重庆市夏季电力气象用户需求分析

【目的】面对日益增加的夏季电力气象服务用户需求和激烈的市场竞争,必须明确用户需求的优先顺序,为有序改善产品提供参考。【方法】利用Kano模型,通过问卷调查的方式收集了受试者对各项需求点的反馈,并计算B系数和W系数,绘制B-W象限图,得到17个需求点的需求类型和优先级排序。【结果】17个需求点可分为基本型(6个,35%)、期望型(4个,24%)、魅力型(4个,24%)和无差异型(3个,18%)4种类型。基本型最多,无差异型最少,各类型间界限较清晰。各需求点优先级顺序较明确,即用户首先要求产品应准时、内容完整和节点透明,其次要求产品应具备较高的准确率和个性化水平,最后要求产品的美观模块化程度便于高效地抽取使用并及时得到专家支持,而产品是否处于商用化阶段和是否有特色的优先级最差。但值得关注的是D16特色产品的需求点被视为魅力型需求的票数高达20票(共50票),接近归类于魅力型需求(21票)。【结论】应以智能化业务系统建设和提升专家支持服务水平为工作核心来满足用户需求。

重庆区域性暴雨过程的重现期评估模型构建方法研究

提出一种利用重现期方法构建区域性暴雨过程的评估模型,用于全面评估暴雨过程发生的频率和强度。基于2011—2021年重庆市114次区域性暴雨过程的小时雨量数据及暴雨灾情数据,利用概率分布函数拟合、重现期计算、相关分析等方法,构建区域性暴雨过程的重现期评估模型,并开展业务检验。结果表明:(1)利用自建的重现期计算公式,得到暴雨过程特征量的重现值与原始值的误差小于10%,重现期计算结果准确性较高。(2)构建的重现期评估模型与直接经济损失的正相关系数可通过0.001显著性水平检验,较现行业务指标提高16%。(3)历史回算和独立样本检验结果显示,重现期评估模型与业务指标评估等级一致率达70%,模型稳定性强且能反映事件发生频率和强度,可为区域性暴雨过程评估提供新思路。

重庆水电流域夏季降水模态分析及其水汽输送特征

水电是重庆重要的产电形式之一,研究重庆水电流域夏季降水的强弱和分布对做好夏季电力气象保障服务具有重要意义,目前的研究主要聚焦于西南地区或四川盆地,较少以水电流域为单位进行研究,对做好精细化的电力气象服务参考作用有限。本文利用1981-2022年重庆水电流域115个气象观测站点降水数据、ERA5再分析资料,通过EOF分析、回归分析、合成分析等方法,对重庆水电流域夏季降水模态和成因进行了分析,并进一步探究了各模态水汽输送特征。结果表明:重庆水电流域夏季降水主要有全区一致型和南北反向型两个模态,全区一致型中一致偏多型环流特征主要表现为中高纬高度场波动振幅较大,中纬度西风急流偏强、偏南,中低纬南亚高压偏强、偏南,西太平洋副热带高压偏西,同时流域内配合有异常的西南水汽输送和水汽辐合,一致偏少型则与之相反,此外,影响全区一致型的水汽通道共有4条,分别为孟加拉湾西部南风通道、中南半岛北部的南风通道、高原东侧的西风通道、菲律宾以西的东风通道,其中以菲律宾以西的东风通道影响最为显著;南北反向型中北多南少型环流特征主要表现为中高纬高度场西高东低,中纬度西风急流偏北,中低纬南亚高压表现为东部型,西太平洋副热带高压容易西伸、北跳,同时流域内配合有较强的向北输送的水汽通量,且北部有水汽辐合、南部有水汽辐散,南多北少型则与之相反,此外,影响南北反向型的水汽通道共有2条,分别为流域中部南风通道和菲律宾东部南风通道,且二者表现出一致变化的特征。

GPM和CMORPH卫星产品在重庆暴雨过程中的应用评估

基于2020年6月重庆地区连续3次暴雨过程期间地面高时空分辨率加密雨量观测资料,评估GPM(IMERG)和CMORPH两种主流卫星降水产品对重庆暴雨强降水的估测精度。结果表明,IMERG和CMORPH总体上能较好地捕捉到重庆地区暴雨强降水的时间和空间分布特征,但两种卫星产品均表现为高估过程降水量,IMERG的相对误差RB在0.7%~41.6%之间,CMORPH的RB在23.7%~82.8%之间,CMORPH较IMERG高估更为显著。两种卫星产品对雨强小于20mm·h^(-1)的降水估测精度具有显著的系统性误差,表现为低估雨强小于2.0mm·h^(-1)的降水,高估雨强4.0~19.9mm·h^(-1)的降水,且IMERG的估测精度要优于CMORPH。对雨强超过20mm·h^(-1)的极端强降水,两种卫星产品均表现出极大的不稳定性,探测率(POD)和临界成功指数(CSI)均小于0.1,误报率(FAR)均大于0.85,估测能力有限,需要进一步改进算法。

基于Himawari-8静止卫星多通道资料的重庆地区短时强降水反演研究

收集了2021年重庆地区8次区域性暴雨天气过程中地面降水强度大于等于20mm/h的数据,匹配了相应时间空间范围的Himawari-8静止气象卫星多通道资料,建立了降水强度与辐射特征一一对应的数据集。在此基础上采用单位特征空间归类分析法,选择0.64μm、1.6μm、3.9μm、6.2μm、7.3μm、10.4μm等多个通道组成二维光谱空间,反演了强降水像素点的分布范围和集群特征,并基于反演结果开展了重庆地区短时强降水识别研究。提出了一种基于卫星多通道资料的强降水落区阈值判识方案,并利用该方案对2021~2022年重庆地区的16个强对流天气个例进行了检验。结果表明,该方案能够实现全天24h、逐10min的强降水落区连续动态监测,整点及整点前10min、前30min的卫星资料对降水落区的反演准确率达到70%~80%。

重庆市气象台局域网络管理系统

介绍了我台局域网络管理的思路,并较详细给出了网络管理的具体方法,以及为保证网络正常运行采取的安全措施。

重庆市气象台综合实时气象业务系统的总体设计及其进展

运用系统工程的原理。详细介绍了:在建设重庆市气象台综合实时业务系统(下称CQSTYS)设计目标、思路、结构、技术方法以及该工程的延伸与扩展设想。在实施过程中因地制宜,挖潜改造,系统投入业务运行效果不错。

重庆地区气象因素对不同中医证型骨痹患者发病的相关性研究

目的分析重庆地区5种气象因素与不同中医证型骨痹患者发病的相关性。方法收集重庆地区2011年至2012年5种气象因素相关数据,及不同中医证型的骨性关节炎患者的病例相关资料,分析不同中医证型骨性关节炎患者的发病规律。结果本次研究发现秋末和冬季发病人次较多,其中阳虚寒凝和瘀血阻滞证患者发病人次与温度、水汽压有显著负相关性。肾虚髓亏证患者各月发病人次较为平均,与本次研究的气象因素相关性不大。结论 3种证型骨痹患者的发病人次与风速、温度、水汽压呈显著负相关性。

重庆主城区霾天气特征及气象影响因子分析

利用重庆主城区沙坪坝气象站1980-2012年观测资料,对主城区霾天气变化特征、气象影响因子进行了分析.结果表明:重庆主城区霾日数1980-1991年总体呈上升趋势,1992-1999年波动较大,2000-2006年总体呈上升趋势,2007-2012年总体呈下降趋势;霾日数冬季最多,秋季次之,夏季最少,月平均值呈"V"型分布,12月最多,1月次之,7月最少;霾天气受气象条件影响,较小的风速(风速≤2.0m/s)、较高的相对湿度有利于霾天气的出现.对近年来霾天气成因进行了初步探讨,结果表明,特殊的地形和气象条件、能源消费量持续增长和以煤炭为主的能源消费结构以及机动车尾气污染是重庆主城区近年来霾天气频发的重要原因.

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM_(2.5)浓度因子对预报模型的影响效果。发现:重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM_(2.5)增加明显降低,当相对湿度大于70%时PM_(2.5)对能见度的影响降低;在能见度的客观预报模型中引入PM_(2.5)浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。

基于IBAM指数的重庆地区空气污染气象条件预报方法

通过重庆城区2013-2016年空气质量指数AQI与气象要素的相关分析,引入表征大气温湿状态的物理量总温度、比湿、近地层风速、24h变压及大气低层总温度差,构建新的空气污染气象条件指数IBAM(Index Between Air pollution and Meteorology)。应用2013年4月1日至2016年12月31日欧洲中心预报产品计算重庆地区历史IBAM指数,通过K均值聚类分析,引入极端天气事件概念确定空气污染气象条件阈值,建立预报模型。利用IBAM指数与滞后1天AQI建立拟合曲线方程,计算出AQI预报值,计算预报准确率,经过2017年1月1日至2018年9月1日样本检验,72h内预报准确率在70%左右。通过误差分析发现:当气象条件为大气污染物浓度主要影响因素且在大气污染源变化不明显时,预报误差较小;而当大气污染源变化明显时,预报误差较大。该预报方法已在重庆市气象台业务应用,对预防和处理重污染事件,改善重庆地区空气质量有较好参考价值。

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM_(2.5)和O_(3),重度污染日首要污染物基本为PM_(2.5);PM_(2.5)污染和O_(3)污染均呈现出明显的季节差异,PM_(2.5)超标主要出现在初春、秋末和冬季,其中冬季最为严重,尤其是1月,其次为12月,O_(3)超标主要出现在春末、夏季和初秋,其中夏季最为严重,尤其是8月,其次为7月;PM_(2.5)污染总体呈减弱趋势,而O_(3)污染问题近年来日益凸显;PM_(2.5)浓度与气温、相对湿度、风速、降水量、气压以及24 h变压等气象要素密切相关,不同季节气象因子对PM_(2.5)浓度的影响不尽相同;O_(3)浓度与太阳紫外辐射、日照时长、气温和相对湿度等气象要素密切相关,风速、风向、白天有无降水以及降水出现在不同时段对O_(3)的浓度亦有影响.

重庆市空气污染扩散气象条件指标研究

根据地面常规要素、L波段雷达探测资料风速和温度与污染指数(API:Air Pollution Index)的相关性,建立空气污染扩散条件的综合气象指数(A),按指数大小分类确定潜势预报指标,并应用历史同期气候概率作空气污染潜势预报。通过相关分析发现:与API关系密切的不是20:00的气象要素而是08:00的气象要素;地面要素中,对污染物浓度影响最大的是08:00的24 h变压,而温度的高低对API影响因季节而不同;L波段雷达资料中,150 m风速3、00 m和地面温差与API相关性较好。由相关性好的上述3个要素构造的综合气象指数及确定的扩散条件预报指标是合理的,在实际业务预报中,预报效果较好。

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM 2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM 2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM 2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。

重庆武隆高山甘蓝根肿病气象预测研究

为防御和减轻重庆地区高山甘蓝根肿病的发生,选择武隆高山甘蓝为研究对象,采用该区2010-2014年气象资料和高山甘蓝田间试验资料,分析气象因子与根肿病发病率的关系。筛选出对根肿病影响显著的气象因子为定植-成活期的累积雨量、定植后第12~14日平均气温,采用回归方法建立甘蓝根肿病气象预测模型。利用2015-2016年试验资料对模型进行验证和试用,确定系数R^2为0.68,说明该预测方法具有较好的客观性和适用性,可应用于重庆高山地区甘蓝根肿病发生的气象条件预测。气象防治和生物防治相结合,将为高山甘蓝根肿病的综合防治提供新的理论依据。

重庆市森林火险变化特征及气象条件分析

利用重庆市34个气象站1961-2007年逐日气象观测资料以及同期NECP/NCAR逐月再分析数据,根据森林火险环境气象指数的定义,研究了重庆市森林火灾变化特征,并对春季和盛夏高森林火险等级下的典型年份的大气环流特征进行了分析。结果表明：重庆林火次数具有明显的年、季、月、日变化特征,盛夏（7-9月）和春季（2-4月）为2个高峰期,其林火次数占全年林火总数的78%,其中8月最多（占全年林火总数的18%）,午后是森林火灾多发时段;春季重庆市高森林火险的大气环流特征表现为：乌拉尔山、贝加尔湖和鄂霍茨克海地区500 hPa位势高度偏低,四川盆地高度场偏高,冷空气在中高纬地区堆积,天气活动主锋区偏北;盛夏重庆市高森林火险的环流特征为：巴尔喀什湖和鄂霍茨克海地区500 hPa位势高度显著偏低,朝鲜半岛位势高度显著偏高,西太平洋副热带高压位置偏北。

重庆市荣昌区冬季PM_(2.5)污染的气象因素及区域传输特征

利用2016—2018年重庆市荣昌区冬季PM_(2.5)质量浓度监测数据,结合地面气象观测资料、L波段探空雷达资料、ERA-Interim再分析资料及全球资料同化系统(GDAS)数据,并与HYSPILT模型相结合,分析荣昌区冬季PM_(2.5)污染的气象影响因素及区域传输特征。结果表明:(1)2016—2018年荣昌区冬季PM_(2.5)污染超标频率高达56.3%,但空气质量有好转趋势。PM_(2.5)质量浓度日变化有2个峰值,分别出现在12:00和23:00;(2)荣昌区冬季PM_(2.5)污染主要受降水、逆温层、低层风速等气象条件影响。当925 hPa以下和700~600 hPa存在明显逆温层结,500 hPa呈西北气流或平直西风气流,850 hPa以下为偏东北弱风时不利于PM_(2.5)扩散,易发生重度污染天气。日降水量R>2.0 mm时,降水对PM_(2.5)具有明显的正清除,且清除能力随着降水等级的增大而增大,R<1.0 mm时,降水对PM_(2.5)表现为负清除,微量降水期间不利的扩散条件加之颗粒物吸湿增长作用反而导致PM_(2.5)质量浓度增加,空气质量恶化;(3)荣昌区冬季PM_(2.5)污染主要受距离荣昌区西北和东北方向约300 km范围内的成渝城市群城市间污染物区域输送影响,外域颗粒污染物的传输是荣昌区冬季PM_(2.5)污染的重要原因。

重庆黑山谷云海景观气象特征研究

云海属自然景源中的云雾景观,以万盛黑山谷云海为例,按照云的垂直结构和气象特征将云海景观分为多层云类、低云类和辐射雾类3种类型.分别对3类云海景观开展天气学分析和数值模拟,结果显示:①多层云类云海由深厚云系在低空出现垂直分层形成,常出现在降雨开始前或降雨结束后,垂直方向湿层深厚,但低空存在一定的下沉运动;低云类云海由低空暖湿气流抬升凝结形成或由雨后仍未消散的低云构成,受中高层高压系统或槽后西北气流抑制,云层在低空维持;辐射雾类云海,由山区夜间强烈的辐射降温作用导致近地面层水汽凝结形成,常出现在雨雪天气结束次日晴朗的早晨.②WRF模式和水物质法对于多层云类和低云类云海具有一定的预报能力,而对辐射雾类云海的效果有限,改善辐射雾类云海的预报是开展云海景观预报时需要面临和解决的关键问题之一.

重庆地区大气污染分布特征及气象因子相关分析

大气污染状况的时空分布特征是大气污染研究的基础。利用2017年~2019年重庆地区40个站点主要污染物浓度日均值监测资料及气象观测资料,总结出各类污染物的时空分布特征并比较区域差异,分析重庆地区各类污染物与气象因子的相关关系。结果表明:(1)PM_(2.5)、PM_(10)、O_(3-8h)年平均浓度都呈现西高东低的分布特征;NO_(2)年平均浓度的高值区位于中心城区,从中心城区向东向西辐射减弱;SO_(2)在重庆全区域的污染较轻;CO浓度高值区位于重庆东北部。(2)污染物超标日数,西部地区高于东部地区。(3)PM_(2.5)和PM_(10)各月浓度中西部地区高于东部地区,O_(3-8h)中心城区的浓度值7~8月明显高于其他五个区域,NO_(2)中心城区的浓度值在每个月份都远高于其他区域。(4)重庆地区O_(3-8h)浓度变化与气象因子的相关性高于PM_(2.5)和NO_(2),说明二次污染物O_(3-8h)浓度变化相比一次污染物更易受气象条件的影响。重庆地区大气污染分布特征及气象因子相关的分析,为预测重庆地区各大区域的大气污染物浓度变化及评估扩散条件提供科学依据。

2015年重庆主城区空气质量状况及气象条件分析

根据环境空气质量监测数据和气象观测数据,对重庆主城区2015年空气质量总体概况及PM2.5、PM10、SO2、NO2等大气污染物浓度变化特征、空气污染特征进行了分析,并对主要气象影响因素进行了初步分析。结果表明:2015年,重庆主城区空气质量以良为主,首要污染物以PM2.5为主;PM2.5、PM10具有相似的变化特征,平均浓度冬季较高,夏季、初秋较低,1月最高,2月次之,9月最低,6月次之;SO2平均浓度冬季较高,夏季、初秋较低;NO2平均浓度无明显季节变化;PM2.5污染冬季最为严重,尤其是1月、2月,这与这几个月近地面平均风速较小、静小风频率较高及降水较少较弱密切相关;臭氧(O3)污染春夏季、初秋较为严重。