自动气象站缺测数据分析及处理

地面自动观测系统正逐步替代传统的人工气象观测,自动气象站容易受到直接雷击及雷电电磁脉冲的侵害、仪器性能下降、电磁干扰和人为操作失误等因素影响,导致自动站采集器等设备损坏,造成业务中断,数据缺测,影响了气象数据的及时性、完整性、连续性。因此,台站观测人员需要在自动站设备故障,资料不正常时及时采取有效措施,对数据进行补测、挽救,保证气象数据完整、按时上传。对自动气象站资料缺测的原因进行初步分析,并着重对自动站定时观测、每小时上传文件及日、月数据极值、统计缺测等方面的处理进行探讨。     

回顾中央气象台天气预报业务的发展（1950—1980年）

简要回顾和记叙中央气象台自1950年成立至1980年的30年中,在天气预报业务和服务方面的发展过程。大体可分为三个阶段:第一阶段是20世纪50年代,当初既缺乏资料,也缺乏人才。经过第一个五年计划大力兴建气象台站,资料问题得以基本解决;经与中国科学院地球物理所合作成立联合天气分析预报中心,人才培养和业务建设都有较快进展。到20世纪50年代后期中央气象台的业务范围和水平与发达国家已相差不大,这一阶段是这30年中发展最快、最好的阶段。第二阶段是20世纪50年代末期至70年代初期。由于外部环境干扰,使天气预报业务停滞不前,所幸业务和服务工作并未中断。这一阶段中央气象台的业务水平与发达国家间的差距明显加大。20世纪70年代初,我国恢复了在世界气象组织的合法席位,经政府批准和世界气象组织的同意,中央气象台为成为世界天气监视网(WWW)中的区域气象中心和区域气象通信枢纽而进行积极准备。到70年代末,在装备的选购、人员培养、数值预报模式的选用、通信线路的双边谈判以及软件的开发等方面均已准备就绪。中央气象台也正式更名为北京区域气象中心,并开始了现代化的业务建设。     

机器学习在强对流监测预报中的应用进展

近年来,机器学习理论和方法应用蓬勃发展,已在强对流天气监测和预报中广泛应用.各类机器学习算法,包括传统机器学习算法(如随机森林、决策树、支持向量机、神经网络等)和深度学习方法,已在强对流监测、短时临近预报、短期预报领域发挥了积极的重要作用,其应用效果往往明显优于依靠统计特征或者主观经验积累的传统方法.机器学习方法能够更...     

自动气象站与人工观测的数据对比分析

利用2003年1月至2004年12月兖州自动气象站观测资料和人工观测资料,对各气象要素进行了对比分析并探讨了两者差异形成的原因。结果表明:两种观测方式的观测数据虽然有一定差异,但在允许的精度范围内,其中平均地面最低温度、平均地面最高温度、地面极端最低温度和地面极端最高温度总体差值较大。除仪器的性能和工作原理造成的差异外,观测环境的变化、人为操作和特殊的天气现象也是造成差异的重要原因。     

浅谈L波段探空系统资料及在预报中的应用

着重对L波段高空气象探测系统观测资料的类型、获取方式及在天气预报方面的应用前景作一些初浅的分析,以提高探空资料在预报中的利用率。     

浅谈L波段探空系统资料及在预报中的应用

着重对L波段高空气象探测系统观测资料的类型、获取方式及在天气预报方面的应用前景作一些初浅的分析，以提高探空资料在预报中的利用率。     

基于自动气象站与自动雨量站的气象服务、监视及自动报警系统

用自动气象站和乡镇加密自动雨量站采集的雨量等气象要素数据,编程研制开发了气象服务、监视及自动报警系统.该系统以数据库为核心,利用气象基本业务通信网络,采用客户机/服务器模式,实现了区域面雨量评估、乡镇加密自动雨量站数据采集入库情况监视、根据不同的时间段所对应的降雨强度量级自动报警、自动气象站采集数据的实时自动入库、各气象要素彩色图形的自动绘制等功能.文章主要介绍该系统的结构设计、开发各子系统的目的和各功能实现的原理及方法等.     

芜湖市天气预报实时业务系统及其潜在能力

简要介绍了一个地（市）天气预报实时业务系统的建设思路，结构，特点，功能及潜在的业务能力。     

基于机器学习和单站地面气象要素的雷电临近预警方法

为减少雷电灾害造成的人身伤亡和经济损失,提出了一种基于机器学习和单站地面气象要素的雷电临近预警方法.在重庆市选择了 8个自动气象站,使用温、压、湿、风4种单站地面气象要素与ADTD地闪定位资料,通过对特征工程、重采样、交叉验证等机器学习技术的组合应用,构建了基于ADASYN-ET模型的雷电临近预警方法,能够对气象站周边...     

机器学习分类算法在降雨型滑坡预报中的应用

针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明：在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。     

卫星资料的非线性反演同化与一次强降水预报试验

利用地球同步气象卫星红外资料,通过优选BP人工神经网络和最优拟合回归这两种非线性方法,建立了反演宁夏大气相对湿度场的数学模型。反演湿度场经过变分同化与质量控制后,代入中尺度数值预报模式MM5,对一次突发性强降水过程进行了预报试验。结果表明,使用该资料后,数值预报模式对这次突发强降水过程的预报能力明显提高,模式输出产品具有预报指示意义,spin-up问题得到了一定程度的改进。     

通辽气象站地面自动观测与人工观测气象数据差异分析

利用通辽国家基本站2011年逐日20时气温、湿度、气压资料,分析了自动观测与同期人工观测数据的差异及产生差值的可能原因。分析认为:仪器的测量原理、感应原件的不同、仪器本身的系统误差、观测的时空差异和人为主观因素以及环境因素、采样和算法的不同是造成自动观测与人工观测数据产生差值的主要原因。     

基于深度学习的天气雷达异常数据识别技术

天气雷达基数据中因观测设备故障或标定问题而产生的异常数据, 直接影响天气雷达数据质量、定量估测降水及天气系统的分析和判断。目前在中国气象局气象探测中心实时业务中, 通过人工勘误环节对异常数据进行处理。针对2020—2022年业务中勘误较多的、大面积故障异常和易与降水数据混合的局部电磁干扰或故障的两类异常数据, 分别构建和训练R-ResNet和R-LinkNet两种模型, 提取雷达硬件故障、电磁干扰等特征, 实现异常数据的识别和处理。评估结果表明:两种模型在提取异常数据特征方面均具有很强的学习能力, R-ResNet在分类判识异常数据与正常数据的准确率超过99%, R-LinkNet在分离电磁干扰杂波和降水回波的准确率超过98%。两种模型可用于实时业务中监控和勘误电磁干扰、故障等异常数据, 实现异常数据的自动勘误处理。     

河北省山区地质灾害气象预警系统

介绍了国内地质灾害预报预警方法研究及系统开发现状,阐述了河北省山区地质灾害气象预警系统的设计思路、系统构成、主要功能及特点.该系统利用河北省地质灾害区划信息、地理信息、气象观测和探测信息(稠密区域气象观测站降水、多种多普勒雷达产品、卫星云图、闪电定位等资料)、数值模式降水预报产品等,采用数理统计、天气动力学方法及计算机应用技术,可以方便快捷地生成预报预警产品.经2007年汛期业务应用证明,该地质灾害气象预警系统可以对地质灾害预报进行及时订正,减少空、漏报率.     

沈阳区域气象中心中尺度数值预报业务系统的改进与拓展

介绍了改进后的沈阳区域气象中心中尺度数值预报业务系统的产品和运行情况。沈阳区域气象中心中尺度数值预报业务系统于1997年投入业务运行，目前已从最初的仅提供降水预报产品，发展到能提供降水预报、热带气旋路径预报、空气污染气象条件预报、人工增雨服务指导产品和城市环境气象业务预报所需的基本气象要素预报等多种业务所需的预报产品。业务系统每日两次自动运行，预报产品直接进入MICAPS、Vis5d、Grads绘图系统，进行图形显示，并直接进入区域气象中心局域网上的中尺度数值预报网页。目前，本系统的预报产品已经成为预报员每日必看的参考工具，经沈阳中心气象台评定，2002年汛期对辽宁省降水预报准确率已超过日本东亚模式。     

河南省强对流天气诊断分析预报系统

强对流预报是天气预报的难点,为了提高预报强对流、特别是预报区域性强对流天气的预报能力,应用河南省1995—2004年的气象观测资料作分析样本,并计算多个大气动力和热力学参数。经过统计分析、诊断分析,选择预报能力强、指示性好的大气动力或热力学参数作为强对流天气的预报因子,采用加权集成建立预报方程。应用计算机技术自动实现从数据采集、物理参数计算、预报因子临界值判别、诊断预报方程运算,到以MICAPS图形方式输出预报结果,建立了河南省区域强对流天气预报系统。该系统为预报员提供了一种科学客观的参考依据,在近两年的业务运行中取得了比较理想的预报效果,提升了河南省强对流天气的预报能力。     

宜丰短时强降水雷达回波特征分析

使用江西自动站数据、MICAPS天气图资料、雷达拼图CR产品和单部雷达基数据等资料,采用统计分析、形态对比、特征提取等方法,对2017—2019年宜丰4次暴雨和大暴雨过程中的短时强降水天气的演变与回波特征进行分析,结果表明:(1)宜丰暴雨或大暴雨过程都出现了≥30 mm·h^-1的短时强降水。(2)200 hPa赣北处辐散分流区中,500 hPa 588 dagpm线稳定维持在江西南部,赣北处于850 hPa西南急流的左侧及前端,形成上干下暖湿的不稳定层结;地面辐合线是短时强降水的主要触发系统。(3)在短时强降水期间,雷暴回波群中超级单体回波强度为60~65 dBZ,短带回波强度为50~55 dBZ,复合体回波强度为55~60 dBZ,絮状回波带回波强度为40~45 d BZ。(4)在单部雷达回波产品上,雷暴回波群、回波短带、复合单体回波和絮带状回波,组合反射率CR为40~65 d BZ,回波顶高ET为8~15 km,垂直液态水含量VIL为10~60 kg/m²,50 dBZ强回波顶高为5~12 km。     

江西三次暴雪天气雷达回波特征分析

研究暴雪雷达回波特征是为了更好地开展暴雪短临预警预报与服务工作。使用常规天气资料和天气雷达、风廓线雷达等非常规资料,采用统计分析、中尺度分析、回波形态分析等方法,对江西2014年、2016年和2018年3次暴雪天气过程进行对比分析。结果表明:江西暴雪过程大多数发生在赣北、赣中地区,除高山站庐山外,九江、修水和南昌也是降雪中心,最大雪深12.6～20.0 cm,降雪区最南可到达吉安西部和赣州北部。暴雪天气的主要系统配置:500 hPa处高空槽前,850 hPa和700 hPa为切变线、西南急流。在降雪前,1000 hPa温度在0℃以上;降雪出现时,1000 hPa温度在0℃以下,大雪时可达-4℃;700 hPa与1000 hPa温度比较接近,并且700 hPa温度高于850 hPa,出现明显逆温层。雪回波一般在5～20 dBZ,暴雪回波强度在30 dBZ左右;降雨回波强度20 dBZ,为20～40 dBZ;雨夹雪回波中,最强雨回波可以发展到40 dBZ以上,呈团絮状回波结构。暴雪反射率因子垂直结构上回波伸展高度在5～7 km,2～3 km附近有20～30 dBZ的较强回波带。径向速度场上,零速度线在1.5～2 km,其以下为负速度区,以上为正速度区。在雷达拼图上可以同时观测到雪回波、雨夹雪回波和雨回波三种相态共存的回波特征。上饶风廓线上0.9～3.2 km存在偏东风与偏西风的风切变层。雪在TWP3和TWP8两种风廓线雷达上表现不同,信噪比SNR分别为:20～35 dB和35～50 dB;而垂直速度W为0～4 m·s~(-1)。     

国家气象中心新一代业务中期预报系统T213L31

介绍了国家气象中心现行中期数值预报业务系统；介绍了预报模式的基本控制方程，在SP计算机上的实现过程；介绍了全球分析的并行处理方法和全球资料同化系统、后处理系统以及与之相关的配套系统。     

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元(Gated recurrent units)神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型(Attention-ConvGRU);然后将雷达反射率因子数据和对应时间段(6 min)的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型:单雷电数据模型、单雷达数据模型和雷电-雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数(Critical Success Index,CSI)为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程(A类雷暴)的预报效果优于不具有明显移动趋势的雷暴过程(B类雷暴),且随着B类雷暴强度减弱模型预报能力逐渐减弱。