长江作为中国的重要“黄金水道”，与公路、铁路共同构成了中国庞大的交通物流网络。长江的通航环境对气象条件尤其敏感，特别是对影响能见度的雾。由于传统雾观测数据在定义、持续时间统计窗口和地形复杂区域的站点空间代表性方面存在不足，本研究利用1951~2016年中国地区的天气现象观测数据(A文件)和1979~2018年的格点化高分辨率气象大数据，采用大数据方法，探索长江航道及其沿岸地区的雾气候态发生的时空规律。研究发现，长江上游的荆州至宜昌，奉节至武陵航段的雾小时数相对较少；而在三峡库区，宜昌至奉节航段的雾小时数是整个长江水道中最多的，紧随其后的是武陵至涪陵航段。季节性分析显示，夏半年(4月至9月)，宜昌至奉节航段的雾小时数远高于其他航段；而在冬半年(10月至次年3月)，这一航段的雾小时数则明显低于其他航段，且安庆至武汉航段的雾小时数超过了下游宝山至安庆航段。雾事件通常出现在气温6℃~17℃、湿度0.005~0.0075 kg/kg、气压1010~1020 hPa、风速0.9~2 m/s的条件下。本研究的结果为长江航道大雾的时空分布特征提供了定量分析，实现了雾的航道公里级发生小时区划，为长江航道运营管理提供了更好的服务。 The Yangtze River, as an important “golden waterway” in China, together with highways and railways, forms a huge transportation and logistics network in China. The navigational environment of the Yangtze River is particularly sensitive to meteorological conditions, especially fog affecting visibility. Due to shortcomings in traditional fog observation data in terms of definition, duration statistics window, and spatial representativeness of station sites in complex terrain regions, this study utilizes weather phenomenon observation data in China from 1951 to 2016 (A file) and gridded high-resolution meteorological big data from 1979 to 2018. By using big data methods, it explores the spatiotemporal patterns of fog occurrences along the Yangtze River and its adjacent areas. The study found that the number of fog hours from Jingzhou to Yichang in the upper reaches of the Yangtze River and from Fengjie to Wuling is relatively low; however, in the Three Gorges Reservoir area, the number of fog hours from Yichang to Fengjie is the highest along the entire Yangtze waterway, followed closely by the Wuling to Fuling section. Seasonal analysis shows that during the summer half-year (April to September), the number of fog hours from Yichang to Fengjie is much higher than in other sections; while during the winter half-year (October to March of the following year), the number of fog hours in this section is significantly lower than in other sections, with the fog hours from Anqing to Wuhan exceeding those in the downstream Baoshan to Anqing section. Fog events typically occur under conditions of temperature 6˚C~17˚C, humidity 0.005~0.0075 kg/kg, pressure 1010~1020 hPa, and wind speed 0.9~2 m/s. The results of this study provide a quantitative analysis of the spatiotemporal distribution characteristics of heavy fog along the Yangtze River, achieve kilometer-level hour zoning for fog in the waterway, and provide better service for the operation and management of the Yangtze River waterway.
长江作为中国的重要“黄金水道”，与公路、铁路共同构成了中国庞大的交通物流网络。长江的通航环境对气象条件尤其敏感，特别是对影响能见度的雾。由于传统雾观测数据在定义、持续时间统计窗口和地形复杂区域的站点空间代表性方面存在不足，本研究利用1951~2016年中国地区的天气现象观测数据(A文件)和1979~2018年的格点化高分辨率气象大数据，采用大数据方法，探索长江航道及其沿岸地区的雾气候态发生的时空规律。研究发现，长江上游的荆州至宜昌，奉节至武陵航段的雾小时数相对较少；而在三峡库区，宜昌至奉节航段的雾小时数是整个长江水道中最多的，紧随其后的是武陵至涪陵航段。季节性分析显示，夏半年(4月至9月)，宜昌至奉节航段的雾小时数远高于其他航段；而在冬半年(10月至次年3月)，这一航段的雾小时数则明显低于其他航段，且安庆至武汉航段的雾小时数超过了下游宝山至安庆航段。雾事件通常出现在气温6℃~17℃、湿度0.005~0.0075 kg/kg、气压1010~1020 hPa、风速0.9~2 m/s的条件下。本研究的结果为长江航道大雾的时空分布特征提供了定量分析，实现了雾的航道公里级发生小时区划，为长江航道运营管理提供了更好的服务。
雾日统计，机器学习，KD-Tree，气象要素
Lujian Wang1,2*, Shixi Li1,2, Yihang Xing1,2, Fan Zhang3, Chunhui Zhou3, Sida Fang4, Lei Bai1,2#
1School of Ecology, Hainan University, Haikou Hainan
2Center for Eco-Environment Restoration Engineering of Hainan Province (Hainan University), Haikou Hainan
3School of Navigation, Wuhan University of Technology, Wuhan Hubei
4Hubei Regional Climate Center, Wuhan Hubei
Received: Apr. 11th, 2024; accepted: May 9th, 2024; published: May 16th, 2024
The Yangtze River, as an important “golden waterway” in China, together with highways and railways, forms a huge transportation and logistics network in China. The navigational environment of the Yangtze River is particularly sensitive to meteorological conditions, especially fog affecting visibility. Due to shortcomings in traditional fog observation data in terms of definition, duration statistics window, and spatial representativeness of station sites in complex terrain regions, this study utilizes weather phenomenon observation data in China from 1951 to 2016 (A file) and gridded high-resolution meteorological big data from 1979 to 2018. By using big data methods, it explores the spatiotemporal patterns of fog occurrences along the Yangtze River and its adjacent areas. The study found that the number of fog hours from Jingzhou to Yichang in the upper reaches of the Yangtze River and from Fengjie to Wuling is relatively low; however, in the Three Gorges Reservoir area, the number of fog hours from Yichang to Fengjie is the highest along the entire Yangtze waterway, followed closely by the Wuling to Fuling section. Seasonal analysis shows that during the summer half-year (April to September), the number of fog hours from Yichang to Fengjie is much higher than in other sections; while during the winter half-year (October to March of the following year), the number of fog hours in this section is significantly lower than in other sections, with the fog hours from Anqing to Wuhan exceeding those in the downstream Baoshan to Anqing section. Fog events typically occur under conditions of temperature 6˚C~17˚C, humidity 0.005~0.0075 kg/kg, pressure 1010~1020 hPa, and wind speed 0.9~2 m/s. The results of this study provide a quantitative analysis of the spatiotemporal distribution characteristics of heavy fog along the Yangtze River, achieve kilometer-level hour zoning for fog in the waterway, and provide better service for the operation and management of the Yangtze River waterway.
Keywords:Fog Day Statistics, Machine Learning, KD-Tree, Meteorological Elements
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/
长江作为我国主要的内河航道之一，全线航道约有4250公里。航道因河流地形及气候特征而异，上游1000多公里为峡谷地形，中下游地广人稀，湿度较大。在影响长江航道通航环境的多种气象灾害中，大雾和大风天气最直接危及航运安全。目前，大雾天气已成为制约长江航道安全通航的重要因素之一。
雾是指大量微小水滴浮游空中，使水平能见度小于1.0 km的天气现象 [
在2013年，前向散射能见度仪的能见度数据作为能见度投入使用，取代了人工观测能见度。该仪器当10 min能见度平均值小于750 m，相对湿度大于80%判识为雾 [
现有研究中，通常以雾日进行统计。根据2016年中国气象局发布的新地面气象观测业务技术规定 [
针对上述问题，本研究在高时空分辨率格点气象数据大数据基础上，使用机器学习方法研究长江航道内雾气候态上发生的时空规律，深入了解航道上雾与气温、湿度、风速等气象变量的关系，为长江航道雾精细化预警工作提供理论依据。
为了确定长江航道的范围，人工在Google Earth上，以5 km为间隔标定长江航道。航道开始于宝山(编号：0)，结束于重庆(编号：404)，长江干线航道整体区间范围见图1。
为了能够更好的利用观测数据，以0.1˚为半径，使用KD-tree算法检索航道周边国家级气象站提取得到的。图2为浮标与最临近气象站点之间的距离。在图中，有71个站点符合最邻近的距离要求，去除重复站点，仅剩24个站点，这些站点可以为本研究提供数据支持。
图1. 长江干线航道浮标与周边临近气象站(审图号GS(2019)1822号)。(红点为航道0.1˚范围内的气象站，蓝点为航道点)
图2. 相邻站点距离最邻近干线浮标距离(单位：˚)
为了获取雾发生具体时间，本研究收集整理中国1951~2016年的天气现象观测数据(A文件)。该文件包含中国地区2474站。文件中天气现象以日为时间单位，记录了主要的天气现象发生的时间(记录可以精确到分钟)。这些数据经过多次清洗，获得以小时为单位的雾发生的时间标识文件。以这些文件为基础，处理结合其他气象变量展开分析。
为了更准确对雾数据进行分析，根据《地面气象观测业务技术规定》和《雾的预报等级》，雾的强度划分等级主要依据是能见度(见表1)。两个标准差异在，观测等级中无轻雾划分，雾均以能见度小于1 km进行区别。
针对时间划分采用整齐划一的方法，即4~9月为夏半年；10月至次年3月为冬半年。其中地名由相应字母缩写表示，江阴(jy)、南京(nj)、安庆(aq)、武汉(wh)、岳阳(yy)、荆州(jz)、宜昌(yc)、奉节(fj)、武陵(wl)、涪陵(fl)，3.1~3.2节中，使用航道附近24个站点的天气现象数据进行统计分析。在3.3节中，使用WRF同化中国2400站后的格点化5 km分辨率小时尺度气象数据和前述24站天气现象数据建立小时尺度雾与小时尺度气象要素(气温、比湿、气压和风速)之间的随机森林树模型。经过十折交叉验证，对于雾的辨识能有99.2%的精度。使用双线性插值方法，在5 km格点化气象数据基础上，提取航道上的固定间隔的气象数据，并利用前述机器学习模型反演小时尺度的雾现象。在此基础上，分析长江航道上小时尺度雾发生的规律。
| 预报等级 | 预报等级参照能见度范围 | 观测等级 | 观测等级参照能见度范围 |
|---|---|---|---|
| 轻雾 | 1 km < 能见度 ≤ 10 km | - | - |
| 大雾 | 500 m < 能见度 ≤ 1 km | 雾 | 500 m < 能见度 ≤ 1 km |
| 浓雾 | 200 m < 能见度 ≤ 500 m | 浓雾 | 50 m < 能见度 ≤ 500 m |
| 强浓雾 | 50 m < 能见度 ≤ 200 m | - | - |
| 特强浓雾 | 能见度 ≤ 50 m | 强浓雾 | 能见度 ≤ 50 m |
表1. 雾的等级划分
长江航道上雾在月尺度上发生次数如图3所示。通过图3(a)可看出，12月是雾发生次数最多的月份，共有4次，其次为1月份、11月份。7~9月份发生次数最少，平均还不到0.5次。其中长江上游雾发生次数在月尺度上的规律同全航道大致相同，12月份雾发生次数最多(达2.5次)，1月份次之，7~9月份最少，平均不到0.5次。长江中游依然是12月份雾发生次数最多的月份(达3.5次)。其次是11月份，有1次，6~10月份没有雾发生。对于长江下游而言，12月份依然是雾发生次数最多的月份，共有7次。其次为6和1月份，各有2次，4、8和9月份没有雾事件发生。
图3. 月尺度长江航道上雾发生次数
图4为月小时尺度雾发生次数的统计，通过图4(a)~(c)中可以看出在12月份雾发生次数的统计中上游、中游、下游雾发生次数的规律大致相同，皆是在7时之后开始有雾发生，且都是8时雾发生次数最多，上游和中游大约为8次，下游次数最多(可达17.5次)。0~7时没有雾的发生，且都在8时后次数大幅度减少，大约在17~19时偶有雾发生。图4(d)~(f)为1月雾在小时尺度上发生次数的统计。上游、中游、下游皆是在7时后有雾的发生，8月份次数最多，其中上游、下游发生次数大约为8次，中游最多(可达14次)。不同的是，中游在10~16时无雾事件发生。图4(g)~(i)为2月份雾在小时尺度上发生次数的统计。上游、中游和下游依然是0~7时没有雾的发生，8月份发生次数最多，此时中游发生次数最多(可达14次)。此时与其他月份不同的是，在11时之后，长江航道全航线几乎没有雾的发生。与基于机器学习的长江重庆航道雾情特征提取 [
图4. 月小时尺度雾发生次数
图5表示的分别为月尺度长江航道上雾发生时气温、比湿、气压及风速，通过图5(a)~(c)可以看出对于全年而言，10℃左右雾发生次数最多，−5℃~5℃时发生次数最少。冬季半年时，6~7、8~10摄氏度时发生次数最多。暖季时，此时15℃~25℃为雾发生次数最多的气温范围，17℃左右为雾发生次数最多的温度。通过图5(d)~(f)可以看出对于全年而言，比湿在0.0050左右时，是雾发生概率最大的时候，当比湿大于0.0055时，概率逐渐下降。冬半年时，比湿在0.0050 kg/kg左右时，依然是雾发生概率最大的时候，比湿大于0.0100 kg/kg时几乎无雾发生。夏半年时，在比湿为0.0075左右时雾发生概率最大。通过图5(g)~(i)可以看出存在周期性变化，对于全年、冬半年、夏半年而言，气压在1010~1020 hPa范围内时，雾发生概率最大，冷季较多，暖季较少。气压在920~940 hPa、960~990 hPa时，也有雾事件的发生，概率较小。通过图5(j)~(l)可以看出三者变化规律大致相同，对于全年、冬半年时，风速为1.5 m/s左右时雾发生概率最高，夏半年时，风速为0.9 m/s、1.5~2 m/s时，雾发生概率最大，当风速大于2.5 m/s时，雾发生次数逐渐减小。
图5. 月尺度长江航道上雾发生时气温、比湿、气压和风速分布
图6为2005至2012年间长江航道的雾时数逐月统计图，通过图6可以看出不同段落及月份间雾时数存在显著差异。1月，江阴至南京段雾时数略降至约2250小时，南京至安庆段增至2500小时。安庆至武汉段呈先升后降趋势，而武汉至岳阳段小幅上升至2750小时。岳阳至荆州段降至2250小时左右；宜昌至武陵段在奉节段大幅波动后稳定在2250小时；武陵至涪陵段略升至3000小时。2月，整体雾时数上升，江阴至安庆段增至约3500小时，安庆至武汉段波动后稳定在3600小时。武汉至荆州段在岳阳处略增至3900小时后降至3500小时，宜昌至武陵段雾时数最短，仅500小时。3月趋势与2月相似，整体雾时数有所增加，除荆州至武陵段外，大部分区域超4500小时。4月，南京至安庆段雾时数下降至约4000小时；安庆至武汉段显著下降后回升至3750小时左右。武汉至荆州段降至3250小时，荆州至宜昌段剧烈降至2000小时左右。
5月，整体雾时数大幅下降。江阴至南京段稳定在2200小时；南京至安庆段降至1800小时左右，安庆至武汉段上升至1500小时；武汉至荆州段降至1000小时左右。此时，宜昌至奉节段雾时数最长，高达5000小时；奉节至涪陵段维持在2000小时。7月和8月，雾主要发生在长江下游，上游和中游几乎无雾。宜昌至奉节段雾时数维持在5000小时。9月，江阴至南京段略增至1600小时左右；南京至安庆段下降至1300小时左右，安庆至荆州段在武汉段略增后稳定在1300小时。10月，江阴至南京段上升至4750小时左右；南京至安庆段波动后降至4250小时；安庆至武汉段上升至4750小时；武汉至荆州段维持在4250小时；荆州至宜昌段经波动后剧烈下降至2000小时；宜昌至奉节段仍为雾时数最长区域，高达5000小时；奉节至武陵段波动后降至2500小时。
11月，江阴至安庆段小幅增加至5000小时；安庆至武汉段波动后回升至5000小时；武汉至荆州段大致维持在5000小时；荆州至奉节段剧烈波动后回升至5000小时，最低降至2000小时；奉节至涪陵段在武陵处波动后回升至5000小时。12月，江阴至南京段维持在3000小时左右，南京至安庆段略增至3500小时；安庆至武汉段波动后稳定在3500小时；武汉至岳阳段增至4000小时左右；岳阳至宜昌段小幅波动；宜昌至奉节段经剧烈波动后回升，最低降至近0小时。年末，下游的雾时数高于上游和中游。
图6. 2005~2012年机器学习算法反演航道雾逐月小时数
本研究利用站点和格点数据结合机器学习方法，对长江主航道的雾空间分布进行了深入探究，得出以下结论：
1) 2005至2012年间，长江航道覆盖2000余公里，研究显示长江中下游地区(宝山至荆州)在这八年间的雾小时数保持在30,000小时以内。相比之下，上游的荆州至宜昌，奉节至武陵航段的雾小时数相对较少。特别是在三峡库区内，宜昌至奉节航段雾小时数为整个长江水道中最多的，其次是武陵至涪陵航段。
2) 在2005至2012年期间，长江不同段落及月份的雾时数表现出显著的季节性差异。冬季与春季(1月至4月)，江阴至南京段雾时数略降，而南京至安庆及安庆至武汉段呈波动上升，尤其武汉至荆州段3月达峰值后下降。夏季(5月至8月)，长江下游雾时数大减，特别是宜昌至奉节段。秋季(9月至11月)，江阴至南京段雾时数渐增，安庆至武汉段先降后升。12月，江阴至南京段雾时数小幅增加，安庆至武汉及岳阳至宜昌段呈波动，其中安庆至武汉段雾时数超过宝山至安庆段。夏半年(4月至9月)，宜昌至奉节段雾时数高于其他航段；冬半年(10月至次年3月)，则显著低于其他航段，而4月至5月期间则相反。
海南省自然科学基金青年基金项目(423QN317)；国家自然科学基金(No. 52171349)；海南大学科研基金资助项目(KYQD(ZR)-22083)；中央高校基本科研业务费专项资金资助(项目批准号：2019IVA103)。
王露践,李世禧,邢益航,张 帆,周春辉,方思达,白 磊. 基于高分辨率格点数据长江航道小时尺度雾发生时空规律研究Study on the Spatiotemporal Patterns of Fog Occurrence in the Yangtze River Navigation Channel Based on High-Resolution Grid Data at Hourly Scale[J]. 气候变化研究快报, 2024, 13(03): 534-542. https://doi.org/10.12677/ccrl.2024.133058