• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2023, 41(1): 82-90 DOI: 10.11755/j.issn.1006-7639(2023)-01-0082

论文

连霍高速公路陕西段低能见度特征及影响因素

张宏芳,, 张曦, 梁佳, 郭琦, 王靖中

陕西省气象服务中心,陕西 西安 710014

Characteristics and influence factors of low visibility along Shaanxi section of the Lian-Huo expressway

ZHANG Hongfang,, ZHANG Xi, LIANG Jia, GUO Qi, WANG Jingzhong

Shaanxi Meteorological Service Centre, Xi’an 710014, China

责任编辑: 蔡迪花;校对:王涓力

收稿日期: 2021-11-16   修回日期: 2022-04-19  

基金资助: 陕西省重点研发计划项目(2022SF-360)
中国气象局气象灾害风险评估项目
秦岭和黄土高原生态环境气象重点实验室开放研究基金课题(2020G-9)

Received: 2021-11-16   Revised: 2022-04-19  

作者简介 About authors

张宏芳(1981—),女,陕西平利人,正高级工程师,主要从事气象服务与应用气象研究。E-mail:hongfanglj@sohu.com

摘要

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。

关键词: 连霍高速公路陕西段; 低能见度; 分布特征; 影响因素

Abstract

To improve the forecast and early warning ability for the low visibility along the expressway, the hourly observation data of 10 traffic meteorological stations along Shaanxi section of the Lian-Huo expressway and the hourly reanalysis data of the European Center for Medium-Range Weather Forecasts are employed to analyze the distribution characteristics of low visibility and to explore the relationship of low visibility with other meteorological factors. The results show that along Shaanxi section of the Lian-Huo expressway, January has the most low visibility, while February has the least. During a day, the low visibility mostly happens from 00:00 to 10:00, and the low visibility of 0-50 m mainly occurs from 05:00 to 06:00. The low visibility duration is short with the majority of within 2 hours and the longest of 17 hours. The low visibility weathers occur frequently from Xingping to Changxing and Chencang section, where attention should be paid in daily traffic meteorological service. Accordingly to the analysis of the relationship between low visibility and other meteorological factors, the low visibility generally occurs under the conditions of air temperature from 0 to 5 ℃, relative humidity above 90%, wind speed less than 1.0 m·s-1 and northeast to east winds. The low visibility weather in summer and winter is mostly associated with precipitation, which usually occurs during or after the precipitation and is accompanied by weather systems always. Compared with the low visibility caused by radiation cooling, the low visibility associated with precipitation exhibits longer duration and the wider range. The low visibility weathers occur at different relative humilities in different seasons, which in winter, summer and autumn are high, while in spring are relatively low.

Keywords: Shaanxi section of the Lian-Huo expressway; low visibility; distribution characteristics; influence factors

PDF (16886KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张宏芳, 张曦, 梁佳, 郭琦, 王靖中. 连霍高速公路陕西段低能见度特征及影响因素[J]. 干旱气象, 2023, 41(1): 82-90 DOI:10.11755/j.issn.1006-7639(2023)-01-0082

ZHANG Hongfang, ZHANG Xi, LIANG Jia, GUO Qi, WANG Jingzhong. Characteristics and influence factors of low visibility along Shaanxi section of the Lian-Huo expressway[J]. Arid Meteorology, 2023, 41(1): 82-90 DOI:10.11755/j.issn.1006-7639(2023)-01-0082

引言

伴随着国民经济的快速发展,高速公路在日常交通、运输方面的作用越来越大,与此同时在气候变暖背景下各类恶劣气象条件对其影响也日趋明显(王志等,2017;Xu et al., 2018;Yuan et al., 2018)。据公安部数据统计显示,我国高速公路交通事故中恶劣天气占比近两成,15%的重特大交通事故和21%的直接经济损失发生在恶劣气象条件下(田华等,2019)。因此,开展高速公路沿线恶劣天气的时空分布特征及预报预警技术研究是推进交通气象高质量发展的重要基础。

大雾、霾、沙尘、降水等引发的低能见度天气是造成我国高速公路交通事故最严重的灾害性天气之一(包云轩等,2013),如河北高速公路38.3%的通行受阻是由气象因素造成,其中以雾居多,冰雪次之(曲晓黎等,2016;曲晓黎等,2020);安徽高速公路管制中雾占比60.9%,且管制等级较高(丁国香等,2018)。从20世纪60年代起,美国、英国等率先开展大气能见度的时空变化及趋势研究;20世纪80年代后,能见度的相关研究逐渐细化,主要侧重于大气污染物影响及气象条件等多角度分析(Craig and Faulkenberry,1979;Naegele and Sellers, 1981;Lee and Kwak, 2018)。我国大气能见度的研究起步较晚,20世纪80年代后才陆续开展一系列关于能见度发生发展规律(吴丹等,2019;丁秋冀等,2013)、宏微观物理特征(吴兑等,2007;黄建平等,1998;王宏斌等,2021)及天气成因(高红燕等,2013;刘小宁等,2005)等方面的研究。归纳起来,能见度与气象要素(相对湿度、气温、气压、风速等)的关系分析大多采用相关系数、百分率、Ridit分析等方法。研究发现,北京高速公路沿线大气能见度与相对湿度呈负相关,与风速和气压呈正相关,高湿和小风是出现低能见度的主要气象条件(王淑英等,2002);江苏沿海高速公路的能见度低于500 m后,若相对湿度继续增大到97%左右,且气温处于0~4 ℃、风速小于2.0 m·s-1、风向为ENE—SSE(东东北—南东南)时,能见度可能继续下降到200 m以下(王博妮等,2016)。然而,能见度与气象要素之间并非是简单的线性关系。张利娜等(2008)研究发现,首都国际机场高速公路沿线大气能见度与湿度之间呈明显的乘幂分布关系,而与气温呈U型相关。可见,能见度的形成与发展机制复杂,不同地域环境的能见度分布特征及其发生发展规律存在较大差异。因此,开展不同高速路段能见度时空分布特征和影响因子分析,构建精准预报预警模型,对提升交通气象高质量服务水平有重要意义。

近年来,随着我国高速公路通车里程的快速增加,交通气象服务需求更加精细化,加之我国幅员辽阔、地形复杂、气候多样,气候变暖背景下开展不同高速路段能见度研究对防灾减灾意义重大。陕西省作为我国内陆中心和旅游大省,是交通枢纽中心带,目前全省公路里程达17万km,高速公路通车里程突破5 000 km(张宏芳等,2020)。由于陕西省高速公路沿线交通气象观测站建站晚,交通气象基础数据匮乏,预报基础薄弱,对高速公路沿线恶劣天气下低能见度的认识还处于探索阶段。连霍高速公路(G30)作为贯穿陕西省东西向的主干线,沿线途经渭南、西安、咸阳、宝鸡4市13县(区),全长379 km。从2019年开始,基于十三五省部合作和中国气象局项目,陕西省气象局在连霍高速公路陕西段布设了13套交通气象观测站。本文基于连霍高速公路陕西段交通气象观测站数据和欧洲中期数值预报中心ERA5再分析资料,深入分析公路沿线低能见度的时空分布特征及其与气象要素的关系,旨在揭示公路沿线低能见度发生发展规律及其相关气象条件等关键气象信息,以期为该路段低能见度的精细化定点预报与预警提供技术支撑。

1 资料和方法

所用资料包括:(1)2019年11月30日至2020年12月31日连霍高速公路陕西段沿线10个交通气象观测站逐小时(北京时,下同)观测数据,包括最小能见度、降水量、相对湿度、气温、最高气温、最低气温、风速和风向、路面温度、路面最高温度、路面最低温度及路面状态等要素。其中,临渭站位于渭南市,兴平站、秦都站、武功站位于咸阳市,杨凌站位于西安市,常兴站、眉县站、阳平站、陈仓站、坪头站位于宝鸡市(图1)。(2)2020年1月24—25日欧洲中期数值预报中心ERA5逐小时再分析数据,包括地面气压、相对湿度、风场、位势高度、比湿等要素(https://climate.copernicus.eu/prod-ucts/climate-rean-alysis)。该资料从地面到0.01 hPa共分为137层,水平分辨率为0.125°×0.125°。(3)陕西省及各市行政边界,是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1606号的标准地图制作,底图无修改。

图1

图1   连霍高速陕西段(黑色粗实线)沿线交通气象观测站(蓝色五角星)和海拔高度(填色区,单位:m)分布

Fig.1   The distribution of traffic meteorological monitoring stations (blue five-pointed stars) and altitude (color filled areas,Unit: m) along Shaanxi section of the Lian-Huo expressway (black thick solid line)


按照《高速公路交通气象条件等级》标准(卞光辉等,2010),根据低能见度对高速公路的影响程度,本文将最小能见度小于等于500 m定义为低能见度,并划分为4个等级:>200~500 m、>100~200 m、>50~100 m、0~50 m。在计算低能见度时次前,预先对10个交通气象站观测资料进行质量控制,剔除错误数据;然后,当某一时刻某站能见度数据满足低能见度定义时,则计为1时次。

2 高速沿线不同等级低能见度特征

2.1 低能见度总体变化特征

2019年11月30日至2020年12月31日连霍高速陕西段10个交通气象站有66 d出现低能见度天气,共计533时次。其中,>200~500 m低能见度天气437时次,占比82.0%;>100~200 m低能见度天气72时次,占比13.5%;>50~100 m低能见度天气21时次,占比3.9%;0~50 m低能见度天气仅出现3时次,占比0.6%。2020年各月均有低能见度天气出现,1月低能见度天气发生次数最多,出现16 d,共计262时次(占比55.0%),其中0~50 m低能见度天气出现2时次;其次是8月,出现5 d,共计48时次(占比10.1%),而2、3月低能见度天气相对较少,均出现3 d,时次占比分别为6.3%、8.4%(图略)。可见,1月是连霍高速陕西段低能见度天气高发月份,是日常业务中需要重点关注的时段。

从低能见度时次日变化[图2(a)]来看,连霍高速陕西段一天中的任何时刻都可能出现低能见度天气,尤其00:00—10:00低能见度天气频发,该时段低能见度占比71.3%,07:00、09:00为峰值(占比8.3%);14:00—18:00低能见度天气较少,时次占比仅0.7%~0.9%。从不同等级低能见度分布[图2(a)]来看,0~50 m低能见度主要出现在05:00—06:00,>50~100 m低能见度主要出现在夜间到凌晨,时段比较分散;>100~200 m低能见度主要出现在01:00—03:00、05:00—07:00,>200~500 m低能见度主要出现在00:00—10:00。

图2

图2   连霍高速陕西段不同等级低能见度出现时次及占比(a)与最小能见度(b)日变化和不同持续时间低能见度出现次数占比(c)

Fig.2   The diurnal variations of occurring times and proportion of low visibility with different levels (a) and minimum visibility (b) and the proportion of occurring times of low visibility with different durations (c) along Shaanxi section of the Lian-Huo expressway


最小能见度逐时变化[图2(b)]显示,23:00至次日10:00均有小于100 m的低能见度天气出现,正好对应低能见度的高发时段;12:00—15:00最小能见度通常为>200~500 m,经研判该时段强浓雾天气少导致低能见度出现次数较少。从低能见度持续时间[图2(c)]来看,连霍高速陕西段的低能见度通常持续不足1 h,1 h以内的低能见度天气占比最大为50.6%,且随着持续时间的延长,占比显著降低,>1~2 h、>2~3 h、>4~5 h的低能见度天气占比分别为18.5%、9.9%、6.8%;超过7 h的低能见度天气较少,研究时段内仅出现9次,共计占比5.6%。其中,持续时间最长的过程是2020年1月25日关中、陕南出现的大范围大雾或浓雾天气,24日19:00—20:00开始,25日12:00之前消散,低能见度最长持续时间达17 h。

2.2 沿线各交通气象站低能见度日变化

图3是连霍高速陕西段沿线各交通气象站不同等级低能见度日变化。由于0~50 m的低能见度仅出现3时次,这里仅分析0~100 m、>100~200 m、>200~500 m三种情况。从图3看出,0~100 m的低能见度主要出现在夜间23:00至次日上午10:00,研究时段内武功、杨凌、常兴出现相对较多为4~6时次,而眉县、临渭未出现;>100~200 m的低能见度天气主要出现在16:00至次日09:00,其中00:00—09:00出现最多,这一时段气温迅速下降,往往是一日中气温相对较低时段,有利于低层大气水汽凝结形成辐射雾,车辆应尽可能避免该时段在高速公路上行驶;>200~500 m的低能见度天气在一天任何时次都可能出现,但夜间出现时次相对较多,正午12:00后随着太阳辐射增强,出现时次逐渐减少。

图3

图3   连霍高速陕西段沿线交通气象站0~100 m(a)、>100~200 m(b)、>200~500 m(c)低能见度出现次数日变化(单位:次)

Fig.3   The diurnal variations of occurring times of low visibility with different levels of 0-100 m (a), >100-200 m (b) and >200-500 m (c) at traffic meteorological stations of Shaanxi section of the Lian-Huo expressway (Unit: times)


从各交通气象站的统计情况来看,秦都、眉县、陈仓3站低能见度出现次数较少,研究时段内共出现12~14时次;阳平、兴平、杨凌、常兴、坪头5站低能见度天气出现较多,为45~91时次,而武功站是连霍高速陕西段低能见度出现时次最多的站点,达147时次;临渭站未出现过低能见度天气,可能是该站处于关中平原向东开口的喇叭口,不利于雾的形成(杜继稳等,2007)。

3 低能见度与各气象要素的关系

3.1 低能见度与降水的关系

影响低能见度的关键因素是大气中的水汽含量,因此低能见度与降水有一定关系。统计低能见度出现当日或前一日降水情况,发现63.6%的低能见度出现在当日或前一日有降水情况下,特别是夏季和冬季低能见度与降水天气联系更密切,降水后或降水时出现低能见度天气的比例夏、冬季分别占85.3%、71.4%,且持续性和大范围的低能见度天气均出现在降水过程中或过程后。

为进一步厘清降水强度与低能见度的关系,统计不同小时降水量区间的平均和最小能见度(图4)。可以看出,降水强度对能见度影响明显,随着降水强度增加,平均能见度明显减小,当小时降水量大于等于20 mm时,平均能见度在800 m以下;无论哪个等级的降水,均可能导致能见度低于1 000 m,其中1 mm·h-1以下或20 mm·h-1及以上的降水条件下均可能出现低于500 m的低能见度天气。需要指出的是,冬季1 mm·h-1以下降水出现时,通常能见度较低且持续时间长,这是由于空气中雨滴较小且漂浮在空中或缓慢下落,对能见度的影响类似于雾(王博妮等,2020);而夏季短时对流性强降水引起的低能见度一般持续时间较短,且能见度随雨强增大而迅速下降。

图4

图4   连霍高速陕西段不同小时降水量区间平均和最小能见度

Fig.4   The average and minimum visibility under different ranges of hourly precipitation along Shaanxi section of the Lian-Huo expressway


3.2 低能见度与温度的关系

从低能见度与气温和路面温度的关系(图5)来看,低能见度与温度的关系并不紧密,但温度过高或过低都不易出现低能见度天气。低能见度出现时的气温和路面温度主要在-5~35 ℃之间,其中0~5 ℃时低能见度出现时次最多,表明连霍高速陕西段大多数低能见度天气都是由水汽凝结、辐射降温引起;气温在35 ℃以上时未出现低能见度天气,主要因为气温过高,空气中的水汽压偏低,相对湿度较低;气温低于-5 ℃或路面温度低于-3 ℃时也未出现低能见度天气,这可能是温度过低水汽凝华成小冰粒所致。

图5

图5   连霍高速陕西段不同气温与路面温度区间低能见度出现时次占比

Fig.5   The proportion of occurring times of low visibility under different intervals of air temperature and road temperature along Shaanxi section of the Lian-Huo expressway


3.3 低能见度与风向风速的关系

风与低能见度的形成关系密切,风能够将水汽输送到空中,起到扩散作用。由于地理位置和地形的差异,各地低能见度形成的风速条件不同。通常,静风下出现低能见度的概率很大。从不同风速区间低能见度时次占比[图6(a)]可见,连霍高速陕西段低能见度天气均发生在风速低于2.8 m·s-1的情况下,其中风速低于1.0 m·s-1时低能见度出现时次最多,占比79.6%。从低能见度出现时的风向分布[图6(b)]来看,连霍高速陕西段低能见度多出现在东北风至东风(NE—E)天气下。然而,各交通气象观测站低能见度形成的天气形势不同,盛行风向也存在差异,如低能见度出现时,武功20.3%的情况下吹偏西风,而兴平22.9%的情况下吹东南风。

图6

图6   连霍高速陕西段不同风速区间(a)和风向(b)低能见度出现时次占比

Fig.6   The proportion of occurring times of low visibility under different wind speed intervals (a) and wind direction (b) along Shaanxi section of the Lian-Huo expressway


3.4 低能见度与相对湿度的关系

低能见度的形成与空气湿度有密切关系,但各地低能见度形成的相对湿度临界值不尽相同。统计发现,连霍高速陕西段各站低能见度形成时的相对湿度差异较大,秦都、兴平、陈仓、眉县站相对湿度大于89%,坪头、武功站相对湿度临界值为49%~63%,阳平、常兴、杨凌站相对湿度临界值较小,为20%~28%,这与陕西雾与湿度场的关系(贺晧等,2004)一致。另外,各季低能见度形成的相对湿度临界值也不相同,冬、夏、秋季低能见度出现时的相对湿度较高,而春季则相对较低,这主要由于春季是陕西省霾和沙尘天气的高发期,霾和沙尘也会造成低能见度天气。

为进一步认识低能见度与相对湿度的关系,统计连霍高速陕西段各站低能见度天气的相对湿度分布(图7)。可以看出,低能见度天气时相对湿度一般在90%以上,占比79.3%;当相对湿度在50%以下时,低能见度出现时次占比仅为2.2%。

图7

图7   连霍高速陕西段低能见度与相对湿度散点图(a)和不同相对湿度区间低能见度出现时次占比(b)

Fig.7   The scatter plot between low visibility and relative humidity (a) and the proportion of occurring times of low visibility under different relative humidity intervals (b)along Shaanxi section of the Lian-Huo expressway


4 低能见度事件的天气形势特征

2020年1月24日19:00至25日12:00,连霍高速公路陕西段沿线10个交通气象站中7站陆续出现低能见度天气,持续时间长达17 h,最低能见度仅108 m。以此次典型低能见度过程为例,进一步探析天气环流形势及气象要素变化。这次过程中,24日20:00,500 hPa南支槽位于四川一带,陕西关中地区上空有低云覆盖,辐射降温不明显(图略)。地面上[图8(a)],陕西关中地区处于均压场内,气压梯度小,近地面风速小,无明显的辐合辐散,这是典型的有利于雾形成的气压场形势;整个关中地区都处于广大的湿区中,相对湿度为80%~95%,高湿利于低能见度天气的形成。850 hPa[图8(b)],关中地区处于高压脊底部,偏东风有利于暖湿气流向该区域输送,比湿为2~4 g·kg-1,是低能见度形成和维持的原因之一。从24日18:00至25日17:00武功站各气象要素演变[图8(c)]来看,24日18:00武功站能见度为1400 m,之后能见度开始迅速下降,到20:00已下降到500 m以下,25日01:00降至100 m左右,随后能见度缓慢上升,但低能见度仍持续将近12:00;气温变化与能见度相似,低能见度形成前降温速率较大,低能见度形成后降温速率较小,25日早晨随着气温的迅速回升,能见度越来越高;整个时段武功站相对湿度均在85%以上,25日12:00之后相对湿度迅速下降。夜间气温下降,加之近地面空气相当潮湿,当气温降到一定程度时,空气中一部分水汽凝结成小水滴悬浮在近地层,从而造成能见度越来越低;早晨,随着太阳辐射进一步增强、饱和水汽压进一步增大,空气相对湿度逐渐减小,空气中水汽含量也越来越少,导致能见度越来越高。

图8

图8   2020年1月24日20:00地面风场(矢量,单位:m·s-1)、相对湿度(填色区,单位:%)、散度场(蓝色线条,单位:10-5 s-1)(a)和850 hPa高度场(蓝色线条,单位:dagpm)、风场(矢量,单位:m·s-1)、比湿(填色区,单位:g·kg-1)(b)及24日18:00至25日17:00武功站能见度与气温、最大风速、相对湿度逐时演变(c)

(红色线所围区域为陕西省)

Fig.8   The surface wind field (vectors, Unit: m·s-1), relative humidity (color filled areas, Unit: %), convergence field (blue lines, Unit: 10-5 s-1)(a) and 850 hPa geopotential height field (blue lines, Unit: dagpm), wind field (vectors,Unit: m·s-1), specific humidity (color filled areas, Unit: g·kg-1)(b) at 20:00 24 January 2020, and the hourly evolution of visibility,air temperature, maximum wind speed and relative humidity at Wugong station from 18:00 24 to 17:00 25 January 2020

(the area enclosed by red line for the Shaanxi Province)


统计连霍高速陕西段4次明显的低能见度过程特征(表1),发现前3次均有天气系统影响,天空状态多为阴天,且第2、3次过程还出现了降水。这3次过程多为混合雾,持续时间较长,开始时间一般在傍晚或夜间,结束时间在正午12:00之前,且平均、最大风速均较小。第4次过程出现在晴朗少云微风的夜晚,低能见度起因于夜间辐射降温生成雾,这种雾持续时间相对较短,次日日出后便消散,一般结束于早晨07:00左右。

表1   连霍高速陕西段低能见度个例特征

Tab.1  Characteristics of low visibility cases along Shaanxi section of the Lian-Huo expressway

日期影响系统主导风向出现时间持续时间
/h
气温/℃风速/(m·s-1过程降水量
/mm
逐时平均平均最大
2019年12月22—23日西风槽NE22日19:00—20:0014-3.4~2.2-0.80.71.5
2020年1月10日南支槽静风10日00:00—01:00120.2~1.91.10.71.80.1
2020年1月24—25日高原槽SE24日19:00—20:00171.9~4.02.40.51.60.1
2020年6月28—29日均压场SE28日22:00—23:00920.5~21.721.00.51.9

注: “—”表示无降水。

新窗口打开| 下载CSV


5 讨论

随着社会经济快速发展,交通管理部门对高速公路精准管制的需求日益迫切,因此认识高速公路低能见度的精细化时空分布特征,提取高速公路沿线低能见度易发点和时段非常必要。本文分析了连霍高速公路陕西段不同等级低能见度时空分布规律,经研判连霍高速陕西段低能见度主要是辐射雾和平流雾所致,与南岭大瑶山高速公路浓雾引起的低能见度有所不同(吴兑等,2007)。另外,陕西段低能见度形成时风向多为偏东风,能够将东部高湿气流输送到关中地区,使得水汽在关中地区上空堆积,有利于低能见度的形成和维持,这与贺晧等(2004)的研究结论基本一致。不同的是:不同站点出现低能见度的相对湿度临界值不尽相同,有的站点在湿度较小情况下也可能出现低能见度天气。然而,本文仅利用高速公路沿线交通气象观测站观测资料进行初步分析,对该地区低能见度预测预报有一定指导意义,但在低能见度形成和发展过程中往往存在多种物理机制的相互作用,尚需数值模式及高时空分辨率资料进行更深入的研究和探讨。

6 结论

本文利用连霍高速公路陕西段沿线10个交通气象观测站数据和欧洲中期数值预报中心ERA5再分析资料,分析了陕西段不同等级低能见度天气的时空分布特征及其与气象要素的关系,得到如下结论:

(1)1月是连霍高速公路陕西段低能见度高发月份,而2、3月低能见度天气相对较少。一日中00:00—10:00为低能见度频发时段,05:00—09:00为峰值,是日常业务需要重点关注的时段。

(2)200~500 m的低能见度在任何时次都可能出现,而200 m以下的低能见度主要出现在夜间23:00到上午10:00。

(3)连霍高速陕西境内各段低能见度出现时次差异较大,兴平到常兴段、陈仓段低能见度天气较多,其中武功段出现时次最多。

(4)连霍高速公路陕西段63.6%的低能见度与降水天气密切相关,夏、冬季降水后或降水时出现低能见度天气占比85.3%、71.4%;低能见度出现时的气温和路面温度主要在-5~35 ℃之间,其中0~5 ℃时占比最大;低能见度均发生在风速低于2.8 m·s-1的情况下,其中1.0 m·s-1以下发生次数最多,占比79.6%,且风向多为东北风至东风;各站低能见度形成时的相对湿度不一致,秦都、兴平、陈仓、眉县站的相对湿度均在89%以上,坪头、武功站相对湿度临界值为49%~63%,而阳平、常兴、杨凌站相对湿度临界值较低,为20%~28%。

参考文献

包云轩, 丁秋冀, 袁成松, , 2013.

沪宁高速公路一次复杂性大雾过程的数值模拟试验

[J]. 大气科学, 37(1): 124-136.

[本文引用: 1]

卞光辉, 袁成松, 周曾奎, , 2010. 高速公路交通气象条件等级: QX/T111—2010[S]. 北京: 气象出版社.

[本文引用: 1]

丁秋冀, 包云轩, 袁成松, , 2013.

沪宁高速公路团雾发生规律及局地性分析

[J]. 气象科学, 33(6): 634-642.

[本文引用: 1]

丁国香, 刘承晓, 周建平, , 2018.

气象条件对安徽高速公路运营的影响

[J]. 干旱气象, 36(5): 858-863.

DOI      [本文引用: 1]

为了了解天气条件对高速公路运行的影响,利用2012—2016年安徽省高速公路管制信息和气象监测数据,对比分析了不同天气条件导致的安徽省高速公路交通管制频次、时长、时段、等级时空分布特征。结果表明:由天气原因导致的安徽省高速公路交通管制中,雾占60.9%,且管制等级较高,是影响安徽省高速公路运行最主要的灾害性天气,秋冬季节尤为明显,沿淮淮北、大别山区、皖南山区路段是多发区。雨对高速公路交通的影响仅次于雾,春夏季影响较大,6—7月梅雨季易造成大别山区、皖南山区路段较长时间的交通管制,但管制等级较低。冬季降雪和道路结冰的交通管制虽然频次不高,但对交通影响较大,交通管制等级高,多发生在安徽北部和海拔较高的路段。雾、雨、雪、道路结冰、烟幕导致的交通管制频数均呈较明显的“早晨多、午后少”日变化特征。

杜继稳, 侯明全, 梁生俊, , 2007. 陕西省短期天气预报技术手册[M]. 北京: 气象出版社.

[本文引用: 1]

高红燕, 贺音, 王丹, , 2013.

近50年西安市雾日数的变化趋势及可能原因

[J]. 高原气象, 32(6): 1 739-1 746.

[本文引用: 1]

贺晧, 吕红, 徐虹, , 2004.

陕西省大雾的气候特征

[J]. 高原气象, 23(3): 407-411.

[本文引用: 2]

黄建平, 梅清银, 靳永才, , 1998.

沪宁地区辐射雾的微物理结构及其演变

[J]. 气象, 24(5): 3-8.

[本文引用: 1]

刘小宁, 张洪政, 李庆祥, , 2005.

我国大雾的气候特征及变化初步解释

[J]. 应用气象学报, 16(2): 220-230.

[本文引用: 1]

曲晓黎, 孟凯, 赵娜, , 2016.

恶劣天气对河北高速公路通行影响分析

[J]. 气象科技, 44(3): 447-452.

[本文引用: 1]

曲晓黎, 刘华悦, 齐宇超, , 2020.

河北省高速公路交通事故与气象条件定量关系研究

[J]. 干旱气象, 38(1): 169-175.

[本文引用: 1]

田华, 张楠, 张楷翊, , 2019.

国外公路交通气象研究进展

[J]. 气象与环境学报, 35(3): 79-86.

[本文引用: 1]

王淑英, 孟燕军, 赵习方, , 2002.

北京高速公路大气能见度与气象条件的相关分析

[J]. 气象科技, 30(5): 306-320.

[本文引用: 1]

王博妮, 濮梅娟, 田力, , 2016.

江苏沿海高速公路低能见度浓雾的气候特征和影响因子研究

[J]. 气象, 42(2): 192-202.

[本文引用: 1]

王志, 韩焱红, 李蔼恂, 2017.

我国公路交通气象研究与业务进展

[J]. 气象科技进展, 7(1): 85-89.

[本文引用: 1]

王博妮, 张雪蓉, 孙明, , 2020.

江苏地区雨雾天气特征及成因研究

[J]. 气象与环境学报, 36(1): 58-66.

[本文引用: 1]

王宏斌, 张志薇, 刘瑞阳, , 2021.

江苏不同等级雾的宏观和微观特征

[J]. 高原气象, 40(5): 1 177-1 188.

[本文引用: 1]

吴兑, 邓雪娇, 毛节泰, , 2007.

南岭大瑶山高速公路浓雾的宏微观结构与能见度研究

[J]. 气象学报, 65(3): 406-415.

[本文引用: 2]

吴丹, 柳泉, 范俊红, , 2019.

2016—2017年河北省高速公路沿线低能见度变化特征

[J]. 干旱气象, 37(4): 639-647.

[本文引用: 1]

张利娜, 张朝林, 王必正, , 2008.

北京高速公路大气能见度演变特征及其物理分析

[J]. 大气科学, 32(6): 1 229-1 240.

[本文引用: 1]

张宏芳, 卢珊, 沈姣姣, , 2020.

陕西道路结冰时空变化特征及其风险预警模型

[J]. 干旱气象, 38(5): 878-885.

[本文引用: 1]

CRAIG C D, FAULKENBERRY G D, 1979.

The application of ridit analysis to detect trends in visibility

[J]. Atmospheric Environment, 13(12): 1 617-1 622.

[本文引用: 1]

LEE Y H, KWAK K H, 2018.

Using visibility to estimate PM2.5 concentration trends in Seoul and Chuncheon from 1982 to 2014

[J]. Journal of Korean Society for Atmospheric Environment, 34(1): 156-165.

DOI      URL     [本文引用: 1]

NAEGELE P S, SELLERS W D, 1981.

A study of visibility in eighteen cities in the western and southwestern United States

[J]. Monthly Weather Review, 109(11): 2 394-2 400.

DOI      URL     [本文引用: 1]

XU C C, WANG C, LIU P, 2018.

Evaluating the combined effects of weather and real-time traffic conditions on freeway crash risks

[J]. Weather, Climate, and Society, 10(4): 837-850.

DOI      URL     [本文引用: 1]

YUAN J H, ABDEL-ATY M, WANG L, et al, 2018.

Real-time crash risk analysis of urban arterials incorporating Bluetooth, weather, and adaptive signal control data

[C]// Proceedings of Transportation Research Board 97th Annual Meeting, University of Central Florida, Washington D.C.

[本文引用: 1]

/