环渤海地区雾天气分型及预报方法

利用环渤海地区常规气象观测资料和NCEP位势高度、风速再分析资料,采用天气学方法分析了环渤海地区雾天气过程。结果表明:环渤海区域性雾天气出现时500 hPa高空天气形势有3种:纬向气流型、低槽型、高压脊型;地面形势有4种:锋面气旋型、高压前部型、均压场型、弱高压型。针对天气形势的槽脊和高、低压中心等特点设计客观自动识别系统,进而基于T639模式输出产品计算了多个水汽条件、层结稳定条件和风速条件因子,经过诊断分析及相关分析后选取1000 hPa温度露点差、1000 hPa风速、925与850 hPa温度差和M指数4个参数作为物理量诊断因子,建立天气形势自动识别与T639模式输出物理量诊断相结合的预报系统,给出环渤海地区雾天气出现时间和空间范围未来1~3 d的预报,试验结果表明取得了较好效果。

全国10个代表性城市空气污染指数与气象条件的关系

选取全国10个代表性城市,研究空气污染指数与地面及边界气象条件的关系.结果表明,空气污染严重,则能见度差;空气质量好,则能见度好,而且冬半年比夏半年更为显著;空气污染指数与气温呈正相关,北方城市夏半年比冬半年显著,南方城市冬半年比夏半年显著;北方城市冬半年空气污染指数与空气中水汽的饱和程度呈正相关;南方城市夏半年与空气饱和程度呈负相关;风对空气污染物有扩散作用,且冬半年比夏半年显著.稳定的大气层结不利于空气污染物的扩散,冬半年比夏半年显著,南方城市比北方城市显著.

中国西北地区东部雷暴概率预报方法对比

利用2008-2013年中国西北地区尔部60个观测站天气实况资料以及NCEP/NCAR的1°×1°阿分析资料讲算出的对流参数,在天气分型消空非雷暴日样本的基础上,通过线性逐步回归、Logistic回归、BP神经网络3种方法,建立了60个站4-10月24 h雷暴概率预报模型,并对2013年4-10月各站雷暴进行试预报.结果表明,线性逐步回归模型、Logistic回归模型、BP神经网络模型60个站平均回代颅报临界成功指数(CSI)分别为24.2%、27.5%、20.9%,平均试预报CSI分别为23.3%、24.7%、12.9%;Logistic回归模型对该区域雷暴总体预报效果最好,共计32个站该方法顶报效果最优,超过站点总数的50%.雷暴气候概率最高的高海拔站点平均预报CSI最高,气候概率最低的关中平原站点平均预报CSI最低,各模型平均预报CSI均明显大于气候概率,集合每个站最优预报模型的试预报结果,得出最优平均试预报CSI为26.6%.该预报结果可为中国西北地区东部雷暴预报研究提供参号.

十个代表城市空气污染指数与能见度和相对湿度的关系

影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数(API)与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08:00(北京时)地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明:(1)当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;(2)除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.000 01的显著性水平,并且相关程度冬半年好于夏半年;(3)API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;(4)回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。

南京市呼吸系统疾病死亡人数预测方法研究

利用2004年1月－2009年12月南京市呼吸系统疾病死亡资料和2003年12月-2009年12月南京地面气象观测站逐日气象资料，分析呼吸系统疾病死亡人数与同期和前期气象因素的关系，通过逐步回归按月份建立南京市呼吸系统疾病逐日死亡人数的预测方程，利用2010年的资料检验预测效果，得出了以下结论：过去2～7d气温平均值、过去3～7d气压平均值与死亡人数之间的相关程度均通过了α=0．001水平的相关显著性检验，过去6～7d的气温48、72h变幅与死亡人数之间的相关程度也通过了α=0．001水平的相关显著性检验；死亡人数对气温平均值的最强响应在滞后6d，气压平均值在滞后5d，风速平均值在滞后1～2d，过去72h变温在滞后1～2d，过去48、72h气温变幅在滞后6～7d．回归方程预测的死亡人数与实际死亡人数平均相差2人左右，预测效果优于按季节建立的模型．气象要素及其变化与呼吸系统疾病逐日死亡人数呈显著相关，气象要素对死亡人数的影响具有累积效应，并存在滞后性．

北京市空气污染与气象条件的关系及其预报

利用北京市2015-2017年逐日、逐小时w(PM2.5)、w(SO2)和w(O3)资料,及同期NCEP/NCAR的高分辨率全球预报系统数值预报产品,计算了相关空气污染气象参数,研究了北京市空气污染物质量浓度与气象条件的关系.采用逐步回归方法,建立了北京市空气污染物w(PM2.5)、w(SO2)和w(O3)的预报方程,并对预报结果进行了检验.结果表明,稳定能量和涡度与w(PM2.5)、w(SO2)以正相关为主,与w(O3)以负相关为主.低层平均风速和边界层厚度与w(PM2.5)、w(SO2)以负相关为主,与w(O3)以正相关为主.地面露点温度与w(PM2.5)、w(SO2)和w(O3)以正相关为主;在优选空气污染气象参数的基础上,利用逐小时空气污染物质量浓度资料和逐步回归方法,筛选了最佳预报因子,建立了北京市逐3 h的0~72 h短期精细化空气污染物质量浓度预报模型,能够拟合w(PM2.5)、w(SO2)和w(O3)随边界层气象条件的变化趋势.

北京一次暴雨过程数值模拟和诊断分析

2012年7月21日10:00-22日02:00,北京地区出现了一次历史上罕见的特大暴雨天气过程,对当地人民的生命财产造成了严重损失.采用新一代中尺度数值预报模式WRF V3.3.1对这次极端降水天气过程进行数值模拟研究,并运用模式输出结果对其发生、发展机制进行了研究.主要结论有:WRF模式能够较好地模拟出这次暴雨的落区、暴雨中心、24 h累积降水量等;此次强暴雨过程主要是由低空中β尺度涡旋造成的,即中β尺度涡旋随时间的演变决定降水落区及降水强度;最后利用相对螺旋度诊断了整个降水过程,结果显示相对螺旋度的变化对降水增强的临近预报具有明显指示意义.

2012年银川“7·29”大暴雨天气过程诊断研究

利用NCEP再分析资料,常规气象观测资料以及天气雷达、卫星等资料,研究了2012年7月29-30日发生在宁夏回族自治区银川市及其周边地区的一次大暴雨天气过程.通过分析此次暴雨过程前后的动力、热力及其变化特征,得出如下主要结论:宁夏"7·29"大暴雨天气过程的主要影响系统为西太平洋副高、500 hPa短波槽和暖式切变线;大暴雨发生在高层冷平流与低层暖平流交汇区,与高空的水汽辐散中心和低空的辐合中心基本重合;大气的比湿、水汽通量等在暴雨前迅速增大,假相当位温θse垂直廓线在500～400 hPa之间表现出有θse 336 K的小值区;水汽通量散度在临近降水时才开始快速变小,水汽输送和辐合作用完成的时间很短,引发快速而强烈的天气现象.

基于地基GPS的祁连山大气可降水量特征

利用2016—2018年祁连山区中东部11个站的地基GPS反演的大气可降水量(以下简称GPS/PWV),分析了大气可降水量的时空分布、地带性和垂直变化特征。结果表明:与张掖和民勤探空实测资料计算的PWV(以下简称RS/PWV)相比,GPS/PWV均方根误差和偏差平均值分别为2.1 mm和1.07 mm,GPS/PWV略大于RS/PWV且两者相关系数平均值达到0.97。祁连山中东部PWV日最大值出现在11—16时,日最小值出现在01—05时;PWV的月最大值出现在8月,月最小值出现在1—2月;PWV的季节分布为夏季>秋季>春季>冬季;PWV高值区主要分布在祁连山东南部,祁连山中部的刚察、民和为明显低值区;祁连山中段PWV低于东段。PWV地带性和垂直变化特征明显,与海拔高度的相关系数达到了-0.77。PWV随经度自西向东,逐渐升高;PWV随纬度从南往北,存在着“高—低—高”的变化特征;PWV的空间分布和季节变化与季风影响相关。

环渤海及其四类地区低能见度时空分布及成因分析

利用环渤海地区(35°~42.5°N、116°~123.5°E) 2002-2017年地面气象站逐日实况观测资料和2014-2017年空气污染物资料,对环渤海及其四类地区能见度小于5 km的天气及成因进行了分析.结果表明,环渤海地区低能见度年均发生日数空间分布不均匀,京津地区、华北平原及山东半岛南部较多,北部山区及人口密度较小的县城较少. 1~5 km等级的低能见度日数年变化特征为双峰型,夏冬季多、春秋季少.除海滨城市外, 0~1 km等级的低能见度日数年变化特征为单峰型,冬季多、夏季少. 08:00最易出现低能见度天气,主要是雾、霾、降水等天气现象引起,易发生在相对湿度大于80%的情况下.发生低能见度时,平均风速较小、平均风向为东南风.低能见度与空气质量指数呈负相关,且与w(PM2.5)的相关性最大.

ERA Interim再分析资料的云量可靠性分析——以太原和五寨为例

利用气象信息综合分析处理系统地面实况报文和欧洲中期天气预报中心再分析(ERA Interim)的4次/d总低云量资料,对比分析了再分析资料对太原和五寨总低云量的代表性.结果表明,太原和五寨不同观测时次总云量和低云量多年平均(2002年2月1日-2013年12月31日)观测值与ERA Interim再分析云量变化趋势较为一致,除02:00外,08:00、14:00、20:00的ERA Interim再分析资料均偏低,ERA Interim低云量均低于观测值.总云量月平均值ERA Interim资料高于站点观测值,14:00偏差较大.太原和五寨不同观测时次总云量累积分布趋势整体较一致.太原和五寨总云量的相关系数在0.6以上,08:00和14:00相关系数在0.7以上.低云量相关系数明显低于同时次的总云量相关系数,低云量不同月份不同时次的相关系数差异较大,总云量平均绝对误差相差不大;低云量平均绝对误差部分时次较大.

动态时变参数方法在云量精细化预报中的应用研究

利用2008年1月—2013年12月以及2017年1—11月全球天气预报系统(GFS)预报场资料,采用自适应线性最小二乘回归(LS)和自适应递推卡尔曼(Kalman)滤波两种动态时变参数方法,建立了河套周边地区0~168 h预报时效的总云量精细化预报,并与GFS模式直接输出的总云量、线性预报模型逐步回归预报方法得到的总云量以及非线性预报模型BP神经网络和最小二乘支持向量机回归方法(LSSVM)得到的总云量进行了对比,结果如下:(1)相比GFS模式直接输出的总云量,LS、BP神经网络、LSSVM得到的总云量与实况值的平均绝对误差均明显减小。LS方法误差最小,LS方法的年MAE均在20%~25%,且随着预报时效的延长,改进效果越大。LS方法、多元逐步回归方法、BP神经网络、LSSVM四种方法在6—8月的改进效果最大。(2)LS方法预报的总云量与实况云量的相关性最好,即使168 h预报时效的相关系数依然在0.64以上,远高于其他几种模型的预报结果。(3)LS方法能够明显地提高少云和多云天空状况下预报的击中率,且最优(少云击中率平均提高24%,多云击中率平均提高34%)。(4)自适应递推Kalman滤波方法存在预报滞后现象,改进效果不明显。

西安浐灞生态区降雨及气象环境因素对负氧离子浓度的影响分析

利用西安浐灞生态区空气负氧离子监测数据,分析西安夏季负氧离子浓度变化特征,研究降雨对负氧离子浓度变化的影响以及气象环境因素对负氧离子浓度的预报预测。研究显示:西安夏季浐灞生态区负氧离子月均值8月最高,无雨日负氧离子最大值常出现在深夜至凌晨时段;雨日负氧离子小时浓度与前0~3 h各时次的降雨呈直线相关关系(p<0.05);中雨以上的降雨与负氧离子浓度的线性关系较小雨更显著,表明降雨能激增空气负氧离子浓度;空气负氧离子浓度与PM2.5、PM10、CO、日降水量、日均风速有显著相关性(p<0.01)。通过逐步回归分析法,建立夏季负氧离子浓度的多元逐步回归预报模型(p<0.01),拟合曲线与实际观测曲线基本一致。