南昌昌北机场不同重现期的极端气温估算

温新龙,徐卫民,沈 竞

(江西省气象科学研究所,江西 南昌 330096)

0 引言

航空安全与气象条件密切相关,随着航空业的快速发展,不利气象条件对飞行造成的影响日益突出。统计显示,2021年由于天气原因导致的航班不正常比例高达59.56%,比2020年增加2.25%[1]。对影响航空安全的恶劣天气的研究主要集中在强对流、能见度、积冰等[2-4],针对不同机场独特的地理位置和气候特征,通常采用典型历史天气个例分析[5-6]、数值模拟[7-8]和气候统计[9-10]等方法进行研究。气温作为表示大气冷热程度的物理量,与飞行的关系十分密切。气温对飞机高度表、空速表、载重量、升限及最大平飞速度和滑跑距离等许多性能指标均有影响,是民航机场选址报告中明确规定需要统计调查的气象要素之一。研究表明,夏季日最高气温是影响飞机最大起飞重量的主要气象要素,限重天数是量化气候增暖对飞机起飞影响的重要指标[11]。我国是全球气候变化的敏感区和影响显著区,升温速率明显高于同期全球平均水平,极端高温事件自20世纪90年代中期以来明显增多,气候风险水平趋于上升[12]。

南昌昌北机场(以下简称昌北机场)位于江西省南昌市,地处东亚中低纬度,属中亚热带湿润性季风气候。昌北机场夏季闷热,冬季湿冷,受全球气候变化和城市化等影响,高温热浪和低温雨雪冰冻等灾害性天气时有发生。当前对昌北机场区域强降水、大雾等天气特征已有相关研究[13-14],但对不同重现期极端气温的研究鲜有涉及。本文利用选取参证气象站的技术思路,通过建立机场站与参证站实测年极端气温的回归模型,构建机场站长年代年极端气温序列,再利用2种极值概率分布模型,对参证站(永修站)实测序列和机场站构建序列进行拟合和拟合效果检验。结合年极端气温序列样本特征,确定昌北机场不同重现期的极端气温,对保障机场安全运行、除冰防冻作业、油管道等基础设施维护具有重要意义。

1 昌北机场概况

昌北机场位于江西省南昌市正北方向21 km处的丘陵地带,其东面北面有鄱阳湖及长江水系,西南26 km处有高约841 m的杨梅山,整个地势呈“西高东低,南江北湖”格局(图1)。昌北机场于1999年9月投入运营,是江西省联动各地的重要交通枢纽,现有长3400 m、宽45 m的主跑道一条,跑道坡度为0.24%,呈023°～203°真方向。随着经济发展和城市规模不断扩大,航空运输量持续增长,昌北机场启动了三期扩建工程。

图1 昌北机场周边地形及气象站分布

2 资料与方法

2.1 参证气象站选择

参证气象站是指气象分析计算所参照的具有长年代气象数据的国家气象观测站。按照《气候可行性论证规范机场工程气象参数统计》《机场工程选址气候可行性论证技术指南(第1版)》要求,应利用参证气象站30 a以上历史气象要素序列进行极值估算。昌北机场气象观测站(简称机场站)于1999年9月启用,观测资料尚不足30 a,因此从周边选择与机场地理、地形、气候条件相似的国家气象站作为参证气象站,并从其可靠性、代表性和一致性三方面综合分析后确定。

昌北机场周边分布有南昌站、新建站和永修站3个国家气象站(图1),各气象站信息如表1所示。从可靠性看,3个站均为标准的国家气象站,在基础建设、观测仪器选型和安装、观测方法和观测管理方面,均按照《地面气象观测规范》执行,观测资料具有很高的可靠性。南昌站位于南昌市城南的青云谱区,距离机场31 km,与机场横跨了南昌市区及赣江;新建站位于南昌市城西的新建区,距离机场21 km,受城市化影响,周边高楼林立,探测环境较差;永修站位于永修桥南建设村郊外的丘陵地带,距离机场20 km,周边开阔,探测环境良好,自1955年5月启用,现址于1975年1月1日开始工作,观测资料长年代一致性好。因此,从地理、地形条件和探测环境看,永修站对机场气候具有更好的代表性。为进一步论证永修站气温的代表性,对永修站和机场站2016—2019年逐时气温进行相关分析,由结果可知(图2),2站气温相关系数达0.99,p<0.01,相关性显著。综上所述,选择永修站作为参证气象站。

表1 昌北机场周边3个气象站信息

图2 永修站和机场站2016—2019年逐时气温线性回归图

从全年实测逐日气温中选出最大(最小)值,作为该年年极端最高(最低)气温,永修站年极端气温资料从1956—2019年共64 a,机场站从2000—2019年共20 a。

2.2 机场站长年代极端气温序列构建

机场站和永修站实测年极端最高、最低气温年际变化如图3所示。从图3a看出,近20 a 2站年极端最高气温最大值均出现在2003年,机场站为41.3 ℃,略高于永修站的41.1 ℃,除2006年、2009年、2010年和2013年外,机场站年极端最高气温均高于同年的永修站,年极端最高气温均呈下降趋势且下降速率相近;图3c则显示,永修站近64 a极端最高气温呈升高趋势(0.3 ℃/10 a),其变化趋势与近20 a不一致。由图3b可知,近20 a 2站年极端最低气温最小值均出现在2016年,机场站为-7.2 ℃,低于永修站的-6 ℃,机场站年极端最低气温均低于或等于同年的永修站,年极端最低气温均呈上升趋势且上升速率相近(0.5 ℃/10 a),图3d则显示,永修站近64 a极端最低气温最小值出现在1972年,为-11.9 ℃,比近20 a的最小值低5.9 ℃,年极端最低气温亦呈升高趋势(0.8 ℃/10 a),升温速率大于年极端最高气温。

图3 机场站和永修站年极端最高气温(a、c)和最低气温(b、d)年际变化曲线及线性趋势

由以上分析发现,若直接采用永修站资料进行机场极端气温估算,势必存在误差。因此先利用2000—2019年机场站与永修站的极端气温序列进行回归分析,得到2站极端气温的关系模型(图4),再将1956—1999年永修站的实测资料代入模型,得到1956—1999年机场站极端气温数据,最终建立机场站1956—2019年长年代极端气温序列。

图4 2000—2019年机场站与永修站年极端气温回归分析图

2.3 极值估算方法

从统计意义上说,气温本身就是一个随机变量,而其极值乃是这些随机变量的某种函数,气温极值估算就是用已有历史观测的有限样本去拟合某种概率分布模型并估计其参数[15]。常用的经典极值概率分布模型有极值Ⅰ型(Gumbel)分布和皮尔逊Ⅲ型(P-Ⅲ型)分布等。极值Ⅰ型(Gumbel)分布又称双指数分布,是一种正态分布,是一个较完全的极值理论分布,常用参数估计方法有矩法、耿贝尔法、极大似然法和最小二乘法等。皮尔逊Ⅲ型(P-Ⅲ型)分布是偏态铃形分布,常用参数估算方法有矩法、线性矩法,极大似然法、适线法等。不同参数估计方法的适用性有所差异,结合文献[16]对参数估计方法的比较研究,本文对极值Ⅰ型和皮尔逊Ⅲ型分布分别采用耿贝尔法和适线法进行参数估计,对于模型的拟合优度,则采用柯尔莫哥洛夫指标和拟合均方差进行检验。

3 结果分析

采用极值Ⅰ型分布和皮尔逊Ⅲ型分布分别对参证站(永修站)1956—2019年实测年极端气温序列(以下简称“参证站实测序列”)和通过与参证站回归分析构建的机场站近64 a年极端气温序列(以下简称“机场站构建序列”)进行拟合和参数计算,对于皮尔逊Ⅲ型曲线,一般通过反复调整参数CV和CS以使理论曲线与经验曲线尽量接近(应满足CS≥2CV),从而保证小概率计算值不至于偏小。2种模型推算结果及拟合优度见表2,可以看出,由于模型和参数估计方法的不同,2种模型对相同重现期的温度拟合结果不一致,差异在0.1～1.1 ℃。对参证站实测以及机场站构建的年极端最高气温序列、参证站实测的年极端最低气温序列的拟合,极值Ⅰ型分布的结果大于皮尔逊Ⅲ型,而对机场站构建的年极端最低气温序列的拟合,极值Ⅰ型分布的结果小于皮尔逊Ⅲ型。就拟合优度而言,对年极端最高气温的拟合,参证站实测序列和机场站构建序列均以皮尔逊Ⅲ型分布的效果更好(柯尔莫哥洛夫检验指标和拟合均方差同时最小,下同);对年极端最低气温的拟合,参证站实测序列和机场站构建序列均以极值Ⅰ型分布的效果更好。

表2 各重现期极端最高和最低气温推算结果(单位:℃)

为确定昌北机场不同重现期的气温极值,应根据参证站实测序列和机场站构建序列的样本特征,并结合2种模型的拟合优度进行综合考虑。由表3可知,对年极端最高气温而言,2个序列的平均值、最大值分别只相差0.4 ℃和0.2 ℃,再对比各重现期拟合值与2个序列的最大值和标准差,宜选择皮尔逊Ⅲ型分布拟合参证站实测年极端最高气温序列的结果作为昌北机场不同重现期年极端最高气温的推算值;同理,宜选择极值Ⅰ型分布拟合机场站构建年极端最低气温序列的结果作为昌北机场不同重现期年极端最低气温的推算值。昌北机场10、30、50和100 a重现期的年极端最高气温分别是39.6、40.5、40.9和41.4 ℃,年极端最低气温分别是-9.5、-12.0、-13.1和-14.6 ℃。

表3 两种年极端气温序列的参数

4 结论和讨论

(1)从可靠性、代表性和一致性三方面对比昌北机场周边的南昌站、新建站和永修站3个国家气象站,并对永修站和机场站2016—2019年逐时气温进行相关分析,选择永修站作为参证气象站。在分析机场站与永修站实测年极端气温特征的基础上,构建了机场站1956—2019年长年代年极端气温序列。

(2)采用极值Ⅰ型和皮尔逊Ⅲ型分布分别对参证站(永修站)实测序列和机场站构建序列进行拟合和参数计算,结果表明:2种模型对相同重现期的温度拟合结果不一致,差异在0.1～1.1 ℃。对年极端最高气温的拟合,2个序列均以皮尔逊Ⅲ型分布的效果更好;对年极端最低气温的拟合,2个序列均以极值Ⅰ型分布的效果更好。

(3)综合考虑参证站实测序列和机场站构建序列的样本特征,结合2种模型的拟合优度,以皮尔逊Ⅲ型分布拟合参证站实测年极端最高气温序列的结果作为昌北机场不同重现期年极端最高气温的推算值,极值Ⅰ型分布拟合机场站构建年极端最低气温序列的结果作为昌北机场不同重现期年极端最低气温的推算值。昌北机场10、30、50和100 a重现期的年极端最高气温分别是39.6、40.5、40.9和41.4 ℃,年极端最低气温分别是-9.5、-12.0、-13.1和-14.6 ℃。

气候概率分布模式往往是由实测资料所得频率分布(样本分布)在足够长时间所测得的大样本资料条件下的一种(极限)理论分布。对于特定序列的极端气温的拟合,不同概率分布模型的适应性和拟合效果存在差异,本文及文献[17-18]关于陕西和广西等地极端气温重现期的研究均体现了这一特点,这与特定极值序列的样本分布特征有密切关系。另外,未来的气候极值是一种不稳定的、难以预报的复杂随机变量,加之全球变暖、极端天气气候事件多发、频发的新常态,对于某地(或建设项目)气候要素极值的推算,在准确选取参证气象站的同时,应该充分考虑当地的实测资料。