海平面上升对长江三角洲海堤、航运和水资源的影响

分析了２０５０ 年长江三角洲地区相对海平面上升５０～７０ ｃｍ 时,将对该地区沿海海堤、航运及海岸带水资源的影响,并就相应的适应对策提出了建议。     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。     

一次台风暴雨的初步分析

文章对1994年7月12～13日一次登陆台风造成的华北暴雨作了天气动力学诊断分析。分析表明,9406号台风登陆后,台风和太平洋副热带高压间形成的偏东南风低空急流,具有明显超地转特征,它是触发这次台风暴雨的关键系统。Q矢量诊断表明,Q矢量辐合区与暴雨位置较为一致。     

BP人工神经网络法在大同市日极大风速预报中的应用

文章利用2010年1月1日—2013年12月31日逐日NCEP再分析资料(1°×1°)和大同地区地面常规观测资料,采用BP人工神经网络法建立大同市分站点、分季节日极大风速人工神经网络预报模型并且在对T639数值预报产品和EC细网格数值预报产品释用基础上建立了台站日极大风速的客观预报系统,对2015年9月1日—2016年7月31日进行了24h预报,试用结果显示,各季模式平均绝对误差在3.2~5.7m·s^-1之间,因此,该系统可以为预报员快速做出日极大风速的预报提供客观参考依据。     

Seasonal and Diurnal Variation of Surface Ozone and a Preliminary Analysis of Exceedance of its Critical Levels at a Semi-arid Site in India

The mixing ratios of surface O₃ were measured at St. John's College, Agra, an urban and traffic influenced area for the period of 2000–2002. The monthly averaged O₃ mixing ratios ranged between 8 to 40 ppb with an annual average of 21 ppb. Strong diurnal and seasonal variations in O₃ mixing ratios were observed throughout the year except for monsoon season. The mixing ratios of O₃ follow the surface temperature cycle and solar radiation (r = 0.72 and r = 0.65 with temperature and solar radiation, respectively). Concentrations were higher with winds associated with NE and NW direction indicating the impact of pollution sources on surface O₃ concentration. Exceedance of ozone critical level was calculated using the AOT 40 index and found to be 840 ppb.h and 2430 ppb.h for summer and winter seasons, respectively. The present O₃ exposures are lower than the critical level of O₃ and suggest that the present level of O₃ does not have any impact on reduction in crop yields.     

人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24h和12h晴雨预报的基础上，再用BP人工神经网络建立降水量级预报模型。经2003年汛期试用，预报准确率高于上级指导预报准确率，12h预报准确率高于24h预报准确率。     

风廓线雷达回波信号强度定标方法

风廓线雷达返回信号功率定标通常通过返回信号信噪比和系统噪声功率的估算得到。该方法存在着噪声电平的确定、外部噪声等不确定性因素,影响了定标的精度。采用信号源分别对接收机和信号处理器进行定量测试,进而对雷达系统进行定标,是另一种可行的办法,该文利用这种方法对CFL-03风廓线雷达进行了定标,并利用该雷达在东莞2009年7月和8月探测资料与广州S波段天气雷达和地面雨量计资料进行比较。结果表明:用该定标方法得到的回波强度与天气雷达回波强度和地面雨量计资料估算的回波强度基本一致,平均标准差在1 dB左右,表明这种定标方法是可行的。     

对流温度在北京夏季局地热力对流云分析中的应用

利用北京近郊地区南苑机场1990-2000年6-8月观测资料,分析了北京夏季对流云出现日数、出现时间、云底高、生命史等基本特征;利用北京站1995-2000年6-8月常规探空资料,分析了北京夏季对流温度和对流凝结高度的特征,尝试用对流温度预报对流云的出现,用对流凝结高度预报对流云的云高。结果表明:对流温度在局地热力对流云的预报中具有一定的指示意义,对流凝结高度能在一定程度上反映出对流云的云高。有对流云时,对流温度与实测温度之差在4℃以内的,占对流云总数的80%。在对流温度与实测温度之差≤4℃的有对流云日内,对流凝结高度与实测对流云云高之差90%以上都是在1200m以内,500m以内的也达到了53%。     

太原大气能见度影响因子分析及能见度预报

利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。     

基于深度学习和雷达观测的华南短临预报精度评估

利用最新的深度学习算法,即卷积长短期记忆(Convolution Long-Short Term Memory)神经网络,构建基于深度学习的人工智能短临预报系统,以广州地区2019年3-5月雷达观测的数据为输入进行训练,然后进行短期1h内的降水预报。利用常用的统计评分指标(探测率POD、误报率FAR、临界成功指数CSI,相关系数CC)检验模型。结果表明,预报结果与实际观测的相关系数在1h内预报均保持在0.6以上,在1h内预报探测率均保持在80%以上,临界成功指数在降水强度为10mm·h^-1时,基本保持在60%,误报率均小于40%。