汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

基于省区协调发展的GDP预测模型

基于柯布-道格拉斯生产函数与自回归移动平均模型(ARIMA)构建出一个GDP综合预测模型,并且考虑十九大全面建成小康社会与实现共同富裕的精神与国家关于技术、资本、劳动力等方面的区域平衡发展战略调整模型的参数,计算了2016—2050年中国分省的GDP总量与人均GDP,进一步通过计算省区间人均GDP的基尼系数来分析省区协调发展的水平。研究结果表明,在考虑省区协调发展时,各省区在2016—2050年间的GDP总量与人均GDP的差距逐渐缩小,省区间人均GDP的基尼系数将从2015年的0.219下降到2030年的0.176和2050年的0.137,未来区域间发展不均衡的态势在实现经济稳步增长同时可以得到缓解。     

应用主成分构建的暴雨致灾能力评估指数及其应用

为了构建合理的四川暴雨致灾能力评估指数(简称:评估指数),本文对2008~2018年四川地区126次致灾性暴雨过程,选取刻画暴雨特征的8个降水量因子,利用总体主成分和阈值法确立因子的权重及阈值,由此建立了评估指数模型。经历史个例反演及预报个例的评估应用表明:(1)暴雨区域的平均雨量值,≥25mm/h的面积及大暴雨面积是影响四川暴雨致灾能力强弱的关键因子,利用主成分构建的评估指数较好的反映了历次暴雨过程的致灾能力,当指数达0.8以上时,一般对应着大型及以上暴雨灾害。(2)结合经济损失及气象灾害评估分级处置标准,将评估指数划为4个等级。基于此,利用每日08时和20时四川省气象台订正的0.05°×0.05°预报降水数据,输入评估指数模型计算未来3d的指数及对应的致灾能力落区等级空间分布。实际应用表明,评估指数模型对评估暴雨过程的整体致灾能力及具体的暴雨致灾能力落区等级分布有显著的实用性。      

三江源区大气可降水量时空特征及其与降水关系

利用1979—2016年欧洲中期天气预报中心(ECMWF) ERA-Interim (1°×1°)再分析资料中的经、纬向水汽通量和大气可降水量(precipitation water vapor,PWV)数据,采用相关性分析、趋势分析法、累积距平、IDW等方法,分析三江源地区PWV与水汽通量的时空分布特征、降水转化率(precipitati-on conversion efficiency,PCE)变化规律。结果表明:过去的38 a,经、纬向多年平均水汽通量分别为50. 2、196. 7 kg·m-1·s^(-1),纬向水汽通量气候倾向率比经向大。南边界为纬向主要水汽输入边界,东边界为经向主要水汽输出边界,纬向水汽输送大于经向输送。多年平均PWV为1998. 3 mm,近38 aPWV呈现微弱增加趋势,1979—1997年,PWV呈下降趋势,1998年后PWV呈增加趋势,同期降水也在增加,说明该时段三江源地区气候转湿。PWV与水汽通量的年际变化趋势和转折年相一致。三江源区多年平均PCE为24. 57%,1989年PCE最高,达32. 76%,各季节平均PCE空间分布与年平均PCE分布一致,均表现出南部、东南部高,西部、东北部低的变化特征,各季节PCE大小差异明显,春季多年平均PCE为15. 92%,夏季25. 67%,秋季21. 01%,冬季仅7. 03%。     

陕西2019年省级决策气象服务评估

采用国际通用调查评估方法,利用气象服务用户满意度指数CSIWS模型（customer satisfaction index of weather service）,从气象服务满意度、气象产品需求度和气象服务覆盖度三个维度对调查结果进行评估分析。结果表明：（1）2019年省级高端用户群对决策气象服务综合满意度指数为9284%,较2018年、2017年分别提高122、007个百分点;气象服务为防灾减灾救灾和经济社会发展提供了坚强保障,得到各级领导和相关部门的充分肯定和认可。（2）气象服务的发展必须要紧跟社会发展潮流,加强气象服务与云计算、大数据、物联网、人工智能等技术的融合,切实满足用户个性化需求。（3）在巩固抓好暴雨、高温等传统灾害性天气预报预警服务的同时,必须加强冰雹等强对流天气的决策服务。（4）以秦智网格预报系统深度研发为基础,继续加大短临预警服务系统的研发,切实增强短临天气服务主动性和产品可用性。（5）智慧气象APP、气象官微等融媒体发展是未来拓展气象服务手段的优先方向,要通过大众化、网络化的语言来包装气象服务产品,改进服务产品的结构和表现形式,巩固扩大用户群体,最大限度发挥气象服务效益。     

基于陕西气象部门三级备件供应保障系统的库存模型

备件库存方案是影响气象观测设备可用性的重要因素。从设备保障中的实际问题出发,考虑陕西省保障结构层级和备件供应影响因素的情况下,基于METRIC模型(可修复备件管理多级法)基本原理,建立了陕西气象部门三级备件供应保障系统的库存模型。通过实例分析,给出了备件的期望短缺数,为保障部门制定备件供应方案和备件储备标准提供了依据。     

高原涡和西南涡影响的两次四川暴雨过程的对比分析

为了进一步研究高原涡、西南涡对西南地区暴雨的影响,本文用中国气象局自动站与CMORPH降水数据融合的逐时降水资料、国家卫星气象中心的逐时FY-2E卫星的云顶亮温（TBB）资料、欧洲气象资料中心（ERA-interim）的再分析资料,通过天气学诊断分析方法以及拉格朗日轨迹模式HYSPLITv4.9,对发生在四川盆地的有高原涡东移影响西南涡发展引发暴雨的两次过程进行对比分析,发现:（1）两次暴雨过程的降水强度和分布有明显区别,并且TBB活动特征显示在过程一中有MCC（Mesoscale Convective Complex）的产生和发展,过程二则没有。（2）对于过程一,500 hPa上,高原涡逐渐减弱为高原槽并伸展到四川盆地上空,850 hPa上,在鞍型场附近有MCC的产生和发展,200 hPa上,高原涡在南亚高压北部偏西风急流下方的强辐散区内,位于南亚高压东南侧急流区下方稳定少动,偏东风急流北部有辐散中心,有利于西南涡的加强。对于过程二,500 hPa高原涡东移在四川盆地上空与西南涡耦合,形成一个稳定且深厚的系统,这也是过程二的暴雨强度比过程一强的最主要原因。200 hPa上,四川盆地始终位于南亚高压东侧的西北气流中,“抽吸作用”明显。（3）在过程一中,位涡逐渐东传且位涡增加的地方对应强降水区与MCC发展区,反映了暴雨和位涡的发展基本一致。在过程二中,中层位涡高值区从高原上东移并下传至盆地上空,两涡耦合使得上下层打通,位涡值比耦合之前单独的两涡强度更强。 MCC产生的必要条件是中层大气要有强正涡度、强辐合和强上升运动,在未产生MCC前,过程一与过程二在盆地上空的动力条件甚至是相反的;从热力条件看,过程一中有明显的干冷空气入侵,增强不稳定条件,有利于MCC的产生并引发强降水;另一方面,本文也应证了二阶位涡的水平分布与暴雨落区有较好的对应关系。（4）通过拉格朗日方法的水汽轨迹追踪模式和聚类分析方法分析可得两次暴雨过程的水汽输送源地和通道也有明显区别,过程一主要有两条水汽通道,通道一来自阿拉伯海和孟加拉湾洋面的底层,通道二来自四川南部750 m以下高度;而过程二的主要水汽输送通道有三条,通道一来自西方地中海、黑海和里海上空1500～2500 m高度附近,通道二来自阿拉伯海和印度洋的底层,通道三的水汽从孟加拉湾低层绕过云贵高原直接输送到四川盆地。     

江西省油菜产量集成预测模型方法研究

基于气象要素建立关键气象因子模型、气候适宜度模型、辐热积模型,并根据模型预测准确率确定权重系数构建江西省油菜产量集成预测模型,对集成模型的预测效果和基础模型进行对比分析。结果表明:1)关键气象因子模型4月中旬预测准确率低于其他模型,三种基础模型的权重系数依次为0.3、0.35、0.35,5月中旬预测准确率基本一致,权重系数依次为0.34、0.33、0.33。2)对于集成模型趋势一致率,1991—2010年回代检验结果5月中旬最高,4月中旬仅次于气候适宜度模型;2011—2015年两个时次预测趋势一致率均为100%,达最高。3)2011—2015年集成模型预测检验RMSE最低,预测准确率均在97%以上。油菜集成模型预测的准确性和稳定性总体优于基础模型,可应用于江西省气象业务服务。     

近50多年来淮河流域气候水分盈亏时空变化

水分盈亏是区域干湿气候划分的重要依据。基于淮河流域63个气象台站1957—2014年逐日观测数据,运用累积距平、Mann-Kendall突变分析、Morlet小波分析及ArcGIS反权重空间插值法,结合Penman-Monteith蒸散计算模型获得淮河流域水分盈亏量的周期特征、突变特征及其时空分布特征,并分析其主要影响因子。结果表明:(1)水分盈亏月变化基本符合5月最低,7月最高。(2)从季节分布来看,水分亏缺面积秋季春季冬季夏季,亏缺程度春季最强。从平均年水分盈亏量分布来看,水分盈亏量由南向北递减。且不论季节还是年状况,山地及河流对区域水分盈亏量的南北递减存在滞后作用。(3)从各因子气候倾向率的时空分布来看,江苏东南部、山东西部、河南大部、湖北中部水分盈亏量变化的主导因子为潜在蒸散量,其他区域的主导因子为降雨量。(4)淮河流域水分盈亏量存在周期特征,第一主周期为10 a。     

4种蒸发波导模型的对比与分析

蒸发波导模型常用来计算海上蒸发波导高度。为了认识当前不同蒸发波导模型之间的差异和方法,本文选取了目前使用广泛的4种蒸发波导模型(即P-J模型、Babin模型、NPS模型和伪折射率模型)进行对比和分析。本文首先探讨了在理想情况下它们对气象要素的敏感性,随后并利用我国南海近海大气层观测试验数据对比了这4种模型的蒸发波导高度计算结果。分析表明:相对湿度、风速和气—海温差的变化对4种模型的计算都有着较大的影响,特别是在不稳定层结状况下,4种模型计算得到的蒸发波导高度都随着相对湿度的增大而降低、随着风速的增大而增高。Babin模型和NPS模型计算的波导高度较为一致,伪折射率模型与前两种模型的计算结果存在差异,而P-J模型与其他3种模型存在较明显的偏差。基于南海气象数据的计算结果表明,不同蒸发波导模型在该海域蒸发波导的模拟结果略有不同,但4种模型计算得到的波导高度日变化变化趋势较为一致,波导高度极低值常出现在早晨,而极高值常出现在傍晚。