民航气象观测的中国中东部大气边界层廓线数据的评估与应用

徐孝泽， 张元杰*， 宋树刚， 杨云帆， 李想， 高志球,3

1 气象灾害预报预警与评估协同创新中心， 南京信息工程大学大气物理学院， 南京 210044 2 93110部队， 北京 100843 3 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室， 北京 100029

0 引言

大气边界层(Atmospheric Boundary Layer，ABL)是直接受地表影响的大气层，是自由大气与地表之间热量、水汽和动量传输的重要通道(Stull，1988；蒋德海等，2013).ABL的结构演变对天气、气候和污染物扩散有重要影响(Huang et al.，2017).进一步了解ABL的结构演变，进而完善数值预报中的ABL物理过程，有助于提高天气、气候和空气质量预报的准确性(蒋德海等，2013).陆地上ABL结构具有明显的日变化.然而常规探空观测通常一天只有两次(世界时(UTC)00和12时，对应北京时间(BJT)08和20时)，很难捕捉ABL结构的日变化特征.另一方面，高分辨率的地面遥感仪器，如辐射计、云高计和激光雷达往往局限于单个地点或较短时期(Zhang et al.，2019).因此，对于ABL甚至更广泛的对流层下层，在国内还没有长期、准确且能反映ABL完整日变化的廓线数据.

除了常规探空观测和地表遥感观测之外，民航气象报告(Aircraft Meteorological Data Relay，AMDAR)也能够提供ABL的探空观测(贾朋群等，2004；崔喜爱等，2015).AMDAR观测数据包括温度、风和湿度等.目前全球每日有超过60万次温度和风的观测，湿度的观测却少很多，但随着水汽传感系统(Water Vapor Sensing System，WVSS)的开发，湿度的观测也将越来越多(Petersen et al.，2016).AMDAR观测频率大约是常规探空观测的10倍(刘小魏等，2007)，可提供相当高时间分辨率的探空数据(通常在机场的上升和下降阶段，Rahn and Mitchell，2016)，可以很好地解决现有常规探空数据时间分辨率较低的问题.目前，AMDAR数据主要应用于数值模拟的资料同化，以提升中短期天气预报的准确性(Cardinali et al.，2003；Moninger et al.，2003；Zhu et al.，2015；Petersen et al.，2016；Petersen，2016)，却很少用于大气边界层、陆-气耦合、气候变化等研究中.

尽管已有大量研究评估了常规探空数据的数据质量(Corner et al.，1999；Miloshevich et al.，2001；Mapes et al.，2003；Ingleby et al.，2016)，但关于AMDAR数据的质量评估却很少被关注，仅有少数研究通过与常规探空数据比较来评估AMDAR数据的准确性(Schwartz and Benjamin，1995；Ding et al.，2015，2018；罗林艳等，2018；Zhang et al.，2019).Schwartz和Benjamin(1995)比较了美国丹佛机场的AMDAR数据和附近的常规探空数据，发现AMDAR的观测结果与常规探空非常接近.当两组数据的间隔距离和间隔时间分别小于150 km和90 min时，两者温度和风速的均方根误差(Root Mean Square Error，RMSE)分别为0.97 K和4.42 m·s-1；当间隔距离和时间分别小于25 km和15 min时，温度和风速的RMSE分别降到0.59 K和2.84 m·s-1.Ding等(2015，2018)发现当间隔距离和间隔时间分别小于100 km和15 min时，我国2004—2010年的AMDAR数据与常规探空数据中温度、风速和风向的RMSE分别为1.40 K、3.56 m·s-1和28°，且RMSE随两种数据观测的间隔距离和间隔时间的增大而增大.湖南的AMDAR温度数据和常规探空温度数据的对比分析表明，AMDAR温度数据质量稳定，与常规探空温度之间存在非常显著的相关性(罗林艳等，2018).Zhang等(2019)比较了2007—2016年美国54个主要机场的AMDAR数据与常规探空数据，发现两者的偏差与间隔距离存在显著的关系，当间隔距离为0时，850 hPa高度以下温度、湿度和风分量的RMSE分别为1.16～1.52 K、0.64～1.25 g·kg-1和2.00～2.26 m·s-1.

另外，一些研究表明不同的飞机型号和飞行状态对AMDAR数据的准确性有一定的影响(Ballish and Kumar，2008；Drüe et al.，2008).Benjamin等(1999)通过将间隔距离小于10 km且间隔时间小于10 min不同机型的AMDAR数据进行配对比较，发现各高度层内温度和风速的RMSE分别为0.49～0.77 K和1.6～2.5 m·s-1.Drüe等(2008)也发现不同机型的温度观测差值可以达到1 K.同时，多数研究表明飞机上升时观测的温度比下降时观测的温度高(Schwartz and Benjamin，1995；Ballish and Kumar，2008；罗林艳等，2018)，AMDAR风观测数据与常规探空数据的偏差在下降阶段小于上升阶段(Schwartz and Benjamin，1995；Ding et al.，2015).

当前，AMDAR数据由于具有较高的时间分辨率和准确性，已经越来越多地被应用到大气边界层的研究中(Rahn and Mitchell，2016；Zhang et al.，2020a，2020b).然而对于中国的AMDAR数据，以往的数据质量评估通常局限于较短时期或个别站点位置(Ding et al.，2018；罗林艳等，2018)，更是很少被应用于大气边界层的结构分析.为此，本文主要工作包括：(1)基于2008—2019年AMDAR资料建立12年的中国主要机场的边界层廓线数据集，其中包括大气边界层温度和风廓线数据；(2)通过与常规探空数据比较来评估不同季节和高度的AMDAR数据准确性及其随间隔距离和飞行状态的变化；(3)利用该数据产品初步考察北京和深圳夏季边界层的日变化气候学特征和我国中东部大气边界层高度的日变化特征.

1 资料和方法

1.1 原始资料

AMDAR民航气象报告是由世界气象组织(World Meteorological Organization，WMO)建立的，并于1979年首次提供自动气象报告，20世纪90年代之后迅速发展，至今全球已有40多家航空公司参与.目前，每天大约有5000架飞机进行温度和风的观测(Petersen，2016)，但只有148架飞机采用WVSS进行湿度的观测(Petersen et al.，2016)，因此湿度的观测较少.我国的AMDAR观测起步相对较晚，于2001年底在中国气象局和中国民航总局协商下启动(崔喜爱等，2015).我国AMDAR数据报告主要包括温度、风速和风向，以及相应测点的时空坐标(时间、经度、纬度、气压高度)信息的观测.

MADIS(Meteorological Assimilation Data Ingest System)网站(https:∥madis-data.cprk.ncep.noaa.gov/madisPublic1/data/archive/)提供更新到48 h前的每小时AMDAR资料.AMDAR探空资料中，单架飞机上升或下降过程中的观测满足如下条件：(1)最底部测点距地面2000英尺(609.6 m)以内，且距平均海平面高度10000英尺(3048 m)以内；(2)最底部测点距离已知机场50海里(92.6 km)以内；(3)相邻测点垂直方向上最大间隔距离小于5000英尺(1524 m)，该垂直观测则被认定为有效探空观测(sounding)(详见https:∥ruc.noaa.gov/amdar/FAQ.html#sounding).而不满足上述条件的垂直观测记为非有效探空观测(non-sounding).MADIS网站所提供的数据包括基于机场的探空观测资料和基于飞机的总体观测资料.其中，前者只包含sounding资料，后者包含所有原始观测资料.为了增加探空观测数据的样本量，本文在机场探空观测资料(sounding数据)的基础上，筛选并合并了基于飞机的总体观测资料(主要为non-sounding数据).对于non-sounding数据的筛选要求如下：(1)850 hPa高度以下，测点与机场水平距离在15 km以内；(2)850～700 hPa高度之间，测点与机场水平距离在25 km以内；(3)700 hPa高度以上，测点与机场水平距离在50 km以内.

AMDAR的数据量在时间和空间上都存在差异.商业飞行流量通常在傍晚为高峰期，而在凌晨至清晨时段为低谷期，不同时段每小时观测数据总数相差可超4倍之多(Moninger et al.，2003).不同机场由于飞行流量不同，观测数据总量也存在较大差异.因此，本文对机场进行了筛选，要求所选机场在2008—2019年期间，平均每年有观测的小时数在20%以上.根据这一标准，共有18个机场被选中(见表1).

MADIS网站还提供了由RAOB(Universal RAwinsonde OBservation)项目处理的全球共2326个站点的常规探空观测数据.该数据集每小时提供一次，但通常仅在00和12时(UTC)有资料，且仅提供22个固定气压层和少数不定量的突变层(指温度和湿度变化明显的气压层)的数据.由于突变层的引入并不会改变AMDAR数据和常规探空数据的比较结果(Zhang et al.，2019)，为了在对常规探空数据作时间平均处理时避免空间插值计算，本文在AMDAR数据评估中仅使用200 hPa及其以下共10个固定气压层(地表、1000、925、850、700、500、400、300、250和200 hPa)的常规探空数据.

与Ballish和Kumar(2008)类似，本文选择与机场距离在200 km以内的RAOB站点与机场匹配，若多个RAOB站点与机场距离都在200 km以内，该机场与这几个RAOB站点都配对.最终18个机场与19个RAOB站点匹配(见图1).机场与RAOB站点之间的距离是根据经纬度平方差的平方根计算的，单位经度(纬度)距离约等于100 km.所选机场和RAOB站点的地理信息及其间隔距离见表1.

表1 所选机场和常规探空站点的地理信息及其间隔距离Table 1 Geographic information of the selected airports and the collocated radiosonde stations and their separation distances

图1 所选机场和常规探空站点区域分布Fig.1 Distribution of the selected airports and the collocated radiosonde stations

1.2 AMDAR资料处理

不同于常规探空数据，AMDAR资料受飞机航线的影响时空分布较不规则(江勤等，2017)，其探测系统采样间隔也从10 s到30 min不等(Benjamin et al.，1999；Drüe et al.，2008)，使得观测点的垂直分布极不均匀.因此，需要对AMDAR资料进行预处理，并将其插值到统一的高度，形成规范的边界层廓线数据集.在此过程中，考虑到AMDAR资料在小时尺度内的变化较小，本文将一小时内的所有观测数据合并为一个垂直廓线(下文简称小时廓线).并且在该合并廓线数据中不区分飞机类型和飞行状态(即上升或下降).这一方面是因为常规探空资料通常只在00和12点(UTC)有数据，而某些型号的飞机在这两个小时内可能没有观测资料；另一方面，若区分飞机类型或飞行状态会大幅减少数据量，进而降低插值结果的可靠性.前人通过比较单次探空观测和小时平均廓线，发现AMDAR温度数据小时尺度内的随机误差小于0.3 K(Drüe et al.，2008)，因此对AMDAR资料作每小时合并处理是合理的.合并处理之后，本文要求每个小时廓线在1500 m高度以下至少有5次观测.图2显示了处理后各机场年平均小时廓线数及温度廓线数的日变化.小时廓线的样本量并没有明显的季节差异，温度和风的小时廓线数基本相同.温度廓线数的日变化特征明显，大部分机场凌晨到清晨阶段廓线数较少，风廓线数的日变化特征类似(未展示).

为了进一步地规范AMDAR小时廓线数据集，本文将合并后的垂直廓线数据线性插值到0～5000 m之间每20 m的高度层.20 m是一个相对精细的垂直间隔，可以较好地反映边界层的结构特征(Rahn and Mitchell，2016).图3展示了AMDAR小时廓线示例(图3a为稳定条件，图3b为对流条件)，其中包含了插值廓线和原始观测点.相对于常规探空数据，AMDAR小时廓线数据具有更高的时间分辨率，可以反映出ABL完整的日变化特征，因而更适合用于ABL结构的相关研究.

需要注意的是，AMDAR数据报告中提供的高度信息是国际标准大气压下的气压高度(ZP).因此，本文首先需要将ZP转换为气压(P)，表达式如下(WMO，2003)：

(1)

其中，KF=0.3048(英尺-米转换系数).然后利用方程(1)计算得到的气压廓线、AMDAR的温度廓线以及相应的地表温度和气压观测值，通过压高公式由地面向上积分得到实际高度.这里的地表温度和气压观测采用了美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration，NOAA)综合地表数据库(Integrated Surface Database，ISD)的资料(https:∥www.ncdc.noaa.gov/isd/data-access).所用ISD地表数据大多数来自对应的机场观测站，个别机场由于缺少地表气压的观测，我们选用了临近站点的地表观测数据代替.

1.3 大气边界层高度的确定

为考察AMDAR廓线数据集的应用价值，本文基于18个机场的AMDAR廓线数据，利用总体理查森数(Rib)方法计算大气边界层高度(Atmospheric Boundary Layer Height，ABLH)，并分析讨论了我国中东部ABLH的时空变化特征.Rib方法因其有效性而被广泛使用(Seidel et al.，2010；Guo et al.，2016；Zhang et al.，2020a).该方法假定从地表向上，当Rib超过某一临界值 (Ribc) 时湍流消失，此高度即确定为ABLH.Rib可定义为湍流的浮力贡献项与切变贡献项之比，表达式如下(Vogelezang and Holtslag，1996)：

(2)

图2 2008—2019年被选中机场温度(a)和风(b)的年平均小时廓线数及温度廓线数的日变化(c)Fig.2 Annual mean numbers of hourly profiles of temperature(a) and wind (b) and diurnal variations of temperature profiles (c) at the selected airports during the period 2008—2019

图3 PEK机场2008年6月5日21时(a)和 2008年6月8日13时(b)的位温廓线(BJT) 其中黑色实线表示插值后的廓线，加号(+)和 乘号(×)分别表示上升和下降观测.Fig.3 The potential temperature profiles at 2100 BJT 5 June 2008(a) and 1300 BJT 8 June 2008 (b) at the PEK airport Black solid line indicates the interpolated hourly profile. Ascent and descent soundings are indicated by plus signs (+) and multiplication signs (×), respectively.

2 结果

本文基于常规探空数据对AMDAR温度和风数据做了准确性评估，并分析了季节、高度层、间隔距离以及飞行状态对AMDAR数据准确性的影响，最后通过对ABL结构日变化分析的实例展示了AMDAR小时廓线数据集的应用价值.由于AMDAR数据与常规探空数据时空分辨率不同，本文仅比较两种数据同一时间(00和12时，UTC)的观测，并参照前人研究(Schwartz and Benjamin，1995；Ding et al.，2015，2018)，将合并的AMDAR廓线数据线性插值到常规探空数据的固定层(地表、1000、925、850、700、500、400、300、250和200 hPa).图4展示了2008—2019年间夏季00和12时(UTC)北京首都国际机场(PEK)AMDAR和常规探空数据中温度和风的平均廓线.由于地表气压随时间变化，图中平均值的对比没有包含地表层.由图可见，AMDAR数据和常规探空数据的平均探空观测结果及其标准差变化基本一致，只在较高层AMDAR的经向风速稍微偏大.

为了探讨AMDAR数据准确性随季节和高度层的变化，本文分别统计分析了四个季节以及P>850 hPa、850～500 hPa、500～300 hPa和300～200 hPa四个高度层中AMDAR数据和常规探空数据的偏差.在200 hPa高度以上几乎没有AMDAR的sounding资料，所以此高度以上的评估分析不作考虑.另外，这里评估ABL以上高度层(500～300 hPa和300～200 hPa)的AMDAR数据，一方面是为了探究AMDAR数据准确性在不同高度层的差异，另一方面是为了与前人的对流层中上层AMDAR数据评估结果进行对比.数据评估使用的常规统计分析工具包括：线性回归系数(a)、拟合优度(R2)、平均偏差(Mean Bias Error，MBE；AMDAR减去常规探空)和RMSE.

2.1 温度的比较

图5展示了2008—2019年PEK机场和青岛流亭国际机场(TAO)的AMDAR温度数据与常规探空数据之间的比较结果.两个机场与配对的RAOB站点的间隔距离分别为36 km和21 km.由图可见，AMDAR廓线数据与常规探空数据存在较好的一致性.图中包含了对不同季节和高度范围内数据的无截距(y=ax)线性回归系数(a)，当a大于(小于)1时，表示AMDAR数据较常规探空数据偏大(偏小).在各个季节和高度范围内，a值都非常接近1.

两个机场各个季节和高度范围的R2大多接近甚至高于0.9.但在较高层(300～200 hPa)，R2值较小，尤其是在PEK机场上空.这是因为高空AMDAR数据观测的水平位置距离机场更远，使得AMDAR数据与配对的RAOB站点间隔距离更大(间隔距离对比较结果的影响会在下文讨论)，而且高空观测数据相对较少也会造成更大的随机误差.P>850 hPa的气压范围内，与PEK的结果相比，TAO与RAOB站点的间隔距离更小但夏季的比较结果反而更差.这是因为TAO机场位于内陆，而与之配对的RAOB站点位于沿海.海陆热力性质的差异(夏季陆地比海洋更暖)导致了夏季AMDAR温度数据相对于RAOB数据在较低层偏暖.

总结所有机场的比较结果，图6展示了各个机场的AMDAR数据和常规探空数据在各个季节和高度范围内的比较结果与距离的关系，前、后四个箱线图(不同颜色表示不同高度层)分别表示间隔距离为0～50 km和100～200 km范围内所有机场的统计结果.比较远、近两个距离范围的统计结果，可以发现，在P>850 hPa的气压范围内，回归系数(a)和MBE随间隔距离的变化很小，其平均值分别接近1和0，而且中值与平均值基本一致，只在冬季较大间隔距离(100～200 km)的中值表现为负(冷)偏差.这说明在较低层(通常是大气边界层范围)AMDAR数据相对于常规探空数据并没有显著的偏差，且随距离没有显著变化.但是随着间隔距离的增大，不同机场间偏差变率相应变大.在850～500 hPa和500～300 hPa的气压范围内，AMDAR数据表现为冷偏差(a<1且MBE<0)，尤其是在500～300 hPa气压范围内更为显著，并且随间隔距离增大而增大.除夏季以外，机场间的偏差变率都随间隔距离增加而增加，并且较远间隔距离的中值与平均值存在较大差异.在较高层(300～200 hPa)中，除夏季外，AMDAR数据总体表现为暖偏差，这与前人研究发现250 hPa高度附近AMDAR存在暖偏差(Ballish and Kumar，2008)是一致的.

图4 PEK机场2008—2019年夏季00时(a1—c1)和12时(a2—c2)的AMDAR数据和 常规探空数据的平均廓线比较(BJT) N表示廓线样本数.双划线和虚线分别代表AMDAR数据和常规探空数据的标准偏差.Fig.4 Summer averaged AMDAR and radiosonde profiles at 00 (a1—c1) and 12 UTC (a2—c2) from 2008 to 2019 at the PEK airport N indicates the number of profiles. Dashed line and dotted line indicate the standard deviation of AMDAR and radiosonde profiles, respectively.

P>850 hPa的气压范围内，尽管平均偏差随间隔距离没有显著变化，但是R2和RMSE却随间隔距离有显著变化.在各个高度层，R2(RMSE)都随间隔距离增大而减小(增大).随间隔距离的如此变化在较低层最为显著，主要是因为较低层更易受到地表性质差异的影响.对于各个季节和高度范围，大多数机场的R2值(RMSE)都大于0.8(小于2 K).在较小间隔距离内(0～50 km)，R2基本随高度增加而减小.仅在夏季，R2值在P>850 hPa气压层稍小于850～500 hPa气压层，同时也小于其他季节P>850 hPa气压层的值.相应地，RMSE则基本随高度增加而增大.比较误差随高度的增加，主要是因为飞机的水平位移在随高度增加，进而导致了对比数据实际距离的增大.而在高层(300～200 hPa)中，RMSE值低于较低层则是由于高层大气的水平均一性，比较结果受间隔距离的影响较小.

综合四种统计分析结果可见，相较于较高层，AMDAR温度数据在P>850 hPa的气压范围内具有更高的准确性.这也为AMDAR数据在大气边界层研究中的应用价值提供了现实依据.间隔距离小于50 km且P>850 hPa高度层内，春季、夏季、秋季和冬季RMSE(MBE)的平均值分别为0.83(0.03)、0.76(-0.08)、0.68(0.01)和0.77 K(0.06 K)(表2).相应地，当间隔距离在100～200 km范围内，春季、夏季、秋季和冬季RMSE(MBE)的平均值则分别为1.89(-0.02)、1.46(-0.13)、1.47(-0.18)和1.74 K(-0.14 K).考虑到AMDAR和常规探空的温度观测系统误差分别为0.3～0.44 K和大于0.5 K(WMO，2003；Mapes et al.，2003)，上述比较统计结果可以表明AMDAR温度数据，尤其是在较低层，具有相当高的准确性.

表2 当间隔距离介于0～50 km和100～200 km时，温度、纬向风和经向风的MBE和RMSE 在不同季节和气压范围(P>850 hPa和850～500 hPa)内的平均值Table 2 Mean RMSEs and MBEs for temperature, U and V in different seasons and pressure ranges (P>850 hPa and 850～500 hPa) with the separation distance within 0～50 km and 100～200 km

图5 PEK机场(a1—d1)和TAO机场(a2—d2)各个季节和气压范围内的AMDAR和常规探空温度数据之间的比较Fig.5 Comparisons between AMDAR and RAOB temperature data in different seasons and pressure ranges at the PEK airport (a1—d1) and the TAO airport (a2—d2)

图6 AMDAR与常规探空温度数据之间的拟合斜率(a1—d1)、拟合优度(a2—d2)、 MBEs(a3—d3)和RMSEs(a4—d4)在各个季节和气压范围与间隔距离的关系 红色、绿色、蓝色和黑色分别代表P>850 hPa、850～500 hPa、500～300 hPa和300～200 hPa的气压范围.箱线图中的水平线、 箱子以及触须分别代表中位数、四分位间距和上下限值(或最大最小值)(庄作钦，2003).乘号表示平均值.Fig.6 Relations between the fitting slopes (a1—d1), the goodness of fit (a2—d2), MBEs (a3—d3), and RMSEs (a4—d4) in different seasons and pressure ranges and the separation distance between AMDAR temperature data and RAOB temperature data Red, green, blue and black dots represent the pressure range of P>850 hPa, 850～500 hPa, 500～300 hPa and 300～200 hPa respectively. The horizontal line, box, and the whiskers represent the median, the interquartile range, and the upper and lower limits (or max and min value), respectively. Multiplication signs indicate means.

2.2 风的比较

AMDAR和常规探空资料提供了风向和风速的观测数据，由于对风向数据不便作线性插值处理，本文首先将风速、风向转换为纬向(U)和经向(V)，再将AMDAR风分量插值到常规探空的固定气压层进行比较.图7展示了2008—2019年PEK机场的AMDAR纬向和经向风速与对应的常规探空数据的比较结果.需要注意的是，由于风速大小存在负值，这里无截距线性回归系数(a)是以(-50，-50)点为原点计算的.由图可见，相较于温度数据的比较结果(图5)，AMDAR风分量的偏差更大，尤其是在低层(>850 hPa)，主要表现为R2较小.这可能是因为风观测的系统误差相对较大，而且低层风速易受城市热岛局地环流以及建筑物拖曳的影响(李鹏和田景奎，2011；Li et al.，2016).尽管如此，比较数据的分布还是显示了AMDAR与常规探空风分量数据总体的一致性.从风分量的分布来看，U值主要在0～50 m·s-1的范围内，V值主要在-25～25 m·s-1的范围内.U在各个季节和气压范围几乎都为正，这与盛行的偏西风是一致的.

图8显示了所有机场纬向风的比较结果.由图可见，在P>850 hPa的气压范围内，AMDAR纬向风相对于常规探空在远、近两个间隔距离范围内都没有显著偏差，尤其在夏季，平均的a和MBE分别接近1和0.在850 hPa高度以上的气压层，AMDAR纬向风速也基本没有显著偏差，只在春季和冬季的300～200 hPa气压层内有较明显的负偏差.这是因为高空风速较大且观测资料较少，易出现较大的随机误差.

在各个气压层，拟合优度R2都随间隔距离增加而减小，在较低层尤为显著.而且，P>850 hPa气压层的R2值相比于较高层也较小.这主要是由于近地层或较低层风速更易受到地表性质差异(如地表粗糙度)的影响，地表性质差异影响也会随间隔距离增大而增大.各个气压层的RMSE则表现为随间隔距离增大而增大，RMSE在300 hPa高度以下随高度增高而增大.这一方面因为飞机水平位移随高度增加，增大了比较的间隔距离，另一方面是因为风速通常随高度增高而增大，而风速的RMSE值通常随风速的增大而增大(Gao et al.，2012).与温度的比较类似，由于高层(300～200 hPa)较强的水平均一性，纬向风的RMSE值也相对较小.经向风的比较结果与纬向风类似(未展示).

孙叔宝：今年是中国改革开放四十周年，四十年前始于安徽凤阳小岗村的联产承包责任制，拉开了中国改革开放的序幕。四十年后的今天，使我们倍感自豪和欣慰的是，我们同中国亿万农民一起，一举解决了中国十多亿人的温饱问题。进而将中国发展成为全球第一农药生产大国，农药产品供给市场极大丰富，为农业增产、农民增收作出了积极贡献。

间隔距离小于50 km且P>850 hPa高度层内，各个季节的平均RMSE(MBE)分别为1.62(0.24)、1.51(0.11)、1.48(0.26)和1.59 m·s-1(0.29 m·s-1)(表2).相应地，当间隔距离在100～200 km范围内，四季RMSE(MBE)平均值则分别为2.47(0.22)、2.34(-0.05)、2.20(0.09)和2.28 m·s-1(0.19 m·s-1).

与温度相比，风速的RMSE相对较大，这与风速观测的系统误差较大相关.AMDAR和常规探空的风速观测系统误差都达到2～3 m·s-1(Hoehne，1980；WMO，2003；Mapes et al.，2003).上述比较结果可表明AMDAR风数据的准确性足以用于ABL结构特征研究.

2.3 飞行状态的影响

本文处理建立的AMDAR边界层廓线数据集包含了原始的sounding和non-sounding资料(详见1.1节).由于non-sounding资料不包含飞行状态(上升或下降)信息，这里只分析了sounding资料中上升和下降阶段的数据与总体数据的比较.本节比较了AMDAR上升和下降阶段数据的RMSE与AMDAR总体数据的RMSE.

图9展示了P>850 hPa的气压范围内AMDAR温度和风的上升阶段的RMSE(RMSEAsc)和下降阶段的RMSE(RMSEDes)分别与总体RMSE的比较结果.由图可见，对于温度和风分量数据，RMSEAsc总体上都更接近总体的RMSE.导致此结果的一个主要原因是P>850 hPa的气压范围内，上升阶段的观测数据占比更多(表3).总体而言，两者95%置信区间在比较数据的分布范围内基本重叠.850～500 hPa气压范围内的比较结果基本类似(未展示).各个季节的RMSEAsc总体上大于RMSEDes，表明相对于常规探空数据，AMDAR温度和风数据在飞机上升阶段有更大的误差(Schwartz and Benjamin，1995；Ding et al.，2015).这主要是因为飞机在上升阶段的飞行速度通常比下降阶段更快，使得飞机外空气温度和风速的变化速度更快，从而导致上升阶段观测误差更大(Ding et al.，2015).然而，相对于RAOB和AMDAR数据本身的不确定性，飞机飞行状态对于AMDAR数据的影响是很小的.

表3 所选机场在P>850和500～850 hPa的气压范围内上升和下降观测点在2008—2019年间的年平均数及占比Table 3 Annual mean numbers and proportions of ascending data points and descending data point in the pressure ranges of P>850 and 850～500 hPa at the selected airports during the period 2008—2019

图8 同图6，但为纬向风Fig.8 Similar toFig.6, but for the zonal wind

图9 P>850 hPa的气压范围内，各个季节温度(a1—d1，单位：K)、纬向风(a2—d2，单位：m·s-1)和 经向风(a3—d3，单位：m·s-1)的总的RMSE与对应的上升(红色)和下降(蓝色)的RMSE的比较 直线表示线性拟合，虚线表示95%的置信区间.Fig.9 Comparisons between the total RMSEs of temperature (a1—d1, unit of K), zonal wind (a2—d2, unit of m·s-1) and meridional wind (a3—d3, unit of m·s-1) and their corresponding ascent (red) and descent (blue) RMSEs in the pressure range of P>850 hPa in different seasons The lines indicate the linear fitting. The dash lines indicate the 95% confidence intervals.

2.4 数据产品的应用

2.4.1 大气边界层结构日变化示例

与常规探空数据相比，AMDAR数据具有更高的时间分辨率，能够充分展现ABL结构完整的日变化特征.图10展示了PEK和深圳宝安国际机场(SZX)2008—2019年夏季温度和风的平均日变化(时间已转换为当地时间).图中空白区域表示无数据显示(廓线样本量小于10的平均值不作显示).这主要是因为在清晨时段(约05∶00—06∶00 BJT)航班流量很少导致观测数据相对缺乏.

在PEK机场，夏季的近地层气温有明显的日变化，最高温出现在13∶00左右，夜间较低层(1000 m高度以下)有较为明显的辐射逆温(图10a1).边界层的气温峰值时间与地表气温基本一致(杨萍等，2013).随高度增加，气温的日变化强度逐渐减弱，至1000 m高度以上无明显日变化(图10a1).风分量有显著的垂直变化.受夏季风影响，近地层主要为东南风(U<0，V>0)；受盛行西风带影响，高层纬向风速较大，表现为偏西风(U>0，V<0).纬向风没有明显的日变化，而经向风在较低层(2500 m高度以下)有较明显的日变化，其风速值在08∶00开始增加，22∶00左右(高度约400 m，且高度较低时，该高度层最大风速出现时间越早)达到峰值(图10b1—c1).结合北京西北环山的地形特征，较低层经向风的日变化可能与山谷风相关.近地层的气温在12∶00—22∶00间较高(图10a1)，便于形成偏北的谷风，与近地层经向风的较大一致.

在SZX机场，夏季气温没有显著的日变化(图10a2).这主要是因为观测点在近海区域，受海洋热力特性的影响所致.风分量有较显著的日变化和垂直变化特征，纬向风较弱，全天主要为偏南风(图10b2—c2).SZX机场西南临海，其风向风速的变化主要受海陆风的影响.夜间东北向的陆风对应纬向风负值，并减弱南风气流，使近地层的经向风较小，且在05∶00—07∶00存在较弱的北风；白天西南向的海风对应纬向风正值，并加强了近地层的南风气流.同时，海陆风环流中的高层回流使得夜间经向风在高层(2500 m左右)较强，而白天经向在较高层(1000～2000 m)较弱，且在16∶00—18∶00存在较弱的北风.

由此可见，AMDAR边界层廓线数据集能够很好地展现大气边界层结构，反映其完整的日变化特征.由于AMDAR廓线数据较高的时间分辨率和特殊的观测位置(机场通常位于城市地区和近海地区)，使其在ABL研究中具有较高的应用价值，尤其是对于城市和近海边界层结构及其相关的城市热岛和海陆风环流的研究.

2.4.2 我国大气边界层高度的日变化特征

图10a1—a2同时展示了PEK机场和SZX机场2008—2019年夏季ABLH的平均日变化.如图所示，PEK机场ABLH最大值出现在午后，具有显著的日变化，而SZX机场ABLH的日变化较弱，在午后15∶00左右存在一个微弱的峰值.这种ABLH日变化的差异主要是源于两个机场不同的地表特性，与近地层气温变化基本是一致的.

为进一步考察ABLH日变化强度的季节和区域差异，图11显示了18个机场2008—2019年季节平均的日最小和最大ABLH.由图可见，日最高ABLH具有显著的季节和区域差异，主要表现为春夏季高于秋冬季，内陆、干燥地区高于沿海、湿润地区(图11a2—d2)，而日最低ABLH则没有明显的季节和区域变化(图11a1—d1).这意味着ABLH的平均日变化强度在春夏季和内陆干燥地区较强.这与前人基于无线电探空观测的研究基本一致(Guo et al.，2019).

依据上述ABLH日变化的区域特性，本文将18个机场分为沿海、近内陆和远内陆三个区域(如图1所示)，分别讨论不同季节ABLH的完整日变化特征.图12展示了不同季节三个区域平均的ABLH日变化特征(样本量小于30的时刻不做展示).如图所示，在夜间，沿海和近内陆地区各季节ABLH约为200 m，远内陆地区ABLH也基本低于400 m.在白天，沿海和近内陆地区ABLH能够发展到500 m左右，峰值时间在13∶00左右，而远内陆地区ABLH能够达到1000 m以上，峰值时间在15∶00左右(除了冬季).其中，远内陆ABLH峰值时间较晚，主要是因为太阳辐射的经向时间差异.ABLH发展高度的区域差异主要与局地陆气作用相关(Santanello et al.，2018).远内陆地区相对干燥的下垫面导致蒸发潜热较少，而更多感热通量使ABL充分发展，而较湿润的近内陆和沿海地区，由于蒸发量较大，发展ABL的感热则较少，另外较高的空气湿度和云的形成也一定程度抑制了ABL的发展(Guo et al.，2016).值得注意的是，在秋冬季节，沿海地区ABLH多数时候大于近内陆地区(图12c—d).这主要是因为在秋冬季我国太阳辐射的纬度差异更大，而沿海机场相对于近内陆机场总体上比较偏南，再加上海洋的热力性质效应，故而沿海地区更强的太阳辐射和较高的地表温度更有利于ABL的发展.另外，相比于沿海和近内陆地区，远内陆地区日间ABLH具有更显著的季节差异，主要表现为春夏季较高，而冬季最低(峰值低于1000 m).春季较强的近地表风速(Zhao et al.，2009; Guo et al.，2011)和夏季较强的太阳辐射 (Miao et al.，2012，2015)应是导致远内陆地区日间ABLH较高的主要原因，而沿海和近内陆地区海洋热力性质的影响可能是导致日间ABLH季节差异较弱的原因.

综上所述，远内陆地区ABLH具有较强的日变化，尤其是在春夏两季，而沿海和近内陆地区由于受海洋热力性质影响，ABLH的日变化强度和季节差异都较小.尽管本文数据仅稀疏覆盖我国部分地区，但其较高的时间分辨率不仅能满足ABLH日变化特征的分析，还能为城市地区数值模拟提供验证依据，可作为我国ABL探空观测的一个重要补充.

图10 PEK机场和SZX机场2008—2019年间夏季温度(单位：K)和风(单位：m·s-1)的平均日变化(BJT) 黑色实线表示0值，黑色虚线表示ABLH.Fig.10 Summer mean diurnal variations of temperature (unit of K) and wind (unit of m·s-1) at the PEK and SZX airports from 2008 to 2019 (BJT) The solid black lines indicate zero values and the dotted black line indicate ABLH.

图11 各个季节平均日最大和最小ABLH(单位：m)的空间分布Fig.11 Spatial distributions of diurnal max and min ABLH (unit of m) in different seasons

图12 远内陆、近内陆和沿海地区各个季节ABLH平均日变化(BJT)Fig.12 Mean diurnal variations of ABLH in the far inland region, near inland region and coastal region in different seasons (BJT)

3 结论

民航飞机探测的AMDAR资料提供了高时间分辨率的温度和风的探空观测.本研究基于AMDAR数据，通过数据量筛选、每小时探空观测数据合并以及线性插值，获取了2008—2019年中国18个机场的边界层廓线数据集.

AMDAR数据评估中，本文将AMDAR数据与临近常规探空数据(间隔距离小于200 km)进行配对比较.共计28组数据比较结果表明，AMDAR数据与常规探空资料总体上具有较好的一致性.对于AMDAR温度数据，在P>850 hPa的气压范围内没有显著的平均偏差；在850～500和500～300 hPa大气层内表现为冷偏差；在300～200 hPa大气层内为暖偏差.这里中间层的冷偏差与前人基于中国湖南(罗林艳等，2018)和美国(Zhang et al.，2019)的AMDAR数据评估得到的500 hPa高度以上为暖偏差并不一致.这可能是源于地区差异的影响，如Ding等(2018)也发现中国区域的AMDAR数据普遍存在冷偏差.对于AMDAR风分量，除了在300～200 hPa气压范围内春、冬季为负偏差，在各个高度层上都没有显著的平均偏差.

AMDAR温度和风分量的误差在较低层(P>850 hPa，约为ABL高度范围)都更小.在300 hPa高度以下，温度和风分量的RMSE总体上随高度层的增高而增大；在300 hPa高度以上，由于大气的水平均一性，温度和风分量的RMSE相对较小.在各个高度层上，温度和风分量的RMSE都随间隔距离的增加而增大，且随间隔距离的变化在较低层最为显著.这说明RMSE随间隔距离的变化主要源于地表性质差异的影响，而在高层这种影响较小(Zhang et al.，2019).相比于RMSE，温度和风分量的MBE都更小，并且随间隔距离没有明显的变化.间隔距离小于50 km且P>850 hPa高度层内，18个机场AMDAR温度、纬向风和经向风数据的RMSE(MBE)平均值分别为0.68～0.83 K(-0.08～0.06 K)、1.48～1.62 m·s-1(0.11～0.29 m·s-1)和1.73～1.81 m·s-1(0.20～0.52 m·s-1).相比于温度，风分量的误差更大，这主要是因为风观测的系统误差更大.

AMDAR温度和风分量的误差与飞机飞行状态存在一定的关系，总体而言上升阶段的RMSE稍大于下降阶段.这与前人的研究结论基本一致(Schwartz and Benjamin，1995；Ding et al，2015).但相对于常规探空和AMDAR观测本身的不确定性及其两者之间的总体误差，飞行状态对AMDAR数据的影响几乎可以忽略不计.

综上所述，AMDAR数据的准确性足以替代常规探空数据用于ABL结构特征研究.北京和深圳机场的平均日变化分析表明，AMDAR边界层廓线数据集由于其较高的时间分辨率，不仅可以反映ABL结构完整的日变化特征，而且可以捕捉到山谷风(北京)和海陆风(深圳)等局地环流信息.尽管AMDAR边界层廓线数据的覆盖较为稀疏，但仍能显著反映ABLH日变化特征的区域差异和季节特征.分析结果表明，远内陆、干燥地区ABLH在日间发展较高，且日变化强度更大，而沿海、湿润地区日间ABLH较低，且日变化较弱.而且，远内陆地区ABLH的日变化强度有显著季节差异，在春夏季较强，而沿海和近内陆地区ABLH的日变化无明显季节差异.另外，机场探空数据大多位于城市地区，可以作为城市边界层探测数据的重要补充.因此，AMDAR边界层廓线数据将在ABL结构、陆-气耦合、城市气候研究以及数值模拟等多方面有重要的应用价值.