线性滚动极值处理方法对数值模拟风速的订正研究

为了进一步提高WRF模式对风速预报的准确性,以我国某风电场01#测风塔2007年5月和11月的数据为例,通过线性回归方法并结合滚动和极值处理技术,对WRF模式模拟风速进行了订正。结果表明,直接使用线性回归方法对于模拟风速的订正无明显效果;采用滚动技术的线性回归订正效果与步长有关,与线性回归订正相比总体上有较大改进,其中3 h步长改进更明显;相同步长,线性滚动极值处理订正较线性滚动订正相比有进一步改进,其中1 h步长线性滚动极值处理效果最优,如5月和11月订正前模拟风速的相对均方根误差(rRMSE)分别为29.274%、33.583%,订正后下降为14.714%、14.493%。订正后精度明显提高,更接近实况风速,线性滚动极值处理订正方法能够较好订正模式模拟风速,有效提高风速预报准确率。      

风电场风速降尺度预报方法对比分析

使用中尺度数值天气预报业务模式9 km和3 km分辨率的模式输出产品,分别应用小尺度模式CALMET模式和双线性插值(BLI)方法将预报风速进行降尺度处理,并对比预报风速和风塔观测资料。结果表明：WRF模式9 km分辨率的模式输出经过CALMET模式降尺度以后得到的风速预报效果比3 km分辨率的模式输出略好。同时,由于中尺度数值预报模式分辨率本身较高,使用BLI也可以得到较好的风速预报。将风速分为0 m·s^-1≤风速<5 m·s^-1,5 m·s^-1≤风速<10 m·s^-1和风速≥10 m·s^-1共3个等级,检验3个风速等级的预报偏差百分比得出,CALMET模式和BLI方法对10 m·s^-1以上的大风的预报效果相对较差;如何对大风预报进行订正对风速预报准确率的提高具有重要的意义。     

北京地区3000 m以下低空颠簸的统计特征及其气象条件分析

低空颠簸（3000 m以下）由于可供飞行员判断和处置的时间短,一旦发生容易造成重大安全事故。气象条件是引发低空颠簸最直接、最重要的因素。本文采用北京地区8部风廓线雷达测得的高时空分辨率资料,结合华北空管局气象中心记录的2016年北京地区20个低空颠簸个例,分析了低空颠簸的统计特征和影响低空颠簸的气象条件。结果表明：北京地区低空颠簸在冬季发生频次高,其中2月颠簸发生频次最高,在夏季发生频次低。影响低空颠簸的气象指标包括水平风速、水平风的垂直切变,水平风的水平切变、水平风的时间切变和垂直风速。通过计算各气象指标的数值,尝试给出了造成低空颠簸的气象指标阈值,即水平风速大于18 m·s^-1,水平风的垂直切变大于10 m·s^-1·km^-1,水平风的水平切变大于0.1 m·s^-1·km^-1,水平风的时间切变大于10 m·s^-1·h^-1以及垂直风速大于2 m·s^-1,以上气象指标任意一个达到阈值,即满足造成低空颠簸的气象条件。此项工作对低空颠簸的预报具有一定参考意义。     

江西省山地风场风速订正方法研究

利用气象站、探空及NASA再分析资料,对江西省4县山地风场的12座测风塔风速进行订正研究。研究结果表明:测风塔与气象站风速数据相关性较低,相关系数一般远小于0.45;测风塔与探空资料的风速相关系数可达到0.6以上,最高可达到0.8;NASA再分析资料可以作为江西山地风场风速订正参证数据,其与测风塔风速数据相关性较高,相关系数可达到0.54～0.77,大多数测风塔相关系数可达0.7左右。海拔高度小于1000 m的测风塔与NASA 50 m风速的相关系数明显高于其与NASA 850 hPa风速的相关系数,高度为1000—1200 m的测风塔与NASA 50 m风速和与NASA 850 hPa风速的相关系数相差不明显,高度大于1200 m的测风塔与NASA 850 hPa风速的相关系数明显大于其与NASA 50 m风速的相关系数。比值法订正效果略好于线性回归法的,订正后的风功率密度总体偏大。     

风电场风速数值预报的动态修订方法的探讨

针对风电场风功率预测所需的定点、逐时风速预报,对利用中央气象台发布的MM5格点输出的数值预报风速插值到福建沿海某个风电场测风塔高度的预报结果进行误差分析,发现由于海陆交界的特殊下垫面等原因,存在一定的系统误差;根据误差的后延相关性和测风塔实时发回的气象资料,探讨了利用前期误差观测值和测风塔湍流指标对MM5数值预报风速进行动态修订的方法,建立了订正值方程,结果表明,订正后的预报风速平均绝对误差降低31%~54%,有效提高了预报精度。     

1999—2018年锦州地区大雾气候特征及成因分析

应用常规气象观测资料、能见度仪观测资料,分析1999—2018年锦州地区大雾气候特征及成因。结果表明：锦州地区雾日年总频次多年平均为33次,存在12 a、6 a和3 a的变化周期。锦州地区典型大雾过程主要分为弱低压槽型、雨后弱高压型。大雾存在日变化。雾前T-T_d为4—14℃,风速为4 m·s^-1以下,偏南风占50%,偏北风占38%,静风占12%;雾发展阶段T-T_d为0—4℃,平均风速为2.2 m·s^-1,偏南风占58%,偏北风占42%;浓雾阶段T-T_d为0—2℃,平均风速为1.9 m·s^-1,偏南风占58%,偏北风占42%;雾减弱到消散阶段T-T_d逐渐升高,平均风速为3.3 m·s^-1,偏北风占58%。大雾期间,均出现逆温和湿层。     

太原雾天能见度预报

利用中尺度数值预报模式MM5对山西省2009年发生的几场典型雾个例进行数值模拟。结果表明：模拟2 m温度比观测值偏低约2 ℃,相对湿度模拟结果比观测值偏大约15 %,10 m的模拟风速比观测的偏大0-2 m·s^-1。山西省雾的预报指标为20 m液态水含量大于等于0.13 g·kg^-1而小于0.60g·kg^-1、20-1500 m高度大气层存在逆温层、地面风速小于4 m·s^-1。利用太原测站日平均能见度、日平均相对湿度以及空气污染指数进行拟合建立太原能见度预报模型,并利用实测资料订正MM5、CAPPS模式预报误差,给出订正后的能见度预报方程并以两次实例对区域及太原雾天能见度预报表明该能见度预报模型有一定的适用性。     

谐波分析方法在沿海风速数值预报订正的应用

利用福建漳浦沿海一座测风塔2009年12月—2010年11月的观测资料和中央气象台发布的MM5风速数值预报资料,统计分析了沿海近地层风速和风速数值预报误差的变化特征,统计结果表明:全年和各季节的风速变化具有明显的日变化特征,日最小风速出现在上午至午后,日最大风速则出现在旁晚至凌晨;同时,风速数值预报与测风塔实测风速的误差也存在较明显的日变化特征,这种变化特征与近地层湍流的发生发展有密切联系。在统计分析基础之上,提出一种谐波分析与人工神经网络(ANN)相结合的24 h短期风速数值预报的订正方法,订正试验结果表明:该方法可以每24 h更新一次预报结果,相对于风速数值预报的精度,两次独立样本检验的平均绝对误差分别减小25.6%、28.8%,且订正后使得风速数值预报的系统性偏差有明显下降。     

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

用于风电场功率预测的逐时风速预报

为满足风电场精细化风速预报的需要,利用MM5模式的格点输出数值预报产品以及福建沿海地区两座海上测风塔的逐时气象资料,采用逐步回归的统计方法,将MM5数值预报产品与测风塔实测气象资料要素指标值共同引入回归方程,拟合两座测风塔特定高度的逐小时风速预报方程,详细介绍了该方法的实现过程.通过一年的预报效果指标以及15日的独立样本效果检验,结果表明该方法对于逐小时风速的预报有一定的应用价值.     

降水和风对泰安地区PM2.5浓度的影响及区域传输研究

利用泰安市2018—2019年降水、风和PM_2.5逐小时观测数据,分析了降水和风对PM_2.5浓度的影响,并对PM_2.5进行了源解析。结果表明：降水对PM_2.5有一定清除作用,降雨日PM_2.5平均质量浓度较非降雨日平均降低约7.2%,秋冬季节最为显著。降水对PM_2.5的清除率与降水强度、降水前PM_2.5初始浓度及降水时间均有关。当降水强度大于4 mm·h^-1时,清除率多在40%以上;当降水强度小于2 mm·h^-1、初始浓度低于75 μg·m^-3或降水强度小于1 mm·h^-1、初始浓度在75—100 μg·m^-3范围,且降水持续时间在5 h以内时容易出现PM_2.5浓度反弹现象。不同风向风速对泰安地区霾粒子清除也有明显差异,西南偏西风和东北偏东风更容易造成泰安地区霾污染,重污染期间风速超过5 m·s^-1偏南风和风速超过3 m·s^-1偏北风均对污染物具有有效清除作用。而区域风场相关矢结果表明重污染期间PM_2.5污染物主要从广西—湖南—江西一带、安徽南部及浙江北部在西南气流引导下传输至泰安地区,本地源贡献则较少。     

用支持向量机方法做登陆热带气旋站点大风预报

将支持向量机（SVM）回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s~（-1）。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s~（-1）,标准差为2.367 m·s~（-1）。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。     

基于逐时数据的南疆沙尘天气精细化特征研究

利用2006—2019年南疆地区55个国家站的逐日观测和自动站小时数据资料,研究沙尘发生的精细化特征及沙尘暴起沙风速指标阈值。结果表明：南疆沙尘中心位于塔里木盆地中部至其南缘的民丰和且末一线,表现为中部多,东部西部少的分布特点,浮尘和沙尘暴的中心在民丰,而扬沙中心在塔中站;沙尘天气季节差异明显,秋、冬季沙尘最少,以浮尘为主,春、夏季是沙尘天气的高发季节,浮尘日与扬沙日数接近,约为沙尘暴的2倍,沙尘暴、扬沙的季节差异比浮尘天气更为明显;沙尘日变化呈白天多于夜间,下午多于上午的分布特点,18—20时是南疆地区出现沙尘暴、扬沙天气的高频时段;扬沙和沙尘暴的平均持续时间短,一般不超过3 h,巴州东南部平均持续时间最长;南疆不同地区沙尘天气发生的最小风速差异较大,存在区域性规律,而极大风速分布呈东部大于西部,北部大于南部,塔里木盆地中部和南部最小,春季的极大风速平均值大于夏季,差值较小的地区在和田地区,春季的极大风速离散度也较夏季大,各站极大风速的最小值范围在1.6—9.8 m·s^-1之间。     

哈尔滨秋季一次持续性重污染过程分析

利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM_2.5,PM_2.5平均浓度为438 μg·m^-3,局地PM_2.5浓度高达1487 μg·m^-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s^-1,风速≤ 1.5 m·s^-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM_2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）^-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。     

基于风廓线雷达的湖北梅雨期暴雨中小尺度特征

针对2016年湖北梅雨期3次(“6·19”、“7·5”和“7·19”)暴雨过程,首先对比了汉口站探空数据与汉口、咸宁两个风廓线雷达站水平风速、风向,发现“6·19”和“7·5”过程汉口风廓线雷达站3 km以下水平风速和探空数据较为接近,而3次过程中咸宁风廓线雷达站8 km以下水平风向、风速和汉口站探空数据基本吻合。在此基础上利用风廓线雷达资料并结合常规、加密自动气象站资料,对3次过程中水平风场、平均垂直速度及其变率、水平风速垂直切变、大气折射率结构常数(C_(n)^(2))等进行分析。结果表明:(1)降水开始前西南风速明显增大,中层干冷空气入侵和地面冷池形成的中尺度偏东气流是“6·19”过程50站出现大于等于17.2 m·s^(-1)大风的主要原因,“7·5”和“7·19”过程西南急流长时间维持及1 km以下的偏东气流则是短时强降水持续时间较长的诱因;(2)梅雨期暴雨期间风廓线雷达观测的水平风速垂直切变、平均垂直速度及其变率随高度变化较小,较强上升运动区域主要集中在4 km高度以下;(3)C_(n)^(2)显示强降水发生前大气水汽含量有一增加过程,且整层水汽含量深厚,C_(n)^(2)大值区的消失对应降水结束。     

探测环境对北京气象站气温观测值的影响分析

为深入了解气象探测环境对气温观测数据的影响,利用2017年北京市观象台（54511）与南海子站（A1274）逐小时地面气象要素数据,分析两站气温差异以及因站点探测环境导致的日照、风速和降水对两站气温差异的影响。结果表明：2017年两站气温差异较明显,年平均气温54511站比A1274站高0.75℃;两站逐月平均气温54511站全年高于A1274站,两站差值7月最低为0.60℃,9月最高为1.09℃;两站平均日最高气温较接近,平均日最低气温差异较大,54511站较A1274站高1.24℃;两站气温的日变化特征相似,呈单峰分布,54511站气温日较差低于A1274站。两站小时气温差值随着日照时长和强度的增加而增加,短波辐射效应最强的10-14时和长波辐射效应最强的19-23时两站气温差值与当日白天直接辐射曝辐量的相关系数分别为0.459和0.601;水平风速对两站气温差值的影响较大。水平风速超过5 m·s^-1时,两站气温差小于0.1℃;当水平风速不超过1 m·s^-1时,两站观测气温差值达到1.28℃;降水天气下两站的气温差值小于非降水天气,出现降水时次54511站平均气温仅比A1274站高0.2℃。两站相距4.3 km,气候均一,测站周边2 km范围内建设用地占比54511站比A1274站高约30%,植被占比低28%,水体占比相差不大。另外,54511站附近的五环路具有低反射率和高热容的特征,白天能够吸收太阳辐射储存较多的热量,这些热量在夜间释放,可能是两站探测环境对太阳辐射吸收的差异决定了两站温差受太阳辐射和风速的影响较大,而受降水影响较小。     

大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF（简称EC）细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大。通过对EC 10 m风速各预报时限资料与其对应的最大风速误差进行统计分析。结果表明：按实况分类,从风速平均误差来看,实况3级与预报最接近,小于3级时预报偏大,大于3级时预报偏小,各风向间的风速误差也比较明显,但比风级间的误差要小一些;平均绝对误差则是2—3级最小。各时限风速平均误差相差不大,基本在0.1—0.3 m·s^-1间,平均绝对误差则随时限延长呈缓慢增大趋势。风速误差具有明显的日变化,表现出白天小、夜间大、午后最小、下半夜最大的特征。风速误差也因测站不同,在不同风级和风向的反应也各不相同。