辐射灾害雾的分析与预报

为适应航空飞行和气象安全保障工作的需要,将辐射大雾中能见度＜500m的雾分立出来作灾害雾研究;分析其形成的气象条件、主要特征,并进行合理归类;提出辐射灾害雾的常规预报方法、统计定量计算预报方法及综合预报方法.     

哈尔滨地区辐射灾害雾分析与预报

为更好适应航空飞行和气象安全保障工作的需要，着重分析造成哈尔滨机场能见度低于500m辐射灾害雾的形成条件，提出辐射灾害雾的预报方法。     

基于高速公路气象监测数据分析的浓雾预报指标

利用京秦高速公路沿线交通气象监测站实况资料,通过对84个站次的浓雾雾生和雾消各气象要素变化特征进行分析,归纳出高速公路沿线浓雾和强浓雾天气雾生雾消的预报指标。爆发性强浓雾期间能见度少波动,在能见度爆发下降前,温度下降过程中的小幅上升对能见度突然下降有很好的指示作用;相对湿度在能见度爆发下降前1 h内达到80%以上。一般性强浓雾大多数出现在温度波动之后继续直线下降期间;在500 m浓雾出现15 h之前空气相对湿度达90%以上,能见度达50 m之前相对湿度基本达饱和状态。浓雾消散主要有两个方面,因冷空气造成的雾消,预报应着眼于冷空气前锋影响高速公路所在区域的时间;而由辐射升温造成的雾消,预报应着眼于对天空状况和升温速度的判断。     

江苏北部雾的分析和预报系统

本文利用1959—1989年雾的资料,分析了江苏北部雾的气候特征和影响的主要天气系统;运用天气型下找指标,MOS预报等方法,研究建立了冬半年各月雾的预报工具。並编制了具有一定特色的预报业务系统,采用动态调整手段,使预报方程随资料的增加而不断优化。经一年的实际使用,雾的预报概括率达90％,获得预期的效果。     

国内外雾预报技术研究进展

大雾是引起低能见度的主要天气现象.提高雾的预报技术水平是确保交通安全的重要措施.从统计和数值预报两个方面,回顾了过去几十年来国内外在雾预报技术上的主要研究进展,并总结了各种方法的特点及存在的缺陷.在某些情形下,新统计方法的应用提高了雾的预报准确率,但仍然无法摆脱统计方法本身的缺陷.相比较而言,数值模式在大雾预报方面具有更广泛的应用和更大的潜力.在目前的计算机水平下,使用高分辨率的一维雾模式与中尺度天气模式相结合的方法,在一定程度上可以提高雾的预报准确率,该方法在大雾易发区的机场及高速公路沿线具有重要的应用价值.随着计算机能力的不断提高,包含大雾形成和演变的各种复杂过程、具有先进资料同化过程的高分辨率三维雾模式,以及集合数值预报系统将是未来的发展方向.     

AI技术与卫星资料应用研究现状分析

人工智能(Artificial Intelligence,AI)在环境要素预报、环境质量预报、气象基本要素预报以及高影响性天气预报等方面已取得研究性进展。其中,环境要素包括云、雾、雪,太阳能辐射及土壤水分、植被、湖泊等;环境质量包括空气质量、海洋环境质量等;气象基本要素包括降水、风、温度;高影响性天气包括冰雹、强风、雷电、对流暴雨、洪涝等。     

皖江中东部雾的客观预报自动化业务系统

介绍了一种雾的客观预报方法，并研制了一个与ＳＴＹＳ接口的雾的客观预报自动化业务系统，对雾有一定的预报能力。     

低能见度雾的分级预报方法研究

利用2007年11月—2009年12月京石（北京-石家庄）高速公路沿线气象站的人工观测资料、自动站资料和交通气象自动站资料,对低能见度雾天气进行分级统计,找出各级雾的生消特征。应用天气学原理和数理统计方法对低能见度雾的生消机理进行研究,利用相关分析找出了与低能见度雾的生消有密切关系的气象因子,建立能见度与气象因子之间的回归方程;在此基础上,结合对低能见度雾的成因分析和预报经验,加入降水因子和大气稳定度因子,建立低能见度雾的分级预报方程,找出各级雾的生消判别指标,为低能见度雾的分级客观化预报奠定基础。各预报因子采用MM5精细化数值预报产品,并通过自动站实时监测资料和预报员的综合预报结果对数值预报产品进行合理订正,得到预报时刻各气象因子的值,从而实现低能见度雾的分级客观化预报。      

基于客观分析的重庆雾的BP神经元网络预报模型研究

本文利用数值预报产品、TTAA报文观测资料及重庆雾(能见度)的实况资料,采用客观分析方法将相关资料处理成二维网格资料,再运用车贝雪夫正交多项式实现二维网格图形的数学定量描述,最后建立重庆雾的BP神经网络方法预测模型,并对重庆雾进行预报试验。检验结果表明,这种方法预报效果较好,基于客观分析的BP神经网络模型进行雾的短期预报具有一定的应用前景。     

基于神经网络的单站雾预报试验

采集大连某机场2004—2007年大雾、轻雾和无雾天气事件共186例,选取雾天气事件前期(前一日08:00,14:00,20:00(北京时)实测资料)的温、压、湿、风等要素指标为预报因子,基于学习向量量化神经网络(learning vector quantization,LVQ),采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中,动态调整网络神经元比例参数,提高模型的预报能力;采用根据检验准确率适时终止训练的"先停止"技术,有效提高了模型的泛化能力。预报试验表明:无论是拟合率还是独立预报准确率,模型均已达到较高水准,具有实际应用意义。     

大雾消散时间的客观化预报

分析石家庄生成大雾的气象条件以及不利于消散的大气层结和气象要素特征，选取与大雾消散有关的预报因子，由实况资料建立大雾消散时间的线性回归预报方程，并将数值预报结果与实况进行插值订正，做大雾消散时间的客观化预报；分析了自动气象站的气温资料与大雾消散时间的关系，用自动站资料对大雾消散时间进行订正预报。     

Predictability of the Meteorological Conditions Favourable to Radiative Fog Formation During the 2011 ParisFog Campaign

Radiative fog formation is a complex phenomenon involving local physical and microphysical processes that take place when particular meteorological conditions occur. This study aims at quantifying the ability of a regional numerical weather model to analyze and forecast the conditions favourable to radiative fog formation at an instrumental site in the Paris area. Data from the ParisFog campaign have been used in order to quantify the meteorological conditions favorable to radiative fog formation (pre-fog conditions) by setting threshold values on the key meteorological variables driving this process: 2-m temperature tendency, 10-m wind speed, 2-m relative humidity and net infrared flux. Data from the ParisFog observation periods of November 2011 indicate that use of these thresholds leads to the detection of 87 % of cases in which radiative fog formation was observed. In order to evaluate the ability of a regional weather model to reproduce adequately these conditions, the same thresholds are applied to meteorological model fields in both analysis and forecast mode. It is shown that, with this simple methodology, the model detects 74 % of the meteorological conditions finally leading to observed radiative fog, and 48 % 2 days in advance. Finally, sensitivity tests are conducted in order to evaluate the impact of using larger time or space windows on the forecasting skills.     

萍乡地区雾的特征分析及预报方法初探

选取萍乡和莲花2个站点1980—2003年722个雾日样本,按年、季、月对雾日的变化进行了分析,探讨了辐射雾、平流雾形成的主要气象因子和天气形势。通过普查气象因子和相关性回归分析,筛选出与雾日相关性比较好的6个气象因子,分别建立春、秋、冬三个季节雾的能见度预报方程,并进行了验证和实际应用。预报方程春季预报准确率最高,冬季次之,秋季相对较低。     

合肥市大雾预报方法建立与应用

利用主成分分析方法对2012～2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究，应用因子荷载点聚图将合肥市县大雾划分为2个区：中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性，全市和分片分别确定与大雾密切相关的高影响因子，利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下，通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明：数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。     

用PP方法做河北省雾的分县预报

利用 1 96 0～ 1 999年 4 0年的气候资料 ,运用天气学原理和气候统计学方法 ,分析了雾与气象要素的关系。使用常规气象资料、利用T1 0 6数值预报产品和PP方法 ,分别制作了 2 4小时、4 8小时河北省雾的区域预报和分县预报     

中国典型大雾落区基本概念模型的研究与建立

利用MICAPS气象信息综合分析处理系统的历史气象资料,根据大雾形成的物理机制,对2008-2010年发生在中国典型区域大雾天气个例中主要影响因子进行分析,得出7个有利于区域大雾产生的因子。结果表明：7个因子中,逆温层厚度为20-200 hPa;地面温度露点差多小于1 ℃,前一日多小于3℃;近地面湿空气厚度0.05-0.70 km;逆温层极值点0 ℃线是雾淞产生特征线;地面偏南风风速为2-6 m·s-1;气温为-15.0～20.0 ℃,其中,-5.0～5.0 ℃占比例最大,0 ℃线是大雾发生的特征线;变性或减弱的高气压。7个因子均有12-24 h的超前特征,经过叠加,构成了“大雾落区基本概念模型”。根据模型建立了大雾落区预报业务系统。理论检验表明,区域大雾预报时效可提前到12-24 h,24 h区域大雾预报准确率为87.5 %。     

沈阳地区大雾天气的UPS订正预报方法

选用2005-2009年沈阳地区5个气象站点的气象资料,总结了沈阳地区雾天的时空分布规律.沈阳地区一年中近一半的时间出现轻雾,大雾年平均16.4天;轻雾和大雾的季节分布都呈夏、秋季多,春季少的态势;大雾多发时段在清晨.在数值预报的基础上,利用UPS预报方法,进一步做出大雾天气订正预报,建立沈阳地区大雾天气UPS订正预报方法.当数值预报有大雾时,如T-Txover（最高气温出现时段温度露点差）≤5℃则可预报有大雾,当-4℃＜T-Txover≤5℃时可预报未来会出现能见度小于等于500 m的浓雾;如T-Txover≤-4℃则预报未来会出现能见度小于等于200m的强浓雾.如T-Txover＞5℃则有暖湿平流时预报有大雾,无暖湿平流时预报不会出现大雾.     

重庆市区雾的天气特征分析及预报方法研究

分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征,利用重庆站的观测资料选取适当的诊断因子,采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。研究表明:55年以来,重庆年雾日数总体呈逐年下降趋势,同时轻雾日数急剧上升,这种变化可能主要与城市热岛效应增强和空气污染状况加重有关;发展成熟的辐射雾大多具有逆温的稳定结构,雾顶上下温度、湿度存在明显跃变特征;神经网络模型具有较强的自适应学习和非线性映射能力,对能见度为0~1 km雾的报出率为83%,Ts评分达到69%,平均预报误差为0.384 km。除常规气象要素外,通过M指数、Ri数、凝结核、辐射状况和其他物理量的引入,以及对因子网络输入值的技术处理,明显提高了神经网络对雾尤其浓雾的预报能力,其对能见度在0.4 km以下浓雾预报的Ts评分可达89.5%。模型结果对重庆市区雾的预报具有良好的参考价值。     

甘肃省高等级公路沿线大雾天气气候特征及其预报服务

利用甘肃省高等级公路沿线20个气象站1971~2004年气候资料,分析了大雾天气的地域分布及其天气气候特征,得出甘肃省高等级公路沿线的大雾天气不仅具有明显的地域差异,而且具有明显的年际、季节、昼夜和局地性的变化特征,并在此基础上将不同路段的大雾天气划分为不同的预报服务期,为高等级公路沿线的大雾预报服务提供依据。     

雾的标准化危险性指数计算方法及其应用

在有雾的天气下经常发生几百辆车连续追尾碰撞的恶性交通事故,因此为了做好交通安全工作有必要开展雾的风险分析研究。在考虑雾的出现频率、持续时间和能见度3个参数的基础上,通过改进雾的危险性指数（FHI）方法,得出了适合我国气象标准的雾的标准化危险性指数(NFHI)的计算方法。为了使危险性指数适应雾的数值预报产品的应用,进一步改进了雾的标准化危险性指数的形式,提出了适合数值预测模式的雾的标准化危险性指数。最后结合京津塘高速公路沿线5个国家气象站36 a的雾的观测数据,利用NFI方法计算得出了4个季节的雾的危险性等级,并使用数值预报结果计算了不同地点的雾的标准化危险性指数。利用该指数计算方法可以通过比较不同路径危险性的大小进行最佳路径的选择,为交通安全提供科学参考。