基于BP神经网络的单站总云量预报研究

云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一。为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型。试验结果表明：所建立的模型具有较好的拟合、预报精度,并且没有出现＂过拟合＂现象,对新样本具有较好的泛化能力。     

湖北省天空云量的特征分析及其预报

利用１９９６～１９９８年的历史气象资料统计了湖北省天空云量,接着分析了天空云量与高空物理量的关系,在此基础上使用ＭＯＳ方法建立了天空云量的预报模型。经１９９９年９～１１月试验,其初步结果表明,该预报模型可较好地反映云量变化的趋势,对阴天和晴天之间转变的趋势预报较为正确,但其在应用时仍需加强订正工作。     

基于BP神经网络的单站总云量预报研究

云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一.为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型.试验结果表明:所建立的模型具有较好的拟合、预报精度,并且没有出现"过拟合"现象,对新样本具有较好的泛化能力.     

动态时变参数方法在云量精细化预报中的应用研究

利用2008年1月—2013年12月以及2017年1—11月全球天气预报系统(GFS)预报场资料,采用自适应线性最小二乘回归(LS)和自适应递推卡尔曼(Kalman)滤波两种动态时变参数方法,建立了河套周边地区0～168 h预报时效的总云量精细化预报,并与GFS模式直接输出的总云量、线性预报模型逐步回归预报方法得到的总云量以及非线性预报模型BP神经网络和最小二乘支持向量机回归方法(LSSVM)得到的总云量进行了对比,结果如下:(1)相比GFS模式直接输出的总云量,LS、BP神经网络、LSSVM得到的总云量与实况值的平均绝对误差均明显减小。LS方法误差最小,LS方法的年MAE均在20%～25%,且随着预报时效的延长,改进效果越大。LS方法、多元逐步回归方法、BP神经网络、LSSVM四种方法在6—8月的改进效果最大。(2)LS方法预报的总云量与实况云量的相关性最好,即使168 h预报时效的相关系数依然在0.64以上,远高于其他几种模型的预报结果。(3)LS方法能够明显地提高少云和多云天空状况下预报的击中率,且最优(少云击中率平均提高24%,多云击中率平均提高34%)。(4)自适应递推Kal...     

最小二乘支持向量机在云量预报中的应用

基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景.     

天空云量预报及支持向量机和神经网络方法比较研究

使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示：虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。     

目测云量的几种方法

云量是指云遮蔽天空视野的成数 ,即观测者眼晴所看到的视云量。云量的观测全凭目力估计 ,主观成分较大 ,加之云体本身在不断运动和变化、不能构成完整的、规则的几何图形 ,这就对观测者正确判断云量的多少带来一定的难度。不同的观测方法 ,所观测的结果也就不同 ,特别是天边附近云量的观测 ,在实际工作中 ,往往估计偏多。针对以上问题 ,我们对云量的观测归纳为以下几种方法。1　等分切割法首先 ,观测者将可视“天穹”看做一个圆面(因为“天穹”在地面投影本身就是一个圆面 ,而云量观测与云的高度无关 ,仅与云在视“天穹”投影上所占面积大小…     

支持向量机分类方法在天空云量预报中的应用

以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。     

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。      

用PP法做逐日降水预报

利用欧州中期数值预报格点资料,采用PP法建立了全年分季分站逐日降水预报方程。实际应用时,直接从网络上调取欧州中心500hPa高度场、850hPa温度场、1000hPa气压场48—120h预报场格点资料,可作出一周逐日晴雨、分级降水预报。     

黄山冬半年云海预报研究

利用2004—2014年黄山气象站地面气象观测资料和NCEP/NCAR再分析资料,分析了云海发生时气温、气压、湿度、风速等要素的垂直分布、时间演变特征,选取能够反映云海天气特征的指标作为预报因子,分析预报因子分布特征,确定其阈值及消空指标,采用指标叠套法建立了黄山冬半年各月08时云海预报模型,总体正确率为88%,T_S评分为31%。利用2015—2016年资料进行检验,总体正确率为88%,T_S评分为36%,其中3月、10月T_S评分为44%,1月T_S评分为38%,模拟结果对黄山冬半年的云海预报具有一定的参考价值。     

利用扫描式红外亮温仪对天空云量的试验观测

利用中国科学院大气物理研究所中层大气与全球环境探测实验室自主开发研制的全自动扫描式天空红外亮温仪,于2007年4-8月在北京市气象局南郊观象台进行了试验观测.利用获得的天空红外亮温数据和南郊观象台(54511站)实时地面气象数据,进行了天空云量的计算.将整点前30 min内观测的云量的平均值作为与观象台观测对应的整点观测云量,分不同情况与观象台目视观测结果进行了对比分析.结果表明:(1)对于中低云,两种观测的云量比较一致,但如果在此期间云消散或增加很快,则差别较大.其主要原因是观测的时间和方式不同所造成的.(2)对于以卷云为主的天空情况,特别是高层薄卷云的情况,两种观测的云量差别较大.原因是受到目前试验所使用的红外传感器低温测量范围的限制(-50℃),以及判定云的阈值算法目前还只对于中低云比较适用,对于卷云的判断能力比较薄弱.(3)对于天空情况比较复杂,以及能见度不好的情况(气象站目视云量记录为10-),两种观测的云量差别也很大.其差别既受到仪器性能的影响,也与观测员视力与经验有关.仪器受到最低测量温度的限制,反演算法也有其不确定性,而观测员在低能见度时的观测局限性亦是一个重要原因.利用SIRIS-1进行云量和云底高度观测的优点是时间分辨率高,且全天时自动化,但对于卷云的判断还较薄弱.     

毫米波雷达云回波的自动分类技术研究

毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,可获得更多的云粒子信息,是研究云特性的主要遥感探测设备。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其他参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到84%,其中,层云和积云的识别一致较低的原因在于样本数据有限,仅有6次层云和8次积云的个例样本数据。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。      

基于降水极端预报指数的福建台风极端降水预报研究

应用1961—2017年中国气象局热带气旋最佳路径数据集、国家地面气象观测站日降水观测资料和2015年8月—2017年12月欧洲中期天气预报中心(ECMWF)集合预报系统降水极端预报指数(EFI)数据,根据百分位法定义台风影响期间福建省各站点的台风极端降水阈值,采用最小阈值法剔除台风极端降水时EFI箱线图中的异常值,保...     

基于葵花-8卫星的白天冰云识别初探

利用气象卫星风云四号A星和葵花8号观测资料,根据川渝地区独特的地形、地势将其分为东部低海拔地区和西部高海拔地区,建立高分辨率的网格化无云背景场,作为无云与有云辐射差异对比,使用阈值法进行晴空、水云、冰云、低层云雾、霾和积雪的检测,进而提高云识别信度,统计分析2016—2021年川渝地区云覆盖时、空分布特征。研究表明：川渝地区云的区域分布特征明显,东、西部存在明显差异,总体呈东多西少,云覆盖频率常年存在高值中心,云覆盖面积有明显月变化。东部低海拔地区云覆盖频率常年在70%—80%,而西部高海拔地区云覆盖频率在50%—65%。云覆盖频率的高、低值过渡区对应青藏高原与四川盆地之间的陡峭地形区,这与地形地势、水汽条件和大气环流特征有关。各月的云覆盖面积在东部低海拔地区相对稳定（占比在60%—80%）,而西部高海拔地区差异较大。其中东部的冰云和西部的总云面积具有显著月变化（单峰）特征,峰值出现在7月,分别为37%和76%。6 a中各类型云覆盖面积占比年际波动较小,东部的云覆盖面积占比常年超过70%,其中水云占比最大（35%—40%）,冰云次之（20%左右）,低层云雾最小（约13%）;西部的云覆盖面积占比常年约60%（水云24%—26%,冰云22%—25%,低层云雾约10%）。

     

辽宁乡镇天气预报中风和相对湿度及云量的空间插值方法

针对开展乡镇天气预报时对高精度逐日气象要素输入值的需要,以辽宁地区为例, 在乡镇预报前期研究成果的基础上,选用距离权重反比法作为基本方法,综合考虑海拔高度,建立风向、风速、相对湿度和云量历史资料库。结果表明：风速、相对湿度可由经度和纬度求算权重,然后采用海拔高度订正插值误差最小;风向和云量可由经度、纬度和海拔高度求算空间距离确定权重插值误差最小。     

毫米波雷达测云个例研究

云参数是影响降水和大气辐射过程的重要因子,但对云参数的遥感探测存在许多困难。利用35GHz的毫米波雷达进行云探测,并进行云参数反演研究,反演了云水含量、冰水含量和云滴有效直径的垂直廓线,得到了6类云况的垂直分布。结果表明：1）不同类型的云具有不同的云参数分布;2）在低于-15dBz的非降水云情况下,反演的云水含量及云滴有效直径较可靠;3）雷达探测的线性退偏振比因子,可以用于判别云中的过冷却水和冰晶,有助于更好了解云的宏微观特征。     

基于多种模型的云南元江哈尼云海景观预报研究

为推动区域旅游事业发展,满足旅游气象服务需求,研究针对云南元江哈尼云海景观进行了立体气象观测和业务预报实验。本研究基于云南元江云海气候站2016—2019年观测数据,利用经验预报法、Logistics回归、支持向量机、决策树分析等方法,进行了云海景观出现与否的二分类预报实验。结果表明：各预报方法间训练样本总体准确率在74.3%—82.2%之间差别不大,但传统经验预报基于云海机理研究背景,预报指标物理意义明确,随着预报经验的积累经验预报2019年TS评分为54.8,优于2016—2018年TS评分46.0,也优于仅使用局地数据的统计学习算法的预报评分,且其他几种统计学习预报方法的检验样本TS评分均不如训练样本评分高。云海景观出现需要水汽条件和大气静稳条件的配合,局地云海气象观测站建设收集的立体气候数据有利于预报人员改进预报指标体系,提高预报准确率,有利于提升区域旅游气象服务能力发展。     

On the linkage between changes in cloud cover and precipitation extremes over Central India

In this study, linkage between changing characteristics of precipitation extremes and cloud covers over Central India is explored during summer monsoon period using Satellite data (1998–2015). This is a first attempt to relate the changes in cloud cover to the changes in precipitation extremes. Non-rainy cirrus clouds are excluded from this study. Results show that heavy rainfall (≥ 60 mm/day) is associated with cold cloud tops (Tb≤220 K) while moderate rainfall (<60 mm/day and ≥20 mm) occurs mostly with middle clouds (Tb>220 K and ≤245 K). Low level clouds (Tb> 245 K) are responsible for light rainfall (<20 mm/day). Increases in top 20%, 10%, 5% and 1% heavy precipitation relate well with the increases in very deep convective, deep convective and convective cloud cover. Among these relations, increase in top 5% heavy precipitation relates best with increase in very deep convective cloud cover. Decrease in bottom 30% low precipitation relates with decrease in low level cloud cover. The results reported in this study fit into the framework of how weather extremes respond to climate change.