衡阳市降水型地质灾害潜势预报预警方法初探

为提高衡阳市降水型地质灾害预报预警的针对性和时效性,本文利用1994—2007年衡阳市地质灾害个例资料和相应的降水资料,分析了地质灾害与降水的关系;划分了地质灾害易发区,并针对不同易发区确定了降水型地质灾害预报预警指标;对预报预警方法进行检验,并提出了改善建议。结果显示:衡阳市降水型地质灾害与前期降水强度、当日降水量等有着密切关系;建立的预报预警方法对衡阳市暴雨突发性地质灾害预报具有较好的地域针对性和准确性,将预报时效延长至24小时,对地质灾害的防御有着重要的现实意义。     

长江流域0.1°网格逐日降水数据集及其精度

利用气象部门在长江流域及其附近地区的国家基本站和15省市的一般观测站1971~2005年期间的逐日降水资料,根据降水资料特点,提出使用Barnes插值和最近台站降水频率相结合的混合插值方案,得到长江流域分辨率为0.1经纬度的网格化降水逐日资料集,并通过交叉检验确定了其误差估计。结果表明,该混合插值方案对降水的模拟不但绝对误差和均方根误差较小,相关系数大,而且对降水的方差和频率模拟与观测接近,为降水资料在气象和其它领域的应用提供了逼真、连续和格点化的数据。     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。     

WRF-Chem模式降水对上海PM2.5预报的影响

为探讨降水预报准确性对细颗粒物(PM_(2.5))数值预报效果的影响,利用基于WRF-Chem模式构建的华东区域大气环境数值预报系统在2015年1月1日—2016年12月31日期间的业务预报结果,分析了该系统对上海降水和PM_(2.5)的预报能力,探讨了其在不同降水预报准确性下的PM_(2.5)预报效果差异.结果表明,华东区域大气环境数值预报系统对上海的降水和PM_(2.5)都有良好的预报水平,2年平均偏差小于5%;正确预报、空报和漏报较明显降水及准确预报无降水日情况下的PM_(2.5)预报效果差异显著,正确预报降水时有较明显偏高且高估程度随降水的增强而增大,无降水时偏低;正确预报降水时PM_(2.5)预报效果相对较差,其他情况接近.模式湿沉降方案存在不足,需要进一步完善,同时也需要提升模式的降水等气象条件预报能力.     

WRF模式对渤海和黄海海面风预报误差分析

基于WRF模式的2019年24h、48h和72h预报结果,选取渤海、黄海8个浮标站位观测的海面10m风速和风向进行直接对比检验和误差统计分析。结果表明：(1)模式24h预报结果最优,随着预报时效的增长,预报值与实测值相关性下降,预报值离散度增大;(2)当实测风力在45级时,预报风速与实测风速平均偏差最小,两者在数值大小上吻合最好,随着风力增大(或减小),平均偏差和均方根误差增大;(3)不同风向条件下的风向平均绝对误差均在0°～30°,其中N向风时,风向平均绝对误差最小,其次为S和SW向,当实测风向为东向风时,WRF预报的风向误差最大;(4)不同海域而言,WRF对黄海海域风速风向的预报能力明显优于渤海海域,这主要是由于渤海海域的特殊地理位置导致,WRF模式对冷空气导致的大风过程的预报效果优于对台风导致的大风过程的预报。     

人工神经网络结构对径流预报精度的影响分析

建立了基于径流形成机理的以时段降水量与前期径流量为预报因子的前向多层人工神经网络径流预报模型；分析了网络结构对月径流预报精度的影响，发现随网络结构的复杂化，网络训练误差减小，模型评定的确定性系数增大，并均趋于稳定，预报检验的确定性系数总趋势是减小；发现影响模型精度的决定因素是网络输入单元数，亦即径流影响因素；提出了以模型评定与预报检验共同高效或等效的模型选择的折衷方法，以及按模型适宜预报域进行多模型组合预报的最佳预报域组合法。     

用模糊识别方法对武汉市秋冬季空气重污染日进行预报

本文采用模糊数学识别方法对武汉市秋冬季节出现的空气重污染日进行预报,在分析武汉市多年的气象资料和大气监测资料的基础上,提出了预报的数学模型。该模型是根据前一天的天气预报及当天清晨的天气状况预报当天是否为空气重污染日。本文分别将一九九一年一月和二月的实测气象资料数据与天气预报数据代入经验模型公式进行检验,表明预报误差在允许范围之内,两者的拟合程度是令人满意的。     

RBF神经网络氧化沟系统出水氮磷预报模型

为定量模拟污水处理系统进水及出水水质参数数学关系,为污水处理系统的智能反馈控制奠定理论基础,文章以河南漯河市污水净化中心氧化沟系统为考察对象,采用径向基函数(RBF)神经网络对其模拟分析,建立了氧化沟系统出水TN、TP预报的RBF网络模型。建模过程采用的主成分分析与聚类分析有效挖掘了样本信息,采用的数据预处理方法缩减了模型误差。模型性能及灵敏度检验表明,建成的模型对出水TN、TP预报准确率分别达到90%、70%,相关性检验系数分别达到0.95和0.89,可用于该系统出水TN、TP预报,为系统在线控制提供指导。研究同时表明,RBF神经网络由于克服了误差反向传播(BP)网络收敛慢、局部极值等缺点,在水处理系统模拟及其反馈控制中,具有巨大的应用潜力。     

时间序列分析及Monte Carlo方法在降水预报中的应用

文章分别阐述了时间序列分析方法及Monte Carlo(蒙特卡洛)方法的基本原理和计算方法,并将其应用于降水预报的实例之中。时间序列分析是对降水资料进行观察、研究,用一定的数学方法建立预测模型,使时间序列向外延伸,从而获得序列的发展变化趋势,确定变量的预测值,精确的预报每一时段的降水量。蒙特卡洛方法是根据降水资料,提取研究区年降水量变化所蕴含的随机性和统计规律性,建立伪随机数与样品值的对应关系,从而对未来降水量进行预报,结果反映了预报时间内降水的总体特征,而不能精确到具体时间段。将这两种不同的方法用于同一地区年降水量的预报,对比结果,探其原因,分析其各自特点,进而得到更精确的预报值,对该地区水资源的研究有着重要的现实意义。     

TRMM降水数据在东北地区的精度验证与应用

利用东北地区2000-2007 年的APHRODITE降水数据,基于GWR方法对TRMM降水数据进行修正,分析新的TRMM降水数据精度,并基于修正的TRMM降水数据对东北地区降水进行时空分布特征分析.结果表明:①APHRODITE降水数据与观测数据之间的线性相关性更高、均方根误差RMSE更小,数据具有较高的精度;②修正后的TRMM降水数据相关系数R有所提高,且RMSE值均有降低.整体来看,TRMM降水数据的降水量数值偏大于观测值;③修正TRMM降水数据在5-10 月的误差相对较小,整体来看,在大部分区域的误差在0~30%之间;④东北地区降水分布极不均匀,整体呈从东南向西北减少趋势.11 月到翌年3 月的降水稀少,降水主要集中在夏季,其中7月降水量最大.     

深圳市环境空气质量预报的分析

本文介绍了深圳市环境空气质量预报系统,对近年的预报结果准确率进行分析,探讨预报产生误差的原因,并对进一步提高预报水平提出建议     

基于地面站点观测降水资料的中国区域日降水融合产品精度评价

论文对中国国家气象信息中心研制的逐日融合降水资料（1998—2010年）和全国633个气象站点观测降水资料进行了对比,分析了融合降水资料误差的空间分布和时间变化特征,研究了海拔高度及地形起伏度对融合降水资料精度的影响,同时就日降水融合产品不同降水强度进行了误差分析。结果表明：日降水融合产品与台站资料的年平均降水量空间分布具有很强的一致性;全国大部分地区日降水融合产品与台站资料的累计年降水量相关系数大于0.8,东部地区则普遍在0.9以上;日降水融合产品的误差特征值及其空间分布均较为合理,年际变化不大;海拔高度对日降水融合产品平均偏差和平均相对偏差的影响比地形起伏度大,且海拔高度的影响在高海拔区域比低海拔区域更显著。     

基于相似集合预报技术的臭氧预报释用研究

利用相似集合预报技术（AnEn）,采用2a的睿图-化学子系统（RMAPS-CHEM）历史预报结果和观测资料,对2018年6月1日~9月30日模式在京津冀地区13个城市共70个国控站点逐小时预报的O₃浓度进行了释用订正研究,结果表明：随着集合成员数的增加,AnEn方法的预报效果呈现出先上升后下降的趋势,并且越过临界集合成员数后,预报效果逐渐降低,因此确定14为最优集合成员数.不同预报因子的权重敏感性不同,其中以RMAPS-CHEM本身预报的O₃权重最高,其它依次为2m温度、2m相对湿度、10m风速和边界层高度.经过AnEn方法的释用订正,有效降低了O₃浓度的预报误差.AnEn方法对O₃浓度的时空变化趋势以及浓度值大小都有很好的订正效果,从所有站点的检验结果来看,AnEn方法订正后的O₃浓度与观测值之间的相关系数较模式结果提升68.6%,均方根误差降低25%.AnEn方法对O₃预报释用订正的效果存在明显的区域特征和日变化特征,白天时段对预报的提升主要集中在京津冀东部地区和大城市地区,夜间主要是在城市地区更加显著;AnEn方法夜间的订正效果优于白天,部分站点夜间提升效果（相关系数）超过250%.AnEn方法订正后的O₃概率密度函数整体更接近实况,特别是在O₃的低值区（35μg/m³以下）和高值区（200μg/m³以上）订正效果更佳.针对典型O₃污染过程中北京、天津、石家庄3个城市的对比检验表明,AnEn方法在0~48h的预报时效内表现优于48~96h.不同城市体现出一定的区域差异,天津最优,北京和石家庄次之.AnEn方法对RMAPS-CHEM预报的O₃浓度订正效果整体改善明显,可以在区域光化学污染数值预报工作中进行更加广泛的应用.     

天山山区TRMM降水数据的空间降尺度研究

山区降水是干旱区水资源的重要补给源,但由于山区地形复杂、监测困难造成资料缺乏,水文预报的误差较大。近年来,TRMM3B43降水数据得到了大量应用,但受其较低空间分辨率的影响,使得应用精度受到限制。论文以2001—2010年TRMM3B43数据为基础,结合提取的7个数字地形因子（经度、纬度、坡度、坡向、海拔、地形开阔度、地形起伏度）,构建了天山山区年、季的降水主成分-逐步回归降尺度模型。分析结果表明：主成分-逐步回归降尺度模型有效地将TRMM3B43数据的空间分辨率由0.25°×0.25°提高到1 km×1 km。通过站点实测降水数据对比验证,决定系数均在0.85以上,降尺度后的数据精度显著优于原始TRMM3B43数据。该方法对研究干旱区空间降水精细化具有一定参考意义。     

基于机器学习的长沙市空气污染物浓度预报研究

基于2014～2019年长沙市6种空气污染物日均浓度的监测数据、同期的气象数据,利用随机森林重要性评估的方法对影响污染物浓度的预报因子进行筛选,构建了基于随机森林算法和支持向量机算法的2种机器学习预报模型对6种空气污染物浓度分别进行预报。结果表明：各污染物浓度预报结果的均方根误差随着AQI指数的增加而变大;经随机森林变量筛选优化之后2种模型对各种污染物浓度的预报准确率都有所提升,且预报准确率都随着预报时效的增大而降低。整体而言,支持向量机回归模型对长沙市空气污染预报具有更强的泛化能力,误差更小。     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

风蚀性粒子降尘浓度的动力学预报模式

为探求开放源露天煤尘在自然风力作用下的扩散情况,本研究采用空气动力学的数值计算方法,以离散相拉格朗日随机轨道为计算模型,预测了原煤、大矿、水洗和精煤4类煤种料堆的降尘浓度分布,并采用风洞试验对结果进行了对比验证.结果表明:动力学模式对风蚀粒子的预报误差在±25%,其中原煤种的预报度最高,误差10%.动力学模式与高斯沉降模式相比,高斯模式对尘源处的降尘浓度预报误差过大,动力学预报模式是基于颗粒群的运动轨迹的行为预报,能准确地描述粗大颗粒的跃移运动状态,对于满足Rosin-Rammler粒径分布的固体粒子降尘浓度的预报良好.     

T213数值预报产品对云南秋季强降水预报能力检验

利用Micaps系统下的T213数值预报产品从环流背景、散度场、温度场、水汽通量和降水预报对2005年10月29日云南中部及以南地区暴雨天气进行分析,结果表明:T213数值预报UV场对这次强降水的中低层影响系统切变的位置作了准确预报,强降水区的预报范围与实况接近,散度场、温度场、水汽通量对强降水天气有较好的预报指示意义.     

基于源反演和气溶胶同化方法天津空气质量模式预报能力改进

为提升天津空气质量数值模式精细化预报能力,基于高分辨率排放源清单,技术应用源反演技术和气溶胶三维变分同化方法开展2020年天津空气质量数值预测分析,评估不同技术对空气质量模式预报能力改进,并结合气象因素评估模式系统性误差,以期提升天津空气质量精细化预报能力,服务分区精细化大气污染防治.结果表明,基于高分辨率排放源清单、源反演技术和气溶胶三维变分同化方法,可有效改进天津空气质量模式预报能力,调整后天津PM_2.5、 PM₁₀、 SO₂、 NO₂和O₃浓度预报平均偏差均在2μg·m^-3以内,其中高分辨率排放源清单应用后PM_2.5平均偏差为1.80μg·m^-3,源反演技术和气溶胶三维变分同化技术应用后平均偏差分别为-1.45μg·m^-3和-3.98μg·m^-3,均显著小于原模式的18.75μg·m^-3; PM_2.5浓度预报和实况的相关...     

气候变化条件下海河流域日降水统计降尺度研究

在气候变化对水资源影响评价研究中,统计降尺度方法通常用来解决空间尺度不匹配问题。在本文中,预报量采用海河流域上典型区域的11个气象站点1961~2000共40年的日降水资料,预报因子选自NCEP/NCAR的再分析资料,以及英国Hadlay 中心GCM模型在a2情景和b2情景下的大气变量,主要采用Statistical Down-Scaling Model（SDSM模型）进行海河流域日降水的降尺度研究。结果表明：①使用逐步线性回归方法(SMLR),可以在广阔的空间范围内优选出具有一定物理意义的预报因子;②使用统计降尺度方法SDSM,采用不同的GCM资料,都可以较准确模拟降水的季节变化特征;③使用NCEP/NCAR再分析资料的降尺度结果优于Hadlay中心a2和b2情景下的,观测和模拟降水的相关系数分别可以达到93%和85%左右;④与现状年(1984~1993年)相比,未来(2011~2040年)的年降水总量大约会减少4％;降水峰值略滞后;降水时间更加集中;极端降水事件的强度加大;最大干天持续天数也变长。图3表5参32