近56 a湖北荆州四季初日与季节长度变化特征

利用1960—2015年湖北省荆州市6个国家地面气象观测站的逐日平均气温资料,采用候气温分析荆州春、夏、秋、冬四季初日与长度变化特征,结果表明:荆州近56 a四季初日表现为春季和夏季提前,秋季和冬季推迟;春、夏和秋季初日随年代变化显著,而冬季初日随年代变化不显著。季节平均长度夏季和冬季为120 d左右,春季和秋季为60 d左右,夏季日数冬季日数春季日数秋季日数。从年际变化来看,夏季变长,冬季缩短,春秋季变化不明显;从年代际变化来看,夏季明显变长,秋季和冬季缩短较明显,而春季变化不明显。     

基于机器学习分类算法的臭氧浓度等级预报在长沙的应用

为准确预报臭氧浓度等级,基于EC_THIN全球天气模式产品和我国自主研发的CMA_GFS全球天气数值预报产品以及华南GRACEs大气成分模式输出产品,融合气象和环境观测数据,使用6种机器学习智能算法,构建耦合数值预报模式和机器学习的混合模型,旨在充分发挥数值预报与机器学习智能算法的优势和互补协同作用,实现臭氧浓度等级预报准确度的跨越式提升。共设置4个控制试验,选取不同的特征产品,依次使用机器学习经典分类算法对长沙市未来4天的臭氧浓度等级进行分类预报,取测试准确度最高的模型输出结果作为结果统计。发现：最优模型1～4天的测试准确度分别为81.7%、81.7%、78.3%、60.9%,大大高于大气成分模式预报和预报员经验,达到预期设计目标;高质量的天气模式产品对模型贡献大,而大气成分模式产品对模型贡献有限;模型3天以内预测性能较好,低等级预测性能较好,高等级预测性能一般。提出解决方案供讨论：增加高等级样本数量,增强模型对此类事件的识别能力;加强高等级臭氧污染的机理分析,组合出更精炼的因子供模型使用。