泰安市紫外线预报方程初探

根据泰安紫外线逐时和逐日观测资料,分析了紫外线日变化和月变化规律,建立了紫外线预报逐步回归方程,实现了紫外线预报的定量化.     

非常规气象要素在紫外线预报中的应用

利用吉林省业务运行的WRF模式,计算了与紫外线指数相关的气温、湿度、云量、风速等常规气象要素和地表向下的短波辐射通量、地面热通量、反照率等非常规气象要素,利用长春市紫外线观测资料,分析了紫外线辐射与常规和非常规气象要素的相关性。基于长春市紫外线观测实况,以常规气象要素、非常规气象要素、混合气象要素为因子,利用相同的统计建模方法,分别建立紫外线预报模型。结果表明:大气短波辐射等非常规气象要素与紫外线指数的相关性,明显高于气温、云量、比湿、风速等常规气象要素;应用非常规气象要素和混合气象要素的紫外线预报方程,显著优于常规气象要素;基于混合气象要素的紫外线预报方程,与基于非常规气象要素的预报方程比较,预报性能差异不大。此外,应用常规气象要素建立的分季节紫外线预报方程,其预报效果明显优于全年预报方程。应用非常规气象要素建立的分季节紫外线预报方程,与全年预报方程相比,预报效果差异不大。     

北京地区紫外线观测与预报系统

通过对1999－2000年紫外线观测资料的分析，得出紫外线强度与天顶距、总云量、低云量有很好的关系，并利用1999－2000年紫外线强度的观测资料和同期气象资料，利用统计学方法研制了紫外线强度预报方法，并建立了紫外线预报服务系统。     

长春市紫外线辐射强度逐时预报方法初探

利用2005年4月到2006年3月逐时常规气象资料和紫外线资料,对一年内紫外线辐射强度的各季节逐时变化进行统计分析,采用统计学方法得到了各季节的逐时预报方程,为日常的精细化预报提供参考。     

中国紫外线强度预报方法研究

从大气辐射传输的物理机理出发,估算正午晴空地面紫外辐照度,进而利用云量和气溶胶等要素对晴天紫外辐射进行修订,最终获得非晴空地面日最高紫外辐照度,并基于此方法建立紫外线强度预报模型。结果表明:新建立的紫外线强预报方法与原来中国紫外线强度预报方法相比,有效地提高了紫外线强度的预报准确率,可以满足紫外线预报业务的需求。此外,新方法对晴空紫外线强度的预报效果最好,对阴天紫外线强度的预报能力相对较差。     

BP神经网络和支持向量机在紫外线预报中的应用

为了提高紫外线预报准确率,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machines,简称SVM)回归方法建立重庆市主城区紫外线辐射强度客观预报模型。统计相关分析结果显示,不同季节影响紫外线辐射强度的主要因素并不相同。对所有相关分析因子用逐步回归方法,按方差贡献大小筛选出预报因子,以每日紫外线平均辐射量为预报对象,分季节建立预报模型。比较用不同方法建立的预报模型发现,两种非线性模型(BP模型和SVM模型)的拟合能力优于线性逐步回归模型,但独立样本检验结果表明,3种模型的预报准确率基本相当。将3种方法所建预报模型应用T213数值预报资料进行业务试报,得到较好预报效果。     

长春市紫外线指数预报方法

通过对2001～2005年长春市紫外线观测资料的分析,得出紫外线强度与总云量、日平均气温有很好的关系,利用2001～2005年紫外线强度的观测资料和同期气象资料,利用回归分析建立了紫外线强度预报方法。     

重庆主城区紫外线辐射强度变化特征分析

研究重庆主城区紫外线辐射强度的变化规律,为业务预报和客观预报方法的研究提供基础。利用2004年3月—2008年2月的实况观测资料,分析主城区紫外线辐射强度的日、月、季和年变化规律。结果表明：重庆主城区日平均最大辐射量出现在中午13时—14时。7月和8月的辐射强度为全年最强,出现辐射等级四级的概率最大;而1月和12月为全年最弱,没有出现过辐射等级高于三级的样本。季节平均辐射强度夏、春、秋、冬依次减弱。2004年和2006—2007年平均辐射强度相当,2005年较弱。     

广州市紫外线辐射资料分析与预报模型的建立

通过对广州市2004～2006年紫外线辐射资料的统计分析,初步揭示紫外线辐射强度季节性变化的规律,同时结合数值预报产品,用多元回归方法建立预报模型.     

大连市紫外线辐射强度分析和预报方法研究

利用大连市2007年8月至2008年8月逐日紫外线观测资料,分析了紫外线辐射季、月和日变化特征及其与相关气象要素的关系。结果表明：大连市紫外线辐射强度具有明显的季节变化,夏季最大,春季次之,冬季最小。各季节紫外线辐射强度的日变化同位相,均为正午呈大致对称分布。无论何季节,日照总时数、14时能见度和太阳高度角均为影响大连市紫外线辐射强度的关键因素。同时,详细分析了雾对辐射强度的影响。并运用逐步回归方法,求得各季节紫外线辐射强度的预报方程,实现了预报的定量化。