引言

大气垂直观测是综合气象观测的重要组成部分，特别是大气边界层的垂直观测，不仅是数值预报模式、地气交换等理论研究的数据基础，还在生态文明建设、大气污染防治、城市规划等实际应用上具有重要的参考价值(叶笃正, 1977; 胡非等, 2003)。目前，L波段雷达探空系统(周毓荃和欧建军, 2010; 郭启云等, 2018; 余君等, 2016; 刘超等, 2017; 张思齐等, 2018)、系留气球(李子华等, 1999; 卞林根等, 2002；奥银焕等, 2005; 陆春松等, 2010)，以及风廓线雷达、微波辐射计等新型遥感仪器(黄治勇等, 2014; 郭丽君和郭学良, 2015; 韩珏靖等, 2015; 杨晓亮等, 2018；刘梦娟和刘舜，2016)是边界层垂直观测的常用手段。Guo et al(2016)利用全国120个探空站秒级探空资料和再分析资料对中国地区2011—2015年的大气边界层高度气候特征进行了综合分析。郭启云等(2018)开展了气球携带探空仪上升和降落伞携带探空仪下降的全程探空试验，并对观测数据精度进行了验证分析。

利用无人机进行大气边界层的垂直观测具有独特的优势。近年来，基于旋翼无人机平台的大气边界层廓线观测开始发展，并具有多方面优势(Saggiani and Teodorani, 2004; Cassano, 2014；沈怀荣等, 2006; 沈怀荣, 2010; 史静等, 2018)。与传统探空气球、系留气艇等观测方式相比，旋翼无人机的廓线观测具有准垂直观测、升速稳定、可悬停、可高频次观测等特点(马舒庆等, 2005)。与商用飞机气象观测比，在垂直方向上旋翼无人机具有恒定低速的特点，各环境要素的观测不受商用飞机高移速的影响，并且数据集在对比过程中可以不受航线的时空差异、区域分布不均的影响(陈洪滨和郑国光, 2005)。与卫星遥感产品相比，旋翼无人机则有更高的时空分辨率、并且接触式的探测方式能避免所探测的物理量不受云层、污染物等大气干扰(Colomina and Molina, 2014)。与气象铁塔、地基廓线产品相比，则具有观测地点机动性强，贴地层数据受下垫面环境干扰小的优点。因此，开展基于旋翼无人机的气象观测研究可为边界层气象研究提供具有高时空解析能力的新手段，有助于对低层大气物理过程研究的深入理解。

本文利用自主研发的无人机边界层气象综合探测系统于2018年3、6和9月在江苏省盐城市5个气象站点开展试验，并与射阳站(58150)L波段雷达探空资料进行对比分析，验证了无人机观测误差及其应用前景。

1 无人机边界层探测系统及组网观测试验 1.1 无人机边界层气象综合探测系统

自主研发集成的无人机边界层气象综合探测系统可进行从地表到1500 m高度内温度、湿度和风的廓线和它们的短期变化的测量，主要包括气象传感器、无人机平台和地面站等部分。实现了无人机状态数据与气象环境数据的统一输出，每秒进行一次测量，垂直上升速度通常在150~200 m·min^-1，保证了2.5~3 m的垂直分辨率，以获得更详尽的廓线数据。其中传感器集成了温、湿、压、风向、风速五要素，参考世界气象组织关于边界层气象观测的要求，气压、温度、湿度传感器设计上沿用探空观测体制，传感器兼具高灵敏度和准确度，风向、风速采用压力式固态传感器，可实现1~10 Hz采样速率的瞬时风向、风速测量。结构布局充分考虑旋翼扰流的影响，传感器架设在机臂高度以上60 cm处，使用三根支柱的结构以保证支撑稳定，避免产生共振。表 1为无人机边界层气象综合探测系统传感器参数。

1.2 无人机组网观测试验

利用无人机分别于2018年3月28—30日、6月20—26日、9月5—13日在江苏省盐城市射阳站(58150)开展了与L波段雷达探空的对比观测试验，同时6月22—26日、9月5—13日在盐城市滨海站(58049)、阜宁站(58143)、建湖站(58146)、大丰站(58158)和射阳站(58150)开展无人机组网观测试验，每日07:30、10:30、13:30、16:30和19:30在5个站点5台无人机同时开始观测，获得同时次5个站点的温度(T)、湿度(RH)、气压(p)、风向(WD)和风速(WS)的0~1500 m廓线(在观测试验前已申请到空域，但部分时次因临时空域管制原因只有4个或3个站点同时观测)，部分日期在22:30也开展了观测。无人机采用设定观测模式自动观测的方式，观测时上升速度设定为3 m·s^-1，下降速度为2 m·s^-1，飞机上升和下降过程中水平无位移，传感器数据采集时间间隔为1 s。图 1为无人机组网观测站点地理位置分布。表 2中列出了无人机观测站点地理信息、观测时段及无人机飞行参数。

1.3 L波段雷达秒级探空

射阳站为全国120个L波段雷达探空站之一，选择无人机观测时间同时次的L波段雷达秒级探空资料作为无人机观测数据对比的真值，对无人机垂直观测数据精度进行验证。L波段雷达探空观测放球开始时间一般为每日07:15和19:15，选择07:30和19:30时次的无人机观测数据进行对比验证。L波段雷达探空数据采集间隔为1 s，垂直分辨率为5~8 m。

2 无人机观测数据精度验证

为方便无人机观测数据与探空数据的对比，将两种数据的垂直分辨率重采样为6 m，共有24个同时观测的廓线进行对比。图 2为射阳站无人机观测的温度(T_UAV)、相对湿度(RH_UAV)、风向(WD_UAV)、风速(WS_UAV)与L波段雷达探空温度(T_R)、相对湿度(RH_R)、风向(WD_R)、风速(WS_R)对比，表 3列出了无人机观测与L波段雷达探空观测的温度、相对湿度、风向、风速相关系数，偏差平均值和中值，绝对偏差，均方根误差，偏差第25%、75%、5%、95%分位数。由图可见，温度、相对湿度、风向数据集中在1:1线(图中灰色实线)上和两侧，拟合直线(红色实线)与1:1线接近重合。

无人机和探空观测温度的相关系数为0.98，二者温度偏差的平均值、中值、绝对偏差和均方根误差分别为0.25、0.05、0.57和0.76℃，偏差第25%、75%、5%和95%分位数分别为-0.27，0.43、-0.68和2.46℃，表明无人机温度的观测与探空观测值一致性较好。

无人机和探空观测相对湿度的相关系数为0.98，二者相对湿度偏差平均值、中值、绝对偏差和均方根误差分别为-0.08%、-0.98%、4.25%和5.53%，偏差的25%、75%、5%和95%分位数分别为-3.52%、3.42%、-7.82%和8.46%，表明无人机相对湿度的观测与探空观测值一致性较好。

无人机和探空观测风向的相关系数为0.98，二者风向偏差平均值、中值、绝对偏差和均方根误差分别为0.1°、1.0°、11.5°、15.5°，偏差的25%、75%、5%和95%分位数分别为-10.0°、8.0°、-24.0°和23.0°。以气象上常用的16方位风向计算，二者风向落在同一方向上的比例占80.2%。风向对比图中左上角和右下角的点是由于风向由360°转0°(或0°转360°)数值变化导致的，风向差并不大，在计算相关系数等参数时，对二者之差绝对值大于180°的情况，进行订正后再计算。

从二者风速的对比图可以看到，无人机观测的风速较探空气球观测的风速存在系统性偏大(偏大1.8 m·s^-1左右)，二者的相关系数为0.91，偏差平均值、中值、绝对偏差和均方根误差分别为1.83、1.80、1.88和2.18 m·s^-1，偏差的25%、75%、5%和95%分位数分别为1.10、2.50、0.10和4.00 m·s^-1。这一系统性的偏差除无人机观测风速误差以外，还有二者的观测方式不同导致的偏差。无人机采用测风传感器直接测量当前时刻风速，而根据中国气象局监测网络司(2005)有关业务规范，L波段雷达探空的风向、风速是利用当前时刻和1 min前的探空气球水平位置的移动计算，即虽是秒级数据，但其实是当前时刻前1 min内的平均风速和风向。这一计算方法会使得探空不容易观测到低空急流等特征或观测到的最大风速及出现高度等信息存在偏差。如从射阳站2018年6月24日19:41无人机观测数据与19:15探空观测数据对比图(图 3)上可以看到，无人机在400 m高度上观测到风速为13.8 m·s^-1的低空急流，而探空数据0~1500 m的最大风速仅为8 m·s^-1，且276~615 m风速均为8 m·s^-1，可见探空的风速计算方式导致了极大风速的失真。对比无人机观测和探空观测的这一时次温度、相对湿度、风向的垂直分布，可以看到这3个要素二者均具有较好的一致性。

图 4为无人机与探空观测的每层的温度、相对湿度、风向、风速的偏差平均值和均方根误差。对比上升和下降阶段每一层的无人机与探空观测数据，可以看到温度、相对湿度、风向在不同高度上二者的偏差平均值均在0值附近，均方根误差也较小，表明一致性均较好。对风速，可以看到在每一层上也都表现为偏大，偏差随高度表现为先增大后减小的趋势，上升阶段和下降阶段风速偏差平均值最大值均出现在60 m高度上，分别为3.4和3.6 m·s^-1。

综上所述，无人机观测的温度、相对湿度、风向和风速廓线与探空观测具有较好的一致性，数据准确度满足使用要求。

3 无人机探测浓雾过程

2018年6月21日凌晨到早上江苏省盐城、淮安、宿迁、连云港、徐州等地发生浓雾，特别是盐城市射阳站和大丰站出现能见度低于200 m的强浓雾，射阳站、大丰站最低能见度(出现时刻)分别为113 m (05:55)、41 m(03:30，特强浓雾)。

图 5为射阳站和大丰站2018年6月20日20时至21日12时能见度、温度、相对湿度、风向、风速时间变化。射阳站21日01:15能见度为1292 m，5 min后(01:20)降到281 m，01:25继续降到143 m，能见度在短时间内快速降低，具有强浓雾爆发性增长的特性。到07:40能见度上升到1050 m，大雾消散。01:15—07:40期间，能见度有短时间上升到1000 m以上，大多数时间在200 m左右。大丰站02:10能见度为998 m，5 min后(02:15)降到211 m，之后，02:20—07:05均维持在200 m以下，07:50上升到1108 m，大雾消散。从夜间卫星云图和辐射资料可以看到(图略)，20日夜间江苏地区天空无云覆盖，晴空辐射条件良好，此次雾为辐射雾。

这次雾过程及其前后在射阳站共进行了6次无人机观测，雾发生前6月20日19:23进行了一次观测，6月21日早上雾消散前后进行了4次观测(起飞时间06:22、06:50、07:35、08:09)，其中06:22和08:09的飞行高度为1000 m，21日午后进行了一次观测(13:21)，图 6为每次观测的温度、湿度、风向和风速廓线(选取上升段数据进行分析，由于传感器架设位置，上升阶段理论上受旋翼气流影响要小)，其中20日19:15和21日07:15的L波段雷达探空廓线分别在图 6a和6d中与无人机观测廓线对比显示，可见无人机观测的各要素廓线与探空观测基本一致。

由图 6a可见，6月20日19:23的无人机和探空观测均在400 m以下存在一个相对湿度在85%以上的高湿层，地面自动站、探空和无人机在地面的相对湿度分别为89%、86%和91%，在相对湿度的观测误差内。温度整体上随高度上升逐渐减小，地面温度为23.2℃，到1500 m降为17.6℃。在0~600 m高度，风向为东南风，风速为2~6 m·s^-1，风速先增大后减小；600 m以上，风向转为东北风，随高度风向逆转，存在冷平流，风速逐渐增大，到1500 m达13.4 m·s^-1，为低空急流。

21日06:22，此时能见度降到192 m，为强浓雾，无人机观测的廓线上在230 m以下相对湿度达到100%，为饱和层，即雾顶高度为230 m。在0~270 m存在逆温层，温度由19.5℃上升到22.3℃，逆温强度为1.0℃·(100 m)^-1，逆温层的存在有助于雾的形成和维持，雾层也位于这一逆温层内。雾层内风速均小于3 m·s^-1，地面为静风；从雾顶到600 m高度，这一层相对湿度在80%~90%，风向为偏北风，风速增大到6~8 m·s^-1；600~800 m风向由偏北风转为偏东风，800~1000 m风稳定为偏东风，风速由1~2 m·s^-1再次增大到6~8 m·s^-1。

半小时后，06:50，此时能见度为176 m，由于太阳辐射加热作用，饱和层(雾顶高度)降低到150 m，同时150~520 m仍存在相对湿度较大(80%~90%)的一层，520 m以上相对湿度迅速降到40%以下。0~266 m为逆温层，温度由20.6℃上升到22.6℃，逆温强度仍为1.0℃·(100 m)^-1。风随高度的变化与06:22观测时相似。

45 min后，07:35，能见度上升到510 m，5 min后能见度持续上升到1000 m以上，可见此时为大雾即将消散的临界时刻。无人机和探空观测的雾顶高度分别为173和193 m，结果基本一致。此时由于太阳辐射作用继续加强，地表温度快速上升，从地面到70 m温度随高度减小，即逆温从地面开始消失。70~210 m为一逆温层，温度由20.8℃上升到22.4℃，逆温强度仍为1.0℃·(100 m)^-1，可见逆温层底高度被抬升，逆温顶高度降低，逆温厚度减小。湿度减小到100%以下，0~160 m相对湿度在90%以上，160~570 m相对湿度在80%~90%，570 m以上相对湿度迅速下降到40%以下。此时底层风普遍为2~3 m·s^-1，较06:50时(1~2 m·s^-1)增大，在200~600 m转为偏北风增大到6~7 m·s^-1，在800~1000 m转为偏东风再次增大到7~9 m·s^-1。

到08:09，此时能见度为3432 m，底层逆温层消失，0~300 m为一等温层，温度在22.7±0.2 ℃，300~540 m温度随高度递减，540~600 m高度上存在逆温层，之上到1000 m为等温层。湿度的大值区也集中在540 m之下，540 m以上相对湿度迅速减小。可见，随着逆温层的减小直到消失，雾随之消散。

到午后13:21，除在750 m高度上有一薄逆温层，其他高度温度均随高度递减；湿度在750 m以下在40%以上，750 m以上降低到30%以下。

可见，无人机观测获取的雾的边界层结构特征和雾的宏观特征与探空观测基本一致，有助于对雾的生消机制的理解和认识。

4 结论和讨论

利用L波段雷达探空和地面自动站资料对基于旋翼无人机的边界层气象环境观测数据精度进行了验证，并利用无人机观测资料对一次夏季浓雾过程边界层结构特征进行了分析，也进一步验证了无人机边界层廓线观测的可靠性。

(1) 无人机观测的温度、相对湿度、风向、风速廓线与探空观测具有较好的一致性，数据准确度满足使用要求。二者温度、湿度的相关系数均为0.98，温度绝对偏差为0.57℃，湿度绝对偏差为4.25%，风向绝对偏差为11.5°，二者风速的相关系数为0.91，绝对偏差为1.88 m·s^-1，且无人机探测的风速为对应高度上的瞬时风速，可以更好地反映出边界层内风速细节变化特征。

(2) 无人机观测到一次夏季浓雾过程边界层结构变化特征。无人机观测获取的雾的边界层结构特征和宏观特征与探空观测基本一致。

(3) 无人机采取“直上直下”的垂直观测方式，而探空气球释放后上升过程中随气流漂浮，二者观测目标并不完全相同也是二者对比结果不完全一致的原因之一。