广西西江流域大雾的气候特征及大雾类型分类

通过对1985-2014年西江干线流域7个气象站能见度观测资料的分析,得出西江流域大雾的气候变化分布规律:西江流域大雾的空间分布不均匀,局地性明显,上游少,下游多;西江流域平均雾日最多为1995年,最少为2014年;一年各个月份均有大雾生成,峰值主要集中在春季和冬季;大雾主要在凌晨生成;利用2005-2014年西江流域大雾按照天气学原理进行分类,西江流域大雾多为平流雾,142天,辐射雾72天,锋面雾48天。     

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.     

2018年2月琼州海峡持续性海雾过程的数值模拟分析

2018年2月春节期间琼州海峡发生持续性大雾天气,造成大量船舶停航。本文结合葵花8号卫星反演海雾产品、琼州海峡沿岸站点能见度观测数据及美国国家环境预报中心NCEP（National Centers for Environmental Prediction） 提供的FNL（Final Analysis）客观分析资料,对2018年2月18～20日的大雾过程进行了天气学成因分析,并进一步利用CMA-MESO（Global and Regional Assimilation and Prediction System）高分辨率数值模式从边界层方案、模式垂直分层以及海雾能见度算法三个方面进行敏感性试验,以找出模拟效果更好的模式设置方案。研究结果表明:大雾期间华南近海海温较常年平均偏低,受地面冷高压南下补充的弱冷空气影响,偏东暖湿气流流经冷海面并快速凝结。而数值模拟对比试验显示,采用YSU（Yonsei University）边界层方案、边界层垂直层次加密及美国国家海洋大气局预报系统实验室（FSL/NOAA）的海雾诊断方案（简称FSL）对改进能见度预报效果显著:YSU边界层方案比MRF（Medium Range Forecast Model）边界层方案对该次大雾过程的分布范围和最低能见度出现的时间模拟效果更优;模式低层分层加密可更好体现出低能见度的演变过程;通过能见度算法与实况对比,基于模式预报性能较好的湿度和温度预报而来的FSL算法,其能见度预报与站点实况最为接近。     

鄂中区域大雾天气中地基GPS监测的水汽总量及其演变分析

随着全球定位系统(GPS)气象学的迅速发展,GPS技术已在气象领域得到广泛研究和应用。介绍了GPS探测大气水汽的原理及地基GPS反演大气可降水量(PWV)的流程。利用湖北省GPS观测网2008年7月—2010年12月的GPS资料反演出的大气可降水量(GPS-PWV),结合地面观测资料,对2008年7月—2010年12月的冬季大雾天气进行了分析。通过对有雾与无雾情况下GPS-PWV与能见度的合成分析,总结了鄂中区域冬季大雾天气中GPS-PWV的日变化特征和空间分布特征,并对比分析了无雾天气与有雾天气的GPS-PWV日变化等。还使用GPS-PWV数据与其他常规气象资料,通过线性回归建立预报方程,并对2011年大雾预报进行了检验分析,为利用GPS可降水量做大雾天气的短时临近预报提供了有价值的参考信息。     

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。     

基于高速公路视频图像的能见度计算

能见度作为重要的气象观测因素之一,影响高速公路行车安全.基于视频资料的能见度计算方法类似于人眼的感知方式,具备对恶劣天气条件和复杂场地的适应性.基于安徽省2016年10月17日、12月1日和7日的3次大雾天气过程,选取跨省分布的3个高速公路站点,使用对应时次下视频图像灰度值均方差与能见度观测值建立计算模型.结果表明：1）随着大雾天气过程变化,模型计算结果较好体现了能见度的变化规律,对高速公路行车具有指导意义;2）基于视频图像的能见度计算方法类似于人眼观测,能见度越高,人眼分辨地物清晰度越高,图像均方差越大;3）由于监测原理和环境差异,能见度测量值与模型计算结果之间存在误差,理论上大雾空间分布越均匀,能见度仪和监控摄像头距离越近,计算误差越低.     

天津港秋冬季低能见度数值释用预报研究

本文利用近5年(2009—2013年)天津港资料,分析了该地区大气能见度的分级特征。采用7年秋、冬季NCEP(2006—2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品。经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5%~35.4%;其中对0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5~1 km的大雾预报,WRF模式的预报技巧1%,BP释用预报提高到了14%~21%。日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75%,比WRF预报技巧提高了24%;对1~10 km的低能见度过程,比WRF的预报技巧平均提高了60%。     

青海省公路沿线能见度时空变化特征及其影响因素

基于青海省公路沿线附近青海境内50个气象站点2004—2015年能见度地面观测资料和DEM数据,采用梯度距离平方反比空间插值方法,进行能见度的时空特征分析,在此基础上结合大雾、大风沙尘暴、短时强降水等观测资料,对能见度变化成因进行天气学分析。结果表明:(1)青海省公路沿线年、季、月、日平均能见度大体呈东西低、中间高的空间分布特征,其中玉树东部、果洛州、海南州、海北西部、海西中东部地区平均能见度最好,有利于公路交通线路的安全运行,而西宁地区、海东市、黄南州、海北中东部、格尔木地区平均能见度最差,对公路交通运行安全影响较大,应注意防范;(2)全省年平均能见度在17.4~48.8 km之间,能见度的月变化特征显著,但日变化特征不明显;(3)造成青海省能见度时空变化的主要天气现象有大雾、大风沙尘暴和短时强降水。     

辽宁省区域性大雾预报研究

通过对1994—2002年9年辽宁区域地面图的普查,得到了辽宁区域性大雾天气(大于等于5个地市,能见度小于0.5 km)共有73次。分析近10年区域性大雾天气过程得到了区域性大雾的时空分布特征。普查区域性大雾过程发生时的常规气象资料,进行区域性大雾天气分型。分析辽宁省各种区域性大雾的成因及要素演变特征,从中提取预报指标,建立预报流程,用PP法建立区域性大雾的客观预报方法。     

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据，对重庆能见度特征及其影响因子进行分析，采用神经网络方法建立能见度预报模型，分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征；雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度，表明低能见度受大气中水汽影响更大；雾在冬季比例明显增加，使得平均能见度在冬季明显降低，而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因；能见度日变化呈现单峰型，雾和降水高发时段与平均能见度低值区重叠，是造成夜间能见度低的一个重要原因；大气湿度、温度及颗粒物浓度都是影响能见度的重要因子，当相对湿度小于70%时能见度随PM2.5增加明显降低，当相对湿度大于70%时PM2.5对能见度的影响降低；在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果，特别是秋冬季的预报效果改善明显。     

太原大气能见度影响因子分析及能见度预报

利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。     

FY-3A卫星近海面气象要素在冬季夜间海上能见度分析中的应用

对FY-3A气象卫星大气温度湿度廓线资料进行夜间大雾低能见度分布反演计算,并运用美国LAPS(Local Analysis and Prediction System)局地分析与预报系统,与FNL再分析资料多要素反演数据进行多源要素融合分析。FY-3A卫星反演得到的大雾低能见度分布,经与Micaps(Meteorological Information Comprehensive Analysis and Process System)系统地面天气图, FY-2E地球同步卫星红外云图,要素统计气象年鉴记录等对比检验,显示反演的低能见度区范围及强度合理。尤其是对海上缺乏常规观测资料网的海域,提供了夜间海上能见度分布信息。进一步地通过LAPS系统对比卫星资料、再分析资料、以及卫星与再分析资料融合的3种方案结果,显示将卫星监测资料与FNL再分析资料的融合效果,对单来源资料反演的大雾低能见度分布有较好的改善。融合后对卫星资料而言,卫星轨道盲区已经弥合,其次,获得了海上低能见度区分布的信息,对海上和沿海雾区能见度的强度得到合理改善。对于FNL再分析资料,原有的各项要素强梯度被合理平滑。低能见度范围也有调整改善。重要的是海上大雾低能见度区的分布,得到FY-3A卫星信息和数值模拟信息的互相验证与信息综合,可信度增强。     

寿县不同强度雾的微物理特征及其与能见度的关系

雾对交通运输有不利影响,尤其是强浓雾。本文利用2019年1月上中旬在寿县国家气候观象台应用FM-100型雾滴谱仪测量的雾滴谱数据和常规气象观测数据,分析了不同强度雾的微物理特征,以及能见度与含水量、雾滴数浓度、相对湿度之间的关系,在此基础上建立了能见度参数化方案。结果表明:（1）随着雾的强度增强,雾中含水量显著增大,大雾、浓雾和强浓雾阶段含水量平均值分别为0.003 g m?3、0.01 g m?3和0.09 g m?3;当含水量大于0.02 g m?3,出现强浓雾的比例高达95%。（2）雾滴数浓度、雾滴尺度随着雾强度增强而增大,从大雾到浓雾,雾滴数浓度显著增加（增幅67%）,而从浓雾到强浓雾,雾滴尺度显著增大,平均直径、平均有效半径分别增加62%、135%;当雾滴有效半径大于4.7 μm,出现强浓雾的比例高达95%。（3）强浓雾、浓雾、大雾雾滴数浓度谱分布均为双峰结构,谱分布整体偏向小粒子一端,强浓雾谱型为Deirmendjian分布,浓雾、大雾均为Junge分布;强浓雾的雾水质量浓度谱呈现多峰特征,最大峰值出现在21.5 μm处,浓雾雾水质量浓度谱为双峰分布,大雾为单峰型,最大峰值均出现在5 μm处。（4）含水量、数浓度与能见度均呈反相关关系,含水量对能见度的影响最为显著;分别采用全样本和分段方式建立了四种能见度参数化方案,评估检验结果表明,基于含水量的能见度分段拟合方案对能见度的估算效果最好。     

多元动态逐步回归方法在北京地区能见度预报中的应用

基于2016年冬季的观测资料和ECMWF细网格240 h气象要素预报资料,选用与能见度变化相关的水汽、动力、热力等因素作为预报因子,利用多元动态逐步回归方程对北京地区未来10 d的能见度进行预报研究。同时将能见度分为3个等级:1 km、1～10 km(低能见度)和≥10 km,并从区域平均、空间分布及3次低能见度过程个例进行预报效果检验。多元动态逐步回归方法对北京地区的能见度及其变化趋势均有一定预报能力且效果稳定,其中≥10 km等级的能见度预报效果最好,TS评分为64.2%,其次是1～10 km,TS评分为53.1%,最后是1 km,TS评分为51.3%;两个低能见度等级中平原地区预报效果优于山区,表现为从东南向西北递减的特征;而≥10 km等级的呈相反变化,预报效果山区优于平原地区;北京地区3次雾霾过程个例预报也证实动态逐步回归方法能够较好预报北京地区持续性低能见度过程。     

江苏北部不同等级雾的微物理结构及个例分析

利用2015—2017年秋冬季在江苏北部观测到12次雾过程的雾滴谱数据及常规气象观测资料,统计分析了轻雾、大雾、浓雾、强浓雾和特强浓雾等级下的微物理特征量及雾滴谱分布,并通过一次雾过程的分析,探讨了不同雾等级下的主要微物理过程。结果表明:随着雾等级的提升,雾滴数浓度、含水量增长明显,而轻雾、大雾和浓雾的雾滴平均直径和最大直径差异不大,但当能见度小于200 m时,平均直径和最大直径显著增大;能见度下降时,平均数浓度谱和含水量谱的谱线上抬,从浓雾到强浓雾,粒径大于10 μm的大雾滴增长明显;雾滴数浓度主要由小雾滴控制,雾滴含水量受大雾滴影响;东海县郊平均的雾滴含水量与南京观测结果相差不大,但雾滴数浓度仅为南京的一半左右,平均直径大约是南京的2.3倍;个例分析中,能见度从1000 m下降到50 m,凝结核活化并凝结增长是主要微物理过程,但可凝结水汽是影响该过程效果的一个重要因子,可使雾滴数浓度和平均直径呈现不同的相关关系;能见度降到50 m以下时,碰并过程效果显著;日出后雾滴蒸发作用显现并逐步增强。      

西安地区大雾天气的分析与预报

利用天气学原理和统计方法对1995--2006年西安地区7个观测站大雾日的湿度、能见度、风速、地面气压及高空环流形势等资料进行分析,总结了西安地区大雾天气的时空分布特征、大气环流背景和形成大雾的气象条件,归纳出预报因子,用PP法建立了大雾的预报方程,利用T639数值预报产品资料来制作未来24小时西安地区的大雾预报。     

能见度激光雷达在一次琼州海峡大雾中的应用

正能见度激光雷达和前向散射能见度仪所获得的能见度变化趋势一致,数据结果合理,可为琼州海峡大雾监测预报预警提供了很好的科学依据,助力2019年春节期间琼州海峡航运通畅。能见度激光雷达与卫星云图进行互补观测,可取得更好的监测大雾动态效果,为海上交通安全提供更有力保障。     

2014年初冬湖北省一次大雾成因分析和数值模拟

利用湖北省高速公路交通气象站观测数据及NCEP的1°×1°格点再分析资料,分析了2014年1月29—30日发生在湖北省内的大雾天气过程的气象要素变化特征及大雾形成机理,并利用优化参数化方案的数值模式对本次大雾过程进行了模拟。结果表明,大雾过程能见度基本与相对湿度变化趋势相反,气温与能见度变化趋势基本一致,风速都较之前有所下降。本次大雾是暖平流影响后,经夜间辐射冷却降温后形成,属平流辐射雾。利用WRF模式对本次大雾过程的模拟结果表明,除对海拔较高、受局地地形影响较大区域的模拟效果不理想外,模拟的大雾范围、强度、生消时间等与实况基本相符,可为以后大雾预报提供一定的参考。     

西安咸阳机场一次大雾天气分析

以天气学分析的方法对一次大雾引起的低能见度天气进行讨论,得出了此次大雾过程中能见度急剧波动的原因是由于冷空气、降水和风场共同作用的结果,总结出了在此类天气形势下的一些预报经验。     

咸阳机场一次大雾天气分析

以天气学分析的方法对咸阳机场一次大雾引起的低能见度天气进行分析讨论，得出此次大雾过程中能见度急剧波动的原因是由于冷空气、降水和风场共同作用的结果，总结出此类天气形势下的一些预报经验。