN、OVC云量時的云量計算結果準確率基本為0.00，或者診斷無此類云量、漏報率為1.00、TS評分均為0.00，其對于SCT、BKN、OVC云量的診斷效果比FEW云量時差。大部分機場C方法云量計算結果的準確率低于WR95和WR95opt方法。FEW時，C方法云量計算結果的TS評分高于WR95和WR95opt方法，SCT、BKN、OVC時C方法云量計算結果的TS評分低于WR95和WR95opt方法。

(3)云高相對誤差有正有負，昆明機場C方法云高計算結果的相對誤差為正，其余機場為負。成都、西安、重慶機場WR95方法云高計算結果的相對誤差為正，其余機場為負；上海浦東、昆明、上海虹橋機場WR95opt方法云高計算結果的相對誤差為負，其余機場為正。從相對誤差的絕對值來看，北京、上海浦東、廣州、深圳、上海虹橋、杭州、昆明的WR95opt方法診斷效果較好；成都的WR95方法診斷效果較好；西安、重慶的C方法診斷效果較好。

(4)C方法對云的診斷效果不如探空法，當SCT及以上云量時，大部分沒有診斷出云量，原因可能是C方法更傾向于診斷少云，可以嘗試通過提高相對濕度的比重或加入某一系統偏差項，以提高多云量的診斷效果。大部分機場的云高相對誤差為負值且其絕對值大于探空法，表明C方法診斷的云高遠低于實際，原因可能是C方法能夠診斷出云的“閾值”較小，實際云層以下容易達到C方法的“閾值”而被誤診斷為云，可以通過嘗試提高云的“閾值”以提高診斷的云底高，減小云高相對誤差，需進一步的對比分析。