四川盆地区域性雾的客观化预报

通过对1991—2000年四川省2～4月雾的气候特征进行分析研究，在掌握其变化特点、规律以及成因的基础之上。进行预报因子的筛选，结合实况气象资料和数值预报产品，通过最优子集回归计算建立了四川雾站数预报的方程。     

低能见度雾的分级预报方法研究

利用2007年11月—2009年12月京石（北京-石家庄）高速公路沿线气象站的人工观测资料、自动站资料和交通气象自动站资料,对低能见度雾天气进行分级统计,找出各级雾的生消特征。应用天气学原理和数理统计方法对低能见度雾的生消机理进行研究,利用相关分析找出了与低能见度雾的生消有密切关系的气象因子,建立能见度与气象因子之间的回归方程;在此基础上,结合对低能见度雾的成因分析和预报经验,加入降水因子和大气稳定度因子,建立低能见度雾的分级预报方程,找出各级雾的生消判别指标,为低能见度雾的分级客观化预报奠定基础。各预报因子采用MM5精细化数值预报产品,并通过自动站实时监测资料和预报员的综合预报结果对数值预报产品进行合理订正,得到预报时刻各气象因子的值,从而实现低能见度雾的分级客观化预报。      

基于概率与权重的雷暴大风潜势客观预报方法研究

采用2007—2015年5—8月NCEP再分析资料和国家站、区域站雷暴大风实况观测资料,利用权重和概率统计相结合的方法,确定与雷暴大风联系紧密的物理量,统计其在所选物理量不同阈值范围内出现的概率,建立雷暴大风概率潜势预报方程,并对预报结果进行检验。结果表明:(1)雷暴大风出现在白天与夜间所选物理量参数有所不同。无论白天或夜间,其在山区与其它地区的物理量阈值亦不同。(2)所选每个预报因子的概率统计结果与雷暴大风发生的环境条件基本相符,该概率由因子达到阈值范围内的样本数和在此区间内出现雷暴大风的样本数两者共同决定的。(3)该方法对08—20时和20—08时两个时段雷暴大风预报的命中率均较好,尤其2016年7月最高,预报概率为"60%以上"的命中率接近93%,可预报出雷暴大风出现的概率潜势和可能发生的区域;同时,空报率较高;预报概率为"80%"的预报临界指数更高。     

四川盆地区域性雾的客观化预报

通过对1991～2000年四川省2～4月雾的气候特征进行分析研究,在掌握其变化特点、规律以及成因的基础之上,进行预报因子的筛选,结合实况气象资料和数值预报产品,通过最优子集回归计算建立了四川雾站数预报的方程.     

浅析牙克石市1981-2000年夏季降水的分布

通过对牙克石市1981—2000年20年6—8月逐时降水资料分析,得出气候概率P值的日变化以午后较大,为牙克石单站做短时临近降水预报提供依据。     

江苏北部雾的分析和预报系统

本文利用1959—1989年雾的资料,分析了江苏北部雾的气候特征和影响的主要天气系统;运用天气型下找指标,MOS预报等方法,研究建立了冬半年各月雾的预报工具。並编制了具有一定特色的预报业务系统,采用动态调整手段,使预报方程随资料的增加而不断优化。经一年的实际使用,雾的预报概括率达90％,获得预期的效果。     

东胜地区雾的分析及定量预报

利用历史天气图、大气探测等资料,分析东胜地区1980-2000年雾发生的规律,通过天气学方面的研究,对预报因子做了精细的筛选,运用回归分析的方法,做出其雾的短期预报方程.     

东胜地区雾的分析及定量预报

利用历史天气图、大气探测等资料，分析东胜地区1980-2000年雾发生的规律，通过天气学方面的研究，对预报因子做了精细的筛选，运用回归分析的方法，做出其雾的短期预报方程。     

基于WRF模式的青岛近海能见度算法比较研究

采用GFS背景场资料和ADAS资料同化系统,使用WRF模式对2014—2016年青岛近海17个海雾个例进行了模拟,分析了3种能见度算法的预报效果。结果表明, FSL（Forecast Systems Laboratory）算法对于沿海站、岸基站雾的预报较SW99（Steolinga and Warner 1999）算法有优势;对于海岛站而言,SW99算法则优于FSL算法。混合算法CVIS（Combined Visibility）较单一算法预报雾准确率有所提高。3种能见度算法基本上是高估能见度的,SW99算法能见度预报均方根误差最大。另外,SW99算法对沿海站、岸基站雾开始时间预报较实况多偏晚,结束时间预报较实况多偏早,持续时间预报较实况多偏短。     

ECMWF集合预报统计量产品在重庆降水预报中的检验与分析

利用ECMWF集合预报降水资料和重庆市自动站降水资料,运用晴雨、TS评分、预报偏差等检验方法对重庆地区2014—2016年ECMWF集合预报降水产品在短期时效的预报性能进行检验分析。结果表明:最小值的晴雨预报准确率最高。对于TS评分检验,小雨量级可优先参考最小值、10%分位数和融合产品,中雨量级参考平均数和概率匹配平均,大雨和暴雨量级分别参考75%分位数和90%分位数。对于预报偏差检验,小雨量级可优先参考最小值、Mode,中雨量级参考融合产品、中位数,大雨量级参考控制预报、融合产品,暴雨量级参考90%分位数。对于百分位值预报产品和概率预报产品,小雨量级可参考5%～10%分位数和80%～90%概率预报产品,中雨量级可参考45%～55%分位数和40%概率预报产品,大雨量级可参考70%～80%分位数和20%概率预报产品,暴雨量级可参考90%～95%分位数和10%概率预报产品。     

地面辐合线与华北平原雾空间分布的关系

使用京津冀2000—2011年10月—翌年2月地面气象站雾的常规观测和自动站风的观测资料进行统计分析,得出太行山附近地面定常辐合线位置与华北平原雾的空间分布有一定对应关系,10月—翌年2月华北平原年平均雾日多发区对应定常地面辐合线的位置。以2013年1月21—22日华北平原雾为例,辐合线附近的能见度相对较低,即辐合线附近雾的浓度较强。为加强对雾天气的成因认识,提高雾天气的预报能力,在科学规划雾天气监测网时应充分考虑地形的影响及定常辐合线的位置。     

昌吉雾的统计特征

利用昌吉州8站1971—2007年37a的地面观测资料,对该地区雾的气候特征以及气象条件进行了分析。结果表明,该地区雾存在中东部多西部少的分布特征;其季节变化和日变化明显,每年11月至翌年3月9—12时是雾的多发时段;温度、相对湿度、风速和风向等气象要素对昌吉雾的预报具有较好的指示意义。温度在-6～-20℃、相对湿度在78%～92%、风速在0～4m/s范围里且在偏西风和偏南风情况下,雾频率最高。     

武汉地区梅雨期暴雨预报方法初探

使用地面降水观测资料和高空探测资料,运用线性倾向估计法和相关性分析法,分析了2000—2012年武汉地区梅雨期(6—7月)暴雨的气候特征,并建立了暴雨天气预报方程。结果表明,6—7月武汉地区各旬暴雨日数呈先升后降趋势,其中最大值出现在6月下旬;暴雨集中期为6月下旬—7月中旬,占梅雨期总暴雨日数的61%;暴雨局地性强,雨强呈上升趋势。筛选出武汉站强天气威胁指数、百色站850 hPa层的露点温度和怀化站850 hPa层的风向、风速作为预报因子,建立武汉地区梅雨期暴雨预报方程,实际预报效果检验结果表明该方程的预报质量优于实际业务中常用的数值预报产品。     

黄淮地区夏季日降水分区概率预报方法研究

利用我国黄淮地区1961—2010年50年6—8月的日降水资料,采用REOF和t检验的方法,将中国黄淮地区夏季降水分成Ⅰ—Ⅴ区。5个区域进行差异性t检验表明5个区域之间（彼此）差异显著,说明了区域划分的正确性。在此基础上利用1999—2007年6—8月站点日降水资料以及CFSv2模式后预报的日降水资料建立了5个区域内共5个代表站点的夏季日降水概率预报方程,并进行了确定性、概率性预报检验和业务试用检验。对各区域内5个代表站日降水量的确定性预报检验表明：Logistic回归降水概率预报方程的TS评分要高于CFSv2模式预报和T213的集合预报平均,空报率也低于CFSv2模式预报和T213集合预报平均,但是漏报率却略高。各区域代表站日降水量的概率预报Brier评分检验表明：Brier评分均不超过0.2,大大低于T213集合预报所得概率预报的Brier评分分值,说明本文Logistic回归方程的概率预报较为可靠。Brier技巧评分表明：Logistic回归降水概率预报方程各站的BSS技巧评分都大于0.0,说明各站的预报技巧高于检验样本气候概率的预报技巧,且高于T213集合预报的Brier技巧评分,说明在分区基础上建立Logistic回归降水概率预报方程的方法是有预报意义的。     

Logistic回归联合ROC曲线模型在雷电潜势预报中的应用

利用贵阳站2020年1—10月逐日探空资料和闪电监测资料,逐一选取72个物理量参数纳入单因素逻辑回归,筛选具有显著性统计学意义(P<0.001)的指标进入多因素逻辑回归模型,选取满足检验条件P<0.05的参数得到雷电潜势预报模型,通过Logistic回归联合ROC曲线模型开展雷电潜势预报研究。结果表明：(1)多因素逻辑回归模型预警效果优于单因素模型,预警准确度从75.4%提高到79.5%;(2)联合ROC曲线确定预报模型的概率阈值为0.611,雷电潜势预报的命中率POD为84.01%,虚假警报率FAR为26.05%,临界成功指数CSI为69.38%,准确率较高,雷电潜势预报具有较好的预报能力;(3)Logistic回归模型联合ROC曲线法在气象预测预报,特别是非线性预测中有一定的应用价值。     

沈大高速公路雾气候特征与气象要素分析

利用1958—2007年沈大高速公路沿线6站雾日资料对沈大高速公路雾的气候特征及气象要素进行分析。结果表明：沿海地区雾日偏多,且总体呈上升趋势,内陆地区雾日偏少,且呈下降趋势。内陆地区雾多出现在秋冬季,沿海地区多出现在夏季。雾多在凌晨至日出前后时段生成,日出后逐渐消散,持续时间多为1—3 h。相对湿度、气温、风速和风向对雾的预报有较好指示意义：当相对湿度在90%—100%时,春季气温为-5—15 ℃、夏季为16—24 ℃、秋季为-3~19℃、内陆冬季为-20~2 ℃,沿海冬季为-7~4 ℃范围内,内陆风速为0—3 m&#8226;s-1,沿海风速为0—6 m&#8226;s-1,且沿海地区为偏南风时,雾易发生。     

新余市大雾天气预报

对新余市1990～2001年出现雾的实况资料进行了气候分析,对各雾日的要素进行指标分析,对各项指标进行统计综合分析,并运用天气学方法,在雾的多发季节进行重点预报,发挥了较好的作用.     

盐城市雾发生规律及其预报

依据盐城市１９８０￣１９９６年的雾资料进行了气候分析,将雾发生的天气形势归纳为弱高压和气旋倒槽两种类型;在此基础上,对单站要素进行了指标分析,由给出的５条指标采用概率加法原理进行雾发生的分析判断;并在气象信息综合分析处理系统（Ｍｉｃａｐｓ）上建立了春运期间雾预报系统,在实际应用中取得了较好的效果。     

基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。     

雷州半岛雾的气候特征及生消机理

利用分别位于雷州半岛北部、中部和南部的湛江站59a、雷州站46a和徐闻站42a的气象资料,分析了雷州半岛雾发生的规律及生消机理。结果表明：三站年雾日数变化趋势基本一致,呈＂W＂状,局部峰值明显升高。三站的年平均雾日数分别为24.7d、30.4d和21.0d。雷州半岛雾日主要出现在每年的1—4月及12月,3月雾日数最多,7月雾日数最少。近10a湛江站夜间雾发生频率为90%;短雾多,持续时间在4h以内的占75%。雾形成的天气形势可分为高压入海型、低压前型、冷锋前型、静止锋前型、鞍形场或均压场型5类,主要是平流雾、锋面雾和辐射雾。3种雾消散的天气形势是新冷空气补充南下、雾滴出现碰并沉降形成小雨或日出后雾滴蒸发。统计雷州半岛三站2000—2009年雾次频数得出,成雾概率最大的气象条件是气温为15～25℃、T-Td≤1.0℃、Δp3在-3.5～-2hPa和1.5～2.5hPa之间、风向为NNE-ESE及风速小于5m/s。L波段雷达探空大雾个例分析表明：雾顶高度在1.5km左右,雾中温度随高度增加而减小;雾中相对湿度大于92%,1.5km之上急剧减小,3km以上保持不变;T-Td为1.2～6.4℃;近地面风速为2～6m/s,风向随高度顺时针旋转,雾中有暖平流。