曲曉黎，齊宇超，尤 琦，王躍峰，吳 丹，李美琪

(1.河北省氣象服務(wù)中心，河北 石家莊 050021；2.河北省氣象與生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室，河北 石家莊 050021)

引 言

2022年冬季奧運(yùn)會(huì)在北京、張家口兩個(gè)城市舉行，而京藏高速正是連接兩座城市的主干高速。北京、張家口位于華北平原北段，冬季多低溫冰凍天氣，道路極易出現(xiàn)積雪、結(jié)冰等災(zāi)害天氣進(jìn)而誘發(fā)交通事故、道路擁堵等情況，因此交管部門(mén)和道路養(yǎng)護(hù)部門(mén)需要根據(jù)交通氣象預(yù)報(bào)信息，提前做出交通流量管控和掃雪鏟冰播撒融雪劑的準(zhǔn)備，公眾也可以調(diào)整出行時(shí)間和方式，減少災(zāi)害性天氣造成的影響[1-2]。

路面溫度是預(yù)報(bào)路面積雪和結(jié)冰的一個(gè)重要參數(shù)，因此選擇適合的路面溫度預(yù)報(bào)方法或模型是保障路面積雪、路面結(jié)冰預(yù)報(bào)預(yù)警能力的關(guān)鍵問(wèn)題。目前路面溫度預(yù)報(bào)主要采用統(tǒng)計(jì)模型或以能量平衡方程為基礎(chǔ)的機(jī)理模型模擬兩種方法[3]。統(tǒng)計(jì)模型方法因發(fā)展時(shí)間較早，得到了較多的研究和應(yīng)用，尤其是采用氣象觀測(cè)數(shù)據(jù)和路面觀測(cè)數(shù)據(jù)建立路面溫度預(yù)報(bào)模型，并取得了較好的模擬效果[4-12]。在機(jī)理模型方面，近年來(lái)，以能量平衡方程為基礎(chǔ)、計(jì)算地表能量交換的多個(gè)變量，進(jìn)而計(jì)算路面溫度的方法也已在多個(gè)地區(qū)得到應(yīng)用[13-16]。另外，李家啟等[17]利用道路的熱普指紋空間變化模式描述了高速公路路網(wǎng)冬季夜間路面溫度的變化。

METRo(model of the environment and temperature of roads)是加拿大開(kāi)發(fā)的路面溫度預(yù)報(bào)模型，模型以道路的觀測(cè)資料和氣象數(shù)值預(yù)報(bào)產(chǎn)品作為輸入，結(jié)合觀測(cè)和預(yù)報(bào)數(shù)據(jù)，能夠?qū)崿F(xiàn)對(duì)地表溫度進(jìn)行長(zhǎng)時(shí)間的預(yù)報(bào)，在國(guó)內(nèi)外取得較好的模擬結(jié)果[18-20]。然而，該模型在不同地區(qū)也會(huì)表現(xiàn)出一些系統(tǒng)性誤差，同時(shí)考慮到路面溫度會(huì)受周邊人類(lèi)生產(chǎn)生活的影響，因此本文用大量樣本數(shù)據(jù)擬合的人為熱參數(shù)作為METRo模型的前置參數(shù)，對(duì)示范交通氣象觀測(cè)站的路面溫度進(jìn)行模擬，重點(diǎn)用于提升冬季路面低溫的預(yù)報(bào)準(zhǔn)確率、減小模型的系統(tǒng)性誤差和人為因素影響，以期提升京津冀區(qū)域尤其是冬奧會(huì)交通保障關(guān)鍵路段路面低溫和路面結(jié)冰的預(yù)報(bào)能力。

1 資料和方法

1.1 資 料

氣象觀測(cè)數(shù)據(jù)為2016、2017年冬季(當(dāng)年12月至次年2月)京藏高速公路北京回龍觀站逐時(shí)氣溫、露點(diǎn)溫度、是否降水(是/否)、風(fēng)速、路面狀況(干燥、冰、雪等)、路面溫度和路基溫度等數(shù)據(jù)。其中2016年冬季資料用于人為熱參數(shù)的訓(xùn)練，2017年冬季資料用于路面溫度預(yù)報(bào)效果檢驗(yàn)。

氣象預(yù)報(bào)數(shù)據(jù)主要使用華北區(qū)域氣象中心RMAPS-IN和RMAPS-ST兩種預(yù)報(bào)系統(tǒng)拼接的逐小時(shí)預(yù)報(bào)數(shù)據(jù)，RMAPS-IN系統(tǒng)中選取氣溫、露點(diǎn)溫度、降水、風(fēng)速要素，RMAPS-ST系統(tǒng)中選取地表氣壓和輻射要素，均為每3 h輸出一次的未來(lái)1～6 h預(yù)報(bào)數(shù)據(jù)。

1.2 方 法

逐3 h運(yùn)行一次METRo模型，對(duì)未來(lái)6 h的路面溫度進(jìn)行預(yù)報(bào)。METRo模型運(yùn)行前，輸入前12 h的交通氣象站觀測(cè)數(shù)據(jù)和氣象預(yù)報(bào)數(shù)據(jù)，通過(guò)土壤熱傳導(dǎo)模型估算初始土壤廓線，然后進(jìn)入“耦合”相態(tài)，獲取氣象數(shù)據(jù)修正參數(shù)，對(duì)短臨預(yù)報(bào)(未來(lái)6 h)進(jìn)行修正。最后使用修正后的氣象預(yù)報(bào)數(shù)據(jù)，驅(qū)動(dòng)METRo模型進(jìn)行路面溫度的預(yù)報(bào)。圖1為模型運(yùn)行流程。

圖1 METRo模型運(yùn)行流程圖Fig.1 Running flow chart of METRo model

METRo模型最主要物理過(guò)程包括三部分[18]。

(1)地表能量平衡模型。能量平衡中有7個(gè)變量貢獻(xiàn)來(lái)源于大氣，具體表達(dá)式為：

(1)

(2)土壤的熱傳導(dǎo)模型。使用一維熱傳導(dǎo)模型，計(jì)算土壤溫度的廓線分布，具體公式如下：

(2)

式中：C(J·m-2·s-1)為土壤熱容量；T(℃)為土壤溫度；G(J·m-2·s-1)為土壤熱通量；z(m)為土壤深度。

(3)地表冰/水堆積模型。冰和水的積累和相態(tài)的改變受控于以下方程：

(3)

式中：i表示冰或水；G1(J·m-2·s-1)為土壤第一層向下的熱通量傳導(dǎo)效率；r(m·s-1)為徑向流速；P(m·s-1)為降水速率；E(m·s-1)為蒸發(fā)或升華速率。

從METRo模型的主要物理過(guò)程可以看出，該模型可以很好地刻畫(huà)路面的能量、熱量和結(jié)冰過(guò)程。在應(yīng)用該模型時(shí)對(duì)路面剖面的勘測(cè)定參有很高要求，本文提出的人為熱參數(shù)法，既能解決大部分天氣數(shù)值模式?jīng)]有人為熱輸出的問(wèn)題，又可減少道路剖面實(shí)地勘測(cè)的工作量。

2 人為熱參數(shù)方案

人為熱是指由于人類(lèi)生產(chǎn)、生活活動(dòng)所產(chǎn)生的熱量。對(duì)于城市周邊及交通樞紐地段，人為熱是一個(gè)重要的地表能量，與氣溫和輻射等因子一樣對(duì)路面溫度都有較大影響。目前，人為熱計(jì)算方法主要有兩種：一種是基于物理過(guò)程的人為熱預(yù)報(bào)方案，通過(guò)人為熱的物理影響過(guò)程計(jì)算，確定人為熱的變化情況[21]；另一種是基于氣候數(shù)據(jù)統(tǒng)計(jì)方法，通過(guò)建立人為熱的氣候數(shù)值，用于路面溫度模擬[22]。本文采用統(tǒng)計(jì)方法，通過(guò)基于模型和觀測(cè)數(shù)據(jù)的人為熱訓(xùn)練方案，確認(rèn)模擬站點(diǎn)的人為熱氣候情況。需要注意的是，擬合的人為熱參數(shù)，既包括實(shí)際人為熱，還包括對(duì)RMAPS系統(tǒng)和METRo模式的系統(tǒng)性誤差的訂正?？梢岳肕ETRo模型的前置參數(shù)，有效提高路面溫度的預(yù)報(bào)效果。

在METRo模型大氣預(yù)報(bào)數(shù)據(jù)中寫(xiě)入人為熱初猜值[22]，驅(qū)動(dòng)模型，對(duì)2016年冬季路面溫度進(jìn)行模擬。采用大量樣本數(shù)據(jù)多次循環(huán)的方式，根據(jù)平均絕對(duì)誤差增減人為熱的猜測(cè)值，直到平均絕對(duì)誤差小于0.2 ℃為止。圖2為2016年冬季各月北京回龍觀站人為熱日變化，可以看出，18:00(北京時(shí)，下同)至次日08:00為正值，其中晚高峰時(shí)段可超過(guò)100 W·m-2，而白天尤其是正午前后，有非常明顯的負(fù)反饋?zhàn)饔?，其?2月和1月均超過(guò)-100 W·m-2，2月超過(guò)-250 W·m-2?？梢?jiàn)，人為熱在冬季夜間使路面溫度升高，在白天則對(duì)路面溫度有明顯的降溫作用，該結(jié)果和李乃杰等[21]的研究結(jié)果類(lèi)似。

圖2 2016年冬季北京回龍觀站各月擬合人為熱的日變化Fig.2 The diurnal variation of fitted artificial heat in different months at the Huilongguan station of Beijing in winter in 2016

3 預(yù)報(bào)性能檢驗(yàn)

圖3為2017年冬季引入人為熱前后不同起報(bào)時(shí)間的未來(lái)1～6 h路面溫度均方根誤差?？梢钥闯?，當(dāng)不考慮人為熱時(shí)，模擬的路面溫度與觀測(cè)實(shí)況存在較大誤差，大部分時(shí)段均方根誤差超過(guò)3 ℃，在中午前后甚至達(dá)8 ℃以上，模擬效果較差。從模擬與實(shí)測(cè)的路面溫度散點(diǎn)圖(圖略)可以看出，模擬的路面溫度也存在高溫偏高和低溫偏低的情況，而且溫度偏差相當(dāng)明顯?？紤]人為熱后，大部分時(shí)段特別是在夜間，均方根誤差在1 ℃左右。均方根誤差最大值在中午前后，誤差值約3 ℃左右。這主要由于中午前后氣象模式預(yù)報(bào)太陽(yáng)輻射存在較大誤差，進(jìn)而導(dǎo)致路面溫度產(chǎn)生較大誤差，然而誤差最大值已明顯小于未引入人為熱參數(shù)時(shí)的數(shù)值。

圖4為2017年冬季北京回龍觀站不同起報(bào)時(shí)間對(duì)未來(lái)1～6 h預(yù)報(bào)的路面溫度絕對(duì)誤差對(duì)應(yīng)樣本數(shù)占比分布。可以看出，預(yù)報(bào)時(shí)間09:00—16:00，由于模式輸入的太陽(yáng)輻射存在較大誤差，導(dǎo)致預(yù)報(bào)的路面溫度存在較大誤差。夜間模擬的路面溫度效果相對(duì)較好，誤差基本在2 ℃以?xún)?nèi)，這對(duì)冬季夜間的結(jié)冰預(yù)報(bào)有較好的支撐能力。

圖4 2017年冬季北京回龍觀站不同起報(bào)時(shí)間的未來(lái)1～6 h路面溫度絕對(duì)誤差對(duì)應(yīng)樣本數(shù)占比分布(橫坐標(biāo)從左到右分別對(duì)應(yīng)08:00、11:00、14:00、17:00、20:00、23:00、次日02:00、05:00起報(bào))Fig.4 The proportion distribution of the number of samples of the absolute error of forecast road temperature of 1-6 hours in the future from different start time at the Huilongguan station of Beijing in winter in 2017(the abscissa from left to right corresponding to 08:00 BST, 11:00 BST, 14:00 BST, 17:00 BST, 20:00 BST, 23:00 BST of the very day, and 02:00 BST, 05:00 BST of the next day, respectively)

參考THORNES等[23]的天氣預(yù)報(bào)評(píng)定方法，對(duì)路面溫度的模擬結(jié)果進(jìn)行評(píng)定，具體公式如下：

(4)

式中：R、L、W(%)分別為正確率、漏報(bào)率、誤報(bào)率；P為Peirce技巧評(píng)分；A(個(gè))為實(shí)際觀測(cè)及模擬的路面溫度均低于0 ℃的樣本數(shù)；B(個(gè))為實(shí)際觀測(cè)的路面溫度高于0 ℃而模擬值低于0 ℃的樣本數(shù)；C(個(gè))為實(shí)際觀測(cè)的路面溫度低于0 ℃而模擬值高于0 ℃的樣本數(shù)；D(個(gè))為實(shí)際觀測(cè)和模擬的路面溫度均高于0 ℃的樣本數(shù)。A和D均表示預(yù)報(bào)正確，而B(niǎo)可導(dǎo)致路面結(jié)冰空?qǐng)?bào)，視作第一類(lèi)誤報(bào)情況，C可導(dǎo)致路面結(jié)冰漏報(bào)，視作第二類(lèi)誤報(bào)情況。

表1列出2017年冬季北京回龍觀站路面溫度預(yù)報(bào)的評(píng)定結(jié)果?？梢钥闯觯珺隨著預(yù)報(bào)時(shí)長(zhǎng)的增加逐漸增多，C基本維持在40個(gè)左右。預(yù)報(bào)正確率R在預(yù)報(bào)時(shí)長(zhǎng)的前5 h均維持90%以上，漏報(bào)率L基本維持在20%以?xún)?nèi)，而誤報(bào)率W在前5 h維持在4%以?xún)?nèi)，隨后增長(zhǎng)至8%。Peirce預(yù)報(bào)技巧評(píng)分P基本在0.8左右，最高可達(dá)0.85。

為更好地驗(yàn)證模式的模擬能力，對(duì)2017年冬季3次明顯的大風(fēng)降溫天氣過(guò)程進(jìn)行模擬。圖5為2017/2018年冬季3次天氣過(guò)程北京回龍觀站氣溫及路面溫度的觀測(cè)值和模擬值逐時(shí)變化?？梢钥闯觯归g，最低路面溫度相差基本在1～2 ℃左右，同時(shí)能很好地把握夜間氣溫降低的變化趨勢(shì)。值得注意的是，路面溫度變化和氣溫并非一致，存在一定的相位偏差，有些模型直接使用氣溫替代路面溫度或者簡(jiǎn)單的線性擬合會(huì)存在較大誤差。白天路面溫度模擬仍存在一定的誤差，主要是白天輻射誤差較大，導(dǎo)致路面溫度模擬受影響。

圖5 2017年冬季3次天氣過(guò)程北京回龍觀站氣溫及路面溫度觀測(cè)和模擬值逐時(shí)變化Fig.5 The hourly variation of air temperature, the observed and simulated road temperature during three weather processes at the Huilongguan station of Beijing in winter of 2017/2018

表1 2017年冬季北京回龍觀站路面溫度評(píng)定結(jié)果Tab.1 The simulated road temperature assessment results at the Huilongguan station of Beijing in winter in 2017

4 結(jié)論和討論

(1)METRo模型模擬的路面溫度考慮人為熱因素后，模擬能力明顯提高，尤其是夜間其均方根誤差為1 ℃左右，因此對(duì)冬季夜間結(jié)冰有較好的預(yù)報(bào)能力。

(2)根據(jù)人為熱訓(xùn)練方案，在模擬站點(diǎn)人為熱白天能使路面溫度降低，夜間則起到加熱作用。2月，人為熱在中午前后可達(dá)-300 W·m-2，該數(shù)據(jù)較前兩月有較大突變，對(duì)于這種變化特征，目前仍沒(méi)有較好的解釋?zhuān)乱徊綄L試根據(jù)地表能量變化情況進(jìn)行深入分析。

(3)對(duì)于09:00—16:00的預(yù)報(bào)，由于數(shù)值模式輸入的太陽(yáng)輻射存在較大誤差，導(dǎo)致METRo模型預(yù)報(bào)的路面溫度存在較大誤差，需要進(jìn)一步改進(jìn)方案。