基于云诊断算法的中国十大机场云预报对比分析

徐记亮 张伟 苏艳华 顾雷

(中国民用航空局空中交通管理局航空气象中心，北京 100018)

引言

低云是危及飞行安全的危险性天气之一。在低云覆盖机场的情况下着陆，如果飞机出云后离地面的高度较低，且又未对准跑道，往往来不及修正，容易造成复飞。有时，由于指挥或操作不当，还可能造成飞机与地面障碍物相撞或失速的事故[1]。因此，云的观测预报是机场天气报告中必须包含的气象要素，云高、云量更是关注的重点。

目前，云观测主要为地面人工观测、飞机探测和卫星遥感等，每种观测方式只能反映云的一部分信息[2]。综合利用各类观测及模式输出结果的云分析方法，可以获取云量、云状、云高等信息，是云预报和分析的基础[3]。其中，探空识别法可以利用相对湿度确定云的垂直分层。Wang和Rossow[4]利用相对湿度廓线提出具体的阈值标准，称为WR95算法。赵仕伟等[5]将WR95算法运用到数值模式中，以模式输出的数据代替探空数据判定云底高，结果表明该方法对中低云较为适用。蔡淼等[6]在WR95基础上对相对湿度阈值进行了优化，优化后的准确率和TS评分略有提高。以上探空识别方法可以识别云的垂直分层，但无法确定云量。卫星遥感可以检测云并通过反演获取云量[7- 9]。但卫星产品中的云量是天空中的总云量，与地面观测总云量具有不同的物理意义[8]，且与地面观测云量存在一定偏差[9]，就地面观测点的总云量而言，地面观测值的可靠性相对较高[8]。在开展的云量诊断预报研究中[10-14]， Xu和Randall[15]基于CRM模拟结果提出云量诊断方法，此云量诊断方法被应用于NCEP GFS模式中计算云量[16-17]。

目前，中国气象局建立了三维云融合分析业务系统[18]，生成云底、云顶、云量等三维产品，用于天气分析。但机场云高、云量的预报还不能从数值模式中直接获得，更多地依靠经验进行预报[19]，部分机场建立了MOS系统预报云量[20]，但仍无法达到定量计算、准确预报的水平，且针对机场云的预报诊断研究仍较少。

根据2019年中国大陆地区机场航班量统计，最繁忙的前十大机场分别为北京首都、上海浦东、广州白云、成都双流、深圳宝安、昆明长水、西安咸阳、上海虹桥、重庆江北和杭州萧山机场。十大机场的云诊断预报分析可增强民航气象部门对航班运行的保障能力，提高航班正常率和航空服务质量，对于民航部门来说非常重要。本文基于数值模式的云高、云量诊断算法，对比分析云诊断方法在中国十大机场的应用情况，以探讨适用于某一机场的云诊断算法，为中国机场的云预报提供参考。

1 资料与方法

1.1 资料来源

民航机场云的观测以人工目测方式进行，云量采用八分量制(中国民用航空局空管行业管理办公室.《民用航空飞行气象情报发布与交换办法》，2012)：1—2个八分量为少云(FEW)，3—4个八分量为疏云(SCT)，5—7个八分量为多云(BKN)，8个八分量为满天云(OVC)。民航机场气象台按规定每日24 h于整点或半点连续发布机场例行天气报告(METAR报)(中国民用航空局空管行业管理办公室，中国民用航空局空中交通管理局.《民用航空飞行气象情报发布与交换办法》，2009)。METAR报中，云高以30 m为增量等级编报。

民航运行中，对飞行有重要影响的云是指云底高为1500 m的云，或最高的最低扇区高度(两者取其大)以下的云，或任何高度的积雨云、浓积云。另外，距离机场更近的最低层的云层或云块对飞机的正常起降影响更大。

选取2016年5月至2019年4月共3 a的NCEP再分析资料FNL(0.25°×0.25°)世界时每天00时、06时、12时、18时的6 h数值预报资料及相应时次的METAR报资料，分析云底、云高在1500 m以下最低层云的情况。

1.2 研究方法

1.2.1 探空识别方法

1.2.1.1 云高计算

WR95算法[4-5]计算云底高方法：从地表向上，当相对湿度(RH)≥87%时即为入云，以此判断为第一个云层的云底。当84%≤RH<87%且高度层RH的变化大于3%时，也判断为第一个云层的云底。当RH<84%即为出云，以此判断为第一个云层的云顶。第N(N≥2)个云层的相对湿度阈值为84%，当RH≥84%时即为入云，以此判断为云底；当RH<84%时即为出云，以此判断为云顶。

优化的WR95方法(简称WR95opt)各高度相对湿度阈值与高度的关系见式(1)[6]。

(1)

式(1)中，Hr为相对湿度阈值；H为高度，单位为km。同时参考Zhang等[21]的方法，考虑了云层数量优化。

1.2.1.2 云高推算云量

以上探空识别方法可以识别云的垂直分层，但无法确定云的云量。本文设计的由云高推算云量的模型，具体算法如下：

在得出云底高h后，首先计算在机场A处，观测者观测到高度为h的视场范围，即半径为r的圆形区域；再计算此圆形区域内包含的网格点数，此网格点数同一高度h处有云的比例即为机场A处观测到的云底高为h的云的云量。示意如图1。

R为地球平均半径；r为观测视场半径；h为云高度图1 机场A处观测到云的视场范围示意Fig.1 Schematic diagram of the field of view of the cloud observed at the airport A

1.2.2 云量诊断方法

NCEP GFS模式中诊断云量的计算方法[15-16]见式(2)～式(4)，为C云量诊断法(简称C方法)。

(2)

(3)

(4)

式(2)～式(4)中，C为云量(成);RH为相对湿度(%);q*为饱和比湿(kg/kg);qc为云水/云冰混合比(kg/kg)；e为水汽压(Pa)；p为气压(Pa)；T为温度(K)。

计算出各高度上的云量，可以推算不同云量的云底高。

1.2.3 诊断效果检验

参考晴雨预报的混淆(误差)矩阵分别计算十大机场诊断云的准确率、漏报率及TS评分，见表1。

表1 云诊断的混淆(误差)矩阵Table 1 Confusion (error) matrix for cloud diagnostics

准确率=TP/(TP+FP)，漏报率=FN/(TP+FN)，TS评分=TP/(TP+FN+FP)。

准确率是相对预报而言的，数值越大表示预报可信度越高。漏报率是相对实况而言的，数值越大表示出现漏报的可能性越大。TS评分综合考虑了准确率和漏报率，数值越大表示预报效果越好。云底高的诊断效果根据诊断的云的平均云底高与相应时次机场观测的平均云底高的相对误差来检验。

2 结果分析

2.1 不分云量

不分云量时， 2016年5月至2019年4月中国十大机场利用C、WR95、WR95opt方法计算的1500 m以下6 h预报出现最低层云的准确率、漏报率及TS评分见表2。由表2可知，在广州、成都、深圳、昆明、重庆、杭州机场，C方法云量计算结果的准确率均较高，为0.60以上，其中昆明最高，为0.85；北京和西安机场较低，为0.30以下。成都、重庆、西安、杭州、昆明、广州机场WR95和WR95opt方法云量计算结果的准确率较高，为0.80以上，北京最低。所有机场WR95opt的准确率均比WR95稍高。除昆明机场

表2 2016年5月至2019年4月中国十大机场1500 m以下不分云量时6 h预报出现最低层云的准确率、漏报率、TS评分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方法准确率比C方法稍低外，其他机场WR95和WR95opt方法的准确率均比C方法高。

C方法云量计算的漏报率，昆明最高，为0.99，其他机场相对较低，为0.30以下。西安机场WR95和WR95opt方法的漏报率最高，为0.70以上，上海虹桥最低。所有机场WR95opt方法的漏报率均比WR95方法稍高。除昆明WR95和WR95opt方法计算的漏报率比C方法低以外，其他机场WR95和WR95opt方法计算的漏报率均比C方法高。

成都、杭州机场C方法云量计算结果的TS评分较高，分别为0.65和0.60；西安、北京、昆明机场较低，其值均小于0.30，其中昆明最低，只有0.01。广州、上海虹桥、杭州机场WR95和WR95opt方法云量计算结果的TS评分较高，为0.60左右；西安最低，只有0.26。北京WR95方法云量计算结果TS评分比WR95opt方法稍低，其他机场的WR95方法比WR95opt方法稍高。北京、上海浦东、昆明、上海虹桥机场WR95和WR95opt方法云量计算结果的TS评分稍高于C方法；成都、西安、重庆机场的TS评分低于C方法；广州、深圳、杭州机场C方法云量计算结果TS评分介于WR95方法与WR95opt方法之间。

值得注意的是，昆明机场C方法云量计算结果的漏报率为0.99、TS评分为0.01，明显与其他机场及WR95和WR95opt方法差异较大，其结果基本均为无云的情况。这可能与昆明机场特殊地形有关，昆明机场选址处于山腰，海拔为2103.37 m，机场东西两侧为山岭，南北为低洼地，位于一条东南—西北向的通道中，南部开阔，北部稍窄，容易形成山谷风。同时计算另外两个高海拔机场——西宁曹家堡机场、拉萨贡嘎机场的准确率、漏报率、TS评分，其值分别为N、1.00、0.00，即两个机场均没有诊断出云，诊断效果均极差。由此可以大致推断，C方法在高原机场的诊断效果很差，原因可能是该方法受到高原等复杂地形或海拔高度的影响较大。

2.2 少云(FEW)

当少云量时， 2016年5月至2019年4月中国十大机场利用C、WR95、WR95opt方法计算的1500 m以下6 h预报出现最低层云的准确率、漏报率及TS评分见表3。由表3可知，各机场不同方法的计算结果均明显变差。FEW少云时，各机场准确率、TS评分明显减小，漏报率增大，尤其WR95及WR95opt方法的漏报率明显增大。

除杭州外，其他机场WR95和WR95opt方法云量计算结果的准确率均比C方法高。成都、重庆三种方法云量计算结果的准确率最高，北京、上海虹桥、杭州机场最低。

表3 2016年5月至2019年4月中国十大机场1500 m以下FEW少云时6 h预报出现最低层云的准确率、漏报率、TS评分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

除昆明机场外，其他机场WR95和WR95opt方法云量计算结果的漏报率均高于C方法，为0.84以上。各机场WR95opt方法云量计算结果的漏报率稍低于WR95方法。昆明机场三种方法云量计算结果的漏报率最高，为0.96以上，尤其是C方法云量计算结果均高于其他机场。

北京、昆明、上海虹桥机场C方法云量计算结果的TS评分稍低于或与WR95和WR95opt方法相当，其他机场C方法云量计算结果的TS评分高于WR95和WR95opt方法。WR95和WR95opt方法计算结果的TS评分均较小，为0.10以下。成都、重庆、深圳机场C方法云量计算结果的TS评分稍高于其他机场。

2.3 疏云(SCT)

疏云时， 2016年5月至2019年4月中国十大机场利用C、WR95、WR95opt方法计算的1500 m以下6 h预报出现最低层云的准确率、漏报率及TS评分见表4。由表4可知，除杭州外，其他机场C方法计算结果的准确率均低于WR95和WR95opt方法。北京首都机场C方法云量计算结果准确率为0.00，或者诊断无SCT疏云。成都机场的WR95方法云量计算结果准确率高于WR95opt方法。成都机场WR95方法云量计算结果准确率最高，而昆明机场WR95opt方法最高。

C方法计算结果的漏报率均为1.00，WR95和WR95opt方法的漏报率也较高，均为0.79以上。北京机场WR95方法云量计算结果漏报率低于WR95opt方法，其他机场WR95方法云量计算结果漏报率高于WR95opt方法，或两者相当。

C方法云量计算结果的TS评分均为0。WR95方法云量计算结果的TS评分稍低于WR95opt方法。广州机场WR95和WR95opt计算结果的TS评分最高，为0.14，其他机场均为0.10以下。

2.4 多云(BKN)

多云时， 2016年5月至2019年4月中国十大机场利用C、WR95、WR95opt方法计算的1500 m以下6 h预报出现最低层云的准确率、漏报率及TS评分见表5。由表5可知，除上海虹桥、杭州机场外，其他机场C方法未诊断出BKN云量。西安WR95方法云量计算结果的准确率高于WR95opt方法，其他机场两种方法计算结果相当，或WR95方法云量计算结果低于WR95opt方法。上海虹桥机场WR95和WR95opt方法云量计算结果的准确率最高，分别为0.45和0.56。

C方法云量计算结果的漏报率均为1.00。WR95和WR95opt方法云量计算结果的漏报率，除深圳机场稍低外，其他机场均较高，为0.60以上。上海浦东、上海虹桥、杭州机场WR95方法云量计算结果的漏报率高于WR95opt方法，其他机场WR95方法计算结果低于WR95opt方法，或者二者相当。

表4 2016年5月至2019年4月中国十大机场1500 m以下SCT疏云时6 h预报出现最低层云的准确率、漏报率、TS评分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月中国十大机场1500 m以下BKN多云时6 h预报出现最低层云的准确率、漏报率、TS评分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方法云量计算结果的TS评分均为0.00。成都、西安机场WR95方法云量计算结果的TS评分稍高于WR95opt方法，其他机场两者相等，或WR95方法计算结果稍低于WR95opt方法。上海浦东、深圳、上海虹桥、杭州机场WR95和WR95opt方法计算结果的TS评分高于其他机场，均为0.20以上；北京、成都、昆明、西安、重庆的TS评分均为0.10以下。

2.5 满天云(OVC)

满天云时，2016年5月至2019年4月中国十大机场利用C、WR95、WR95opt方法计算的1500 m以下6 h预报出现最低层云的准确率、漏报率及TS评分见表6。由表6可知，各机场C方法云量计算结果的准确率均为0.00，或者未诊断出OVC云量。西安、重庆机场WR95方法云量计算结果的准确率高于WR95opt方法，其他机场两者相当，或WR95方法云量计算结果的准确率低于WR95opt方法。广州机场WR95和WR95opt方法计算结果的准确率最高，其值分别为0.13和0.17，其次为北京机场，其他机场均低于0.10。

表6 2016年5月至2019年4月中国十大机场1500 m以下OVC满天云时6 h预报出现最低层云的准确率、漏报率、TS评分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

各机场C方法云量计算结果的漏报率均为1.00。成都、杭州机场WR95和WR95opt的漏报率均为1.00，其他机场WR95方法计算结果的漏报率低于WR95opt方法。

各机场C方法云量计算结果的TS评分均为0.00。各机场WR95和WR95opt方法云量计算结果的TS评分均为0.10以下，广州机场最高，分别为0.08、0.07，成都、昆明、重庆、杭州机场均为0.00。北京、广州、西安机场WR95方法计算结果的TS评分高于WR95opt方法，深圳机场低于WR95opt方法，其他机场两者相当。

2.6 诊断云高相对误差

2016年5月至2019年4月中国十大机场各方法计算的1500 m以下最低层云平均云底高与METAR的相对误差见图2。由图2可知，各方法诊断云高相对误差差别较大，相对误差有正有负。昆明机场C方法云高计算结果的相对误差为正值，且误差较大，为163%，表明昆明机场C方法云高的计算结果远高于METAR；其余机场的相对误差均为负值，表明其云高计算结果低于METAR。其中重庆机场相对误差最小，为-19%；杭州、深圳、上海虹桥、北京、上海浦东、成都机场较大，其相对误差分别为-73%、-67%、-64%、-61%、-59%、-51%。

成都、西安、重庆机场WR95方法云高计算结果的相对误差为正值，分别为13%、63%、51%，其他机场的相对误差为负，其中昆明机场最大，为-93%，北京、广州、深圳机场较小，其值分别为-17%、-17%、-12%。

正值为高于METAR，负值为低于METAR图2 2016年5月至2019年4月中国十大机场1500 m以下最低层云平均云底高与METAR的相对误差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

上海浦东、昆明、上海虹桥机场WR95opt方法云高的计算结果相对误差为负，其中上海浦东、上海虹桥机场较小，其值均为-10%，昆明机场较大，为-43%。其他机场的相对误差为正，其中北京、广州、深圳、杭州机场较小，分别为5%、8%、7%、0%；重庆、西安、成都机场较大，分别为111%、106%、43%。

从相对误差绝对值来看，北京、上海浦东、广州、成都、深圳、昆明、上海虹桥、杭州机场WR95和WR95opt方法云高的计算结果好于C方法，西安、重庆机场的C方法计算结果较好。WR95与WR95opt方法比较，北京、上海浦东、广州、深圳、昆明、上海虹桥、杭州机场WR95opt方法的云高计算结果好于WR95方法，其相对误差绝对值均在10%或以下，其中杭州为0%；成都、西安、重庆机场WR95方法较好，成都机场的相对误差绝对值为13%。西安、重庆机场的C方法云高计算结果较好，其相对误差的绝对值相对较大，分别为31%、19%。

3 结论与讨论

(1)不分云量时，除昆明机场外，其他机场C方法云量计算结果的准确率低于WR95和WR95opt方法。除昆明、广州机场外，其他机场C方法云量计算结果的漏报率均低于WR95和WR95opt方法。北京、上海浦东、昆明、上海虹桥机场WR95和WR95opt方法云量计算结果的TS评分稍高于C方法，成都、西安、重庆机场低于C方法。所有机场WR95opt方法云量计算结果的准确率、漏报率均稍高于WR95方法；除北京机场外，其他机场WR95方法云量计算结果的TS评分均稍高于WR95opt方法。

(2)分云量时，各方法的诊断效果明显变差，准确率、TS评分明显减小，漏报率明显增大。各机场C方法在SCT、BKN、OVC云量时的云量计算结果准确率基本为0.00，或者诊断无此类云量、漏报率为1.00、TS评分均为0.00，其对于SCT、BKN、OVC云量的诊断效果比FEW云量时差。大部分机场C方法云量计算结果的准确率低于WR95和WR95opt方法。FEW时，C方法云量计算结果的TS评分高于WR95和WR95opt方法，SCT、BKN、OVC时C方法云量计算结果的TS评分低于WR95和WR95opt方法。

(3)云高相对误差有正有负，昆明机场C方法云高计算结果的相对误差为正，其余机场为负。成都、西安、重庆机场WR95方法云高计算结果的相对误差为正，其余机场为负；上海浦东、昆明、上海虹桥机场WR95opt方法云高计算结果的相对误差为负，其余机场为正。从相对误差的绝对值来看，北京、上海浦东、广州、深圳、上海虹桥、杭州、昆明的WR95opt方法诊断效果较好；成都的WR95方法诊断效果较好；西安、重庆的C方法诊断效果较好。

(4)C方法对云的诊断效果不如探空法，当SCT及以上云量时，大部分没有诊断出云量，原因可能是C方法更倾向于诊断少云，可以尝试通过提高相对湿度的比重或加入某一系统偏差项，以提高多云量的诊断效果。大部分机场的云高相对误差为负值且其绝对值大于探空法，表明C方法诊断的云高远低于实际，原因可能是C方法能够诊断出云的“阈值”较小，实际云层以下容易达到C方法的“阈值”而被误诊断为云，可以通过尝试提高云的“阈值”以提高诊断的云底高，减小云高相对误差，需进一步的对比分析。