多种机器学习方法在京津冀地区低能见度天气预报中的应用

利用2017—2021年的ERA5再分析资料和京津冀国家站地面资料,结合多种机器学习方法建立预报模型,开展轻雾、大雾客观预报。探讨了再分析资料、地形因素的影响,并结合多模型集成、统计消空进一步优化模型。结果表明:(1)XGBoost(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)、随机森林等集成学习方法的预报效果均优于决策树方法;(2)在引入ERA5再分析资料、地形建模后,XGBoost、LightGBM模型的预报性能显著提高。相比仅使用地面要素建模,大雾预报的TS(Threat Score)提升了30%、32%,达到0.52、0.49,命中率分别为0.62、0.87。此外,经过多模型集成后,轻雾、大雾预报的TS提升到了0.51、0.54;(3)2022年秋季一次大雾过程中,本方法提前72 h准确预报了京津冀地区的大雾,其中以LightGBM模型表现最好。0~72 h轻雾预报和0~36 h逐小时大雾预报的TS均达到0.3,预报准确率、时效性均优于ECMWF(European Center for Medium Weather Forecasting)模式。

低能见度下GYOLOv5-SPD算法的车牌检测

车牌自动检测技术是构建智慧城市、加强交通管理等方面的重要内容。目前车牌检测技术正在逐步完善,但对于光照条件过低、雨天、雪天等能见度极低的气候环境下所拍摄的车牌照片,车牌检测技术还处于一个相对落后的水平。本文在中国城市停车数据集(CCPD)中能见度极低的车牌图像的基础上利用添加了伽玛(Gamma)变换的你只需看一次(YOLO)v5s模型与空间到深度层及无步长卷积层(SPD-Conv)进行融合用于车牌检测,将低能见度条件下的车牌视为小物体进行检测,目的是最大限度地识别其特征以提高精度。实验结果表明,本文用到的方法在车牌定位检测阶段达到了99.68%的召回率,在低能见度条件下对车牌的定位检测相较其他算法确实有一定的优势。

考虑群组特性的低能见度下铁路枢纽候车区人群疏散研究

为探究低能见度下铁路枢纽候车区环境中,群组特性对人群疏散的影响,通过开展低能见度下个体和群组混合人群疏散实验,计算分析疏散时间、疏散速度、群组构型等数据,探讨不同人员密度场景下群组行为的动态特性。在此基础上构建疏散模型进一步分析群组比例的影响。结果表明:座位区走廊及出口前通道存在人群短时聚集的风险;中、低密度场景下,2人群组疏散速度显著大于3人群组,男性群组疏散速度显著大于女性群组;在疏散过程中,女性群组表现为慢速、有序,男性群组相对快速、无序。此外,仿真模拟结果显示,高密场景下,40%的群组比例取得的疏散时间最短。从实验分析及仿真结果出发,对考虑群组特性的低能见度下铁路枢纽候车区人群疏散提出建议,为管理者和决策者制定疏散策略提供参考。

贵州省能见度自动观测与人工观测低能见度特征对比分析

为考察能见度自动监测前后低能见度在贵州时空分布的新特征、对交通的影响等,本文选取2008~2022年贵州84个气象站能见度观测资料,进行了分观测时段、分低能见度等级、分影响天气类型的分析和比较。发现自动观测提高了观测频次和观测精度,但出现了气候突变,抽取与人工观测相同时次的观测数据可提高跨越自动观测前后的低能见度分析资料的连续性。定时观测能见度数据发现,自动观测后,贵州各站的站点雾日变化较大,多雾中心更强、更多;各时次自动观测前后年均低能见度变化不一致,占比最多的8时低能见度差异最大。进一步分析区域雾日,发现自动观测后年均区域雾日增加了22.4 d,按照天气影响系统划分的锋面雾日显著增加,而辐射雾日减少;对区域雾日计算能见度系数计算,发现自动观测后低能见度强度增加,对交通影响增加,其中锋面雾日的影响大于辐射雾日;两类雾日中3级低能见度站次都有所增加,说明自动观测更易捕捉到能见度低的天气。总之,分类雾在能见度自动观测中呈现出的新特点值得进步一深入研究。

降雪过程对大兴机场低能见度的影响

统计了大兴机场2019—2022年11月至次年3月降雪天气出现的次数,并重点对大兴机场一次典型降雪影响能见度过程中的气象要素变化特征进行分析,利用HYSPLIT模型对水汽来源进行追踪,以期为大兴机场降雪天气下低能见度的预报和观测提供一定的参考。

公路低能见度监测预警系统设计与实现

主动预防低能见度下的恶性交通事故是公路运营管理亟待解决的问题。针对目前基于视频监控的低能见度监测预警算法精度不高、需要在公路上额外加装参照物、无法有效区分不同雾的类型等问题,本文研发了一套公路低能见度监测预警系统,对系统总体架构、功能模块和数据库进行了设计,实现了事件监测预警、事件分类管理、数据统计分析、公路视频轮询、设备在线管理等功能,系统采用了一种无需额外加装参照物的监测预警算法,并创新提出了团雾与其他雾低能见度事件的区分方法,促进了公路低能见度事件检测的便捷化和精准化。实验结果表明,该系统能够快速、有效地实现公路低能见度事件检测和分类,支撑管理部门及时开展更具针对性的管控措施。

2016—2021年内蒙古低能见度日数时空变化特征及影响因素分析

文章根据内蒙古地区119个自动气象站能见度、各类天气现象、气象要素等观测资料,对内蒙古地区低能见度日数时空变化特征以及影响因素进行统计分析,得出以下结论:全区低能见度频发的地区主要在呼伦贝尔市东北部、通辽市南部、赤峰市西南部、锡林郭勒盟西南部、巴彦淖尔市东部等;冬季发生低能见度的日数更多,发生频次最高的地区位于巴彦淖尔市乌拉特前旗;内蒙古中东部地区的雨、雪、雾(包括雾和轻雾)天气、内蒙古西部地区的沙尘(包括沙尘暴、扬沙和浮尘)天气很大概率会导致能见度降低;另外发现能见度与相对湿度呈现负相关关系,即相对湿度越大,能见度越低,且当风速满足0~3 m/s的微风状态时极易发生低能见度情况。

新一代静止气象卫星对浙江省金丽温高速公路低能见度识别的研究

利用浙江省地面观测数据和新一代静止气象卫星数据,通过逻辑回归(LR)、线性判别(LDA)、K近邻算法(KNN)、决策树(CART)、高斯贝叶斯(NB)和支持向量机(SVM)6种机器学习算法针对浙江省金丽温高速公路进行低能见度识别建模,并运用多种评估方法评估模型结果,显示SVM算法模型效果较好,且针对小于1000 m的能见度天气有较好的识别。进一步结合地面观测数据和卫星数据建立识别模型,发现效果优于单一来源的数据建模,一般以KNN算法建模效果较好,且在对浓雾、强浓雾的识别中,结合地面和卫星数据的模型识别效果更好。针对单一数据利用SVM算法,结合地面和卫星数据选择KNN算法再对金丽温高速公路的大雾过程进行识别,显示新一代静止气象卫星数据的模拟效果不差于地面观测数据模拟效果,且能够识别夜间和凌晨的雾,对地面观测识别可作为有效补充,将对省内没有地面气象观测的低能见度识别和短临预测有一定辅助参考作用。

2013—2020年南宁机场大雾期间低能见度与低跑道视程特征分析

利用南宁机场2013—2022年逐时地面观测数据,对南宁机场8年来大雾期间主导能见度低于800 m(低能见度)和RVR低于550 m(低RVR)出现时次进行统计分析。结果表明,低能见度与低RVR出现时次8年来呈微弱的上升趋势,低能见度出现时次年际变化更加强烈;3—4月是低能见度与低RVR出现最频繁的时段,其中3月份是两者出现时次共同的峰值,5—6月份南宁机场8年来未出现过低能见度与低RVR;低能见度与低RVR时次多集中出现在21—1时之间,两者均在23时达到各自的峰值,4—12时,出现低能见度与低RVR的概率极低;700~800 m和400~500 m是低能见度出现的2个高值区间,350~400 m和400~450 m是低RVR出现的2个高值区间;对于平流雾,随低能见度等级的上升,对应的RVR取值范围跨度越大,而对于辐射雾,当主导能见度大于等于150 m时,各级低能见度对应的RVR取值范围跨度均较大,在各级低能见度下,均存在RVR大于等于2000 m的情况。

连霍高速公路陕西段低能见度特征及影响因素

为了提升高速公路沿线低能见度预报预警能力,本文利用连霍高速公路陕西段沿线10个交通气象观测站逐时观测资料和欧洲中期数值预报中心ERA5逐小时再分析数据,分析公路沿线低能见度分布特征,探究低能见度与其他气象要素的关系。结果表明:1月是连霍高速公路陕西段沿线低能见度天气高发月份,而2月低能见度天气最少;一日中00:00—10:00(北京时,下同)低能见度出现次数最多,其中0~50 m的低能见度主要出现在05:00—06:00;低能见度持续时间较短,多在2 h以内,最长持续17 h。兴平到常兴段、陈仓段低能见度天气较多,是日常交通气象服务需要重点关注的路段。低能见度与各气象要素的关系分析发现,0~5℃的气温、90%以上的相对湿度、1.0 m·s^(-1)以下的风速且处于东北风至东风条件下低能见度出现次数最多。夏季和冬季低能见度多与降水天气有关,低能见度通常出现在降水过程中或过程后,这种低能见度天气均在天气系统影响时出现,较辐射降温引起的低能见度持续时间更长、范围更广。各季节低能见度形成时的相对湿度不尽相同,冬、夏、秋季低能见度天气的相对湿度较高,而春季低能见度天气的相对湿度较低。

天津地区低能见度时空特征及其在高速公路气象服务中的应用

利用2017—2020年天津地区交通自动气象站、国家级地面气象观测站、部分区域自动气象站的能见度和降水量观测资料,分析了对高速公路交通安全产生较大影响的低能见度时空特征及其与降水的关系,进而给出各高速公路低能见度风险等级及对应的关键服务期。结果表明:天津地区低能见度年均日数为22.1 d,空间分布差异明显,北部出现频率最多,西部、南部次之,东部最少。低能见度大多集中在9月至翌年2月,且出现频率夜间高于白天,通常在06时前后达到最大。夏季降水对低能见度产生有明显影响,7—8月受降水影响的低能见度约占全部的47.1%,集中发生在13—15时和19时至翌日08时两个时段。低能见度风险等级较高的高速公路约占全部的57.1%,不同高速公路的重点关注路段和关键服务期也有明显差异。

降雪中低能见度灾害性天气的预报预警方法

本文选取2019-2021年哈尔滨、五常站10 min平均能见度、气温、10 min平均风速、风向、小时降雪量、相对湿度等常规观测数据,通过各气象要素与能见度的相关性分析和显著性检验,表明10 min平均风速、相对湿度、小时降水量与能见度相关。通过各要素在不同能见度等级中的频率分布表明:当10 min平均风速超过3.4 m/s且相对湿度<80%,小时降雪量在0.1 mm左右,能见度等级将为1-2级,能见度状况好;当10 min平均风速在2.5-3.5 m/s且相对湿度达到80%-90%,小时降雪量在0.1-0.5 mm,能见度等级为3-4级,能见度状况转差;当10 min平均风速<2.5 m/s且相对湿度超过90%,小时降雪量>0.7 mm,能见度等级为5-6级,能见度状况差。

基于集成学习的沿海低能见度天气分类预报方法

在2020年3月—2021年7月福建漳州沿海地区融合实况资料与欧洲中心细网格模式预报产品的基础上,应用集成学习中的LightGBM(Light Gradient Boosting Machine)算法建立分类预报模型以预测低能见度天气。针对样本极端不均衡的问题,在建模与检验中分别采用Bagging(Bootstrap Aggregating)技术和AUC(Area Under Curve)评分进行解决。根据有无新特征构造和模型融合划分为四种方案进行试验,同时将逻辑回归建模方案作为对比。结果表明:(1)在所有特征中,2 m露点对判断低能见度天气发生发展最为重要,2 m与1000 hPa温差的重要性次之;(2)所有建模方案均能改善模式原始预报,其中LightGBM模型总体效果优于逻辑回归模型,两者命中率相似,但前者空报率显著降低;(3)新特征构造与模型融合的技巧能够进一步改善预测性能,包含这两者的建模方案在测试集上表现更佳,其中新特征构造对模型的提升幅度更为突出。

LSTM在低能见度预报中的应用

低能见度天气是制约交通出行的主要因素之一,提前做好低能见度的预报工作能利于提前决策、规避风险、降低损失。由于低能见度天气是时间序列问题,针对这种问题,近年来深度学习的长短时记忆网络模型能够显著提高预报精度,因此利用多变量数据对茅台机场低能见度进行预测。首先进行气象因素分析,利用皮尔逊相关系数法来挑选相关性高的气象因子,从而减小数据量得到更利于训练的数据集。然后利用LSTM网络对多元时间序列进行建模,实现机场低能见度的预测。经过试验,模型对茅台机场能见度的准确预报率为85.43%,为机场低能见度预报提供了新的方法。

轨道交通低能见度场景图像增强系统研究

目标检测、语义分割等视觉任务应用于轨道交通的众多场景,大多数视觉系统被设计为在清晰的环境中执行,然而真实的轨道交通场景必然会包含退化的图像场景,列车一年四季在外遇到的恶劣的天气,以及面对隧道、夜间等环境中较差的照明,这些退化的图像会降低高级视觉任务的性能。本文关注于在恶劣天气(雾天,降雨)和弱光条件导致的能见度低的场景下进行图像增强,改善退化图像质量,为此,本文提出了一种轨道交通低能见度场景图像增强系统,可以自适应地对天气和照度进行分类并对分类后得到的低照度、雾天和雨天这三种场景图像进行增强。将该系统运用于轨道交通场景下的多目标检测以及语义分割应用中,实验结果表明,对于低照度图像以及雾天图像,本文系统可以提升多目标检测及语义分割约1%的准确率,对于雨天图像,本文系统可以提升多目标检测及语义分割4%以上的准确率。

高原机场远程预报低云低能见度分析研究

文中选择以丽江机场作为预报中心,使用现有的预报产品及模式模拟制作泸沽湖机场远程航空预报。通过对比分析丽江机场低能见度月平均预报准确率及泸沽湖机场自身预报准确率可得出;在6~9月,丽江机场气象台与泸沽湖气象台对于低云低能见度的预报情况均较好;其中使用欧洲天气预报中心(ECMWF) ERA5提供的资料及现有的预报产品远程预报一次泸沽湖机场低云低能见度天气过程,此次个例分析也说明了远程预报的可行性。总体来说,对于航班运行期间远程预报泸沽湖机场低云低能见度的预报情况较好。

贵阳机场低能见度和低跑道视程特征及其影响机制分析

利用贵阳龙洞堡机场2012~2022年逐分钟自动观测资料,对影响运行的能见度低于800 m (低能见度)和跑道视程(RVR)低于550 m (低RVR)时次的出现次数进行统计,并分析对应气温、相对湿度、风向风速的频率分布。结果表明:贵阳机场年低能见度和低RVR日均呈显著的下降趋势。季节变化特征分别为:夏季 > 冬季 > 春季 > 秋季、夏季 > 春季 > 秋季 > 冬季。月变化趋势比较一致,全年均可出现。峰值均为8月,谷值均为12月。日变化呈单峰型分布,峰值均为北京时间07时,均主要出现在05~09时,11~次日01时均很少出现。低能见度和低RVR持续时间与频率大致成反比,主要分布在0~4 h (均占64%),低能见度在1 (含)~2 h频率最高、低RVR在1 h内频率最高。低能见度和低RVR时气温主要在10~20℃、相对湿度 ≥ 95%、风向为东北风或偏北风、风速 ≤ 2 m/s。低能见度和低RVR均在200~500 m占比最多;低能见度在100~200 m占比最少,低RVR 在50~150 m占比最少。

自贡机场2018-2022年冬季低能见度与地面温度和风向关系探析

利用自贡机场2018-2022年地面自动观测系统数据及人工整点观测能见度数据,分析低能见度天气出现的频次和月变化,并结合地面温度和风向情况进行对比总结。结果表明:2018-2022年冬季13小时观测时段内出现低能见度天气频次大致都先增加后降低,冬季各月低能见度天气日变化明显,2月早晨7-8时低能见度天气最显著;冬季3个月13小时低能见度条件下温度日变化与原始资料变化趋势大致上都是先逐渐增加再逐渐减小;7-8时12、1、2月的气温波动幅度逐渐增大;低能见度天气12、1、2月主导风向都是正北风,低能见度时主导风向频次都远大于原始资料场。

欧洲细网格数值预报产品在双流机场低能见度天气预报中的应用研究

针对目前双流机场主导能见度及跑道视程缺乏客观预报产品的问题,利用2009-2019年的自动观测、天气报告和EC细网格数值预报产品,基于双流机场低能见度天气学预测模型,建立主导能见度和跑道视程预测软件。该软件结合民航运行规范,利用归一化方法对EC细网格数值预报能见度产品进行修订,利用RVR与主导能见度的统计关系得到精细化的RVR预测产品,并利用历史个例前期地面气象要素的统计值进行消空。研究结果表明,该软件具有良好的准确性、稳定性,可有效降低双流机场低能见度天气的空报率和漏报率。

低能见度天气对飞行的影响及应对措施

本文从低能见度天气对飞行基本状态的影响、空中领航的影响、飞行员情景意识的影响、飞行员负荷的影响、飞行员决策的影响、导航设备使用的影响几个方面进行了分析,据此提出以下应对措施:(1)强化飞行员的自我学习和训练;(2)强化飞行前的地面准备;(3)强化空中偶遇低能见度天气的应对措施;(4)强化管制员对低能见度天气的应对措施;(5)强化运营单位对低能见度天气的应对措施,以期降低低能见度天气对飞行的影响,保证飞行安全。