排序方式: 共有30条查询结果,搜索用时 267 毫秒
21.
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。 相似文献
22.
利用MICAPS操作平台建立相似预报系统制作三峡库区面雨量预报 总被引:2,自引:0,他引:2
本系统是在借助MICAPS操作平台的基础上,利用相似预报原理和统计预报方法建立起来的三峡库区范围内面雨量预报系统,并利用欧洲中心数值预报制作逐日滚动预报 相似文献
23.
本系统是在借助MICAPS操作平台的基础上,利用相似预报原理和统计预报方法建立起来的三峡库区范围内面雨量预报系统,并利用欧洲中心数值预报制作逐日滚动预报. 相似文献
24.
TOPMODEL模型在重庆市开县温泉小流域径流模拟中的应用研究 总被引:4,自引:0,他引:4
以重庆市开县温泉流域(984km2)为研究区域,利用自动雨量站资料作为TOPMODEL(TOPography based hydrological MODEL)降水一径流模型的输入,以08:00 BST观测的流域出口流量作为模型率定的依据,探讨了用小时面雨量和08:00流量资料和TOPMODEL水文模型进行小流域流量模拟的可行性.结果表明,以08:00流量为依据对TOPMODEL水文模型进行率定后,模型效率系数达到0.872.结果表明,TOPMODEL在所研究的流域基本上是适用的.此工作是自动雨量站资料、天气雷达定量测量降水产品等用于小流域山洪预报的基础工作之一. 相似文献
25.
采用面雨量模糊评分方法,对三峡库区流域面雨量预报中3种客观预报(相似预报、T213降水预报、MM5模式预报)和面雨量综合集成预报结果进行综合评定。检验结果表明,3种预报模式对流域面雨量预报水平相差不大,冬半年的预报评分高于夏半年。在业务中采用动态权重系数法对3种预报方法预报结果进行集成,其集成预报的评定质量高于每种单独预报质量。在流域面雨量预报质量检验中采用了模糊评分法,该方法能够较为客观地反映预报和实况之间的差距,也可以用于降水定量预报评定中。 相似文献
28.
重庆市臭氧污染及其气象因子预报方法对比研究 总被引:1,自引:0,他引:1
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PM2.5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PM2.5。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PM2.5,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。 相似文献
29.
利用重庆市2003—2017年34个国家级气象观测站的逐时降水和逐时温度资料,建立了一种基于未来24 h日最高、最低气温和天气现象预报值的逐时气温预报模型。该模型通过搜寻与未来24 h预报值相似的历史天气现象下的气温时间序列,预报给定站点未来1 d的逐时气温。然后运用结合了高程的反距离加权插值法,得到重庆市0.125°×0.125°分辨率逐时气温网格预报产品。2018年逐时气温预报产品的检验结果表明,整体上国家级站点绝对误差≤2℃的逐时气温预报准确率为79.73%~91.40%,均值为87.12%;10月—次年2月的准确率好于3—9月,8月较差。该模型的预报性能在无雨时稳定,有雨时在地形复杂且易出现强降水的重庆东北部地区略差。重庆西部、中部的大部以及东北部偏西地区的网格产品预报准确率较高,而偏南局地山区和偏东部分山区的准确率较低。总体上该方法预报效果较好,预报性能稳定。 相似文献
30.
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PM2.5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PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5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。 相似文献