机场低能见度预报系统设计思路及其功能实现

杨晶轶

(民航西南空管局气象中心 四川成都 610202)

随着中国民航运输事业的快速发展，航空公司机队规模不断扩大，航班量持续增长，航空气象用户对气象服务保障的要求也越来越高。航班量的剧增以及空域资源的限制，使得天气对航空飞行、机场运行的影响愈发明显。航空气象用户对于定时、定点、定量的精细化预报产品需求越来越高，航空气象业务水平和服务能力不能满足快速增长的民航运输需要，气象预报能力和服务能力无法完全满足航班正点的需求。I类精密进近着陆标准为能见度≥800m[1]，低能见度(能见度小于800m)是冬季影响航班安全、正常、效率的主要因素。目前，针对低能见度预报以主观预报为主，缺乏足够的客观预报支撑，低能见度预报等级及精细化程度不够[2]，人为因素的差异性导致低能见度预报和服务水平的效果不佳，不能形成客观的预报结论，预报精准性不高，对航空运行的辅助决策支持程度不高，难以满足用户需求。精细化的低能见度预报系统对推动主观预报向客观预报发展，从定性走向定量，提高预报精准性，具有重要意义。

1 系统设计

1.1 系统模块

低能见度预报系统包括基于静止卫星的大雾区域监测、基于人工智能的机场低能见度预报和低能见度预报产品显示3个模块。

1.2 系统功能

1.2.1 大雾区域监测

利用“风云4号”和“葵花8号”静止气象卫星对机场低能见度进行实时监测，实现卫星云图的连续动画显示、卫星遥测数据及变化曲线显示；利用微波辐射计、风廓线雷达对机场低能见度实时监测，实现微波辐射计、风廓线雷达获取信息及变化曲线显示。

1.2.2 机场低能见度预报

基于机场历史观测数据，利用递归神经网络模型，得到机场逐10～30min 0～6h低能见度预报产品；基于数值预报产品，利用BP神经网络建立模型，得到机场逐小时0～24h低能见度预报产品。

1.2.3 低能见度监测预报产品显示

基于Webgis形式，实现大雾区域监测产品、机场低能见度天气预报产品、低能见度天气预报检验产品等显示，并与机场自动气象观测系统信息进行对比显示。

1.2.4 资料保存功能

Webgis产品、图片产品及其二次产品自动存储，并方便调取、复制、粘贴、加入说明等。

2 技术实现

2.1 基于静止卫星的大雾监测

2.1.1 雾监测

应用太阳高度角订正、太阳耀斑影响滤除后的可见光通道数据，结合中红外通道、红外分裂窗通道数据，将中低云、大雾从地表、中高云中滤除出来。其次，引入数值预报格点场数据，进一步将大雾从中低云中分离出来。夜间监测时，计算通道间亮温差，考虑下垫面不同产生的影响，对于海洋、陆地表面设定不同的域值范围，将大雾与冰晶云系、部分水云和地表等分离开来。引入数值预报格点场数据，将大雾从浓密厚水云以及部分层云中分离出来，得到夜间大雾判识产品。对于监测判识出的大雾区域，根据BT 10.45～BT 3.85μm值的不同，计算得出夜间大雾垂直厚度产品。

2.1.2 输出产品

大雾监测分级显示产品，根据卫星监测数据和数值预报格点数据，将低能见度分布区域显示出来，利用颜色处理方案，对大雾区域根据影响级别进行显示；高、中、低云监测显示产品，根据卫星监测数据和数值预报格点数据，将高、中、低云分布区域进行显示，同时可以进行任意云剖面显示；云迹风显示产品，动画显示云迹风产品；雾厚度显示产品，单点、剖面显示雾厚度产品。

2.2 基于人工智能的机场低能见度预报

航空气象有几种与能见度有关的用语，如主导能见度、跑道视程(以下简称RVR)等，它们的意义和作用各不相同。主导能见度是指观测到的大于等于四周一半或机场地面一半都能达到的最大水平能见距离。MOR是指色温为2700K时白炽灯发出的平行光束被大气吸收和散射后，光束的光通量衰减到5%时的距离。RVR是指在跑道中线上，航空器上的驾驶员能看到跑道面上的标志或者跑道边界灯或中线灯的距离[3]。RVR是由MOR、灯光强度、照度阈值计算得出的数值。在能见度小于800m的情况下，管制员要根据判断航空器是否能够起降。因此，选用MOR、RVR作为系统输出要素，更贴合民航实际运行需要。

能见度的客观化预报主要有统计预报和数值预报2种方式。传统的统计预报将历史数据统计结果直接应用于能见度预报，这种方法主要应用于定性预报，而对能见度的定量预报能力不足。数值预报主要是通过其他气象要素的数值预报，并拟合能见度与这些要素的实时关系，通过间接预测的方式得到未来能见度的预测结果，由于物理过程的复杂性，在预测模型中很难全面考虑和理解整个物理过程，并且受数值预报模式的影响较大。近年来，人工智能和机器学习针对雷达探测资料、卫星观测资料和闪电定位资料进行强对流天气外推方面的大范围应用，提高了强对流天气外推和预报准确率。在能见度预报领域，同样针对历史大数据的拟合，得到过去与未来数据间的随机依赖，机器学习也可应用于能见度预测。

2.2.1 递归神经网络模型低能见度0～6h预报

基于机场自动气象观测设备的温度、湿度、气压、云底高、风向和风速、云量、卫星云图红外亮温以及机场微波辐射计和风廓线雷达数据，与自动气象观测设备的历史数据建立神经网络模型。通过数据清洗与标准化、数据集提取，完成模型超参数优化，在此基础上根据经验进行微调，完善神经网络优化。基于优化后的神经网络模型，采用完整训练和测试数据集，进行完整的训练和实际效果测试，优化模型，输出预报结果。模型投入运行后，根据能见度分级预报产品检验结果调整学习模型，持续改进预测准确性。

产品输出为未来0～6h的MOR、RVR分级预报产品(0～200，200～300，300～400，400～600，600～800，800～1600，＞1600分级)。预报产品时间分辨率为10min，更新频次为10min。

2.2.2 BP神经网络0～24h低能见度预报

基于数值预报产品和机场自动气象观测系统的历史数据，以及数据采集时间建立神经网络模型。数据输入为数值预报产品，主要包括温度廓线、湿度廓线、风场廓线、地表温度、湿度、压力、云底高、风向和风速的24h预报产品，用于建立预测模型。通过数值预报产品预处理、数据清洗与标准化、数据集提取，基于经验和数值方法对各要素与MOR、RVR之间的相关性进行进一步分析研究，选择相关性适合的要素加入模型输入参数当中，构建优化模型，输出预报结果。模型投入运行后，根据能见度分级预报产品检验结果调整学习模型，持续改进预测准确性。

输出产品为未来0～24h的MOR、RVR(0～200，200～300，300～400，400～600，600～800，800～1600，＞1600)分级预测数据。预报产品时间分辨率为1h，更新频次为6h。

3 低能见度监测和预报产品显示

3.1 基础显示分析工具

主要包括气象信息渲染与显示、多视图漫游联动、交互分析工具和时序显示分析等基础显示功能。

气象信息渲染与显示，通过高性能的图形渲染引擎GIS 组件，对数值预报、卫星、雷达等数据进行插值处理后显示，显示的方式为等值线、雷达图、卫星云图、色斑图、流场、风场、格点填值等。

时序显示与分析，用户可以通过地图地理信息图层中单击探测站、航站及关注点，点击后以纵轴为要素的值、横轴为时间的方式对气象信息进行展示与 分析。

3.2 基于卫星的大雾区域监测产品显示

利用“风云4号”和“葵花8号”静止气象卫星实现大雾区域监测产品显示，叠加机场、航线以及管制区域的点、线信息，并对受到天气影响的机场以红绿灯的方式进行显示。提供高、中、低云监测产品显示，云迹风产品显示，雾厚度产品显示，单点、剖面雾厚度等产品显示。

3.3 机场低能见度预报产品显示

用户可以通过地图地理信息图层中单击探测站、航站及关注点，点击后以纵轴为要素的值，横轴为时间的方式对机场低能见度预报信息进行展示与分析。

数值曲线展示方式：实况和预报每10min实时更新。

4 结语

本系统实现了数据自动采集、大雾监测、高中低云识别、机场低能见度预报等功能，低能见度预报 从定性走向定量，为预报员提供了可满足需求的 参考。