四川CLDAS 5 km小时能见度实况产品与能见度观测站资料质量对比评估

利用四川省CLDAS 5km小时能见度实况产品和能见度观测站资料,将智能网格小时能见度产品按双线性和邻近插值的方法插值到四川省156个国家级能见度观测站上,比较两者的相关系数、均方根误差、平均值误差、平均绝对误差等参数,对CLDAS 5km小时能见度实况产品进行质量评估并对数据的可用性做了分析,结果显示:小时能见度产品在四川盆地及攀西地区中部的相关系数较高,普遍在0.7以上,误差值较小,平均值误差普遍为负值,表明有小的低估值,数据可用性较好;而川西高原及攀西地区南部的相关系数小,误差值大,平均值误差普遍为正值,表明多为高估值,数据可用性一般。分级评估表明:随着能见度等级的降低,高原地区的缺测数据越来越多,盆地内的高估值也明显增加,能见度等级为“优”与“良”时的数据可用性较好。      

CLDAS 10 m风产品在陕西的质量检验分析

以陕西省99个地面自动气象站和1台测风塔作为检验站点,评估了2018年1月1日至2020年12月31日中国气象局陆面数据同化业务系统(CLDAS)的10 m风产品在陕西省的质量.结果表明:CLDAS 10 m风速产品能够较好地反映陕西省风速的时间和空间分布特征,陕西大部分地区风速的准确率为55％～75％、平均绝对误差小...     

四川省CLDAS和ECMWF再分析数据风速产品评估

利用2019年1月1日00时～12月31日23时(世界时)四川156个国家站和1768个区域站的观测数据,评估全国智能网格实况分析产品(CLDAS)和ECMWF再分析数据(ERA5-Land)的10m风产品。采用双线性插值方法,将两种分析产品插值到气象站点,与观测值对比,通过平均误差,平均绝对误差,均方根误差和相关系数等指标对以上两种产品进行评估比较。结果表明:两种分析产品对于四川省国家站和高原地区区域站风速都以低估为主,但盆地区域站高估。风速在高原地区所有评估指标都比盆地内差,高原地区需谨慎使用格点风产品。CLDAS对于国家站的各项评估指标都优于ERA5-Land。两种产品与区域站的平均误差,平均绝对误差,均方根误差结果整体相近,但CLDAS对非独立区域站的误差相对更小。ERA5-Land相关性较差,与四川地区实际观测的地面风速变化趋势相反, 不适用于四川。      

两种高分辨率气温实况融合产品在四川省的质量评估

选取四川省156个国家级考核站、1282个区域考核站及1411个区域非考核站2019年8月1日～2020年7月31日的气温数据,利用相关系数、平均值误差、均方根误差等指标,评估了CLDAS(5 km×5 km)和HRCLDAS(1 km×1 km)两套气温实况融合产品在四川省的适用性.结果表明:两套融合产品的相关性都很...     

两种气温多源数据融合实况产品在新疆地区的评估与对比

利用新疆2019年1—12月自动气象站气温观测资料，对1、5 km两种国家级气温多源融合实况产品进行评估检验，评估指标包括平均误差、平均绝对误差、均方根误差、相关系数和准确率。结果表明：（1）两种气温实况产品在新疆地区总体质量较好，但在海拔较高、地形复杂地区站点误差较大。平原站点的评估结果优于山区。1 km产品的准确率较5 km产品在各区域明显提升，其他评估指标1 km产品较5 km产品在平原站点质量有所提升、山区站点略有下降。从评估指标分段误差的站点数量来看，1 km产品较5 km产品处于误差低值区的站点数量明显增多，但误差高值区的站点数量也有所增加。（2）以北疆和天山山区的站点为例，分析评估结果逐月变化及日变化情况。1—3、12月（冬季）评估结果较差、波动较大，4—11月评估结果较好且较为稳定。北疆12—20时是各指标质量最佳的时段，且较为稳定，07时表现较差；天山山区07时产品质量较差，18—19时质量最好。（3）两种气温实况产品日最高、日最低气温质量较好，相关系数均超过0.99。     

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。     

CLDAS气温数据在中国区域的适用性评估

以中国48 708个地面气象自动站逐小时气温数据为基础,采用平均偏差(Bias)、相关系数、均方根误差(RMSE)、平均绝对误差(MAE)等评估指标,对比分析2017年10月、2018年1月、4月、7月CLDAS-V2.0气温(分辨率为0.062 5°),探讨中国8个分区春、夏、秋、冬4个季节CLDAS与站点气温的相关性及偏差分布特征。结果表明:1) CLDAS气温较好地反映了中国气温的年际变化,非独立性检验、独立性检验与站点气温的平均相关系数分别为0.995、0.991,东北地区相关性最高,西南地区相关性最低。2) CLDAS与站点气温的Bias为-0.011℃,非独立性检验的RMSE、MAE分别为1.275、1.645℃,独立性检验的RMSE、MAE分别为0.867、1.089℃,总体上CLDAS气温误差小,可信度较高。3)春、秋季的偏差小于夏、冬季;东北、华北、江淮、华南地区的偏差小于西北、西南地区; 84.6%站的冷偏差或暖偏差在1℃内,冷暖偏差空间分布均匀。4) CLDAS的最高气温存在冷偏差,最低气温存在暖偏差,夏季最高气温的最大误差为-0.59℃。5) CLDAS平均偏差的日变化为-0.23～0.07℃,白天呈冷偏差,夜间呈暖偏差,夏季平均偏差的日变化较显著,偏差的日较差为0.26℃;全国8个分区夏季平均偏差日变化最大为1.06℃,秋、冬、春季变幅相似,西南地区平均偏差日变化最大而江淮地区最小。     

基于WRF-LES的崇礼复杂地形局地风场模拟研究

采用四重嵌套的WRF-LES,针对2022年北京冬奥会张家口崇礼赛区开展局地风场模拟试验,基于地面自动气象站和激光雷达观测资料,对一次晴空高压系统控制下的具有明显局地风环流特征的天气个例模拟结果进行检验评估。文中引入了STRM1 30 m地形数据、glc2015 27 m土地利用数据和CL‐DAS的土壤湿度数据用以提高模拟结果的准确性,并设计了敏感性试验来探讨不同资料对模拟结果的影响。结果表明：(1)WRF-LES能够呈现出复杂地形下局地风场的时空变化特征,各站风向绝对误差在10°～60°,风速绝对误差在0.5～2 m·s^-1。在山谷和山沟区域,模拟风场和观测风场都表现出明显的日变化特征,海拔较高站点的误差比海拔相对较低站点的误差更小。海拔较低站点在山谷风或上下坡风发展稳定时段风向误差较小,风向转换时段误差较大。(2)更新地形、土地利用以及CLDAS土壤湿度初始场对模拟结果都有一定程度改善。其中更新CLDAS土壤湿度初始场对风向和2 m气温的改善效果最为明显,风向绝对误差减小4.26°,2 m气温绝对误差减小0.84℃。更新土地利用对风速的改善效果最明显,风速绝对...     

华北背景地区大气能见度变化特征及影响因素分析

基于1980~2014年上甸子国家级地面气象台站人工观测的大气水平能见度数据和大气成分站资料,采用Mann-Kendall趋势分析及突变检验法对大气能见度进行分析,并结合气象和污染要素进行相关性检验,以了解华北背景地区大气能见度的变化趋势及其影响因素。结果表明:上甸子地区年均能见度呈下降趋势,能见度最大和最小变率出现在夏季和春季,分别为3.4 km（10 a）-1和1.7 km（10 a）-1;冬季能见度（38.1 km）最高,秋季（36.2 km）次之,春季（32.8 km）和夏季（31.4 km）较低;突变分析表明上甸子地区的年均能见度未出现明显突变。能见度受各类气象因子的综合影响。根据Person相关和偏相关的统计结果,能见度与相对湿度和风速均呈明显负相关;与气压呈明显的正相关;而与气温的相关系数时正时负,表明气温对能见度的影响具有两面性。能见度下降的主要原因为大气污染,能见度随着大气细颗粒物增加呈幂指数降低（决定系数R2=0.98,显著性水平p < 0.01）;能见度为10 km时对应的细颗粒物（PM2.5）的边界浓度为74 μg/m3;在现行的国家环境空气质量标准二级标准（75μg/m3）下,可以使华北背景地区保持较高的大气能见度（≥ 10 km）。     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

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。     

广东区域智能网格实况分析产品的检验评估

利用广东省水文站降水观测实况、国家气象观测站和区域自动站资料,对广东区域2020年的网格实况分析产品质量进行检验评估,结果表明:(1)2020年广东省5和1 km温度网格实况数值与站点实况相近,逐时温度、最高气温、最低气温平均绝对误差均小于1℃;(2)降水网格实况的误差随着降水量级增大而增大,个例对比评估显示1 km实时融合分析降水网格数据优于其他三套降水网格数据;(3)10 m风速网格实况的误差随着风级增大而增大,不分级风速误差小于1 m/s,趋势变化与站点实况接近,个例对比显示1 km的网格数据优于5 km数据。     

2012~2020年成都市不同等级能见度的时空分布特征

利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM_2.5和PM₁₀浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM_2.5>84.8 μg/m3,PM₁₀>129.0 μg/m3）。      

陕西省风的时空分布及ERA5风资料检验评估

利用2017—2019年陕西省99个地面气象观测站资料分析近地面风场的时空分布特征,并对ERA5再分析资料10 m风速产品进行质量评估。结果显示：年平均风速陕北、关中北部及东部、商洛较大,汉江河谷及关中平原西部风速较小;大多数站点春季风速最大,秋季风速最小,4月风速最大,10月风速最小,8月风速存在次高点;白天风速明显大于夜间,最大风速一般出现在14—16时,最小风速多出现在20—21时前后和日出前后;夏季最大风速出现时间较其他季节提早2 h左右,前半夜风速明显大于后半夜。大部分站点有接近相反的两个主导风向,风速随季节有明显变化,陕北主导风向存在明显的季节变化。ERA5再分析资料10 m风速产品和自动气象站观测相比能够反映风场最基本的时空分布特征,风力日较差和标准差较站点观测偏小,连续性、均匀化特征明显;最大风速以及白天风速开始增大的时间较站点观测偏晚1 h左右;ERA5 10 m风速产品在陕北地区偏大,关中、陕南地区偏小,关中地区相对误差和均方根误差小,相关系数高,代表性优于陕北和陕南地区。     

模式不同分辨率对新疆达坂城—小草湖风区地面风场模拟结果的分析

使用非静力平衡中尺度MM5V3模式及NCEP/GFS 1°×1°再分析资料,对新疆达坂城-小草湖风区2006年4～9月10m高度的风况进行了3km×3km与1km×1km的模拟试验。结果表明:(1)3km与1km分辨率模拟的平均风速的大小分布特征整体一致,仅在复杂地形处以及风速大小值中心区域的强弱上存在细微差别,1km高分辨率对风速大小区域分布的模拟比3km分辨率更细致,且风速大、小值之间的变化梯度更明显。(2)3km与1km分辨率的模拟试验均较真实地反映了地形比较平坦、地貌比较单一区域的日平均风速与逐时平均风速的变化特征,但分辨率的提高并不能完全减小模拟误差。对于地形、地貌特征相对复杂区域而言,水平分辨率的提高,反而会加大模拟偏差。(3)两种分辨率的模拟误差在7、8月最大,4、9月份最小;对逐时平均风速的模拟误差均与距初始场时刻的长短无关。(4)两种分辨率对柴窝堡站点的模拟偏差过大,这很可能与模式中定义的水体、植被等参数与实际相距过大,以及该处地形陡峭,恰好位于绿洲与水体之间的荒漠过渡带有关。     

CLDAS陆面同化资料和ERA5-Land再分析资料气温产品在江西省的适用性评估

以江西省376个气象自动观测站的逐小时气温数据为基准,采用偏差、相关性和平均绝对误差等评价指标,对比分析2017—2022年CLDAS陆面同化和ERA5 Land再分析气温资料在江西省的适用性。结果表明： 1） ERA5 Land、CLDAS资料均能很好反映大部分站点的气温变化,CLDAS资料与观测资料的相关系数为0.99,相关系数区间分布较为集中;ERA5 Land资料与观测资料的相关系数为0.97,分布较为分散。2） 相较于观测站点多年平均气温,CLDAS资料较为接近,ERA5 Land资料则偏离较大。3） CLDAS资料的平均绝对误差明显低于ERA5 Land资料,二者均存在平原、盆地部分站点平均绝对误差较小而局部高海拔山区站点异常偏大的空间特征,以及秋季最大而冬季最小的季节特征。4） ERA5 Land资料偏差的日变化范围为-0.65—0.39 ℃,整体呈现单谷形分布;CLDAS资料偏差日变化范围为-0.05—0.05 ℃,波动幅度较小,没有明显的变化特征。5） 两种格点资料均能较好反映大部分站点的低温日数变化,但对于高温日数变化,ERA5 Land资料偏差较大,CLDAS资料偏差较小。     

两套降水融合实况产品在陕西省的质量检验

利用陕西省99个国家气象站、1 894个区域气象站2021年3月1日00时—2022年2月28日23时（北京时）的小时降水量数据,采用相关系数、平均误差、均方根误差、晴雨准确率、降水分量级评估等指标,对国家气象信息中心研制的1 km、5 km降水融合产品进行质量检验。结果表明：（1）两套融合产品在陕西省的评估效果较好,1 km融合产品评估结果（相关系数为0928 1,平均误差为0000 8 mm,均方根误差为0236 2mm）优于5 km融合产品（相关系数为0892 2,平均误差为-0001 0 mm, 均方根误差为0335 3 mm）;（2）两套融合产品对降水的有、无均反映较好,其中1 km融合产品的晴雨准确率为0959 0,5 km融合产品为0957 1;（3）小雨、中雨量级降水融合降水产品与观测值较接近,其他级别降水融合产品的TS评分随着降水量级的增大而降低;（4）两套融合降水产品能较好反映陕西区域内降水的时空变化特征,陕北地区平均误差、均方根误差较小,效果较好,关中南部及陕南秦巴山区的误差较大。     

南京大气能见度变化规律及影响因子分析

利用累积百分率法、Ridit中值分析法、"非常好"能见度出现频率法以及平均能见度年际和季节变化法,对1980—2005年南京大气能见度年际变化趋势进行分析,发现1980—1984年能见度呈上升趋势,1985年以后则在波动中呈明显下降趋势。26 a中,日均大气能见度最小值为0.55 km,最大值为29.25 km,平均值为8.59 km。大气能见度具有明显的日变化和季节变化特征,一日之中,14时最好,08时最差;一年之中,冬季能见度最低,夏季最高。能见度与相对湿度呈负相关,与风速呈正相关,与温度和气压的相关性相对较小。PM10是影响南京地区大气能见度的首要污染物,通过对能见度与PM10平均质量浓度进行曲线拟合发现,二者呈负相关,复相关系数在秋季最高,夏季最低。由统计预报方程可知,空气污染和气象条件协同作用对能见度的影响在春季、秋季、冬季较为明显,夏季则相对较差。     

典型沙尘天气过程近地层气象要素演变特征

选取2009年3月至2010年3月期间观测到的3次典型沙尘天气过程,利用大同国家基准气候站的20m气象梯度塔的风速、气温、相对湿度的观测资料,PM10质量浓度资料以及能见度的部分观测资料,分析了近地层气象要素和PM10质量浓度的演变特征。结果表明:风速在沙尘暴、扬沙的发生、发展过程中均较大,浮尘较小。3种沙尘天气条件下,1m、2m、4m、10m高度与20m高度的风速比大致在0.48~0.84和0.41~0.79范围内,局地扬沙过程中近地层风速梯度较大。在浮尘天气过程中,观测到的近地层气温变率与同一季节的昼夜气温变率有较明显差别,反映了沙尘气溶胶的辐射强迫对局地温度变化速率的影响。在沙尘天气过程中,还观测到相对湿度与气温之间的反常变化,反映了来自于沙漠地区干燥气团的可能影响。总体上,沙尘暴、扬沙、浮尘天气条件下的PM10平均质量浓度水平存在依次递减的趋势,但是沙尘天气的PM10平均质量浓度水平并不唯一与风速大小有关,尤其是在沙尘天气持续发展的后期,随着近地面沙尘颗粒尺度谱性质的改变,PM10质量浓度会出现下降,导致能见度、风速变化与PM10质量浓度变化趋势不相一致。     

太原大气能见度对相对湿度及颗粒物质量浓度的响应关系研究

利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度等观测数据,研究分析了大气能见度与相对湿度及PM_(2.5)质量浓度的关系,采用神经网络方法,构建了能见度与相对湿度及颗粒物质量浓度的非线性模型,并利用2019年10月—12月气象小时数据对该模型进行了检验。结果表明:(1)太原不同季节能见度日变化特征明显,春夏秋季能见度在06时左右最低,冬季在09时左右最低;从空间分布上看,太原地区能见度南北差异明显,北部能见度高于南部。(2)细颗粒物质量浓度与相对湿度对大气能见度变化都有明显影响。PM_(2.5)质量浓度与能见度之间存在幂函数非线性关系,在40%≤相对湿度60%的区段内相关性最强,PM_(2.5)质量浓度与10 km能见度对应的阈值随相对湿度升高而减小,范围为5～103μg/m~3。(3)采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型,相关系数为0.81。利用太原地区2019年10—12月逐时气象观测数据对模型进行检验,均方根误差为5.29 km,平均绝对百分误差为31.45%,轻微级霾情况下模拟能见度TS评分为0.86,误差呈现正态分布,误差小于4 km的比例达72.99%。该模型对研究太原地区能见度具有较高的参考价值。