基于省区协调发展的GDP预测模型

基于柯布-道格拉斯生产函数与自回归移动平均模型(ARIMA)构建出一个GDP综合预测模型,并且考虑十九大全面建成小康社会与实现共同富裕的精神与国家关于技术、资本、劳动力等方面的区域平衡发展战略调整模型的参数,计算了2016—2050年中国分省的GDP总量与人均GDP,进一步通过计算省区间人均GDP的基尼系数来分析省区协调发展的水平。研究结果表明,在考虑省区协调发展时,各省区在2016—2050年间的GDP总量与人均GDP的差距逐渐缩小,省区间人均GDP的基尼系数将从2015年的0.219下降到2030年的0.176和2050年的0.137,未来区域间发展不均衡的态势在实现经济稳步增长同时可以得到缓解。     

应用主成分构建的暴雨致灾能力评估指数及其应用

为了构建合理的四川暴雨致灾能力评估指数(简称:评估指数),本文对2008~2018年四川地区126次致灾性暴雨过程,选取刻画暴雨特征的8个降水量因子,利用总体主成分和阈值法确立因子的权重及阈值,由此建立了评估指数模型。经历史个例反演及预报个例的评估应用表明:(1)暴雨区域的平均雨量值,≥25mm/h的面积及大暴雨面积是影响四川暴雨致灾能力强弱的关键因子,利用主成分构建的评估指数较好的反映了历次暴雨过程的致灾能力,当指数达0.8以上时,一般对应着大型及以上暴雨灾害。(2)结合经济损失及气象灾害评估分级处置标准,将评估指数划为4个等级。基于此,利用每日08时和20时四川省气象台订正的0.05°×0.05°预报降水数据,输入评估指数模型计算未来3d的指数及对应的致灾能力落区等级空间分布。实际应用表明,评估指数模型对评估暴雨过程的整体致灾能力及具体的暴雨致灾能力落区等级分布有显著的实用性。      

陕西2019年省级决策气象服务评估

采用国际通用调查评估方法,利用气象服务用户满意度指数CSIWS模型（customer satisfaction index of weather service）,从气象服务满意度、气象产品需求度和气象服务覆盖度三个维度对调查结果进行评估分析。结果表明：（1）2019年省级高端用户群对决策气象服务综合满意度指数为9284%,较2018年、2017年分别提高122、007个百分点;气象服务为防灾减灾救灾和经济社会发展提供了坚强保障,得到各级领导和相关部门的充分肯定和认可。（2）气象服务的发展必须要紧跟社会发展潮流,加强气象服务与云计算、大数据、物联网、人工智能等技术的融合,切实满足用户个性化需求。（3）在巩固抓好暴雨、高温等传统灾害性天气预报预警服务的同时,必须加强冰雹等强对流天气的决策服务。（4）以秦智网格预报系统深度研发为基础,继续加大短临预警服务系统的研发,切实增强短临天气服务主动性和产品可用性。（5）智慧气象APP、气象官微等融媒体发展是未来拓展气象服务手段的优先方向,要通过大众化、网络化的语言来包装气象服务产品,改进服务产品的结构和表现形式,巩固扩大用户群体,最大限度发挥气象服务效益。     

基于陕西气象部门三级备件供应保障系统的库存模型

备件库存方案是影响气象观测设备可用性的重要因素。从设备保障中的实际问题出发,考虑陕西省保障结构层级和备件供应影响因素的情况下,基于METRIC模型(可修复备件管理多级法)基本原理,建立了陕西气象部门三级备件供应保障系统的库存模型。通过实例分析,给出了备件的期望短缺数,为保障部门制定备件供应方案和备件储备标准提供了依据。     

江西省油菜产量集成预测模型方法研究

基于气象要素建立关键气象因子模型、气候适宜度模型、辐热积模型,并根据模型预测准确率确定权重系数构建江西省油菜产量集成预测模型,对集成模型的预测效果和基础模型进行对比分析。结果表明:1)关键气象因子模型4月中旬预测准确率低于其他模型,三种基础模型的权重系数依次为0.3、0.35、0.35,5月中旬预测准确率基本一致,权重系数依次为0.34、0.33、0.33。2)对于集成模型趋势一致率,1991—2010年回代检验结果5月中旬最高,4月中旬仅次于气候适宜度模型;2011—2015年两个时次预测趋势一致率均为100%,达最高。3)2011—2015年集成模型预测检验RMSE最低,预测准确率均在97%以上。油菜集成模型预测的准确性和稳定性总体优于基础模型,可应用于江西省气象业务服务。     

近50多年来淮河流域气候水分盈亏时空变化

水分盈亏是区域干湿气候划分的重要依据。基于淮河流域63个气象台站1957—2014年逐日观测数据,运用累积距平、Mann-Kendall突变分析、Morlet小波分析及ArcGIS反权重空间插值法,结合Penman-Monteith蒸散计算模型获得淮河流域水分盈亏量的周期特征、突变特征及其时空分布特征,并分析其主要影响因子。结果表明:(1)水分盈亏月变化基本符合5月最低,7月最高。(2)从季节分布来看,水分亏缺面积秋季春季冬季夏季,亏缺程度春季最强。从平均年水分盈亏量分布来看,水分盈亏量由南向北递减。且不论季节还是年状况,山地及河流对区域水分盈亏量的南北递减存在滞后作用。(3)从各因子气候倾向率的时空分布来看,江苏东南部、山东西部、河南大部、湖北中部水分盈亏量变化的主导因子为潜在蒸散量,其他区域的主导因子为降雨量。(4)淮河流域水分盈亏量存在周期特征,第一主周期为10 a。     

4种蒸发波导模型的对比与分析

蒸发波导模型常用来计算海上蒸发波导高度。为了认识当前不同蒸发波导模型之间的差异和方法,本文选取了目前使用广泛的4种蒸发波导模型(即P-J模型、Babin模型、NPS模型和伪折射率模型)进行对比和分析。本文首先探讨了在理想情况下它们对气象要素的敏感性,随后并利用我国南海近海大气层观测试验数据对比了这4种模型的蒸发波导高度计算结果。分析表明:相对湿度、风速和气—海温差的变化对4种模型的计算都有着较大的影响,特别是在不稳定层结状况下,4种模型计算得到的蒸发波导高度都随着相对湿度的增大而降低、随着风速的增大而增高。Babin模型和NPS模型计算的波导高度较为一致,伪折射率模型与前两种模型的计算结果存在差异,而P-J模型与其他3种模型存在较明显的偏差。基于南海气象数据的计算结果表明,不同蒸发波导模型在该海域蒸发波导的模拟结果略有不同,但4种模型计算得到的波导高度日变化变化趋势较为一致,波导高度极低值常出现在早晨,而极高值常出现在傍晚。     

三套再分析资料在青藏高原湖泊模拟研究中的适用性分析

湖泊模式为青藏高原湖-气相互作用研究提供了有效方法,而驱动数据对模拟结果影响显著,但目前用来驱动模式的再分析资料对高原不同地区湖泊的适用性依然不够清楚。利用野外观测数据、M ODIS地表温度数据和WRF耦合的一维湖泊模式,对比分析了中国区域高时空分辨率地面气象要素驱动数据集(简称ITPCAS)、ERA-Interim和NCEP/NCAR三套再分析资料在青藏高原地区纳木错、班公错和鄂陵湖三个不同深度湖泊的适用性,并对三套再分析资料的准确性进行了初步验证,进一步分析了不同校正方式后的再分析资料对模拟结果的影响。结果表明,用三套不同再分析资料作为模式驱动数据时,WRF耦合的一维湖泊模型均能够较好地模拟出高原湖泊表面温度的变化,但仍然与MODIS观测结果存在偏差。三套再分析资料中ITPCAS数据集的各气象要素与站点观测更为接近,ERA-Interim数据的向下长波和短波辐射比观测值偏大,NCEP/NCAR数据中的向下长波较观测值偏小而风速偏大。利用站点观测对再分析资料进行校正,ITPCAS数据进行全要素校正前后模拟结果差别不大,ERA-Interim和NCEP/NCAR进行全要素校正后模拟结果准确性显著提高;对于实地观测资料匮乏的地区,单独对ERA-Interim向下短波辐射数据进行校正以及同时对NCEP/NCAR气温和向下长波辐射数据进行校正均能优化湖表面温度的模拟结果。     

台风"鲇鱼"强降水引发的地质灾害气象风险预警检验与分析

2016年9月28日,台风"鲇鱼"造成的强降水在浙江和福建引发多起地质灾害,造成严重人员伤亡和财产损失。利用中国气象局气象灾害管理系统和中国地质环境监测院提供的灾情资料,结合加密自动站降水观测、多源降水预报、承灾体脆弱性和暴露度等信息分析致灾因子,定量检验中央气象台地质灾害气象风险模型性能,并对格点化定量降水预报产品使用进行了讨论。结果表明:降水是本次地质灾害过程的主要致灾因子;国家级地质灾害气象风险预警产品命中率和漏报率分别为67.8%和11.1%,各项定量检验指标均优于客观模型;第二代中央气象台地质灾害气象风险模型预报命中率高于第一代模型的原因可能是其引入了高分辨率的地理学信息,第一代模型在地质灾害易发区出现特大暴雨时,有直接预报最高风险等级的缺陷,此外两代模型均存在明显空报现象;格点化定量降水预报产品能定点、定量地预报降水,相比主观降水等级落区预报更适用于地质灾害气象风险预警业务,但使用时需要注意其可能在一些地形复杂区域存在局限性。本检验结果只是针对一次台风过程得出的,还需要更多的个例分析和统计检验以确定结论是否具有普遍规律。     

飞机积冰预报算法对比及其集成预报模型研究

以人工增雨作业获取的飞机积冰实例资料为基础,利用WRF模式对51次飞机积冰过程进行数值模拟,对比分析了常用七种积冰预报算法对积冰潜势区和强度的预报效果,进而采用评分权重集成法建立了飞机积冰强度集成预报模型,并检验了其预报效果。结果表明:(1)假霜点温度经验法对2002年4月4日积冰个例的预报效果与实况一致,而其他积冰算法预报效果均与实况相差较大;(2)对51次飞机积冰预报效果进行统计检验发现,假霜点温度经验法的预报效果最好,积冰强度预报准确率为72.55%,其次是RAOB法,IC指数法和I积冰指数法次之,改进的IC指数法预报准确率最差,只有19.61%;(3)对比不同积冰算法建立的集成预报模型的预报效果发现,选用IC指数法、假霜点温度经验法、RAOB法进行集成预报时,预报准确率最高,且漏报率、偏弱率及偏强率均能控制在10%以内,比单一预报算法中的最高预报准确率提高了8%,且漏报率降低了4%,偏强率降低了8%。