CAR和SVM方法在郑州冬半年大雾气候趋势预测中的试用

以郑州冬半年大雾日数为对象,在分析其气候特征的基础上,尝试大雾日数的气候趋势预测.首先选择气候预测中常用的环流特征量作为因子群,通过相关筛选, 选取与预测对象相关系数较大的环流特征量作为预测因子,然后分别采用多变量自回归(CAR)和支持向量基(SVM)回归两种方法,建立郑州冬半年大雾日数预测模型.CAR方法回报正确率为88%,SVM方法回报正确率为82.4%;经2002/20032005/2006年4 a的独立样本试报,两种方法平均预测准确率(Ts)均为75%.     

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。     

支持向量机在三明主汛期短期气候预测中的应用

采用1951～2007年共57年的3—4月阻高面积指数、关键区海温指数、环流特征量等31项产品资料来挑选因子,构造建模样本资料。建立三明地区东南部和西北部主汛期降雨短期气候预报方法。结果显示,通过支持向量机（SVM）方法作出的短期气候预测,具有较高的准确率。     

支持向量机(SVM)及其在场预测中的应用

介绍一种新的非线性回归分析方法--SVM回归.利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案：（1） 将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;（2） 用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;（3） 由预测的预报场时间系数与对应空间函数反演原场.用交叉检验的方法,对1960～2003年1月热带海表温度场预报汛期（6～8月）华中区域降水场进行试验.SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归.     

北半球500hPa环流异常与黑龙江省春防期森林高火险日数

黑龙江省春防期森林高火险日数多少直接影响着黑龙江省春防期森林火险等级的高低。着重从黑龙江省春防期高火险日数偏多偏少年北半球500hPa环流场同期、前期异常及对影响气候趋势变化特征量的物理因子分析，通过相关计算,找出了影响黑龙江省春防期森林高火险日数环流特征量物理因子的前期变化，对黑龙江省春防期高火险日数进行预测进而作出黑龙江省春防期森林防火期趋势预测。     

投影寻踪回归方法在长江三角洲地区降水量预报中的应用

本文首先利用北半球大气环流、SST场以及环流特征量指数等资料，普查了与长江三角洲地区降水量关系密切的预测因子，并根据投影寻踪回归方法（PPR）建立了该地区降水量预报模型。试验结果表明，该统计方法具有稳健性，对降水量的预测效果较好。     

基于DERF2.0的长江中下游春播期气候预测

基于1983—2012年国家气候中心第2代月动力延伸模式 (DERF2.0) 回报资料和春播历史资料,结合NCEP/NCAR再分析资料,选取影响长江中下游地区春播期气候条件的关键环流因子。利用最优子集回归方法建立针对长江中下游地区春播期气候条件的动力模式解释应用预测模型,并对不同起报时次的模式解释应用预测结果进行检验评估。检验结果表明:该解释应用方案对于长江中下游春播期气候条件有较好的预测能力,且随着起报时间的临近,预测技巧整体呈上升趋势。1983—2012年的回报检验还显示,解释应用方案能够较好地模拟出连续不利日数和不利日数的年际变率,同时对年代际变率也有所体现。     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

辽宁地区夏季高温极值预测模型

利用1957-2006年辽宁地区夏季23站极端最高气温资料和国家气候中心气候监测室的74项环流特征量资料,应用EOF方法对高温极值样本进行分解,研究辽宁极端高温的时空分布规律。结果表明：第一特征向量表现为区域整体一致的特征,中心区位于辽西北、辽北,第二、三特征向量空间分布表现为东西部反位相和南北反位相的特征。普查了前3个时间系数与前期环流指数的相关关系,认为前3个时间系数的显著影响因子是不同的。采用CSC准则确定最优预测因子,分别建立各时间系数的回归统计模型,并对高温极值历史拟合序列进行回报检验和预测检验。回报结果表明,各站的历史拟合率都保持在一定水平,但拟合率在辽西地区较差。各年的历史拟合率极不均衡,多数年份较为稳定,但个别年份拟合率较低。未来3 a试验性预测效果逐年下降,模型对未来1 a预测能力较好,可以作为业务预测的参考。     

我国大雾的气候特征及变化初步解释

为了分析全国范围内大雾的气候特征及变化，利用1950年以来我国气象系统地面观测网679个国家基本（基准）站的大雾天气现象观测资料，分析了我国大雾空间、时间分布的基本气候特征。从整体来看，我国大雾分布呈现东南部多西北部少的特点。在月大雾的日数、月最多大雾日数、大雾季节分布中都显示出北南、西东的地区差异及局地明显的特征。分析表明，我国大部分地区大雾日数呈减少趋势。而浓雾出现的年日数变化不明显；文章对大雾日数的变化原因进行了初步解释。     

1961~2005年中国大雾天气气候特征

利用1961～2005年中国541个地面台站观测的能见度和相对湿度资料,分析了中国大雾时空分布特征和趋势变化特征.结果表明:中国大部分地区冬半年大雾日数明显偏多.夏半年明显偏少.其中11月最多,6月最少.在空间分布上,中国东部降水量较多的平原和丘陵年均大雾日数较多,而内蒙古大部和中国西部大部分地区年均大雾日数较少,多在1天以下.长江中下游和黄淮地区一些省市,是大雾天气多发的地区,并且具有明显正变化趋势,年大雾天气日数呈波动增多的趋势,波动的周期大约为1.5年.1982、1987、1989～2000年和2002年是大雾日数较多的年份,而1967年则是大雾日数明显偏少的年份.     

乌鲁木齐冬季大雾与低空逆温的关系

为了找出雾与逆温之间的联系和规律,为大雾预报提供参考依据,利用乌鲁木齐市2000年1月—2006年4月的地面、探空资料,对210个大雾日和1221个逆温日进行了统计特征分析。分析表明,乌鲁木齐市区逆温年发生频率为82%。一年中冬半年(10—3月)平均月发生频率为92%,夏半年(4—9月)平均月发生频率为68%。大雾只出现在10月至次年4月,雾日平均每年32.7d。冬季强逆温是形成大雾的重要条件之一,各月大雾日数与逆温日数及逆温层的厚度值、温差值之间呈正相关;与逆温层的底高呈反相关;在同一个月中,当逆温层底高低、温差大和强度强的情况下,出现雾的几率大;从7a雾日逆温平均特征值与无雾日逆温平均特征值比较分析表明:雾日逆温存在底高低、顶高低、厚度厚、温差大、强度强的特点。     

LONG-TERM VARIATIONS OF FOG AND MIST IN MAINLAND CHINA DURING 1951-2005

Fog is an important indicator of weather. Long-term variations of fog and mist were studied by analyzing the meteorological data from 743 surface weather stations in mainland China during 1951-2005. In climatology, there are more foggy days in the southeast than in the northwest China and more in the winter half of the year than in the summer half. The decadal change of foggy days shows regional variation. Southwest China is the region with the most foggy days, and more than 20 foggy days occur in Sichuan Basin in one year. Persistent heavy fog usually appears in winter and spring over the North China Plain and Northeast China Plain. Misty days are much more frequent in the provinces south of the Yangtze River than in the regions north of it, and there is an obvious increase of misty days after the 1980s. Southwest China is the area with the most number of misty days, and more than 100 misty days occur in Sichuan Basin in a year.     

基于CART决策树的河北省低能见度分类研究

基于2016—2019年河北省142个国家气象站逐小时观测数据, 通过EOF时空正交分解和CART决策树分类回归等方法, 针对低能见度高发区域构建能见度预报模型, 并进行拟合检验。结果表明: 河北省雾日时空分布特征显示除张家口、承德及秦皇岛三市外, 40°N以南地区为雾日高发区域, 多年平均雾日数最高值可达50 d。相对湿度、地表温度、风速等气象要素与能见度显著相关, 将显著相关因子作为输入变量建立能见度预报模型并调参, 经检验该模型对于冬季的预报效果较好, 有较高的准确率; 夏季误报率较低; 日夜差别在夏季并不明显, 三个指数差别不大, 冬季夜晚的准确率与误报率明显优于白天, 漏报率略高。石家庄站2019年12月7—10日的三次大雾过程拟合结果较好, 有雾时次无漏报。     

湘潭市大雾的时空分布特征及其发生的天气形势分类

利用1959—2012年湘潭3个观测站资料,采用线性倾向估计、普查分析等方法,研究了湘潭市大雾的时空分布特征并将大雾发生的天气形势进行分类。结果表明:全市大雾年平均日数为18.9天,辖区内湘乡最多(25.7天),韶山最少(11.8天)。所辖3站的大雾日数整体均呈逐年增加的趋势,变化速率在1.13天/10a~2.42天/10a,1977—2002年为大雾多发时期;20世纪90年代以前每年代以4~6天的趋势递增,进入21世纪后年大雾日数呈下降趋势。湘潭连续大雾天气过程最长持续时间为12 d,80%的连续大雾为2 d。低空有下沉逆温、地面有辐射逆温,是连续大雾产生的重要条件。形成大雾的500 h Pa形势场特征主要有NW型(槽后西北气流型),SW—NW型(低槽过境型),W型(持续平直气流型),SW型(槽前西南气流型),NW—W型(由脊转槽型)等5种;地面形势主要有两种类型:一种是地面上受小高压控制或处于均匀场中,另一种为地面高压底后部、低压倒槽中或弱冷锋前。     

抚州市大雾天气气候概况及气象要素特征分析

利用地面观测资料,对抚州市1959-2009年大雾天气气候概况及气象要素特征进行分析。结果表明,抚州市大雾年平均日数冬春季多、夏秋季少,大雾主要集中在10月到翌年4月;大雾区域分布极不均匀,东多西少,南多北少,山区谷地多平原少;大雾日数随着年代的推移总体呈逐渐减少趋势,平均以1.8d(/10a)的速度减少;大雾日数存在3-6a、12-15a和19-22a的周期变化;大雾存在明显的日变化特征,02-07时是大雾多发时段。当气温为0-10℃、相对湿度为85%-95%、风速为0-3m/s、气压为1005-1 015 hPa时,出现大雾的频率最高。一年中以辐射雾最多,占77.5%;其次是平流-辐射雾,占17.4%;平流雾仅占5.1%。     

辽宁沿海高速公路浓雾气候特征及气象影响因子

利用2005—2018年辽宁沿海高速公路沿线气象站点观测资料和NCEP再分析资料,对辽宁沿海高速公路浓雾气候特征及其与各相关气象要素的关系进行分析,并探讨了利于浓雾发生的环流特征和影响因子。结果表明：辽宁沿海高速公路年均浓雾日数由西至东呈现高—低—高的分布特点,同时,辽东沿海高速公路沿线各站年均浓雾日数差异较小,且存在明显的自东向西的下降趋势;辽西沿线高速公路各站差异最大,受到局地的影响最强。沿海高速公路年均浓雾日数具有明显的月变化与季节变化特征,全年有两个浓雾出现的集中时段,分别为2—3月和10—11月;秋季浓雾日数占全年的比率最高。秋季沿海高速公路浓雾以0—200 m的强浓雾为主;温度为10—15℃,相对湿度大于98%,风速为0—3 m·s^-1,风向为偏东北风时,浓雾出现的概率最大。辽宁秋季沿海地区受副热带高压影响较小,受东亚大槽等中高纬度纬向环流和极涡的影响较大,纬向环流和极涡越强（弱）,辽宁沿海地区浓雾日数越多（少）;辽宁沿海地区浓雾的水汽一部分来源于辽宁东部山区,一部分来源于渤海、黄海北部。辽宁沿海地区秋季浓雾并非以海雾为主,而以辐射雾、锋面雾居多,同时辽东沿海地区有来自辽东山区的平流雾。     

温州地区雾霾气候特征及其预报

利用温州8个气象站点近40年的雾日和霾日统计资料,从时间和空间两方面分析了温州雾、霾日数的气候特征和变化规律。结果表明, 1971—2008年期间,温州市区（平原）地区雾日数显著减少,洞头（海岛）地区雾日数缓慢减少,泰顺（高山）地区雾日数呈波动式缓慢增长,21世纪初有明显增多;温州地区霾日数,除泰顺（高山）地区缓慢增长外,总体呈快速增多趋势,增多开始发生在20世纪70年代后期,21世纪初霾日数显著增加,其中永嘉和瑞安增加最快。温州雾日数冬春多,夏秋少;霾日数冬季最多,夏季最少。同时,利用近年来气象部门与环保部门联合开展的空气质量预报产品,如空气污染指数（API）,建立雾、霾预报方法。统计2004—2009年间的雾、霾与空气污染指数的相关关系,并兼及晴雨天气条件,总结出包含晴雨、空气污染指数及雾、霾3要素的线性公式,作为预报雾、霾工具。经检验,效果较好,预报未来24 h雾、霾准确率达57%～66%。并通过编程实现计算机自动预报。     

南宁市大雾气候特征分析

利用南宁市所管辖8个站1965-2002年的观测资料，分析了南宁市大雾天气的分布情况和气候变化特征。结果表明：南宁市大雾的平均季节分布为冬季最多，夏季最少。各月大雾总日数出现频率呈双峰型，多项式回归分析结果表明大雾日数的年际变化呈逐渐减少趋势。     

中国不同区域气候条件对冬季雾日形成的差异性分析

雾是一种严重的天气灾害,极大地影响了交通和日常生活,并可能带来巨大的经济损失。利用1958～2007年678个中国地面观测站点的雾日数资料,采用相关系数分析、合成分析等方法分析了冬季雾日数的时空特征,发现冬季多雾地区和年际变率较强地区集中在西南、华北和华南等地区。根据冬季雾日分布特征,将中国划分为3个较为独立的雾区,从水汽条件、大气稳定度及大气环流背景等方面讨论了区域气候条件差异对局地雾形成机制的影响,发现不同区域冬季雾日产生的气候条件有着明显的差异性。结论如下:西南区冬季雾的形成受水汽输送影响较小,受大气稳定度影响较大,且巴尔喀什湖东侧高压脊加强,冷空气南下,西南较易发生雾;华北冬季雾日的形成受水汽输送影响较大,伴随长江中下游水汽异常推进偏北,水汽异常大值中心偏北,且西伯利亚高压、东亚大槽以及东北低压减弱,冷空气活动较弱,华北较易发生雾。华南冬季雾日的形成受水汽输送影响较大,伴随长江中下游水汽异常推进偏弱,水汽异常大值中心偏南,且东亚大槽减弱,华南较易发生雾。