長春市基準(zhǔn)氣候站與公路交通氣象觀測(cè)站風(fēng)數(shù)據(jù)對(duì)比研究

邢麗元 張琪 張海濤 張明

摘 要：本文統(tǒng)計(jì)了長春市基準(zhǔn)氣候站和市內(nèi)5個(gè)不同地點(diǎn)公路交通氣象站2019年1月至7月的分鐘風(fēng)速、風(fēng)向數(shù)據(jù)，將基準(zhǔn)氣候站和公路交通氣象站的風(fēng)速數(shù)據(jù)進(jìn)行回歸分析，可在預(yù)報(bào)基準(zhǔn)氣候站風(fēng)或發(fā)布大風(fēng)預(yù)警的同時(shí)，預(yù)判市內(nèi)公路交通站風(fēng)的情況，提高預(yù)報(bào)的精細(xì)度和準(zhǔn)確度。

關(guān)鍵詞：風(fēng);對(duì)比分析;回歸分析;SPSS

中圖分類號(hào)：P415.12文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）04-0152-03

Abstract： This paper counted the data of wind speed and direction from norm climate station and five different road traffic weather stations from January to July 2019 in Changchun. The wind speed data of the norm climate station and road traffic meteorological stations were analyzed by regression analysis， which not only couid forecast wind condition of the norm climate station or issue high wind warning， but also could predict wind conditions of road traffic stations and improve the precision and accuracy of the forecast.

Keywords： wind;comparative analysis; regression analysis;SPSS

2018年11月26日，長春市紅旗街亞細(xì)亞百貨一樓門市裝修圍擋被大風(fēng)吹倒，有4人被砸傷;皓月大路與萬福街交匯口，大風(fēng)把樹刮倒，砸中了兩輛私家車。2019年5月28日，長春市寬城區(qū)金都小鎮(zhèn)小區(qū)，廣告牌被大風(fēng)從高空刮落，造成一人死亡。這兩日長春市氣象臺(tái)發(fā)布大風(fēng)藍(lán)色預(yù)警信號(hào)，長春市國家基準(zhǔn)站的瞬時(shí)風(fēng)速分別達(dá)到23.0m/s和14.8m/s，大風(fēng)給人們生命和財(cái)產(chǎn)造成極大危害。對(duì)基準(zhǔn)氣候站和公路交通氣象站的風(fēng)數(shù)據(jù)進(jìn)行回歸分析，在預(yù)報(bào)基準(zhǔn)氣候站風(fēng)速或發(fā)布大風(fēng)預(yù)警的同時(shí)，能預(yù)判市內(nèi)公路交通站的風(fēng)速情況，提高城市內(nèi)風(fēng)速預(yù)報(bào)的精細(xì)和準(zhǔn)確程度，有效減小大風(fēng)危害。

1 資料

長春市基準(zhǔn)氣候站位于西環(huán)城路5235號(hào)（緯度43゜54′N，經(jīng)度125゜13′E，海拔高度236.8 m），使用DZZ6型自動(dòng)氣象站，觀測(cè)的是10.5 m高度的風(fēng)。5個(gè)DZZJ2型公路交通氣象觀測(cè)站，觀測(cè)3.5 m高度的風(fēng)。其中，1號(hào)站位于南關(guān)區(qū)凈月大街，自然博物館門前（緯度43゜84′N，經(jīng)度125゜44′E）;2號(hào)站位于二道區(qū)遠(yuǎn)達(dá)大街4215號(hào)（緯度43゜93′N，經(jīng)度125゜38′E），西方35 m為吳中家天下高層小區(qū);3號(hào)站位于綠園區(qū)西安大路吉林省氣象局門前綠化帶（緯度43゜91′N，經(jīng)度125゜26′E），南方約16 m為16層辦公樓（樓寬約69 m）;4號(hào)站位于南關(guān)區(qū)前進(jìn)大街和蔚山路交匯處西北角（緯度43゜82′N，經(jīng)度125゜30′E），西方約10 m處為群植落葉喬木（高4 m左右），西北方約20 m有7層辦公樓;5號(hào)站位于二道區(qū)四通路92號(hào)，長春市伊通河管理委員會(huì)對(duì)面綠化帶（緯度43゜90′N，經(jīng)度125゜37′E），北方約4 m為高架橋（東西走向）。本文統(tǒng)計(jì)2019年1—7月分鐘風(fēng)向、風(fēng)速數(shù)據(jù)。

2 總體數(shù)據(jù)處理和對(duì)比分析

使用SPSS 23.0軟件進(jìn)行線性回歸分析，調(diào)整[R]方為調(diào)整后的擬合優(yōu)度，在0—1，越接近1，說明回歸方程對(duì)樣本數(shù)據(jù)點(diǎn)的擬合優(yōu)度越高。檢驗(yàn)水準(zhǔn)設(shè)為[á]=0.05。[F]檢驗(yàn)是回歸方程的顯著性檢驗(yàn)，[P]值為實(shí)際顯著性概率，當(dāng)[F]檢驗(yàn)的[P]<0.05時(shí)，說明回歸關(guān)系具有統(tǒng)計(jì)學(xué)意義。[t]檢驗(yàn)是回歸系數(shù)的顯著性檢驗(yàn)，當(dāng)[t]檢驗(yàn)的[P]<0.05時(shí)，說明自變量對(duì)因變量有顯著影響。非標(biāo)準(zhǔn)化系數(shù)[B]表示各自變量在回歸方程中的系數(shù)。

在預(yù)測(cè)公路交通氣象站風(fēng)速時(shí)，將其設(shè)為因變量[Y]，將基準(zhǔn)站風(fēng)速和風(fēng)向設(shè)為自變量[X1]和[X2]，則：

預(yù)測(cè)公路交通氣象站風(fēng)向時(shí)，將其設(shè)為因變量[Y]，基準(zhǔn)站風(fēng)向設(shè)為自變量[X]?？傮w數(shù)據(jù)分析選擇比較有代表性的10 min風(fēng)數(shù)據(jù)。

2.1 10 min平均風(fēng)速

對(duì)1—5號(hào)站2019年1—7月全部10 min風(fēng)速數(shù)據(jù)進(jìn)行線性回歸分析，結(jié)果如下：1—5號(hào)站均通過顯著性檢驗(yàn)，[F]檢驗(yàn)的[P]值均為0.000b，[t]檢驗(yàn)的[P]值均為0.000;1—5號(hào)站的調(diào)整[R]方分別為0.643、0.637、0.059、0.581、0.635，除3號(hào)站外，各站預(yù)測(cè)效果較好，適合進(jìn)行樣本數(shù)據(jù)回歸分析。

3號(hào)站回歸方程調(diào)整[R]方較小，擬合度不好。這主要是因?yàn)殚L春市西南風(fēng)較多，3號(hào)站南側(cè)有高層建筑，一方面會(huì)形成建筑物高度15倍的風(fēng)影區(qū)[1]，風(fēng)影區(qū)內(nèi)，風(fēng)向改變，形成渦流，風(fēng)速減小;另一方面，氣流在高層建筑上部受阻，轉(zhuǎn)而順建筑表面向下運(yùn)動(dòng)，到達(dá)建筑底部，與地面水平向氣流混合，底部空間風(fēng)環(huán)境復(fù)雜。僅根據(jù)基準(zhǔn)站風(fēng)向、風(fēng)速的預(yù)測(cè)效果不好，需要引入其他相關(guān)因素。

2.2 10 min平均風(fēng)向

根據(jù)近年來許多學(xué)者對(duì)近地層風(fēng)場(chǎng)研究，城市風(fēng)向與街道方向、街道的高度與寬度、街角的形式[2]有關(guān);與建筑物的布局、建筑物的高度、厚度和視寬角有關(guān)[3];與園林植物的自身特性和空間布局有關(guān)[4]。

本文分析的5個(gè)交通氣象站周圍環(huán)境較為復(fù)雜。因?yàn)轱L(fēng)是湍流運(yùn)動(dòng)，風(fēng)向受多種因素共同影響。本文先按八方位對(duì)基準(zhǔn)站與每個(gè)交通氣象站的風(fēng)向進(jìn)行統(tǒng)計(jì)分析。對(duì)比后發(fā)現(xiàn)交通氣象站風(fēng)向受不同環(huán)境影響，變化極大。隨后對(duì)風(fēng)向進(jìn)行線性回歸分析，5個(gè)交通氣象站都通過顯著性檢驗(yàn)，調(diào)整[R]方依次為0.303、0.203、0.000、0.042、0.168。因各站回歸方程對(duì)樣本的擬合度較低，實(shí)用性較差，僅根據(jù)基準(zhǔn)站風(fēng)向，不適合預(yù)測(cè)交通氣象站風(fēng)向。

3 樣本數(shù)據(jù)處理和對(duì)比分析結(jié)果

大氣環(huán)流產(chǎn)生的自然風(fēng)在進(jìn)入城市時(shí)風(fēng)速會(huì)衰減。當(dāng)風(fēng)繞過障礙物流動(dòng)，形成風(fēng)影區(qū)，風(fēng)速會(huì)減小，而在建筑角流區(qū)或受局地地形影響風(fēng)速也會(huì)增大。為了能準(zhǔn)確地分析基準(zhǔn)站與不同公路交通站的風(fēng)速關(guān)系，對(duì)風(fēng)速大于一定閾值的數(shù)據(jù)進(jìn)行回歸分析。

《吉林省氣象災(zāi)害預(yù)警信號(hào)發(fā)布標(biāo)準(zhǔn)及防御指南》中規(guī)定了發(fā)布大風(fēng)藍(lán)色預(yù)警信號(hào)的標(biāo)準(zhǔn)：24 h內(nèi)可能受大風(fēng)影響，平均風(fēng)力可達(dá)6級(jí)以上，或者陣風(fēng)（區(qū)域站極大值）8級(jí)以上，或者已出現(xiàn)并將持續(xù)。在實(shí)際工作中，當(dāng)平均風(fēng)力大于5級(jí)，陣風(fēng)大于7級(jí)，可考慮發(fā)布大風(fēng)預(yù)警。為了滿足實(shí)際工作需要，在發(fā)布大風(fēng)預(yù)警的同時(shí)預(yù)判各交通站的風(fēng)。本文提取基準(zhǔn)站、1—5號(hào)交通氣象站所有10 min平均風(fēng)速≥8.0 m/s、瞬時(shí)風(fēng)速≥13.9 m/s的日期的所有分鐘數(shù)據(jù)（風(fēng)速≥0.2 m/s）進(jìn)行線性回歸，輸出結(jié)果如下。

3.1 1號(hào)站（樣本47549）

當(dāng)基準(zhǔn)站10 min平均風(fēng)速達(dá)到6級(jí)時(shí)，1號(hào)站最大可達(dá)4級(jí)。基準(zhǔn)站瞬時(shí)風(fēng)速達(dá)到8級(jí)時(shí)，1號(hào)站最大可達(dá)7級(jí)。

3.1.1 1號(hào)站10 min平均風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.625，[F]值為39 723.140，顯著性為0.000b。1號(hào)站10 min平均風(fēng)速系數(shù)如表1所示。

3.1.2 1號(hào)站瞬時(shí)風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.383，[F]值為14 739.806，顯著性為0.000b。1號(hào)站瞬時(shí)風(fēng)速系數(shù)如表2所示。

3.2 2號(hào)站（樣本60651）

當(dāng)基準(zhǔn)站10 min平均風(fēng)速達(dá)到6級(jí)時(shí)，2號(hào)站最大可達(dá)4級(jí);當(dāng)基準(zhǔn)站瞬時(shí)風(fēng)速達(dá)到9級(jí)時(shí)，2號(hào)站最大可達(dá)8級(jí)。但是，當(dāng)基準(zhǔn)站為西風(fēng)時(shí)，會(huì)出現(xiàn)基準(zhǔn)站瞬時(shí)風(fēng)速達(dá)到7級(jí)而2號(hào)站達(dá)9級(jí)的情況。這可能是因?yàn)?號(hào)站西側(cè)是南北向高層小區(qū)，樓間形成了“狹管效應(yīng)”，使瞬時(shí)風(fēng)速突增。

3.2.1 2號(hào)站10 min平均風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.530，[F]值為34 236.609，顯著性為0.000b。2號(hào)站10 min平均風(fēng)速系數(shù)如表3所示。

3.2.2 2號(hào)站瞬時(shí)風(fēng)速。SPSS輸出結(jié)果[R]方為0.358，調(diào)整[R]方為0.357，[F]值為16 873.627，顯著性為0.000b。

3.3 3號(hào)站（樣本54495）

當(dāng)基準(zhǔn)站10 min平均風(fēng)速達(dá)到6級(jí)時(shí)，3號(hào)站最大可達(dá)4級(jí)。由于3號(hào)站受環(huán)境影響較大，容易出現(xiàn)瞬時(shí)強(qiáng)風(fēng)。當(dāng)基準(zhǔn)站瞬時(shí)風(fēng)速為3～6級(jí)時(shí)，3號(hào)站最大為7～8級(jí)。

對(duì)3號(hào)站10 min平均風(fēng)速、瞬時(shí)風(fēng)速進(jìn)行線性回歸分析，通過顯著性檢驗(yàn)，但調(diào)整R方僅為0.020和0.016，因環(huán)境特殊，不適合根據(jù)基準(zhǔn)站的風(fēng)速預(yù)測(cè)3號(hào)站風(fēng)速，需要引入其他相關(guān)因素。

3.4 4號(hào)站（樣本61329）

一般情況下，當(dāng)基準(zhǔn)站10 min平均風(fēng)速達(dá)到6級(jí)時(shí)，4號(hào)站最大可達(dá)4級(jí)。但基準(zhǔn)站為北風(fēng)時(shí)，4號(hào)站處于西北方辦公樓的角流區(qū)，風(fēng)速增大，兩站的10 min風(fēng)速能達(dá)到相同級(jí)別。一般情況下，當(dāng)基準(zhǔn)站瞬時(shí)風(fēng)速達(dá)到9級(jí)時(shí)，4號(hào)站最大可達(dá)7級(jí)。受西側(cè)樹叢影響，當(dāng)基準(zhǔn)站為西風(fēng)時(shí)，瞬時(shí)風(fēng)速達(dá)8級(jí)，4號(hào)站可達(dá)9級(jí);當(dāng)基準(zhǔn)站為西南風(fēng)時(shí)，瞬時(shí)風(fēng)速達(dá)7級(jí)，4號(hào)站可達(dá)8級(jí);北風(fēng)時(shí)，基準(zhǔn)站瞬時(shí)風(fēng)速達(dá)5級(jí)，4號(hào)站可達(dá)7級(jí)。

3.4.1 4號(hào)站10 min平均風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.499，[F]值為30 511.879，顯著性為0.000b。4號(hào)站10 min平均風(fēng)速系數(shù)如表5所示。

3.4.2 4號(hào)站瞬時(shí)風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.386，[F]值為19 303.229，顯著性為0.000b。4號(hào)站瞬時(shí)風(fēng)速系數(shù)如表6所示。

3.5 5號(hào)站（樣本50090）

當(dāng)基準(zhǔn)站10 min平均風(fēng)速達(dá)到6級(jí)時(shí)，5號(hào)站最大可達(dá)4級(jí)。一般情況下，瞬時(shí)風(fēng)速基準(zhǔn)站達(dá)到9級(jí)時(shí)，5號(hào)站最大可達(dá)6級(jí)。當(dāng)基準(zhǔn)站為西或西南風(fēng)時(shí)，受周圍環(huán)境影響，5號(hào)站瞬時(shí)風(fēng)速會(huì)出現(xiàn)與基準(zhǔn)站相同的7級(jí)風(fēng)，但風(fēng)向?yàn)闁|。

3.5.1 5號(hào)站10 min平均風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.621，[F]值為40966.802，顯著性為0.000b。5號(hào)站10 min平均風(fēng)速系數(shù)如表7所示。

3.5.2 5號(hào)站瞬時(shí)風(fēng)速。SPSS輸出結(jié)果[R]方與調(diào)整[R]方為0.432，[F]值為19 054.574，顯著性為0.000b。5號(hào)站瞬時(shí)風(fēng)速系數(shù)如表8所示。

4 結(jié)論

①公路交通氣象觀測(cè)站的風(fēng)速可以根據(jù)基準(zhǔn)站預(yù)測(cè)，但風(fēng)向不適于根據(jù)基準(zhǔn)站風(fēng)向預(yù)測(cè)。

②公路交通氣象觀測(cè)站的安裝位置應(yīng)與高層建筑、樹叢、高架橋等障礙物有足夠的距離，使其更具有代表性。

③考慮到周圍環(huán)境的影響，在預(yù)測(cè)市內(nèi)瞬時(shí)風(fēng)速時(shí)，應(yīng)加大1～2個(gè)級(jí)別。

參考文獻(xiàn)：

[1]陳飛.高層建筑風(fēng)環(huán)境研究[J].設(shè)計(jì)研究，2008（2）：72-77.

[2]林京升.建筑風(fēng)環(huán)境模式研究[D].上海：同濟(jì)大學(xué)，1996.

[3]田東霞，郭建霞，關(guān)彥華，等.風(fēng)觀測(cè)對(duì)障礙物距離要求的定量估計(jì)[J].高原氣象，2015（3）：870-880.

[4]陳紅.鄭州市居住區(qū)綠色空間布局對(duì)風(fēng)環(huán)境的影響效應(yīng)[D].鄭州：河南農(nóng)業(yè)大學(xué)，2018.