摘要：近年来城市臭氧(O_(3))污染问题日益突出,影响O_(3)污染的关键气象因子尚不明确,因此分析典型城市——苏州的O_(3)污染特征,探究O_(3)污染的高影响气象因子,对该区域大气污染防治具有重要意义.基于苏州环境监测中心2015~2020年4~9月逐小时O_(3)浓度数据及同期气象观测资料,应用相关分析和机器学习方法对其开展相关分析研究.结果表明:(1)6年间O_(3)污染高发季,O_(3)污染超标率均达20%以上,O_(3)污染日数和以O_(3)为首要污染物的污染日数占比均逐年上升,O_(3)污染问题日益凸显;(2)O_(3)浓度存在单峰日变化特点,谷值出现在07:00前后,峰值出现在15:00~16:00;其与气温和太阳辐射能的日内变化趋势较一致,但其浓度峰值出现时刻又滞后于二者.2017年和2019年O_(3)有典型的“周末效应”,周末较高的太阳辐照度对O_(3)浓度升高有明显的正相关作用.O_(3)浓度和污染超标率的月变化呈双峰型特征;(3)O_(3)污染的发生受到多种气象条件的影响,日照时数在7 h以上,气温在30℃附近,太阳辐照度在350~440 kW·m^(-2)之间,相对湿度在50%~75%之间,O_(3)污染日数达最多,且强度达最强.当偏东风风速小于1.5 m·s^(-1)时,或西南风风速小于3.5 m·s^(-1)时,易发生O_(3)中度污染;(4)运用机器学习方法构建的最优O_(3)浓度预测模型对4、5、7和9月O_(3)浓度有较好的预测能力,当O_(3)浓度超过200μg·m-3时,预报值存在一定程度的低估和平滑,太阳辐射能对于O_(3)浓度的影响最为明显,相对湿度影响次之,而气温和风重要性低于前二者.

摘要：基于中国大气成分实时追踪数据集、天津气象局和生态环境局长序列PM_(2.5)质量浓度和气象观测,结合MEIC排放清单和环境模式构建的细颗粒气象条件扩散指数,研究2000~2020年天津地区PM_(2.5)质量浓度演变规律及驱动因子,以期更科学地分析气象对大气环境影响,为"十四五"期间深度环境治理提供支撑.结果表明,2000~2020年天津PM_(2.5)质量浓度呈现3个阶段变化,第一阶段2000~2007年,呈现持续地上升,其变化速率为4.58μg·(m^(3)·a)^(-1),该阶段排放量的快速增加是主导因素,其作用是气象条件年际波动影响的4倍,排放量增加使得PM_(2.5)质量浓度增加45.3%;第二阶段为2007~2013年,该阶段PM_(2.5)质量浓度呈现波动变化,出现了两个浓度峰值年(2007年和2013年),该阶段排放稳定,气象条件年际波动对PM_(2.5)质量浓度年际波动产生重要影响,两者相关系数0.81;第三阶段为2013~2020年,PM_(2.5)质量浓度呈现快速地下降,其变化速率为-6.9μg·(m^(3)·a)^(-1),排放量的下降作用是决定性的,使得PM_(2.5)下降了43.9%,气象扩散条件转好也提供正贡献,约使得PM_(2.5)下降8.7%.从近20年数据分析,气象条件年际变化导致的大气扩散条件年际变化2003~2004年和2013~2015年为谷值,2008~2010年和2018~2020年为峰值,峰峰相距和谷谷相距是11 a左右;气象条件年际变化导致的大气扩散条件年际波动平均强度是4%,可解释近20年PM_(2.5)质量浓度年际变化的25%~50%,峰谷相差16%,气象扩散条件年际波动对未来PM_(2.5)目标制定和应对措施设计有重要影响.

摘要：利用欧洲中心模式(EC-thin),日本模式(JAP),德国模式(GER),T639模式(T639)以及天津WRF模式(TJ-WRF)的格点降水预报资料和历史实况资料,分别基于Rank方法、平均法、相关法设计了三种集成降水概率预报方案,并对2014年4-10月进行集成降水概率预报试验及RPS、BS评分、ROC曲线检验,探讨了集成降水概率预报产品在实际降水预报业务中的应用方案。研究表明:对于各个量级的降水概率预报,Rank方法的预报准确性好于平均法和相关法。基于Rank方法的集成降水概率预报具有可预报性,通过晴雨概率阈值的试验分析,发现当集成降水概率预报达到40%时,降水预报准确率最高,晴雨预报准确率可达到85.1%,通过对各量级概率阈值的试验分析,发现基于集成概率预报阈值得到的分级降水预报产品的ETS评分明显高于单一模式成员;通过个例检验,多模式集成降水概率预报大于40%的区域对降水落区具有较好的指示意义,降水落区预报击中的准确率达到62.3%,典型个例分析显示,对天津小概率极端性的全区性暴雨落区和概率较大的一般性降水落区均有较好的预报效果。

摘要：统计辽宁省设施农业大风灾情特征,分析致灾大风成因,结合东北地区设施农业大风掀棚致灾指标,确定辽宁省设施农业大风灾害预警等级划分标准。根据设施农业受灾情况,将日光温室大风致灾预警划分为轻度(8级风)、中度(9级风)、重度致灾(≥10级)。对2019年辽宁一次大风天气过程进行大风灾害预警应用,结果显示,分级致灾指标的设计和划分是合理的。

摘要：基于2017—2018年中国气象局高分辨率数值预报产品、甘肃实时城镇预报产品和国家级地面观测站数据,利用小波分析、滑动训练、最优融合等技术,研发出甘肃省智能网格高低温客观订正产品。检验分析表明:城镇预报产品、滑动训练订正产品、最优融合产品3种订正产品对CMA预报均有订正能力,3种客观订正产品的最高气温订正能力强于最低气温订正能力;滑动训练法与最优融合法产生的高低温订正产品,在系统误差明显地区(甘南、陇南等)的预报结果要好于模式客观预报,而高低温城镇预报产品在气温局地性强或者模式客观预报能力差的区域有优势;最优融合预报方法生成的高低温产品预报能力略高于滑动训练订正产品且与现有预报员制作城镇预报产品基本持平,初步具备了替代主观预报的能力。

摘要：介绍了临近预报系统"SWIFT"(Severe Weather Integrated Forecasting Tools)中的风暴产品的设计,包括风暴识别、风暴追踪和风暴预报。在识别风暴时,采用了多反射率因子阈值、特征核抽取和相近单体处理技术,并保留远距离上的强的2D风暴,该方法在面对成串或成簇多单体时,能够分离多个单体核,并准确定位。在风暴追踪和预报算法中,对当前时刻识别出来的风暴,利用匹配方案,将其与前1时刻的风暴建立对应关系,追寻历史轨迹,匹配方案是在空间位置相关的前提下,按照相似原则进行;风暴预报采用TREC(Tracking Radar Echoes by Correlation)技术获取的移动矢量场进行外推,提供未来1小时内的风暴移动位置。在北京奥运会天气预报示范项目(Forecast Demonstration Project,简称FDP)第二次测试期间,该风暴产品得到应用。分析表明:在预报时效为30分钟时,风暴产品在X轴和Y轴上的平均绝对误差为7.1和6.2 km,样本数为3891个;随着预报时效的增加,风暴产品的平均绝对误差增大,且在经向上的误差略大于纬向上;在径向上,风暴产品的预报出现了系统性的偏慢,而在纬向上,预报出现了系统性的偏快。

摘要：研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。

摘要：为提高标准格式雷达基数据的业务应用能力,研发天气雷达标准格式基数据应用和预警系统。采用C/S结构完成天气雷达标准格式基数据的获取、解析和成图,结合自主开发的气象基础地理信息系统(GIS),实现较丰富的地理信息与雷达回波图像的融合;以雷达回波强度和高度为指标,实时对强回波天气进行声音、图像和短信方式预警。该系统地理信息比较丰富,与雷达回波图像匹配准确,较好地实现了标准格式雷达基数据在基层气象部门的使用,有助于提高雷达回波实时监测和强天气预报预警的能力。

摘要：为提高气温智能网格预报的空间精细特征刻画能力和准确率,设计了考虑高程的动态垂直变率降尺度方法(DRD),利用模式地面气温预报随高程的变化关系实时统计地面气温的垂直变率(VCE),应用于目标网格和站点的降尺度预报,生成更加精细和准确的初始背景预报场。基于ECMWF模式预报、5 km精细高程信息、中国10154个站观测资料及其地理信息数据,开展春、夏、秋、冬季预报试验,分析了VCE的时空分布特征、DRD气温预报的准确率及空间精细特征刻画能力。结果表明,受地表长波辐射的日、季节变化以及地面热力属性和地形动力作用等影响,中国区域地面气温的VCE存在明显的日、季节和空间变化。VCE通常在早晨最大、傍晚最小,即早晨地面气温随着高度上升表现为一天中递减最慢或递增最快,而至傍晚则变为递减最快或者递增最慢;VCE空间变幅冬季最大、夏季最小;VCE与地形、海陆和内陆湖水体分布密切相关,大地形边缘、白天的海陆边界、春季白天和夏季全天的内陆湖边缘通常为VCE大值区,且复杂地形区VCE变幅更大。DRD预报性能整体明显优于双线性插值气温预报(DMO),复杂地形区提升效果更显著,如青藏高原南部春季DRD预报的平均绝对误差比DMO减小约14.3%—52.5%;同时,DRD方法显著提高了对气温预报空间精细特征的刻画能力。可见DRD方法可以有效提升气温智能网格预报性能。

摘要：从降雪预警业务实际出发,设计了基于最优化法的雷达估测降雪方法,对2007年3月4日特大暴雪过程开展雷达降雪估测试验,并分析估测结果的误差。针对温度变化、雪花末速度、与雷达的距离和计算方法等方面的误差因素制定了3种改进方案。改进后的估测降雪量与实况降雪量的相关系数提高到0.6(6超过99%信度检验),平均相对误差降低至48.74%,对于0.3 mm/h的较弱降雪和5 mm/h以上的强降雪均具有估测能力。其中距离雷达50～100 km的样本估测降雪量与实况降雪量的相关系数达到0.82。在3种改进方案中,考虑降雪末速度影响的改进效果不明显,这可能与本次暴雪过程的回波较均匀有关;按雷达与样本距离分类进行雷达降雪估测的效果最明显,不仅可以增加相似程度,还减小了雷达近距离高估和远距离低估的误差;而算法的改进进一步提高估测精度。本次雷达降雪估测对于1.6～2.5 mm/h的较强降雪和2.6 mm/h以上的强降雪平均相对误差较小,分别为31%和27%,但雷达降雪估测高估了1.5 mm/h以下的降雪而低估2.6 mm/h以上的强降雪。一方面说明雷达回波对于降雪强弱变化不是很敏感,另一方面在业务实际工作中有可能利用这种一致性的误差进行订正,以提高降雪估测精度。