广州天气微博的运维分析

从微博影响力评价指标的3个方面:传播力、服务力和互动力出发对广州天气微博运维情况进行分析,结果表明:(1)广州天气采用主动推送与人工采编相结合的方式运维。实用性及时效性强的信息采用自动发布的方式,充分发挥预警类信息的防灾减灾作用;科普类及天气预报类信息采用人工采编的方式,恰当运用网络语言,做公众喜爱的气象服务产品。(2)实用性强的信息固定时间发布培养公众定时获取气象信息的使用习惯;而具备一定趣味性的信息如科普类信息,抓住用户的碎片化阅读时间发布,在天气转折用户关注的情况下及时进行实况追踪、实况播报。(3)互动力的提升包括官博与粉丝的互动及小编帐号的互动,联合政府部门扩大气象官博的影响力,官博及认证小编对粉丝的互动可以及时满足粉丝的个性化需求,特别小编账号让互动变得灵活及主动,粉丝也非常愿意回应。     

气象微博运维策略研究

从微博互动的角度对新政务服务形势下的气象微博运维策略动作的分析得出:(1)以天气预提醒和过程追踪的方式提供微博气象服务,以话题聚焦热点天气问题,适度结合网络语言进行产品包装,形象化描述天气现象、贴合生活出行进行温馨提醒。(2)利用大数据统计分析,针对公众日常活动和活跃时间自动推送相关度高的预报信息,实时检索、智能推送图文并茂的灾害性天气提醒、预警信号等时效性的信息。(3)利用评论和私信回复有效提升气象微博互动,评论回复以官博互动为主,小编互动为辅,私信回复利用粉丝服务平台接入气象数据库,提供自定义回复与官博私信回复。     

广州天气微博矩阵的服务效果分析

根据2016年广州天气微博矩阵运维数据探讨微博圈话题聚合效应,结果表明:(1)通过气象微博矩阵进行气象服务,可以促使矩阵成员之间加强联动,扩大微博运营效果;(2)话题聚合是广州天气微博矩阵运营的一个重要手段,话题聚合可以整合服务资源,增加矩阵各成员的曝光度,带动整体影响力的增长;(3)微博矩阵的建设可以直接拉动博文阅读量、粉丝量的增长,增强天气官博的互动力,从而提升矩阵成员的整体影响力。     

新媒体在霾公众气象服务中的作用

随着新媒体的不断兴起,愈来愈多的人习惯于将微博、微信作为其获取信息的首要来源,各类政务微博、政务微信应运而生。对于气象部门来说,微博、微信公众号正以其高效性、快捷性、互动性等优势,发展成为公众气象服务的重要平台。霾天气是近几年来公众关注度最高的天气现象之一,在霾天气的公众气象服务中,各级气象部门的官方微博、微信发挥了重要作用。文章以"中央气象台"官方微博和微信公众号为例,运用统计学方法,分析中央气象台利用新媒体载体进行霾天气公众气象服务的特点,并针对微博、微信在公众气象服务领域中的应用及发展进行探讨。分析得出:(1)"中央气象台"微博账号霾天气微博中,霾预报及实况相关的原创短微博(140字内)受公众关注度最高;(2)"中央气象台"微信公众号中,霾天气微信关注度较台风类微信明显偏低,与其他类天气基本持平;(3)"中央气象台"微博与网友互动能力上较为薄弱,需加强后台技术支持。     

基于气象预警信息的大连气象微博评论情感分析及发布策略建议

微博在气象预警信息传播及气象部门收集社会公众信息反馈中发挥了积极作用,并产生了海量级的交互信息,客观分析此类信息对于气象部门及时引领舆论导向和调整发布策略具有较高的参考价值。文中基于2017年1月1日—2020年7月3日大连市重大气象灾害过程,运用自然语言处理、情感分析等方法对大连气象微博中与气象预警相关的评论内容进行情感分析研究。结果表明：公众关注最多的是天气预报准确率、天气过程对于生活影响以及信息发布的及时性。公众对重大天气过程特别是致灾天气过程本身负面评价多于正面,发布策略应根据气象灾害持续时间及时调整预警信息内容和发布频次;公众对大风、冰雹等气象灾害预警信号关注度随季节变化明显,发布策略应针对旅游业、养殖户、种植户等提出专业防范对策;针对发布频率高的大风预警信号,有必要调整业务发布规范,同时关注灾后事件信息的跟踪发布;研究发现,负面情感主要针对天气预报的准确度。     

从“深圳天气”微博和微信维护谈新媒体的气象服务

根据"深圳天气"官方微博和微信的维护经验,结合2014年2次暴雨和1次台风服务,分析这两种新媒体在气象服务中的应用,并进行比较、分析其各自的优势和不足,并就如何在重大灾害天气过程和日常天气下维护微博和微信提出建议。认为微博适合于日常随时分享气象科普,在灾害天气时可以高频率地发布信息;微信适合在重大天气前推送消息,准确及时、送达率高,提醒关注粉丝提前做好防御。微信在未来气象服务中可以发挥更大作用,其推送信息的转发分享还有很大提升空间。微信自动回复功能可以与实况、预警相结合,方便用户获取定点预报或其他预报产品,比微博预报员互动回复效率高。     

“大数据”揭示气象政务微博号运营特征

利用网络爬虫、大数据统计及情感分析等方法,分析2020年2月4日—6月4日,新浪微博排行榜上排名靠前气象微博号的运营特点,从时间、内容、形式等几个维度分析高传播量微博的特征,并针对广东两次天气过程分析公众反馈词频及情感值,结果表明:(1)增强粉丝活跃度和服务主动性是提高气象政务微博运营效果的两大主要方向。(2)气象微博服务运营策略上可以采用调整发博时段、加强景象(色)类服务产品和原创视频的策划、培养高个人影响力粉丝的黏性等组合拳。(3)利用情感分析方法,可以分析出公众对不同类型的微博情绪高低,可见将情感分析方法用于气象微博服务分析是可行的,未来应加强这方面研究。     

对气象微博发展的几点思考

气象微博是一把双刃剑,是未来气象信息传播的主流阵地,但也会对气象短信声讯等经济效益产生一定影响。气象微博的内容和表现手法是吸引粉丝、引发互动、实现转发的关键所在,“新、奇、趣”是关注热点。微博粉丝数量是衡量微博价值的最有力指标,在跑马圈地时代争得尽可能多的市场份额、建立依托天气网的气象微博平台、适时植入广告或是微博未来赢利模式之一。     

广州天气微博信息生命周期研究

为更好地开展微博渠道的气象服务工作，了解利用信息理论对微博的信息学特点，以信息生命周期的相关概念与理论为基础，应用统计学方法研究广州天气微博2014—2020年发布的主题类微博评论数时间变化特征。结果表明：各主题类微博发布后，评论数会在1～3 min达到峰值，之后迅速下降，下降曲线高度符合幂函数型曲线特征；评论半衰期集中在20～40 min上下，短于高校官博、社会新闻等其他类微博。随着预报时效的拉长，微博评论半衰期有变长趋势。微博置顶对延长微博信息生命周期有明显效果。     

微博在气象服务中的应用与思考

为提升气象官方微博的品牌效应,提高气象信息的覆盖度,增强气象防灾减灾第一道防线的作用,通过对“西安气象”新浪官方微博近10 a的运营数据分析,并对比国内气象类官方微博运营发现,运营较好的气象官方微博都具有明确的运营理念和定位。针对微博的传播特点,可以通过对气象信息原创深度解读,增加与粉丝互动交流,与本地大V和气象大V形成传播矩阵等方式增加关注度、提升传播力和扩大影响力。     

基于12121拨打量的降水天气关注度的分析

降水类天气对社会公众的日常生产生活具有显著影响,以德州市为例,利用2015—2017年德州市小雨、中雨、大雨、暴雨及雷电五类降水事件对应的"12121"拨打量数据,基于趋势分析方法和信息扩散理论,分析拨打量与降水量、降水时间的关系,研究社会公众对降水类天气气象风险的关注情况。结果表明,"12121"日拨打量大致呈"双峰型"变化趋势,峰值出现在上午7时和下午18—20时;"12121"拨打量在降水天气开始前两天逐渐增加,至降水当日呈显著增加趋势,降水开始前1 h达到最大值;"12121"拨打量年变化趋势与降水量年变化均呈显著的"单峰型"趋势,但拨打量峰值出现在6月,降水量峰值出现在8月;德州地区用户对大雨的关注度要明显高于其他降水类天气,收听12121的粉丝中随机忠诚的粉丝占比最高。分析结果可为提高公众气象服务的提前量和精确度提供科学参考。     

2018年5月佛山市持续性高温天气成因初探

利用NCEP再分析、Micaps高空资料和地面气象观测站资料对2018年5月18—31日发生在佛山的持续性高温天气过程进行分析,结果表明:西太平洋副热带高压稳定西伸是对流层整层高压系统的表现,其长时间的稳定维持是造成该次持续性高温天气过程的主要原因;副高中心的下沉增温配合低相对湿度和长日照时数可出现37℃以上的灾害性炎热天气;对于少数高温日除副高作用外,"焚风效应"也有一定的贡献;当低云量≤6成时,10:00的气温≥30℃并且10:00的2 min平均风速≤2级时,可作为5月高温预警信号发布指标。     

基于天气问卷调查的微博微信用户分析

利用2016年在东莞开展的一次对微博微信的调查,对不同性别、年龄、职业、学历的人群对"东莞天气"微博、微信使用时间段、满意度、需要服务的内容、存在问题、对生产生活产生的帮助等展开了调查,分析了不同人群对于政务微博微信的需求。通过调研,发现微博微信的传播渠道在不断扩大,100%的调查者都在使用微博或微信、年龄层分布也较广;入睡前是受众浏览微博、微信最多的时间;受众最愿意得到天气预报、预警信息的服务,并且在咨询天气时愿意与公众号互动;互动不足是微博微信存在比较明显的问题;选择出行时段是公众认为对生活最有帮助的,从事户外商业活动对具有针对性的天气预报服务产品有较大的需求。     

河北廊坊近地面层O_3特征及其影响因素

利用2013—2015年廊坊市环境监测数据及同期气象资料,采用相关分析等统计方法,分析廊坊市臭氧浓度的日变化特征、超标规律以及气象因素对其的影响。结果表明:臭氧浓度的日变化特征明显,为"1谷1峰"型,每日07:00—08:00左右达到谷值,15:00—16:00达到峰值;臭氧超标只集中出现在春季、夏季与秋季的部分月份,1—3月、11—12月不存在臭氧超标情况,超标现象日变化特征明显,主要出现在11:00—20:00。气象因素对臭氧浓度的影响很大,风向为西南风与东南风时臭氧超标率较高;臭氧超标时,地面天气类型主要为高压后部或高压底部,高空天气类型主要为脊前西北气流或平直西风环流;臭氧浓度与相对湿度呈显著负相关,与温度、日照呈显著正相关。     

用微博改善气象公共服务

介绍气象微博的功能和特点,就如何利用气象微博改善公众气象服务进行初步的探讨.气象微博有发布气象信息、宣传气象科普知识、互动交流沟通等功能,有着快捷性、裂变性、互动性等特点.要从加强内容建设,以丰富多彩的内容吸引公众,积极组织培训,避免操作不当引发舆情危机,提升互动功能,树立气象部门形象借助名人提升气象微博的影响力等途径,以充分发挥气象微博在公众气象服务中的作用.     

北京奥运会期间的气象条件分析

利用北京1951—2003年气象要素的时值、日值和旬值等资料,对北京7—9月尤其是奥运会比赛期间的气温、降水、湿度、风和人体舒适度指数等要素的平均状况、演变特征和极值等变化特征进行了统计分析。结果表明:北京奥运会期间的气温较适宜,对赛事有重要影响的高温天气出现概率较小;8月8—24日,平均2~3 d出现1次降水;风速具有明显日变化,01:00—07:00(北京时)较小,12:00—18:00较大;沙尘、冰雹、雾和暴雨等不利天气较少发生。     

基于特定因子的河南省干热风客观预报方法

利用2000—2014年5月1日到6月10日河南省121个气象观测站点的逐日观测数据、欧洲中心模式预报资料,对河南省干热风天气进行分析,总结了干热风天气形势分类模型,同时利用多元回归法建立了河南省干热风天气的客观预报方法。分析结果得出:河南省干热风天气发生主要形势为西北气流型、高压脊型和纬向环流型3类;通过多元回归分析筛选出日最高温度预报因子为前一日最高气温、当日最低气温、08:00气温、EC850hPa 24h温度预报,相对湿度预报因子为EC850hPa 24h相对湿度预报、前一日14:00相对湿度、当日08:00露点温度,风速预报因子为EC细网格过去3h10m阵风预报,建立温度、湿度和风速3要素的预报方程;利用预报方程对2014年预报时段的天气进行检验,结果表明,对于轻干热风预报的TS评分为62%,重干热风预报的TS评分为64%。     

清远地区前汛期雷雨大风和冰雹天气的物理量指标

选取清远地区7个国家气象观测站2006—2015年前汛期的地面观测记录资料和清远、梧州探空站的t-logp探空资料,统计分析沙氏指数SI等8个物理量对雷雨大风及冰雹天气预报的指示作用。结果表明:(1)清远探空站数据中,整层比湿积分IQ、沙氏指数SI、瑞士雷暴1(SWISS00)对雷雨大风天气预报的指示性较好;整层比湿积分IQ、瑞士雷暴1(SWISS00)和0℃层高度对冰雹天气预报的指示性较好。(2)梧州探空站数据中,整层比湿积分IQ、抬升指数LI和沙氏指数SI对雷雨大风天气预报的指示性较好;整层比湿积分IQ、0和-20℃层高度、潜在下冲气流指数(MDPI)和强天气威胁指数SWEAT对冰雹天气预报的指示性较好。合理利用物理量指标对清远地区前汛期雷雨大风和冰雹天气的潜势预报具有一定的可行性。     

西安城区大雾气候特征分析

利用西安站1951—2011年常规气象观测资料,统计分析西安城区大雾气候特征。结果表明:西安城区雾日年际变化较大,平均22.2d/a,1971—1990年是大雾多发期,平均33d/a,大雾以1.7d/10a速率显著减少;大雾主要集中在9月—次年1月,11月为高发期,6月最少,不同等级的雾出现次数与其强度成反比,强浓雾4—8月鲜有发生,主要在10—12月;07:00前后生成的大雾最多,09:00—18:00生成的雾较少,13:00—15:00几乎无大雾;大雾天气主要风向为静风(C),约占66%,次风向为SSW、NE和SW,风速普遍较小,风速≤1m/s的雾次约占总次数的92%,风速较大的雾日,风向以SSW、SW居多;大雾天气相对湿度为80%~100%,相对湿度≥90%的雾日占比88%,夏季成雾湿度高于冬季,平均为95%。     

粤北暴雨中心的降水气候特征分析

基于广东省1967—2018年气象观测站和2003—2018年自动监测站降水数据,统计分析了粤北暴雨中心的降水气候统计特征。结果表明:(1)粤北暴雨中心范围主要集中在清远南部-广州东北部-惠州北部,最大年平均降水量(2 488. 6 mm)和强降水日数(12. 3 d)均出现在龙门的南昆山,特殊地形分布特征与粤北暴雨中心形成密切相关;(2)从化和增城降水年际变化呈较明显增多趋势,其余变化趋势不明显;中心区域内降水主要集中在汛期(4—9月),而前汛期(4—6月)降水量约占汛期的60%～70%;(3)降水月变化呈单峰型分布,峰值出现在5—6月;(4)降水日变化特征与降水性质密切相关,5—6月季风影响期间降水概率显著增加,夜雨和白天降水均明显;短时强降水出现概率集中在5—6月08:00、15:00和21:00前后。