Polar WRF模式海冰密集度方案对北极海雾模拟效果的个例研究

全球变暖的背景下,北极航线的常规通航甚至商业运营有望实现,而海雾会严重影响航道上船只的航行安全。海冰的存在使海气之间相互作用变得更为复杂,是研究北极海雾不可忽略的因素。船载观测发现,与中纬度常见平流冷却雾形成时气温下降速度往往超过海水降温速度不同,北极海雾发生时海冰的存在还会使海水降温速度超过空气降温速度。然而目前海冰分布是否会影响模式模拟海雾的准确性还不得而知,因此本文利用Polar WRF（Polar Weather Research and Forecasting）模式模拟了中国第七次北极考察中观测到的一次海雾过程,并进行海冰密集度敏感性试验。通过与船载观测和欧洲中期天气预报中心再分析数据比对发现,在低浮冰区内（海冰密集度小于50%）考虑海冰分布时可以更加准确地刻画潜热通量与水汽通量,模拟出与观测事实相符的表层空气降温与增湿过程以及相对湿度的变化,因此能够更好地刻画海雾的三维结构及其生消演变。     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

Polar WRF模式海冰密集度方案对北极海雾模拟效果的个例研究

全球变暖的背景下,北极航线的常规通航甚至商业运营有望实现,而海雾会严重影响航道上船只的航行安全。海冰的存在使海气之间相互作用变得更为复杂,是研究北极海雾不可忽略的因素。船载观测发现,与中纬度常见平流冷却雾形成时气温下降速度往往超过海水降温速度不同,北极海雾发生时海冰的存在还会使海水降温速度超过空气降温速度。然而目前海冰分布是否会影响模式模拟海雾的准确性还不得而知,因此本文利用Polar WRF(Polar Weather Research and Forecasting)模式模拟了中国第七次北极考察中观测到的一次海雾过程,并进行海冰密集度敏感性试验。通过与船载观测和欧洲中期天气预报中心再分析数据比对发现,在低浮冰区内(海冰密集度小于50%)考虑海冰分布时可以更加准确地刻画潜热通量与水汽通量,模拟出与观测事实相符的表层空气降温与增湿过程以及相对湿度的变化,因此能够更好地刻画海雾的三维结构及其生消演变。     

北大西洋秋季“三极子”海温结构对冬季大气环流场的影响

利用NCEP再分析资料、Hadley中心的海表面温度(SST)资料等,从北大西洋秋季海表面温度异常(SSTA)变化入手,对其影响后期冬季大气环流场的机制进行了分析。研究结果如下:(1)北大西洋SST异常与大气环流异常之间存在着相互作用;(2)秋季北大西洋SSTA具有较好的持续性,"正负正"海温异常空间分布导致12月巴伦支海上空500hPa位势高度异常偏高;(3)异常环流形势对应的海表面风异常场(SSWA)通过阶段性风-蒸发-SST异常反馈机制(WES机制)利于海温异常分布的持续及对上空异常大气环流的反馈;(4)三极子海温结构中负异常海温自10月份开始有自西向东的移动,风作用下蒸发加大,伴随上升运动自欧洲西部爱尔兰群岛出现自西向东移动的降水正异常区,潜热释放有利于冬季巴伦支海上空的异常高压脊发展。研究表明,北大西洋秋季SSTA通过阶段性海气相互作用机制影响海洋温度分布和大气环流异常,对后期冬季中国东北部的气候变化产生影响。     

青岛混合层高度变化特征及与空气污染的关系

选取青岛2000—2015年逐日地面观测资料和环境监测中心站2011—2015年逐日主要大气污染物浓度资料,分析了青岛大气混合层高度和大气稳定度的变化特征,对青岛日最大混合层高度与空气污染物浓度进行相关分析。结果表明：近16a来,青岛大气混合层高度年际变化呈逐渐减小的趋势,日变化呈现单峰结构;大气稳定度以D类的出现频率最高,深秋到初冬大气较为稳定,4—8月A,B,C类稳定度较其他月份升高;清晨和傍晚大气以中性层结为主,中午弱不稳定发展,夜间稳定层结明显增强。空气污染物质量浓度与日最大混合层高度有明显的负相关关系,污染物质量浓度越大,日最大混合层高度越小;反之,污染物质量浓度越小,日最大混合层高度越大。     

一次春季黄海西部离岸气流背景下形成岸滨雾的过程分析

本文利用地面气象站观测资料、青岛近海浮标站及自动气象站资料、卫星云图等数据,结合数值试验的结果,从观测分析、天气形势与边界层结构等方面,对2008年4月6—7日一次黄海西部离岸气流背景下形成岸滨雾过程的物理机制进行了分析与讨论。分析表明:(1)此次岸滨雾是来自陆地的暖湿空气被输送到冷海面凝结产生的。海雾生成前,偏南暖湿空气输送以及降水天气的条件,使离岸气流具有暖湿气流的性质。(2)在1 000hPa局地低压系统作用下,近地面风向转为离岸的偏北风,同时混合层厚度自陆地向海面降低,混合层内部气流离岸下沉至冷海面边界层内,水汽更容易在海面聚集饱和成雾,导致雾区随着离岸气流向南方海面上发展。数值试验进一步证明了离岸暖湿气流对岸滨雾生成过程的作用。该研究可为近海海雾预报提供重要参考。     

三种经典夜间陆地雾遥感反演方法的适用性对比分析

相较于地面站点观测,卫星可以监测更大范围的夜间雾区分布,目前虽然已存在几种经典的夜间陆地雾遥感反演算法,然而其在我国大范围陆上的适用性尚不清楚。基于葵花8号（Himawari-8）静止气象卫星数据,分别利用双通道差值法、温度差值法及归一化大雾指数法反演了我国2016年1月—2018年12月的夜间陆地雾区,并用地面观测资料以鉴定成功评分、准确率、判识率和误判率为指标参数对雾区反演结果进行验证分析,讨论了三种反演方法的适用性。结果显示:1)三种夜间陆地雾反演方法在秋季和冬季反演效果最好,其中温度差值法的鉴定成功评分高、准确率高、误判率低,反演效果最好,双通道差值法的判识率高、误判率高,反演效果次之,归一化大雾指数法效果最差。2)三种方法对夜间陆地雾的反演在秋季和冬季的最佳适用区域略有不同,但都倾向于在平原和盆地达到最佳效果,如华北平原、长江中下游平原和四川盆地。3)两次雾过程的反演结果显示,温度差值法和双通道差值法对平原地区夜间雾的识别能力均较强,在具体雾过程反演中各有优势。     

三种经典夜间陆地雾遥感反演方法的适用性对比分析

相较于地面站点观测,卫星可以监测更大范围的夜间雾区分布,目前虽然已存在几种经典的夜间陆地雾遥感反演算法,然而其在我国大范围陆上的适用性尚不清楚。基于葵花8号(Himawari-8)静止气象卫星数据,分别利用双通道差值法、温度差值法及归一化大雾指数法反演了我国2016年1月—2018年12月的夜间陆地雾区,并用地面观测资料以鉴定成功评分、准确率、判识率和误判率为指标参数对雾区反演结果进行验证分析,讨论了三种反演方法的适用性。结果显示:1)三种夜间陆地雾反演方法在秋季和冬季反演效果最好,其中温度差值法的鉴定成功评分高、准确率高、误判率低,反演效果最好,双通道差值法的判识率高、误判率高,反演效果次之,归一化大雾指数法效果最差。2)三种方法对夜间陆地雾的反演在秋季和冬季的最佳适用区域略有不同,但都倾向于在平原和盆地达到最佳效果,如华北平原、长江中下游平原和四川盆地。3)两次雾过程的反演结果显示,温度差值法和双通道差值法对平原地区夜间雾的识别能力均较强,在具体雾过程反演中各有优势。     

用垂向光学辐照度测量数据计算雾能见度的方法和验证

大气能见度是描述雾的重要物理参数。目前测量大气能见度是采用主动光源测量水平方向的可视距离,本文提出了用垂直方向测量的自然光光学数据计算能见度的方法,该方法通过测量两个不同高度上的谱辐照度,计算谱衰减系数,然后将自然光参数转换为标准光参数,按照大气能见度的定义计算能见度,形成了由垂向光学测量获取大气水平能见度的合乎规范的理论和实际可行的计算方法。在2016年5月5日,作者采用2台光学辐照度计(Trios)和1台能见度仪进行了9h的观测,获得了一个完整的雾生成和发展过程的观测数据,对本文提出的算法进行了检验。针对环境干扰因素可能导致虚报雾的情形,本项研究提出,先从光谱数据本身定性判断是否有雾,再通过本文提出的理论方法计算能见度。研究发现直射光和散射光在594和674nm的特异性,用归一化光谱之差作为判据,成为能见度是否小于2 000m的可靠判断方法。结果表明,光学观测的计算结果在能见度小于1 000m的均方根误差为173m,在能见度小于2 000m的均方根误差为471m。与通常使用的用550nm单一谱段衰减系数计算大气能见度的方法比较,精度有很大提高。尤其对于能见度小于2 000m的情形,与实测能见度有很高的一致性。用垂向光学辐照度观测结果计算能见度是可行的方法。     

基于多种机器学习模型的夏季北冰洋海雾卫星检测方法研究

利用2014—2018年6—9月Aqua/MODIS提供的光谱数据、海面温度数据及其他辅助数据,基于CALIOP L2 VFM产品中云底高度提取的海雾、云和海表标签,建立3类样本数据集。结合使用K折交叉验证法、网格搜索法和粒子群优化算法训练随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、多层感知机（multilayer perceptron,MLP）和全卷积神经网络（fully convolutional network,FCN）4种不同的机器学习模型,对比模型在北冰洋夏季海雾检测中的表现。结果显示,RF、SVM、MLP和FCN均表现出一定的海雾检测能力,检出率（probability of detection,POD）均超过70%。其中,FCN表现出最稳健的综合性能,POD达到79.91%,虚警率达到较低的24.90%,关键成功指数达到63.17%。