基于机器学习的青岛市区近岸海雾集成预报方法

利用2014—2017年青岛小麦岛海洋站观测资料,采用机器学习方法建立了青岛市区近岸海雾集成预报模型,通过主成分分析方法对预报因子进行了优选。结果表明:采用能见度、风向、风速、气压、露点、气温、海温、气温露点差、气海温差、相对湿度、云量、气温24h变温12个预报因子建立的海雾集成预报模型,对2018年海雾预报的TS评分约为0.64,海雾预报正确率约为0.783,具有较好的预报能力,为海雾预报提供了新的方法。     

湄洲湾海雾的初步分析

分析福建湄洲湾1985－1992年海雾的气候特点,发现79％的海雾发生在2－5月。应用中国气象局北京气象中心出版的历史天气图,对本区海雾进行天气学分型,结果表明,有89％的海雾出现在锋面偏北,南高北低,东脊型中,利用850hPa天气型的消空条件,结合气象因子和单站资料,得出了湄洲湾海雾的短期预报指标,并建立了预报方程。     

应用模式输出统计作海雾出现判别预报

应用模式输出统计的逐步判别方法，对山东南部沿海４～７月海雾出现作２４ｈ的判别预报。候选预报因子包括：日本数值预报传真图、近岸台站的观测、经验设计因子及其一些组合因子。对１９９３年４～７月独立资料，进行试报检验，结果表明，预报准确率达７７％     

青岛近海海雾的FUZZY数学预报方法

本文用FUZZY数学方法把海雾的形成过程作为一个模糊系统,通过对历史资料的分析,用模糊识别的方法对海雾的形成及强度进行了预报,并进行了回报验证,效果理想。     

试用隶属度与贴近度作海雾长期预报

青岛近海海雾多发生在4-7月份，是沿海灾害性天气之一。它对渔业生产、航海运输和国防建设影响很大。因此作好4-7月份海雾的长期预报有十分重要的意义。由于海雾的多寡和前期因子之间是一种模糊关系，     

青岛海雾的气候特征和预测研究

使用青岛市气象台近30年(1971-2000年)的气象观测资料,对青岛沿海发生的海雾进行了详细的气候统计和分析,揭示青岛海雾发生的基本气候特征;同时通过对青岛平流海雾发生时的天气图分析,得出入海高压的后部型和低压或倒槽的前部型及均压场型这三类地面天气形势场最容易导致青岛平流海雾的出现;最后根据平流海雾发生的特征,用逐步回归方法对平流海雾的预报因子进行了筛选,在此基础上,利用SVM(Support Vector Machines)的分类方法对青岛雾季发生的平流冷却海雾的预测进行了研究,预测结果表明了SVM方法对青岛雾季发生的平流冷却海雾有着较好的业务预报效果,为青岛海雾的预报提供了1种新的途径.     

浙江中部沿海海雾短期预报方法

本文系根据椒江市气象台的图表资料,着眼天气形势,立足本站资料,结合要素场建立的海雾预报方法。本方法含有天气型、水平和垂直风场以及本站海-气要素为主体的四套方法,并集成为预报方程。它应用效果较好,是基层台站适用的一种短时预报工具。     

北部湾海雾气候特征分析及预报

统计分析北部湾海雾的气候特征及其形成的天气形势背景,分析对海雾形成有重要影响的因素,建立回归预报方程,确定预报临界值。根据预报临界值和相似原理,在相应历史样本库中找相似个例,根据相似个例和北部湾出现海雾的概率制作海雾预报。     

日照市海雾天气的特征分析与预报

文章利用地面及探空气象观测资料、海洋站观测资料、ERA再分析资料,统计了日照市1988—2019年每年4—7月的海雾过程。分析了产生海雾的天气形势及形成机理,提出了影响日照地区海雾天气生成的主要气象要素及其配合效用。结果表明：春夏季节,日照地区处于入海变性高压西部、太平洋副热带高压脊西部或低压前部等几类天气形势控制下时,最易产生平流海雾过程;天气形势控制下的风向与风速、露点温度、气温、海温、层结稳定等水文气象要素在海雾形成过程起到重要作用。在此基础上,利用Fisher二级判别分析方法建立海雾预报的判别方程。通过预报检验发现,文章提供的海雾统计学预报方法具有良好的预报能力,预报准确率在88%～94%之间。可用来进行短期日照市海雾特征预报,为日照的工农业、渔业生产以及海上和陆地交通运输等提供服务。     

模糊逻辑仿真建模及其在青岛海雾分析中的应用

引入模糊推理仿真建模方法，在传统定性分析的基础上，基于观测事实和预报经验，建立起了青岛海雾定量化的模糊推理映射模型，在此基础上对青岛海雾发生发展的影响因子和变化特征进行了诊断和预报探讨。仿真试验结果表明，模糊推理方法在定量性、客观性和自动化程度方面优于传统的天气分析预报方法，在分析、预报诸如海雾等地域性特征明显的天气中有较好的实用意义和应用前景。     

我国黄,东海海域海雾气候资料

我国黄、东海海域海雾气候资料王青，战淑芸，杨淑瑞（国家海洋环境预报中心北京）海雾是海上灾害性天气现象之一，它对海上航运、渔业捕捞等作业的安全有极大威胁。由于浓雾的影响，造成船舶沉没的悲剧，国内外均有发生，其经济损失是相当严重的。因此，作好海雾预报，对...     

EnKF集合同化下黄海海雾数值确定性预报初始场构造方法的探究

在黄海海雾的数值模拟中,EnKF（ensemble Kalman filter）是一种优于3DVAR（three-dimensional variational）的数据同化方法。研究发现,对EnKF初始场集合体采取常用的集合平均所产生的确定性预报初始场,会出现初始场中海雾在预报开始后就迅速消失以及接下来海雾难以生成的异常现象。通过详细的海雾个例研究,清晰地揭示并解释了此现象,指出这是集合平均造成初始场中云水与温度湿度之间存在不协调关系所导致的后果,并提出了一种择优加权平均方法来取代常用的集合平均。研究结果表明,海雾确定性预报采用择优加权平均所构建的初始场,可以消除上述异常现象,显著改进海雾模拟效果。     

海峡西岸海雾的统计分析

本文以海峡西岸出现海雾的实测天数为资料,应用统计学方法初步揭示了该地区海雾及盛季(3～6月)的气候特征,为海雾预报提供一点素材。     

青岛地区的海雾预报

本文分析了近海表层水温与青岛气温差，分析了青岛的湿度、风场、及影响青岛的暖湿平流、青岛上空的逆温层，建立了预报青岛地区的海雾的预报方法。     

马尔柯夫链原理在海雾短期预报中的应用

本文应用了马尔柯夫链原理,采用转移概率矩阵的方法,建立了预报南海海雾的模式方程,且通过实际的业务试报反映出具有较好的预报能力。     

不同气流路径的春季黄海海雾天气与大气-海洋特征

春季（四至五月）是黄海海雾的多发季节，也是亚洲季风的转换季节。 本文对发生在1960-2006年春季的黄海海雾，及其雾气相关的天气特征和大气-海洋条件进行了综合分析。海雾根据I_COADS海面观测数据和同期NCEP/NCAR再分析资料风场的气流后向轨迹聚类分析，可进行气流路径分类。在气流路径分析的基础上，对春季黄海海雾的大尺度低层环流型及其相关的地表散度、湿度垂直分布、水汽水平输送及大气-海表温度差异进行了分析。主要结论总结如下：（1）导致春季黄海海雾形成的气流主要可分为四条路径。气流分别来自黄海的西北、东、东南和西南侧。（2）春季黄海海雾的发生有两种典型的天气型：黄海高压型（HSH）、气旋和反气旋耦合型（CAC）。两种天气型在四月份的出现比例大致相同；但在五月份HSH型的出现比例下降到三分之一左右，而CAC型上升到三分之二左右。（3）HSH和CAC两种天气型的共同特征是黄海位于地面散度中心。 （4）对于HSH型海雾，水汽主要来自局部蒸发，低层大气之上存在明显的干层；对于CAC型雾，水汽主要来自黄海以外，低层大气具有深厚的高湿度层。（5）由于天气型及其湿度垂直分布和水汽水平输送的差异，海雾可分为两类。多数的CAC型海雾为“暖”海雾，而HSH型海雾中的“暖”和“冷”海雾的比例几乎相同。     

关于海雾生成的探讨

分析海上雷达波的超折射现象，指出：海雾的出现总是在雷达波发生超折射之后，由此确定海雾形成时的大气结构特征，并对海雾的生成以及其出现时间有了新的了解。指出根据雷达波超折射现象可用来作海雾预报。     

数值模拟和卫星反演大气能见度对比分析

对2004年4月11日、2005年3月9日和2005年3月27日发生在黄渤海海域3个典型海雾个例数值模拟得到的大气能见度与可见光卫星云图的反照率进行对比分析,利用不同时刻大气能见度与反照率的对应关系进行线性数学拟合,得到新的适合白昼的大气能见度反演公式。利用该公式反演了几次显著海雾过程的大气能见度分布,发现海雾预报系统对大气能见度<200 m的海上浓雾的面积预报准确率约90%左右。对发生在2009年3月1日到2010年5月21日期间的46次较强海雾进行了初步统计,从判别海雾有无的角度来看该海雾预报系统对海雾的预报准确率为91.3%。     

海雾过程中海洋气象条件影响数值研究

利用二维数值模式，研究了在海雾过程中海温场、气温场、湿度场、风场等海洋气象条件的影响。结论如下：（１）海温主要影响海雾的生成过程，当海雾生成后，它的作用就逐步减小了；（２）气温梯度（暖平流）较大，不利于海雾生成，逆温不是海雾生成的一个充要条件；（３）相对湿度大小及其分布是海雾能否生成的物理基础；（４）风速大不利于海雾生成，但海雾一旦生成，则有利于其发展     

黄海海雾短时临近预报中云水路径的EnKF同化研究

在海雾的短时临近预报中,初始场的水汽凝结状态扮演着重要角色。为了改进初始场的云水含量,本文提出直接同化雾体云水信息的思路。针对2011年5月一次大范围的黄海海雾,借助EnKF (Ensemble Kalman Filter)方法,尝试进行了极轨卫星反演云水路径数据的同化试验。结果表明:(1)通过利用EnKF将云水混合比增加到背景场和分析场的控制变量中,构建云水观测数据与背景场之间的关系,实现云水路径数据的直接同化是可行的;(2)同化云水路径可显著改善海面气温与湿度状态,大幅提高海雾预报效果;(3)EnKF能够基于集合体动态统计流依赖的背景误差协方差是其取得良好同化效果的主要原因。值得指出的是,受集合样本误差的影响,需要特别关注云水含量与风之间的相关关系。