基于观测资料的我国天气现象时空分布分析

利用全国576个台站1961—2010年天气现象观测资料,对34种天气现象年平均发生频率、昼夜分布特征、代表性天气现象和区域代表站天气现象的发生情况等进行了统计分析。结果表明:雨、露、结冰、阵雨、轻雾、霜、雷暴天气现象的年平均发生频率较高,极光、龙卷、雪暴等天气现象的年平均发生频率极低。近年来,雾的发生呈缓慢下降趋势,轻雾呈缓慢上升趋势,霾在2000年后快速发展,且发生地点逐步扩大。天气现象的发生具有一定的地域性,但各地多发天气现象的前20种基本相似,仅发生频率排序不同。     

德令哈地区近44年天气现象变化特征分析

利用德令哈市国家基本气象站1973—2016年地面气象观测天气现象数据资料,采用统计法、气候倾向法等方法,从年代际、年际、季节和月际4个时间尺度来分析天气现象的变化特征。结果表明:44a来德令哈地区天气现象共出现11种,雨凇、雾凇、雾、轻雾、霾5种天气现象从未出现。各年代天气现象日数分布不均匀。雨、露和霜日数逐年呈增多趋势;雪、冰雹、沙尘暴、扬沙、浮尘、大风、积雪和结冰日数逐年呈减少趋势。逐月天气现象日数分布不均匀。春季以大风、沙尘暴、扬沙和浮尘天气现象为主;夏季以雨、冰雹和露天气现象为主;冬季以雪、霜、积雪和结冰天气现象为主。通过对德令哈地区44a来天气现象日数的变化特征进行分析,旨在为本地区开展预报预测、为农服务和公共气象服务提供科学依据。     

天气现象记录时间口诀

天气现象共有34种,除了极光、龙卷风等很少出现外,其它现象对于观测员来说,并不陌生.但这些现象在是否需要记开始与终止时间方面,有时会让观测员有一种“提笔忘字”的感觉,导致许多观测员在考试时失了分,在工作中出了错.为了清楚、准确地记住它们在时间上的记录规定,大家不妨记一下这个顺口溜:记录开始与终止时间的天气现象共有21种,降水11种,极光和大风,3暴1吹雪,龙卷雾雨凇;不记起止时间的天气现象共有12种,轻雾霜闪尘卷风,烟幕浮尘霾结冰,积雪扬沙和冰针;只记录开始时间的1种,飑.     

天气现象记录时间口诀

天气现象共有 34种 ,除了极光、龙卷风等很少出现外 ,其它现象对于观测员来说 ,并不陌生。但这些现象在是否需要记开始与终止时间方面 ,有时会让观测员有一种“提笔忘字”的感觉 ,导致许多观测员在考试时失了分 ,在工作中出了错。为了清楚、准确地记住它们在时间上的记录规定 ,大家不妨记一下这个顺口溜 :记录开始与终止时间的天气现象共有 2 1种 ,降水 1 1种 ,极光和大风 ,3暴 1吹雪 ,龙卷雾雨凇 ;不记起止时间的天气现象共有 1 2种 ,轻雾霜闪尘卷风 ,烟幕浮尘霾结冰 ,积雪扬沙和冰针 ;只记录开始时间的 1种 ,飑。天气现象记录时间口诀@王…     

巧记“天气现象”

在地面气象观测工作过程中,有些天气现象经常出现,也有些天气现象则不常出现。对于经常出现的天气现象,观测人员记得非常牢固。但对不常出现的天气现象,有时会忘记现象名称或是忘记该现象是否记录其起止时间。遇到此类问题时,就得翻阅《地面气象观测规范》进行查对。如果将记录起止时间和不记起止时间的天气现象,分别编成顺口溜背熟,即节省时间又记得牢固,给工作带来很大方便。记录起止时间的天气现象:三雨二雪阵雨雪①米雪冰粒雨夹雪雾松雨凇沙尘暴极光雷暴加②冰雹霰雾不怨③龙卷风吹雪雪暴刮④大风不记起止时间的天气现象:针⑤冰⑥积雪雾…     

1981—2013年四川省视程障碍类天气现象分析

利用四川省1981—2013年雾、轻雾、吹雪、雪暴、烟幕、霾、沙尘暴、扬沙和浮尘9种视程障碍天气现象资料,对其发生日数、发生概率和分布特征进行统计。结果表明:(1)各天气现象发生日数排序为:轻雾>雾>浮尘>霾>烟幕>扬沙>沙尘暴>吹雪>雪暴。(2)轻雾和雾年发生日数为分别为176d/a和29d/a,日发生概率分别为48%和8%,远高出其他天气现象。(3)季节变化方面,雾和轻雾主要出现在秋季和冬季;霾、吹雪和雪暴集中出现在冬季;浮尘发生春季;扬沙多发生在冬季和春季;而沙尘暴、烟幕主要发生在春季和秋季。(4)变化趋势上轻雾基本保持平稳;烟幕呈增加趋势;而雾、霾、沙尘暴、扬沙和浮尘呈下降趋势。(5)大气层结稳定、水汽充足、风速较小、人口集中和排放量较大,易于盆地雾、轻雾、霾和烟幕的形成;不合理利用水和土地资源,北方地区沙尘天气随冷空气南下,是沙尘天气发生的重要原因;而吹雪和雪暴均发生在冬季降雪量大且风速较大的川西高原。     

非降水现象量的处理

雾、露、霜、冰针、雾凇、吹雪、雪暴都不是降水天气现象,但它们的出现,会对降水和蒸发产生一定的影响,尤以吹雪和雪暴为甚.当然,除了吹雪和雪暴外,如它们单独出现,不管其量多少,都按对降水和蒸发无影响来处理,换句话说,可以无视它们量的存在.但吹雪和雪暴的情形就不同了,处理得不适当,就可能影响降水和蒸发量的     

一般站白天栏露和霜天气现象转记问题的分析

《地面气象观测规范》规定中有10种天气现象不需记起止时间。这10种天气现象中轻雾、烟雾、霾、积雪、闪电、尘卷风生成和消失有很具体的标准划分，但对于冰针、露、霜、结冰四种只有生成的划分标准，没有消失的划分标准。其中露和霜这两种天气现象转记比较难把握。为此，笔者针对这个问题进行以下分析。     

露、霜、结冰天气现象综合判别

通过自动气象站的连续观测资料,结合人工观测的天气现象,根据露、霜、结冰的成因筛选出符合条件的基本指标作为综合判据。选取气温、相对湿度、地面温度、草面温度和近地面温度作为主要因子,综合考虑降水和天气状况对这些天气现象形成的影响。采用两个气象观测站的分钟观测资料以及人工观测天气现象记录进行统计分析。经过初选因子和精选指标,利用多要素的组合方法,提炼出自然状态下出现露、霜、结冰现象的综合判别指标,获得了较好效果,拟合率在80%以上。为进一步认识这些天气现象的发生和变化规律提供参考,也能为天气现象观测自动化提供依据。     

一般站白天栏露和霜天气现象转记问题的分析

《地面气象观测规范》规定中有10种天气现象不需记起止时间。这10种天气现象中轻雾、烟雾、霾、积雪、闪电、尘卷风生成和消失有很具体的标准划分,但对于冰针、露、霜、结冰四种只有生成的划分标准,没有消失的划分标准。其中露和霜这两种天气现象转记比较难把握。为此,笔者针对这个问题进行以下分析。　　根据定义:露是水汽在地面及近地面物体上凝结而成的水珠,(霜融化成的水珠,不记露);霜则是水汽在地面和近地面物体上凝华而成的白色松脆的冰晶,或由露冻结而成的冰珠。上述两种天气现象,从定义分析,其生成条件分别是凝结、凝华,生成条…     

奥运期间天津极端天气气候事件背景分析

利用1951～2006年天津7月下旬至9月上旬的日最高气温、降水量、最大风速和8月扬沙、雾、雷暴和冰雹的观测资料,统计了对足球比赛影响较大的高温、暴雨、大风、雾和雷暴等极端天气气候事件发生的概率及分布特点,以期为2008年北京奥运会天津分赛场的足球小组赛提供气候背景服务信息。结果表明:在奥运会期间,天津易出现高温、暴雨、雷暴和雾等不利天气;而大风、扬沙、冰雹的概率相对较小。相对而言,8月中旬至9月上旬,这些不利的极端天气气候事件发生的概率小,对各项赛事的开展较为有利。     

强对流天气人工智能应用训练基础数据集构建

基于业务观测、历史灾情及互联网媒体等多源数据整编形成强对流天气人工智能应用训练基础数据集(Severe Convective Weather DataSet for AI application,SC WDS).SCWDS 包括2012-2019年中国大陆区域的雷暴、雷暴大风、短时强降水、冰雹及龙卷5种强对流天气,共1...     

江西省春夏季强对流天气气候特征

利用1960—2007年江西省87个地面气象站常规观测资料,对江西冰雹、雷雨大风（风速≥17m/s）和强降水（雨强≥30mm/h）3种强对流天气气候特征进行统计分析。结果表明,冰雹、雷雨大风和短时强降水年平均发生次数分别为13.7、181.4、123.8站次。冰雹和雷雨大风有明显的月际变化,冰雹站次峰值在3—4月,占总数的79.1%。雷雨大风站次有2个峰值,分别在7—8月和4—5月,占总数的44.3%和31.7%,且4月全省10站以上的大范围雷雨大风日数最多。自1990年以后,冰雹和雷雨大风呈逐年减少趋势。短时强降水主要出现在6—8月,占总数的70.3%,大范围短时强降水过程日数8月最多。在地理分布特征上,冰雹丘陵、山区多,平原少,赣东北最少,并有6个冰雹多发区;雷雨大风东多西少,平原和河谷或峡谷地区多山区少,赣西北最少,有5个雷雨大风多发区;短时强降水东多西少,南多北少,有5个高值中心。     

基于三种机器学习方法的降水相态高分辨率格点预报模型的构建及对比分析

冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升（XGBoost）、支持向量机（SVM）、深度神经网络（DNN）3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。      

人工神经网络法和线性回归法对降水相态的预报效果对比

本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报.     

青藏高原东部牧区大-暴雪过程及雪灾分布的基本特征

青藏高原东部牧区２６个台站在近三十年中共发生大－暴雪过程１６８９站次,按本文标准形成雪灾４１０站次。通过统计和诊断分析,揭示了大－暴雪过程及其雪灾的时空分布特征。结果表明：久治是大－暴雪过程和雪灾的频发中心,清水河是雪灾及成灾几率的高值中心;后冬成灾几率高达８０．３％,春季成灾几率仅１４．３％;大－暴雪过程次数和降水量线性增加势趋十分明显,导致雪灾危害日趋严重,９０年代进入雪灾的频发时期。     

近39年海南岛极端天气事件频率变化

利用1966--2004年海南岛大风、暴雨、雷暴、冰雹、高温、低温、霜冻、雾等极端天气事件的年发生日数资料，采用最小二乘法、Mann—KendaⅡ法及Modet小波等方法诊断分析其变化特征。结果指出：大风、雷暴和雾日呈显著减少趋势，并分别于1992年、1984／1985年、1983／1984年之交发生突变；高温、暴雨趋频及低温、冰雹、霜冻频数总体趋少变化不显著，其中，冰雹、霜冻基本处于少变的稳定态势。高温、雷暴存在阶段性中高频周期，其他极端天气则存在长期和阶段性中低频周期；冰雹日数的变化周期趋于变短，其余极端天气则有周期变长趋势。初步说明海南极端天气事件频率变化与气候变暖有一定的内在关系。     

The water phase of precipitation—a comparison between observed, estimated and predicted values

The results from two projects aimed at improving precipitation products for the Norwegian Road Authorities are presented and compared in this paper: A precipitation forecast with water phase type (rain, sleet, snow) from the HIRLAM weather prediction model, and a precipitation type estimate based on synoptic observations and weather radar data. Operational forecasts of water phase type from HIRLAM are biased towards predicting too many cases with snow. This is caused by the mainly positive difference between model terrain and real topography. It is shown that additional calculations of snow melting based on temperature and humidity in the lowest model level reduce this error. The second product presented here is a precipitation type estimate based on synoptic observations and weather radar data. Synoptic observations of 2 m-temperature and dew point temperature at 3 h temporal resolution are used to estimate the water phase of precipitation at ground level. The dew point temperature is converted to relative humidity. Temperature and relative humidity are interpolated in space using a digital elevation model after deriving local vertical gradients of the two variables. The water phase is estimated and merged with the actual radar precipitation estimate every 15 min. The result is a high resolution image showing the intensity and the water phase of precipitation. A comparison to observed water phase types at the synoptic stations for the winter season 2002/2003 shows that the percentage correct is 86%. The Probability of Detection is 0.84 for rain and 0.97 for snow. For January 2002, the observed, estimated, and forecasted water phase types are compared at an independent set of precipitation stations in Southern Norway. The results confirm the good quality of the precipitation type estimate and show that the adjustment of HIRLAM water phase type to real topography improves the forecast in cases with observed rain.