CHARACTERISTICS OF THE FOG IN THE CHONGQING SECTION OF YANGTZE RIVER WATERWAY: A STUDY BASED ON MACHINE LEARNING
-
摘要: 基于2018—2020年长江沿线26个自动气象监测站的逐5 min能见度监测数据、重庆海事管辖水域资料和长江航道基础地理信息,利用K-Means、DTW、PCA等机器学习算法,分析了长江重庆航道雾情的时空分布、时序形态等特征。结果表明:长江重庆航道雾情过程高发区域是涪陵-忠县水域,长寿及上游水域次之; 江面雾情过程较高频率出现在夏季的6月、7月,冬季较之偏少,大部分的雾情过程时长均在1 h内,多在夜间生成及结束; 不同时间长度的雾情过程具有不同的时序形态特征,当时长不足27 h时,主要表征能见度下降过程的信号,超过27 h的过程则主要表征能见度回升阶段信号,“象鼻形”先期振荡信号随着雾情过程时长的加大而进一步增强。Abstract: Based on every 5 minutes visibility monitoring data from 2018 to 2020 from 26 automatic weather monitoring stations along the Chongqing section of Yangtze River (CSYR), data of the jurisdicted water area of Chongqing Maritime Safety Service and the basic geographic information of Yangtze River, the spatiotemporal distribution and temporal morphological characteristics of the fog in the CSYR are analyzed by using machine learning algorithms such as K-means, DTW and PCA. The results show that the high incidence area of fog processes in the CSYR is the waters from Fuling to Zhongxian, followed by Changshou and its upstream waters. Fog process is more frequent in June and July, whereas less in winter. Fog usually rises and disperses at night, and the majority of fog processes has a duration within one hour. Processes with different lifespan present distinct temporal morphological characteristics. In the cases that last for less than 27 hours, signals of visibility decline are found, whereas the cases which last for more than 27 hours mainly show signals of visibility rise. In addition, the early oscillation signal that looks like elephant trunks is further enhanced with the extension of the fog process duration.
-
Key words:
- Chongqing /
- Yangtze River waterway /
- fog /
- machine learning
-
表 1 长江重庆航道气象监测站地理位置信息
序号 站名 行政区县 海事处 附近地名 序号 站名 行政区县 海事处 附近地名 1 几江 江津 江津 飘灯碛 14 江南中学 长寿 长寿 羊角堡 2 汤家沱 九龙坡 巴南 汤家沱 15 武陵镇 万州 万州 牛坊沱 3 滥井沟 大渡口 滥井沟 16 新田镇 新田镇 4 鱼洞 巴南 黄溪沟 17 万州一中 苎溪河 5 木洞镇 朝天门 普子岩 18 大周镇 土地盘 6 蔺市镇 涪陵 涪陵 虾子梁 19 双江镇 云阳 云阳 双江镇 7 江东 塘湾 20 云阳镇 张飞庙旧址 8 睦和 外坪 21 故陵镇 龙井村 9 名山镇 丰都 丰都 黄桷背 22 安坪镇 奉节 奉节 新安坪镇 10 高家镇 辗盘石 23 夔门 台子角 11 洋渡镇 忠县 忠县 洋渡 24 曲尺乡 巫山 巫山 再也湾 12 忠州镇 菜园沱 25 巫峡镇 关庙沱 13 石宝镇 汝溪河 26 培石乡 吊岩 表 2 长江重庆航道雾情过程时长统计表
持续时长/时 轻雾 大雾 浓雾 发生频次/次 占比/% 发生频次/次 占比/% 发生频次/次 占比/% [0,1) 3 619 41.2 2 009 22.9 1 140 13.0 [1,2) 454 5.2 329 3.7 408 4.6 [2,3) 108 1.2 108 1.2 129 1.5 [3,4) 33 0.4 33 0.4 60 0.7 [4,5) 16 0.2 37 0.4 36 0.4 [5,6) 8 0.1 19 0.2 28 0.3 [6,7) 5 0.1 7 0.1 15 0.2 [7,8) 7 0.1 8 0.1 12 0.1 [8,9) 4 0.0 7 0.1 18 0.2 [9,10) 3 0.0 5 0.1 14 0.2 [10,11) 3 0.0 5 0.1 11 0.1 [11,12) 1 0.0 7 0.1 7 0.1 [12,24) 6 0.1 16 0.2 25 0.3 (24,∞) 5 0.1 10 0.1 9 0.1 表 3 长江重庆航道雾情过程低能见度持续时间统计表
持续时长/时 轻雾 大雾 浓雾 发生频次/次 占比/% 发生频次/次 占比/% 发生频次/次 占比/% [0,1) 4 190 47.7 2 568 29.2 1 761 20.0 [1,2) 63 0.7 22 0.3 73 0.8 [2,3) 11 0.1 6 0.1 17 0.2 [3,4) 2 0.0 3 0.0 17 0.2 [4,∞) 6 0.1 1 0.0 44 0.5 -
[1] 俞香仁, 苏茂, 姚扬苑. 长江雾的考察与分析[J]. 气象, 1990, 16(1): 46-49. [2] 李子华, 仲良喜, 俞香仁. 西南地区和长江下游雾的时空分布和物理结构[J]. 地理学报, 1992, 47(3): 242-251. [3] 孙锦铨, 任遵海. 江面雾的形成及其预报[J]. 气象科学, 1997, 17(3): 280-289. [4] 周伟灿, 魏炜. 长三角地区雾的时空分布及频次模型研究[J]. 大气科学学报, 2010, 33(2): 137-141. [5] 张恩红, 朱彬, 曹云昌, 等. 长江三角洲地区近30年非雾天能见度特征分析[J]. 气象, 2012, 38(8): 943-949. [6] 田小毅, 朱承瑛, 张振东, 等. 长江江苏段江面雾的特征和预报着眼点[J]. 气象, 2018, 44(3): 408-415. [7] 龚素荣, 张学中. 三峡库区航道雾情特征分析及对通航的影响[J]. 中国水运, 2017, 38(4): 35-37. [8] 陈乾金, 江滢, 王丽华. 长江三峡坝区的大雾分析[J]. 气象, 1997, 23(6): 28-32. [9] 虞俊, 王遵娅, 张强. 长江三峡库区大雾的变化特征分析及原因初探[J]. 气候与环境研究, 2010, 15(1): 97-105. [10] 黄治勇, 牛奔, 叶丽梅, 等. 长江三峡库区极端大雾天气的气候变化特征[J]. 长江流域资源与环境, 2012, 21(5): 646-652. [11] 白永清, 陈正洪, 陈鲜艳, 等. 长江山区航道剖面能见度分析及局地影响因素初探[J]. 长江流域资源与环境, 2015, 24(2): 339-345. [12] 王林, 陈正洪, 代娟, 等. 气象因子与地理因子对长江三峡库区雾的影响[J]. 长江流域资源与环境, 2015, 24(10): 1 799-1 804. [13] 王中, 陈艳英. 三峡库区航运气象条件分析[J]. 长江流域资源与环境, 2008, 17(1): 79-82. [14] 谢斌, 高嵩, 初秀民, 等. 基于神经网络和小波变换的长江山区航道雾情时空分布[J]. 中国航海, 2015, 38(3): 103-107、134. [15] 代娟, 陈正洪, 田树青, 等. 长江山区航道雾的时空分布特征分析[J]. 长江流域资源与环境, 2015, 24(2): 333-338. [16] 杨贵名, 林建, 宗志平. GB/T 27964-2011, 雾的预报等级[S]. 北京: 国家气象中心, 2012: 1-2. [17] 交通运输部. 长江干线恶性天气等条件下船舶禁限航管理规定[J]. 中国应急管理, 2016(11): 45-46. [18] 王鑫, 张涛, 金映谷. 异常检测算法综述[J]. 现代计算机, 2020, 702(30): 21-26. [19] 徐洪学, 孙万有, 杜英魁, 等. 机器学习经典算法及其应用研究综述[J]. 电脑知识与技术, 2020, 16(33): 17-19. [20] 郝晓弘, 李亚岚, 顾群, 等. 基于DTW直方图的电力负荷数据聚类算法[J]. 传感器与微系统, 2020, 39(12): 140-142. [21] 张贤亮, 尚尚, 魏海峰. 基于LOWESS回归的一阶海杂波识别算法[J]. 电子器件, 2019, 42(2): 458-462. [22] 陈施吉, 李家启, 王远谋, 等. 长江重庆航道大雾灾害风险评估与区划研究[J]. 西南大学学报(自然科学版), 2020, 42(9): 165-172. [23] 吴兑, 吴晓京, 李菲, 等. 中国大陆1951—2005年雾与轻雾的长期变化[J]. 热带气象学报, 2011, 27(2): 145-151. [24] 王远谋, 李家启, 陈施吉, 等. 基于机器学习的重庆长江航道雾图像特征识别研究[J]. 气象与环境学报, 2021, 37(1): 106-112.