基于CFSv2.0西南地区机场10～30 d延伸期预报产品设计与实现

刘辉权，张军辉，林 莉，褚芸欣，王凌云

（民航西南空管局气象中心，四川 成都 610202）

随着民航事业的快速发展，天气对航空运行的影响越来越大，因天气原因造成航班延误的事件频繁发生。通过对航班延误事件的分析发现，天气预报准确率不高、发布预警不及时、预报的提前量不够是主要原因。目前民航气象部门主要提供的是短临预报服务，受预报时效限制，民航气象部门无法为远期航班运行规划提供气象支持，导致远期航班规划不合理，降低了运行效率，增加了运行成本。民航气象部门需提供更长时效的延伸期预报服务以应对民航发展的需求。

延伸期天气预报是介于中期天气预报和短期气候预测的新兴气象预报，长期以来对地方气象部门有广泛的服务需求[1]。在开展延伸期天气预报方面，地方气象部门积累了许多经验，并取得了较好的预报效果，尤其是对10～30 d强降水、强降温的预报预警能力有了显著提升。随着航班量的增加，10～30 d的航班运行规划、空域流量计划越来越详细，对航空气象的预报时效要求越来越长。目前民航气象主要集中在短期预报和中期预报，暂未开展延伸期预报，在延伸期预报方面，民航气象部门可学习地方气象部门丰富的经验，开展适用于民航部门的延伸期预报服务。

延伸期预报的困难在于大气可预报性理论上限为21 d，传统的主流数值预报模式最多只能达到10 d的预报水平，因此基于传统数值预报无法开展延伸期预报，难以提供10～30 d逐日预报产品。随着气候预测模式的发展，为延伸期逐日预报提供可能。在2014年，国家气候中心推出了基于第二代全球大气谱 模 式BCC_AGCM2.2（Beijing Climate Center Atmosphere General Circulation Model version 2.2）的第二代月动力延伸预报模式DERF 2.0[2]（Dynamic Extended Range Forecast operational system），其气温和降水预测效果得到了广泛认可，由于数据的开放性有限，不适合民航气象部门延伸期预报试验工作。目前，美国NCEP推出的第二代气候预测系统CSFv2.0（Climate Forecast System version 2.0）[3]的逐日预报，具有较好的稳定性和高度的开放性，因而成为民航气象部门开展延伸期预报的首选气候预测模式。CFSv2.0的分辨率为0.937°×0.937°，提供29 a（1982—2010年）的历史回报，于2011年3月提供业务化预报，具有3种不同预报时效的时间分辨率为6 h的业务化预报产品：4个时次（00：00、06：00、12：00和18：00 UTC）预报时效为9个月的预报；1个时次（00：00 UTC）预报时效为1个季节的预报（大 概123 d）；3个 时 次（06：00、12：00和18：00 UTC）预报时效为45 d的预报[4]。

在民航运行中，飞机载量与温度有关，在高原机场，航空签派员常常根据温度计算出飞机载量。在提前规划载客量和油量方面，温度预报可以提供一定的帮助，提高运行效率，节约运行成本。在冬季，根据温度可以预报降温过程和伴随的颠簸、积冰等危险天气；在夏季，局地强对流天气和温度也有一定的关系，局地异常升温伴随剧烈的上升运动，在一定的扰动下，很容易产生对流天气。在飞机起降方面，风的作用至关重要，过大的顺风能导致飞机滑行距离变长，飞机有冲出跑道的危险，而合适的逆风能使飞机起降平稳，升力稳定，缩短滑行距离。根据风的预报，塔台管制员不仅能提前规划飞机跑道起降运行方向，在跑道上空发生风切变与颠簸时，还能提前制定应急方案。降水预报在民航运行保障中不可或缺，对飞行安全影响较大。准确的强降水预报，对合理规划飞行航线与管制扇区流量有较好的支持作用，不仅能减少大面积航班延误，提高航班运行准点率，还能大大提高管制运行效率，减轻因容量过大造成的运行压力。民航气象延伸期预报服务可以结合温度、降水和风在民航运行中的作用，借鉴地方气象部门的经验，设计出适合民航气象服务的延伸期预报产品。根据该延伸期预报产品，民航气象预报员可为绕飞航线规划、跑道起降运行方向、飞机油量和载量计划提供未来10～30 d的强降水、强降温、地面风向风速、地面温度、颠簸、积冰和其他影响飞行的相关重要天气预报服务。

本文基于美国NCEP推出的第二代气候预测系统CSFv2.0逐日预报产品，根据民航运行对气象要素预报的实际需求，选取温度、风和降水3个要素来设计机场的延伸期逐日预报产品，详细阐述了产品设计思路、预报方案，并结合个例分析应用，初步探讨民航气象开展延伸期预报的方向，提出问题和不足，为未来民航气象更成熟的延伸期预报提供参考依据。

1 资料介绍

CFSv2.0是美国NCEP推出的第二代气候预测系统，其逐日预报数据可从网站（https：//nomads.ncep.noaa.gov/pub/data/nccf/com/cfs/prod/cfs/）获取，数据格式为grib2。CFSv2.0每日提供4个时次的逐日预报数据产品[5]，分别为00：00、06：00、12：00和18：00 UTC，每个时次有4个不同预报样本数据，分别 为time_grib_01、time_grib_02、time_grib_03和time_grib_04。每个预报样本下有风温湿、物理诊断量等预报产品。根据机场逐日延伸期预报产品设计需求，本文选择2 m最高温度（Tmax）、2 m最低温度（Tmin）、10 m风（WND10m）、大尺度降水（PRATE）和对流性降水（CPRAT）5个预报要素，每天共80个数据文件进行下载。

西南地区机场METAR（Meteorological Terminal Aviation Routine Weather Report，航空例行天气报告）报文可通过互联网实时获取，1 h 1份，每日24份。报文包含地面风向风速、能见度、天气现象、云、温度和修正海平面气压。

2 延伸期预报产品设计与实现

根据民航运行对气象要素预报的实际需求，本文选取温度、风和降水3个要素来设计机场的延伸期逐日预报产品。

2.1 设计思路与框架

本文选择CFSv2.0逐日预报数据，利用Python脚本自动实时下载00：00、06：00、12：00和18：00 UTC 4个 时 次 的Tmax、Tmin、WND10m、PRATE和CPRAY要素，分别提取未来35 d数据，将每个时次的4个不同预报样本数据集合平均，再根据过去5 d滑动平均预报方案生成各要素的未来30 d预报场，最后将CFSv2.0的预报结果采用双线性插值方案插值到西南地区各机场，形成各机场站点的要素预报数据。利用Python下载的各机场实时METAR报文对温度、降水预报进行订正与验证，形成最终预报结果。利用Meteoinfo（GIS Software for Meteorological Data Visualization and Analysis，气象数据图像分析系统）脚本绘制逐日最高、最低温度曲线和降水柱状综合图，将风分解成风向和风速，绘制风速曲线和风向柱状综合图。具体的设计框架流程如图1。

图1 设计框架流程

2.2 预报方案

2.2.1 5 d预报样本集合滑动平均

气候模式的多样本为预报提供更多的使用选择，但经过研究和应用检验表明，多样本集合平均预报常常比单样本预报要更稳定，预报效果更好[6-9]。因此本文选择采用样本集合平均的方案来进行延伸期逐日预报。结合气候模式的特点与实际业务运行的经验，选择5 d预报样本集合滑动平均方案来得到气候模式预报初始场。具体的处理方案如下：

（1）同一预报时次4个不同预报样本集合平均。

式中，F1、F2、F3和F4分别表示CFSv2.0气候模式的同一预报时次的4个不同预报样本数据（time_grib_01、time_grib_02、time_grib_03和time_grib_04），F表示同一时次的4个预报样本集合平均后的预报数据。

（2）5 d滑动平均。

选取通过预报样本集合平均处理后的连同今日与过去连续4 d的同一预报时次的CFSv2.0未来35 d预报数据，进行5 d滑动平均计算：

式中，Fe表示经过5 d滑动平均后的预报数据，Ft表示当日同时次预报样本集合平均数据，Ft1表示前1 d的当日同时次预报样本集合平均数据，Ft2表示前2 d的当日同时次预报样本集合平均数据，Ft3表示前3 d的当日同时次预报样本集合平均数据，Ft4表示前4 d的当日同时次预报样本集合平均数据。

2.2.2 报文订正温度预报

CFSv2.0逐日预报产品，通过5 d预报样本集合滑动平均之后形成初始预报数据，再利用双线性插值法生成机场站点日最高温度与最低温度产品。利用Python脚本处理西南地区各机场METAR报文，解析出温度数据，计算日最高温度与最低温度数据。根据历史日最高温度与最低温度数据计算过去5 d的平均预报误差进行温度预报订正，这种订正方式不仅能降低预报误差，还能平滑掉异常数据[10-13]。具体的误差订正步骤如下：

（1）日最高温度误差计算。

式中，A为预报的日最高温度误差，Tm为模式预报的日最高温度，Tmr为机场实况METAR报文解析计算的日最高温度。

（2）日最低温度误差计算。

式中，B为预报的日最低温度误差，Tn为模式预报的日最低温度，Tnr为机场实况METAR报文解析计算的日最低温度。

（3）过去5 d的日最高温度与最低温度平均误差计算。

式中，Em和En分别为过去5 d的日最高温度和日最低温度的滑动平均误差，At和Bt分别表示当日的日最高温度与日最低温度预报误差，At1和Bt1分别表示前1 d当日的日最高温度与日最低温度预报误差，At2和Bt2分别表示前2 d当日的日最高温度与日最低温度预报误差，At3和Bt3分别表示前3 d当日的日最高温度与日最低温度预报误差，At4和Bt4分别表示前4 d当日的日最高温度与日最低温度预报误差。

（4）日最高温度与最低温度预报误差订正。

式中，Tmax为最终订正后的日最高预报温度，Tmin为最终订正后的日最低预报温度。

本文选取2021年2月13日—3月14日双流机场的日最高温度（图2）和日最低温度（图3）进行订正效果检验，结果表明：订正前，模式预报的温度偏低，预报误差较大，但变化趋势与实况温度基本一致。通过温度订正之后，预报误差明显减小，更接近于实况，预报效果明显好于订正前。

图2 日最高温度订正对比

图3 日最低温度订正对比

2.3 产品显示与释用

本文使用Meteoinfo脚本绘制机场延伸期逐日预报产品图，以时间序列曲线显示日最高温度与最低温度。由于弱扰动的影响，在无明显降水时仍然会出现＞0.0 mm的降水量，为了过滤不明显的降水过程，本文选择将＜5.0 mm的降水过滤掉，并以柱状图的方式显示。降水数据包含大尺度降水和对流性降水，在夏季对流性降水对应着对流天气过程，对强对流天气预报有一定的参考意义。由于西南地区各机场跑道方向各不相同，用风杆显示跑道风并不合适，不方便快速分辨逆风和顺风状态。因此，本文选择将跑道风以风向和风速分别显示，风向以柱状显示，风速以时序曲线显示，这样不仅能使航空气象预报员快速分辨出逆风和顺风状态，还能判断出风速的大小。

以2021年3月1日00：00 UTC的未来30 d机场延伸期逐日预报产品释用分析为例（图4、图5），双流机场未来30 d，温度逐渐抬升，降水过程逐渐增加，上旬以弱降水为主，中下旬开始出现对流性降水。上旬以南风为主，风速在3日和4日＞3 m/s，不适合飞机向北起降，上旬其余时间可选择向北起降，中下旬北风日数较少，平均风速＜3 m/s，中下旬仍可选择向北起降。由图6、图7可知，3月拉萨机场无降温、无降水或明显降水天气过程，温度变化平稳，且略有抬升，早晚温差较大，日平均最高温度维持在20 °C左右。由于温度变化趋势平稳，飞机日载量计划变化不大。中旬风速较大，风向变化频繁，需关注颠簸和风切变对飞行的影响。

图4 双流机场温度降水综合预报

图5 双流机场风向风速综合预报

图6 拉萨机场温度降水综合预报

图7 拉萨机场风向风速综合预报

结合各个机场的气候特点，航空气象预报员还可以挖掘出更多机场延伸期逐日预报产品的释用技巧。例如冬季的强降温过程，往往伴随着颠簸和积冰天气，夏季高原机场的高温预报与载重和油量计划有关，夏季对流降水与强对流天气或强降水天气有关。用好机场站点延伸期逐日预报产品对提升民航运行的效率，节约运行成本有较大的帮助，同时能较大地提升航空气象预报员的延伸期预报水平，提升预报服务技能，为飞行安全保障提供助力。

3 个例对比分析

为检验延伸期预报产品对强降温过程的预报效果，本文选取2020年冬季双流机场（ZUUU）和贵阳机场（ZUGY）对运行有重大影响的强降温过程进行统计分析，统计结果如表1。对于双流机场与贵阳机场的4次强降温过程，模式能够平均提前16 d预报强降温过程；实况平均降温幅度为9.75℃，预报平均降温幅度为8.25℃，预报降温幅度比实况降温幅度低1.5℃；预报降温时段较实况降温时段长1～2 d。从这几次强降温过程来看，延伸期预报产品表现出较好的预报性能，对降温时段与降温强度有一定的预报预警能力[14]。

表1 双流和贵阳机场降温过程评估

由于缺乏降水量数据，本文选择利用双流机场实况METAR报文的降水持续时次数（1个时次表示降水持续半小时）来代表降水过程。经统计发现，2020年12月双流机场的持续性降水过程主要集中在12月1—8日，13—17日（图8）。延伸期逐日预报产品（图9）最早在2020年11月18日预报出这两次主要的降水过程，其中2020年11月26日的延伸期逐日预报产品（图10）结果与实况最为接近，第一次降水过程最早提前12 d预报，第二次过程最早提前27 d预报。2021年1月双流机场的持续性降水过程集中在6—9日和24—26日（图11），延伸期逐日预报产品（图12）最早在2020年12月13日预报出6—9日的降水过程，提前23 d预报；延伸期逐日预报产品（图13）最早在2021年1月4日预报出1月24—26日的降水过程，提前20 d预报。

图8 双流机场2020年12月降水实况

图9 双流机场11月18日降水预报产品

图10 双流机场11月26日降水预报产品

图11 双流机场2021年1月降水实况对比

图12 双流机场12月13日降水预报产品

图13 双流机场1月4日降水预报产品

通过2020年12月与2021年1月双流机场的降水持续时次与双流机场的延伸期逐日降水预报产品对比分析表明，机场延伸期逐日预报产品能平均提前20 d预报出持续性降水过程，过程起始日期略有偏差，但偏差不大，趋势预报效果较好。延伸期预报产品与短期预报不同，不宜与天气实况逐日一一对比，延伸期预报产品旨在提取明显降水过程、降温过程或其他重要天气可能发生的时段与变化趋势，对危害航班正常运行的极端天气气候事件有着早期预警的作用。

4 结论与讨论

本文详细介绍了基于CFSv2.0气候模式设计开发的西南地区各机场的10～30 d延伸期逐日预报产品的设计思路、产品框架和预报订正方案。选取2020年冬季双流机场和贵阳机场强降温和持续性降水过程对产品进行预报效果检验，得到以下结论：

（1）延伸期预报产品在强降温与持续性降水预报方面表现出较好的预报性能，能平均提前16 d预报强降温过程，提前20 d预报持续性降水过程。

（2）与实况数据相比，预报降温幅度比实况降温幅度低1.5℃，预报降温时段较实况降温时段长1～2 d。强降温与持续性降水预报起始日期和强度略有偏差，但偏差不大，与实际的强降温和持续性降水过程变化趋势基本一致，趋势预报效果较好。

由于CFSv2.0气候模式资料空间和时间分辨率不够高，随着预报时效的延长，不可避免地会使误差越来越大。本文选取的实况报文订正方案固然能提高预报准确率，但只能在一定程度上减小误差，存在一定的局限性，随着预报时效的延长，误差仍然会变大。运用数值预报集合技术，加入分辨率更高的DERF2.0气候模式资料开展延伸期逐日集合平均预报或许可以进一步提高预报准确率，减小误差[15-18]。另外，机器学习历史气候资料，结合EC等数值模式进行建模，也有相当的应用潜力。