曝光臺 注意防騙 網曝天貓店富美金盛家居專營店坑蒙拐騙欺詐消費者

參考文獻（略）
長春機場冬季低能見度
成因分析及預報
孫進勇劉敏
民航長春空管站吉林省氣象臺
引言
 長春機場地處歐亞大陸東端，冬季以大陸
高壓氣團控制為主，早晚多有煙霧，形成
低能見度，對飛行活動影響大。本文利用
長春機場1991年至2002年的氣象觀測資
料，分析造成長春機場早晚低能見度的氣
象因子，以及它們和低能見度的關系，以
提高預報能力為目的，在眾多的氣象要素
中選若干個預報因子，用統計分析的方法
形成判別函數，用來預報低能見度的發
生，實現了多因子預報集成。
本文資料的選取
 在1991年至2002年2月之間，選取了長春
機場每年的1、2月和11、12月的7時-12
時能見度小于1000米的資料，為第一類樣
本。隨機選擇了相應第一類樣本次數的3倍
大于等于1000米的氣象觀測資料，作為第
二類樣本；選取了長春站（54161）的相
應的高空氣象資料。本文所用時間均為北
京時。檢驗資料：2003年11月至2004年
2月的長春機場及長春站的部分高空資料。
成因分析——因子的選擇
 從低能見度的成因來看，有利于長春機場區域煙
霧形成的氣象條件的物理意義有三個方面：動力
條件、熱力條件、水汽條件。低能見度成因的復
雜性表明，低能見度的形成不是由單個因子決定
的，所以我們對以上三個方面的因子進行選擇組
合，用聚類分析的方法進行預報相關性試驗，找
出具有一定預報能力的因子。此外從臨近預報的
角度出發，能見度本身的演變資料也是進行能見
度預測的重要物理量。
 經過計算歷史準確率選擇的因子見表1。
表1 1000米預報因子及樣本數
X4 V7與（V7+V6）/2-V5 107 294
(T-Td)+1/3*(T9- 54 175
Td9)+1/4*(T8-Td8)與F15-
F9+F6+F3+F
X3
（T5-Td5）+(T6-Td6)+(T7- 99 328
Td7)與(F5+F6+F7)
X2
(Td19+Td20-2Tmin)*7/6與89 290
U5+U6+U7
X1
因子序號因子1類樣本數2類樣本數
因子1(X1)：輻射降溫引起的水汽凝
結分析
 因子1中U5,U6,U7分別是預報日當天5-7
時的相對濕度，代表當時機場的地面含水
量。Td19和Td20分別是預報日前一天19
時和20時的露點，Tmin是預報發布當天清
晨前后的最低氣溫，7/6是經驗系數。
圖1 因子1聚類分析圖
0
5 0
1 0 0
1 5 0
2 0 0
2 5 0
3 0 0
3 5 0
- 6 0 - 4 0 - 2 0 0 2 0 4 0
[ t d ( 1 9 + 2 0 ) - 2 t m i n ] 7 / 6
u5+u6+u7
> = 1 0 0 0
< 1 0 0 0
因子2(X2)：動力因子和地面水汽分
析
 因子2 中（t5-td5）、（t6-td6）、（t7-
td7）是預報當天5-7時的溫度露點差，
f5+f6+f7是預報當天的5-7時的風速之
和，它們反映了在本場飛行活動之前確保
有足夠的地面水汽，而且風力不致于將水
汽吹散，將水汽條件和反映動力條件的風
組合在一起，從地面湍流條件成因上起到
對霧的識別作用。
因子2聚類分析圖
0
5
10
15
20
25
30
0 10 20 30 40 50
(t5-td5)+(t6-td6)+(t7-td7)
f5+f6+f7
>=1000
<1000
因子3(X3)：霧的垂直結構和低層大
氣動力條件分析
 因子3中，（t-td）、（t9-td9）、（t8-td8）
分別是前一日20時地面、850hpa和925hpa的
溫度露點差，f、f3、f6、f9和f15分別是地面和
距地面300米、600米、925米和1500米的風
速。根據文獻結論，冬季輻射霧主發生在近地面
400米的淺層內，于是距離地面900米的大氣磨
擦層及低層大氣的狀態成為不可不考慮成霧因
素，因子3選取地面925hpa、850hpa高層的溫
度露點差，并且加入了1500米以下共4層的風速
和，利用空間的水汽分布和動力條件來判別霧的
成因。
因子3 聚類分析圖
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350
(t-td)+1/3(t9-td9)+1/4(t8-td8)
f15-f9+f6+f3+f
>=1000
<1000
因子4(X4)：連續演變分析
 因子4中v5、v6、v7分別是當天早上5
時、6時和7時的有效能見度。本場觀測的
能見度演變，是動力、熱力、水汽條件的
綜合反應，將預報時效縮短，把預報員的
外推思維數字模式化，得到圖4，作為因子
4。
因子4 聚類分析圖
- 1 2 0 0 0
- 1 0 0 0 0
- 8 0 0 0
- 6 0 0 0
- 4 0 0 0
- 2 0 0 0
0
2 0 0 0
4 0 0 0
6 0 0 0
8 0 0 0
0 2 0 0 0 4 0 0 0 6 0 0 0 8 0 0 0 1 0 0 0 0 1 2 0 0 0
v 7
(v7+v6)/2-v5
< 1 0 0 0
> = 1 0 0 0
> = 1
1000米預報因子樣本識別率
X4 86.9 80.6 14.2 3.5 82.3
X3 66.7 82.9 13.1 7.9 79
X2 85.6 63.7 27.9 3.3 68.9
X1 73.0 66.9 22.3 6.3 68.3
綜合識別
率（%）
漏報率
（%）
空報率
（%）
2類識別率
（%）
1類識別率
（%）
因子序號
判別函數的建立
 將4個判別因子所含要素資料全部找齊，樣
本總數218個。其中1類樣本數51個；2類
樣本數167個。各個判別因子分別進行0、
1判別。將自變量和因變量都分為0、1兩
類，建立判別方程。即規定，例：若因子1
判別當日能見度為小于1000米時，該因子
X1為1；反之，X1為0。其它因子與此相
同。最后因子X1、X2、X3、X4都以0、1
形式出現。計算判別因子X1、X2、X3、
　
中國航空網 www.k6050.com
航空翻譯 www.aviation.cn
本文鏈接地址：空管資料5(55)