用GRAPES模式输出变量因子作广东沿海海雾预报

通过分析5年(2004—2008年)NCEP的1°×1°再分析气象资料,结合2004—2008年的台站观测资料和2006—2008年海雾野外试验的观测资料建立预报变量因子,利用GRAPES模式得到并输出变量因子。结合NCEP资料分析海雾出现的各种判据和条件,选取湛江、珠海、汕头3站为代表,建立了广东沿海自西向东各地区的海雾MOS判别预报方法,实现了24h的海雾判别预报。对2008年3月湛江和汕头、4月珠海的预报检验表明,该海雾MOS判别预报方法对广东沿海海雾具有一定的预报能力,预报准确率为84%～90%,Ts评分为0.40～0.53,Hss评分为0.52～0.56。     

广东沿岸海雾决策树预报模型

利用汕头、珠海和湛江地面观测站2000-2008年1-5月的海雾历史观测资料和NCEP/NCAR FNL再分析资料,采用分类与回归树(CART)方法对海雾及其生成前24 h的海洋气象条件进行分类分析,建立了海雾决策树预报模型;并根据现有的海雾理论认识,对海雾预报规则包含的物理意义进行讨论.10次交叉检验的结果表明:采用...     

温州地区雾霾气候特征及其预报

利用温州8个气象站点近40年的雾日和霾日统计资料,从时间和空间两方面分析了温州雾、霾日数的气候特征和变化规律。结果表明, 1971—2008年期间,温州市区（平原）地区雾日数显著减少,洞头（海岛）地区雾日数缓慢减少,泰顺（高山）地区雾日数呈波动式缓慢增长,21世纪初有明显增多;温州地区霾日数,除泰顺（高山）地区缓慢增长外,总体呈快速增多趋势,增多开始发生在20世纪70年代后期,21世纪初霾日数显著增加,其中永嘉和瑞安增加最快。温州雾日数冬春多,夏秋少;霾日数冬季最多,夏季最少。同时,利用近年来气象部门与环保部门联合开展的空气质量预报产品,如空气污染指数（API）,建立雾、霾预报方法。统计2004—2009年间的雾、霾与空气污染指数的相关关系,并兼及晴雨天气条件,总结出包含晴雨、空气污染指数及雾、霾3要素的线性公式,作为预报雾、霾工具。经检验,效果较好,预报未来24 h雾、霾准确率达57%～66%。并通过编程实现计算机自动预报。     

粤西沿海海雾天气气候特征及微物理结构研究

利用粤西12个测站2000-2010年常规气象资料及2010年3月湛江东海岛一次海雾过程观测数据,分析了粤西沿海海雾发生的天气气候特征以及湛江东海岛海雾的微物理特征。结果表明：粤西沿海年均雾日数呈西部（17．8d·a^-1）〉东部（7．7d·a^-2）〉中部（3．5d·a^-1）的特点;年际变化差异明显,除2008年外呈逐步升高趋势;年雾日数冬、春季多,夏、秋季少;一天中海雾大部分出现在02：00—08：00,这一时段雾生成的平均概率为50．8％;最多持续时间在1-3d内。海雾生成的综合气象条件主要为：气温15．025．0℃、3小时变压-3．5-2．5hPa、温度露点差0．0-2．0℃、多发风向为NNE-ESE或静风,风速≤7m·s^-1。成雾的天气形势可以分为高压型、低槽型、冷锋型、静止锋型和鞍型或均压场型5类。雾过程中各阶段能见度变化及雾滴谱分布差异较大,平均雾滴谱分布符合指数递减规律,谱型大体上呈“单峰”结构,整个滴谱明显偏向小滴一端,雾滴谱径主要出现在2～10μm。     

卫星云图在海岸带大雾天气监测及预警中的应用

利用2005-2010年卫星云图FY-2E、海岸带一海区出现的28次大雾天气资料和2008-2010年海岛站资料,依据大气状态方程、热力学原理,在MICAPS3．0系统下,应用云图与同步探空、地面雾区叠加图、温度场逆温层剖面及TBB值与海面温度比较,估算雾区面积、高度及秋、冬季雾区温度垂直递减率。结果表明：在环渤海地区特定的环流背景下,红外云图和可见光云图监测到的雾区分别在大连、烟台及天津一带由轻雾转为大雾,沿海岸带向北发生发展,雾区垂直厚度为400-600m,递减率为0．02-0．04℃／100m,渤海东西向温度差值为1q℃,南北向为3-5℃;辐射雾对应弱高压均压场,平流雾对应弱低压均压场;低云覆盖雾区浓雾加重,轻雾被低云叠加使得能见度降低;平流雾被锋面抬升后混合到低空水汽输送带之中,对后期降雪（水）具有指示作用。在2009-2010年海区一海岸带大雾天气预报及预警信号升级应用中效益显著,可为海岸带大雾预报因子选取及预报监测业务流程的改进提供参考。     

Evaluation of the Global and Regional Assimilation and Prediction System for Predicting Sea Fog over the South China Sea

In the South China Sea, sea fog brings severe disasters every year, but forecasters have yet to implement an effective seafog forecast. To address this issue, we test a liquid-water-content-only(LWC-only) operational sea-fog prediction method based on a regional mesoscale numerical model with a horizontal resolution of about 3 km, the Global and Regional Assimilation and Prediction System(GRAPES), hereafter GRAPES-3 km. GRAPES-3 km models the LWC over the sea, from which we infer the visibility that is then used to identify fog. We test the GRAPES-3 km here against measurements in 2016 and 2017 from coastal-station observations, as well as from buoy data, data from the Integrated Observation Platform for Marine Meteorology, and retrieved fog and cloud patterns from Himawari-8 satellite data. For two cases that we examine in detail, the forecast region of sea fog overlaps well with the multi-observational data within 72 h. Considering forecasting for0–24 h, GRAPES-3 km has a 2-year-average equitable threat score(ETS) of 0.20 and a Heidke skill score(HSS) of 0.335,which is about 5.6%(ETS) and 6.4%(HSS) better than our previous method(GRAPES-MOS). Moreover, the stations near the particularly foggy region around the Leizhou Peninsula have relatively high forecast scores compared to other sea areas.Overall, the results show that GRAPES-3 km can roughly predict the formation, evolution, and dissipation of sea fog on the southern China coast.     

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.     

Fog Detection over China’s Adjacent Sea Area by using the MTSAT Geostationary Satellite Data

A fog threshold method for the detection of sea fog from Multi-function Transport Satellite (MTSAT1R) infrared (IR) channel data is presented.This method uses principle component analysis (PCA),texture analysis,and threshold detection to extract sea fog information.A heavy sea fog episode that occurred over China’s adjacent sea area during 7 8 April 2008 was detected,indicating that the fog threshold method can effectively detect sea fog areas nearly 24 hours a day.MTSAT-1R data from March 2006,June 2007,and April 2008 were processed using the fog threshold method,and sea fog coverage information was compared with the meteorological observation report data from ships.The hit rate,miss rate,and false alarm rate of sea fog detection were 66.1%,27.3%,and 33.9%,respectively.The results show that the fog threshold method can detect the formation,evolution,and dissipation of sea fog events over period of time and that the method has superior temporal and spatial resolution relative to conventional ship observations.In addition,through MTSAT-1R data processing and a statistical analysis of sea fog coverage information for the period from 2006 to 2009,the monthly mean sea fog day frequency,spatial distribution and seasonal variation characteristics of sea fog over China’s adjacent sea area were obtained.     

MODIS遥感数据在我国台湾海峡海雾监测中的应用

海雾是一种常见的灾害性天气现象。以我国台湾海峡为示范研究区, 利用新一代卫星传感器MODIS的可见光和红外探测通道数据, 在分析海洋、中高云、低云和海雾等不同下垫面的MODIS光谱辐射特征基础上, 选择对海雾具有敏感反应的探测通道, 通过综合判识建立台湾海峡海雾遥感监测模型。利用该模型对2004-2007年我国台湾海峡海雾事件进行监测, 并用福建沿海5个地面气象观测站的能见度数据对监测结果进行验证分析。结果表明:基于MODIS数据的海雾遥感监测模型能够较准确地对台湾海峡海雾分布和发展过程进行监测, 从地面观测数据与卫星监测结果对比验证来看, 海雾监测的准确率可达80 %以上, 具有较高的业务化应用前景。     

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。     

上海浦西地区雾持续时间的统计释用预报

丰海浦西地区雾持续时间释用预报（PPM）的结果分析和中尺度数值预报资料基础上，应用模式输出统计（MOS）方法，构造了与上海地区成雾条件和雾的维持有一定关系的数值预报要素组成的预报因子，并进行逐步回归分析，建立了雾持续时间的统计释用预报方程，同时，提出了在小样本情况下应用交互验证分析法时克服因子不稳定的一种方法，研制了雾时业务预报的统计释用集成方案，并进行了对比分析，结果表明，统计释用预报集成方案较完全预报（PPM）的结果有明显改进。可供业务试用。     

基于WRF模式的青岛近海能见度算法比较研究

采用GFS背景场资料和ADAS资料同化系统,使用WRF模式对2014—2016年青岛近海17个海雾个例进行了模拟,分析了3种能见度算法的预报效果。结果表明, FSL（Forecast Systems Laboratory）算法对于沿海站、岸基站雾的预报较SW99（Steolinga and Warner 1999）算法有优势;对于海岛站而言,SW99算法则优于FSL算法。混合算法CVIS（Combined Visibility）较单一算法预报雾准确率有所提高。3种能见度算法基本上是高估能见度的,SW99算法能见度预报均方根误差最大。另外,SW99算法对沿海站、岸基站雾开始时间预报较实况多偏晚,结束时间预报较实况多偏早,持续时间预报较实况多偏短。     

An observational and modeling study of a sea fog event over the Yellow Sea on 1 August 2003

A dense sea fog episode that occurred near the coastal city of Qingdao in the Shandong Peninsula of China on 1 August 2003 is investigated by using all of the available observational data and high-resolution modeling results from the Regional Atmospheric Modeling System (RAMS). This fog event reduced the horizontal visibility to be less than 60 m in some locations and caused several traffic accidents locally. In this paper, all of the available observational data, including visible satellite imagery of Geostationary Operational Environmental Satellite (GOES)-9 and MODerate-resolution Imaging Spectroradiometer (MODIS), objectively reanalyzed Final Analysis (FNL) data issued by the National Centers for Environmental Prediction (NCEP), sounding data at the Qingdao and Dalian stations, and the latest 4.4 version of the RAMS model, were employed to study this sea fog case. We begin with the analyses of the environmental conditions of the sea fog event, including the large-scale conditions, the difference between T _2m (air temperature at 2 m altitude) and sea surface temperature (SST), and the atmospheric sounding profiles of the two stations. The characteristics of this sea fog event was documented by using visible satellite imagery of GOES-9 and MODIS. In order to better understand the fog formation mechanism, a high-resolution RAMS model of dimensions 4 km × 4 km was designed, which was initialized and validated by FNL data. A 54-h modeling period that started from 18 UTC 31 July 2003 reproduced the main characteristics of this sea fog event. The simulated lower visibility area agreed well with the sea fog area identified from the satellite imagery. It is shown that advection cooling effect plays a significant role in the fog formation.     

廊坊市雾的气象条件及预报预警技术

利用1971-2000年冀中滨海平原区廊坊市雾数据、地面气象数据、冀中东部地区雾资料及国家气象中心历史高空数据、MICAPS数据,归纳了廊坊市雾及浓雾的气候特征,计算、分析了廊坊市雾及浓雾的气象条件与预报流程。结果表明：雾及浓雾是廊坊市秋冬季节最频繁的一类灾害性天气,浓雾越浓,灾害性影响特征越显著;在利于雾及浓雾形成的大气环流形势下,地面偏南偏东的微风小于等于3 m.s^-1、相对湿度大于等于50%、6 h气压差绝对值小于等于3.0 hPa及大气层结稳定,尤其1000-925 hPa存在明显逆温层是廊坊市雾及浓雾预报预警的重要参考指标;利用VB等计算机语言实现雾及浓雾的自动化初步识别;进一步探讨了冀中滨海平原区廊坊市雾及浓雾的预报预警发布技术,为廊坊市雾及浓雾的预报预警及服务提供了科学依据。     

环渤海地区4～10天风速预报中相似预报法的应用

依据逐步相似过滤法和最小相似离度原理,利用NCEP逐日再分析资料、T213数值预报产品和环渤海72站1958—2008年地面观测站风速资料,建立不同因子组合的相似过滤方案,制作环渤海72站4～10天每日4次、日最大风速预报。通过多个相似过滤方案预报准确率检验,确定“最佳”逐步相似过滤方案。经过2007—2008年预报检验表明：每日4次风速预报中,0~2级风速的预报效果最好,4～10天平均TS评分达到67%;日最大风速预报中,3~4级4～10天平均TS评分为54.1%,5级及以上的TS评分为17.1%。在风力不太强的情况下,该方法对于中期风速预报有一定的参考价值。     

黄海近岸海雾的初始场择优集合预报试验:个例研究

选取2014年4月发生的一次黄海近岸海雾个例,利用WRF(Weather Research and Forecasting)模式开展了集合预报试验研究。依据每个集合成员初始场中海平面气压、2 m温度、2 m水汽混合比与2 m相对湿度(relative humidity, RH)4个变量的均方根误差(root mean square error, RMSE)与RMSE集合平均值的相对大小,以剔除高于者而保留低于者的原则,设计了4种不同的初始场集合体择优方案,实施了一系列数值预报试验,比较了不同择优方案的集合预报效果。研究结果表明:(1)蒙特卡罗方法所生成的集合体中存在不少海雾预报效果较差的成员,这会降低集合预报效果,因此初始场择优十分必要;(2)以RH作为择优变量的择优方案(记为RH-RMSE方案),集合预报效果明显优于其他3种方案;(3)对比不择优集合预报,采用RH-RMSE方案的择优集合预报效果不仅节省了50%左右的计算时间,并且公正预兆评分(equitable threat score,ETS)改进率高达36%左右。本研究提出的RH-RMSE方案具有业务化应用前景。     

黄海海雾天气气候特征及其成因分析

利用2002-2008年的地面观测资料、青岛小浮标站资料、海洋大气综合资料、NCEP再分析资料和卫星云图等资料,对黄海海雾的天气气候特征、环流型和相关的水文、气象因子进行分析研究.结果表明,黄海海雾呈现逐年递增的年际变化,且集中发生在春夏季,自南向北雾季逐渐推迟,发生频数增多；一日中主要出现在夜间至早晨.黄海海雾可归纳为冷锋型、高压后部型和均压场型三种天气类型.海雾是流入黄海的黑潮暖流分支与沿岸的冷水流相遇,在适宜的海温、气海温差、大气稳定度和风场等水文、气象条件下形成的,这些条件可为海雾发生、发展的预报提供一些参考依据.     

2015-04-28渤海海雾形成过程中的海气相互作用分析

利用FY和MTSAT卫星资料、ERA Interim再分析资料、黄渤海浮标站资料、黄渤海自动站逐小时观测资料,对发生在2015年4月28—29日的渤海海雾成因进行分析,着重探讨了海雾形成过程中的海气相互作用。结果发现,近海面处大气低层逆温层抬升,大于90%的大湿度区向上、向西扩展,对海雾形成非常有利;海雾生成前、生成发展过程中存在明显的东到东南风,有利于黄海水汽向渤海输送,海面上空有水汽通量大值区由渤海海峡向渤海中部移动,使得渤海上空水汽输送加强,提供了海雾形成所需的水汽;在海雾形成过程中渤海上空气温高于海温,风切变造成的海气界面湍流热交换为大气输送向海洋,使得冷海面上空暖湿空气降温冷却达到饱和形成海雾,是平流冷却雾。      

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。     

雾的特征分析、预报方法及预报模型建立

本文利用1980~2010年巴中地区历史观测资料,研究出巴中大雾年际变化及月变化特征,综合利用地面资料以及NECP 1°×1°再分析资料,对发生在巴中地区的大雾典型个例进行诊断分析,探讨巴中地区大雾天气的成因,根据巴中地区自身的地理特点,通过分析比较筛选出对预报有意义的气象要素,建立一套适用于本地区的预报方法,利用VB软件开发预报雾的应用平台,经检验表明该模式能很好的预报出我市大雾天气,有很好的参考价值。