路面温度是影响道路交通安全的重要因素之一。路面温度过高或过低，均易引发交通事故。路面高温主要通过以下途径引发交通事故的发生：引起高速行驶的车辆爆胎，受到重型车辆碾压的路面路基发生形变，诱发驾驶员疲劳驾驶。另外，在高温期间行驶，电路或油路老化的车辆还易发生自燃。路面温度过低则会引起路面结冰、积雪，使路面摩擦系数大大降低，也易引发交通事故。特别是桥梁或风口路段，由于降温较快，路面更容易结冰，机动车从正常路面经过这些路面时极易造成交通事故；同时，低温还会引起沥青面层的收缩开裂和反射裂缝，从而间接对交通行驶造成危害^[1-2]。因此，开展精细化的路面温度预报服务，对降低道路维护成本，减少交通事故发生，提升我国道路交通气象灾害保障服务及应急减灾能力具有重要意义。

目前关于路面温度的预报主要有两类：一是统计分析法，即通过大量的实测数据进行回归分析，建立路面温度同当地气温、太阳辐射等环境气象要素之间的定量关系^[3-4]；二是理论分析法，根据气象学和传热学的基本原理采用数值分析方法建立路面温度场的预测模型^[5-7]。用统计分析方法需要大量的实测数据，且模型不具有地域的普适性，而基于地表能量平衡的路面温度预测模型能够从本质上反映各种物理因素对路面温度场的影响机理，综合考虑了影响路面温度状况的环境因素和材料结构变量，通过该方法建立的预报模型适应性强，理论上适用于任何地区。

无论是路面温度的统计模型还是理论模型，都需要数值模式提供的气象强迫场驱动。数值模式预报产品误差的大小直接影响着公路路面温度及路面状态预报的准确性。特别是对于中尺度模式，由于调整适应(spin-up)问题，在最初的6 h预报时效内，模式预报误差较大。采用基于观测资料分析的外推预报与中尺度数值预报相融合的技术能够有效地改善数值模式的预报技巧。本文将使用奥地利气象局气象与地球动力研究所(ZAMG)牵头研发的INCA (Integrated Nowcasting through Comprehensive Analysis)多源资料融合分析外推预报系统^[8-9]，融合雷达观测、自动气象站观测，以及BJ-RUC的预报结果，形成1 km×1 km分辨率、逐小时滚动的气象要素预报场，驱动基于地表能量平衡的路面温度预报模型(Model of the Environment and Temperature of Roads，METRo)^[10]，开展江苏省夏季路面高温的精细化预报试验，并检验该方法的预报效果。

INCA系统以数值预报场为第1初猜场，使用当前的实时观测资料，包括气象卫星、天气雷达、地面自动气象站等资料，结合精细化的下垫面地形地表信息，对第1初猜场进行订正后形成INCA精细化分析场和外推预报，并根据一定的权重融合外推预报和数值预报确定最终的预报结果^[8-9]。INCA系统最突出的技术特点是发展了复杂地形条件下的客观精细化分析技术。在1 km×1 km的水平分辨率下，站点所处地形与INCA系统对应网格内地形非常匹配，因此，系统能够直接利用观测资料对INCA网格上的第1初猜场进行偏差校正，并根据距离反比权重来确定其他格点上的偏差，从而形成精细化的INCA分析场。另外，降水分析场同时融合了台站降水观测和雷达估测降水，1 km×1 km的水平分辨率也不会造成雷达捕捉到的精细化降水信息的丢失。预报模块中，气温、湿度预报在12 h内均由基于INCA分析场的外推预报和数值预报按一定权重融合得到。其中，气温外推预报是由观测气温加数值模式预报的气温变化值得到，权重系数是按照负指数渐进方法随时间进行调整。风速预报仅考虑数值预报的当地误差，在12 h内由分析场与数值预报场按规定的权重比例相加得到。降水预报在2 h预报时效内完全采用外推预报，2~6 h内根据权重函数从外推预报逐渐过渡到数值预报，6 h以后完全采用数值预报计算。由于降尺度效应及偏差订正作用，使用INCA分析预报系统能够提高数值模式在12 h预报时效内的预报效果，并且这种改进效果不针对某个特定的模式。同时，该系统可以随观测资料到报的频率不断滚动更新预报结果。由于该短时临近预报系统具有时空分辨率高、更新快速、预报准确率高、对计算机性能要求不高等特点，目前已经在多个国家和地区投入业务运行，广泛应用于交通、水文等专业气象服务领域^[11-12]。

METRo模型是加拿大气象局研制的路面温度及路面状态预报模型。该模型包括3个主要模块：道路表面的能量平衡模型，与道路材料有关的热传导模型，以及道路积水、积雪、积冰等状态计算模型。其中，地表能量的收支由以下几部分组成：进入地表的净太阳短波辐射，地面接受的净长波辐射，感热、潜热输送，由降水相态变化产生或吸收的热量，以及人为热释放(包括汽车轮胎与路面摩擦产生的热能，以及汽车排放等)。辐射通量可以直接来自数值模式的预报输出，也可以根据云量的参数化得到。另外，METRo模型包含一个观测资料与预报资料相耦合的局地偏差订正系统。该系统通过引入能量平衡的订正系数可以减小路面温度预报值与观测值之间的偏差^[10]。相比于其他路面温度及路面状态预报模型，METRo模型运行灵活，安装方便，只需提供最少的道路信息，如站点位置、道路材料及厚度，就可以实现任意有路面温度观测的站点的路面温度及路面状态预报，目前在北美和欧洲许多国家的交通气象预报研究和业务中开展应用^[12-13]。

试验方案如图 1所示。以BJ-RUC (Beijing-Rapid Update Cycle)为模式背景场，使用INCA融合分析及短临外推预报系统输出的2 m气温、2 m露点温度、降水量和10 m风速作为METRo模型大气预报部分的输入。由于INCA系统中云-辐射预报模块所需数据环境尚不完备，暂使用BJ-RUC模式的云量和地表气压预报产品。进入路面的辐射通量根据云量的参数化得到。同时输入METRo预报模型的还有交通站气象观测资料，以及道路相关信息，包括路面材料(沥青、岩石、混凝土、砂土等)、站点类型(桥面或路面)、经纬度等信息。

图1

图1 路面高温预报试验方案图 Fig.1 The forecast scheme of road temperature

在中尺度数值模式预报的基础上，INCA系统通过实时观测资料融合，以及复杂地形下的客观精细化分析和短临外推预报，进而获得更加准确的气象要素预报场。另外，METRo模型也通过交通气象观测资料与INCA预报结果的融合，不断对模型中的订正系数进行动态调整，从而提高路面温度预报的准确性。

本文选取2014年7月21日-8月21日作为试验时段。由于夏季主要关注路面高温时段对公路交通的影响，而江苏省日最高路面温度通常出现在中午及午后时段(14:00左右，北京时，下同)^[3]，因此，本试验中每日11:00运行一次METRo模型，分析其对路面高温时段的预报效果。为了对比观测资料与预报资料耦合前后的路面温度预报效果，本文设计以下两组试验进行对比分析：①试验1(即耦合试验), 使用预报数据为INCA系统每日08:00起报的08:00-20:00、水平分辨率为1 km×1 km、逐小时间隔的2 m气温、2 m相对湿度、降水量和10 m风速预报数据，以及BJ-RUC每日08:00起报的9 km×9 km水平分辨率、逐小时间隔的云量和地表气压数据；使用观测数据为每日08:00-11:00的路面温度、路面状态、2 m气温、2 m温度露点差、10 m风速、降水量监测资料。观测和预报重叠的时段为08:00-11:00，用于模型中能量平衡系数的调整。因此，每日有效的路面温度和路面状态预报时段为12:00-20:00。②试验2(即非耦合试验)直接使用11:00的交通气象观测资料和INCA系统预报数据，以及BJ-RUC模式预报数据驱动METRo模型，获取12:00-20:00的路面温度预报。

江苏省高速公路沿线(包括京沪高速、沪宁高速、长深高速、沈海高速、沪陕高速、连霍高速等)177个交通气象监测站的逐小时路面温度、2 m气温、2 m温度露点差、10 m风速、降水量监测资料，站点分布如图 2所示。交通气象监测几乎覆盖了整个江苏省高速公路路网，其中苏南地区监测站点更加密集，站点平均间距10 km，最小间距小于5 km。使用这些观测资料前，对资料进行了初步的质量控制，如气候学界限值检查、时间一致性检查等^[14]。

图2

图2 交通气象站点分布图 Fig.2 The distribution of road weather observation stations

使用的预报数据见1.2节中试验介绍部分。INCA和BJ-RUC格点预报数据通过距离站点最邻近4个格点值的反距离加权平均方法插值到各交通站点上。

BJ-RUC是2002年为保障2008年北京奥运会顺利举行，由北京城市气象研究所与美国国家大气研究中心合作研发建立的服务于北京及周边地区的高分辨率快速更新循环数值预报系统，经过不断升级改进，成为华北区域中心的业务数值模式预报系统，为区域内日常天气预报以及专业气象服务，包括道路交通气象预报、风电功率预报、大气污染物浓度预报等领域提供技术支撑^[15-17]。BJ-RUC基于WRF三维变分同化系统每隔3 h同化1次最新的通过全球电讯交换系统获得的探空、地面、船舶观测资料以及北京地区最新的局地观测资料，得到对大气状态的更新估计，然后利用WRF模式进行短期预报。模式的区域配置为27 km，9 km，3 km三重嵌套^[18]。本研究中试验区江苏省位于模式9 km区域内，预报更新频次为每日2次，因此，INCA系统中模式背景场的更新也是每日2次。

为了分析BJ-RUC模式在江南区域的适用性，同时，为了考察INCA系统对预报效果的改进作用，本文首先对BJ-RUC模式和INCA系统在江苏省夏季平均的气温、风速、相对湿度预报绝对偏差进行分析。在此基础上，进一步分析1.2节中介绍的试验方案对江苏省路面高温的预报效果。

图 3给出江苏省2014年夏季(6-8月)平均的2 m气温、相对湿度和10 m风速预报绝对偏差。模式起报时间为每日08:00，预报时效为12 h，预报间隔为1 h。由图 3可以看出，BJ-RUC对江苏省夏季平均的气温预报绝对偏差在2℃左右，其中10 h预报时效内预报偏差低于2℃；相对湿度预报绝对偏差在12%左右，其中3 h预报时效内低于12%；风速预报绝对偏差为2 m·s^-1左右，其中6 h预报时效内低于2 m·s^-1。因此，BJ-RUC 9 km的预报结果在江苏省是可用的。

图3

图3 BJ-RUC模式及INCA系统对江苏省2014年夏季平均的气温(a)、相对湿度(b)及风速(c)预报绝对偏差分布 Fig.3 The absolute error of air temperature (a), relative humidity (b) and wind speed (c) in summer of 2014 for Jiangsu Province forecasted by BJ-RUC model and INCA system

由图 3的对比来看，在12 h预报时效内，INCA系统预报的气温、相对湿度和风速绝对偏差均低于BJ-RUC模式。3 h预报时效内，气温的预报偏差在1℃以内，相对湿度绝对偏差低于6%，风速偏差低于1 m·s^-1。这表明，INCA多源资料融合分析预报系统相对于BJ-RUC模式本身预报效果的提高非常明显。因此，METRo路面温度预报模型中大气预报部分主要使用INCA系统的输出。

以沈海高速城南站(江苏省东北部连云港境内，站号为779371)为例，分析观测与预报资料耦合前后的对比。图 4a和4b分别为2014年7月27日和28日的路面温度预报结果。由图 4可以看出，实况最高路面温度均发生在14:00左右，27日和28日分别达到54.6℃和53.7℃。耦合前后，基于INCA和METRo的预报方法均能较好地预报出路面温度的日变化。27日路面温度预报的日变化幅度比观测偏大，18:00之前的路面温度预报比观测偏高，18:00之后预报比观测偏低。28日的预报情况与之相似。耦合后的路面温度逐小时预报结果与观测更为接近。

图4

图4 2014年7月27日(a)和28日(b)城南站预报耦合前后的路面温度预报与观测对比 Fig.4 The comparison of road temperature forecast and observation for Chengnan Station before and after coupling at 27 Jul (a) and 28 Jul (b) in 2014

图 5进一步给出耦合前后路面温度预报绝对偏差的比较。预报偏差随预报时效并没有明显的分布特征。耦合后，各预报时刻的路面温度绝对偏差均比耦合前有所降低(18:00除外)，16:00之前，路面温度预报偏差降低的幅度更大，且耦合后的路面温度预报偏差随预报时效的增加而增加。27日和28日，耦合后日最高路面温度(14:00)预报偏差均比耦合前降低了3℃以上。

图5

图5 2014年7月27日(a)和28日(b)城南站预报耦合前后的路面温度预报绝对偏差 Fig.5 The absolute error of road temperature forecast for Chengnan Station before and after coupling at 27 Jul (a) and 28 Jul (b) in 2014

根据观测与预报耦合前后的对比分析，以下均使用耦合后的预报进行分析。

选取京沪高速璜塘(南)站(站号为779350，位于江苏南部)和汾灌高速同三苏鲁省界站(站号为779368，位于江苏北部)为代表站，分析两个交通站7月21-31日的高温过程日最高路面温度(14:00)的预报效果(图 6)。从路面温度的观测与预报序列对比看，无论江苏北部还是南部，该预报方法都能较好地预报出路面温度随时间的演变。对于璜塘(南)站，7月21-23日实况和预报都维持较高的路面温度状态，23日以后温度开始下降，25日降至最低，之后不断上升。对于同三苏鲁省界站，模型也预报出路面温度21-25日和29-30日下降，25-26日和30-31日上升的变化趋势。但对于一些小的温度波动未能预报出来，如璜塘(南)站28-29日，以及同三苏鲁省界站21-22日的路面温度变化。除了同三苏鲁省界站7月22日和璜塘(南)站7月24日外，两个交通站11 d的日最高路面温度预报偏差基本在5℃以内。另外，对于高温时期(7月21-23日)，该预报方法对路面温度的预报较实况偏低。而对于低温时期(7月25日前后)，该方法对路面温度的预报较实况偏高。

图6

图6 2014年7月21-31日日最高路面温度变化预报与观测对比(a)璜塘(南)站, (b)同三苏鲁省界站 Fig.6 The comparison of the daily maximum road temperature change forecast with observation from 21 Jul to 31 Jul in 2014 (a) Huangtang (south) Station, (b) Tongsansulushengjie Station

以上是对单个代表站日最高路面温度预报效果的分析，为了进一步检验该预报方法对于整个江苏省高速公路沿线日最高路面温度的预报，挑选两个典型高温日进行分析。2014年7月21日和22日中央气象台分别发布高温黄色预警，高温区域包含江苏省在内的黄淮、江淮、江南等大部分地区。以下针对这两天的日最高路面高温预报进行分析。

图 7为7月21日和22日14:00江苏省路面高温的实况和预报结果。图 7中路面高温的级别划分根据气象行业标准(QX/T 111-2010)《高速公路交通气象条件等级》^[19]中路面高温对公路交通影响的等级划分。图 7表明，主要高温区域在江苏省西南部，包括长深高速、杨溧高速等部分路段，路面高温为62~65℃，个别站点达65℃以上。沪陕高速、沈海高速、淮徐高速的局部路段路面温度也超过62℃。无论江苏南部还是北部，高速公路沿线还零星分布着一些路面温度低于55℃的低值点。从预报结果看，90%以上的路面高温预报等级与实况等级保持一致。另外，该预报方法还能够较好的预报出江苏省西南部的路面高温中心，以及江苏省西部高速公路沿线的低值点，但预报的高温中心的强度比实况偏弱，对江苏南部和东北部的路面高温低值点存在漏报现象。

图7

图7 2014年7月21-22日14:00江苏省高速公路沿线日最高路面温度空间分布(a)21日观测, (b)21日预报, (c)22日观测, (d)22日预报 Fig.7 The spatial distribution of road temperature for 177 stations along highways in Jiangsu Province at 1400 BT 21 Jul and 1400 BT 22 Jul in 2014 (a) observation at 1400 BT 21 Jul, (b) forecast at 1400 BT 21 Jul, (c) observation at 1400 BT 22 Jul, (d) forecast at 1400 BT 22 Jul

图 8进一步给出7月21日和22日14:00江苏省路面温度预报误差的空间分布。由图 8可以看出，除了个别站点外，江苏省高速公路沿线路面高温预报误差基本控制在5℃以内。但预报误差的分布并未表现出均匀的分布特征，预报偏高的站点和预报偏低的站点较为分散，在时间上也有一定的不连续性，如沪蓉线上一些站点，21日14:00路面温度预报比实况偏高，而22日14:00路面温度预报比实况偏低。

图8

图8 2014年7月21日(a)和22日(b)14:00江苏省高速公路路面温度预报误差分布 Fig.8 The distribution of road temperature forecasting error for 177 stations along highways in Jiangsu Province at 1400 BT 21 Jul (a) and 1400 BT 22 Jul (b) in 2014

为了考察本文中路面温度预报方法相对于现有路面温度业务预报(WRF模式气象预报场驱动路面温度统计模型)的改进效果，表 1给出两种方法对2014年7月21日-8月21日177个交通站14:00路面温度预报偏差的总体统计。由表 1可以看出，常规业务预报方法对该试验时段路面温度预报绝对偏差在5℃以内的站次占总数的41.4%，相对偏差在15%以内的站次占总数的49.3%。而基于INCA和METRo的预报结果中，夏季日最高路面温度预报绝对偏差在1℃以内的站次占总数的14.7%，3℃以内的站次占总数的41.3%，5℃以内的站次占总数的64.5%，分别比常规预报方法提高7.2%, 16.9%, 23.1%。从相对偏差来看，偏差在5%以内的站次占总数的37.2%，10%以内的站次占总数的61.2%，15%以内的站次占总数的74.6%，分别比常规预报方法提高18.4%, 25.6%, 25.3%。

表 1

表 1 2014年7月21日-8月21日江苏省高速公路沿线177个站14:00路面温度预报偏差统计 Table 1 Statistics of error of road temperature forecast at 1400 BT for 177 stations along highways in Jiangsu Province from 21 Jul 2014 to 21 Aug 2014 预报方案 绝对偏差 相对偏差 1℃以内 3℃以内 5℃以内 5%以内 10%以内 15%以内 WRF预报场驱动统计模型 7.5% 24.4% 41.4% 18.8% 35.6% 49.3% INCA预报场驱动METRo模型 14.7% 41.3% 64.5% 37.2% 61.2% 74.6% 观测驱动METRo模型 17.2% 49.3% 78.1% 42.2% 76.7% 88.3% 注：表中数字表示在绝对偏差或相对偏差范围内的站次比例。

表 1 2014年7月21日-8月21日江苏省高速公路沿线177个站14:00路面温度预报偏差统计 Table 1 Statistics of error of road temperature forecast at 1400 BT for 177 stations along highways in Jiangsu Province from 21 Jul 2014 to 21 Aug 2014

引起路面温度预报误差的原因是多方面的，有来自模型本身的，也有来自数值预报产品的。为了考察路面温度预报误差分别在多大程度上来自METRo模型和气象预报场误差，表 1同时给出直接使用气象观测资料输入METRo模型的预报效果与基于INCA和METRo的预报效果对比。由于交通气象观测站本身没有云量和地表气压的观测，本文使用周边最邻近气象站的云量和地表气压观测作为替代资料。结果表明，使用观测资料直接驱动METRo模型，路面高温预报绝对偏差在1℃, 3℃, 5℃范围内的站次比例比基于INCA和METRo的结果分别提高了2.5%, 8%, 13.6%；相对偏差在5%, 10%, 15%范围内的站次比例分别提高了5%, 15.5%, 13.7%。进一步统计发现，使用观测资料驱动METRo模型得到的所有样本日最高路面温度预报平均绝对偏差为3.2℃，平均相对偏差为7.1%，使用INCA预报场驱动METRo模型得到的日最高路面温度预报平均绝对偏差和相对偏差分别为4.1℃和10.8%。这说明模型本身的误差是主要的。值得注意的是，这里的云量和地表气压观测使用的替代资料，因此，模型本身的误差应该低于3.2℃。

以往根据能量平衡模型的路面温度预报研究大多针对个别代表站进行分析，且统计是对所有预报时刻进行，如冯涛等^[20]给出了北京市回龙观站和大羊坊北桥站2011年夏季和冬季的路面温度预报检验；朱承瑛等^[21]分析了沪宁高速公路梅村站和仙人山站2006年7月8日-12月31日的路面温度预报。从预报效果看，不同站点夏季路面高温预报结果有较大的差异。这可能与所构建模型本身是否完善、参数设置是否合理、所研究站点不同、且统计方法的不同有关。另外，以上研究均表明，路面温度预报效果受天气影响较明显，如日照时数越长，预报准确率越低。本研究给出了江苏省高速公路沿线177个交通站路面温度预报的整体统计，且只针对夏季日最高路面温度的预报误差进行分析，能够较客观地反映出该预报系统对整个江苏省夏季路面高温的预报能力。预报结果表明，该预报系统不受天气条件的影响，能够较好地预报出不同天气条件下路面温度的变化趋势及变化幅度(图 6)。

本文使用INCA系统的精细化要素预报以及BJ-RUC的业务预报结果，驱动基于能量平衡的路面温度预报模型(METRo)，开展江苏省夏季高速公路路面高温预报试验，并使用公路沿线逐小时的交通气象观测资料，检验该预报方法对于江苏省夏季高速公路路面高温的预报效果。结论如下：

1)经过观测与预报耦合后的路面温度预报效果明显优于非耦合后的效果，大多数预报时刻，特别是路面高温时段(16：00之前的预报偏差)有明显降低，其中，14:00的路面温度预报绝对偏差比耦合前降低3℃左右。

2)该预报方法对于江苏省夏季路面高温具有较好的预报效果，日最高路面温度(14:00)预报平均绝对偏差为4.1℃，平均相对偏差为10.8%。其中，路面最高温度预报绝对偏差在5℃以内的站次占总数的64.5%，相对偏差在15%以内的站次占总数的74.6%，比常规业务预报方法分别提高了23.1%和25.3%。

3)该方法能够较好地预报出夏季日最高路面温度(14:00)的逐日变化趋势，预报绝对偏差基本控制在5℃以内，但对于一些小的温度变化波动，预报技巧还需进一步提高。

4)典型高温日的分析结果表明：该方法能够较好地预报路面高温等级以及高温的中心位置，90%以上的站点路面高温预报等级与实况等级一致，但对于极端高温点的路面温度预报偏低。总体上，日最高路面温度预报绝对偏差的分布较为零散，没有明显的正(负)偏差中心，除个别站点外，预报绝对偏差小于5℃。

以上使用INCA和METRo相结合的方法，对江苏省高速公路沿线夏季路面高温取得了较好的预报效果。但若该方法在实际业务中推广应用，还面临以下问题：①本研究中气温、降水、风速、露点温度来自INCA系统实况外推与数值模式相融合的精细化预报结果，水平分辨率为1 km×1 km，但云量来自BJ-RUC 9 km×9 km水平分辨率的预报。由于云量的多少直接决定着进入到地表的太阳短波辐射，从而对路面温度的变化产生重要的影响。因此，中尺度数值模式中云量的预报误差可能是该预报系统误差的一个重要来源。国内外一些临近预报(0~6 h)技术研究中，通常根据气象卫星云图或雷达回波资料，通过交叉相关技术进行短临外推预报^[22-26]。未来业务中可考虑使用基于卫星资料的云外推预报技术提高云量的预报准确率。②路面温度预报模型需要实际的路面温度观测值作为初始值的输入，但现有的交通气象观测站点密度远远不能满足业务的需求。下一步工作将根据有限的路面温度观测与临近气象站点的气象要素之间的关系，构建路面温度的统计预报模型，获取高速公路路网上任一点的路面温度估计值，并基于本文INCA和METRo相结合的方法，对数据条件较好，有专业气象服务需求的区域高速公路路网进行精细化的路面温度预报。