人工神经网络在天气预报中的应用研究

介绍了将人工神经元网络用于灾害性天气（暴雨）预报研究的情况，分析了天气预报问题的数学提法及困难所在，神经元网络用于天气预报的原理，暴雨预报的特点及我们对网络模型的改进。结果表明，神经风格确可通过学习从原始数据中提取足够的分类信息，达到较好的预报准确率，值得进一步研究。     

Identification of Convective and Stratiform Clouds Based on the Improved DBSCAN Clustering Algorithm

A convective and stratiform cloud classification method for weather radar is proposed based on the density-based spatial clustering of applications with noise (DBSCAN) algorithm. To identify convective and stratiform clouds in different developmental phases, two-dimensional (2D) and three-dimensional (3D) models are proposed by applying reflectivity factors at 0.5° and at 0.5°, 1.5°, and 2.4° elevation angles, respectively. According to the thresholds of the algorithm, which include echo intensity, the echo top height of 35 dBZ (ET), density threshold, and ε neighborhood, cloud clusters can be marked into four types: deep-convective cloud (DCC), shallow-convective cloud (SCC), hybrid convective-stratiform cloud (HCS), and stratiform cloud (SFC) types. Each cloud cluster type is further identified as a core area and boundary area, which can provide more abundant cloud structure information. The algorithm is verified using the volume scan data observed with new-generation S-band weather radars in Nanjing, Xuzhou, and Qingdao. The results show that cloud clusters can be intuitively identified as core and boundary points, which change in area continuously during the process of convective evolution, by the improved DBSCAN algorithm. Therefore, the occurrence and disappearance of convective weather can be estimated in advance by observing the changes of the classification. Because density thresholds are different and multiple elevations are utilized in the 3D model, the identified echo types and areas are dissimilar between the 2D and 3D models. The 3D model identifies larger convective and stratiform clouds than the 2D model. However, the developing convective clouds of small areas at lower heights cannot be identified with the 3D model because they are covered by thick stratiform clouds. In addition, the 3D model can avoid the influence of the melting layer and better suggest convective clouds in the developmental stage.     

基于百度地图的自动气象站监控系统实现

设计了一种基于百度地图JavaScript API的自动气象站监控系统,系统页面通过区域重绘、图标定制、要素切换等效果直观显示自动气象站的状态及实时数据,极大地方便了用户对自动气象站的监控。通过AJAX技术请求远程SQL数据库获取站点状态数据及气象数据,避免了Baidu Maps的不断加载而导致页面速度较慢的问题,并使用百度地图第3方类函数扩展监控页面显示效果。该设计已成功应用于广东省气象台站大气综合监测业务共享集群平台中。     

自动站与人工观测降水量差值的成因分析

通过自动站与人工站在降水量观测差值的对比,对差值原因进行了分析。     

扩展水凝物控制变量的雷达资料同化对台风“天鸽”数值模拟的影响

利用WRF(Weather Research and Forecast)模式及WRFDA(WRF model data assimilation system)系统,针对2017年台风“天鸽”个例通过同化雷达径向速度(Vr)和反射率因子(RF),研究水凝物控制变量的雷达资料同化对台风分析预报的影响。研究表明：雷达径向速度的直接同化有效地改进了模式初始场中台风涡旋区的中小尺度信息,分析场中产生了气旋性的风场增量,对模式背景场中的台风有显著增强作用。通过在传统控制变量中扩展针对水凝物的控制变量可有效地同化雷达反射率因子资料,对初始场的水物质进行调整,并对随后确定性预报的台风路径和强度都有一定的正效果。此外,相比没有水凝物控制变量的雷达同化试验,加入了水凝物控制变量的雷达资料同化试验降水预报效果更好。这为将我国近海的地基多普勒天气雷达用于台风初始化分析和预报提供了一定的技术支撑和保障。     

"小、灵、快"打造市级电视气象节目的新特色

分析了市级电视气象节目发展的主要方向,是根据自身的实际情况,坚持走"小、灵、快"的道路,立足地方,服务地方,贴近观众,贴近生活,深入挖潜出新,以满足城市观众日益提高的收视需求.     

四川省人工影响天气业务系统功能

介绍了四川省人工影响天气业务技术系统的组成功能及应用情况。该系统集成度和自动化程度比较高、实时性和实用性强、业务化运行稳定;实现了多种尺度和不同种类信息的实时采集、快速传输和直观显示,具有业务管理、作业预警信息发布、作业决策指挥、作业效果评估结果及时发布等多种功能。该系统的运用,加强了人工影响天气业务的管理,大大的提升了人影业务工作的效率。      

地市级城镇天气预报制作及传输系统设计与实现

在城镇精细化预报制作和传输特点及需求分析的基础上,阐述了地市级城镇天气预报制作与传输系统的设计思路、功能实现和系统应用.系统选取PowerBuilder 7.0开发环境,PowerScript可视化编程语言,在Windows 2000操作系统上研制而成.由人机交互、预报自动传输和预报查询3个子系统构成,可制作城镇精细化、短时、评分、城区、城区上下班等多项预报,可随时查询利用该系统制作和传输到本地服务器上的各项预报,可用人工与自动两种方式向省局传输所需的预报.该系统为省级以下气象台的预报员提供了一个可靠、高效的预报制作、传输平台,为预报服务人员提供了一个方便、快捷的预报查询平台.     

安徽自动站运行效能统计特征分析与诊断

从自动气象站业务运行特点出发,以ASOM监控安徽省81套国家级自动气象站运行为基础,统计评估了2010年自动站业务运行到报率、可用性的效能情况.根据基准站、基本站和一般站逐月运行效能统计特征,分析了未到报、报文格式错误和数据错误3者对可用性的影响,针对报文格式错误的个案特征,重点研究了出现报文格式错误与人机交互发报操作时间的定量关系,得到了定量化的发报阈值时间小于等于45 s.为提高自动气象站运行能力和业务质量,提出了解决报文字节格式错误的可行措施.