基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

1960—2006年重庆高温日数时空变化特征

利用重庆市1960-2006年35个地面气象站逐日气温资料,分析了近47年来重庆市高温日数的时空变化特征.结果表明:重庆市有四个主要的高温多发区,分别在东北角的巫山、北部的万州、中部的涪陵和丰都一带以及西南角的万盛和綦江附近;较重高温、严重高温和特别严重高温的最大值分别为21d/a、14d/a和2d/a左右.重庆市高温日主要发生在7月和8月,其中8月的高温日数和高温强度都大于7月;近47年全市高温日数大体呈现出"增加-减少-增加"的变化趋势;尤其是大于40℃的高温日数变化最为明显.     

基于L波段雷达探空资料的重庆市区低空逆温特征分析

利用重庆市沙坪坝气象站2005- 2009年L波段雷达探空观测资料,研究重庆市区接地逆温和悬浮逆温的出现频率、逆温厚度、垂直分布特征和强度状况,对本地低空大气的逆温分布特征进行了详细分析.分析结果表明:重庆市区低空大气全年均不同程度存在逆温层,低空逆温出现频率为93％,夏季发生的频率最高,冬季最低;逆温强度总体不大,07:00 和19:00接地逆温多年平均强度分别为0.53℃/hm和0.6℃/hm,为同时段悬浮逆温强度的2倍;从垂直分布特征来看,低空逆温呈现厚度薄且层次多的特点,层次最多时达6层.     

最高（低）温度PP法预报修正方案的比较研究

用EC850hPa温度数值预报格点值为参考做短中期的最高(低)温度预报是预报员常用的温度预报方法,本文提出了划分季节、划分有无降水和划分850hPa变温3种最高(低)温度PP法修正预报方案,并进行比较,找出最优方法,使最高(低)温度的预报精确度在原来的基础上有所提高.