基于自动站资料的近15年北京地区舒适度变化特征

利用44个自动站的小时观测资料,详细分析了北京地区近15年来气温、风速、相对湿度和有效温度的分布和变化情况,结果表明:1）北京地区年平均气温、风速和有效温度都显著地受到了地形分布的影响,相对湿度没有表现出明显的地形差异。研究时段内,北京整体呈变干变暖。区域上,气温与有效温度增幅最大的区域集中在平原中心城区,西北和东北部的远郊山区增幅最小,相对湿度降低的程度在区域上较为平均;2）按有效温度的热感受等级划分,北京地区冬季平均热感受属于“寒冷”,年、春季和秋季平均热感受属于“冷”,夏季平均热感受属于“温暖”。春季、夏季和冬季变干变暖明显,秋季则存在明显的区域差异;3）北京地区年平均气候适宜日数在全年中占比41.3%。气候适宜日数变化在区域间差异较大,超过半数站点表现出“气候适宜日数”的减少。由于整体上的变干变暖趋势,导致春季“气候适宜日数”整体在增加,夏季“气候适宜日数”整体在减少。秋季的“气候适宜日数”没有表现出统一的趋势。冬季的热感受主要集中于寒冷日和冷日,“气候适宜日数”很少。     

北京地区蚊虫密度变化气象预测方法研究

本文利用蚊虫密度监测数据及气象资料，分析了2009—2019年北京市及其14个区的蚊虫密度与气象条件间的关系，并基于多元回归、支持向量机和随机森林3种经典的机器学习回归方法进行了蚊虫密度预测。结果表明：北京地区蚊虫密度呈周期性的波动，各区多年平均值在0.35~2.54只/(灯·h)之间，高峰值集中出现在7月中旬到8月中旬，与北京地区气温最高和降水最集中的时期非常吻合。采用机器学习方法，尝试了4种输入因子方案，并利用均方根误差和平均绝对百分误差两种方法进行预测效果检验，显示蚊虫数据相对较稳定的地区，如平谷、门头沟、大兴、海淀等地，预测效果相对更优。在3种方法中，支持向量机方法对2019年5月下旬的预测效果非常好，而多元回归与随机森林的预测效果则在2019年5—10月整体上表现得更为稳定。