1. 引言
雾是在水汽充足、微风及大气层稳定的情况下，当接近地面的空气冷却至某程度而达到饱和时，水汽在气溶胶粒子上凝结(或凝华)为水滴(或冰晶)悬浮于空中，常呈乳白色，使地面水平的能见度小于1 km的天气现象 [1] 。雾会导致能见度急速下降，从而对飞机起飞和降落阶段产生重要影响。
国内外学者已经做了不少关于雾的研究，多位学者针对雾的局地变化特征，利用地面观测数据研究了不同地区雾的空间分布和时间变化特征 [2] [3] 。王博妮等通过研究江苏地区雨雾天气成因发现辐射冷却、平流因素和蒸发作用均是雾生成的重要机制 [4] 。高凇等 [5] 研究了近年来沈阳桃仙机场雾的气候特征并结合风速、水汽以及温度等因素对雾的影响情况展开了分析。刘开宇等 [6] 普查了1997~2005年贵阳机场逐时的风、温、压、湿、能见度和降水资料，指出贵阳机场雾多发生在静风和弱的偏北风以及湿饱和空气条件下。罗璇等 [7] 统计分析了贵阳机场锋面雾气候特征并结合天气系统对锋面雾的发生进行了研究。朱虹等 [8] 研究发现水汽含量和动力条件明显较好时，雾的浓度更高，持续时间更长，机场低温、高湿的环境条件有利于雾维持，近地面风速有利于雾层混合，使机场区域雾得到爆发性发展。
贵阳龙洞堡机场位于中国贵州省贵阳市东郊，坐标为(106.7988˚E、26.5438˚N)，海拔高度1139米，地处云贵高原东麓，其复杂的地形条件导致预报雾的生消变得尤为困难。本文通过研究贵阳机场近六年来雾的气候特征以及气象要素对低能见度天气下能见度变化的影响情况，为贵阳龙洞堡机场雾的预报、预警工作提供一定参考和指导。
2. 数据与方法
2.1. 数据
2017年1月1日至2022年12月31日共6年的贵阳龙洞堡机场气象观测小时数据，变量包括：能见度、地面风速、地面温度、地面露点、跑道视程。
2.2. 方法
利用贵阳龙洞堡机场气象观测资料，运用统计学相关方法对2017~2022年龙洞堡机场出现的雾天气进行年、季节、月变化以及不同季节雾出现时段的统计分析。利用相关分析方法研究了在低能见度天气下，能见度(VIS)与跑道视程(RVR)之间的关系，并在此基础上利用多元线性回归分析方法研究了低能见度天气下地面风速、地面气温以及地面湿度与能见度之间的变化关系。文中将雾天气定义为能见度小于1000米的天气，当某一天中任一时段出现能见度小于1000米时，就将该天视为雾天气。
3. 机场雾的统计特征
3.1. 雾天气的年变化特征
对2017~2022年的年度雾天气出现天数进行统计分析，如图1。2018年和2019年雾天气出现天数较多，分别为24天和21天；2020年出现天数是近六年来最少的，为11天。从近六年的变化趋势分析得出，整体呈现出雾天气天数逐年递减的规律。
Figure 1. Frequency distribution of foggy days from 2017 to 2022. The abscissa is the time, the ordinate is the number of foggy days, and the red line is the trend
图1. 2017~2022年度雾天气天数频次分布图。横坐标表示时间，纵坐标表示雾天气天数次数，红线表示变化趋势
3.2. 雾天气的月变化特征
通过对2017~2022年出现的雾天气按照月份进行统计，于是得到了1~12月各月雾天气天数的结果，如图2。经过分析可知，龙洞堡机场雾天气春季主要出现在3月(9天)，夏季主要出现在7月(7天)和8月(7天)，秋季主要出现在11月(12天)，冬季主要出现在1月(16天)。机场雾在2月(6天)、6月(6天)和12月(5天)出现次数最少。说明1月和11月是龙洞堡机场雾天气的高发期，而2月、6月和12月是龙洞堡机场雾天气的低发期。
3.3. 雾天气的日变化特征
通过对2017~2022年出现的雾天气按照年度和季节分类并在此基础上统计一天24小时中各小时机场雾的分布占比，得到了不同季节一天中各小时出现雾的次数分布，如图3。从图(e)可以看出，贵阳龙洞堡机场近六年来平均起雾时段在1点~7点，平均雾散时段在7点~9点，其中，7点对应的雾天气频次占比为12.7%，说明雾发生后大多能持续到7点。从图(a)~(d)中可知，春季平均起雾时段在0点~7点，平均雾散时段在7点~9点；夏季平均起雾时段在1点~7点，平均雾散时段在7点~9点；秋季平均起雾时段在2点~7点，平均雾散时段在7点~10点；冬季平均起雾时段在1点~8点，平均雾散时段在8点~10点。不同季节一天中雾的出现时间呈现出春季早、秋季晚的特征；雾的维持时段呈现出冬春季持续时间长，夏秋季持续时间短的特征；雾的消散时间呈现出春夏季早，秋冬季晚的特征。
Figure 2. Frequency distribution of monthly fog days from 2017 to 2022. The horizontal axis indicates the month, and the vertical axis indicates the frequency of foggy days
图2. 2017~2022年的月雾天气天数频次分布图。横坐标表示月份，纵坐标表示雾天气天数频次
Figure 3. Hourly distribution of frequency proportion of foggy weather from 2017 to 2022. (a) Spring, (b) Summer, (c) Autumn, (d) Winter, (e) Year
图3. 2017~2022年雾天气出现频次占比的小时分布图。(a) 春季，(b) 夏季，(c) 秋季，(d) 冬季，(e)年度
4. 机场低能见度天气强度变化与地面风速、地面气温、地面水汽之间的关系
4.1. 低能见度天气下能见度VIS与跑道视程RVR之间的关系
该部分着眼于研究机场地面风速、地面气温、地面水汽发生变化时与机场低能见度天气强度变化之间的关系。由于气象观测资料中的能见度(VIS)数据和跑道视程(RVR)数据均可以在一定程度上反映机场低能见度天气的强度变化情况，但两者从观测原理和仪器上也存在一定差异。因此，首先研究低能见度天气下能见度(VIS)与跑道视程(RVR)之间的关系，选取2017年1月至2022年12月共6年逐小时观测数据，分两步对数据进行挑选。以VIS小于或等于1500米为阈值筛选数据，这样可以保证在不影响研究结果的前提下能够获得更多样本数据以保证研究更具有准确性；由于满足上述条件的RVR数据中存在P2000的值，这些值对研究VIS与RVR之间的关系有着一定的不确定性，因此将RVR中P2000的值进行剔除，同时也对VIS的相应值进行剔除。
经过上述方法进行筛选后得到VIS、RVR样本数均为65个，将VIS和RVR数据先进行标准化处理后再进行相关分析，见图4。可以得到VIS和RVR在低能见度天气下相关系数可达0.87，并通过了99%的显著性检验，说明在低能见度天气下VIS和RVR对于表征低能见度天气强度变化具有较为一致的效果。
Figure 4. Correlation analysis diagram between visibility VIS and runway visual range RVR
图4. 能见度VIS与跑道视程RVR的相关性分析图
4.2. 多元线性回归分析
实际分析中，能见度的变化常常是与地面风速大小、地面气温以及水汽条件等多个因素相联系的，由多个自变量的最优组合共同来预测或估计能见度，比只用一个自变量进行预测或估计更有效，更符合实际。因此选取能见度VIS小于或等于1000米时对应的地面风速(Sp)、地面气温(T)、地面露点温度(Td)数据，得到237个样本数据。将VIS与Sp、T、Td进行多元线性回归分析，得到结果如下：
分析上式得出，低能见度天气下对于能见度的年度变化，地面风速和地面露点温度的变化会对其产生正效应，而地面气温的变化会对其产生负效应。其中，地面风速变化对能见度的影响最大，其回归系数约为88.80；水汽条件变化的影响次之，其回归系数约为21.06。
由于不同季节影响贵阳龙洞堡机场低能见度天气的天气系统以及气温等因素存在差异，因此为了更进一步研究不同季节低能见度天气下Sp、T、Td对能见度变化的影响情况，将上述237个样本数据按照春季、夏季、秋季和冬季进行分类，并分别进行多元线性回归分析，结果见表1。
Table 1. Multiple linear regression formulas between visibility (VIS), surface wind speed (Sp), surface air temperature (T) and surface dew point temperature (Td) in different seasons
表1. 不同季节能见度(VIS)与地面风速(Sp)、地面气温(T)、地面露点温度(Td)之间的多元线性回归公式
分析表1可知，地面风速、地面气温以及地面露点温度变化对能见度的影响并不是固定的，不同季节会呈现出一定的差异。春季，Sp和Td对VIS产生正效应，T对VIS产生负效应。T的影响占比最大，其回归系数约为−225.39；Td的影响占比次之，其回归系数约为221.43。夏季，Sp和Td对VIS产生负效应，T对VIS产生正效应。Td的影响占比最大，其回归系数约为−528.28；T的影响占比次之，其回归系数约为513.49。秋季，Sp和Td对VIS产生负效应，T对VIS产生正效应。T的影响占比最大，其回归系数约为488.80；Td的影响占比次之，其回归系数约为−471.61。冬季，Sp和Td对VIS产生正效应，T对VIS产生负效应。Td的影响占比最大，其回归系数约为100.56；Sp的影响占比次之，其回归系数约为89.24。
5. 结论
该文利用2017年1月1日至2022年12月31日的贵阳龙洞堡机场气象观测数据统计分析了机场雾的年变化、月变化特征和日变化特征，并研究了低能见度天气下能见度与跑道视程之间的关系，最后采用多元线性回归分析方法研究了地面风速、气温以及水汽条件与能见度之间的关系，具体结论如下：
1) 机场雾出现天数呈现出逐年递减的趋势，研究月变化特征发现1月和11月是龙洞堡机场雾天气的高发期，而2月、6月和12月是龙洞堡机场雾天气的低发期。不同季节一天中雾的出现时间呈现出春季早、秋季晚的特征；雾的维持时段呈现出冬春季持续时间长，夏秋季持续时间短的特征；雾的消散时间呈现出春夏季早，秋冬季晚的特征。
2) 通过相关分析方法研究发现，低能见度天气下能见度(VIS)和跑道视程(RVR)相关系数可达0.87，并通过了99%的显著性检验，说明在低能见度天气下VIS和RVR对于表征低能见度天气强度变化具有较为一致的效果。
3) 通过多元线性回归分析研究发现，低能见度天气下对于能见度的年度变化，地面风速和地面露点温度的变化会对其产生正效应，而地面气温的变化会对其产生负效应，地面风速变化对能见度的影响最大；通过进一步研究不同季节低能见度天气下Sp、T、Td对能见度变化的影响，发现冬春季地面风速和地面露点温度的变化会对其产生正效应，而地面气温的变化会对其产生负效应，夏秋季则与之相反。