基于自组织神经网络算法的华北区域夏季天气气候学特征

对华北区域的天气气候学研究,有助于理解该区域大气环流场与地面要素场之间的相互联系。利用自组织神经网络算法(SOMs),基于1958—2002年夏季ERA-40日平均海平面气压距平场(MSLPA),对华北区域的海平面气压场进行分型,研究其天气气候特征。36种典型地面环流形势被识别出来,包括强北高南低、强西高东低槽、强西北低东南高和强东部高压西伸4种极端类型,以及它们之间的过渡型。天气型的空间特征分析表明二维自组织图上天气型的对称性体现了华北区域天气气候的一般性特征,而非对称性则体现其独特性。天气型演变特征分析表明高、低压系统越强,或以高压系统活动为主时,华北地区的天气形势相对稳定,反之则转变较快。年际变化分析指示出其中6种天气型出现较明显的年际线性变化趋势。最后,分析天气型相应的降水分布特征,表明区域内不同地区的降水来自不同天气型的影响,地面环流场的细小差别将会造成地面强降水中心位置的较大不同,且地形的影响将进一步放大该差别。上述分析结果采用更完整和更高时间分辨率的资料,定量化地研究华北区域夏季的天气分型特征,拓展其天气气候学研究。研究成果可用于发展客观化的数值模式典型天气过程识别技术,以及作为区域气候情景分析的基础。     

基于自组织映射的长江中下游夏季天气分型及其降水特征

利用欧洲中心1979—2015年夏季6—8月ERA-Interim逐日再分析资料和国家气候中心CN05.1格点化降水观测数据集,引入基于自组织映射SOM(Self-Organizing Maps)方法进行长江中下游地区夏季海平面气压空间距平场的客观分型,得到该地区25种地面天气型及其系统演变特征,发现天气型的稳定、转移与天气系统强弱有关。高低压系统越强,天气型停滞频率越高,天气型越稳定;反之,天气型越不稳定。基于SOM天气型转移概率,发现三条与局地降水联系的系统演变路径,其中1号路径暖空气势力强盛,副高北上,推动锋面北抬,产生江北降水型,多发生在7月;路径2反映冷空气势力强盛推动锋面南下的天气过程,产生沿江降水型,该天气型在6、7月均易发生;路径3表现为台风移动变化对长江下游江南地区降水的影响,为江南降水型,且集中在8月。通过引入SOM方法对逐日天气尺度环流进行分型,从气候态上捕捉与降水有关的天气系统的移动变化特征,体现SOM方法在模拟天气系统演变的优势。     

基于自组织映射神经网络的吉林省春夏期降水统计模拟研究

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。     

基于聚类天气分型的KNN方法在风预报中的应用

以模式识别和相似预报思想为基础, 建立基于自组织神经网络 (SOM) 的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型 (KNN)。该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型, 针对不同天气形势下的历史样本, 通过交叉检验, 分别寻求各类天气型下的最佳K组合。为了验证聚类天气分型对KNN方法的影响, 使用2003—2006年冬半年T213数值预报产品和宁夏日最大风速资料, 同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型, 并对2007年1—5月进行了预报试验, 预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率, 提高了预报准确率, 特别是某些类天气型, 提高幅度更大, 为分类相似预报开拓了思路。     

大别山地区极端降水天气事件的天气背景分型研究

基于我国自动站与CMORPH降水产品融合的逐时降水资料和NCEP再分析资料,利用自组织特征映射方法对2008—2014年大别山地区极端降水天气事件的天气背景进行了分型研究。结果表明大别山地区极端降水背景环境的类型主要可分为三类,分别是西南强气流型(类型Ⅰ)、副高西北侧气流型(类型Ⅱ)和偏南强气流型(类型Ⅲ)。其中,类型I和类型Ⅱ的极端降水分别集中在6—8月和7—9月,代表了夏季极端降水,而类型Ⅲ的极端降水主要出现在3—6月及10—12月,属于春秋季节的极端降水。通过分析大别山地形与不同类型降水场及背景场的配置关系发现:(1)迎风坡降水是类型I极端降水的主要原因,中层的高湿度、强气流为极端降水提供水汽和抬升条件;(2)类型Ⅱ的极端降水是由气流过大别山西北侧较低山脊时在山脊前和山脊后形成,西太平洋副热带高压的北抬和西进是导致此类环流背景的重要原因;(3)偏南气流与大别山及其西南方地形的配置使得类型Ⅲ的极端降水主要分布在大别山南侧往西南方向。     

基于河北区域天气分型的多模式降水检验评估

用常规天气图、雨情资料和中国气象局T213模式、T639模式、河北省MM5模式、日本气象厅JMA模式和德国气象局DWD模式的降水预报资料。将5种数值模式的降水要素预报,插值到河北省的142个站点上做TS评分。对2009年7月至2010年6月的多模式降水预报进行了分天气型的检验。结果表明,TS评分与模式和区域关系密切,降雨系统（如切变型、副高型、槽型）对应着较高的预报正确率,切变型、副高型对大雨和暴雨的预报正确率较高。对5种模式的综合评价是,对小雨和中雨的预报,DWD、T639、JMA模式好于其他模式,对大雨和暴雨的预报,T639、MM5、T213模式好于其他模式。     

分级聚类算法的区域大气污染天气分型及其动力学和统计学检验

根据江苏省污染监测资料及1981~1989年1、4、7、10月850hPa环流图,应用适合于类别样本呈超球分布的两种聚类算法构成分级聚类方法,共得23型。并区分了高、中、低三种污染天气型,分型结果具有清晰的天气气候学意义,为检验其客观分型的可靠性,本文首先运用探索性数值分析中的盒形图方法对其进行统计学检验,进而应用拉格朗日K模式,输入全省和周边站点气象资料以及实际污染源资料进行数值计算。模拟各级污染天气型下SO_2浓度的分布。对分型结果作动力学检验,动力学及统计学检验均证实了分型有效性扣代表性。     

呼和浩特市大气污染与天气气候的关系

利用1990～2002年呼和浩特市区空气污染物TSP、SO2、NOx浓度的实际监测数据,分析了呼和浩特市大气污染物浓度变化的时空分布特征、大气污染与天气条件的关系。呼和浩特市市区主要以煤烟型污染为主,冬、春季比夏、秋季污染严重,采暖期比非采暖期污染严重,市区中心污染最严重。污染物的排放量及大气的稳定度状态是城市大气污染的主要影响因子,天气变化是城市大气污染物浓度变化的主导因素,局地环流是决定城市污染物分布的关键因素。因此,不同季节排污量的变化、天气条件是制作呼和浩特市大气污染预报的主要依据。     

乌鲁木齐市冬季严重污染日的环流分型特征

根据2000-2008年冬季逐日08时高空500 hPa、地面天气图和官方网站发布的乌鲁木齐市逐日大气污染指数API值,分析了全市大气污染概况及季节分布、月际变化特征,研究了环流形势对全市空气质量的影响。结果表明：影响乌鲁木齐市的环流形势分为高空7型和地面5型,分析各型环流形势与冬季严重污染日相关性;最易引发冬季严重污染的环流形势是高空脊中型、地面低压型,其次为脊前型或空档型、地面高压后型。     

自组织映射神经网络(SOM)降尺度方法对江淮流域逐日降水量的模拟评估

利用1961~2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-Organizing Maps,简称SOM)的统计降尺度方法,对江淮流域夏季(6~8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(Brier Score)均近似为0,显著性评分(Significance Score)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%~60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。     

2015-2019年成都夏季地面臭氧浓度与气象要素关系及臭氧污染天气分型

利用2015-2019年夏季地面臭氧浓度和常规气象观测资料,分析了成都夏季地面臭氧浓度的变化特征及其与气象要素的关系,并基于大气环流形势进行了分型。研究结果表明：(1)地面臭氧浓度有明显的日变化,呈单峰特征,最小值出现在清晨08:00左右,上午浓度迅速增加,午后15:00左右达峰值,随后浓度缓慢下降。(2)臭氧污染日与非臭氧污染日的地面臭氧浓度日变化趋势较为一致,但数值有所差异。两者深夜浓度值相当,08:00以后差值逐渐增大,至14:00达最大值93μg·m^-3,随后差值逐渐减小。(3)最大8 h滑动平均地面臭氧浓度与最高气温、最小相对湿度、紫外辐射强度相关性较好,相关系数分别为0.80、-0.76、0.74;臭氧污染易发生在气温高、湿度较低、紫外辐射强的气象条件下,在日最高气温大于30℃、最小相对湿度小于50%、平均紫外辐射强度大于20 W·m^-2的条件下,易出现臭氧污染。(4)根据臭氧污染时500 hPa天气形势,可将臭氧污染过程天气背景分为大陆高压型、脊前西北气流型、副高西部型、副高边缘型,成都夏季出现臭氧污染事件时最主要的天气类型为脊...     

石家庄大气污染与沙尘天气的关系分析

利用2002—2006年石家庄市逐时气象资料和环境监测资料,分析了8次典型沙尘天气对空气污染的影响。结果表明:沙尘天气的首要污染物均是可吸入颗粒物,春季中度以上污染日平均出现在沙尘日当日或次日;造成石家庄沙尘天气污染源分外来型、本地型以及二者共同影响型3种;其中,本地型沙尘污染多受冷锋影响,PM10浓度与风速呈正相关。而外来型污染多处于弱气压场控制,PM10浓度与南风呈反相关,而当风向转偏北时则利于污染物积累。     

基于天气分型的夏季逐时用电负荷预报

用2004年和2005年6—8月用电负荷资料和气象资料,分月建立了日平均气象负荷预报方程。讨论了用气象负荷的日变化量来代替总用电负荷的日变化量进而预报逐日总负荷的可行性。分5种天气类型统计了各天气类型下逐时负荷与日平均负荷的比率,日平均用电负荷预报值与该天气类型的逐时比率相乘得到逐时用电负荷的预报值。经2006年试用,日平均用电负荷预报的平均相对误差为2.0%,逐时用电负荷预报的平均相对误差为2.9%,对日平均用电负荷起伏较大的变化过程做出了准确预报。     

基于神经网络技术的天气雷达超折射回波识别

基于SA多普勒天气雷达资料,从其基本反射率、径向速度和谱宽3个基本产品中提取出6个能反映它们之间差异的特征参量,并对它们进行概率统计分析,作为BP神经网络的识别因子。通过建立适当的训练集对神经网络进行训练,从而得到最优的网络结构,再利用测试集对经过训练的网络做进一步测试,对其识别效果进行评判。结果表明:当神经网络的输入层、隐含层和输出层的神经元个数分别为6、6、2时,能够对超折射回波达到最优的识别效果。最终通过实际个例对识别效果做再次验证。     

利津县人工影响天气工作的组织与管理

总结了利津县十多年人工影响天气工作在组织管理方面的经验与体会,认为：农民认可、社会支持是开展好人工影响天气工作的基础;政府支持、领导得力、资金到位是人工影响天气工作正常运行的关键;作业、指挥人员稳定是人工影响天气工作顺利实施的保障,并指出了人工影响天气工作以后的工作方向。     

基于自注意力和门控循环神经网络的雷达回波外推算法研究

为提升现有神经网络对雷达回波序列的时、空特征提取能力,建立外推性能更优的时、空序列预测模型,开展雷达回波外推算法改进研究。基于深圳市气象局与香港天文台共同建立的雷达回波数据集,在数据处理层面,通过改进对雷达回波图像序列归一化的方法,提升了常用的5种时、空序列预测模型对强回波的预测水平;在模型算法层面,将两个联立的自注意力结构引入ST-LSTM结构,组成新的循环门控单元,并将这些循环门控单元进行堆叠,建立ST-SARNN模型。选用CSI和POD作为精度评价指标,进行模型对比分析得到：（1）改进的归一化方法提升了近几年内常用的5种时、空序列预测模型对强回波的预测水平。（2）加入自注意力的ST-SARNN模型对雷达回波的预测性能显著优于ConvLSTM、PredRNN和MIM等模型。改进的归一化方法能改变样本数据分布,并在一定程度上提升模型外推性能;自注意力结构能够有效挖掘雷达回波序列的时、空特征,进而改进神经网络的外推表现。

     

基于数字摄像能见度仪的北京地区降雨和雾霾天气能见度对比分析

数字摄像能见度仪（Digital Photographic Visibility System,DPVS）仿照人工目测能见度的原理测量大气能见度。本文应用2017年3—8月北京地区DPVS、前向散射仪（PWD22）、大气透射仪（LT31）三种观测仪器在降雨天气和雾霾天气观测数据进行了对比。结果表明：能见度观测数据与相对湿度、颗粒物浓度、降水粒子等要素之间有明显的负相关性;在低能见度天气条件下,三种仪器观测数据变化趋势一致,但存在一定的差异;DPVS在中雨天气、大雨天气、暴雨天气和中度雾霾天气中,观测数据离散性更小,稳定性更好。但DPVS在白天和夜间的交替过渡期观测值不够稳定,这也是今后算法优化的重点方向。     

基于预测的双线偏振天气雷达数据无损压缩算法

随着双线偏振天气雷达技术的发展,雷达提供的探测参量越来越多,数据精度不断提高。探测性能提升使得天气雷达数据量急剧增长,数据存储和传输是雷达网络化应用中需要解决的重要问题。数据压缩算法用于减小传输和存储的数据量,但通用的数据压缩算法并未充分考虑双线偏振天气雷达数据的特点。文中提出适用于双线偏振天气雷达数据压缩算法（DPRC）,使用径向预测减小天气雷达数据相关性,实现了天气雷达基数据的高效无损压缩。使用CSU-CHILL雷达数据和双线偏振改造后的CINRAD SA雷达对DPRC的算法性能进行评估,试验结果表明,DPRC较通用的压缩算法压缩率更高,适用于高分辨率双线偏振雷达数据无损压缩。      

斜压大气中双涡自组织与台风形成的初步研究

从数值研究和个例分析两个方面讨论了斜压大气中双涡自组织与台风形成的关系.首先,利用PSU/NCAR 第五代数值天气预报模式(MM5),设计了6个弱环境流场下的理想试验,研究斜压大气中双涡自组织对台风形成的影响,结果表明:斜压大气中双涡自组织存在一个临界距离dc,其值在380 km左右.当双涡间距d≤dc时,双涡可以自组织形成台风环流,当d>dc时,自组织现象不能发生.其次,选取一个对我国有重要影响典型台风个例,分析双涡自组织对其形成的影响,结果表明双涡自组织过程是对我国有重要影响台风形成的典型方式之一.     

自组织网络与广义回归网络耦合的副热带高压指数预测

利用亚洲夏季风系统中各成员变化活动与西太平洋副高存在的不同程度的时延相关性,从1995~ 2004年NCEP/NCAR逐日再分析资料中,提取了亚洲夏季风系统各成员变化活动的特征指标及其对应的超前三候的西太平洋副高(简称副高)面积和脊线指数.在此基础之上,建立了自组织网络与径向基函数网络串级耦合的副高指数预测模型.该模型首先用自组织网络对各指标样本按其自身相似原则进行无监督分类,随后用广义回归网络分别对分类出的各指数样本子集进行有监督的训练建模和预测.模型的预测试验结果表明：副高指数的预测结果与其实际值之间的相关系数达到0.89,明显优于单一的神经网络模型预测效果.