曝光臺 注意防騙 網曝天貓店富美金盛家居專營店坑蒙拐騙欺詐消費者

F15-F9+F6+F3+F
54 175
X4 V7 與（V7+V6）/2-V5 107 294
２
2.2 因子1(X1)：輻射降溫引起的水汽凝結分析
因子1 中u5,u6,u7 分別是預報日當天5-7 時的相對濕度，代表當時機場的地面含水
量。Td19 和Td20 分別是預報日前一天19 時和20 時的露點，Tmin 是預報發布當天清晨
前后的最低氣溫，7/6 是經驗系數。
0
50
100
150
200
250
300
350
-60 -50 -40 -30 -20 -10 0 10 20 30 40
[td(19+20)-2tmin]7/6
u5+u6+u7
>=1000
<1000
圖1 因子1 聚類分析圖
如果就其天氣形勢環流特點來分析，造成長春機場的冬季的能見度，既有大陸性高
壓本身系統決定的下沉性氣流天氣，也有地面靜止鋒前部弱西南氣流下的低能見度天氣，
也有鞍形場天氣形勢的影響，這些天氣系統的共同點是夜間輻射降溫，濕度增大。分析
長春機場的冬季低能見度大多數為輻射霧性質。于是在考慮有利的天氣形勢引發低能見
度的同時，把輻射凝結條件放在重要地位，著眼于熱力條件判斷早晨的氣溫是否低于20
時的露點，如果低于，表明夜間有足夠充分的凝結條件產生。
2.3 因子2(X2)：動力因子和地面水汽分析
因子2 中（t5-td5）、（t6-td6）、（t7-td7）是預報當天5-7 時的溫度露點差，f5+f6+f7
是預報當天的5-7 時的風速之和，它們反映了在本場飛行活動之前確保有足夠的地面水
汽，而且風力不致于將水汽吹散，將水汽條件和反映動力條件的風組合在一起，從地面
湍流條件成因上起到對霧的識別作用。
圖2 因子2 聚類分析圖
2.4 因子3(X3)：霧的垂直結構和低層大氣動力條件分析
因子3 中，（t-td）、（t9-td9）、（t8-td8）分別是前一日20 時地面、850hpa 和925hpa
0
5
10
15
20
25
30
0 5 10 15 20 25 30 35 40 45 50
(t5-td5)+(t6-td6)+(t7-td7)
f5+f6+f7
>=1000
<1000
３
的溫度露點差，f、f3、f6、f9 和f15 分別是地面和距地面300 米、600 米、925 米和1500
米的風速。根據文獻結論，冬季輻射霧主發生在近地面400 米的淺層內，于是距離地面
900 米的大氣磨擦層及低層大氣的狀態成為不可不考慮成霧因素，因子3 選取地面
925hpa、850hpa 高層的溫度露點差，并且加入了1500 米以下共4 層的風速和，利用空
間的水汽分布和動力條件來判別霧的成因。
圖3 因子3 聚類分析圖
2.5 因子4(X4)：連續演變分析
因子4 中v5、v6、v7 分別是當天早上5 時、6 時和7 時的有效能見度。本場觀測的
能見度演變，是動力、熱力、水汽條件的綜合反應，將預報時效縮短，把預報員的外推
思維數字模式化，得到圖4，作為因子4。
-12000
-10000
-8000
-6000
-4000
-2000
0
2000
4000
6000
8000
0 2000 4000 6000 8000 10000 12000
v7
(v7+v6)/2-v5
<1000
>=1000
>=1
圖4 因子4 聚類分析圖
由于資料的原因，各類不同的因子樣本數都不一樣，有的甚至差的較多，分析過程
中同時選取了相應的第2 類樣本資料（≥1000 米）各因子樣本識別率結果如下（表2）。
表2 1000 米預報因子樣本識別率
因子序號
1 類識別率
（%）
2 類識別率
（%）
空報率（%） 漏報率（%）
綜合識別率
（%）
X1 73.0 66.9 22.3 6.3 68.3
X2 85.6 63.7 27.9 3.3 68.9
X3 66.7 82.9 13.1 7.9 79
X4 86.9 80.6 14.2 3.5 82.3
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350
(t-td)+1/3(t9-td9)+1/4(t8-td8)
f15-f9+f6+f3+f
>=1000
<1000
４
3 判別函數的建立
3.1 判別函數的建立
將4 個判別因子所含要素資料全部找齊，樣本總數218 個。其中1 類樣本數51 個；
2 類樣本數167 個。各個判別因子分別進行0、1 判別。將自變量和因變量都分為0、1
兩類，建立判別方程。即規定，例：若因子1 判別當日能見度為小于1000 米時，該因子
X1 為1；反之，X1 為0。其它因子與此相同。最后因子X1、X2、X3、X4 都以0、1 形
式出現。計算判別因子X1、X2、X3、X4 識別率，建立判別函數。
Y=0.03634X1+0.08238X2+0.20398X3+0.47232X4
判別臨近值指標：Yc=0.50。
當Y>Yc 時,預報能見度小于1000 米；Y<Yc 時,預報能見度大于等于1000 米。
3.2 判別函數的樣本準確率:
表3 判別函數的樣本準確率
1 類識別率
（%）
2 類識別率
（%）
空報率（%） 漏報率（%）
綜合識別率
（%）
判別函數80.4 91.6 6.42 4.59 89.0
3.3 判別函數的檢驗
用2002 年11 月1 日至2003 年2 月28 日的資料對以上成果進行了檢驗，檢驗情況
見表4。
表4 2002 年11 月1 日至2003 年2 月28 日檢驗情況
1 類識別率
（%）
2 類識別率
（%）
空報率（%） 漏報率（%）
綜合識別率
（%）
判別函數50.0 96.4 3.3 4.2 92.5
4 結束語
長春機場冬季低能見度預報判別函數，具有較強的針對性和實用性，預報準確率比
以前有了一定的提高，預報制作的勞動強度比以前有所降低，研制的主要特點有以下三
條：
4.1 針對本機場實際預報的難點，解決問題的出發點是首先分析成因。長春機場冬季
低能見度成因以動力條件、熱力條件和水汽條件為主要條件。
4.2 長春機場冬季低能見度預報因子的篩選選擇上注重物理含義，選擇4 個因子內容
見正文表1。
4.3 長春機場冬季低能見度由4 個組合因子制作判別函數實現了多因子預報集成，歷
史樣本準確率為89.0%，一個冬季檢驗準確率為92.5%。
　
中國航空網 m.k6050.com
航空翻譯 www.aviation.cn
本文鏈接地址：空管資料5(54)