分级聚类算法的区域大气污染天气分型及其动力学和统计学检验

根据江苏省污染监测资料及1981~1989年1、4、7、10月850hPa环流图,应用适合于类别样本呈超球分布的两种聚类算法构成分级聚类方法,共得23型。并区分了高、中、低三种污染天气型,分型结果具有清晰的天气气候学意义,为检验其客观分型的可靠性,本文首先运用探索性数值分析中的盒形图方法对其进行统计学检验,进而应用拉格朗日K模式,输入全省和周边站点气象资料以及实际污染源资料进行数值计算。模拟各级污染天气型下SO_2浓度的分布。对分型结果作动力学检验,动力学及统计学检验均证实了分型有效性扣代表性。     

春播期亚欧环流形势的客观分型及其在物理-统计预报中的应用

本文对1972—1978年七年春播期(3月27日—5月10日)500mb亚欧环流形势,应用变K-均值聚类法进行客观分型,共得九型。对它们和春播期四种主要中期天气过程——连阴雨和低温连阴雨、过程性天气、连晴,用对应分析方法数量化。以环流形势与同期的北半球500mb波谱分析中选出的物理量作为因子,对天气过程类型作出了逐步回归和AID聚类的统计推断。 对1979、80年春播期作了预报检验,效果尚好。     

500hPa环流客观分型作多要素预报

本文利用欧洲中心48小时500hPa高度预报场资料,从找相关系数入手,进行环流聚类客观分型,作多要素天气概率预报。 实践表明:分型结果的天气意义明确,并与预报员的预报经验一致;依据500hPa高度预报场资料,在客观分析的基础上,逐日鉴别定型,作多要素天气预报的方法是可行的。 文中数值处理及计算均是在IBM-PC/XT微机上完成的。     

二次归类对环流客观分型建立中期MOS预报

本文利用500hpa高度场资料,从相关分析入手,通过聚类对环流进行客观分型,建立本区7月6天逐日降水MOS预报方法。文中数值处理、计算均在APPLE—Ⅱ机上完成。     

基于聚类天气分型的KNN方法在风预报中的应用

以模式识别和相似预报思想为基础, 建立基于自组织神经网络 (SOM) 的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型 (KNN)。该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型, 针对不同天气形势下的历史样本, 通过交叉检验, 分别寻求各类天气型下的最佳K组合。为了验证聚类天气分型对KNN方法的影响, 使用2003—2006年冬半年T213数值预报产品和宁夏日最大风速资料, 同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型, 并对2007年1—5月进行了预报试验, 预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率, 提高了预报准确率, 特别是某些类天气型, 提高幅度更大, 为分类相似预报开拓了思路。     

高浓度污染气象条件的成因分析及预报方法

通过对１０个重污染日进行天气学条件合成，用模糊聚类方法对污染浓度及气象要素进行聚类，分析了重污染日的殂成原因及污染浓度与气象要素的关系。在此基础上，运用多对多双重选逐步回归方法建立了ＳＯ２、ＴＳＰ日均浓度分级预报方程。     

基于自组织神经网络算法的重庆秋冬季空气污染与天气分型的关系

为了了解重庆秋冬季节空气污染天气的环流特征,利用NCEP再分析资料对污染天气过程地面气压场应用自组织神经网络算法(SOM)进行天气分型,并经过主观对比分析,总结出3类典型天气型:均压型、低压型、高压底部型;其中均压型分为2小类:两冷锋间的均压场、弱高压区的均压场;高压底部型按冷高压中心位置分为3小类:北方高压型、西北高压型、东北高压型。比较分析发现高压底部型大气污染物浓度最高,空气污染最为严重。应用常规观测资料和L波段探空资料分析发现:各类污染天气型表现为地面静风频率高,近地层水平风速小;逆温出现概率高,大气层结稳定,大气边界层高度低等特点。从大尺度环流背景、动力、热力气象条件及后向轨迹模拟分析了3类典型污染天气过程形成原因,为重庆地区空气污染潜势预报及浓度预报提供参考依据。     

我国北方沙尘暴发生的环流形势分析

对我国北方1981～1997年春季沙尘暴天气进行综合分析，用动态聚类法对沙尘暴日进行分型，选择三种典型类型,它们分别是西北冷锋型、西方槽脊移动型和北方路径型。通过对这三种类型的大尺度环流形势及主要天气系统分析，揭示了沙尘暴天气的基本特征。得到以下主要结论:聚类能够客观地反映沙尘暴的基本天气类型，这对于数据驱动的天气建模方式提供了一条途径；沙尘暴的爆发是高低空环流配合发展的结果。     

西安冬季不同环流形势下大气细颗粒物 的输送特征研究

基于2018—2020年西安市冬季的ERA5再分析资料、大气污染监测资料以及地面气象资料,采用客观天气分型方法PCT将西安地区冬季的海平面气压场和10 m风场分成6种天气类型,对不同天气类型下的空气污染状况及大气边界层污染气象参数特征进行了研究,结果表明：西安地区在冷高压前部型、冷高压后部型、均压场型、高压底部型中PM25污染加重,污染日出现频率高,属于污染型天气类型;在污染型天气类型下,西安地区混合层高度较低、通风系数较小、大气自净能力较弱均不利于PM25的扩散稀释;对污染天气类型下西安地区的PM25污染输送与潜在来源进行研究,认为西安本地及周边地区、陕南地区对西安PM25的质量浓度均有明显的影响,另外甘肃东部、宁夏及河南西部地区也是西安重要的细颗粒物污染源地,不同的污染天气类型下,污染输送通道和源区存在差异性。     

湖南汛期暴雨天气过程环流客观分型技术研究

利用2006—2014年4—9月湖南117例强降雨天气过程高空、地面观测资料,依据湖南省暴雨预报经验和方法,将强降雨天气过程分为低涡冷槽型、地面暖倒槽锋生型、副高边缘型、台风型、梅雨锋切变型和华南准静止锋型6种类型。在此基础上,以同期222个暴雨日当天08时20°—35°N、105°—120°E范围内500 h Pa高度场和850 h Pa径向风为参数,采用K-均值聚类法,通过反复迭代得到6类暴雨日客观天气型。结果表明:第1、2、6类暴雨日天气形势场特征和强降雨落区分别有60%以上与台风型、低涡冷槽型、地面暖倒槽锋生型强降雨过程的特征吻合;第3、4、5类暴雨日分别出现在2种或以上强降雨天气过程期间,其天气形势场和强降雨特点对应强降雨过程的不同阶段;6类聚类结果较为客观地反映了湖南省汛期暴雨的天气形势和降雨特点,分型结果可作为湖南汛期暴雨预报客观分型的参考依据。     

一种新的气候分型区划方法

从理论上证明统计聚类检验(CAST)与旋转经验正交函数或旋转主分量分析(REOF/RPCA)用于气候聚类分型区划的关联性。研究表明，CAST在一定的意义上可认为是REOF/RPCA用于气象要素场(气候)分型区划的理论基础。由此，作者提出CAST与REOF/RPCA相结合的一种新的分型区划方法，并用仿真随机模拟资料和实例计算验证了理论与实际结果的一致性，从而证实了这种分型区划方法的有效性及其优点。     

一种经验建模的客观分型方法及其应用

介绍一种应用常规历史天气图资料进行天气学客观分的思路和方法,首先建立某种天气 若干环不充模型,然后确定各模型的判别条件和顺序,由计算机进行自动分型,和到各环流型样本,实现客观分型。此方法于威海市冬季分区降水预报系统 天气分型,卫水模型物理意义明确,识别近前和,系统自动化。指出了天气分型在数值预报产品释用中的重要性及应注意的问题。     

寒潮天气环流聚类分型探讨

过去,我处环流分型大多由经验根据形态学特点定性的进行分析,因而不够客观,在使用中也难以掌握,甚至会出现因人而异的结果。能不能使分型比较客观、定量化呢?随着微机的普及,这个问题是可以得到解决的。 我们借助〈APPIE—Ⅱ〉运用聚类分析的方法对高空环流进行分型,结果表明,这种方法是切实可行的。下面介绍一下聚类分型的步骤与结果。     

利用日本数值预报产品制作秋季降水分片分级预报

针对地方性天气特点,对降水实况资料进行相关分析和聚类分析,论证了分析了预报的可行性,并进行具体分析从日本数据预报产品中选取有关物理量,建立数据库,运用点聚图方法,制作晴雨预报及概率预报,对有雨类及逐步判别分析进行分级预报。该方法在计算机上运行,实现了降水预报的客观、自动化、可用于地区台指导预报和进行地代县预报,适应了当前业务需要。     

成都平原城市群夏季臭氧污染天气形势与潜在源分析

通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O₃污染区域呈扩大趋势,成都市O₃＿8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明：(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O₃污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O₃下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O₃浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送...     

环流型聚类分析问题的初步探讨

实践证明,统计预报,特别是MOS和PPM预报,环流分型下的统计模式比不分型的效果好。环流型及其演变仍然是天气预报的基础。往往采用定量的聚类分析进行环流分型。在聚类分析中,采用什么统计量,用什么方法聚类是两个重要的问题。本文首先讨论相关系数r_u、绝对值距离D_u在环流分型中的功能和局限;然后提出以综合相似系数RD_u来刻划环流型特点,度量环流型的     

华北地区雾和霾天气环流特征聚类分析

根据2000~2013年华北地区72个地面观测站点的雾、霾日数资料挑选出华北地区出现雾、霾天气现象站数较多的40个样本,再利用这些样本同期的NCEP逐日再分析资料,对位势高度场进行聚类分析,结果表明华北地区发生雾或霾天气时的近地面环流形势可分别分为4类和5类。聚类结果揭示了雾和霾发生时大气环流具有不同的分型特征,只有弱高压型为雾、霾发生时的共有型,湿度场和冷暖平流输送在雾和霾天气发生时也存在显著差异。此外,在分析过程中发现同一天中存在雾、霾天气转换及同一时刻雾、霾共存的现象,本文也分析了这两种情形的环流形势特征,解释了其成因。     

MODE方法在降水预报检验中的应用分析

采用WRF模式MET检验包中MODE方法,对BJ-RUC降水预报产品进行客观检验。使用2008—2009年汛期北京自动站逐小时降水数据,挑选出2个及以上站3小时累计降水≥50 mm的局地强降水个例及主要降水时段,根据其环流形势及影响系统进行分型,并将其归纳出三种型：西来槽型、低涡型、切变线型。分别针对这三种型中强降水个例的主要降水时段进行检验。在检验中使用BJ-RUC模式降水预报产品,实况数据使用与强降水时段相对应的雷达QPE降水估计产品。检验结果表明,BJ-RUC模式降水漏报比空报造成的误差更为明显,对移动较明显的西来槽型降水预报能力较差,相似度评分与TS评分没有本质区别,但它能给模式应用和模式开发人员提供更多有用信息。此项工作能为该模式应用及模式改进提供参考依据。     

中国东部季风区夏季雨型的划分及其环流成因分析

在总结前人关于中国夏季雨型划分的研究成果及其存在的主要问题的基础上 ,对中国夏季雨型的划分进行了新的尝试。根据东部季风区夏季 ( 6～ 8月 )降水的客观气候规律及业务预报应用需要 ,利用经验正交分解、主成分分析、奇异值分解、聚类分析等数理统计方法 ,结合经验分析 ,对中国东部季风区 1 880年以来 1 2 0多年夏季降水进行了客观分型 ,将中国东部季风区夏季降水划分为两类四型 ,并进一步分析了各类雨型的大气环流成因。     

用图型聚类法作气温变化趋势的概率预报

利用相似概率预报原理,通过图型聚类方法制作了河北省分冷暖季节,分辨站点的气温变化趋势的客观概率预报,１９９８年暖季开始试应用,暖季预报的布赖尔等评分结果表明,图型聚类方法是制作气温变化趋势概率的合理可行的方法。