英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
法国公路路面状况预测
摘要
设计用来模拟公路路面雪层演变的数字模型以气象预测为基础，为的是评估其在冬季道路管理操作套件中的作用和潜力。这个套件将在全法国被使用，甚至是在没有路面状况观察的地区。它依靠短期气象预测和使用空间化气象数据为初始参数的路面状况长期模拟。公路路面状况（路面温度和路表面雪的存在情况）的预测结果的检验在一个使用综合性实验场活动数据的试验场地进行。实验结果是令人满意的，它检测到了大部分的雪和负路面温度事件。随后这个模型在全法国以8千米方格网状被扩展开来，使用来自一个实时气象分析系统的有力数据。许多路表面有雪的情况都被用来模拟2004年5月冬季的情况。然后将路面温度结果与各高速公路站的数据比对，而路面积雪情况结果则与法国气象测站网的测量值比对。
1.简介
冬季公路养护策略取决于一系列因素，包括气候和人口状况以及公路网的密度和交通情况。大部分国家利用公路-气象预测系统预测公路状况，组织公路养护和减少事故风险。
数字模型采用当地公路气象站的预测数据，并且运用热图调查来对各气象站之间的数据内插取值，从而达到预测公路路面状况的目标。而热图是通过一个车载红外线温度计采集的(Paumier和Arnal.1998；Shao.2000；Chapman等.2001)。数字模型制造出来的预报和公路气象站的是一致的。现在存在许多模型，而其中主要模型在文献中有所描述(Thornes 1984； Rayer 1987；Shao 1990；Sass 1992； Jacobs和Raatz 1996；Crevier和Delage 2001；Yahia. 2006)。近年来，提高预测的准确性的尝试已经开始。包括添加补充情报到路面-状况预测模型中。例如在芬兰，卫星和实时摄像数据都被应用在操作性预测工具中（Iivanainen 和 Pettersson. 2004）。数据的大量输入改善了结果，却增加了成本，这使得操作预测系统的使用仅仅局限于主要道路网。因此，研究人员考虑建立一种成本较为低但能运用于整个公路网的系统。本文描述了一种仅使用数字气象预测数据来预测整个法国公路网路面状况的系统。其中初始道路温度和湿度剖线从道路状况的长期模拟获得，气象数据从包含实测值和气象模型的气象分析获得。
在冬季，路面结冰和积雪是司机行驶的主要隐患。由于涉及到许多不同的气候现象——冻雨、白霜、路面积水冻结、冻雾等，对于模型运转来说，路面结冰仍然是一个难题。考虑到必须应对所有类型的道路结冰，用单一的气象模型将显得难以有代表性。用现有可用的气象模型只能考虑过于简单的气候现象（例如道路路面水结冰），也仅代表液体和固体水的桶式容器系统。一些最近的模型详细地描述了成冰作用。在某桥梁文章中，Knollhoff 等(2003) ；Greenfield和Takle (2006)基于地表通量的计算，提出了一种可以计算霜/雪厚度和确定各种路面表层状态的预测模型。他们认为水汽通量在结霜过程中扮演重要角色，考虑了桥顶水相变引起的潜伏热过程（Jason等.2006）。由于目前适用于所有道路结冰和积雪情况的模型并不存在，人们提出了一种缺乏预测却可以降低风险，利用传感器可以尽可能快检测到道路气候现象（冻雨、白霜、水结冰等）的方法。例如，某一种传感器可以在特定情况下，以检测冻雨、冻雾，并可能依赖最近的算法来定量评估冰的积聚情况（Ryerson和Ramsay. 2007）。本文中，聚焦于一种冬季道路状况和路面积雪情况，并考虑积雪过程的热通量和路-雪交界面的特性（雪颗粒的类型，湿雪或干雪等等）。
要知道路面状况取决于一些外部过程如路面交通情况和路面除冰剂（盐）的多少。例如，Chapman和Thornes（2005）说明了交通情况对路面温度的重要性。他们使用热图检测技术，检测到最高和最低交通密度间，路面温度的差值可能高达1.5℃。本文并没有考虑到以上外部过程，因为其影响可以忽略，但在未来的研究中应该考虑这些过程。
本文的第一部分简要描述了土壤、生物和大气间的相互作用，以及“ISBA-路线/番红花”耦合模型。这个模型使用实测靠近路面的气象变量，它的技术特点和验证过程在门（Col de Porte）实验网站上有所提及，而最近的一篇文章中对其做了细致地叙述（Bouilloud 和 Martin.2006）。现在，我们将对“ISBA-路线/番红花”模型的预测水平进行评估，将其结果与实测值进行对比检验。在对这个模型和它的预测状况进行简要描述后，我们将集中于实验点的路面温度和积雪情况精确观测的可行性。然后，我们会把重点放在法国2004/5月的冬季。这个冬季非常寒冷，使得我们可能尽量准确地得到接近未来操作条件下的路面温度和积雪情况结果。
2.“路线/番红花”耦合模型原理和验证简介
Bouilloud 和 Martin (2006)的文章中曾详细描述过“ISBA-路线/番红花”耦合模型（下文简称耦合模型）。这个模型是两个一维模型的耦合，即一维土壤模型(ISBA； Noilhan和Planton 1989； Noilhan和Mahfouf. 1996)和一维雪模型(Crocus；Brun等.1989,1992)。其中使用“ISBA”模型的多层次版本(即'ISBA-DF'； Boone等.2000)。“番红花”模型是一个非常精确的雪模型，最初被用于预测法国雪崩（Durand等.1999）。它和“ISBA”模型都适用于解释道路变化过程。原理上，耦合模型主要的修改是在“ISBA”模型中引入道路热和氢气性质、优化“番红花”模型中关于毛细水上升的处理(Coleacute;ou 和 Lesaffre. 1998；Coleacute;ou等.1999)以及精确描述了路-雪交界面热力特性；验证上，耦合模型使用综合性试验场活动中法国气象门（Meacute;teacute;o-France Col de Porte）试验点三个冬季的观测数据(1320米, 查尔特勒山脉, 法国境内阿尔卑斯山脉)。除了持续自动记录大气层和积雪层的状况，还手工测量并记录实验路段共60次降雪数据；评估上,通过比较模拟路面温度和实测路面温度、地表下0.6米温度、积雪深度和路-雪接触面的状况，进行模型评估（例如，在积雪底部出现了饱水土层）。同时，我们通过采用与公路构造一致，即表层由半多粒沥青混凝土浇筑成的路面，进行模型验证。我们在模拟整个法国的路面时也使用这种路面(第5节)。该路面的物理和热力特性列在表一中。其中反射率0.07，辐射系数0.96，粗糙长度。
表一.道路结构和地基土物理和热学性质：是道路各层总厚度，是干密度，是干燥导热率，是体积空隙率。
耦合模型精确模拟了路面温度和路面积雪情况。然而一些积雪深度方面的误差也出现了。这些误差主要是由析出相的不确定性、预测积雪密度的困难性或模型未考虑的现象导致的（比如，风导致的雪的迁移）。另外，雪融水过程太缓慢了。这是因为模型并没有考虑到雪的物理不均匀性和水平迁移会加速雪融化进程。更多关于这个实验、模型和局部验证在Bouilloud和Martin (2006)的文章中有所描述。
3.预测状况
本文研究的首要目标是评估耦合模型的预测水平，为此，我们使用法国气象测站的预测结果在试验点和全法国进行测验。为取得预测初始条件，我们使用大气雪信息分析系统(Systegrave;me dAnalyse Fournissant des Renseignements Atmospheacute;riques agrave; la Neige. SAFRAN；Durand等.1993)分析过的气象数据来运作耦合模型。同时，我们也用这个系统在时间上和空间上分解预测结果。为了将预测面扩展到全法国，我们基于SAFRAN-ISBA-Route (SIR)系统，像法国气象局预测路面温度那样，使用8km8km网格。图一是预测系统的简化图。本文中，我们遵循试验点验证和全国性验证的原则。接下来，我们将介绍SAFRAN系统、SIR应用原理和通常采用的“路面积雪”定义。
图一. 道路预测系统简图
- SAFRAN模型
SAFRAN (Durand等.1993)模型是一个提供气象初始数据的模型。最开始用于山区(Durand 等. 1999)，而后才逐渐扩展到全法国(Quintana-Seguiacute; 等. 2008)。“分析”模式的目标是产生最精确的大气变量估值和推动耦合模型的下行流量。在本节，我们只介绍SAFRAN模型的主要特征。SAFRAN运用最佳的内插法分析大部分的参数(Gandin.1963)。对于气象参数，SAFRAN模型在气候均匀的地区，也就是地形不规则但水平气候变化小的地区进行分析。SAFRAN模型采集每个地区不同海拔每个参数的值。每个地区的参数都只由海拔和地形决定。地区之间不是孤立的，也就是说相邻地区的参数值可以统一使用。而在全法国应用SAFRAN模型，参数值取自法国各地气象预测部门的专业值。这使得612个地区的参数值气象学角度上尽可能的均匀。而对于水文参数和路况预测，SAFRAN模型在一个方格网中内插取值。在分析参数之前，SAFRAN模型在观测点大量实测的和分析的数据中比较，来对观测进行质量控制检验。分析的气象变量包括气温、风速、湿度、下行短波辐射通量、长波辐射通量、云层、降雨和降雪。SAFRAN模型在法国气象测站网获得这些参数，然后与在Action de Recherche Petite Echelle Grande Echelle天气数值预测模型(ARPEGE；Courtier和Geleyn.1988)或Aire Limiteacute;e Adaptation Dynamique Deacute;veloppement International模型(ALADIN; Bubnovaacute;等.1993)的初步估计值整合。参数分析分为两步。先是计算垂直地面以上每300米处每6小时的数据作为自由大气资料。再是粗糙测量确定地表参量。同时，每天做一次降水分析来考虑来自气象网络的数据（每天国际标准时间06:00获得一次）。最后，每小时内插并替换变量。
- 所有海拔资料（温度、湿度和云层）和地表风数据采用线性内插。
- 在前面垂直断面数据的基础上，利用辐射转移方案计算太阳辐射和长波辐射。
- 用最大温度观测值校正国际标准时间12：00时2米的温度，然后用太阳辐射值每小时调整到平衡温度。
- 根据零度等温线测定每小时的降水量，再根据降水量每小时确定雪-雨过渡海拔，用每个试验点的相应数据来估计日降雨/降雪比例，然后用相对湿度和降雨/降雪比例估算每小时析出相。
“预测”模型是“分析”模型的一个简化版本，仅使用数值预测模型的数据。在这种模型下，SAFRAN只输出了数值天气预测的一个降尺度和时间插值。
- SIR应用原理
在SIR应用中，运行一种分析系统来产生国际标准时间每天06:00的道路初始条件（温度，水和雪容量）。长期模拟分析的结果被用来初始化预测到的路况变量（如温度曲线，土壤水和土壤各层的寒冰量）。基于此，将SAFRAN模型的分析输出数据来推动ISBA“路线”模型。然后ISBA“路线”模型开始24小时的预测过程。这个原理和图一所示除没考虑雪之外一致。
- “路面积雪”过程的定义
耦合模型模拟路面积雪状况，根据气象条件预测积雪变化。然而事实上，路面积雪经常被清除，在当前研究中不能被考虑。但这一点很重要，可以避免输出模型被直接使用。因此在耦合模型中，我们不将重点放在路面开始积雪和积雪间隔的具体时间，而是什么样的情况应该界定为“路面有积雪”而什么样的情况应该界定为“路面没有积雪”。所有预测周期为24小时的阶段开始都是路面没有雪的情况。“路面有积雪”指的是路面积雪持续存在6个小时，或者在实验最后阶段存在2个小时。关于这个定义我们没有更深度的准则，因为积雪一旦开始就被清除了。这个定义使得我们可以避免考虑积雪短暂存在的情况，而把焦点放在更重要的情况上。当然在未来，这个定义可能被调整以适应道路维修服务的要求和约束。
4.门（Col de Porte）试验点
耦合模型的预测性能一开始是在门试验点进行的。我们将预测结果与实测道路积雪情况在纵向三个冬季做了对比(1997/98-1999/2000)。在某些试验点，积雪被商家清除或是自然融化，在某些试验点，雪在路面存在了几天。这些情况都没有实际作用因此被排除在试验之外。只有预测开始时路面没有积雪的日子所得到的观测结果才被保留。大多数公路测站只能提供路面温度的数据，相反，门试验点设备先进，可以提供路面积雪情况的精确数据（使用录像和雪深传感器）。因此在本节内，我们重点关注积雪情况。
a.1998年12月结果示例
图二比较了使用已得模拟气象观察数据和测量数据来预测的雪深和路面温度。图二中预测数据对应的曲线是不连续的，这是因为使用第3节b说明的原理每天国际标准时06:00初始化数据。使用预测数据推动的模拟状态比用实测数据推动的模拟状态质量要差。在用预测数据模拟时，并没有考虑试验点附近树木和山引起的阴影的影响，因而导致更大的误差。相对的，本月负温度的预测结果精确性更高。这使我们可以估计在全法国试验时误差的范围，误差的影响不大，因为我们关注最低温度和零下温度值。
图二包含了道路积雪情况三个优良预测结果和三个较差预测结果。三个优良结果分别出现在12月5至6日（第45到46天
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146386]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
