共查询到20条相似文献，搜索用时 234 毫秒
1.
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。 相似文献
2.
天津港秋冬季低能见度数值释用预报研究 总被引：3，自引：1，他引：2
本文利用近5年(2009—2013年)天津港资料,分析了该地区大气能见度的分级特征。采用7年秋、冬季NCEP(2006—2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品。经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5%~35.4%;其中对0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5~1 km的大雾预报,WRF模式的预报技巧1%,BP释用预报提高到了14%~21%。日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75%,比WRF预报技巧提高了24%;对1~10 km的低能见度过程,比WRF的预报技巧平均提高了60%。 相似文献
3.
神经网络方法在环渤海能见度预报中的应用分析 总被引：1，自引：1，他引：0
本文基于2001—2015年中国气象局地面常规气象观测数据及NECP再分析资料,采用BP神经网络方法构建环渤海沿海城市能见度预报模型,利用2016年ECMWF集合预报数据基于预报模型进行能见度预报实验,并与ECMWF集合预报产品中现有能见度预报结果进行对比分析。分析表明:该方法对于环渤海沿海城市能见度预报的预报效果明显高于ECMWF集合预报中的能见度预报,12～72 h预报时效中,最小值对应1 km以下能见度的TS评分为0. 36～0. 43; 10 km以下能见度预报误差显著降低,与离散度的对应关系较好。因此,该方法对低能见度天气过程的能见度预报具有指示意义。 相似文献
4.
基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。 相似文献
5.
2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM2.5、PM10和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。 相似文献
6.
利用欧洲中期天气预报中心（ECMWF）数值预报产品和动态统计预报方法,对北京、天津、石家庄等14个京津冀重点城市雾霾与空气污染进行定量化的中期预报试验,包括对首要污染物PM2.5浓度和能见度的逐时定量化预报及雾霾现象的客观化判断,并对2015年10月1日-2016年11月10日试验预报效果进行了检验评估。检验结果显示:该方法对北京及周边城市未来10 d逐时和逐日能见度、PM2.5浓度及雾霾现象的预报值与观测值之间具有显著正相关系数、较高的误差减少量和TS评分等,表明基于ECMWF数值预报产品和动态统计预报方法的京津冀雾霾污染中期定量化预报技术整体上具有较高的可靠性、稳定性与预报技巧性。此外,检验指标还显示出该动态统计预报方法对能见度的预报效果要略优于PM2.5浓度预报,同时对霾的预报准确率高于对雾的预报。个例分析显示,该动态统计预报方法能提前5~6 d预报出北京地区典型持续性雾霾污染的发展过程,对持续性雾霾的提前预报预警具有较好的参考意义。 相似文献
7.
近海岸大气能见度变化具有复杂的非线性和局地性特征,且近海岸气象观测站少,一直是精细化预报业务的难点。利用GRU(Gated Recurrent Unit)神经网络,采用广东省湛江市国家基本气象站及其周边上下游观测资料,构建了雷州半岛近海岸能见度1 h时效短临预报的多站GRU模型、单站GRU模型和逐步回归预报模型,并进行了检验评估。结果表明,相比传统的逐步回归方法,GRU神经网络能更好地识别上下游能见度的时空变化特征,多站GRU模型平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)评分均明显好于多元逐步回归模型。模型结构对能见度短临预报效果至关重要,将上下游的气象特征引入到能见度短临预报模型可显著提升预报效果。多站GRU模型在个例检验中较单站GRU模型的MAE、RMSE分别下降了36%和29%,R2提高了30%,表明多站GRU神经网络对能见度预报具有明显优势,为近海岸能见度的精细化短临预报提供了新思路。 相似文献
8.
区域数值预报系统在北京地区的降水日变化预报偏差特征及成因分析 总被引：1，自引：0，他引：1
为了研究北京快速更新循环同化预报系统(BJ-RUCv2.0)在北京地区降水日变化的预报偏差特征及其成因,利用2012—2015年夏季BJ-RUCv2.0系统第2重区域(3 km分辨率)预报结果和北京地区122个自动气象站逐时观测数据以及观象台探空观测资料,分析模式对北京地区降水日变化预报偏差的区域性特征和传播特征,研究模式局地环流预报偏差特征及其对降水预报偏差的可能反馈机制。研究结果表明,BJ-RUCv2.0系统多个更新循环的预报在北京平原地区均存在夜间降水漏报问题,降水预报偏差表现为模式预报降水在西部山区降水偏多,预报降水雨带难以在平原地区增强发展,造成了模式降水在傍晚山区偏多而夜间平原地区降水明显偏少。通过分析模式局地环流预报偏差及其响应机制发现,由于白天平原地区近地层偏暖偏干,山区底层偏冷中层偏湿,造成了山区-平原地区间的温度梯度强度偏强且强温差出现时间提前,西部山区午后降水偏多;由于平原地区地面气温预报持续偏高,入夜后偏北风难以到达平原地区,造成了山区-平原间的地形辐合线位置偏北,影响山区降水雨带向平原地区移动,同时平原地区近地层内水汽持续偏低,抑制降水雨带在东移过程中的发展,造成模式在平原地区夜间降水预报容易出现漏报。模式冷启动所用的GFS资料土壤湿度在北京平原地区明显小于实际观测,是模式预报偏暖偏干的可能原因之一。 相似文献
9.
基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。 相似文献
10.
11.
《气象与环境学报》2017,(5)
基于华北区域气象中心、华东区域气象中心、华南区域气象中心和国家气象中心环境气象业务数值模式2015年1—3月的预报结果,从能见度和空气质量两个方面对环境气象业务数值模式的预报效果进行了对比检验。结果表明:随着能见度降低,各数值模式的预报能力均逐渐下降,对于1 km的能见度,仅华北区域模式和国家级雾霾数值预报业务系统(CMA Unified Atmospheric Chemistry Environment,CUACE)模式表现出一定的预报技巧,其中华北区域模式和CUACE模式对北京本地24 h能见度预报的TS评分分别为0.20、0.10;CUACE模式总体能见度预报误差较各区域数值模式均偏大;CUACE模式和华北区域模式、华东区域模式、华南区域模式能见度预报值与观测值的相关系数普遍低于0.6。随着空气质量下降,各数值模式AQI的预报能力均逐渐下降;AQI为优等级时,各数值模式AQI预报的TS评分均较高,其中空气质量较好的华南地区空气质量等级预报的TS评分最高,为0.81;总体上24 h的AQI预报,区域模式优于CUACE模式;48 h和72 h的AQI预报,CUACE模式优于各区域模式。各数值模式PM_(2.5)浓度的预报值普遍较观测值偏低,华南区域模式24 h的PM_(2.5)浓度预报误差相对较小,华北区域模式和华东区域模式24 h的PM_(2.5)浓度预报误差相对较大;CUACE模式PM_(2.5)浓度的预报误差较各区域模式均偏大,CUACE模式PM_(2.5)浓度预报值与观测值的相关系数较各区域模式均偏低。 相似文献
12.
基于RMAPS-CHEM空间分辨率为3 km的逐小时能见度预报产品,考虑到不同区域、不同时效及不同级别的预报误差不同,对北京区域各站点能见度观测值与模式预报结果进行比较和分时段逐级偏差订正,以2016年数据为样本,并对2017年数据检验。订正结果表明该统计订正方案对2017年能见度预报有较好的订正效果,不仅可以较好地改善其对高海拔地区的高估现象,也能更好地预报出低能见度现象。以2017年1月为例,北京观象台站能见度平均偏差及均方根误差都有所降低,0～24 h分级预报准确率均有所提高。同时,对优化后结果进行合理插值,并应用于北京iGrAPS无缝隙智能网格预报分析系统,得到北京地区1 km空间分辨率的0～96 h时效能见度预报产品,从而为雾、霾等低能见度天气现象的预报提供支撑。 相似文献
13.
武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报 总被引：1，自引：0，他引：1
武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。 相似文献
14.
使用2012～2014年每年3～5月CUACE（China Meteorological Administration Unified Atmospheric Chemistry Environment）模式地面沙尘浓度格点预报产品,预报员预报等级产品、实况地面观测沙尘等级和特征站观测PM10（空气动力学当量直径小于等于10 μm的颗粒物,即可吸入颗粒物）资料,并针对CUACE模式格点产品,选取不同半径对格点产品进行圆插值,从而对2012～2014年共25次沙尘过程值,采取3年总样本计算TS（Threat Score）评分,对格点产品适合的圆插值半径和预报产品适合的检验实况资料进行研究,结论如下:（1）如实况采用沙尘等级,模式插值半径与TS评分在浮尘或扬沙等级成近似线性下降关系,而在沙尘暴以上等级TS评分与插值半径关系几乎不大,最优插值半径可选为最小插值半径0.5°（经度/纬度）;如实况采用PM10资料,TS评分在浮尘或扬沙等级根据半径不同变化较为剧烈,沙尘暴以上等级TS评分与插值半径关系不大,可以采用浮尘或扬沙平均线3.5°为平均最优插值半径。如果沙尘过程较弱,插值半径可适当减小,以1°最合适;（2）对CUACE模式预报产品,沙尘等级观测TS评分可用性要优于PM10资料,但两者在沙尘暴以上等级评分差别不大,总体上CUACE模式最优检验实况资料可选为沙尘等级观测资料。对预报员沙尘预报产品,观测沙尘等级TS评分要远高于PM10,预报员沙尘预报产品最优检验实况资料为观测沙尘等级资料。 相似文献
15.
随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。 相似文献
16.
本文应用闪电定位资料,采用TS评分方法对基于T639模式产品的雷电预报产品进行检验,得出以下结论:(1)雷电预报产品的准确率随着预报概率的提高而增加;(2)随着预报时效的提高,预报准确率有所降低,但变化幅度较小;(3)预报概率在70%的时候,预报准确率可以达到75%,预报效果较好;(4)高原地区的雷电预报产品预报准确率较平原地区要低,预报效果相比而言较差。 相似文献
17.
利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM2.5和PM10浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM2.5>84.8 μg/m3,PM10>129.0 μg/m3）。 相似文献
18.
利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R2=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R2=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R2=0.71, 预测结果已不具备实际应用意义。 相似文献
19.
《贵州气象》2020,(3)
为对ECMWF全球数值模式和华南中尺度数值模式能见度产品在复杂地形区域的预报性能进行客观描述,该文通过定义低能见度天气过程,提取2016年10月—2017年2月贵州省山区典型的低能见度天气过程作为检验样本,开展两种数值预报模式的能见度预报能力检验。分析发现:在能见度等级的预报性能方面,辐射雾过程的预报准确率明显低于锋面雾过程,且华南中尺度模式明显差于ECMWF模式,预报正确的等级集中在高能见度区间;在分等级检验中发现两种模式对雾的预报技巧均偏低,其中轻雾的预报技巧较高,尤其是ECMWF模式对锋面雾过程中轻雾的预报有一定参考性,但两种模式对辐射雾的预报能力不足尤为明显;ECMWF模式在锋面雾过程中,对贵州西部高原出现雾的预报能力较强,在东部对轻雾的预报有参考性,但各预报场对贵州中部地区雾的预报效果都不好。 相似文献
20.
利用2011~2020年国家基本站观测资料,研究了湖南省低能见度天气时空分布特征,并结合低能见度与地面气象要素的关系获取预报订正阈值,在此基础上,结合概率匹配法对EC能见度预报进行订正研究。结果表明:（1）低能见度区域主要位于湖南中北部和通道县、衡阳市附近,并且从秋季开始整个低能见度区域有明显向南扩大的趋势;低能见度时数出现最多的是冬季,其次是春季和秋季,分布范围最广的也是冬季,集中于湖南中东部。（2）低能见度日变化呈单峰型,主要集中在20时~次日09时。（3）≤1 km低能见度主要出现在地面风速<2 m/s、地面相对湿度基本高于90%、地面温度低于20℃及24 h变压<2 hPa的气象环境。（4）采用概率密度匹配结合要素的预报订正方法优于仅使用概率匹配的订正方法,可以很好地对湖南大部分低能见度天气预报进行有效订正,订正后TS评分显著提高。 相似文献