散射计风场的三维变分对海雾数值模拟的影响

为了评估同化QuikSCAT海面风场资料对海雾模拟的影响,对发生在2006年4月3—5日的海雾过程,首先通过3个敏感性试验,研究了不同边界层参数化方案对海雾模拟的影响,发现YSU边界层参数化方案更适合海雾过程的模拟。然后对2006年4月3—5日平流雾过程和2005年6月23—24日辐射雾过程利用WRF-3DVAR系统将QuikSCAT海面风场资料同化到模式中,并以未同化和同化了QuikSCAT海面风场资料的数据为初始场,应用WRF模式进行模拟预报,同时对模拟预报得到的结果与实况 (卫星云图和地面观测) 进行对比,结果表明:QuikSCAT海面风场资料的三维变分同化能够改善低层其他要素场,对海雾预报有明显的正效应,但对高层的影响相对有限。     

The climate background and synoptic situation of fog at Great Wall Station, Antarctica

Based on the observed and NCEP reanalysis data from 1985 to 2006,the climate background and synoptic situation of fog at Great Wall Station were analyzed. It is shown that the seasonal variation of fog is controlled by the change of general circulation and local pressure field. Three favorable typical synoptic situations for fog development are found, the Front-of-A-Depression type, the Saddle-Shaped-Field type and the Passing-Weak-Cyclone type. The first one is the most important situation. Advection cooling fog is dominant at Great Wall Station, but there are other kinds of fog as well. As a result, some helpful principles for local fog forecasting are given.     

Clustering of temporal event processes

A temporal point process is a sequence of points, each representing the occurrence time of an event. Each temporal point process is related to the behavior of an entity. As a result, clustering of temporal point processes can help differentiate between entities, thereby revealing patterns of behaviors. This study proposes a hierarchical cluster method for clustering temporal point processes based on the discrete Fréchet (DF) distance. The DF cluster method is divided into four steps: (1) constructing a DF similarity matrix between temporal point processes; (2) constructing a complete linkage hierarchical tree based on the DF similarity matrix; (3) clustering the point processes with a threshold determined by locating the local maxima on the curve of the pseudo-F statistic (an index which measures the separability between clusters and the compactness in clusters); and (4) identifying inner patterns for each cluster formed by a series of dense intervals, each of which contains at least one event of all processes of the cluster. The contributions of the article are: (1) the proposed DF cluster method can cluster temporal point processes into different groups and (2) more importantly, it can identify the inner pattern of each cluster. Two synthetic data sets were created to illustrate the DF distance between temporal point process clusters (the first data set) and validate the proposed DF cluster method (the second data set), respectively. An experiment and a comparison with a method based on dynamic time warping show that DF cluster successfully identifies the preconfigured patterns in the second synthetic data set. The cluster method was then applied to a population migration history data set for the Northern Plains of the United States, revealing some interesting population migration patterns.     

西双版纳雾在减少

利用西双版纳４０年雾的资料，揭示了西双版纳４０年雾日，雾时和雾量正在迅速减少。例如景洪市１９５４－１９６０年的年平均雾时高达８５８．０１小时，而１９９１－１９９４年仅为２１３．５６小时。雾减少的直接原因是相对湿度的降低，而相对湿度的降低是由于气温升高和降水量的减少。     

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。     

江苏盐城地区一次持续雾-霾天气过程的综合分析

2013年12月上旬江苏盐城地区出现了一次历史罕见的持续重度雾-霾天气,利用盐城市常规气象观测资料、NCEP再分析资料(1°×1°)及环境监测中心站的污染物浓度资料等,对此次过程的环流背景、气象要素、大气层结特征以及动力条件、污染情况等进行了综合性分析。结果发现:12月上旬中高层冷空气势力弱,以纬向环流为主;低层弱的水平风场为雾-霾的发生发展提供了有利的环流背景;稳定的层结特征,近地面高强度的贴地逆温和持续较低的混合层高度是此次雾-霾天气长时间维持的重要因素;边界层内弱正散度及负涡度是此次雾-霾天气得以维持发展的动力因子;通过后向轨迹分型和火点监测资料分析发现:污染物的长距离输送在此次重污染天气的形成过程中起到了一定作用。最后,文中建立了能见度和PM_(2.5)浓度、相对湿度的非线性回归方程,对能见度的预报效果较好,为实际业务应用中雾-霾的预报提供了有利的依据。     

辽宁省区域性大雾预报研究

通过对1994—2002年9年辽宁区域地面图的普查,得到了辽宁区域性大雾天气(大于等于5个地市,能见度小于0.5 km)共有73次。分析近10年区域性大雾天气过程得到了区域性大雾的时空分布特征。普查区域性大雾过程发生时的常规气象资料,进行区域性大雾天气分型。分析辽宁省各种区域性大雾的成因及要素演变特征,从中提取预报指标,建立预报流程,用PP法建立区域性大雾的客观预报方法。     

天气雷达风暴跟踪信息拼图技术设计与应用

基于天气雷达风暴识别跟踪信息STI（Storm Tracking Information）拼图技术设计与应用,对该技术在江西雷电、雷暴大风、冰雹等强天气监测预警能力进行了分析。结果显示：通过对江西8部天气雷达的STI产品进行雷达算法解码,建立STI数据库,按照雷达拼图时间间隔,从数据库中调入STI数据进行15 min、30 min、45 min和60 min路径显示,形成多部雷达的组合STI产品。组合STI产品弥补了单部雷达的不足,对于判断未来1 h回波的移动方向、移动速度有明显的指示意义。而密集指向区对应于回波未来位置的确定效果更好,考虑到整体移向的修正位置更佳,在多次飑线、冰雹等强天气过程中得到了验证。组合STI产品还有助于识别回波系统,对于多个系统并存的天气过程中有很好的对照价值。密集指向区的出现说明回波系统进入发展旺盛期,密集指向区的消失预示着回波系统明显减弱。     

南岭山地高速公路雾区恶劣能见度研究

使用2003年10月-2005年3月南岭山地京珠高速公路粤北段云岩雾区路段5套能见度仪的每分钟能见度资料和3套自动气象站的每分钟温度、湿度、风向、风速等气象要素资料, 分析研究了南岭山地高速公路雾区浓雾的能见度特征.结果表明, 南岭山地高速公路雾区各月雾日频率以1月最多, 近一半的天数都有雾; 3月次之, 7月最少.11月到次年5月雾日占全年雾日的80%以上, 形成明显的"雾季".南岭山地高速公路雾区浓雾存在日变化, 雾的频率在一天内凌晨最高, 午后最低, 明显比辐射雾的日变化小, 说明夜间辐射降温虽然不是南岭山地高速公路雾区起雾的主要原因, 但还是起到了一定的加强作用.虽然南岭山地雾区大气中含有丰富的凝结核, 南岭山地形成浓雾还是需要较高的相对湿度, 相对湿度至少要达到91%以上才能形成雾.在雾区出现5.2 m/s的大风时仍然有雾, 有雾时90%以上的风速在3 m/s以下, 有几乎一半的浓雾出现时风速在2 m/s左右, 这与辐射雾形成时大都是静小风的情况形成了鲜明对照.南岭山地高速公路雾区浓雾受地形影响比较大, 迎风坡出现雾的频率比背风坡高.     

梅州城区雾和霾的气候特征分析

为了研究本地区雾和霾的规律和趋势,利用梅州市气象局1990-2008年近20a的雾日和霾日统计资料,通过线性回归分析的方法从年、季和持续时间上分析了梅州城区的雾、霾气候特征.结果表明：1990-2008年期间梅州城区雾日数呈逐渐显著性减少的趋势,年雾日数减少幅度为0.4561d/a,霾日数从2005年之后开始呈明显增加趋势;雾在冬季最多,秋季和夏季最少,霾在冬季最多,夏季最少.另外,霾一年四季均有出现,且出现的几率不断增加,持续时间也不断增长.