为考察能见度自动监测前后低能见度在贵州时空分布的新特征、对交通的影响等，本文选取2008~2022年贵州84个气象站能见度观测资料，进行了分观测时段、分低能见度等级、分影响天气类型的分析和比较。发现自动观测提高了观测频次和观测精度，但出现了气候突变，抽取与人工观测相同时次的观测数据可提高跨越自动观测前后的低能见度分析资料的连续性。定时观测能见度数据发现，自动观测后，贵州各站的站点雾日变化较大，多雾中心更强、更多；各时次自动观测前后年均低能见度变化不一致，占比最多的8时低能见度差异最大。进一步分析区域雾日，发现自动观测后年均区域雾日增加了22.4 d，按照天气影响系统划分的锋面雾日显著增加，而辐射雾日减少；对区域雾日计算能见度系数计算，发现自动观测后低能见度强度增加，对交通影响增加，其中锋面雾日的影响大于辐射雾日；两类雾日中3级低能见度站次都有所增加，说明自动观测更易捕捉到能见度低的天气。总之，分类雾在能见度自动观测中呈现出的新特点值得进步一深入研究。 In this paper, in order to investigate the new characteristics of low visibility in spatial and temporal distribution and its impact on traffic before and after the automatic visibility observation in Guizhou, a comparative analysis of visibility observation data from 84 meteorological stations in Guizhou from 2008 to 2022 is carried out in terms of observation period, low-visibility level, and influence weather type. It was found that automatic observation improved the observation frequency and accuracy, but there was a sudden change in climate. Extracting the observation data at the same time as manual observation can improve the continuity of low-visibility analysis data across automatic observation. The visibility data of periodic observation show that after automatic observation, the fog days of each station in Guizhou have great changes, and the foggy centers are stronger and more; change of annual low visibility before and after automatic observation is inconsistent, and the difference of low visibility at 8 hours is the largest. Further analysis of regional fog days shows that the annual average regional fog days increased by 22.4 d after automatic observation, with a significant increase in the frontal type days and a decrease in the radiation type days according to weather influence system; the visibility coefficient of regional fog days is calculated, and it is found that the intensity of low visibility increases and the impact on traffic increases after automatic observation, and the impact of frontal fog days is greater than that of radiation fog days; the number of level 3 low-visibility stations in both types of fog days has increased, indicating that low-visibility weather would be more easily captured by the automatic observation. In short, the new characteristics of classification fog in automatic visibility observation are worth further study.
为考察能见度自动监测前后低能见度在贵州时空分布的新特征、对交通的影响等，本文选取2008~2022年贵州84个气象站能见度观测资料，进行了分观测时段、分低能见度等级、分影响天气类型的分析和比较。发现自动观测提高了观测频次和观测精度，但出现了气候突变，抽取与人工观测相同时次的观测数据可提高跨越自动观测前后的低能见度分析资料的连续性。定时观测能见度数据发现，自动观测后，贵州各站的站点雾日变化较大，多雾中心更强、更多；各时次自动观测前后年均低能见度变化不一致，占比最多的8时低能见度差异最大。进一步分析区域雾日，发现自动观测后年均区域雾日增加了22.4 d，按照天气影响系统划分的锋面雾日显著增加，而辐射雾日减少；对区域雾日计算能见度系数计算，发现自动观测后低能见度强度增加，对交通影响增加，其中锋面雾日的影响大于辐射雾日；两类雾日中3级低能见度站次都有所增加，说明自动观测更易捕捉到能见度低的天气。总之，分类雾在能见度自动观测中呈现出的新特点值得进步一深入研究。
低能见度，自动观测，人工观测，变化特征，锋面雾日，辐射雾日
Yanjing Tang1,2, Fanqi Jin1, Bo Liao1*, Diyu Niu1
1Guizhou Meteorological Service Center, Guiyang Guizhou
2Guizhou Mountainous Meteorological Research Institute, Guiyang Guizhou
Received: Feb. 20th, 2024; accepted: Mar. 20th, 2024; published: Mar. 27th, 2024
In this paper, in order to investigate the new characteristics of low visibility in spatial and temporal distribution and its impact on traffic before and after the automatic visibility observation in Guizhou, a comparative analysis of visibility observation data from 84 meteorological stations in Guizhou from 2008 to 2022 is carried out in terms of observation period, low-visibility level, and influence weather type. It was found that automatic observation improved the observation frequency and accuracy, but there was a sudden change in climate. Extracting the observation data at the same time as manual observation can improve the continuity of low-visibility analysis data across automatic observation. The visibility data of periodic observation show that after automatic observation, the fog days of each station in Guizhou have great changes, and the foggy centers are stronger and more; change of annual low visibility before and after automatic observation is inconsistent, and the difference of low visibility at 8 hours is the largest. Further analysis of regional fog days shows that the annual average regional fog days increased by 22.4 d after automatic observation, with a significant increase in the frontal type days and a decrease in the radiation type days according to weather influence system; the visibility coefficient of regional fog days is calculated, and it is found that the intensity of low visibility increases and the impact on traffic increases after automatic observation, and the impact of frontal fog days is greater than that of radiation fog days; the number of level 3 low-visibility stations in both types of fog days has increased, indicating that low-visibility weather would be more easily captured by the automatic observation. In short, the new characteristics of classification fog in automatic visibility observation are worth further study.
Keywords:Low-Visibility, Automatic Observation, Manual Observation, Variation Characteristics, Frontal Type, Radiation Type
Copyright © 2024 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
能见度是指在给定的气象条件下，人眼能够看到的最远距离 [
随着气象事业的发展，我国各地气象台站在2010年后开始推进能见度自动观测。许多研究着重于仪器的性能方面 [
国内外已有很多雾或低能见度的天气、气候特征方面的研究 [
贵州省能见度的规范观测主要在84个县级以上气象台站开展。2014~2016年期间，贵州90%的县级以上气象台站安装了能见度仪，剩余台站陆续在2017年后完成了能见度自动观测改造(图1)。
图1. 贵州省县级以上气象台站开始能见度自动观测的年份/年
选取2008~2022年贵州84个气象站能见度观测资料，大部分站点人工观测和自动观测时段长度接近。各站按开始自动观测时间划分人工观测和自动观测时段，以逐日最低能见度(V/m)、3个时次(8、14、20时，北京时，以下不作说明均默认为北京时)定时观测能见度(V/m)为分析对象。在讨论整个贵州省区域时，将2008~2013年作为人工观测时段，自动观测基本建成后的2017~2022年作为自动观测时段。
能见度自动观测后，观测数据由之前的8、14、20时定时人工观测(精度百米；2时贵州省仅34个国家基准站有能见度观测，本文不纳入统计)转变为连续的自动观测，观测数据频次1 min，精度米(m)；为消除采样范围较小、数据波动大的问题，正点能见度采用10 min滑动平均值。对日最低能见度观测而言，自动观测为20~20时时段的最低能见度值；人工观测会编报能见度的不定时观测数据，整编资料中的日最低能见度观测数据，并非全部为20~20时日时段内的定时观测数据所得。
能见度等级划分时考虑V ≤ 1000 m即为低能见度，是气象研究中常用讨论范围，也是能见度监测的重点。杨玉霞等 [
| 等级 | 能见度V/m |
|---|---|
| 1级 | 500 < V ≤ 1000 |
| 2级 | 200 < V ≤ 500 |
| 3级 | 100 < V ≤ 200 |
| 4级 | V ≤ 100 |
表1. 低能见度划分
低能见度(V ≤ 1000 m)最主要的天气是雾，也有雨、雪，本文不作区分；判断气象站点日时段(20~20时)出现能见度V ≤ 1000 m，记为该站点出现低能见度天气，或称站点雾日(单位：d)，并按表1划分日最低能见度的等级；对整个贵州省区域而言，日时段5个以上站点出现低能见度，则判定为一个区域雾日。
根据主要的影响天气可对区域雾日进行分类。地处云贵高原斜坡上的贵州，常受地域性天气系统——滇黔静止锋的影响出现大片锋面雾，以及在凌晨到上午时段受晴空辐射影响容易出现辐射雾，是贵州区域低能见度天气的主要类型。唐延婧发现，锋面雾、辐射雾的分布特征、发生的气象条件等各方面都有所不同 [
对雾日年际变化进行气候趋势突变检验，采取常用的气候突变检验方法：滑动t检验(简称t检验)，通过考察两组样本平均值的差异是否显著来检验突变；Mann-Kendall法(简称MK检验)，一种非参数统计检验方法，具体计算步骤参考文献 [
低能见度天气的影响主要在道路交通方面，为客观评价低能见度天气的影响，本文对文献 [
W = 1 + ∑ P v i × w i (1)
其中，i为各低能见度等级，Pvi为该低能见度等级相应的发生频率，权重系数w1= 0，w2= 1，w3= 2，w4= 3。W和Pvi都是无量纲的比值，Pvi可用百分比(%)表示。
在本文中，能见度系数W用于低能见度天气之间的比较，表征发生低能见度天气时，出现2级以上能见度的综合概率；W越高，低能见度影响越严重，对交通影响越严重。当低能见度1级(V ≤ 1000 m)的频率达到100%时，W = 1，此时没有较重的雾，即对交通基本没有影响；当发生2级以上低能见度(V ≤ 500 m)的频率大于50%时，W > 2，理论上W最高为4。
假设人工观测和自动观测下，日最低能见度都应能反映当日的最低能见度情况，统计贵州各站点2008~2022年日时段内的日最低能见度V ≤ 1000 m的站点雾日。
从2008~2022年分自动观测前后的年均站点雾日空间分布(图2)来看，雾日变化非常大，自动观测后所有站点在自动观测后的雾日都有增加，最少的松桃增加了7 d，最多的息烽从人工观测(2008~2014年)的7.1 d增加到了自动观测(2015~2022年)的年均189 d，增加了20多倍。
图2. 日最低能见度判断的年均雾日/d分布：(a) 2008年到自动观测前；(b) 自动观测后到2022年
根据日最低能见度判断的贵州省区域雾日，分年统计后(图3)发现在自动观测前(2008~2013年)年均雾日138 d。在大部分站点完成自动观测后的2017~2022年，年均区域雾日299 d，占全年的82%，是自动观测前的2倍多；年均出现低能见度的日数达358 d，几乎每天观测到低能见度天气。可见自动观测前后的区域雾日出现明显的不连续性。
图3. 2008~2022年各站点日最低能见度判断的年雾日/d (虚线为自动观测前、后年均雾日)
对贵州省各站点的年雾日序列进行气候突变检验(95%置信区间)，MK检验发现，70站(占全部站点的82%)在开始自动观测的当年或前后出现了突变点；滑动步长取3的t检验发现，除铜仁(图4)、镇远、锦屏三个站点外，其余站点都在开始自动观测当年出现了突变；而三个未出现t检验突变的站点，在MK检验中都在开始自动观测前后出现了突变。
图4. 铜仁站日最低能见度观测值判断的年雾日：(a) 年雾日及3年滑动平均序列；(b) MK检验序列；(c) t检验序列
自动观测前后的站点雾日、区域雾日以及突变检验都显示自动观测后雾日明显增加。这些特征与自动观测大幅增加了观测频次和观测精度有关，也反映出自动观测的优越性；但同时也表明自动观测前后日最低能见度长时段序列的不连续性显著；最后，说明人工观测的日最低能见度并不能反映当日的最低能见度情况，此前的假设不成立。
由上文发现的日最低能见度的不连续性问题，将自动观测能见度频次统一到人工观测的8、14、20时，对各站点各时次观测到的低能见度进行统计和对比。
用每日3个时次定时观测的最低能见度判断站点雾日，自动观测前后的年均站点雾日分布如图5(a)、图5(b)所示，自动观测前后差异较日最低能见度判断的站点雾日差异小，自动观测前后的雾日基本在同一量级，可视为同等观测条件进行自动观测前后的比较。站点雾日分布都呈现数个多雾中心，人工观测时的多雾中心大致有4个，中心分别位于大方、开阳、万山、晴隆；自动观测后较人工观测时的多雾中心保留了4个区域，其中在晴隆附近的西南部多雾中心明显扩张，东部独山、正安附近新增2个多雾中心。
对定时观测的年均雾日变化分布(图5(c))进行分析，自动观测后较人工观测次数增减不一，变化较大，有47站自动观测后年均雾日增加，主要在东北部正安–德江、西南部盘州–普安、中部息烽一带增加明显，成为了新的多雾中心，增加最多的为息烽的114.5 d；37站雾日减少，主要在东南部台江一带，最多的台江减少了25 d。
图5. 各站点定时观测能见度判断的年均站点雾日/d：(a) 自动观测前；(b) 自动观测后；(c) 自动观测后的变化
对各站点各时次观测到的V ≤ 1000 m的年均低能见度天气(单位：次)分自动观测前后统计分析。2008~2022年期间，整个贵州省区域内8时观测到的低能见度占所有定时观测的60.8%，8时是低能见度出现最多的时次，其自动观测前后的变化也最明显(图6(a))：自动观测后年均低能见度有57站增加，27站减少；在东北部正安–德江一带、西南部盘州–普安一带、中部息烽一带增加明显；而东南部台江一带、东北角松桃的低能见度天气明显减少。14时、20时贵州省大部分站点的自动观测后的年均低能见度变化较8时小，14时(图6(b))年均低能见度有57站增加，息烽、贞丰、盘县等西南部一带低能见度天气在自动观测后有明显增加，水城–普定–花溪–瓮安–丹寨一带，以及大方、册亨一带等在自动观测后有所减少；20时(图6(c))以自动观测后增多为主(73站增加)，仅少数站点减少，息烽、贞丰、盘县等西南部一带，以及都匀、万山等地年均低能见度在自动观测后有明显增加。
图6. 各站点的年均低能见度天气/次自动观测前后变化：(a) 8时；(b) 14时；(c) 20时
总之，8时观测到的低能见度为三个时次中最多的，其自动观测前后的差异最大；其中东南部台江一带、东北角松桃的站点雾日减少显著，是上述区域的定时观测雾日减少的主因；而与8时变化特征不同，14时、20时大部分站点雾日是增加的，20时87%的站点自动观测后站点雾日增加。
用定时观测的能见度筛选得到2008~2022年期间共1991 d区域雾日，占全部有站点雾日的46%。由图7可见，自动观测前(2008~2013年)年均区域雾日为124.3 d，在大部分站点完成自动观测后的2017~2022年，年均区域雾日为146.7 d，较自动观测前增加22.4 d，差异较小，统一能见度观测时次判断所得的区域雾日在年际变化上的连续性明显提高。
进一步对区域雾日划分辐射雾和锋面雾，得到各类雾日的统计如表2所示。2008~2022年期间，辐射雾和锋面雾占区域雾日90%以上，其他降雨等原因未划分类型的雾日很少。从锋面雾与静止锋的关系来看，静止锋天气下出现区域雾日的比率达62%，出现5站以下小范围雾日的比率29%，即静止锋天气下，出现低能见度天气的概率高达91%，印证了静止锋影响下多阴雨 [
| 分类 | 全部时段(2008~2022年) | 人工观测时(2008~2013年) | 自动观测时段(2017~2022年) |
|---|---|---|---|
| 锋面雾日/d | 827 | 292 | 421 |
| 辐射雾日/d | 1042 | 425 | 391 |
| 其他雾日/d | 122 | 29 | 68 |
| 静止锋日数/d | 1343 | 526 | 590 |
| 总区域雾日/d | 2153 | 746 | 880 |
| 锋面雾日占区域雾日比率/% | 42 | 39 | 48 |
| 辐射雾日占区域雾日比率/% | 52 | 57 | 44 |
| 其他雾日占区域雾日比率/% | 6 | 4 | 8 |
| 锋面雾日占静止锋日比率/% | 62 | 56 | 71 |
表2. 各时段内区域雾日分类统计表
图7. 2008~2022年各站点定时观测时次能见度判断的年雾日/d (虚线为自动观测前、后年均雾日)
按各站点出现锋面雾和辐射雾的年均日数来进行自动观测前后的对比，如图8所示，区域锋面雾日分布在自动观测前后都呈多雾中心，整体西多东少的不均匀分布；自动观测前后的变化较大，在多雾中心的锋面雾日增加，而东部等部分锋面雾日减少，空间分布不均的特征更为突出；锋面雾日增加的站点有51站，减少的站点33站，各站点年均增加3.6 d区域辐射雾日。各站点的辐射雾日分布差异较小，自动观测前后都有东部略多于西部的特点；自动观测前后整体减少，尤其原来辐射雾较多的东部区域，辐射雾日减少较明显，统计自动观测后雾日减少的站点有61站，占总站数的73%，各站点年均减少2.4 d辐射雾日。
图8. 年均雾日/d分布对比：(a) 人工观测的锋面雾日；(b) 自动观测的锋面雾日；(c) 自动观测前后的锋面雾日变化；(d) 人工观测的辐射雾日；(e) 自动观测的辐射雾日；(f) 自动观测前后的辐射雾日变化
通过能见度系数W和各级低能见度出现频率，来讨论自动观测前后(2008~2013年，2017~2022年)的低能见度影响特征。5站以下小范围雾日影响有限，因此主要讨论区域雾日。区域雾日自动观测前后的能见度系数W平均分别为2.2、2.4，自动观测后W增加，对交通的影响增加。其中，锋面雾自动观测前后能见度系数W平均分别为0.336、0.374，自动观测后略有增加；从各站点锋面雾日W的箱体分布来看(图9(a))，自动观测后区域锋面雾日明显倾向于强度增强，影响加大。而辐射雾自动观测前后的能见度系数W平均分别为0.275、0.244，自动观测后略有降低；W箱体分布显示自动观测后有强度减弱的倾向。整体而言，不论自动观测前后，锋面雾的影响大于辐射雾。
具体对1~3级各级低能见度自动观测前后在两类区域雾日中出现站次(单位：站)进行对比(4级站次较少不进行统计)，锋面雾日中1~3级低能见度站次自动观测后均明显增加了1站以上；而辐射雾自动观测前后1级低能见度平均减少了1.4站，2级低能见度相差不大，3级平均增加了0.7站，说明其能见度系数W减小，即低能见度程度降低的原因主要还是1级低能见度站次减少；两种区域雾日中3级低能见度站次都有所增加，反映自动观测后捕捉到了更多的能见度等级较低的天气，因而自动观测后的低能见度强度增加。
图9. 自动观测前后锋面雾日和辐射雾日的(a)能见度系数W箱线图和(b) 1~3级各级低能见度日站次/站箱线图
1) 自动观测前后日最低能见度明显不连续，站点雾日、区域雾日、年雾日突变检验都指示自动观测后的雾日明显增加。相同观测条件下，定时观测能见度数据判断的站点雾日、区域雾日在自动观测前后连续性明显提升。
2) 定时观测判断的站点雾日自动观测后较人工观测时的多雾中心更强、更多，各站点雾日从增加114.5 d到减少25 d，变化较大。各观测时次自动观测前后的年均低能见度变化不一致，8时的变化最大且以减少为主，其中东南部台江一带、东北角松桃的低能见度显著减少，是上述区域的定时观测雾日减少的主因；而14时、20时大部分低能见度是增加的。
3) 对区域雾日的分析揭示，自动观测后(2017~2022年)年均区域雾日为146.7 d，较自动观测前(2008~2013年)增加了22.4 d。自动观测后，锋面雾日显著增加了122 d，辐射雾日减少了26 d。锋面雾自动观测后区域分布不均的特征更为突出；辐射雾整体减少，尤其在辐射雾较多的东部地区。
4) 区域雾日的能见度系数W揭示自动观测后低能见度强度增加，对交通的影响增加；其中，锋面雾自动观测后1~3级低能见度站次均有增加；而辐射雾自动观测后W略有降低，主因是1级低能见度站次减少；整体而言，锋面雾的影响大于辐射雾。两类区域雾日中3级低能见度站次都有所增加，反映自动观测后捕捉到了更多的高级别能见度。
由于自动观测大幅增加了观测频次和观测精度，能见度数据不可避免地出现了自动观测前后不连续性，在跨越自动观测前后的长时段气候分析中直接使用日最低能见度数据并不合适，可采取抽取与人工观测相同的8、14、20时次观测数据进行分析，提高数据的连续性。
另一方面，自动观测后更容易捕捉到能见度低的天气。其中，锋面雾数量、强度增长，并非完全出于影响天气系统——静止锋天气的年际变化。进而可提出值得进一步讨论的问题，如：自动观测是否对锋面雾较辐射雾更为敏感？其与两类雾的机理、特征有何关联？
贵州省科技厅项目(黔科合支撑[
唐延婧,金凡琦,廖 波,牛迪宇. 贵州省能见度自动观测与人工观测低能见度特征对比分析Comparative Analysis of Automatic and Manual Observed Low-Visibility Characteristics in Guizhou[J]. 气候变化研究快报, 2024, 13(02): 343-355. https://doi.org/10.12677/ccrl.2024.132036
https://doi.org/10.3390/atmos14050773