萍乡地区雾的特征分析及预报方法初探

选取萍乡和莲花2个站点1980—2003年722个雾日样本,按年、季、月对雾日的变化进行了分析,探讨了辐射雾、平流雾形成的主要气象因子和天气形势。通过普查气象因子和相关性回归分析,筛选出与雾日相关性比较好的6个气象因子,分别建立春、秋、冬三个季节雾的能见度预报方程,并进行了验证和实际应用。预报方程春季预报准确率最高,冬季次之,秋季相对较低。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

温州地区雾霾气候特征及其预报

利用温州8个气象站点近40年的雾日和霾日统计资料,从时间和空间两方面分析了温州雾、霾日数的气候特征和变化规律。结果表明, 1971—2008年期间,温州市区（平原）地区雾日数显著减少,洞头（海岛）地区雾日数缓慢减少,泰顺（高山）地区雾日数呈波动式缓慢增长,21世纪初有明显增多;温州地区霾日数,除泰顺（高山）地区缓慢增长外,总体呈快速增多趋势,增多开始发生在20世纪70年代后期,21世纪初霾日数显著增加,其中永嘉和瑞安增加最快。温州雾日数冬春多,夏秋少;霾日数冬季最多,夏季最少。同时,利用近年来气象部门与环保部门联合开展的空气质量预报产品,如空气污染指数（API）,建立雾、霾预报方法。统计2004—2009年间的雾、霾与空气污染指数的相关关系,并兼及晴雨天气条件,总结出包含晴雨、空气污染指数及雾、霾3要素的线性公式,作为预报雾、霾工具。经检验,效果较好,预报未来24 h雾、霾准确率达57%～66%。并通过编程实现计算机自动预报。     

基于3种能见度方案山东地区雾天气预报试验研究

基于中尺度天气研究与预报(Weather Research and Forecast,WRF)快速更新循环(Rapid Update Cycle,RUC)模式系统,选取SW(Stoelinga and Warner)方案、RUC方案与FSL(Forecast Systems Laboratory)方案3种能见度方案,对2015年10月至2016年3月山东地区的25次雾天气个例进行预报试验,包括能见度的定量化预报和雾天气的有、无诊断预报,利用常规气象观测资料对预报结果进行检验评估,并分析不同能见度方案对雾天气预报效果不佳的原因,对RUC方案进行订正。结果表明:SW方案模拟的能见度平均绝对误差为9—12 km,RUC方案和FSL方案模拟的能见度平均绝对误差均为2—4 km。对于山东地区大部分雾天气预报试验,SW方案和FSL方案雾天气预报的确报率高于误报率,均对雾天气具有一定的预报能力;RUC方案雾天气预报的确报率和误报率均为0,对雾天气没有预报能力。综合山东地区能见度与雾天气的预报效果可知,FSL方案更适合作为WRF-RUC模式业务中雾天气的预报产品。模拟能见度对相对湿度的预报误差过于敏感、未考虑空气中的污染物对能见度的影响及计算公式未进行本地化订正是能见度方案对雾天气预报效果不佳的主要原因,订正后的RUC方案模拟的能见度平均绝对误差较原始方案减小,且提高了雾天气的预报效果。     

两种能见度数值预报产品在复杂地形下的预报性能对比分析

为对ECMWF全球数值模式和华南中尺度数值模式能见度产品在复杂地形区域的预报性能进行客观描述,该文通过定义低能见度天气过程,提取2016年10月—2017年2月贵州省山区典型的低能见度天气过程作为检验样本,开展两种数值预报模式的能见度预报能力检验。分析发现:在能见度等级的预报性能方面,辐射雾过程的预报准确率明显低于锋面雾过程,且华南中尺度模式明显差于ECMWF模式,预报正确的等级集中在高能见度区间;在分等级检验中发现两种模式对雾的预报技巧均偏低,其中轻雾的预报技巧较高,尤其是ECMWF模式对锋面雾过程中轻雾的预报有一定参考性,但两种模式对辐射雾的预报能力不足尤为明显;ECMWF模式在锋面雾过程中,对贵州西部高原出现雾的预报能力较强,在东部对轻雾的预报有参考性,但各预报场对贵州中部地区雾的预报效果都不好。     

不同天气现象下毕节高温特征及预报回归检验分析

利用毕节2010—2019年观测资料,分析不同天气现象下日最高气温特征,建立高温模型,并对近5 a 24 h高温进行检验,得出如下结论：(1)毕节高温日变化在夏季最稳定,春季波动最大。气温日较差晴天最大,阴天最小,多云时略大于阴间多云。(2)毕节8～10成云出现频率高达65.7%,夏季晴天频率波动大,春、夏季多云频率较高,且按天气现象分类统计月平均高温时,其峰值均出现在7月。(3) 24 h高温预报准确率月、季变化特征明显,夏季准确率最高,较最低的冬季高出21.4%,在区别天气现象的情况下,阴雨天时预报准确率最高,多云时最低,其中12月多云时最低为25%。(4)回归模型分析发现不同季节同种天气现象24 h高温预报影响因子权重差异明显,日照时数和平均本站气压对模型影响程度较高。不同季节晴天影响因子差异最大,拟合效果最好时段在夏季,平均估计误差为1.2℃,估计误差最大在冬季,平均估计误差为1.7℃。     

天津港秋冬季低能见度数值释用预报研究

本文利用近5年(2009—2013年)天津港资料,分析了该地区大气能见度的分级特征。采用7年秋、冬季NCEP(2006—2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品。经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5%~35.4%;其中对0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5~1 km的大雾预报,WRF模式的预报技巧1%,BP释用预报提高到了14%~21%。日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75%,比WRF预报技巧提高了24%;对1~10 km的低能见度过程,比WRF的预报技巧平均提高了60%。     

沈阳地区日光温室内最低气温变化特征及其预报模型研究

利用2013—2014年沈阳地区日光温室内和温室外的气象观测资料,采用相关分析和逐步回归分析方法对日光温室内最低气温的变化特征及其预报模型进行了研究。结果表明:2013—2014年沈阳地区日光温室内最低气温与温室外的前一日最高气温、前一日最低气温、当日最低气温及温室内前一日最高气温、前一日最低气温相关显著。沈阳地区四季不同天气条件日光温室内最低气温的预报模型存在一定的差异,冬季日光温室内最低气温模型的预报准确率较高,春季次之,秋季再次之,夏季日光温室内最低气温模型的预报效果较差,冬季、春季、秋季、夏季日光温室内日最低气温≤3.0℃的预报准确率分别为91%、85%、81%和79%;雨雪天日光温室内最低气温的预报准确率较高,阴天次之,晴天再次之,多云天日光温室内最低气温的预报准确率较低,雨雪天、阴天、晴天、多云天日光温室内日最低气温≤3.0℃的预报准确率分别为90%、87%、83%和77%。可见,本文建立的沈阳地区日光温室内最低气温模型的预报效果较好,可为沈阳地区中高档钢架砖混结构日光温室内最低气温的预报提供参考,具有较强的实用性。     

2014—2016年数值降水预报在天津的检验评估

对2014—2016年中国国家气象中心T639数值预报、日本细网格数值预报、欧洲中心细网格(EC thin)数值预报以及天津市乡镇指导预报产品中在天津地区降水预报分别进行检验。结果表明:所有模式降水的晴雨预报准确率均随预报时效的延长而下降。降水预报准确率在秋冬春季的预报效果明显好于夏季。EC thin产品在冬季降水的预报中优势更为明显,而指导预报及T639对5月、6月及9月天津地区局地降水多发期的降水更有指示意义。针对2014—2016年天津地区的23个暴雨日按影响系统分型并统计检验结果,暴雨日降水预报晴雨成绩较好有参考价值,而降水分级检验偏差较大。相对于局地性暴雨过程,区域性的暴雨过程数值预报有更为可靠的参考性。     

汉中市空气质量预报模型及验证

利用汉中市2015—2016年1月1日—12月31日2a的空气质量资料和同期地面气象观测资料,分析了汉中市空气质量变化特征及其与气象要素之间的相关性,建立了汉中市空气质量预报模型。结果表明:汉中市空气质量状况总体较好,以优良天气为主,达标率为75.9%;汉中市空气质量夏季最好,秋季次之,冬季最差;空气质量指数(AQI)与气温、风速、日照时数、能见度、水汽压、降雨量、气压、地面气温相关性显著,各气象要素对AQI的影响有所不同,且不同季节内影响程度各异;建立的汉中市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01检验,达到极显著水平。经验证,2017年春季空气质量级别预报准确率超过了85%,预报效果良好,可应用于汉中市空气质量预报业务。     

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。     

重庆市区雾的天气特征分析及预报方法研究

分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征,利用重庆站的观测资料选取适当的诊断因子,采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。研究表明:55年以来,重庆年雾日数总体呈逐年下降趋势,同时轻雾日数急剧上升,这种变化可能主要与城市热岛效应增强和空气污染状况加重有关;发展成熟的辐射雾大多具有逆温的稳定结构,雾顶上下温度、湿度存在明显跃变特征;神经网络模型具有较强的自适应学习和非线性映射能力,对能见度为0~1 km雾的报出率为83%,Ts评分达到69%,平均预报误差为0.384 km。除常规气象要素外,通过M指数、Ri数、凝结核、辐射状况和其他物理量的引入,以及对因子网络输入值的技术处理,明显提高了神经网络对雾尤其浓雾的预报能力,其对能见度在0.4 km以下浓雾预报的Ts评分可达89.5%。模型结果对重庆市区雾的预报具有良好的参考价值。     

福建近44年雾日趋势变化特征及可能影响因素

应用1961—2004年福建省50个气象站逐月大雾及浓雾日数资料, 分析了全省大雾日数及浓雾日数的年、季分布特点、长期变化趋势、年代际变化特征以及可能的影响因素。结果表明:全省年、季雾日数分布均表现为中部及三明西部的多雾区, 沿海及南部地区的少雾区, 而多雾区中浓雾所占的比率达30%以上; 全省年、季大雾日数大部分地区表现为明显的减少趋势, 仅在龙岩西部呈增加趋势, 而浓雾的减少趋势不如大雾; 年、季雾日数具有明显的年代际变化特征, 年、季雾日数在20世纪80年代中期左右转为明显偏少期, 之前则为明显的偏多期。文中还重点分析了6个代表站大雾与浓雾的趋势与月际分布特征。进一步研究指出, 年雾日数与年平均气温有较好的负相关关系, 而与年平均相对湿度有很好的正相关关系, 同时与森林覆盖率的变化有一定关系。     

北京城市能见度及雾特征分析

利用北京及市郊16个标准国家气候站的1980至2000年21年能见度与雾特征等资料,对北京及周边地区的能见度和雾特征及其演变进行了研究结果表明,近20年北京能见度的变化存在显著季节性差异.近20年来,北京市区能见度冬季和夏季呈两种不同的变化.冬季能见度有转好趋势,夏季,80年代以来,北京市城区海淀、京西门头沟、石景山、丰台等地、北部及东部等地能见度有逐年转差趋势,冬季和夏季能见度距平呈反位相变化. 近十年上述能见度转差地带,雾日也是增加的.20世纪的最后10年与80年代开始的10年相比,夏季7、8、9月份北京城市和郊区的雾日有显著增加.雾日的高峰值出现在以海淀区为中心的北京城区的全境,包括京西的石景山、丰台、门头沟等地;另一个雾日数高峰区位于北京东部地区.北京夏季雾增加与能见度减低的地区分布趋于一致可能与北京特殊的"马蹄形"大尺度地形堆积影响有关. 尺度过滤分析研究表明,夏季,从北京城区向东南方向伸展至河北一带地区,有个显著的带状能见度减弱区.这个能见度减弱带与尺度分离揭示的城区内更小尺度的雾增大特征现象有关,有可能与最近10年北京以南地区其他的工业排放或污染源对北京的输送及城市发展变化有一定关系,即与大气气溶胶分布和北京特定的气象条件和城市变化状况有关.     

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。     

双流机场低能见度天气预报方法研究

在信息量较大, 而预报对象与预报因子的关系又不清楚的状况下, 智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料, 使用支持向量机 (Support Vector Machines, 简称SVM) 方法, 选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好, Ts评分分别为0.287和0.292, 远高于双流机场低能见度天气出现的频率 (0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多, 漏报较少; 而以拉普拉斯函数构造的SVM预报模型空报较少, 漏报较多。因此, 如果强调模型对低能见度天气预报的准确性, 则应采用以拉普拉斯函数构造的预报模型, 如果强调对低能见度天气的预防性, 则应采用以径向基函数构造的预报模型。     

华北地区高速公路沿线雾预报

在数值预报产品(MM5)的基础上,建立了华北高速公路沿线及邻近460个气象站的高影响天气一雾的统计预报模型.抽样检验系统运行2年多来所积累的预报和实况资料的结果表明,北京24 h能见度V≤5 km预报的年临界成功指数(CSI:Critical Success Index)为0.61,京津塘高速公路沿线的7个站为0.68...     

江苏省雾霾天气特征分析

根据2007年1月—2013年12月江苏省国家基准气候站的逐日地面观测资料,分析了江苏省雾、霾日数的气候变化特征以及霾天气发生时的主要气象要素场特征。结果表明:(1)雾日数分布从江苏省东部向西部逐渐减少,霾分布由南向北逐渐递减。(2)年际变化上,雾日数呈现一定的波动,霾日数逐年增长。秋、冬两季雾日数较多;霾日数在夏季最少。雾、霾天气分别在08时和14时发生次数最多。(3)淮安中度霾居多,微风、高湿情况下霾发生概率最高,不同季节风向分布不同。(4)风速与能见度成正相关关系,春、夏季的相关性较差,秋、冬季相关性相对较好。能见度与相对湿度春、冬两季两者之间呈明显的线性负相关,而夏、秋季拟合曲线呈非线性负相关。     

四川省冬季雾的数值模拟及能见度参数化

利用中尺度模式WRF对2009年冬季四川省入冬后最大的一次浓雾过程进行模拟,模拟结果表明,模式对雾区的模拟与实测结果基本一致,模拟的相对湿度也接近实况.利用成都双流机场的实测能见度和相对湿度资料分别用确定性和概率性方法获得能见度(Vis)和相对湿度(RH)的参数化方案,用模拟的相对湿度来估算能见度.研究结果表明,概率为5%的Vis-RH的参数化方案在浓雾过程中估算的能见度最为准确,可以为今后能见度的预报提供参考.