本溪地区低能见度的气候特征及影响因素

利用 1990～2000年地面常规气象观测资料 ,分析了本溪地区小于 1km低能见度的气候变化特征及出现低能见度的气象条件 ,归纳出本溪地区低能见度的季、日变化特征及主要影响因素和形成条件。     

北京地区低能见度区域分布初探

选用了水平能见度小于1000m的低能见度作为影响城市交通运输的一个指标，并研究了低能见度在北京地区时空分布特征。按水平能见度小于1000m的出现频率，多年日均变化曲线及全年日均、月均、季均变化特征，将北京地区划分为3个区，即东南部平原地区、西北部山区及东北－西南部过渡区。同时讨论了雾、浮尘等天气现象对北京地区低能见度的影响，得出影响北京地区低能见度的主要因子是雾。     

环渤海地区大气低能见度气候特征及影响因子分析

利用环渤海地区地面和高空观测资料,统计分析了该地区大气低能见度出现频率的时空分布特征及各相关气象因子的变化情况。结果表明:该地区大气低能见度出现频率年际变化特征表现为弱的上升趋势和周期振荡,主要周期为2、4和6～8 a;月际变化特征为双峰型,高峰值出现在夏季的7月,次峰值为冬季的12月,一天中的08时刻最易出现大气低能见度,整个地区大气低能见度出现频率的空间分布存在较大的不一致性;根据各季节大气低能见度出现频率空间分布特征的不同将整个地区分为三个区域,Ⅰ区包括渤海湾东北角的辽宁靠近黄海的小部分地区及渤海西北面的辽宁与河北毗邻的一部分地区,Ⅱ区包括渤海北部的辽宁小部分地区和京冀大部地区及南部的鲁北部等地区,Ⅲ区为黄海沿岸地区,各区高湿度、小风速是造成大气低能见度的相对重要的气象条件;大气低能见度出现前期或同时刻,低层基本都会维持一个逆温层或等温层和湿层。     

洛阳市低能见度特征分析

统计分析了洛阳地区水平能见度<1000 m(低能见度)的时空分布气候特征,讨论了地形地貌、沙尘天气、雾等因素对洛阳地区低能见度的影响,得出影响洛阳地区低能见度的主要天气现象是雾的结论.     

洛阳市低能见度特征分析

统计分析了洛阳地区水平能见度 <10 0 0m(低能见度 )的时空分布气候特征 ,讨论了地形地貌、沙尘天气、雾等因素对洛阳地区低能见度的影响 ,得出影响洛阳地区低能见度的主要天气现象是雾的结论。     

台湾海峡桃源地区低能见度统计特征分析

根据1974～1990年台湾海峡东岸桃源地区逐日地面观测信息化资料分析，揭示了该地区低能见度变化特征；利用韦布尔（Weibull）分布对能见度的概率分布特征加以描述，进一步证实了能见度的概率分布特性，说明能见度并不服从正态分布，而在实际中应用最广泛的是正态分布，因此要对能见度进行正态化转换，在资料正态的假定下，便可利用统计回归方法得出单站能见度的预报方程。     

呼伦贝尔市大气能见度影响因子及一次低能见度个例分析

为探寻呼伦贝尔市大气能见度、低能见度特征及其影响因子,揭示"冰晶雾"天气成因,利用呼伦贝尔市大气能见度资料及地面气象要素资料对4个代表站的能见度进行统计分析,并对一次典型低能见度事件进行分析,结果表明:(1)整个地区大气能见度的气候特征在空间分布及时间演变上均存在较大的不一致性,牧区能见度优于农区;(2)大气能见度与相对湿度和气压呈负相关,与气温和风速以正相关为主;(3)大气低能见度出现的集中时段是冬季,伴随最多的天气现象为结冰、积雪和霜;(4)2 m温度低于零下36℃,对于浓雾的产生具有指示意义。     

北京地区低能见度的气候特征及影响因素

利用近10年地面常规气象观测资料及1998年1月至2000年7月主要空气污染物浓度资料，分析了北京地区＜1km低能见度的气候变化特征及出现 低能见度的气象条件和污染状况，总结出北京地区＜1km低能见度的季、日变化特征、主要影响因素和形成条件。     

近45年本溪地区生态与环境变化特征及生态与环境质量评估的研究

根据1955-2000年本溪地区生态与环境监测资料分析、调查，在“3S”技术支持下，探讨了近45a本溪地区生态与环境变化特征及影响机制。建立了辽东山区生态与环境质量评估指标体系标准及方法，并对2004年本溪地区生态与环境质量进行了综合评估。     

河北省低能见度事件特征分析

利用1981—2010年河北省99个地面气象站资料,分析河北省低能见度事件变化特征,为河北环境保护及综合治理提供参考。结果表明:低能见度事件地理分布呈北少南多特点,冀北高原少,太行山东麓、燕山南部地区多,低能见度出现频次排在前6位的站点都集中在太行山东麓;20世纪80年代低能见度频次相对较少,90年代迅速增长,2000年后随着对环境保护的重视,低能见度出现频次有所下降;12和1月低能见度出现频次明显偏多,占全年总频次的37.9%,5和6月低能见度出现频次较少,约占全年的5%,季节变化明显;低能见度变化增加趋势的站点主要分布在太行山东部和唐山、张家口东南部,经济工业相对比较发达且交通便利地区,呈现减少变化趋势的站点主要分布在冀北高原、衡水经济工业相对滞后地区,秦皇岛、沧州沿海一带也呈减少趋势;相对湿度与能见度有显著的负相关,小于2km的低能见度主要出现在相对湿度>80%的天气,5 km以上的低能见度主要出现在相对湿度<60%的天气条件下。     

广州白云机场低能见度气候特征

利用广州白云机场1970～2000年逐时能见度观测资料，对白云机场低能见度的气候特征进行统计分析。结果表明：小于等于1km的低能见度有明显的8年周期变化，小于等于0．8kin和0．55km的低能见度主要振荡周期是6～10年；自20世纪70年代出现能见度小于等于1km的日数有逐年上升趋势，其中90年代出现的日数明显偏多，80年代相对偏少；低能见度有明显的季节变化和日变化特征；低能见度平均出现次数与持续时间明显成反比；造成低能见度障碍的天气现象仅有雾和雨。     

盖州市大气能见度与气象条件相关分析

利用2011—2012年盖州市大气能见度和地面气象要素(相对湿度、风速、气温、气压)的观测资料,分析了盖州地区大气能见度月和日的变化特征及大气能见度与气象要素的相关性。结果表明:盖州市大气高能见度事件多出现在3月和10月,低能见度事件多出现在6—8月;夏季能见度最低,14时能见度最大,20时能见度比08时略小。大气能见度与相对湿度相关性最大,与风速和气温相关性次之,与气压相关性最差;当相对湿度80.0%时,能见度最低值为10.4±3.2km,大气能见度与气压、气温、相对湿度的相关系数分别为-0.52、0.51和-0.52;其中较高的气温、较大的相对湿度、较小的风速及较低的气压是盖州地区低能见度(10km)事件发生的主要气象条件。     

台湾海峡桃源地区低能见度统计特征分析

根据1974～1990年台湾海峡东岸桃源地区逐日地面观测信息化资料分析,揭示了该地区低能见度变化特征;利用韦布尔(Weibull)分布对能见度的概率分布特征加以描述,进一步证实了能见度的概率分布特性,说明能见度并不服从正态分布,而在实际中应用最广泛的是正态分布,因此要对能见度进行正态化转换,在资料正态的假定下,便可利用统计回归方法得出单站能见度的预报方程。     

绵阳机场低能见度气候统计特征

利用绵阳机场最近10年逐时能见度资料，对低能见度的气候特征进行了统计，并对造成低能见度障碍的天气现象和影响系统作了普查分析。结果表明：绵阳机场低能见度有明显的季节变化和闩变化：造成低能见度障碍的天气现象主要是雾。     

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。     

基于AWOS数据的南京禄口机场低能见度特征统计研究

利用南京禄口机场2011 2016年分钟级地面观测数据对禄口机场低能见度现象进行分析,统计低能见度天气发生的时间分布特征;分析其他气象要素与能见度的关系,归纳低能见度天气下各气象要素的阈值,建立低能见度天气的预警指标。结果发现,禄口机场发生低于2 000 m能见度现象时,逐月平均相对湿度均超过90%,表明禄口机场低能见度主要是由雾造成的。禄口机场能见度表现出明显的季节、次季节变化特征,呈现双峰双谷结构,4月及7、8月为两个峰值,6月及12月和次年1月为两个谷值。这种特征的形成与近地层大气的温度、湿度、层结有密切关系。能见度分布具有较为明显的日变化特征,凌晨至早晨能见度最低,午后能见度达到最高,秋季能见度的日变化幅度较大,冬季低能见度可能出现的时间分布范围广。通过分析发现能见度与气象要素之间的关系复杂,并不呈现某种线性关系。分析不同等级低能见度天气对应的气温、温度露点差、水平风速范围,发现气温在不同月份有较大差异,温度露点差及水平风速的范围较稳定。     

山西、京津地区低能见度预报指标及其产生背景分析

本文根据1995年至2002年天气史料记载，得出每年11月中旬至12月中旬是山西、京津地区由于雾导致低能见度多发时间。从产生低能见度的各种因子变化规律入手，讨论了它们形成时的日变化规律，气压场、湿度及流场特征，为初冬山西、京津地区低能见度天气的变化规律及其预报工作提供了一些有参考价值的依据。     

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。     

高速公路低能见度浓雾监测预报中 的几点新进展

对沪宁高速公路江苏段26套交通气象自动监测站（AWM）每分钟一次的能见度、相对湿度、温度、风向风速等低能见度浓雾天气过程实时资料分析,证实了浓雾具有较强的地域性特征：在丘陵、水网密集地区多局地性浓雾;日出后是团雾多发时段并阐述了团雾的特征、霾雾混合作用造成的低能见度浓雾过程,同样具有“象鼻形”前兆;夏季由于汤山站地形的原因,会出现单站的低能见度浓雾,因而值得关注。     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。