周佐歡，張超，劉佳，唐小新，張莉，胡霄，陳元昭，5

（1.深圳市氣象局，廣東深圳 518040；2.深圳市氣象服務(wù)中心，廣東深圳 518040；3.深圳市國(guó)家氣候觀象臺(tái)，廣東深圳 518040；4.深圳市突發(fā)事件預(yù)警信息發(fā)布中心，廣東深圳 518040；5.深圳南方強(qiáng)天氣研究重點(diǎn)實(shí)驗(yàn)室，廣東深圳 518040）

據(jù)2018年民航行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)，全國(guó)客運(yùn)航空公司共執(zhí)行航班434.58萬(wàn)班次，其中非正常航班86.34萬(wàn)班次，平均航班非正常率仍達(dá)19.87%。航班延誤問(wèn)題不僅會(huì)打亂旅客的時(shí)間安排，還會(huì)影響航空公司的運(yùn)營(yíng)和形象。因此，提前發(fā)布航班延誤預(yù)警提示信息，就可以及時(shí)采取措施從而大幅減少負(fù)面影響。許多學(xué)者已對(duì)航班延誤預(yù)測(cè)進(jìn)行了相關(guān)研究，劉中祥等［1］利用隨機(jī)森林回歸算法，得到航班到港延誤預(yù)測(cè)的平均絕對(duì)誤差為10.56 min；程華等［2］提出了基于決策樹(shù)算法的航班到港延誤預(yù)測(cè)，結(jié)果表明基于C4.5決策樹(shù)的預(yù)測(cè)模型正確率趨近于80%。統(tǒng)計(jì)公報(bào)表明，天氣因素是造成航班延誤的最主要原因，占比達(dá)到47.46%。在氣象上，雷暴對(duì)航班的影響非常突出，廣東省是一個(gè)受雷暴影響非常頻繁的地區(qū)，通過(guò)雷暴識(shí)別與追蹤技術(shù)提前發(fā)布航班延誤預(yù)警信息就顯得尤為重要［3-6］。目前雷暴的識(shí)別和追蹤總體上已經(jīng)取得了長(zhǎng)足進(jìn)步［7-10］。蘭紅平等［11］開(kāi)發(fā)了利用模式識(shí)別技術(shù)建立云團(tuán)生命時(shí)序和族譜關(guān)系，并在此基礎(chǔ)上進(jìn)行雷暴云團(tuán)外推；周康輝等［12］基于地閃數(shù)據(jù)，利用密度極大值快速搜索聚類算法實(shí)現(xiàn)雷暴的識(shí)別，采用Kalman濾波算法實(shí)現(xiàn)雷暴的追蹤與外推。然而，由于雷暴云特征指標(biāo)與強(qiáng)對(duì)流雷達(dá)三維觀測(cè)數(shù)據(jù)之間存在非線性關(guān)系，在實(shí)際業(yè)務(wù)應(yīng)用時(shí)仍然存在較多的空?qǐng)?bào)、漏報(bào)現(xiàn)象。因此，在雷暴識(shí)別和跟蹤預(yù)報(bào)這一科學(xué)領(lǐng)域仍然存在提升空間。

本研究將以強(qiáng)對(duì)流識(shí)別模型為基礎(chǔ)，利用光流法外推預(yù)報(bào)技術(shù)對(duì)雷暴云進(jìn)行追蹤；并基于地理信息系統(tǒng)，將雷暴追蹤結(jié)果與珠三角主要機(jī)場(chǎng)進(jìn)行空間疊加分析，得出航班延誤預(yù)警提示信息；最后通過(guò)機(jī)場(chǎng)航班延誤數(shù)據(jù)驗(yàn)證航班延誤提示預(yù)警的準(zhǔn)確性和提前量。以期提高雷暴的臨近預(yù)報(bào)預(yù)警水平，從而提升區(qū)域防災(zāi)減災(zāi)能力和促進(jìn)地方航空氣象服務(wù)。

1 資料和前處理

為了建立影響航班安全的雷暴云識(shí)別模型，本研究利用廣東12部S波段多普勒天氣雷達(dá)（廣州、深圳、韶關(guān)、珠海、清遠(yuǎn)、陽(yáng)江、河源、汕尾、梅州、湛江、肇慶、連州）0.5～20 km高度20層的反射率因子拼圖資料?；诶走_(dá)資料三維體掃描原始數(shù)據(jù)，利用最近鄰居法和垂直方向線性內(nèi)插法相結(jié)合的方法插值到三維笛卡爾坐標(biāo)系中［13］，形成三維雷達(dá)回波網(wǎng)格數(shù)據(jù)集，選取5.0 km高度的雷達(dá)CAPPI拼圖數(shù)據(jù)作為雷達(dá)回波場(chǎng)。

在三維雷達(dá)回波網(wǎng)格數(shù)據(jù)集基礎(chǔ)上再處理，獲取雷暴云的幾個(gè)特征向量，分別是雷達(dá)反射率因子（RRF）、回波頂高（ET）、垂直積分液態(tài)含水量（VIL）、組合反射率（CR）和固定高度回波強(qiáng)度（CAPPI），其中VIL通過(guò)吳書(shū)君［14］的方法計(jì)算得到，定義為單位面積上垂直柱體中的總含水量。

除雷達(dá)數(shù)據(jù)外，為驗(yàn)證對(duì)雷暴云識(shí)別追蹤的準(zhǔn)確性，雷雨大風(fēng)的實(shí)況數(shù)據(jù)取自廣東省氣象業(yè)務(wù)網(wǎng)。通過(guò)移動(dòng)互聯(lián)網(wǎng)獲取珠三角主要機(jī)場(chǎng)航班延誤數(shù)據(jù)資料。本研究所使用資料均為北京時(shí)。

2 總體技術(shù)路線

2.1 建立強(qiáng)對(duì)流天氣識(shí)別模型

雷達(dá)反射率因子是描述對(duì)流程度最直觀的參量之一，回波頂高是衡量對(duì)流強(qiáng)烈程度的重要物理量，垂直積分液態(tài)含水量是判別強(qiáng)降水的有效參數(shù)之一。當(dāng)雷達(dá)反射率因子、回波頂高和垂直積分液態(tài)水含量滿足一定條件時(shí)，就可能有雷暴云產(chǎn)生。

本研究使用廣東12部S波段多普勒雷達(dá)資料，提取5.0 km高度CAPPI拼圖進(jìn)行圖像識(shí)別，獲得反射率因子、回波頂高和垂直積分液態(tài)水含量，按照式（1）計(jì)算該樣本對(duì)應(yīng)的強(qiáng)對(duì)流指數(shù)G，結(jié)合自動(dòng)站的風(fēng)、雨實(shí)況資料，采用相關(guān)分析方法，總結(jié)得出強(qiáng)對(duì)流指數(shù)的經(jīng)驗(yàn)值閾值G為30。當(dāng)G＞30時(shí)，可認(rèn)為是強(qiáng)對(duì)流發(fā)生的高風(fēng)險(xiǎn)點(diǎn)（圖1）。當(dāng)一張圖上存在連續(xù)若干個(gè)相鄰的G＞30的格點(diǎn)時(shí)，這組格點(diǎn)群被識(shí)別為雷暴高風(fēng)險(xiǎn)區(qū)域，以此將降雨云團(tuán)中的強(qiáng)回波識(shí)別出來(lái)。

其中，VIL為垂直積分液態(tài)水含量（kg／m2）；CAPPI為5 km高度的反射率因子（dBz）；ET為回波頂高（km）。

圖1 雷暴識(shí)別技術(shù)路線示意圖

2.2 利用光流法對(duì)雷暴云團(tuán)進(jìn)行追蹤

光流法的本質(zhì)是從連續(xù)的圖像系列中計(jì)算光流場(chǎng)，而光流場(chǎng)可以簡(jiǎn)單地理解為物體的速度矢量場(chǎng)。包含兩個(gè)分量：在x軸方向的分量u和y軸方向的分量v。假設(shè)t時(shí)刻圖像點(diǎn)（x，y）的灰度為I（x，y，t），對(duì)x和y在單位時(shí)間內(nèi)求偏導(dǎo)。根據(jù)計(jì)算光流的條件

其中，式（2）為光流約束方程，?I＝（Ix，Iy）t為圖像灰度的空間梯度；v＝（u，v）t為光流矢量。

在氣象領(lǐng)域，把雷達(dá)回波當(dāng)作移動(dòng)的物體，那么I（x，y，t）就是雷達(dá)圖像中的某點(diǎn)（x，y）在t時(shí)刻所對(duì)應(yīng)的反射率因子［15］。此外，由于雷達(dá)探測(cè)數(shù)據(jù)本身的真實(shí)性和容易受噪聲干擾等因素對(duì)光流算法有很大的影響，因此曹春燕等［16］通過(guò)中值濾波法和剔除矢量值離散程度偏離一定值的點(diǎn)等方法對(duì)上述問(wèn)題進(jìn)行了一定的優(yōu)化研究，有效地抑制了噪聲的影響，得到了較平滑、真實(shí)的雷達(dá)回波。本研究在此基礎(chǔ)上對(duì)雷暴云團(tuán)進(jìn)行追蹤。

2.3 雷暴追蹤結(jié)果與雷雨大風(fēng)實(shí)況對(duì)比

選取2010—2018年1—6月份時(shí)間段內(nèi)的138個(gè)深圳市出現(xiàn)全市大雨以上量級(jí)的降雨過(guò)程，反演雷暴識(shí)別和光流法1 h外推預(yù)報(bào)。將追蹤結(jié)果和實(shí)況資料進(jìn)行對(duì)比分析，結(jié)果表明光流法1 h外推預(yù)報(bào)平均偏差10～20 km，在業(yè)務(wù)上具有一定實(shí)用價(jià)值。

2.4 雷暴追蹤結(jié)果與機(jī)場(chǎng)地理位置疊加

Overlay空間疊加分析法是指在同一個(gè)空間坐標(biāo)系內(nèi)，將2個(gè)或多個(gè)不同種類的數(shù)據(jù)疊加，通過(guò)一定的邏輯運(yùn)算，進(jìn)行分析判定，進(jìn)而得出該空間區(qū)域內(nèi)多種數(shù)據(jù)之間的空間關(guān)系。

基于地理信息系統(tǒng)通過(guò)空間分析工具將雷暴的追蹤結(jié)果與珠三角主要機(jī)場(chǎng)地理位置進(jìn)行空間疊加分析，根據(jù)當(dāng)前實(shí)況利用光流法進(jìn)行1 h外推，雷暴首次到達(dá)機(jī)場(chǎng)位置時(shí)，即發(fā)布航班延誤預(yù)警提示信息。

2.5 利用機(jī)場(chǎng)延誤信息判別航班延誤預(yù)警提示的

通過(guò)移動(dòng)互聯(lián)網(wǎng)技術(shù)收集的珠三角主要機(jī)場(chǎng)航班延誤數(shù)據(jù)，對(duì)上述航班延誤預(yù)警提示信息加以驗(yàn)證，從而判斷通過(guò)光流法1 h外推預(yù)報(bào)進(jìn)行航班延誤預(yù)警提示的準(zhǔn)確性和提前量。

3 結(jié)果驗(yàn)證

3.1 評(píng)分檢驗(yàn)

選取2017—2019年12個(gè)雷暴天氣案例（表1），規(guī)定如果航班延誤預(yù)警提示時(shí)間與航班延誤公告時(shí)間相比提前量達(dá)到30 min以上，判斷為成功；如果預(yù)報(bào)機(jī)場(chǎng)不會(huì)出現(xiàn)延誤，而實(shí)際發(fā)布了延誤公告，判斷為漏報(bào)；如果預(yù)報(bào)機(jī)場(chǎng)出現(xiàn)延誤，而實(shí)際沒(méi)有發(fā)布延誤公告，判斷為空?qǐng)?bào)。

表1 2017—2019年深圳寶安、廣州白云機(jī)場(chǎng)雷暴過(guò)程案例

檢驗(yàn)結(jié)果表明：通過(guò)雷達(dá)識(shí)別和追蹤技術(shù)來(lái)判別航班受到影響的準(zhǔn)確率達(dá)到83%，延誤預(yù)警提示信息比延誤預(yù)警實(shí)況平均提前約62 min。

3.2 個(gè)例分析

為直觀地說(shuō)明雷達(dá)識(shí)別追蹤技術(shù)判別航空延誤預(yù)警的準(zhǔn)確性，篩選了2個(gè)案例進(jìn)行詳細(xì)說(shuō)明。

1）2019年4月19日西南急流影響。

2019年4月19日12：00開(kāi)始深圳市自北向南先后出現(xiàn)強(qiáng)降水、雷暴和短時(shí)大風(fēng)，降水持續(xù)到19日18：00趨于結(jié)束。全市有5個(gè)自動(dòng)站錄到特大暴雨，132個(gè)自動(dòng)站錄到暴雨，有18個(gè)自動(dòng)站錄到8級(jí)以上陣風(fēng)，最大陣風(fēng)10級(jí)。利用光流法進(jìn)行1 h外推反演，對(duì)該次颮線過(guò)程進(jìn)行航班延誤預(yù)警提示。

深圳機(jī)場(chǎng)地理坐標(biāo)為東經(jīng)113°49′、北緯22°36′，屬于寶安區(qū)福永街道?；夭ㄏ蚱珫|方向移動(dòng)，從12：00的實(shí)況開(kāi)始進(jìn)行1 h外推（圖2a），未來(lái)1 h內(nèi)，12：36深圳機(jī)場(chǎng)強(qiáng)對(duì)流指數(shù)最大，但仍小于30。從12：06的實(shí)況開(kāi)始外推（圖2b），12：30深圳機(jī)場(chǎng)位置的強(qiáng)對(duì)流指數(shù)為35，那么12：06為航班延誤預(yù)警提示時(shí)間，而深圳機(jī)場(chǎng)在13：00正式發(fā)布航班延誤預(yù)警，可見(jiàn)該次過(guò)程中航班延誤預(yù)警提示時(shí)間比延誤預(yù)警實(shí)況時(shí)間提前54 min，具備較高的預(yù)警提前量。

2）2019年4月27日切變線過(guò)程。

2019年4月27日廣東省珠三角地區(qū)出現(xiàn)強(qiáng)降雨天氣。15：00開(kāi)始深圳市受自西向東移動(dòng)的強(qiáng)雷暴影響，至18：30強(qiáng)降雨結(jié)束，全市有29個(gè)自動(dòng)站記錄到大雨，大梧桐站出現(xiàn)最大陣風(fēng)9級(jí)。

從14：36的實(shí)況開(kāi)始進(jìn)行1 h外推（圖3a），15：36的預(yù)報(bào)結(jié)果為深圳機(jī)場(chǎng)位置強(qiáng)對(duì)流指數(shù)小于30，外推1 h內(nèi)強(qiáng)雷暴未到達(dá)深圳機(jī)場(chǎng)。以14：42的實(shí)況為起點(diǎn)進(jìn)行外推（圖3b），15：42深圳機(jī)場(chǎng)位置強(qiáng)對(duì)流指數(shù)高達(dá)37，那么14：42為航班延誤預(yù)警提示時(shí)間。而深圳機(jī)場(chǎng)在16：00發(fā)布航班延誤預(yù)警，可見(jiàn)航班延誤預(yù)警提示時(shí)間比延誤預(yù)警實(shí)況時(shí)間提前78 min，具有較好的預(yù)警提示效果。

圖2 2019年4月19日外推預(yù)報(bào)圖

圖3 2019年4月27日外推預(yù)報(bào)圖

4 結(jié)論

1）光流法1 h外推預(yù)報(bào)與實(shí)況的位置偏差基本在10～20 km，具有業(yè)務(wù)使用價(jià)值。

2）在本研究案例中通過(guò)其來(lái)判別航班受到影響的準(zhǔn)確率達(dá)到了83%，延誤預(yù)警提示信息比延誤預(yù)警實(shí)況平均提前約62 min。可以在雷暴天氣過(guò)程業(yè)務(wù)工作中為決策部門提供一定判斷依據(jù)，為公眾提供出行參考，從而提升區(qū)域防災(zāi)減災(zāi)能力和促進(jìn)地方航空氣象服務(wù)。

3）光流法立足于變化，在運(yùn)動(dòng)的雷暴動(dòng)態(tài)追蹤中有較好的效果，但目前雷暴追蹤技術(shù)還無(wú)法從物理機(jī)制上判別雷暴的增強(qiáng)和消亡，光流法在準(zhǔn)靜止型局地加強(qiáng)型雷暴追蹤中仍有一定的局限性，即使在華南前汛期的大范圍降雨過(guò)程中也有一定的不足。因此造成部分案例失敗，這也是今后需要進(jìn)一步提高的地方。

此外，在雷達(dá)識(shí)別與追蹤技術(shù)領(lǐng)域仍然有可以繼續(xù)深入的地方，尤其當(dāng)前人工智能（AI）技術(shù)發(fā)展迅速，在天氣預(yù)報(bào)領(lǐng)域擁有廣闊的前景。今后可以探索利用機(jī)器學(xué)習(xí)方法找出珠江三角洲地區(qū)雷暴云的內(nèi)在規(guī)律、特征，建立智能化的雷暴識(shí)別追蹤機(jī)器人，尋找新的雷達(dá)導(dǎo)出變量來(lái)更加準(zhǔn)確刻畫雷暴云的特征，進(jìn)一步提高航班延誤預(yù)警的準(zhǔn)確率。