□ 民航中南地區(qū)空管局 陳云峰 林 智 南京曉天氣象科技有限公司 曹維搏/文

方案設計背景

近地面風速風向的變化對于飛機起降具有重要的影響。由于飛機在起降過程中穿越邊界層的時間約為幾分鐘，因此分鐘級的預報時間分辨率就顯得尤為重要。同時，當機場存在兩條（及以上）跑道時，為提高機場的運行效率，需要對不同的跑道進行獨立的預報。因此預報的空間分辨率需至少在百米的量級。同時，為了滿足機場和航線的整體調度需求，預報的時效最短需在24小時以上。

以上近地面風場預報的時空分辨率需求已經超過了目前機場天氣預報的服務范圍，因此需要有針對性的設計技術方案和搭建預報系統。近地面風速風向受到天氣過程、湍流和地表特征不均勻的影響，一直以來是天氣預報的難點之一。本技術方案有針對性的利用現有的動力、統計和機器學習等手段，提高了機場跑道近地面風的預報能力。深圳機場屬于多跑道機場，目前有2條跑道，第3條跑道擴建方案也已通過審批。而且地處華南沿海，天氣復雜引起跑道風場多變，從而影響航班運行效率，具有較好的代表性。本文選以深圳機場為例進行試點。

整體技術框架與方案

項目的整體技術方案如圖1所示。近地面風場預報分為平均風和陣風兩個獨立的部分。兩個部分的預報都基于高分辨率的WR F模擬。對于平均風預報，在WR F模擬結果的基礎上，使用C A L M E T進行動力降尺度分析，充分考慮機場周圍地形、下墊面和建筑物對百米尺度風場變化的影響。結合機場實時近地面風場觀測和統計（機器學習等）方法，對C A L M E T降尺度調整后的風場分析結果進行訂正。陣風預報模型基于WR F模式輸出的邊界層結構特征（風切變、垂直速度和）進行建模和預報。預報結果同樣經過機場實時觀測的陣風進行實時統計訂正。

圖1：整體技術方案框

關鍵技術

（一）高分辨率WRF風場預報

短期（1小時以上）高分辨率近地面風場預報的主要手段是數值天氣模式。本技術方案擬采用美國大氣研究中心（NCAR）等多家單位聯合開發(fā)的WR F模式（3.8版本）進行數值預報。WR F是當前國際上最先進的數值天氣模式之一，能進行從云尺度到天氣尺度等不同尺度重要天氣特征的高精度預報（特別適合1～10公里的高分辨率水平網格）。模式將結合先進的數值方法和資料同化技術，采用經過改進的物理過程方案，同時具有多重嵌套以滿足高分辨率和實時預報的需求。WR F預報模式框架如圖2所示。

根據深圳機場高分辨率風場預報的要求，數值預報部分擬采用三重嵌套方案。第一層格點分辨率9公里，覆蓋我國華南地區(qū)；第二層格點分辨率3公里，覆蓋廣東省。第三層格點分辨率1公里，覆蓋以機場為中心的深圳市及周邊地區(qū)。預報系統將以美國NCEPGFS0.25高分辨率的預報場作為驅動，每天冷啟動兩次（北京時間8∶00和20∶00），預報時效為54小時，模式輸出時間間隔為2分鐘（與機場觀測頻率一致），其中有效預報時效為48小時。如具備廣東省內的其他觀測資料（如高空、地面和雷達等），系統將采用快速循環(huán)同化方法（RUC）進行3小時更新頻率的滾動預報（如圖3）。上述預報區(qū)域和配置可根據項目具體的計算資源和實際預報需求進一步調整。

快速循環(huán)預報方式（RUC）啟動間隔為3小時，細網格(分辨率1公里)預報時效12小時，模式輸出時間間隔為2分鐘。短臨預報系統以短期預報的輸出結果作為背景資料，采用WRFDA變分同化方案進行雷達和地面觀測的實時循環(huán)同化，改進模式的初始場信息，有利于預報天氣尺度過程對機場跑道風的影響?？焖傺h(huán)預報系統框架如圖4。

（二）基于CALMET的邊界層風場精細分析

WR F模式分辨率每提高一倍，在相同時間內完成預報需要的計算資源需要提高約8倍。受計算資源和預報時效的限制，WR F精細化預報擬采用的最細網格的分辨率為1公里。在此分辨率下，無法直接分辨跑道尺度的風場變化。另外，與WR F配套發(fā)布的地表數據集為全球數據，空間分辨率有限。加上WR F前處理系統對于地表數據集的平滑處理，即使再提高WR F的模擬分辨率，對于地表精細特征的描述也不足以反應單個機場周圍的地表特征變化。除此之外，機場跑道的風預報僅關注邊界層內的風變化，僅需提高邊界層內的風場分辨率，無需對整個三維模擬區(qū)域進行加密。

CALMET是美國環(huán)境部開發(fā)的精細化風場分析診斷模型，主要用于為污染擴散模式提供高分辨率的（10米級）風場信息，在風資源評估和預報中也有重要的應用。CALMET 診斷模式主要包含三個步驟：首先通過插值將觀測或模式輸出插值到模擬網格；其次通過參數化方案模擬地形、下墊面粗糙度和地物障礙對局地風場的影響，可以較好地再現局地環(huán)境對精細化風場的影響（如圖 5 所示）；最后經過質量連續(xù)方程調整得到最終的分析風場。

由于 CALMET 是診斷模式，對計算資源的要求不高，適合在業(yè)務環(huán)境中實時運行并生成高分辨率的風場。本方案擬基于 WRF 輸出的 1 公里分辨率預報結果，利用 CALMET 將風場的模式分辨率降尺度到 100 米以下的精度。同時對 CALMET自帶的下墊面數據集進行精細化訂正，通過回報試驗優(yōu)化模型參數，獲得最優(yōu)的預報結果。

（三）基于WRF模式的陣風預報

WR F模式對應的大氣原始方程已經經過了雷諾平均，因此在不開啟大渦模擬（L E S）參數化的條件下，輸出結果本質上而言是平均風。平均風的準確預報是風場預報的基礎，但對于機場飛機起降的特殊應用而言，陣風的預報也同樣具有重要的意義。

陣風的預報本質是對邊界層湍流強度的估計，而湍流的強度和邊界層的靜力穩(wěn)定度、對流天氣、水平風切變等條件密切相關。在層結穩(wěn)定且無對流的情況下，湍流主要由機械作用產生，因此可通過地表摩擦速度（或者拖曳系數）來進行估計。同時也可以進一步考慮層結變化、地形和地表粗糙度的影響。在層結不穩(wěn)定且包含對流時，湍流的形成主要和垂直運動的特征密切相關。與湍流相關的物理量包括邊界層頂的垂直速度、潛熱釋放導致的垂直浮力梯度變化和降水拖曳作用等。對于以上兩種陣風預報的情景，各大業(yè)務中心已提出多種經驗模型，這樣模型的預報水平隨著不同的氣候背景和局地環(huán)境表現出較大的變化。因此需要針對深圳機場的實際情況，進行模型的遴選和優(yōu)化工作。

基于統計方法的模式預報實時訂正

在短期天氣過程的預報方面，WR F模式已得到科研和業(yè)務部門多年的檢驗，但受制于區(qū)域模式的先天不足（初值和邊界條件的不確定性），以上基于WR F的平均風和陣風預報結果可能包含與局地天氣氣候特征相關的偏差。由于機場跑道具備連續(xù)的平均風和陣風觀測，因此可以充分利用這些觀測資料，建立統計模型對基于WR F的平均風和陣風預報結果進行實時訂正。

對于模式結果的訂正，項目擬建立并測試基于多元線性回歸的偏最小二乘法（PLS）、基于時間序列的自回歸模型（AR）和基于機器學習的神經網絡（B P-N N）算法的三類不同方法。這三類算法分別針對實際風場時間序列中的線性、周期和非線性的成分。通過調整不同模型的參數來優(yōu)化訂正效果，并最終選定合適的訂正方案。

小結：

基于WR F高分辨率模擬的機場跑道風場精細化預報方案，在普適性方面明顯優(yōu)于統計預報方法，推廣價值更高，在深圳機場試點成功，可以迅速向其他機場推廣應用。本方案使用的CALMET模塊、陣風預報模塊，技術較為成熟，預報效果較好。另外，本方案利用機場跑道具備連續(xù)的平均風和陣風觀測的優(yōu)勢，建立統計模型對基于WR F的平均風和陣風預報結果進行實時訂正，在一定程度上彌補了單純基于WR F模擬的不足。比較而言，該方案是一種較為可行的機場跑道風場精細化預報方案，有利于提升機場尤其是多跑道機場的運行效率，滿足機場和航線的整體調度需求。