基于GRU神经网络的雷州半岛近海岸能见度短临预报研究

近海岸大气能见度变化具有复杂的非线性和局地性特征,且近海岸气象观测站少,一直是精细化预报业务的难点。利用GRU(Gated Recurrent Unit)神经网络,采用广东省湛江市国家基本气象站及其周边上下游观测资料,构建了雷州半岛近海岸能见度1 h时效短临预报的多站GRU模型、单站GRU模型和逐步回归预报模型,并进行了检验评估。结果表明,相比传统的逐步回归方法,GRU神经网络能更好地识别上下游能见度的时空变化特征,多站GRU模型平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)评分均明显好于多元逐步回归模型。模型结构对能见度短临预报效果至关重要,将上下游的气象特征引入到能见度短临预报模型可显著提升预报效果。多站GRU模型在个例检验中较单站GRU模型的MAE、RMSE分别下降了36%和29%,R2提高了30%,表明多站GRU神经网络对能见度预报具有明显优势,为近海岸能见度的精细化短临预报提供了新思路。     

河源地区气温变化特征及其与ENSO的关系

利用河源地区5个气象站1960—2016年的逐月平均气温、NOAA逐月海温等资料,采用线性倾向、Mann-Kendall检验等统计方法,分析了河源地区气温变化特征及其对ENSO事件的响应。结果表明:河源地区年平均气温及季平均气温均呈递增趋势,且夏、秋、冬季和年平均气温气温上升趋势显著;河源地区气温在20世纪80年代中后期—90年代末发生1次较为明显的由冷到暖的突变;年平均气温存在5~6、14~15及24 a的周期变化规律;在El Ni1o事件中,河源地区年平均气温有偏高趋势,La Ni1o事件,则反之;ENSO事件对气温的影响存在滞后性,对河源地区的气温影响最明显表现在次年。     

广东气象服务统一品牌贡献度模型研究

根据广东气象服务统一品牌的特点，利用德尔菲法设计了由基础贡献度、特色工作贡献度组成的广东气象服务统一品牌贡献度评价指标体系。根据线性加权法原理，构建由目标层、准则层、指标层组成的指标体系框架，并逐一确定每个评价指标的权重。通过计算评价指标体系中的单项指标，分别对停课铃贡献度、缤纷微天气贡献度、众创产品贡献度进行评价，在此基础上对广东气象服务统一品牌贡献度进行综合定量评价。利用广东省21地市2020年1月20日至2月20日过程服务中多个气象服务渠道数据资料，分别对21个地市气象统一品牌贡献度进行了测算排序，实证研究表明：挖掘公众需求、创新服务形式、研发爆品产品、优化过程服务、加强部门联动、线上线下协同等是提升统一的品牌贡献度有效策略，结果与实际相吻合。