Optical attenuation in fog at a wavelength of 1.55 micrometers

As part of a series of studies on laser propagation for terrestrial free space optical (FSO) telecommunications or laser telecommunications, an experiment was conducted to determine the relationship between visibility in fog and optical attenuation (dB/km) at a laser wavelength of 1.55 μm. In the telecommunications industry, a semi-empirical equation, called the Kruse formula [Kruse, P.W., McGlauchlin, L., McQuistan, R.B., 1962. Elements of infrared technology: generation, transmission, and detection. John Wiley and Sons, New York] is typically used to calculate expected attenuation for a given meteorological visibility. The Kruse formula, however, was developed to relate meteorological visibility to optical attenuation over wavelengths from the visible to the near infrared (IR), and for dust and small particle aerosols with dimensions much smaller than the wavelength. Typically, suspended small aerosols have diameters that average about 0.1 μm while fog droplets have diameters that range upward from 2.5 μm with mean diameters that exceed 10 μm in some fogs. Therefore, application of the Kruse formula to attenuation in fog is not appropriate since fogs consist mainly of particles much larger than the laser wavelength. As part of the experiment, a transmissometer with an 85-m baseline and a dynamic range of 60 dB operated for thirteen months in an area prone to radiation fog. A commercial visibility sensor, similar to those used at airports, was located near the middle of the optical path of the transmissometer and operated over the same period. The largest attenuation measured at this site was just over 300 dB/km, corresponding to a visibility of 32 m. The key finding of the study is that the generally accepted Kruse formula relating visibility and optical attenuation may be too pessimistic at low visibilities, and actual attenuation values for a given visibility may be more than 20% lower than previously thought. At visibilities exceeding about 650 m, the Kruse formula gives a good estimate of optical attenuation.     

北京城市下垫面对雾影响的数值模拟研究

为了探究北京城市下垫面对雾天气过程的影响,为北京地区雾数值预报水平的提高提供理论基础和科学依据,选取2011年10月29日北京地区雾天个例进行了数值模拟试验,通过对WRF/Noah/UCM模式系统中城市冠层参数的调整,显著改善了模式对此次雾天气过程的模拟效果.使用参数调整后的模式系统通过敏感性试验分析研究了北京城市下垫面对雾发生、发展和消散过程的影响.结果表明:参数调整后的WRF/Noah/UCM模式系统能够与实际观测较相符地模拟此次发生在北京地区的雾天气过程,北京城市下垫面主要通过对温度的改变对雾的形成、发展和消散产生显著影响,使雾不易在城市及其附近形成和发展,延后城市地区雾的形成,但城市的存在也使得城市地区及其附近雾不易消散,相较于没有城市时消散时间延后.     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

安徽省雾、霾、晴空天气的气象条件对比分析

使用2008~2012年逐日地面观测资料,揭示了安徽不同地区雾、霾、晴空天气气象条件的差异,指出不同地区要根据本地特点建立雾、霾预报指标和预报方法。3类天气差异最大的地面气象要素是能见度和相对湿度。根据3种天气前一日和当日能见度和相对湿度分布特征,全省站点可以分为3类:1)从雾、霾到晴空,能见度递增、相对湿度递减,且差异显著,如合肥站;2)雾、霾天的能见度和相对湿度均很接近,但与晴空天差别较大,如阜阳站;3)能见度在雾、霾天无明显差别,但相对湿度在雾、霾天差异显著,如安庆站。地级市测站雾后即霾的可能性较大(大于50%),县城测站雾后即霾的可能性较低(低于25%)。垂直方向,雾时相对湿度随高度下降很快,850 h Pa中位值已降到20%(安庆)和45%(阜阳)以下,霾时相对湿度随高度下降缓慢,850 h Pa中位值仍在60%左右;另外,霾天边界层中上部风切变较小,雾天和晴空天边界层中上部都存在较大的风切变。     

雾的标准化危险性指数计算方法及其应用

在有雾的天气下经常发生几百辆车连续追尾碰撞的恶性交通事故,因此为了做好交通安全工作有必要开展雾的风险分析研究。在考虑雾的出现频率、持续时间和能见度3个参数的基础上,通过改进雾的危险性指数（FHI）方法,得出了适合我国气象标准的雾的标准化危险性指数(NFHI)的计算方法。为了使危险性指数适应雾的数值预报产品的应用,进一步改进了雾的标准化危险性指数的形式,提出了适合数值预测模式的雾的标准化危险性指数。最后结合京津塘高速公路沿线5个国家气象站36 a的雾的观测数据,利用NFI方法计算得出了4个季节的雾的危险性等级,并使用数值预报结果计算了不同地点的雾的标准化危险性指数。利用该指数计算方法可以通过比较不同路径危险性的大小进行最佳路径的选择,为交通安全提供科学参考。     

1981-2020年安顺市大雾天气的气候特征分析

利用1981-2020年安顺市6个国家气象站的逐日能见度资料和同期地面逐小时降水资料,运用统计分析、Morlet小波分析、Mann-Kendall非参数统计检验以及Pettitt突变检验,对安顺市大雾天气的气候特征进行分析,结果表明：1981-2020年安顺市总共出现大雾1111d,年平均大雾日数为27.8d;大雾日数的季节变化呈冬季＞春季(秋季)＞夏季,其中冬季大雾出现的频率占全年的44%;大雾主要出现在1月,其出现的频率占全年的18%,其次是2月和12月。近40年安顺市出现大雾最多的站点是西秀区,其次是关岭县;夏季大雾的高发区是紫云县,西秀区是大雾的低发区,春、秋、冬三季,大雾的高发区是关岭县和西秀区。安顺市大雾日数存在明显的准5a、准12a和准20a的周期震荡,其中准20a为第一主周期,具有明显的稳定性和全域性。1981-1996年期间安顺市的大雾日数总体呈减少趋势,且1986-1990年期间减少趋势显著;1996年以后安顺市大雾日数总体呈增加趋势,且2004年以后增加趋势显著;安顺市大雾日数在2003年发生突变,且突变特征显著,突变后的大雾日数较突变前增加了157%。     

汕尾市雾霾天气的能见度多时间尺度特征分析

根据汕尾气象台1961～2003年共43 a的常规气象观测资料,对汕尾市雾霾天气的能见度多时间尺度特征进行了分析.结果表明,汕尾市雾霾天气能见度的时次变化都是在08时次出现最多,在08～14时次逐渐减少,在14时次出现最少;霾天气逐月变化不明显,轻雾和雾主要出现在冬春季节,以春季为多;霾在80年代后出现次数明显增多,而雾则在70年代以后出现次数多,但雾天气年代变化不明显,主要原因可能是城市污染的逐年加重,引起雾霾天气次数明显增多.     

鄂西电线积冰微物理观测研究

对2009年2月25日—3月4日湖北恩施雷达站的一次电线积冰过程,使用自动气象站、能见度仪、雾滴谱仪、雨滴谱仪等实测资料进行深入研究,分析了多种气象要素的演变,发现积冰期比无积冰期平均气温低5.6℃。对积冰期间3种天气状况下雾滴谱和降水粒子谱的特征进行了分析,结果表明:雾天和雨天的雾滴谱为单峰型,雨夹雪天为双峰型;雨天和雨夹雪天的降水粒子谱都为单峰型;雾滴平均数密度从大到小依次是:雨天(223.5 cm-3)、雨夹雪天(181.3 cm-3)、雾天(138.7 cm-3);雨天雨滴平均数密度为335.6 cm-3;雨夹雪天降水粒子平均数密度为1 502.1 cm-3。另外,实测数据表明积冰增长率从大到小依次是:雨夹雪天、雨天、雾天。     

天津市东丽区一次持续性雾霾天气过程的特征及影响要素分析

基于常规气象观测资料和PM_2.5浓度资料,分析了2019年1月10—14日天津市东丽区出现的一次持续性雾霾天气特征及其成因。结果表明：此次雾霾天气具有明显的阶段性特征,高空平直西风环流、中层暖脊和地面弱气压场为此次雾霾天气出现提供了有利的天气形势。轻雾和霾阶段,能见度变化更易受到相对湿度的影响;而雾阶段,能见度变化更易受到风速的影响。PM_2.5浓度与地面气象因子关系密切,与能见度、风速负相关,与相对湿度正相关。当其他气象条件稳定,且周边地区污染物浓度较高时,近地面风向转变,对本地区雾霾的出现起到关键性作用。     

辽宁雾预报区的划分初探

分析了1997—2006年辽宁境内能见度小于1000 m雾的时空分布特征。结果表明：就雾发生的频率而言,辽宁存在两个高值区和两个低值区,高值区分别位于黄海北部沿岸至辽宁东部山区和锦州北部至阜新一带,低值区分别位于辽宁中北部平原以及朝阳地区。从雾的日变化上看,近86%的雾出现在夜间,近69%的雾出现在02-08时,且多为辐射雾。地域不同但气候条件相近时,雾的日变化与雾发生的次数存在极其相似的特点。依据相似的地理环境和气候条件、雾的日变化特征以及雾发生次数等,将辽宁划分为5个预报区,对雾采取分区预报,以提高雾预报的准确率。