多元动态逐步回归方法在北京地区能见度预报中的应用

发布时间：2021-04-07 01:18

　　基于2016年冬季的观测资料和ECMWF细网格240 h气象要素预报资料,选用与能见度变化相关的水汽、动力、热力等因素作为预报因子,利用多元动态逐步回归方程对北京地区未来10 d的能见度进行预报研究。同时将能见度分为3个等级:<1 km、1～10 km（低能见度）和≥10 km,并从区域平均、空间分布及3次低能见度过程个例进行预报效果检验。多元动态逐步回归方法对北京地区的能见度及其变化趋势均有一定预报能力且效果稳定,其中≥10 km等级的能见度预报效果最好,TS评分为64.2%,其次是1～10 km,TS评分为53.1%,最后是<1 km,TS评分为51.3%;两个低能见度等级中平原地区预报效果优于山区,表现为从东南向西北递减的特征;而≥10 km等级的呈相反变化,预报效果山区优于平原地区;北京地区3次雾霾过程个例预报也证实动态逐步回归方法能够较好预报北京地区持续性低能见度过程。 

【文章来源】：干旱气象. 2020,38(04)

【文章页数】：9 页

【部分图文】：

北京地区20个气象观测站点的空间分布

为选定最优滑动建模时长、建立最优的能见度滚动预报模型,图3给出不同建模时间长度下2016年冬季北京地区20站能见度分级预报的平均TS评分。可以看出,平均TS评分随建模时长的增加而快速增高,且在建模时间长度为20 d时达最高为56.1%,之后随建模时间长度的增加而缓慢降低并趋于平稳。这表明选用预报日之前20 d的观测数据建立的能见度预报模型的预报效果最好。因此,文中滑动建模时间长度选为20 d。图3 不同建模时间长度下2016年冬季北京地区20站能见度分级预报的平均TS评分

1月27—29日,北京地区高空以纬向环流为主,地面由高压后部弱气压场逐渐转为低压辐合区,静稳天气形势再次建立(图略)。受此影响,能见度在27日20:00急剧下降至10 km以下,29日08:00起随着冷空气南下又快速好转。将1月22日20:00起报的ECMWF数据代入统计模型,得到的预报结果和观测的能见度变化特征比较吻合。该模型能较好预报低能见度的发生时段,以及在26日早晨低于1 km的能见度值。但也可以看到该统计模型预报的28日02:00—14:00低能见度值较实况略微偏低,且好转时间较实况偏快(图7)。图7 2017年1月22日至2月1日北京观象台观测的能见度以及模型预报的能见度变化

【参考文献】：
期刊论文
[1]2008—2013年冬季北京市能见度变化特征及影响因素[J]. 孙庆华,杜宗豪,陈晨,莫杨,袁大勇,李湉湉.  环境卫生学杂志. 2013(06)
[2]河北省低能见度事件特征分析[J]. 付桂琴,张迎新,张庆红,张南,张彦恒.  气象. 2013(08)
[3]雾和霾对北京地区大气能见度影响对比分析[J]. 马志强,赵秀娟,孟伟,孟燕军,何迪,刘红燕.  环境科学研究. 2012(11)
[4]支持向量机非线性回归方法的气象要素预报[J]. 王在文,郑祚芳,陈敏,高华.  应用气象学报. 2012(05)
[5]北京市城、郊气候要素对比研究[J]. 宋艳玲,董文杰,张尚印,张德宽,王守荣,胡宝昆.  干旱气象. 2003(03)
[6]北京地区大气能见度变化规律及影响因子统计分析[J]. 王淑英,张小玲,徐晓峰.  气象科技. 2003(02)
[7]北京城市能见度及雾特征分析[J]. 王继志,徐祥德,杨元琴.  应用气象学报. 2002(S1)
[8]北京地区低能见度区域分布初探[J]. 赵习方,徐晓峰,王淑英,孟燕军.  气象. 2002(11)
[9]北京地区低能见度的气候特征及影响因素[J]. 王淑英,徐晓峰.  气象科技. 2001(04)
[10]北京地区大雾形成的分析和预报[J]. 吴洪,柳崇健,邵洁,王晓明.  应用气象学报. 2000(01)



本文编号：3122520